技術(shù)特征：

1.一種可視化分析城市公共自行車系統(tǒng)借還模式的方法，其特征在于設(shè)計(jì)多個(gè)可視化視圖展現(xiàn)數(shù)據(jù)集在時(shí)間、空間和多維屬性上的特點(diǎn)，從而挖掘某時(shí)間段內(nèi)車輛移動(dòng)的主流方向，分析多種因素對借還數(shù)量的影響，具體步驟如下：

步驟1：收集公共自行車數(shù)據(jù)，并對數(shù)據(jù)進(jìn)行預(yù)處理；

步驟2：基于空間視角，設(shè)計(jì)地理視圖，通過地理視圖直觀展示站點(diǎn)的地理位置分布，同時(shí)提供空間過濾功能，幫助分析者交互式地選取站點(diǎn)或站點(diǎn)集合；

步驟3：基于時(shí)間視角，設(shè)計(jì)單站點(diǎn)借還時(shí)域熱度視圖；采用類似表格的可視編碼方式，展示某個(gè)站點(diǎn)在不同時(shí)間段內(nèi)借還量的變化和差異，發(fā)現(xiàn)長期車輛短缺的站點(diǎn)和時(shí)間段，更好地輔助車輛調(diào)度；

步驟4：基于空間視角，設(shè)計(jì)站點(diǎn)借還關(guān)聯(lián)視圖，展示多對多的站點(diǎn)借還關(guān)系；

步驟5：設(shè)計(jì)多屬性視圖，主要分析在不同天氣狀況、日期屬性等多個(gè)因素作用下，對車輛的借還數(shù)量有何種影響。

2.根據(jù)權(quán)利要求1所述的一種可視化分析城市公共自行車系統(tǒng)借還模式的方法，其特征在于所述步驟1步驟如下：

步驟1.1：獲取近3個(gè)月的自行車租借數(shù)據(jù)集合；其中自行車租借數(shù)據(jù)表存儲(chǔ)了所有用戶租車出行的相關(guān)信息；一條租借記錄如下表示：

hire_r＝[uID,bikeID,cardNo,leaseStat,leaseTime,returnStat,returnTime]

分別表示用戶ID、車輛ID、用戶卡號(hào)、借車站點(diǎn)、借車時(shí)間、還車站點(diǎn)和還車時(shí)間；

站點(diǎn)信息表存儲(chǔ)了自行車站點(diǎn)相關(guān)的信息，一條站點(diǎn)記錄表示如下：

statInfo_r＝[statID,statName,statAddr,lng,lat,serviceTime]

分別表示站點(diǎn)ID、站點(diǎn)名稱、站點(diǎn)地址、經(jīng)度和緯度、服務(wù)時(shí)間；

步驟1.2：對數(shù)據(jù)進(jìn)行預(yù)處理，刪除無用的租借記錄；

無用的租借記錄包括3類：(1)還車的站點(diǎn)為空值(returnStat＝null)，這表明車輛可能遺失；(2)借車時(shí)間大于還車時(shí)間(leaseTime＞returnTime)，這表明數(shù)據(jù)記錄有誤；(3)借車時(shí)間和還車時(shí)間間隔小于3分鐘(returnTime-leaseTime＜3min)，這表明用戶并沒有真正借車，有可能是因?yàn)檐囕v有故障導(dǎo)致無法騎行，從而將車迅速歸還。

3.根據(jù)權(quán)利要求2所述的一種可視化分析城市公共自行車系統(tǒng)借還模式的方法，其特征在于所述步驟2包括：

步驟2.1：使用百度地圖接口，基于站點(diǎn)的經(jīng)度和緯度，在地圖上用圖標(biāo)代表站點(diǎn)；當(dāng)用戶點(diǎn)擊站點(diǎn)圖標(biāo)時(shí)，彈出站點(diǎn)相關(guān)的信息；

步驟2.2：提供站點(diǎn)或站點(diǎn)集合選擇的接口；支持在地圖上點(diǎn)擊選取單個(gè)或多個(gè)站點(diǎn)；提供區(qū)域套鎖工具，讓分析者在地圖上繪制一個(gè)圓形區(qū)域，得到區(qū)域中的所有站點(diǎn)。

