SalienTime: User-driven Selection of Salient Time Steps for Large-Scale Geospatial Data Visualization

由于来自物理监测器和模拟模型的地理时空数据数量庞大，因此在基于Web的数据门户中进行时间选择经常会导致低效的数据访问，从而产生繁琐的时间选择体验。因此，选择一部分时间步骤进行优先可视化和预加载非常有必要。本文通过与领域专家进行广泛的需求调研，建立了一个多方面的显著时间步骤定义，以了解他们的工作流程。在此基础上，我们提出了一种新颖的方法，利用自动编码器和动态规划来促进用户驱动的时间选择。结构特征、统计变化和距离惩罚被纳入以进行更灵活的选择。使用用户指定的优先级、空间区域和聚合来结合不同的视角。我们设计和实现了一个基于Web的界面，以实现高效和上下文感知的时间步骤选择，并通过案例研究、定量评估和专家访谈来评估其效力和可用性。

如何提高地理空间时间数据访问的效率和用户体验？

利用自编码器和动态规划来实现用户驱动的时间步长选择，并结合结构特征、统计变化和距离惩罚等因素，使选择更加灵活。

论文通过需要调查研究来确定关键时间步骤的多方面定义，并设计了一个基于Web的界面来实现高效的时间步骤选择。实验结果表明该方法有效且易于使用。

相关研究包括利用机器学习方法来处理地理空间数据、使用动态规划方法进行时间步长选择等。