胡清華，陸 晨，胡 倩，魏淑珍，蔣東升，黃艷艷

（1.福建省環(huán)境監(jiān)測(cè)中心站，福建福州 350003；2.北京思路創(chuàng)新科技有限公司，北京 100085）

數(shù)值預(yù)報(bào)模式的研究應(yīng)用始于本世紀(jì)初，至今已有10余年，出現(xiàn)了一大批出色的城市、區(qū)域和全球尺度的數(shù)值模式[1]。數(shù)值模式預(yù)報(bào)要求有比較詳盡的污染源資料和氣象資料，并且要求對(duì)影響污染物擴(kuò)散的所有因子要有精確的化學(xué)、物理和數(shù)學(xué)描述，多為中大尺度，最小網(wǎng)格一般為3km×3km。對(duì)于城市局部地域尺度的環(huán)境空氣質(zhì)量無(wú)法做到精細(xì)化預(yù)測(cè)預(yù)報(bào)，同時(shí)受限于處理時(shí)效及計(jì)算機(jī)硬件設(shè)備，難以做到實(shí)時(shí)預(yù)測(cè)預(yù)報(bào)。

統(tǒng)計(jì)預(yù)報(bào)是在不掌握事物變化機(jī)理的情況下，通過(guò)分析事物規(guī)律來(lái)進(jìn)行預(yù)測(cè)的方法，將歷史上的污染物濃度監(jiān)測(cè)值與前期和同期的氣象條件聯(lián)系起來(lái)，建立具有一定信度的統(tǒng)計(jì)關(guān)系，并利用該關(guān)系對(duì)未來(lái)的污染物濃度進(jìn)行預(yù)報(bào)。然而，污染物濃度監(jiān)測(cè)值主要依靠地面空氣自動(dòng)監(jiān)測(cè)站點(diǎn)的實(shí)時(shí)監(jiān)測(cè)數(shù)據(jù)來(lái)獲取。由于站點(diǎn)建設(shè)和維護(hù)成本高昂，一個(gè)城市通常僅有有限數(shù)量的空氣質(zhì)量監(jiān)測(cè)站點(diǎn)，并不能完全覆蓋整個(gè)城市范圍。同時(shí)，受地表植被、交通流量、人群分布、建筑物密度和氣象條件等各種復(fù)雜因素影響，隨地域不均勻地變化，城市中不同地域的空氣質(zhì)量差異顯著。因此，有限站點(diǎn)的監(jiān)測(cè)數(shù)據(jù)并不能完整、細(xì)致反映整個(gè)城市的空氣污染情況，整個(gè)城市的精細(xì)空氣狀況也不宜用一個(gè)或有限的幾個(gè)籠統(tǒng)數(shù)據(jù)來(lái)概括。近年來(lái)，隨著感知技術(shù)和計(jì)算環(huán)境的日漸成熟，各種大數(shù)據(jù)在城市里悄然而生，如交通流、氣象數(shù)據(jù)、道路網(wǎng)、興趣點(diǎn)（POI）、移動(dòng)軌跡和社交媒體等，這些數(shù)據(jù)既反映了城市中存在的問(wèn)題，也可以用來(lái)解決城市所面臨的挑戰(zhàn)[2]。

本研究以海峽西岸城市群中的福州市為示范，在已有空氣質(zhì)量站點(diǎn)的基礎(chǔ)上，采用多功能、高效、小巧的傳感設(shè)備進(jìn)行監(jiān)測(cè)加密，利用大數(shù)據(jù)的分析機(jī)理與空氣質(zhì)量模型的城市計(jì)算技術(shù)，建設(shè)城市空氣質(zhì)量實(shí)時(shí)精細(xì)化模擬與預(yù)報(bào)平臺(tái)。使用已有及新增的實(shí)時(shí)和歷史空氣質(zhì)量監(jiān)測(cè)數(shù)據(jù)，結(jié)合交通流、道路結(jié)構(gòu)（路網(wǎng)）、POI分布、氣象條件和人們流動(dòng)規(guī)律等多種數(shù)據(jù)源的大數(shù)據(jù)，利用機(jī)器學(xué)習(xí)算法建立數(shù)據(jù)和空氣質(zhì)量的映射關(guān)系，實(shí)時(shí)分析整個(gè)城市細(xì)粒度（1km×1km）的空氣質(zhì)量，嘗試為政府與公眾提供精細(xì)化的城市空氣質(zhì)量服務(wù)。此外，還能對(duì)城市空氣污染的發(fā)展趨勢(shì)提出預(yù)測(cè)，為分析污染成因提供基礎(chǔ)數(shù)據(jù)，從而為環(huán)境管理提供決策輔助支持，為市民出行提供幫助與指導(dǎo)。

