Air pollution has become an important environmental issue, attracting more and more attention from many scholars and experts recently. Understanding air quality patterns in urban areas is essential for air pollution prevention and treatment. However, most existing studies usually cannot effectively capture air quality patterns from large-scale air quality data, due to lacking effective interaction approaches and intuitive methods that reveal sequential and multivariable information. In this paper, we present AirExplorer, a novel visual analysis system providing abundant interactive ways and intuitive views to help users explore the time-varying and multivariable patterns of air quality data. We design a time-embedded RadViz view that not only shows the relationship between data and multivariable attributes, but also puts the air quality temporal variations among the observation stations into perspective. Furthermore, we suggest a time-series querying algorithm, which combines hierarchical Piecewise Linear Representation and Dynamic Time Warping, to help users query time-series patterns of interest accurately by a sketch-based interaction. The experiment results based on the real dataset demonstrate that our method can help users understand the spatial-temporal multi-dimensional characteristics effectively and discover some potential laws of air quality patterns. AirExplorer with easy-to-use interactions can improve the efficiency of analyzing air quality data.

中文翻译：

---

AirExplorer：基于时间序列查询的空气质量数据可视化探索

空气污染已成为一个重要的环境问题，近年来越来越受到众多学者和专家的关注。了解城市地区的空气质量模式对于空气污染的防治至关重要。然而，由于缺乏揭示连续和多变量信息的有效交互方法和直观方法，大多数现有研究通常无法有效地从大规模空气质量数据中捕捉空气质量模式。在本文中，我们介绍了 AirExplorer，这是一种新颖的可视化分析系统，提供丰富的交互方式和直观的视图，帮助用户探索空气质量数据的时变和多变量模式。我们设计了一个时间嵌入的 RadViz 视图，它不仅显示了数据和多变量属性之间的关系，同时也考虑了观测站之间空气质量的时间变化。此外，我们提出了一种时间序列查询算法，该算法结合了分层分段线性表示和动态时间扭曲，以帮助用户通过基于草图的交互准确查询感兴趣的时间序列模式。基于真实数据集的实验结果表明，我们的方法可以帮助用户有效地理解时空多维特征，并发现空气质量模式的一些潜在规律。AirExplorer 具有易于使用的交互功能，可以提高分析空气质量数据的效率。它结合了分层分段线性表示和动态时间扭曲，通过基于草图的交互帮助用户准确查询感兴趣的时间序列模式。基于真实数据集的实验结果表明，我们的方法可以帮助用户有效地理解时空多维特征，并发现空气质量模式的一些潜在规律。AirExplorer 具有易于使用的交互功能，可以提高分析空气质量数据的效率。它结合了分层分段线性表示和动态时间扭曲，通过基于草图的交互帮助用户准确查询感兴趣的时间序列模式。基于真实数据集的实验结果表明，我们的方法可以帮助用户有效地理解时空多维特征，并发现空气质量模式的一些潜在规律。AirExplorer 具有易于使用的交互功能，可以提高分析空气质量数据的效率。