Frontier of physics interactive map

people have not been content to see events as unconnected and inexplicable. They have craved an understanding of the underlying order in the world.

该网站交互式得呈现了至今为止发现的所有重大物理理论和它们之间的联系,为高度复杂的理论提供了简明的描述,同时用户可以通过浏览该网站提供的文章和视频获取每个理论更多的信息。
Snip20190404_1.pngSnip20190404_2.pngSnip20190404_3.png
m.2019-04-04 16_36_55.gif
by @司马淇(simaqi)

文明之花(nation in bloom)

如果上帝拥有一座花园的话,恐怕就是一副这样的景象吧 —— nation in bloom 选取了基尼系数、快乐指数、人类发展指数、世界幸福报告评分、可持续发展评价这5个量化指标,将其编织为花朵的形状,描绘了一副世界文明的图景。国家是这幅图景中的原子单位,并将其按地理及细分地理进行分组描绘。从上图可以看到,每一朵花的花瓣是由该大区的平均数据构成的,而颜色鲜艳的花蕊部分则是由小区域的具体数据构成,组成小区的原子国家单位则如同根系一样堆积在花朵的底部,信息层次非常分明。

屏幕快照 2019-04-03 下午11.22.14.png

在一切偏艺术的可视化项目中,“花朵”是一个频繁出现的主题和意向。为什么花朵如此受到青睐呢?除了它们能够带来充满愉悦感、熟悉感的联想之外,其实花朵还具有类似雷达图的一些视觉特征,在相当一部分场景下属于雷达图的扩展应用。
by @sakuya(liuye-szvim)

Uber自动驾驶可视化系统AVS

AVS是用于描述和可视化自动车辆感知,运动和规划数据的新标准,提供了一个功能强大的基于Web的工具包,用于构建应用程序,用于探索,交互,并且最关键的是,使用该数据做出重要的开发决策。
Uber围绕两个关键部分构建了AVS系统:XVIZ提供数据(包括管理和规范),而streetscape.gl是为Web应用程序提供动力的组件工具包。
墨者修齐 2019-04-08·文明之花、Uber 自动驾驶可视化系统 AVS、Wind Map - 图6 墨者修齐 2019-04-08·文明之花、Uber 自动驾驶可视化系统 AVS、Wind Map - 图7
by 乌诺

How I built a wind map with WebGL

来自 Mapbox 工程师,使用了 GPU 粒子动画 🔗动态展示风的轨迹,数据来源是 US National Weather Service 每六小时发布的全球天气数据。不过有一点遗憾是还不支持随地图缩放改变。

image.png

另一个比较有名的关于风运动轨迹的展示项目:https://earth.nullschool.net/,使用的是 canvas 而非 WebGL。


image.png

我在想后续为 L7 也增加类似的 GPU 粒子动画来展示这一类天气数据,如果支持 WebGL2,还可以使用 Transform Feedback 进一步提升性能。
by @沧东(cangdong)

BILLIONS OF BIRDS MIGRATE.WHERE DO THEY GO?

这是国家地理一个关于鸟类迁徙的可视化作品。鸟的类型不同,迁徙的路径也不尽相同。
屏幕快照 2019-04-05 上午10.47.42.png
不仅有每种鸟类在不同季节的情况,还有针对每种鸟类迁徙特殊情况的细节说明。
time.gif
by @青湳(qingnan)

基于日历的团队沟通文本信息可视化

分享港科大傅四维博士的一篇论文,基于日历的团队沟通文本信息可视化。
t-cal-understanding-team-conversation-data-with-calendar-based-visualization.pdf
Screen Shot 2019-04-05 at 11.50.04 AM.png

这篇文章的视觉通道编码方式很有意思,将一个 slack(或者说钉钉群、微信群)中不同团队成员针对不同话题的讨论密度可视化了出来,在有限的空间里做到了和谐而又高效的展示。

Screen Shot 2019-04-05 at 11.50.19 AM.png

波形的横幅宽度代表参与讨论的留言数,用一根曲线链接出时间顺序,并且不容易导致细节元素重叠。每一个点代表一条留言,不同颜色代表不同的成员。vis 还支持缩略图形式的展示。
by @步茗Neo(neowang)

Never let bad cartography lead to missed opportunities

地理数据可视化不因引用糟糕的制图而错失机会。CARTOColors 会自动为你的位置数据建议最容易理解的可视语言。从多种颜色方案中进行选择,优化以准确表示分析结果。三种数据分类方式,每种分类提供了多种颜色方案。
image.png
by @ThinkGIS(xiaofengcanyue)