数据可视化是一种以某种概要形式抽提出来的信息，包括相应信息单位的各种属性和变量，指的是技术上较为高级的技术方法，而这些技术方法允许利用图形、图像处理、计算机视觉以及用户界面，通过表达、建模以及对立体、表面、属性以及动画的显示，对数据加以可视化解释。下面我们就为大家介绍几篇数据可视化论文范文，供给大家参考。
数据可视化论文范文第一篇：煤炭安全管理时序数据可视化方式研究
作者：谭章禄 刘洁 吴琦
作者单位：中国矿业大学（北京）管理学院
摘要：为探究煤炭安全管理时序数据的最优可视化展示方式，基于时序数据不同维度和管理任务类型层面下选取7幅可视化图形开展眼动实验，并记录被试者的3种眼动指标作为实验数据，运用SPSS19.0软件进行数据分析。结果表明：展示多维数据的趋势任务时，折线图展示效果最好；展示二维数据的循环与周期任务时，螺旋图展示效果最好；展示二维数据的数值点识别任务时，散点图展示效果最好。
关键词：煤炭安全管理；时序数据；可视化展示方式；数据维度；管理任务；
作者简介：谭章禄（1962-），江西赣县人，教授，博士研究生导师，博士，1995年毕业于北京科技大学，1997年中国矿业大学（北京）博士后出站，工程管理博士点首席学科带头人，研究方向为煤炭企业信息化。；
Abstract:In order to explore the optimal visualization display mode of coal safety management time series data, this paper selects7 visualization graphics to carry out eye movement experiment based on different data dimensions and management task types of time series data, and records 3 eye movement indexes of subjects as experimental data, and uses spss19.0 software for data analysis. The results show that: the line chart shows the best effect during displaying the trend task of multi-dimensional data; the spiral chart shows the best effect during displaying the cycle and cycle task of two-dimensional data; the scatter chart shows the best effect during displaying the numerical point recognition task of two-dimensional data.
Keyword:coal safety management; time series data; visual display mode; data dimension; management tasks;
煤炭企业安全管理过程中存在着海量的时序数据，当管理人员面对这些实时更新的数据时，难以从中快速高效地获取有效信息并及时做出决策。近年来，有不少学者将可视化技术应用到展示时序数据的过程中，可视化能够以更加直观的形态展示图形，并帮助用户实现信息的交互。因此通过探究煤炭安全管理时序数据的最优可视化展示方式，从而更为清晰直观地呈现企业安全管理过程中的问题，帮助企业管理人员准确把握煤炭实时动态。
1 时序数据可视化研究现状
时序数据是众多应用领域的决策基础，可视化方式的正确选择，能够为用户展示更为直观的时序数据的规律和趋势，方便用户根据统计结果做出科学决策。煤炭作为我国的主体能源，在国民经济发展发挥着重要的作用。近年来，国内外研究学者已将时序数据分析应用到煤炭领域中，通过计量经济学[1]、数据挖掘[2,3]等方法对相关时序数据进行分析预测。然而，目前学者针对时序数据最优可视化展示方式的研究较少，因此通过对煤炭安全管理时序数据进行可视化展示方式的研究，基于时序数据不同数据维度和管理任务类型层面下开展眼动实验，选择最为有效的可视化展示方式，从而帮助管理者及时有效地做出管理决策，全面提高煤炭安全管理水平。
2 时序数据可视化的管理任务及展示方式
