Priselac, M. (2021). Visual analytics of spatial time series data [Diploma Thesis, Technische Universität Wien]. reposiTUm. https://doi.org/10.34726/hss.2021.73924
E193 - Institut für Visual Computing and Human-Centered Technology
-
Date (published):
2021
-
Number of Pages:
60
-
Keywords:
visual analytics; interactive visual analysis; machine learning; linear regression; elastic net; K-Means; classification; spatial time series; economic recession; recession factors
en
Abstract:
Unabhängig davon, welche Algorithmen und Technologien entwickelt werden, bleiben der menschliche Verstand und das logische Denken wichtige Werkzeuge für die Analyse, Modellierung und Lösung von Problemen. Die visuelle Darstellung von Daten gilt als der effektivste Weg, um Informationen an das menschliche Gehirn zu übermitteln und analytisches Denken zu fördern. Visual Analytics umfasst eine Reihe von Techniken, Methoden und Werkzeugen, die analytisches Denken durch visuelle Darstellungen verschiedener Datentypen unterstützen. Aufgrund ihrer Komplexität und Größe eignen sich räumliche Zeitreihendaten für die Implementierung solcher Techniken, da ihre Analyse nach wie vor eine Herausforderung darstellt. Viele ökologische, soziale und wirtschaftliche Prozesse der modernen Zivilisation werden durch räumliche Zeitreihen dargestellt, was die Notwendigkeit interaktiver visueller Darstellungen für ihre effizientere Analyse unterstreicht. Ein klares Beispiel für solch komplexe Prozesse ist die wirtschaftliche Rezession, ein Rückgang der Wirtschaftstätigkeit, für den es keine einheitliche formale Definition gibt. Sie wird jedoch häufig mit Rezessionsfaktoren wie BIP, Gini-Index oder Inflation beschrieben, die allesamt Beispiele für räumliche Zeitreihendaten sind und deren Veränderung ein klarer Indikator für die Wirtschaftslage sein kann. Da die Rezessionsanalyse ein sehr komplexes Thema ist und nicht ganz klar ist, welche wirtschaftlichen Faktoren dengrößten Einfluss haben, sind rein automatisierte Verfahren nicht geeignet und es gibt Spielraum für Fortschritte bei den analytischen Ansätzen. Diese Arbeit schlägt eine Anwendung “Recession Explorer”: Visual Analytics der wirtschaftlichen Rezession und ihre Vorhersage als Beispiel für ein ganzheitliches Systemvor, das räumliche Zeitreihendaten anzeigt und Muster und Erkenntnisse in den Daten untersucht. Eine solche Kombination von Ansätzen bietet eine einzigartige Perspektive auf wirtschaftliche Rezessionsstudien, indem sie sowohl das menschliche Denken auf hoher Ebene als auch die Verwendung fortschrittlicher mathematischer Algorithmen erleichtert. Das Ziel der Anwendung besteht darin, zu zeigen, dass der Einsatz von Visual Analytics ein nützlicher Ansatz ist, um die Herausforderungen einer wirtschaftlichen Rezession zu bewältigen und Benutzern im Allgemeinen mit interaktiven Visualisierungen bei der Analyse und dem Umgang mit räumlichen Zeitreihendaten zu helfen.
de
Regardless of what algorithms and technologies are developed, the human mind andlogical reasoning remain important tools for analysing, modelling, and solving problems.Visual representation of data is considered the most effective way to convey informationto the human brain and promote analytical thinking. Visual analytics encompasses aset of techniques, methods, and tools that support analytical thinking through visualrepresentations of various types of data. Due to their complexity and size, spatial timeseries data are suitable for implementation of such techniques, as their analysis remainschallenging. Many environmental, social, and economic processes of modern civilizationare represented by spatial time series, which emphasises the need for interactive visualrepresentations for their more efficient analysis.One clear example of such complex processes is economic recession, a decline ineconomic activity for which there is no single formal definition. However, it is oftendescribed in terms of recession factors such as GDP, the Gini index, or inflation, all ofwhich are examples of spatial time series data, and whose change can be a clear indicatorof the state of the economy. As recession analysis is a very complex topic and it isnot entirely clear which economic factors have the greatest impact, purely automatedtechniques are not appropriate and there is scope for advances in analytical approaches.This thesis proposes an application “Recession Explorer”: visual analytics of economicrecession and its forecasting as an example of a holistic system that displays spatialtime series data and explores patterns and insights in the data. Such a combination of approaches provides a unique perspective on economic recession studies by facilitating both high-level human reasoning and the use of advanced mathematical algorithms. The goal of the application is to demonstrate that the use of visual analytics is a beneficial approach to address the challenges of economic recession and, more generally, to assist users with interactive visualisations when dealing with and analysing spatial time series data.