1 總體設(shè)計(jì)

1.1 加密監(jiān)測(cè)站點(diǎn)布點(diǎn)

為保證數(shù)據(jù)的可比性及可靠性，同時(shí)便于系統(tǒng)模型評(píng)估比較，在研究區(qū)域內(nèi)增加布設(shè)了18個(gè)小型空氣質(zhì)量監(jiān)測(cè)儀器，多數(shù)布設(shè)于紫陽(yáng)和師大兩個(gè)城市標(biāo)準(zhǔn)站點(diǎn)周邊，其中紫陽(yáng)站點(diǎn)周邊8個(gè)、師大站點(diǎn)周邊6個(gè)，與標(biāo)準(zhǔn)站點(diǎn)的距離在200～1 500m。

1.2 平臺(tái)框架設(shè)計(jì)

以福州為示范的城市空氣質(zhì)量實(shí)時(shí)精細(xì)化模擬與預(yù)報(bào)平臺(tái)分為數(shù)據(jù)感知層、數(shù)據(jù)管理層、計(jì)算支撐層、推測(cè)預(yù)測(cè)層和展示應(yīng)用層等五個(gè)層次，具體的結(jié)構(gòu)圖見(jiàn)圖1。

系統(tǒng)分為數(shù)據(jù)感知層、數(shù)據(jù)管理層、計(jì)算支撐層、推測(cè)預(yù)測(cè)層和展示應(yīng)用層等五個(gè)層次。

（1）數(shù)據(jù)感知層

數(shù)據(jù)感知層通過(guò)監(jiān)測(cè)設(shè)備和傳感器感知和獲取平臺(tái)所需數(shù)據(jù)，包括天氣特征、交通流量相關(guān)特征、人類(lèi)移動(dòng)特征、路網(wǎng)結(jié)構(gòu)特征和POI相關(guān)特征。

（2）數(shù)據(jù)管理層

利用時(shí)空索引、流數(shù)據(jù)、軌跡數(shù)據(jù)管理、圖數(shù)據(jù)管理、異構(gòu)數(shù)據(jù)索引等方法管理收集的城市數(shù)據(jù)。

（3）計(jì)算支撐層

提供數(shù)據(jù)分析計(jì)算的各類(lèi)支撐工具，運(yùn)用數(shù)學(xué)方法對(duì)獲取和管理后的數(shù)據(jù)進(jìn)行分析，包括數(shù)據(jù)挖掘、模式識(shí)別、機(jī)器學(xué)習(xí)和可視化等方法。

（4）推測(cè)預(yù)測(cè)層

通過(guò)加載POI、路網(wǎng)數(shù)據(jù)，加載空氣質(zhì)量、氣象數(shù)據(jù)，采集需要計(jì)算的時(shí)間點(diǎn)，設(shè)置模型參數(shù)、加載指定模型，代入模型計(jì)算等流程實(shí)現(xiàn)空氣質(zhì)量的推測(cè)；在空氣質(zhì)量推測(cè)的基礎(chǔ)上，通過(guò)加載組裝數(shù)據(jù)，考慮周邊因素，計(jì)算預(yù)測(cè)特征數(shù)據(jù)等步驟完成對(duì)空氣質(zhì)量的推測(cè)和預(yù)測(cè)。

（5）展示應(yīng)用層

包括網(wǎng)格分析和數(shù)據(jù)對(duì)比兩部分內(nèi)容，網(wǎng)格分析是在GIS地圖上，對(duì)站點(diǎn)實(shí)時(shí)監(jiān)測(cè)、網(wǎng)格推測(cè)、統(tǒng)計(jì)分析以及預(yù)測(cè)的結(jié)果進(jìn)行直觀的查詢(xún)展示；數(shù)據(jù)對(duì)比是對(duì)加入小型監(jiān)測(cè)設(shè)備后的網(wǎng)格、站點(diǎn)預(yù)測(cè)的數(shù)據(jù)進(jìn)行對(duì)比與評(píng)估。

