时空数据可视化是大数据可视化中的重要分支,该技术通过对时空数据的解析和挖掘,将复杂的高维数据以直观的可视化形式呈现,帮助用户理解深层的数据特性。自然世界中的万物变化和人类的日常活动,都与时空数据相关,因此时空数据可视化的研究一直是可视化领域及数据科学领域的研究热点。对时空数据深度挖掘需要尽可能真实还原数据中的重要特征,使用户准确感知空间、时间以及动态的变化是此类研究的重要任务。然而,由于时空数据高维、离散的特性,使数据的特征展示与系统的复杂度之间难以平衡,这对时空数据可视化的设计提出了极大的挑战。针对以上问题,本文将时空数据中属性按照表达的空间深度划分为:直接的空间分布;事件序列关系的分布;隐藏的动态信息可能的分布;数据的时空跟踪的分布。本文针对上述四个主要问题,展开多项研究,具体工作包括:(1)提出了一种展示时空数据在三维空间中的空间分布的算法。该方法以图像空间代替数据空间,计算数据几何形状的相似度,并以此对空间分类。研究中将绝对位置的空间问题转化为相对关系的空间问题,能够解决无标记高维数据的分类问题,该方法的可视化形式同时考虑了数据的简化以及特征细节的展示。(2)提出了一种将时空数据时序关系映射到空间的可视化方法。该方法将事件的时序关系转化为空间的分布方式,通过图像的分布变化展示事件的序列关系。研究基于可视化编码,结合非确定性可视化工作,将非确定因素的关系建模并设计了丰富的元素和交互方式。(3)提出了一种基于生成模型的时空数据空间动态信息提取和可视化的方法。该方法通过密度图的形式为媒介,结合生成模型强大的泛化能力和生成效果,通过对模型编码后的隐空间插值获取连续的数据动态信息。结合图像学中多种优化算法,实现了对离散时空数据的动态重建及可视化。(4)提出了一种基于光流计算和多目标检测的时空数据追踪框架。该方法将具体的目标抽象化,基于深度学习的多目标检测提取目标,改进多种追踪相关算法,依靠光流特性获取目标的运动细节,结合对目标细节特征的采样方法,最终获取区域中多目标运动信息及边界变化,并实现了准确的追踪可视化。以上这些技术分别从时空数据的空间可视化、时序可视化、动态可视化以及轨迹追踪的可视化等方面解决了时空数据的空间信息可视化的关键问题。本文针对所提出的方法,分别设计了评估方案,验证了方法的有效性。四种关键技术也分别集成到可应用的系统或框架中,取得了良好的效果。