周思艺，李天瑞，2，3，4*

（1.西南交通大学 计算机与人工智能学院，成都 611756；2.可持续城市交通智能化教育部工程研究中心，成都 611756；3.综合交通大数据应用技术国家工程实验室（西南交通大学），成都 611756；4.四川省制造业产业链协同与信息化支撑技术重点实验室（西南交通大学），成都 611756）

0 引言

随着城市化和现代化的快速发展，城市形态正发生演变［1］，关乎居民出行的交通站点也变得更加重要。要发展智慧城市，如何有效分析交通站点的人流时空特性和多元环境因素的影响是未来城市规划的关键。

交通智能（Integrated Circuit，IC）卡的使用已经积累了大量的乘客出行信息，每日的刷卡记录数都是百万级，为分析站点的流时空特性提供了可能。IC 卡的数据包括旅客身份类型、源-目的地（Origin Destination，OD）［2］名称、时间。通过对乘客OD 数据的分析，可以得到站点间人流的流动规律，但现有工作更多关注居民的移动模式和城市功能区的划分等，缺少更全面地展示交通站点的流时空特性和多元环境因素的研究。IC 卡的数据规模大，直接在地图上绘制OD 数据的空间分布容易出现遮挡，不易于用户分析流传输的空间特性，若多元数据类型多，更难以结合对比分析，因此，如何从海量IC 卡数据提取交通站点的OD 流时空模式，并提出一种抽象的多元时间序列数据可视化方法展示是需要解决的问题。

为此，本文设计一个面向OD 流的支持多元数据探索的交互式分层可视分析系统。针对直接可视化大规模刷卡数据的空间分布容易视觉遮挡的问题，提出基于正交非负矩阵分解（Orthogonal Nonnegative Matrix Decomposition，ONMF）的OD 流聚类方法，对大规模交通站点聚类。……