基于用戶模型匹配的水情信息可視化研究與實(shí)現(xiàn)

張審問 ，吳海燕 ，李效寧 ，吳 悔 ，劉樹波

（1. 甘肅省水利廳信息中心，甘肅 蘭州 730000；2.武漢大學(xué)計(jì)算機(jī)學(xué)院，湖北 武漢 430072）

0 引言

隨著水情信息化平臺(tái)數(shù)據(jù)的日益豐富與數(shù)據(jù)可視化技術(shù)的飛速發(fā)展，國家政府和科研人員對(duì)水情數(shù)據(jù)的個(gè)性化與可視化需求越來越強(qiáng)烈。近年來，對(duì)水情信息的可視化基本上停留在信息展示階段，隨著網(wǎng)絡(luò)地理信息系統(tǒng)（WebGIS）的發(fā)展，水情信息可視化也漸漸與地理信息系統(tǒng)（GIS）相結(jié)合[1]?；?GIS 的水情信息可視化通常使用符號(hào)定位、信息標(biāo)注、信息列表的方式，讓用戶以直觀交互的方式實(shí)現(xiàn)對(duì)水情數(shù)據(jù)的觀察和瀏覽，利于用戶對(duì)水情信息的宏觀把控。然而在大規(guī)模水利工程下，存在大量的水情監(jiān)測站點(diǎn)，水利信息化平臺(tái)數(shù)據(jù)庫中的水情信息具有信息量大、變化快、來源廣的特點(diǎn)。若對(duì)數(shù)據(jù)庫中所有水情信息均統(tǒng)一進(jìn)行可視化，勢必會(huì)增加瀏覽器負(fù)載，導(dǎo)致響應(yīng)時(shí)間過長，可視化效果不佳等問題；同時(shí)信息堆積和圖形重疊容易造成視覺混淆，用戶無法快速準(zhǔn)確地獲取滿足自身偏好的信息資源。又由于水情信息類別多，存在一些不易于用戶理解的指標(biāo)，如氨氮、電導(dǎo)率等，增加閱讀難度，單一的信息展示會(huì)造成用戶閱讀疲勞，不利于發(fā)揮水情數(shù)據(jù)資源的價(jià)值。若通過人工篩選或用戶自請求的方式進(jìn)行信息可視化，又會(huì)造成工作效率低、系統(tǒng)靈活性差、可視化單一等問題。

本研究基于 GIS 的可視化思想，結(jié)合百度MapV 框架，實(shí)現(xiàn)水情信息 WebGIS。根據(jù)水情數(shù)據(jù)的特點(diǎn)和用戶背景信息的描述，結(jié)合用戶特征進(jìn)行分析，定制個(gè)性化地圖底圖，設(shè)計(jì)水情信息可視化方案，并在此基礎(chǔ)上，使用基于用戶模型匹配的推薦算法，為用戶推薦水情站點(diǎn)，對(duì)推薦站點(diǎn)重點(diǎn)可視化。通過引入基于概率的用戶模型匹配算法為不同的用戶匹配水情信息可視化方案，同時(shí)達(dá)到個(gè)性化的目的。

1 系統(tǒng)結(jié)構(gòu)與功能設(shè)計(jì)

根據(jù)可視化方案結(jié)合水情站點(diǎn)的推薦，對(duì)滿足用戶個(gè)性化需求的水情信息可視化系統(tǒng)的框架進(jìn)行設(shè)計(jì)。為了實(shí)現(xiàn)滿足用戶個(gè)性化的需求的可視化系統(tǒng)，首先要將用戶模型與水情信息可視化方案關(guān)聯(lián)，需要將地圖、可視化方案、系統(tǒng)界面轉(zhuǎn)化為可視化模型，并使用戶模型與可視化模型對(duì)應(yīng)，而可視化模型的調(diào)度和實(shí)現(xiàn)依賴前端相關(guān)技術(shù)。所以將從可視化模型的構(gòu)建、個(gè)性化可視化框架設(shè)計(jì) 2 個(gè)方面介紹。