4.根據(jù)權(quán)利要求3所述的一種可視化分析城市公共自行車系統(tǒng)借還模式的方法，其特征在于所述步驟3包括：

步驟3.1：設(shè)計(jì)借還量熱度子視圖；其中表格行的數(shù)量為待分析日期的數(shù)量；表格列的數(shù)量為16列，對應(yīng)于公共自行車從早上6點(diǎn)到晚上9點(diǎn)的開放時(shí)間；每一行代表用戶選定的一天；行標(biāo)簽的顏色用于區(qū)分不同類別的日期，黑色表示工作日，藍(lán)色為周末，紅色為小長假；每個(gè)單元格同時(shí)展示某天某小時(shí)的借車量和還車量，左邊為借車量，右邊為還車量；單元格的顏色與借還量成比例；橙色越深，表示數(shù)值越大；通過獲取所有滿足條件的小時(shí)中的借車量和還車量，找到最大值和最小值，然后將每個(gè)值歸一化，映射到顏色尺度上；

步驟3.2：設(shè)計(jì)借還差異熱度子視圖；此時(shí)，表格中每個(gè)單元格表示某日某小時(shí)中借車量和還車量的差值，該差值被映射到一個(gè)紅-白-藍(lán)的顏色尺度下；單元格顏色越紅，表示借車量遠(yuǎn)遠(yuǎn)大于還車量，即站點(diǎn)中有很多空車位，用戶可能無車可借；單元格顏色越藍(lán)，表示還車量遠(yuǎn)遠(yuǎn)大于借車量，即站點(diǎn)中停滿了車輛，用戶可能無法還車；當(dāng)借車量和還車量趨于相等，單位格顏色為白色。

5.根據(jù)權(quán)利要求4所述的一種可視化分析城市公共自行車系統(tǒng)借還模式的方法，其特征在于所述步驟4包括：

步驟4.1：設(shè)計(jì)車輛空間走向子視圖，展示站點(diǎn)在地理空間上的聯(lián)系；當(dāng)用戶選擇一個(gè)中心站點(diǎn)時(shí)，該視圖基于指定時(shí)間段內(nèi)的租借量，計(jì)算出前N個(gè)與中心站點(diǎn)關(guān)聯(lián)最密切的站點(diǎn)，同時(shí)在地圖上用弧線連接相關(guān)站點(diǎn)；每條弧線的中心有一個(gè)小箭頭，指明借還方向；弧線的粗細(xì)和透明度與相應(yīng)的借/還量相關(guān)；線越粗，越不透明，表示數(shù)量越大；當(dāng)用戶選擇多個(gè)站點(diǎn)時(shí)，同樣基于借還量在地圖上用弧線繪制多個(gè)站點(diǎn)間的關(guān)聯(lián)；

步驟4.2：設(shè)計(jì)多站點(diǎn)流量關(guān)聯(lián)子視圖，采用和弦圖可視化編碼多個(gè)站點(diǎn)間的借還數(shù)量；一條弧對應(yīng)于一個(gè)站點(diǎn)；弧的長度正比于該站點(diǎn)指定時(shí)間段內(nèi)的借還量總和；一條弦編碼了兩個(gè)站點(diǎn)間的借還量差異；如果一條弦在兩端弧上的長度差異很大，表示兩個(gè)站點(diǎn)間的雙向流量有很大差別；對于一個(gè)特定站點(diǎn)來說，如果借車量很大，而還車量很小，表明很多人從那個(gè)站點(diǎn)出發(fā)；反之，如果很多人還車到該站點(diǎn)，而很少有人從該站點(diǎn)借車，表明這是一個(gè)目的地站點(diǎn)；當(dāng)分析者用鼠標(biāo)移動(dòng)到某條弧上時(shí)，僅與該弧相關(guān)的弦被顯示。

6.根據(jù)權(quán)利要求5所述的一種可視化分析城市公共自行車系統(tǒng)借還模式的方法，其特征在于所述步驟5包括：

步驟5.1：生成一個(gè)多影響因素?cái)?shù)據(jù)表，存儲(chǔ)給定分析時(shí)間段內(nèi)每一天的日期屬性和天氣狀況；其中日期屬性(is_holiday)有三個(gè)屬性值：工作日、周末、小長假；從互聯(lián)網(wǎng)上抓取天氣狀況，存儲(chǔ)到數(shù)據(jù)表中；包括平均溫度屬性(avgTemp)、天氣屬性(weather)和風(fēng)速屬性(wind)；天氣屬性有七個(gè)屬性值：晴天、多云、陣雨、小雨、中雨、大雨、下雪；風(fēng)速屬性有四個(gè)屬性值：風(fēng)力小于3級，風(fēng)力3-4級，風(fēng)力4-5級，風(fēng)力大于5級；分析上述屬性對借車量(bikeNum)的影響，將借車量也看做為一個(gè)屬性；這些屬性可以分為兩類：數(shù)值屬性(avgTemp，bikeNum)和類別屬性(is_holiday，weather，wind)；類別屬性的屬性值是離散的，僅包括某些特定值，而數(shù)值屬性的屬性值是連續(xù)的；