时序数据代表了数据的某一个维度随时间发生变化[4],所以不同数据维度下选择的可视化展示方式是有区别的。对于管理人员来讲，时序数据可视化的管理任务是通过观察整体数据值的走向以及数据值之间的关系，从中发现时间序列存在的规律，即整体走势、其中包含的周期和循环等，并对其中的关键点，例如：离群点、异常值、拐点等进行观察，从而分析其出现的原因。
2.1 趋势任务
趋势变动反映了客观事物的主要变化趋势[5].常用的展示多维时序数据趋势任务的可视化展示方式有：折线图、平行坐标图和主题河流图。一般来说，折线图主要用于反映事物发展变化的规律和趋势。平行坐标图能很好地处理多维时序数据信息，帮助用户识别多元数据时间变化总体趋势以及每个数据点对应的数据曲线所属的时间范围。主题河流图是一种常用的展示时间序列数据的可视化形式，能够有效展示多个主题的整体趋势。
2.2 循环与周期任务
时间序列分析之前需要对时间序列进行分解，其中分解中包括周期性波动和循环波动。目前的研究一般运用雷达图、螺旋图来表示二维时序数据循环与周期任务变化的规律。雷达图可以用来表现一个周期数值的变化，也可以用来表现对象主要参数的相对关系。螺旋图在展示周期性特征数据时具有很好地展示效果。
2.3 数值点识别任务
数值点识别包括对于离群点、峰谷值和拐点的识别。离群点是指在一系列时间序列数据中，远离序列一般平均水平的极端值，也称为异常值。峰谷值是指在所考虑的时间间隔内出现的最大和最小瞬间值。从数据图中寻找的另一个特征值就是拐点，例如从上升趋势突然转变为下降趋势的点[6].目前，散点图和折线图是展示二维数值点常用的方法。散点图可以直观地表示观测数据的分布情况以及变化趋势[7];折线图能够分析事物变化的规律。
3 时序数据可视化方式的眼动实验设计
3.1 实验目的
实验旨在探究煤炭安全管理时序数据在不同数据维度和管理任务类型层面下，哪种可视化展示方式效果最好。以期帮助煤炭管理人员对煤炭安全管理时序数据可视化展示方式进行最优选择，从而及时发现煤炭企业安全隐患，进行科学有效的决策。
3.2 实验对象
实验研究对象选取了35名具有相关矿业知识背景的煤炭企业管理人员，由于煤炭企业的特殊性质，被试均为男性，视力或校正视力均正常，无色盲色弱现象。在35名被试中，剔除了3名坐姿不标准、数据偏差较大的样本数据，最终对32个样本进行分析。
3.3 实验设备
实验采用Tobii Pro Nano 60眼动仪，采样率60Hz,准确度0.3°理想环境下，精确度0.10°RMS理想环境下，头动范围35 cm×30 cm.设备可以自动记录被试者在观察刺激材料时注视、眼跳、眨眼等指标的相关数据。
3.4 实验材料
为了实现不同数据维度和管理任务类型层面下煤炭安全管理时序数据可视化方式的综合分析比较。针对趋势任务和数值点识别任务，以我国2009-2015年煤矿安全管理各隐患主题数据的发生次数为依据，分别用可视化图形进行展示；而循环与周期任务展示的数据需要较大的数据量，因此以国家安全生产监督管理总局网站的事故统计为依据，对我国2011-2019年各月煤矿安全事故死亡人数进行可视化方式展示。
实验中的实验材料共涉及7幅可视化图形，其中展示多维数据的趋势任务，选择折线图、平行坐标图和主题河流图3种可视化展示方式；展示二维数据的循环与周期任务，选择雷达图和螺旋图2种可视化展示方式；展示二维数据的数值点识别任务，选择折线图和散点图2种可视化展示方式。
3.5 实验设计
实验开始前，为提高实验采样率，被试者在开始眼动实验之前均需进行校准。校准完成后，先让被试者阅读实验指导语，随后屏幕将根据煤炭安全管理时序数据的不同数据维度和管理任务类型依次呈现7幅图片，且在每幅图片前均设置了问题，被试带着问题去观看实验材料，浏览完图片之后屏幕将呈现该问题的答案供被试者进行选择。为了进一步测试被试者的认知效应，眼动仪也在实验过程中记录了被试者的平均瞳孔直径、眨眼频率和平均注视时间3种眼动指标，以便对实验结果进行统计分析。
4 实验数据分析
实验结束后，用Tobii pro眼动仪自带的ErgoLAB软件将实验数据导出，用EXCEL表格对导出的实验数据进行分析整理，处理完成后借助SPSS19.0软件进行数据的统计分析。
4.1 不同影响因素下眼动指标的差异性分析
选取了对认知负荷有显著性影响的3种眼动指标，分别为平均瞳孔直径、眨眼频率、平均注视时间。其中，平均瞳孔直径和平均注视时间与认知负荷成正比，当认知负荷增大时，这2种眼动指标也会随之增大[8,9];而眨眼频率与认知负荷成反比，当认知任务较为困难时，眨眼频率会降低[10].