1.1 可視化模型的構(gòu)建

構(gòu)建可視化模型用來綜合描述地圖顯示、水情信息可視化方案、用戶界面。具體結(jié)構(gòu)設(shè)計(jì)如圖 1所示。

圖 1 可視化模型結(jié)構(gòu)圖

個(gè)性化地圖包含地圖顏色的設(shè)置、用戶進(jìn)入系統(tǒng)時(shí)地圖的比例及中心點(diǎn)。地圖的中心點(diǎn)是指地圖展示區(qū)域正中心的地點(diǎn)，為達(dá)到個(gè)性化，將地圖的中心點(diǎn)設(shè)置為用戶所在工作地區(qū)的位置，這樣用戶每次進(jìn)入系統(tǒng)最先見到的可視化內(nèi)容是用戶周邊的內(nèi)容。地圖顯示的級(jí)別是指用戶進(jìn)入系統(tǒng)時(shí)呈現(xiàn)的地圖級(jí)別，可以根據(jù)用戶所在地區(qū)和用戶身份確定：地域級(jí)別越大的用戶對(duì)應(yīng)的最小可見地圖級(jí)別越小，返回的可視化內(nèi)容越多。內(nèi)容是指進(jìn)行可視化的數(shù)據(jù)，形式是指可視化的方式，界面展示主要包括界面顏色和組件的布局。

通過設(shè)立唯一標(biāo)識(shí)符標(biāo)記每個(gè)可視化模型，可視化模型中記錄適用的用戶模型 ID。由于個(gè)性化地圖、可視化方案及界面展示是根據(jù)用戶模型的背景參考信息定制的，每個(gè)用戶模型應(yīng)對(duì)應(yīng)一個(gè)或者多個(gè)可視化模型；可視化模型中記錄組件狀態(tài)值，用來調(diào)取個(gè)性化定制的地圖組件、組件中包含水情信息可視化相關(guān)的子組件。

1.2 系統(tǒng)框架設(shè)計(jì)

個(gè)性化水情信息可視化系統(tǒng)功能如下：系統(tǒng)可以根據(jù)不同的用戶，為用戶推薦符合用戶偏好的水情站點(diǎn)，為用戶提供符合用戶背景特征的地圖模板與水情信息可視化方案，為用戶推選符合用戶個(gè)性化需求的界面風(fēng)格與布局。本研究設(shè)計(jì)個(gè)性化的水情信息可視化系統(tǒng)框架，如圖 2 所示。

圖 2 個(gè)性化水情信息可視化系統(tǒng)框架圖

系統(tǒng)主要包括用戶模型、算法處理模型、用戶-站點(diǎn)評(píng)價(jià)機(jī)制、可視化模型、可視化系統(tǒng)界面等組成部分。用戶模型是個(gè)性化的水情信息可視化系統(tǒng)核心的部分，不同的用戶根據(jù)算法處理模型對(duì)用戶推薦水情站點(diǎn)，展示推薦列表。在用戶建模和匹配的基礎(chǔ)上，通過對(duì)用戶-站點(diǎn)評(píng)價(jià)機(jī)制對(duì)算法進(jìn)行改進(jìn)，在下次登陸系統(tǒng)時(shí)更準(zhǔn)確地為新用戶進(jìn)行推薦。

1）用戶模型。是基于用戶或者用戶組的模型，是對(duì)用戶各類屬性的明確描述，是系統(tǒng)針對(duì)多個(gè)用戶的背景信息、行為偏好、可視化認(rèn)知等其他相關(guān)信息的表示與建模[2]，可以幫助系統(tǒng)對(duì)用戶進(jìn)行認(rèn)知[3]。

2）算法處理模型。包括模型匹配和站點(diǎn)推薦，在水情信息可視化平臺(tái)中，由于背景相同的用戶感興趣的站點(diǎn)相似，因此先將用戶進(jìn)行匹配，再通過推薦算法對(duì)信息進(jìn)行過濾，為實(shí)現(xiàn)個(gè)性化的水情信息可視化做準(zhǔn)備。

3）可視化模型。包括個(gè)性化地圖、可視化方案和界面展示。根據(jù)水情數(shù)據(jù)的特點(diǎn)和用戶模型，定制個(gè)性化地圖底圖，設(shè)計(jì)水情信息可視化方案。并通過算法模塊為不同的用戶匹配水情信息可視化方案，達(dá)到個(gè)性化的目的。

