面向大规模经济调查数据的空间多尺度可视分析方法研究.pdf

浙江财经大学硕士学位论文

摘要

经济调查数据作为一种重要的信息资源，在当今社会发展中扮演着至关重要

的角色。深入分析经济调查数据可以揭示许多有价值的信息，如经济增长趋势、

产业结构变化、就业情况、收入分配格局等。通过对这些数据的分析，我们能够

更好地了解经济运行的规律和特点，为政府决策、企业战略规划以及社会发展提

供科学依据和精准指导。可视分析是分析探索经济调查数据的重要手段，然而随

着数据规模的增大，给大规模经济调查数据可视化带来困难，往往会出现渲染卡

顿、重叠绘制等问题，同时经济调查数据的空间分布模式逐渐复杂化，严重影响

经济调查数据的分析效率和准确性。因此，开发高效的可视化方法对提高大规模

经济调查数据的分析效率和准确性尤为重要。

空间多尺度可视分析是一种重要的分析数据空间分布特征的方法，其在减少

数据规模的同时能够分析不同尺度的区域特征。通过不同尺度的数据视角，我们

可以更清晰地把握经济活动的地域差异性和变化规律，发现不同地区、不同产业

之间的联系与影响。传统的可视化方法在展示经济调查数据时面临挑战：高尺度

视图虽然能展示全局关联，但忽略了细节；而低尺度视图虽然呈现了细节，却因

视觉元素过多而影响了全局感知。此外，传统方法在尺度划分时往往只考虑空间

或属性特征，未能充分满足用户需求。空间属性关联模型通常用于关联数据的空

间和属性特征，结合空间属性关联模型和多尺度可视分析方法可以有效提高对大

规模经济调查数据分析的效率和准确性。

因此，本研究旨在利用空间属性关联模型关联大规模经济调查数据的空间和

属性特征，进而结合多尺度可视化方法对大规模经济调查数据的高效准确的可视

分析开展相关研究。主要创新点如下：

()

一提出了一种基于属性变异系数的大规模经济调查数据多尺度特征增强可

视分析方法。为了克服传统的单一尺度可视化方法难以平衡属性关联的全局特征

和细节特征的视觉感知，使用层次聚类法构建数据的层次结构树，进而创造性地

将广泛使用的属性变异系数引入大规模经济调查数据的空间多尺度可视分析过程

中，利用变异系数提取经济调查数据的属性分布特征，然后结合经典的层次树剪

枝方法设计一种混合多尺度可视分析方法，平衡属性关联的全局特征和细节特征

的视觉感知，并开发了相应的可视分析系统，帮助用户探索式地改变空间层次数

据多尺度可视化结果，同时感知数据的属性全局和局部关联特征，比较和分析不

I

浙江财经大学硕士学位论文

同尺度的可视化效果。最后基于三套真实的经济调查数据集和六个评估指标进行

了案例研究和定量评估，进一步证明了本文所提出的基于属性变异系数的大规模

经济调查数据多尺度可视分析方法的有效性。

(二)提出了一种基于多目标蓝噪声采样的大规模经济调查数据多尺度可视分

析方法。基于上述考虑多尺度属性分布特征分析目标开发的大规模经济调查数据

多尺度可视分析方法，进一步同时考虑空间属性关联特征和密度分布特征，结合

空间属性联合聚类和多目标蓝噪声采样模型，设计一种空间属性关联驱动的大规

模经济调查数据多尺度可视分析方法，以实现对原始数据空间属性联合分布特征

和密度分布特征的同时感知，开发集成可视分析系统，以支持多尺度划分方法的

有效性评估与经济调查数据的空间可视化探索与分析。最后通过设计四个评估指

标、选用两个基准多尺度可视化模型在五套真实的大规模经济调查数据集上开展

的实证研究和定量评估，进一步验证了所提出的基于多目标蓝噪声采样的大规模

经济调查数据多尺度可视分析方法对在同时多尺度探索空间属性分布特征和密度

特征时的有效性。

综上所述，面向大规模经济调查数据，本研究结合空间属性关联模型有效关

联数据的空间和属性分布特征，并结合多尺度可视化技术实现数据高效灵活的表

达。同时，本研究开发可视分析系统，支持用户开展高效的大规模经济调查数据

的分析和探索，为经济决策、城市治理、政府规划等管理决策提供服务。

关键词：经济调查；可视分析；空间多尺度可视化；空间属性关联；空间统计分

析

II

浙江财经大学硕士学位论文