4.1.1 管理任务类型的差异性分析
分别探究不同管理任务类型层面的眼动指标差异性分析。运用SPSS19.0软件进行独立样本t检验，不同管理任务类型的差异性分析见表1.
Table 1 Difference analysis of different management task types
表1 不同管理任务类型的差异性分析
分别得到不同管理任务类型层面的眼动指标，其中平均瞳孔直径F（2,221）=21.233,P=0<0.05;眨眼频率F（2,221）=13.717,P=0<0.05;平均注视时间F（2,221）=4.588,P=0.011<0.050,3种眼动指标的显著性P值均小于0.05,说明3种眼动指标在不同管理任务类型下均有显著性差异。
4.1.2 数据维度的差异性分析
进一步从不同数据维度层面，探究多维和二维数据的眼动指标差异性分析，不同数据维度的差异性分析见表2.
Table 2 Difference analysis of different data dimensions
表2 不同数据维度的差异性分析
可以分别得到不同数据维度层面的眼动指标，其中平均瞳孔直径F（1,222）=1.241,P=0.267>0.05;眨眼频率F（1,222）=3.352,P=0.068>0.050;平均注视时间F（1,222）=4.195,P=0.042<0.050,3种眼动指标中只有平均注视时间的显著性P值小于0.05,说明平均注视时间在不同数据维度层面存在显著差异。
4.1.3 可视化展示方式的差异性分析
分别探究不同可视化展示方式下眼动指标的差异性，不同可视化展示方式的差异性分析见表3.分别得到3种管理任务类型层面下可视化展示方式的眼动指标，其中平均瞳孔直径在趋势任务层面，可视化展示方式F（2,93）=7.365,P=0.001<0.050;在循环与周期任务层面，可视化展示方式F（1,62）=7.920,P=0.007<0.050;在数值点识别任务层面，可视化展示方式F（1,62）=13.891,P=0<0.05,平均瞳孔直径的显著性P值均小于0.05,说明平均瞳孔直径在3种管理任务类型层面下的可视化展示方式均有显著性差异。同理，通过比较眨眼频率和平均注视时间2种眼动指标，在3种管理任务类型层面下可视化展示方式的F值和显著性水平，可以得到这2种眼动指标在不同管理任务类型层面下也存在显著性差异。综上说明，3种眼动指标在不同管理任务类型层面下可视化展示方式均有显著性差异。
Table 3 Difference analysis of different visual display methods
表3 不同可视化展示方式的差异性分析
4.2 可视化展示方式的综合评价分析
针对眼动实验设置的每道问题均设置了一项标准答案，根据被试者回答问题正确与否分别计算得分，其中回答正确计1分，不正确计0分，随后运用SPSS19.0软件针对不同可视化展示方式进行单样本统计量的检验，可视化展示方式的综合分析见表4.
