Datenvisualisierung: Auseinandersetzung mit Form, Farbe und Ordnungsprinzipien, um Zusammenhänge in größeren Datenmengen sichtbar zu machen. Das Ergebnis ist ein programmierter, interaktiver Prototyp.
Die Daten werden ohne Zuhilfenahme von bildhaften Elementen (Piktogramme, Fotografien, …) interaktiv dargestellt. Alphanumerische Zeichen (Text, Zahlen) sollen so sparsam wie möglich verwendet werden. Umso wichtiger wird es, gezielt Farbe, Form und Position einzusetzen, um
Mengen sichtbar zu machen,
Kategorien zu kodieren,
Gruppen zu bilden,
Zeitabläufe nachverfolgbar zu machen,
…
Die Darstellung von Daten zwingt schon an sich zu einer parametrischen Denkweise. D.h. die grafischen Elemente müssen flexibel gedacht werden, so dass sie unterschiedliche Zahlenwerte und Bedeutungen annehmen können. Das Denken in Varianten ist also essenziell. Zudem erlauben unterschiedliche Gesamtdarstellungen neue Einblicke in die Zusammenhänge innerhalb der Daten. Durch Interaktion können weitere Zusammenhänge vom Nutzer entdeckt werden.
Als Thema für meine Datenvisualisierung habe ich mich für einen Datensatz entschieden, in dem über eine Woche hinweg das Fahrverhalten von Taxis in New York erfasst wurde. Der Datensatz konzentriert sich besonders auf die Bewegungsabläufe der Taxis und beinhaltet Informationen wie Uhrzeiten und Koordinaten der Start- und Endpunkte, Passagieranzahl, Distanz in Kilometern und Fahrtdauer in Sekunden.
Ideenfindung
Obwohl mein Datensatz nur die Taxifahrten einer Woche abdeckt, kommen doch mehrere Tausend Fahrten zusammen. Daher wurde schnell klar, dass ich nicht jede Fahrt einzeln visualisieren kann. In meinen ersten Skizzen habe ich deshalb versucht, sinnvolle Gruppen zu bilden. Ich bin letztendlich zu folgendem Ansatz gekommen:
Meine Visualisierung zielt darauf ab, ein ganzheitliches Bild von New York zu präsentieren, wobei der Fokus weniger auf den einzelnen Taxifahrten liegt, sondern vielmehr auf den zentralen Orten und deren Frequenzen die sich aus diesen bilden.
Ich möchte aufzeigen, wie sich New York über den Tag hinweg bewegt.
Umsetzung
Letztendlich entschied ich mich für die Erstellung einer Heatmap. Indem ich die Koordinaten der Start- und Endpunkte der Taxifahrten abrundete, konnte ich Rasterpunkte generieren, die als Sammelstellen für die Fahrtdaten dienen. Diese Konzentration von Fahrtendaten ermöglicht es mir, Durchschnittswerte für jeden einzelnen Punkt zu ermitteln und nun weitere Aussagen treffen zu können.
Eine Farbskala bestimmt die Farbe je nach Überwiegen von Pick Ups oder Drop Offs.
Die Größe richtet sich nach der durchschnittlichen Passagieranzahl an diesem Ort.
Die Deckkraft steigt mit zunehmender Anzahl der Fahrten an diesem Ort.
Zweite Ansicht
In der zweiten Ansicht besteht die Möglichkeit, sich die Pick Ups und Drop Offs einzeln anzusehen und mithilfe eines Sliders über den Tag hinweg zu betrachten.
Zusätzlich interessierte mich die Länge der Fahrten und ob sie sich auf bestimmte Bereiche konzentrieren. Durch einen Klick auf einen Rasterpunkt lässt sich einsehen, von wo die Fahrten gestartet sind oder wohin sie geführt haben.
Hinterlasse einen Kommentar