4）可視化系統(tǒng)。主界面由地圖組件、推薦列表和其他組件構(gòu)成，地圖組件存放地圖和水情信息可視化圖層，推薦列表展示推薦站點(diǎn)信息，其他組件用來實(shí)現(xiàn)水情信息的其他展示方式。

5）用戶-站點(diǎn)評(píng)價(jià)機(jī)制。是將顯性反饋（用戶通過界面上的評(píng)分功能給推薦的站點(diǎn)打分）和隱性反饋（用戶在使用可視化系統(tǒng)時(shí)會(huì)產(chǎn)生與水情站點(diǎn)相關(guān)的行為）2 種反饋信息進(jìn)行分析并更新到數(shù)據(jù)庫，更新用戶評(píng)分矩陣與行為記錄[4]，準(zhǔn)備下一次重新離線計(jì)算用戶興趣相似度，使用戶在下一次登錄系統(tǒng)時(shí)，能更準(zhǔn)確地為用戶進(jìn)行站點(diǎn)推薦。

2 算法實(shí)現(xiàn)

在推薦系統(tǒng)中常常采用基于用戶的協(xié)同過濾算法（UserCF），能有效地解決信息過載，為用戶提供個(gè)性化的服務(wù)，但使用該算法推薦水情站點(diǎn)，存在用戶-站點(diǎn)評(píng)分矩陣稀疏和新用戶問題[5]。實(shí)驗(yàn)系統(tǒng)采用一種基于用戶模型匹配的推薦算法（UMMatch-CF），在用戶實(shí)現(xiàn)用戶模型匹配的基礎(chǔ)上，結(jié)合用戶背景信息，可以改善基于用戶的協(xié)同過濾算法存在的矩陣稀疏和新用戶問題。針對(duì)矩陣稀疏問題，借助用戶匹配模型中背景相似用戶預(yù)測評(píng)分，對(duì)用戶-站點(diǎn)評(píng)分矩陣進(jìn)行填充。針對(duì)新用戶問題，采用在用戶模型中建立用戶特征與水情站點(diǎn)的關(guān)聯(lián)表的方法，提取新用戶的特征為其推薦站點(diǎn)。

2.1 基于概率的用戶模型匹配算法

基于概率的用戶模型匹配算法最早用于自適應(yīng)地圖可視化系統(tǒng)中，為了使用戶更準(zhǔn)確地匹配到符合個(gè)性特征的用戶模型[6]?；驹硎峭ㄟ^歸一化的街坊距離計(jì)算用戶各個(gè)屬性與用戶模型屬性的屬性距離，結(jié)合屬性權(quán)重計(jì)算用戶與用戶模型初始相似度，引入用戶模型被匹配的概率對(duì)結(jié)果進(jìn)行修正，相似度最高的用戶模型即為最終的匹配模型，具體步驟如下：

1）需要根據(jù)不同的系統(tǒng)屬性的不同權(quán)重，制定相應(yīng)的權(quán)重體系。對(duì)于用戶模型庫 UMB（包含 n 個(gè)用戶模型），用向量 UMB{U1，U2，U3，…，Un}表示。用戶模型中的關(guān)鍵屬性共有 m 個(gè)，為這 m 個(gè)關(guān)鍵屬性分配相應(yīng)的權(quán)重，用 W{W1，W2，W3，…，Wm}表示，其中所有屬性的權(quán)重和 W1+ W2+ W3+ … + Wm=1。初始屬性權(quán)重確定之后，當(dāng)用戶注冊系統(tǒng)時(shí)，給出權(quán)重分配情況，并解釋權(quán)重體系對(duì)水情信息可視化的影響。

2）用戶建模時(shí)，使用 K-medoids 將訓(xùn)練集用戶屬性數(shù)據(jù)集聚類，劃分為 K 個(gè)聚簇，在此基礎(chǔ)上，用戶模型初始的匹配概率 P ={p1，p2，…，pk}可以根據(jù)聚簇中用戶個(gè)數(shù)確定，公式如下：

式中：pi表示第 i 個(gè)用戶模型的匹配概率；表示用戶模型中的匹配到的用戶數(shù)；初始用戶模型 i中的用戶數(shù)等于聚簇 i 中的用戶數(shù)據(jù)對(duì)象個(gè)數(shù)；|U|為所有用戶模型里的用戶總數(shù)。