Table 4 Comprehensive analysis of visual display mode
表4 可视化展示方式的综合分析
从表4可以看出，不同可视化展示方式层面的sig.（双侧）均为0,说明不同数据维度和管理任务类型层面下，可视化展示方式的效果均有显著性差异。在展示多维数据的趋势任务时，折线图、平行坐标图和主题河流图的均值分别为0.94、0.66和0.72,其中，折线图的均值最高，说明展示多维数据的趋势任务时，折线图展示效果最好，主题河流图的展示效果次之，平行坐标图的展示效果欠佳。在展示二维数据的循环与周期任务时，可以得到雷达图和螺旋图的均值分别为0.59和0.91,说明螺旋图的展示效果相较于雷达图更好。在展示二维数据的数值点识别任务时，可以得到折线图和散点图的均值，分别为0.91和0.94,说明这2种可视化展示方式的效果较好，且散点图的均值比折线图较高，说明展示二维数据的数值点识别任务，散点图展示效果比折线图更好。
5 结语
为探究煤炭安全管理时序数据的最优可视化展示方式，开展眼动实验，并对实验结果进行统计分析，可以得到以下结论：平均瞳孔直径、眨眼频率和平均注视时间3种眼动指标在不同管理任务类型、不同数据维度和可视化展示方式层面均有显著性差异。通过比较7幅可视化展示图形的展示方式，可以得到：展示多维数据的趋势任务时，折线图展示效果最好；展示二维数据的循环与周期任务时，螺旋图展示效果最好；展示二维数据的数值点识别任务时，散点图展示效果最好。研究结果为煤炭安全管理可视化界面设计提供一定的指导，从而帮助煤炭管理人员更为清晰直观地呈现煤炭企业安全管理过程中的问题，及时发现企业安全隐患，进行科学有效的决策，降低煤炭安全管理事故的发生率。
参考文献
[1]王立杰，刘志东。经济时间序列分析技术在煤炭价格预测中的应用[J] .煤炭学报，2001 .26（1）：109-112.WANG Lijie, LIU Zhidong. The application of economy t .ime series analysis technique in coal price forecast[J]Journal of China Coal Society, 2001, 26（1）：109-112.
[2]李润求，吴莹莹，施式亮，等。煤矿瓦斯涌出时序预测的自组织数据挖掘方法[J] .中国安全生产科学技术， 2017,13（7）：18-23.LI Runqiu, WU Yingying, SHI Shiliang, et al. Research on self-organizing data mining method for time series prediction of gas emission in coal mine[J]. Journal of Safety Science and Technology, 2017, 13（7）：18-23.
[3]穆文瑜，李茹，阴志洲，等。 煤矿多传感器混沌时序数据融合预测[J] .计算机应用， 2012,32（6）：1769 MU Wenyu, LI Ru, YIN Zhizhou, et al. Fusion predictionof mine multi-sensor chaotic time series data[J]. Journal of Computer Applications, 2012, 32（6）：1769.
[4]马豪。高维数据可视化方法研究[D].长沙：国防科学技术大学，2016.
[5]宁小亮，蒲阳。基于矿压监测动态特征的瓦斯突出预警系统设计[J].工矿自动化， 2015,41（3）：10-13.NING Xiaoliang, PU Yang. Design of early-warning system of gas outburst based on dynamic characteristics of pressure monitoring[J]. Industry and Automation,2015, 41（3）：10-13.
[6] C查特菲尔德。时间序列分析导论[M].方再根，译。北京：宇航出版社， 1986.
[7]席茂。矿山地面灾害监测数据可视化表达和实现技术[D] .太原：太原理工大学， 2015.
[8]陈晓皎，薛澄岐，陈默，等。基于眼动追踪实验的数字界面质量评估模型[J] .东南大学学报（自然科学版） , 2017 ,47（1）：38-42. CHEN Xiaojiao, XUE Chengqi,CHEN Mo, et al. Quality assessment model of digital interface based on eyetracking experiments[J] Journal of Southeast University（Natural Science Edition）， 2017, 47（1）：38-42.
[9]田芸，于赛克，周前祥，等。眼动指标在脑力疲劳研究中的应用分析[J] .人类工效学， 2015,21（4）：69-73.
[10] Subramanian S. CG&A with eye tracking for cognitive behavior analysis and psychoanalysis[C]/2013 International Conference on Developments in Esystems Engineering. IEEE, 2013:132-137.
文献来源：谭章禄，刘洁，吴琦。煤炭安全管理时序数据可视化方式研究[J].煤矿安全，2021,52（06）：255-259.