2 系統(tǒng)采用的關(guān)鍵技術(shù)

在系統(tǒng)建設(shè)過(guò)程中，采用了多種技術(shù)來(lái)完成系統(tǒng)構(gòu)建和空氣質(zhì)量推測(cè)預(yù)測(cè)，主要包括傳感器技術(shù)、物聯(lián)網(wǎng)采集與管理技術(shù)、數(shù)據(jù)挖掘技術(shù)、城市計(jì)算優(yōu)化技術(shù)、混合數(shù)據(jù)可視化技術(shù)等等。

2.1 傳感器技術(shù)

本研究采用的傳感器技術(shù)實(shí)現(xiàn)現(xiàn)有專(zhuān)業(yè)傳感器 （如溫度傳感器、位置傳感器、空氣質(zhì)量自動(dòng)監(jiān)測(cè)站、空氣質(zhì)量小型站等）之間的互聯(lián)互通，完成數(shù)據(jù)的快速收集[3]。本研究采用的空氣質(zhì)量監(jiān)測(cè)儀器為適合于長(zhǎng)期運(yùn)行的微小型在線(xiàn)式儀器，直接安裝在電桿等通用墻物上，采用傳感器方式對(duì)環(huán)境空氣中PM2.5、PM10、SO2、NO2、CO、O3、溫度、濕度進(jìn)行實(shí)時(shí)在線(xiàn)分析，數(shù)據(jù)產(chǎn)生的時(shí)間頻率是分鐘級(jí)，功率≤5W，可采用太陽(yáng)能供電或外接市電供電，數(shù)據(jù)無(wú)線(xiàn)傳輸并內(nèi)置存儲(chǔ)功能。其中：①PM2.5、PM10采用光散射法測(cè)量，測(cè)量范圍0～1 000μg/m3，檢出限分別為≤10μg/m3、≤20μg/m3，分辨率≤1μg/m3。② SO2、NO2、O3采用電化學(xué)分析法測(cè)量，測(cè)量范圍0～500ppb，檢出限≤5ppb，分辨率≤0.01ppb，響應(yīng)時(shí)間≤45s。③ CO采用電化學(xué)分析法測(cè)量，測(cè)量范圍0～50ppm，檢出限≤0.1ppm，分辨率≤0.1ppm，響應(yīng)時(shí)間≤45s。④溫度測(cè)量范圍-20℃～55℃，分辨率≤±1℃。⑤濕度測(cè)量范圍5%～95%RH，分辨率≤±1%RH。

圖1 平臺(tái)總體框架圖

2.2 城市計(jì)算優(yōu)化技術(shù)

城市計(jì)算是一個(gè)交叉學(xué)科，是計(jì)算機(jī)科學(xué)中以城市為背景，與城市規(guī)劃、交通、能源、環(huán)境、社會(huì)學(xué)和經(jīng)濟(jì)等學(xué)科融合的新興領(lǐng)域。城市計(jì)算將無(wú)處不在的感知技術(shù)、高效的數(shù)據(jù)管理和分析算法，以及新穎的可視化技術(shù)結(jié)合，致力于提高人們的生活品質(zhì)、保護(hù)環(huán)境和促進(jìn)城市運(yùn)轉(zhuǎn)效率。城市計(jì)算幫助理解各種城市現(xiàn)象的本質(zhì)，甚至預(yù)測(cè)城市的未來(lái)[4]。

精細(xì)化網(wǎng)格預(yù)測(cè)是利用空氣質(zhì)量監(jiān)測(cè)站點(diǎn)的實(shí)時(shí)和歷史數(shù)據(jù)，結(jié)合交通流、道路結(jié)構(gòu)、POI分布、氣象條件和人群流動(dòng)規(guī)律等大數(shù)據(jù)，利用機(jī)器學(xué)習(xí)算法建立大數(shù)據(jù)和空氣質(zhì)量的映射關(guān)系，從而推斷出整個(gè)城市細(xì)粒度的實(shí)時(shí)空氣質(zhì)量[5,6]。

模型將具有空間屬性的信息和具有時(shí)序特性的信息作為輸入，訓(xùn)練半監(jiān)督的模型框架，從而得出城市細(xì)粒度的實(shí)時(shí)空氣質(zhì)量。整個(gè)模型計(jì)算流程如圖2所示。