3）采用街坊距離的方式計(jì)算屬性距離，計(jì)算公式如下：

假定 uk為要進(jìn)行匹配的用戶，Ui(1 ≤i ≤ n)為用戶模型庫中的用戶模型。attrij(1 ≤ j ≤ m)為 Ui在屬性 j 上的值，attrkj(1 ≤ j ≤ m) 為 uk的屬性值；Dij則表示用戶 k 與 i 在 j 屬性上的屬性距離?？梢钥闯觯?dāng)用戶與用戶模型屬性值相差越大，屬性距離也就越大。

4）根據(jù)步驟 1）中確定的屬性權(quán)重，計(jì)算初始用戶背景相似度 Ski：

式中：Ski表示目標(biāo)用戶 k 和 i 的初始背景相似度；Dij為屬性距離；Wj為屬性 j 的權(quán)重，共有 m 個(gè)關(guān)鍵屬性。分析式 (3) 可以看出，當(dāng)用戶屬性距離或權(quán)重越大時(shí)，初始用戶背景相似度就越小，用戶背景與模型的背景就越相似。

5）引入閾值∮，提取與最高初始背景相似度值相差小于∮的用戶模型：

式中：maxDi為最高初始背景相似度值；ΔSki為初始背景相似度與最大相似度值的差值。

閾值∮如果未確定，可以取所有差值的平均值作為∮值，公式如下：

將所有 ΔSki≤∮的用戶模型提取出來，構(gòu)成新的用戶模型—相似度集合{(Sk1，U1)，(Sk2，U2)，…，(Skm，Um)}。

6）引入式 (1) 中的用戶模型概率向量 p{p1，p2，…，pn}，計(jì)算最終的用戶背景相似度，公式為

式中：假定初始相似度最高的用戶模型為 U*，其匹配概率為 p*；為最終用戶背景相似度；μ (0 ≤ μ ≤1) 為概率影響因子，通過調(diào)整 μ 的大小調(diào)節(jié)匹配概率對(duì)相似度計(jì)算的影響。

通過式 (6) 分析，可以得出當(dāng) μ 固定，匹配概率 pi越大，由于初始背景相似度 Ski固定，就越大，則用戶與用戶模型背景越相似；當(dāng)匹配概率固定，初始相似度 Ski固定，μ 越大，則 S'ki就越大，所以 μ 越大，表示概率對(duì)最終用戶背景相似度的影響也就越大，當(dāng) μ = 0 時(shí)，，表示不考慮概率對(duì)相似度計(jì)算的影響，初始的匹配模型即為最終匹配的模型。

2.2 基于用戶模型匹配的推薦算法實(shí)現(xiàn)

2.2.1 改善矩陣稀疏問題

改善矩陣稀疏問題的基本思想是通過背景相似用戶對(duì)水情站點(diǎn)的評(píng)分去預(yù)測目標(biāo)用戶的評(píng)分。用戶通過基于概率的用戶模型匹配算法，匹配用戶模型，計(jì)算其與用戶模型中的其他用戶的背景相似度，得到背景相似用戶集。然后根據(jù)這些用戶的評(píng)分信息，填充用戶-站點(diǎn)評(píng)分矩陣中的空值。

假定目標(biāo)用戶為 Uk，登錄系統(tǒng)與用戶模型庫中的用戶模型匹配，假定匹配結(jié)果為 UM1，UM1中存儲(chǔ)了所有匹配成功的用戶信息，用集合 {u1，u2，…，um}表示，用戶背景相似度計(jì)算之前，需要先計(jì)算背景屬性距離。針對(duì)不同類別屬性分別計(jì)算屬性相似度，具體規(guī)則如下，其中 attrij，attrkj為用戶 i 和 k的 j 屬性的值，sim [attrij，attrkj] 則表示用戶 i 與 k 在屬性 j 上的屬性距離。