数据可视化论文范文第二篇：新媒体监管数据可视化系统的设计与实现
作者：张嘉
作者单位：国家广播电视总局五七三台
摘要：针对广电互联网新媒体监管需求，给出了一种新型现代化的数据可视化系统的设计与实现方法，系统从架构、数据渲染方法、交互方法上有效地结合了新媒体监管业务内容及特点，通过针对性的设计能够更为有效地呈现新媒体监管业务的监测过程与结果数据。
关键词：数据可视化；数据渲染；交互；新媒体；
作者简介：张嘉（1981-），男，高级工程师，本科，国家广播电视总局五七三台副总工程师，主要从事卫星广播电视监测方面研究。；
Abstract:According to the needs of new media supervision of SAPPRFT,this paper presents a new modern data visualization system design and implementation method.The system effectively combines the content and characteristics of new media supervision business from the aspects of architecture,data rendering method and interaction method,and makes it more effective to present the monitoring process and result data of new media supervision business through targeted design.
Keyword:data visualization; data rendering; interaction; new media;
0 引言
以视听网站、视听APP、微博、微信、短视频等为主的互联网新媒体，已经成为各类型事件、新闻与信息的主要传播源头，结合互联网技术优势，其传播迅速、影响范围广泛，为了以正互联网视听，规范互联网健康发展，上述新媒体已成为广电新媒体监管的主要管控对象。新媒体涉及内容丰富，格式多样，正以海量方式成倍增长，因此，广电新媒体监管业务中存在着大量的可视化需求，需要通过可视化手段呈现基于AI引擎的智能采集、分析与研判的业务全流程，同时还需要呈现各类格式的过程数据与成果数据包括信息源、趋势数据、统计报表数据、舆情数据、新媒体图文与音视频数据、监测指标数据以及监测对象地域分布等地理信息数据，因此，构建全面的、具有针对性的数据可视化系统意义重大。
目前，传统的数据可视化系统显示手段与交互手段略显不足，无法多维度、立体化、全面化地呈现新媒体监管业务的全流程与成果数据，本文主要介绍一种适合于新媒体监管业务场景的新型交互式可视化系统设计与实现，该系统实现能够提供更丰富数据可视化渲染、更有针对性的大屏幕显示以及更为灵活的可视化交互功能。
1 可视化技术
（1）数据可视化。
数据可视主要借助于图形化技术手段，清晰有效地沟通与传达信息，主要表现形式是通过几何、图文、图表、动画等丰富的二维或三维可视化方法对数据进行渲染呈现，它是面向图像与显示的技术。
（2）可视化呈现。
可视化的显示呈现通常是以大屏幕为核心，完成数据可视化效果的最终展现。现代化的大屏幕系统，其显示资源通常不仅仅由一组屏幕组成，在更多的应用场景中，包含大屏、小屏、投影、移动终端等各类型显示资源。
（3）人机交互。
人机交互是指人与机器或系统的交互，本质上是人与计算机的交互，从更广泛的角度讲是指人与含有计算机的机器或系统进行交互，并建立用户与系统之间的双向通信，人机交互方式与界面的好坏往往可以直接影响到系统建设的成败。
2 数据可视化系统
2.1 系统技术架构
2.2 系统主要组成及原理
