Les cartes thermiques ou les points sur une carte peuvent être des moyens simples et généralement efficaces de visualiser des ensembles de données spatiales. Mais lorsque ces données impliquent de nombreux types d'objets différents, tels que la planification des ressources d'une ville ou le suivi d'emplacements ennemis possibles pour une stratégie militaire, ces méthodes de visualisation conventionnelles peuvent rendre presque impossible la catégorisation et la comparaison des données.

Des chercheurs de l'Université Purdue ont développé une technique de visualisation qui pourrait rendre l'utilisation de grands ensembles de données spatiales plus simple et plus concise. Leur technique simplifie les points sur une carte en limites avec différentes largeurs de segments, rendre les distributions spatiales d'un grand nombre d'objets dans différents groupes ou dans le temps plus faciles à comprendre, analyser et utiliser pour la prise de décision ou la prévision d'événements futurs.

"Nous avons créé un moyen simple de superposer plusieurs couches les unes sur les autres pour faciliter les comparaisons dans les distributions, " a déclaré Yingjie Chen, en tant que professeur agrégé de technologie d'infographie à l'Institut polytechnique de Purdue. "Nos expériences ont montré que cette technique est intuitive et facile pour un utilisateur à comprendre les informations affichées."

Chen a déclaré que la technique de visualisation Purdue utilise un algorithme spécialement conçu qui intègre des informations sur l'épaisseur, densité et limites liées aux points de données. Les objets peuvent être regroupés par type ou par heure, permettant aux utilisateurs de voir les changements dans les distributions au fil du temps.

« La visualisation de données continue d'être un domaine en pleine croissance, " a dit Chen. " Notre technique pourrait être utilisée pour étudier les phénomènes de la nature, suivre les affiliations politiques au sein d'une région géographique et de nombreuses autres zones où les données peuvent aider à la comparaison et à la planification future."

Chen et les étudiants de son Purdue Intelligent Visualization and Interaction Laboratory (PIVIL) ont travaillé avec Zhenyu Cheryl Qian, professeur agrégé de design d'interaction au Collège des arts libéraux de Purdue, pour créer leur technique de visualisation abstraite des distributions spatiales.

Les chercheurs ont travaillé avec le bureau de commercialisation de la technologie de la Purdue Research Foundation pour breveter la technologie. Ils recherchent des partenaires supplémentaires et des personnes intéressées par une licence pour la technologie.