1）數(shù)值型屬性。如年齡，計(jì)算公式為

2）二元屬性。如性別，比較兩屬性的值，若相同，則 sim [attrij，attrkj] =1；若不同，則 sim [attrij，attrkj] = 0。

3）分類屬性。分析屬性值之間的關(guān)系，建立1 棵語義層次樹，不同的屬性值作為葉子節(jié)點(diǎn)[7]。工作地區(qū)、部門、職稱、計(jì)算機(jī)水平雖然均為分類屬性，但后 3 個(gè)屬性的屬性值選項(xiàng)均為平行關(guān)系，所以采用數(shù)值型屬性的計(jì)算方法即可。而站點(diǎn)的推薦與用戶所在的地區(qū)關(guān)聯(lián)性較大，如圖 3 所示，是為某輸水渠道工程信息可視化平臺(tái)中的工作地區(qū)屬性建立的語義層次樹。

圖 3 工作地區(qū)的語義層次樹

圖 3 中，屬性值 1 則表示用戶的工作地區(qū)在湖北省武漢市洪山區(qū)下的某個(gè)具體區(qū)域，在實(shí)際計(jì)算中，由于只是兩兩用戶進(jìn)行比較，所以每次只需根據(jù) 2 個(gè)用戶的工作地區(qū)屬性值建立 1 顆二叉樹，表示 2 個(gè)用戶的工作地區(qū)語義層次樹。根據(jù)屬性值對(duì)應(yīng)的葉子節(jié)點(diǎn)在語義層次樹中的位置，計(jì)算工作地區(qū)的屬性距離，計(jì)算公式如下：

式中：∧(attrij，attrkj) 表示屬性值 attrij與屬性值attrkj在語義層次樹中的最小公共父節(jié)點(diǎn)；depth (∧(attrij，attrkj)) 表示最小公共父節(jié)點(diǎn)的深度，根節(jié)點(diǎn)深度為 0。

屬性距離計(jì)算完成，引入屬性權(quán)重 W{W1，W2，W3，…，Wm}則表示屬性 j 的權(quán)重；依次遍歷匹配模型中的用戶，用向量 Ui{idi，attri1，attri2，…，attrim}表示用戶的背景屬性，通過式 (9) 計(jì)算用戶背景相似度 Ski（1 ≤ i ≤ h）：

根據(jù)用戶背景相似度排序，返回前 h 個(gè)得到背景相似用戶集合 Uh={u1，u2，…，uh}，并生成用戶背景相似度矩陣 S1×h。

S1×h中的用戶集合 Uh={u1，u2，…，uh}和用戶站點(diǎn)評(píng)分?jǐn)?shù)據(jù)集，找到每個(gè)用戶對(duì)應(yīng)的用戶站點(diǎn)評(píng)分?jǐn)?shù)據(jù)，構(gòu)建所有被 Uh中的用戶評(píng)價(jià)過的站點(diǎn)集合 Vn=和用戶模型的用戶-站點(diǎn)評(píng)分矩陣 Rh×n。

用戶-站點(diǎn)評(píng)分矩陣 Rh×n，基于目標(biāo)用戶背景相似度矩陣 S1×h，預(yù)測目標(biāo)用戶對(duì)站點(diǎn)的評(píng)分，用來填充新加入的目標(biāo)用戶-站點(diǎn)評(píng)分矩陣，計(jì)算公式如下：

式中：目標(biāo)用戶 k 對(duì)水情站點(diǎn) j 的預(yù)測評(píng)分為 pkj；Ai表示用戶 i 的真實(shí)評(píng)分均值；ski為目標(biāo)用戶 k 與用戶 i 的用戶背景相似度；rij表示用戶 i 對(duì)站點(diǎn) j 的真實(shí)評(píng)分。

以往算法對(duì)用戶評(píng)分矩陣的填充均是面向所有用戶對(duì)所有物品的，算法的時(shí)間復(fù)雜度為 O（| U |×| V |）。當(dāng)用戶和物品的數(shù)量增加，評(píng)分矩陣較大，當(dāng)新的用戶加入時(shí)，更新維護(hù)起來變得困難。對(duì)于水情站點(diǎn)推薦來說，用戶背景差異很大的用戶，感興趣的站點(diǎn)交集較小。所以分別為每個(gè)用戶模型建立特有的用戶-站點(diǎn)評(píng)分矩陣，這樣當(dāng)目標(biāo)用戶加入進(jìn)來，只需將目標(biāo)用戶所在用戶模型的評(píng)分矩陣進(jìn)行填充，算法的時(shí)間復(fù)雜度為 O（|Un|×|Uv|），|Un| 和 |Uv| 分別為用戶模型中的用戶數(shù)和站點(diǎn)數(shù)，這種新的評(píng)分矩陣填充方法減少了計(jì)算時(shí)間，由于每次只是對(duì)個(gè)別用戶模型進(jìn)行填充更新，節(jié)約了空間開銷。

