Point datasets that relate to highly populated places, such as ones retrieved from social media or volunteered geographic information in general, can often result in dense point clusters when presented on maps. Therefore, it can be useful to visualize the relevant point density information directly on the urban geometry to tackle the problem of point counting and density range identification in highly cluttered areas. One solution is to relate each point to the nearest geometry object. While this is a straightforward approach, its major drawback is that local point clusters could disappear by assigning them to larger objects, e.g., long roads. To address this issue, we introduce two new point density visualization approaches by which points are related to the underlying geometry objects. In this process, we use grid cells and heatmap contour lines to divide roads, squares, and pedestrian zones into subgeometry units. Comparison of our visualization approaches with conventional density visualization methods shows that our approaches provide a more comprehensive insight into the point distribution over space, i.e., over existing urban geometry. / Wenn Punktdatensätze, die sich auf dicht bevölkerte Räume beziehen – beispielsweise räumliche Daten aus Sozialen Medien oder von VGI-Plattformen – auf Karten dargestellt werden, kommt es häufig zu dichten Punktclustern, was Aussagen über die Anzahl der Punkte oder die Intensität der Punktdichte an bestimmten Orten schwierig bis unmöglich macht. Daher kann es nützlich sein, relevante Informationen über die Punktdichte direkt mit Bezug zu urbanen Geometrien zu visualisieren. Eine Lösung besteht darin, jeden Punkt dem nächstgelegenen Geometrieobjekt zuzuordnen. Ein großer Nachteil dieses Ansatzes ist jedoch, dass lokale Punktcluster verschwinden könnten, indem sie größeren Objekten, z. B. langen Straßen, zugewiesen werden. Um dieses Problem zu lösen, werden zwei neue Ansätze zur Visualisierung der Punktdichte eingeführt, bei denen die Punkte mit den urbanen Geometrieobjekten in Beziehung gesetzt werden, lokale räumliche Eigenschaften jedoch erhalten bleiben. Dafür werden Straßen, Plätze und Fußgängerzonen mithilfe von Rasterzellen und Konturlinien von Kerndichteschätzungen in Teilgeometrieeinheiten unterteilt. Der Vergleich dieser Visualisierungsansätze mit herkömmlichen Dichtevisualisierungsmethoden zeigt, dass die vorgestellten Ansätze einen detaillierteren Einblick in die räumliche Punktverteilung mit Bezug zur bestehenden urbanen Geometrie liefern können.
| Identifer | oai:union.ndltd.org:DRESDEN/oai:qucosa:de:qucosa:89491 |
| Date | 22 April 2024 |
| Creators | Zahtila, Moris, Knura, Martin |
| Source Sets | Hochschulschriftenserver (HSSS) der SLUB Dresden |
| Language | English |
| Detected Language | German |
| Type | info:eu-repo/semantics/publishedVersion, doc-type:article, info:eu-repo/semantics/article, doc-type:Text |
| Rights | info:eu-repo/semantics/openAccess |
| Relation | 2524-4965, 10.1007/s42489-022-00113-7 |
Page generated in 0.0018 seconds