本文所述系统主要由数据渲染系统、大屏幕系统、交互系统三大分系统组成（见图1）。
图1 系统架构图
2.2.1 数据渲染系统
数据渲染系统是整体系统最为核心的一个分系统，它负责从业务系统中直接采集或被动接收源数据，然后进行加工处理，渲染出指定的显示形态，然后通过高性能显卡输出超高分辨率图像或视频。数据渲染系统在工作流程上设计了数据采集、数据加工、数据渲染与显示输出四个环节，数据采集支持主动采集，被动监听、数据库同步等方式对业务系统源数据进行提取；数据加工则根据需要对源数据进行清理、集成、变换与归约等二次处理，准备出渲染使用的数据格式，数据渲染则通过可视化框架对数据进行画面渲染；显示输出则通过计算机显卡完成4K或8K超高分辨率画面的输出。
在常规的数据可视化渲染系统中，维度单一的图表往往占据绝大多数，本系统中的数据渲染则更多地以二维、三维、全景框架与地图、空间、高程、事件、信息等基础数据相结合，内置的高性能二维与三维渲染引擎可实时渲染出多维立体化的可视化形态，直观地反应出系统原理、处理过程、数据流向、成果数据等内容，提升业务系统的综合运维效率。
系统在设计上支持多台物理渲染主机构成渲染集群实现大规模渲染处理，渲染系统在交互控制上设计丰富的接口支持第三方系统对其进行集成控制，可根据业务场景的需要实现交互定制化数据可视化渲染输出。
2.2.2 大屏幕系统
本实现中的大屏幕系统设计由显示拼接处理器与大屏幕显示资源组成，显示拼接处理器在选型上采用网络化、分布式、浅压缩的处理器产品，该类处理器特点是采用以太网技术进行数据传输与交换，信号的输入与输出采用嵌入式设备接入，利用以太网组播技术实现信号的任意复制与共享，而接入节点支持接口种类丰富，可以实现分布式部署，结合以太网络的长传优势，极为容易地实现各类信号与显示资源的跨区域、跨楼层接入与组网，支持灵活扩展，同时，系统采用浅压缩编码技术，传输显示与场景切换延迟低。大屏幕显示资源则根据新媒体监管业务的特点，设计由LED拼接大屏、LCD拼接大屏、显示器、坐席管理节点、液晶电视等显示资源组成，根据现场业务员场景进行多功能分区域显示，既有单个区域显示区，又有多屏多区域关联区。屏幕部署上也不受制于地理位置的限制，采用多组多点、跨区域、跨楼层分布式部署。在画面的呈现上，基于分布式拼接处理器强大的处理能力，可实现信号跨屏显示、无极缩放、整墙漫游、多画面拼接、场景切换等功能，满足渲染画面在显示资源上的灵活调度。
2.2.3 交互系统
在传统的数据可视化系统中，信息流动通常是单向的或双向流动不够充分，用户被动接收结果数据，不能反馈调整。本系统的交互设计上，物理上由固定指挥台、移动指挥台（PAD与手机等移动终端）及各类互动传感设备组成，同时引入更多先进的交互技术及概念，例如精准交互与非精准交互结合、多通道协助交互技术、多屏联动交互技术等，对新媒体监管业务场景与数据类型进行了精准分析，设计出最为贴切的交互操作方式，提高可视化系统的针对性与显示目标。
3 重点设计说明
3.1 可视化形态的设计
对于新媒体违规有害监测监管业务流程，采用抽象流程图渲染方式进行实时展示，该方式可以充分地表示数据流向与过程分析，完整地将新媒体监测监管的数据搜查、数据采集、AI预研判、AI分析、人工审核、违规内容取证、结果上报的全流程呈现出来，并通过丰富的动效直观地呈现出数据采集、数据爬取及AI研判的可视化过程。对于新媒体监管业务的各类监测成果数据，采用2.5D动态图表渲染方式进行实时展示，设计了180多种丰富的图表集合进行选择输出，以最贴切的图表方式展现新媒体监管中的违规统计、舆情报告、AI能力数据、节目来源统计、监测类别、抓取总量与分类流量等数据，同时设计支持对各类型成果数据进行实时的交互控制，定制组合显示。对于新媒体监管业务中与地域结合紧密的成果数据，采用GIS地图渲染方式展示，地图渲染采用2.5D/3D的形态进行呈现。