2.2.2 改善新用戶問題

基于離線填充后的匹配模型的站點(diǎn)評(píng)分矩陣給新用戶進(jìn)行推薦。基于用戶模型匹配的推薦算法對(duì)新用戶問題的改善，是通過對(duì)用戶特征的分類，分別找出匹配模型下不同用戶特征的熱門站點(diǎn)，最后綜合得到推薦結(jié)果。將用戶的關(guān)鍵屬性作為用戶特征，包括性別、年齡、工作地區(qū)、部門、職稱、計(jì)算機(jī)水平，不同特征的用戶感興趣的站點(diǎn)不同，推薦流程如圖 4 所示。

當(dāng)新用戶加入系統(tǒng)，填寫注冊信息，通過基于概率的用戶模型匹配算法匹配用戶模型，根據(jù)用戶特征選擇離線計(jì)算好的站點(diǎn)相關(guān)表，相關(guān)表存儲(chǔ)的是該用戶模型下所有具有特定特征的用戶偏好站點(diǎn)信息，特定特征也可以是組合特征，如年齡—工作地區(qū)，相關(guān)表則表示同年齡段同工作地區(qū)的用戶感興趣的水情站點(diǎn)信息。本算法的核心在于相關(guān)表的建立，也就是計(jì)算每一種特定特征下的用戶感興趣的站點(diǎn)及這些站點(diǎn)在該特征用戶中的流行度。

假定用 f 表示特定特征，具有該特征的用戶對(duì)水情站點(diǎn)的偏好程度為 p [f，i]，定義 p [f，i] 為水情站點(diǎn) i 在擁有 f 特征的用戶中的熱門程度，p [f，i] 的計(jì)算公式如下：

圖 4 新用戶推薦流程圖

集合 U [ i ] 表示用戶模型中所有對(duì)水情站點(diǎn) i 感興趣的用戶，集合 N [ f ] 表示所有具有特征 f 的用戶；分析式 (11)，雖然可以預(yù)測出具有特定特征的新用戶是否喜歡某個(gè)水情站點(diǎn)，但當(dāng)某些熱門站點(diǎn)在各個(gè)特征的相關(guān)表均存在時(shí)，也就是說當(dāng) |U[ i ] | 比較高的時(shí)候，p [f，i] 也就越大。又由于特征—站點(diǎn)相關(guān)表本身就是基于特定用戶模型建立的，用戶模型的用戶背景存在相似性，所以推薦熱門站點(diǎn)并不是主要目的，應(yīng)該是推薦不易于被發(fā)現(xiàn)的水情站點(diǎn)信息，提高推薦的新穎度，才能保證某個(gè)用戶模型下的站點(diǎn)信息不是一成不變的。因此，可以定義p [f，i] 為對(duì)水情站點(diǎn) i 感興趣的用戶中具有特征 f 的用戶比例：

根據(jù)式 (11) 計(jì)算 p [f，i]，當(dāng)某個(gè)水情站點(diǎn)恰好只有一個(gè)用戶對(duì)其感興趣過，而恰好該用戶具備特征 f，則 p [f，i] =1。但是這種情況下并不能推測出此站點(diǎn)就在具有特征 f 的用戶中流行。因此，式 (12)中，在分母中加上一個(gè)較大的值 α，避免該站點(diǎn)在相關(guān)表中產(chǎn)生很大的權(quán)重，達(dá)到弱化特殊站點(diǎn)熱門程度的效果。

p [f，i] 計(jì)算完成，根據(jù) p [f，i] 由大到小排序就可以得到特征—站點(diǎn)相關(guān)表；根據(jù)新用戶特征選擇相應(yīng)的相關(guān)表，按照表中站點(diǎn)的熱門程度，返回前n 個(gè)站點(diǎn)，推薦給新用戶。

3 水情可視化方案實(shí)現(xiàn)

