Task-Oriented and Change-Preserving Data Classification for Multi-Temporal Choropleth Maps

Abstract

Series or animations of classified choropleth maps are an important form of reproducing multi-temporal, cardinally scaled data sets, especially in media. However, there are problems with such representations that are not taken into account by the known methods of data classification (such as equidistant grouping or quantiles), and therefore lead to visualizations that are not sufficiently suitable for use. On the one hand, different questions and change analysis tasks are not explicitly considered in the process of making these maps. In the following, typical change tasks are singled out (i.e. show absolute differences, absolute percentage changes, positive changes and deviations from the trend) and the corresponding metrics for quantitative description are proposed. On the other hand, there are no measures in the usual procedures to avoid the loss of significant changes after classification (i.e. the regions belong to the same class). In the following, a procedure is therefore proposed that begins with rules for assigning value differences to class differences (e.g. based on statistical significance). Based on this, a preservation measure is defined that describes the success of obtaining the desired class differences after applying the classification. This measure can also be used to guide a new classification procedure. Using two multi-temporal data sets, the effects of the developed measures and methods are demonstrated both numerically and visually in corresponding choropleth maps.

Serien oder Animationen von klassifizierten Choroplethenkarten sind, gerade in Medien, eine wichtige Form der Wiedergabe multi-temporaler, kardinalskalierter Datensätze. Gerade bei solchen Darstellungen gibt es aber Probleme, die durch die bekannten Verfahren der Datenklassifikation (wie äquidistante Einteilung oder Quantile) nicht beachtet werden und daher zu nicht hinreichend gebrauchstauglichen Visualisierungen führen. Zum einen werden unterschiedliche Frage- bzw. Aufgabenstellungen bei Veränderungsanalysen nicht explizit berücksichtigt. Im Folgenden werden typische Veränderungsaufgaben herausgegriffen (d.h. zeige absolute Differenzen, absolute prozentuale Änderungen, positive Änderungen, Abweichungen vom Trend) und entsprechende Metriken zur quantitativen Beschreibung vorgeschlagen. Zum anderen gibt es bei den üblichen Verfahren keine Maßnahmen, um den Verlust signifikanter Veränderungen nach der Klassifikation zu vermeiden (d. h. die Regionen gehören derselben Klasse an). Im Folgenden wird daher ein Vorgehen vorgeschlagen, das mit Regeln zur Zuordnung von Werteunterschieden zu Klassenunterschieden (z. B. basierend auf statistischen Signifikanzen) beginnt. Darauf aufbauend wird ein Maß definiert, das die Erlangung der gewünschten Klassenunterschiede nach Anwendung der Klassifikation beschreibt. Dieses Maß kann auch verwendet werden, um ein neues Klassifikationsverfahren zu steuern. Anhand zweier multi-temporaler Datensätze werden die Wirkungen der entwickelten Maße und Methoden sowohl nummerisch, als auch visuell (durch entsprechende Choroplethenkarten) demonstriert.