VAIT: A Visual Analytics System for Metropolitan Transportation

Abstract

With the increasing availability of metropolitan transportation data, such as those from vehicle Global Positioning Systems (GPSs) and road-side sensors, it has become viable for authorities, operators, and individuals to analyze the data for better understanding of the transportation system and, possibly, improved utilization and planning of the system. We report our experience in building the Visual Analytics for Intelligent Transportation (VAIT) system, which is the first system on real-life large-scale data sets for intelligent transportation. Our key observation is that metropolitan transportation data are inherently visual as they are spatio-temporal around road networks. Therefore, we visualize and manage traffic data, together with digital maps, and support analytical queries through this interactive visual interface. As a case study, we demonstrate VAIT on real-world taxi GPS and meter data sets from 15 000 taxis running for two months in a Chinese city of over 10 million people. We discuss the technical challenges in data calibration, storage, visualization, and query processing and offer first-hand lessons learned from developing the system. Based on our extensive empirical experiment results, VAIT beats state-of-the-art methods and systems in terms of scalability, efficiency, and effectiveness and offers us an easy-to-use, efficient, and scalable platform to shed more light on intelligent transportation research.

Visualization Tools for Traffic Bottleneck Analysis

“…The algorithm was able to identify 160 bottlenecks on freeways near San Diego and by provided guidance on identifying high priority bottlenecks by estimating delay. Studies such as Liu et al, [14] and Ferreira et al, [15] utilized trajectory data from taxi traces to discover areas of high congestion. Finally, the work led by Zhang [16,17] evaluated bottleneck areas under evacuation events.…”

Trực Quan Hoá Dữ Liệu Trạng Thái Giao Thông Trên Nền Web

“…Để thể hiện dữ liệu này, hiện có một số cách tiếp cận chính như sau: -Trực quan hoá dựa theo điểm: thông tin về trạng thái giao thông của đoạn/tuyến phố sẽ được quy chuẩn thành một điểm rời rạc trên bản đồ. Từ đó, trạng thái giao thông có thể được thể hiện thông qua màu sắc hay độ lớn của điểm đã được lựa chọn đó [1] [8][9].…”

“…Trực quan hoá dữ liệu vị trí theo điểm và bản đồ nhiệt (heatmap) [9] -Trực quan hoá dựa theo đoạn: trạng thái giao thông của tuyến phố sẽ được quy chuẩn về một đoạn phố trên bản đồ. Việc thể hiện trạng thái của tuyến phố lúc đó có thể được thể hiện qua màu sắc, mật độ cũng như độ lớn của đoạn đó trên bản đồ [11] [16].…”

“…Sau đó, chúng tôi sử dụng kỹ thuật trực quan Heatmap [9][15] để áp dụng cho các điểm đã được rời rạc trong đoạn phố đó. Tuyến phố có tình trạng tắc nghẽn càng lớn sẽ thể hiện bằng số lượng điểm tập trung lớn, màu đỏ thể hiện mật độ đông hơn so với màu xanh.…”

A Web-Based Platform for Visualizing Spatiotemporal Dynamics of Big Taxi Data

“…The users are equipped with a carefully designed interface to inspect data interactively from spatial, temporal and multidimensional views in the system. Liu et al (2013) proposed the VAIT system to monitor and analyse complex traffic conditions in large cities. Ferreira et al (2013) proposed a new model that allows users to visually query taxi trips and supports origindestination queries that enable the study of mobility across the New York City.…”