水情數(shù)據(jù)按時(shí)間劃分為實(shí)時(shí)與歷史數(shù)據(jù)，實(shí)時(shí)數(shù)據(jù)帶有時(shí)間屬性，能夠反應(yīng)水情站點(diǎn)隨時(shí)間變化的狀態(tài)[8]，歷史數(shù)據(jù)記錄了各個(gè)水情站點(diǎn)不同時(shí)刻的各個(gè)指標(biāo)值。實(shí)時(shí)數(shù)據(jù)的可視化區(qū)別于歷史數(shù)據(jù)，需要增加觸發(fā)器或狀態(tài)輪詢?nèi)ゲ粩喃@取數(shù)據(jù)庫里的實(shí)時(shí)數(shù)據(jù)[9]，刷新可視化的內(nèi)容。基于水情數(shù)據(jù)的類別，將水情信息的可視化分為面向水情的屬性數(shù)據(jù)表現(xiàn)形式與幾何數(shù)據(jù)分布 2 種可視化， 再根據(jù)實(shí)時(shí)與歷史數(shù)據(jù)對(duì)可視化要求的不同，對(duì)可視化方案進(jìn)行調(diào)整優(yōu)化。

3.1 面向?qū)傩詳?shù)據(jù)表現(xiàn)形式的可視化

水情信息可視化系統(tǒng)里的屬性數(shù)據(jù)包括水情與水量數(shù)據(jù)，通過分析水情與水量數(shù)據(jù)的特點(diǎn)，將屬性數(shù)據(jù)的可視化具體分為了符號(hào)表示法、區(qū)域設(shè)色、標(biāo)注法、信息列表、曲線圖 5 種方式。

3.2 面向幾何數(shù)據(jù)分布的可視化

幾何數(shù)據(jù)即水情站點(diǎn)的位置數(shù)據(jù)，對(duì)空間地理位置信息可視化的目的是以直觀的方式幫助用戶分析數(shù)據(jù)的分布情況及特點(diǎn)。不同地圖比例對(duì)幾何數(shù)據(jù)可視化的要求有所不同，針對(duì)水情站點(diǎn)的幾何數(shù)據(jù)可視化設(shè)計(jì) 3 種可視化方法：1）針對(duì)小比例尺下面向幾何數(shù)據(jù)宏觀分布的蜂窩圖；2）面向局部區(qū)域站點(diǎn)分布的點(diǎn)位圖、熱力圖；3）大比例尺下標(biāo)識(shí)法。

4 實(shí)驗(yàn)與結(jié)果

個(gè)性化水情信息可視化系統(tǒng)實(shí)驗(yàn)使用的處理器是 Intel(R) Core?i3-7100CPU @ 3.90GHz，顯卡為Intel(R) HD Graphics 630，開發(fā)語言為 Python3.6.4和 JavaScript，IDE 為 Jet Brains PyCharm 2018.3.2 x64 和 Visual Studio Code，操作系統(tǒng)為 Windows 10，數(shù)據(jù)庫為 SQL Server 2008。使用 MVC 設(shè)計(jì)模式，結(jié)合可視化開源庫百度 Mapv，ArcGIS 地圖、前端開發(fā)框架 React.js 和 Less 語言。

實(shí)驗(yàn)系統(tǒng)基于某輸水渠道工程及其相關(guān)數(shù)據(jù)集，使系統(tǒng)滿足用戶的個(gè)性化需求。首先是用戶注冊界面，系統(tǒng)通過注冊模塊收集用戶背景信息。當(dāng)用戶背景信息缺失時(shí)，主頁地圖采用默認(rèn)樣式，如圖 5 所示。使用蜂窩圖為用戶展示水情站點(diǎn)宏觀分布情況，用戶可以根據(jù)需求選擇要可視化的水情指標(biāo)選項(xiàng)和時(shí)間段，可以選擇供水量、pH 等進(jìn)行數(shù)據(jù)可視化。頁面還提供用戶推薦列表，推薦當(dāng)前時(shí)間段內(nèi)熱門的站點(diǎn)。