通过动态地图直观呈现出150万家视听网站的地理位置信息和视频数量信息，结合地理位置坐标展示监测覆盖区域、监测违规域、舆情热点区域、舆情热度等关联数据情况。对于新媒体监管系统的机房基础设施与安防系统，采用3D实景建模及全景渲染方式进行展示，通过3D实景可以有效直观地呈现机房设施状况，同时将机房实景结合网管系统，将业务监测告警数据、设备运行状态、环境实景结合，形成可视化运监控，有效地实现对新媒体机房的全方位运维管理。对于新媒体监管AI计算过程与IDC机房的综合计算力，采用抽象概念建模渲染方式进行展示，通过超级震撼的动画特效设计表达AI计算画面，软硬件资源利用状态包括爬虫、CPU、网络、存储等资源的抽象运动与情况。
3.2 交互方式的设计
将交互系统引入到新媒体监管系统的全环节（见图1），交互系统集成业务系统、数据可视化渲染系统、大屏幕系统、环境资源系统，综合实现对业务内容拓展交互，灯光、音频与设备中控交互，大屏场景切换交互以及数据可视化的展示控制交互，实现全方位的业务定制可视化。系统交互方式上，设计同时支持精准交互与非精准交互，精准交互包括鼠标、键盘与多点触控等控制方式，非精准交互包含语音控制与激光雷达的体感控制，如采用人体姿势体感进行GIS渲染内容的控制，快速实现地图的旋转，缩放与层进操作；采用语音指令交互，实现命令词控制，高效切换大屏、灯光、音频组合场景。同时引入多通道协助交互技术，综合采用视线、语音、手势等新的交互通道、设备和交互技术，利用多个通道以自然、并行、协作的方式进行人机对话，通过整合来自多个通道的、精确的和不精确的输入来捕捉用户的交互意图，提高人机交互的自然性和高效性。在物理交互界面上同时采用固定指挥端与移动指挥端相结合，既可通过位置固定的指挥台与数据源与显示资源形成互动，又可通过移动控制台实现移动演示与汇报。在屏幕互动设计上将单屏与多屏交互融合，实现一键甩屏，多屏共享，视频剪辑分享等交互，支持在信源与显示资源之间进行画面与信息共享与流转，满足新媒体业务监管需求。
4 结束语
综上所述，本文阐述了一种用于新媒体监管的数据可视化系统的设计与实现。首先，该设计在数据可视化渲染方面充分考虑了新媒体监管业务的需求，结合新媒体监管过程监测与结果数据的特点，设计出贴切的渲染方法来对数据进行可视化呈现。其次，在人机交互方面，充分结合精准与非精准交互、固定与移动交互、多通道协助交互等新型交互手段，并全面集成信源系统、数据渲染系统、大屏幕系统、环境系统等多个环节进行融合式交互，使得数据可视化的呈现更具全面性与针对性。最后，系统在物理实现上使用了分布式、网络化、浅压缩显示拼接处理器有效地串联渲染系统、信源系统、显示资源与交互系统，实现了信号的灵活共享与任意调度，有效地提高了新媒体监管的过程监控、分析研判与指挥调度的效率。
参考文献
[1]李洋。人机交互技术在数字媒体移动端界面设计中的应用[J].现代电子技术，2021,44（06） : 155-158.
[2]陆盘滕智能时代人机交互未来发展趋势探讨[J].无线互联科技， 2021 , 18（03）： 7-8.
[3]刘继中。支持语音交互的WebGIS组件化技术研究与应用[D].上海：华东师范大学， 2020.
[4]胡明伟。融合媒体多屏联动中数据可视化应用[J].现代电视技术， 2021（02） : 42-44.
[5]李金金大屏数据可视化系统中的视觉表现探析[J].大众标准化， 2020（16） : 153-155.
[6]王宁。面向大屏的图表展示系统设计与实现[D].西安：西安电子科技大学， 2019.
[7]王琪基于WebGL的三维数据大屏可视化系统的设计与实现[D].北京：北京邮电大学， 2019.
[8]张旭。分布式拼接屏系统通用接入方案[J].现代信息科技， 2020,4（10）： 50-52.
文献来源：张嘉。新媒体监管数据可视化系统的设计与实现[J].数字通信世界，2021（06）：8-9+22.