步驟5.2：設(shè)計(jì)一種新的基于線和集合的平行坐標(biāo)組件，同時(shí)展示具有類別和數(shù)值屬性的多元數(shù)據(jù)集的特征。

7.根據(jù)權(quán)利要求6所述的一種可視化分析城市公共自行車系統(tǒng)借還模式的方法，其特征在于步驟5.2所述的設(shè)計(jì)一種新的基于線和集合的平行坐標(biāo)組件，同時(shí)展示具有類別和數(shù)值屬性的多元數(shù)據(jù)集的特征，具體如下：

步驟5.2.1：基于屬性特點(diǎn)，繪制坐標(biāo)軸，從左到右分別對應(yīng)于五個(gè)屬性：avgTemp，bikeNum，weather，isHoliday，wind；繪制五個(gè)相互平行且垂直于水平面的坐標(biāo)軸；前兩個(gè)軸代表數(shù)值屬性，用一條直線表示，直線上有相應(yīng)的坐標(biāo)，用直線連接表示坐標(biāo)軸之間的關(guān)聯(lián)；后三個(gè)軸代表類別屬性，用一個(gè)長方形表示，每個(gè)屬性值分別占長方形的一小段，稱之為軸柱；軸柱的顏色用于區(qū)分不同的屬性值，軸柱的數(shù)量為所有屬性值的取值數(shù)；一個(gè)軸柱再根據(jù)某個(gè)站點(diǎn)所占的當(dāng)前屬性值的比例，被繼續(xù)劃分為子軸柱；用四邊形連接兩個(gè)子軸柱；

對于兩個(gè)相平行的類別屬性軸，為了計(jì)算軸柱的高度和四邊形的寬度；首先對于給定的站點(diǎn)_statID，檢索生成包含影響租車量多個(gè)因素的記錄，其中date表示某一天的日期：

multiFac_rec＝[statID,date,avgTemp,bikeNum,weather,isHoliday,wind]

{multiFac_rec}_statID表示statID站點(diǎn)的多影響因素記錄集合；從{multiFac_rec}_statID中檢索得到符合條件的有效數(shù)據(jù)項(xiàng)的數(shù)量f_k,i,j，其中k對應(yīng)于站點(diǎn)ID，i為左邊軸上的某個(gè)屬性值，j為右邊軸上的某個(gè)屬性值；假設(shè)左邊軸代表weather，而右邊軸代表isHoliday；當(dāng)屬性值(i)＝“晴天”,屬性值(j)＝“工作日”，則f_k,i,j表示在{multiFac_rec}_statID中，滿足statID＝k，weather＝“晴天”，isHoliday＝“工作日”的數(shù)據(jù)項(xiàng)數(shù)量；連接兩個(gè)子軸柱的四邊形寬度由freq_k,i,j所決定，左邊軸上每個(gè)軸柱的長度與sum_lAxis_freq成正比，代表每個(gè)屬性值出現(xiàn)的頻率，類似的，右邊軸上每個(gè)軸柱的長度與sum_rAxis_freq成正比，站點(diǎn)名字的圖例顯示在上方，底部是軸柱顏色的圖例；

當(dāng)兩個(gè)相鄰的軸分別代表數(shù)值屬性和類別屬性時(shí)，從數(shù)值屬性出發(fā)的線條都匯聚到類別屬性軸柱的中心點(diǎn)；

步驟5.2.2：由于直接展示所有的數(shù)據(jù)項(xiàng)看起來很雜亂，為了能更清晰地挖掘多個(gè)影響因素間的關(guān)聯(lián)，提供與組件交互的方式，幫助分析者過濾數(shù)據(jù)；當(dāng)鼠標(biāo)移動(dòng)到連接兩個(gè)數(shù)值屬性的線條上時(shí)，該線被強(qiáng)化，同時(shí)彈出和該線相關(guān)聯(lián)所有屬性取值的提示框；當(dāng)分析者選擇一個(gè)四邊形時(shí)，所有相關(guān)的連接都被顯示，而不相關(guān)的連接被隱藏。