圖 5 普通用戶主界面

圖 6 為鄭州市某水務(wù)局局級(jí)管理者用戶（36 歲、男性用戶、計(jì)算機(jī)水平良好）登錄系統(tǒng)時(shí)的主頁面。通過點(diǎn)位圖為用戶展示水情站點(diǎn)的整體分布情況，將某輸水渠道工程中所的監(jiān)測點(diǎn)、供水口、節(jié)制閘等分別對(duì)應(yīng)紅色、深藍(lán)色和黃色標(biāo)記。淺藍(lán)色為該用戶周邊的其他站點(diǎn)分布情況。在可視化時(shí)，以特殊的標(biāo)記紅色符號(hào)表示推薦的站點(diǎn)，并標(biāo)記序號(hào)，與推薦列表中站點(diǎn)的序號(hào)對(duì)應(yīng)，推薦列表按用戶對(duì)站點(diǎn)的興趣度排序。用戶登錄系統(tǒng)會(huì)將地圖中心位置設(shè)為鄭州市，頁面包含全省的水情站點(diǎn)設(shè)立說明，以及水質(zhì)概況和水質(zhì)監(jiān)測信息。

圖 6 局級(jí)管理用戶主頁面

圖 7 為水質(zhì)監(jiān)測部門級(jí)用戶（42 歲、男性用戶）登錄系統(tǒng)時(shí)的主頁面。界面整體風(fēng)格為暗色系，默認(rèn)展示默認(rèn)時(shí)間段內(nèi)監(jiān)測點(diǎn) pH 對(duì)應(yīng)數(shù)據(jù)的可視化，通過線狀符號(hào)設(shè)色，動(dòng)態(tài)展示 pH 值變化，提供折線圖和柱狀圖監(jiān)測用戶水質(zhì)情況。用紅色覆蓋物表示推薦站點(diǎn)，并標(biāo)記。頁面展示監(jiān)測站點(diǎn)超標(biāo)情況，同時(shí)包含水情站點(diǎn)推薦列表，但推薦的站點(diǎn)與用戶所在辦公地區(qū)是相關(guān)的。用戶選擇壓力按鈕，得到壓力數(shù)據(jù)可視化界面，通過圓圈的大小表示壓力大小，加強(qiáng)推薦站點(diǎn)的顏色，并標(biāo)注具體的壓力值。

圖 7 監(jiān)測部門級(jí)用戶主頁面

圖 8 為北京市高級(jí)工程師（34 歲、男性用戶、計(jì)算機(jī)專業(yè)）進(jìn)入系統(tǒng)時(shí)的主頁面，系統(tǒng)為該用戶匹配的地圖與其他用戶的不同，采用 ArcGIS 影像地圖，要素顯示更加精確。放大到大比例下可以看到某調(diào)水渠道具體輪廓。通過線狀符號(hào)設(shè)色、動(dòng)態(tài)展示水質(zhì)濃度變化、在地圖上符號(hào)標(biāo)記監(jiān)測站點(diǎn)、設(shè)置最大和最小可見比例控制標(biāo)記物的顯隱，向用戶展示站點(diǎn)分布情況。頁面提供用戶工具欄，實(shí)現(xiàn)對(duì)地圖的縮放、平移、查看、標(biāo)記、分析等功能，高級(jí)工程師可以對(duì)可視化系統(tǒng)進(jìn)行綜合管理，如個(gè)性化地圖模板、權(quán)限管理等，還可以查看渠道的三維可視化展示。

圖 8 高級(jí)工程師主頁面

圖 9 為武漢某水務(wù)局水資源管理處普通科員（30 歲、女性、計(jì)算機(jī)水平良好）進(jìn)入系統(tǒng)時(shí)的主頁面。為用戶匹配到的界面整體風(fēng)格偏女性化，以武漢市的經(jīng)緯度設(shè)置地圖中心點(diǎn)，通過熱力圖展示水情站點(diǎn)的瞬時(shí)流量。

圖 9 辦公室普通科員主頁面

5 結(jié)語

對(duì)水情信息可視化部分進(jìn)行研究，通過發(fā)布GIS 地圖服務(wù)、自定義百度地圖樣式定制個(gè)性化的地圖，采用基于用戶模型匹配的推薦算法有效地改善了用戶站點(diǎn)評(píng)分矩陣稀疏問題。以用戶模型為核心，設(shè)計(jì)可視化系統(tǒng)框架，對(duì)可視化系統(tǒng)進(jìn)行實(shí)現(xiàn)，完成用戶到可視化模型的匹配。