首先是數(shù)據(jù)采集與預(yù)處理。由交通工具如出租車(chē)、公交車(chē)、安裝了GPS的私家車(chē)移動(dòng)產(chǎn)生的空間軌跡，通過(guò)地圖映射算法將這些軌跡映射到路網(wǎng)中，映射數(shù)據(jù)存放在軌跡數(shù)據(jù)庫(kù)作為離線(xiàn)學(xué)習(xí)用，同時(shí)會(huì)生成地理索引以提升在線(xiàn)推斷的效率。

然后從各個(gè)區(qū)域提取的不同數(shù)值中進(jìn)一步提取特征，可以分為兩類(lèi)，一類(lèi)是時(shí)間屬性數(shù)據(jù)，特征值隨時(shí)間而變化，例如溫度、濕度、平均車(chē)速，這些數(shù)據(jù)可以從天氣數(shù)據(jù)和空間軌跡數(shù)據(jù)中提取出來(lái)。另一類(lèi)是空間屬性數(shù)據(jù)，如POI的密度，道路的長(zhǎng)度，這些數(shù)據(jù)可以從POI和路網(wǎng)數(shù)據(jù)中獲取。如果監(jiān)測(cè)站點(diǎn)正好是在網(wǎng)格內(nèi)的某個(gè)位置，這個(gè)網(wǎng)格會(huì)被標(biāo)記由該監(jiān)測(cè)站點(diǎn)獲得的AQI或其他數(shù)據(jù)，這個(gè)特征值就會(huì)被提取出來(lái)形成相應(yīng)的標(biāo)簽作為訓(xùn)練集。但由于監(jiān)測(cè)站點(diǎn)有限，而需要參照這一數(shù)據(jù)的地方卻非常多，采用半監(jiān)督的學(xué)習(xí)方法使用未加標(biāo)簽的數(shù)據(jù)提升推斷的準(zhǔn)確率。首先使用兩個(gè)不同的分類(lèi)器，通過(guò)特征集分別訓(xùn)練加標(biāo)簽的數(shù)據(jù)，一類(lèi)是基于線(xiàn)性條件場(chǎng)的時(shí)序分類(lèi)器，用于測(cè)算某一個(gè)位置空氣質(zhì)量的時(shí)序變化，另一類(lèi)是基于神經(jīng)元網(wǎng)絡(luò)的空間分類(lèi)器，用于測(cè)算不同位置空氣質(zhì)量的空間關(guān)聯(lián)性?，F(xiàn)有監(jiān)測(cè)站點(diǎn)的AQI會(huì)作為空間分類(lèi)器的輸入。由于不同類(lèi)型污染物（如NO2和PM10）的影響因素不同，因此需要為每一種污染物構(gòu)建模型。

最后，根據(jù)網(wǎng)格的影響區(qū)域計(jì)算每一個(gè)網(wǎng)格的特征。同時(shí)空間特征（如POI的分布）做離線(xiàn)計(jì)算，時(shí)間特征做在線(xiàn)計(jì)算，例如交通相關(guān)的特征基于在預(yù)處理流構(gòu)建的時(shí)空索引中提取出來(lái)。對(duì)于每一個(gè)網(wǎng)格，將時(shí)序?qū)傩缘奶卣鞣湃霑r(shí)序分類(lèi)器，空間屬性的特征放入空間分類(lèi)器。由于監(jiān)測(cè)站點(diǎn)每小時(shí)發(fā)布數(shù)據(jù)，模型也每小時(shí)生成一次結(jié)果，結(jié)果包括空氣質(zhì)量網(wǎng)格推測(cè)數(shù)據(jù)和預(yù)測(cè)數(shù)據(jù)。

2.3 混合數(shù)據(jù)的可視化技術(shù)

可視化技術(shù)充分利用人們對(duì)可視模式快速識(shí)別的自然能力，將數(shù)據(jù)信息和知識(shí)轉(zhuǎn)化為如圖像、圖形、表格等之類(lèi)的視覺(jué)形式，將信息以視覺(jué)形式表現(xiàn)出來(lái)，利用人們視覺(jué)通道的快速感知能力去觀察、識(shí)別和加工信息，以直觀的方式幫助理解獲取的知識(shí)和模式[7-9]。與單一數(shù)據(jù)可視化不同，城市計(jì)算中的可視化技術(shù)需要同時(shí)考慮多個(gè)維度，其中空間和時(shí)間是兩個(gè)至關(guān)重要的維度。

