时空多变量数据是一种常见且在各行各业都极为重要的数据，有着广泛的应用。可视分析作为一种近年来蓬勃兴起的分析手段受到了越来越多的关注，时空多变量数据分析也成为可视分析领域一个具有挑战性的课题。　　时空多变量数据可视分析的发展和数据及分析任务息患相关。从数据中提取出对象(O)、空间(S)、时间(T)和多变量(MV)四个要素。本文研究的数据都包含这四种要素，但是各有侧重点。四种要素相互关联造成了分析的复杂化。本文依照四种要素的组合和强调关系，在四种时空多变量数据的可视分析方法上进行了研究。总体思路为对四种要素关系的提取和再造，抽象出新的数据模型或结构，随后通过对该模型或结构的可视化设计，以及集成的可视分析系统达到分析目的，取得的创新进展如下：　　对于强调对象、空间、多变量三者的三维多变量空间数据场，设计了一套结合了自动分析技术和可视化技术的探索流程，辅助用户探索式发现兴趣域。首先考虑空间场采样点的变量和空间属性，采用自动聚类算法抽取候选用户兴趣域，随后着眼于采样点的聚类关系并利用各种可视化交互手段来表达聚类关系，以帮助用户取舍兴趣域，调整兴趣域的范围。该法运用迭代式的可视化探索流程增强了自动分析技术，将人的智能融入到探索的过程中去，用以发现自动分析技术较难发现的复杂用户兴趣域。通过一套集成了3D、2D视图及聚类、降维、可视编码和过滤组件，有经验的用户得以运用简单的交互探索及解释发现的特征。　　对于强调对象、时间、多变量三者的传感器时序多变量数据，提出了探索变量和变量，传感器和传感器之间时变关联关系的方法。设计了名为时间关联片段树(Time-Correlation Partitioning Tree，TCP Tree)的数据结构以表达多变量关系和关系的演化。一棵TCP树由变量树和时间树构成，变量间关系采用信息论方法表达和计算。变量树和时间树分别将变量和时变的关系以层次化的形式组织起来，以实现变量间关系的简化和时间上的聚合和展开。为该数据结构设计的可视分析方案可以为用户提供遍历关系变化的手段，并基于具体情境来分析变量之间的关系。　　对于强调对象、时间、空间三者的手机移动基站轨迹数据，提出了一种研究人群行为模式演化的可视分析方法。设计了一种称之为活动转移图的数据模型，首先基于原始轨迹抽取每个时间段的群体移动行为模式，然后计算出这些移动行为模式之间的转移关系，从而构造出时序上的有向图模型。建立在该模型之上的可视化集成系统可以帮助用户定位、浏览、追踪这些行为模式及转移。　　对于对象、时间、空间、多变量四者皆有的多源异构城市数据，构建了基于这些数据的查询和推理框架，帮助用户完成具体的分析任务。从这些数据集中剥离出对象及对象包含的时间、空间和属性元素，依照时空和社交关系将所有对象整合进一个统一的数据模型，建立起一系列联结关系。尔后基于该数据模型，设计了一套查询模型，以支持跨域关系查询以及不同数据源间的推理。最后实现了在此之上的可视化查询框架以支持城市数据的可视化、关联、查询和探索。