圖2 城市計(jì)算模型框架圖

3 平臺(tái)效果及評(píng)估

3.1 平臺(tái)功能實(shí)現(xiàn)

依托于框架設(shè)計(jì)和關(guān)鍵技術(shù)，本研究成功實(shí)現(xiàn)了城市空氣質(zhì)量實(shí)時(shí)精細(xì)化模擬與預(yù)報(bào)（福州示范）系統(tǒng)平臺(tái)功能的開(kāi)發(fā)。目前平臺(tái)已經(jīng)在福建省級(jí)環(huán)境監(jiān)測(cè)部門(mén)實(shí)現(xiàn)了穩(wěn)定運(yùn)行。

運(yùn)行結(jié)果達(dá)到了研發(fā)的預(yù)期目標(biāo)：

（1）實(shí)現(xiàn)了城市細(xì)粒度級(jí)別（1km×1km）環(huán)境空氣質(zhì)量的實(shí)時(shí)預(yù)報(bào)與模擬，彌補(bǔ)城市尺度預(yù)報(bào)粒度與實(shí)時(shí)性的不足。

（2）實(shí)現(xiàn)了基于小巧、高效、快速響應(yīng)和節(jié)能傳感設(shè)備的結(jié)合應(yīng)用，結(jié)合城市環(huán)境質(zhì)量監(jiān)測(cè)站點(diǎn)更有效反映城市環(huán)境質(zhì)量。

（3）實(shí)現(xiàn)了城市環(huán)境大數(shù)據(jù)的典型應(yīng)用，包括海量異構(gòu)數(shù)據(jù)的管理及協(xié)同計(jì)算；不同數(shù)據(jù)源中相互增強(qiáng)知識(shí)的獲取及提取深度的保證；大數(shù)據(jù)的數(shù)據(jù)稀疏性問(wèn)題的合理應(yīng)對(duì)。

3.2 精細(xì)化實(shí)時(shí)模擬效果評(píng)估

（1）站點(diǎn)數(shù)據(jù)對(duì)比分析

分別選擇2017年11月1日至12月27日紫陽(yáng)站點(diǎn)及其周邊的1#、3#、6#、7#四個(gè)小型站、師大站點(diǎn)及其周邊的1#、2#、3#三個(gè)小型站，對(duì)小時(shí)監(jiān)測(cè)數(shù)據(jù)進(jìn)行統(tǒng)計(jì)分析，結(jié)果如圖3所示。

紫陽(yáng)和師大兩個(gè)站點(diǎn)各項(xiàng)污染物均值基本一致。

紫陽(yáng)站點(diǎn)及其周邊小型站的PM2.5、PM10、NO2和CO均值基本一致，而SO2均值存在較明顯的偏高、O3均值相對(duì)偏低，且小型站7#偏差較大。比較兩類(lèi)站點(diǎn)的最大值與最小值可以發(fā)現(xiàn)，小型站的PM2.5、PM10和SO2最小值較高、最大值較低，NO2和O3最大值和最小值均偏低，CO則基本一致。

師大站點(diǎn)及其周邊小型站的SO2、NO2、O3和CO均值基本一致，而PM2.5、PM10均值存在較明顯的偏低，且小型站1#偏差較大。比較兩類(lèi)站點(diǎn)的最大值與最小值可以發(fā)現(xiàn)，小型站的PM2.5、PM10最小值較高、最大值較低，SO2最小值較低、最大值較高，NO2和O3最大值和最小值均偏低，CO則基本一致。

（2）精細(xì)化實(shí)時(shí)模擬效果對(duì)比

由于紫陽(yáng)站點(diǎn)和小型站1#、3#、5#、6#同在一個(gè)網(wǎng)格，而小型站2#、4#、8#在另外一個(gè)網(wǎng)格，為了驗(yàn)證本研究采用的城市計(jì)算方法推測(cè)結(jié)果的準(zhǔn)確性，挑選小型站8#的實(shí)測(cè)數(shù)據(jù)與所在網(wǎng)格推測(cè)數(shù)據(jù)進(jìn)行對(duì)比。師大站點(diǎn)和小型站2#、3#、4#、5#同在一個(gè)網(wǎng)格，故挑選小型站1#的實(shí)測(cè)數(shù)據(jù)與所在網(wǎng)格推測(cè)數(shù)據(jù)進(jìn)行對(duì)比，對(duì)比結(jié)果如圖4所示。從分析結(jié)果（2017年11月25日至12月25日）可以看出，推測(cè)結(jié)果與實(shí)測(cè)結(jié)果趨勢(shì)較為一致，但是由于受到參與計(jì)算的其他參數(shù)的影響，推測(cè)結(jié)果存在一定的不穩(wěn)定性和跳躍性，在后續(xù)的研究中有待對(duì)模型進(jìn)一步訓(xùn)練優(yōu)化。

4 結(jié)論

本研究在已有空氣質(zhì)量監(jiān)測(cè)站點(diǎn)基礎(chǔ)上，采用多功能、高效、小巧的傳感設(shè)備進(jìn)行監(jiān)測(cè)加密，使用已有和新增的實(shí)時(shí)和歷史空氣質(zhì)量監(jiān)測(cè)數(shù)據(jù)，結(jié)合交通流、道路結(jié)構(gòu)（路網(wǎng)）、POI分布、氣象條件和人們流動(dòng)規(guī)律等多種數(shù)據(jù)源的大數(shù)據(jù)，利用城市計(jì)算技術(shù)建立數(shù)據(jù)和空氣質(zhì)量的映射關(guān)系，實(shí)現(xiàn)了城市細(xì)粒度（1km×1km）的空氣質(zhì)量推測(cè)預(yù)測(cè)，并以福州市為示范建設(shè)了海西重點(diǎn)城市空氣質(zhì)量實(shí)時(shí)精細(xì)化模擬與預(yù)報(bào)系統(tǒng)并應(yīng)用。

通過(guò)將現(xiàn)有站點(diǎn)及其周邊小型站的監(jiān)測(cè)數(shù)據(jù)進(jìn)行統(tǒng)計(jì)分析發(fā)現(xiàn)，不同地理位置的污染物濃度存在一定的差異性。為提高大氣污染物濃度監(jiān)測(cè)的分辨率和準(zhǔn)確性，開(kāi)展加密監(jiān)測(cè)很有必要。

通過(guò)比較小型站實(shí)時(shí)監(jiān)測(cè)數(shù)據(jù)及城市計(jì)算方法推測(cè)結(jié)果，發(fā)現(xiàn)兩者趨勢(shì)十分吻合，但是推測(cè)結(jié)果受到參與計(jì)算的其他參數(shù)的影響，存在一定的不穩(wěn)定性和跳躍性，在后續(xù)研究中有待對(duì)模型進(jìn)一步訓(xùn)練優(yōu)化。

[1] 任萬(wàn)輝, 蘇樅樅, 趙宏德. 城市環(huán)境空氣污染預(yù)報(bào)研究進(jìn)展, 環(huán)境保護(hù)科學(xué)[J]. 2010, 36(3): 9-11.

[2] 鄭宇. 城市計(jì)算概述[J], 武漢大學(xué)學(xué)報(bào)·信息科學(xué)版, 2015, 40(1):1-13.

[3] GOLDMAN J, SHILTON K, BURKE J, et al. Participatory Sensing:A Citizen-Powered Approach to Illuminating the Patterns that Shape our World[EB/OL]. 2014. http://www.mobilizingcs.org/wp-content/up-loads/Particip atory_Sensing.pdf.

[4] ZHENG Y, CAPRA L, WOLFSON O, et al. Urban Computing:Concepts, Methodologies, and Applications[J]. ACM Transactions on Intelligent Systems and Technology, 2014, 3(5):38.

[5] ZHENG Y, LIU F R, HSIEH H P. U-Air: When Urban Air Quality Inference Meets Big Data[C]. KDD Chicago IL USA, 2013.

[6] ZHENG Y, CHEN X, JIN Q, et al. A Cloud-Based Knowledge Discovery System for Monitoring Fine-Grained Air Quality[R].MSR-TR-2014-40, 2014.

[7] 程時(shí)偉, 孫守遷. 信息可視化研究綜述[J] , 中國(guó)科技論文在線(xiàn),2008: 1-8.

[8] NAHUM D, STEPHEN G. Information visualization[J]. IEEE Computer Graphics and Applications, 1997, 17(4):29-31

[9] BEDERSON B, SHNEIDERMAN B. The craft of information visualization: readings and reflections [M]. San Francisco:Morgan Kaufmann, 2003.