面向空间信息网络的多特征可视化方法综述

于少波, 吴玲达, 张喜涛,李 超,马海娇

(1.航天工程大学复杂电子系统仿真实验室，北京 101416； 2. 61618部队，北京 100094；3.重庆第二师范学院，重庆 400000)

0 引 言

近年来，随着卫星研制水平、火箭发射技术、星间通讯等技术的快速发展，空间信息网络——这个服务于国防、民生多领域的网络系统，这项集多种功能于一身的基础设施所处的地位和所发挥的作用越来越重要，大到拓展国家战略利益，小到航天测控、航空运输都对其产生着巨大的依赖[1]。空间信息网络作为国家天地一体化信息网络的空间部分[2]，极大地拓展了科学研究的空间和时间尺度，世界各国充分认识到空间信息网络在国际竞争和国民经济发展中的重要作用，都在积极开展相关方面的研究，特别是以美国、俄罗斯、日本等国最为典型[3]。

网络可视化能够充分利用人类视觉感知系统，将网络数据以图形化方式展示出来，一方面辅助用于认识网络的内部结构，另一方面有助于挖掘网络内部的有用价值[4]，其实质是信息可视化的子类。当前，普遍有一种观点认为数据可视化是科学计算可视化、信息可视化和可视分析的统称[5]，笔者也赞同这种观点。数据可视化技术已经覆盖到人们生活、工作、学习和生活的方方面面，特别是互联网的广泛普及、移动终端的广泛使用，人们在享受科技发展红利的同时，也基于可视化技术真正地实现了“一图胜千言”。

探究空间信息网络的本质，可以发现其在特征、功能和性能等方面同现代社会人们构建的诸如计算机网络、物联网、通信网络、交通网络、电力网络、商业和金融网络以及社会关系网络等有极相似的基本特征，当然，空间信息网络也有其特有的显著特征，这些特征为研究空间信息网络可视化带来了极大的挑战。为此，基于这些问题和挑战，本文从不同角度系统分析了空间信息网络的特征，重点针对层次性、动态性两个方面就其网络可视化的研究现状进行了综述和分析，阐述了空间信息网络可视化当前存在的问题及挑战，行文最后，进行了总结和展望。

1 空间信息网络拓扑及特征分析

空间信息网络是从多卫星系统、空间信息系统和天基综合信息网等概念的基础上结合发展需求和趋势而逐渐演变出的一个新概念, 是指以空间平台为载体，实时获取、传输和处理空间信息的网络系统, 是为陆基、海基、空基和天基的各类用户活动提供信息保障的基础设施[6]，如图1所示，为空间信息网络概念演示。

图1 空间信息网络概念演示

如上图1所示，空间信息网络是空间信息系统、天基综合信息网的发展形态。多卫星系统是针对特定应用对象和特定航天任务而发挥作用，所以是空间信息网络、天基综合信息网和空间信息系统的子系统，航天装备体系是空间信息网络、空间信息系统、天基综合信息网的重要组成部分，发挥物质基础的作用。

空间信息网络横跨同步轨道、中低轨道、临近空间三个空中平台，同时还需同地面进行交互，所以在空间信息网络概念的基础上，本文绘制了其拓扑结构简图[6]，如图2所示。

如图2所示，从静止轨道、中低轨道、临近空间和地面4个域构建了其总体拓扑结构，实直线(—)表示在同一平台内部的连接关系，虚曲线(---)表示跨平台之间的连接关系。其中，节点度D(Degree，对角)表示相应节点所连接的有效边数，连接的有效边数不同，则对应的D值不同。

前文已有阐述，空间信息网络作为一个复杂巨型网络系统，作为信息网络系统、天基综合信息网发展的新形态，与其他网络系统相比较而言，既有相似的基本特征，也有一些显著特征，这些特征也是研究空间信息网络的重点和关键环节，如表1所示，为部分空间信息网络典型特征划分及归类。

表1 部分空间信息网络特征划分及归类

本文着重选择了6种空间信息网络的特征进行详细的说明，诸如高维、多元等特征本文不做深入探讨。

图2 空间信息网络拓扑结构

从规模结构上看，具有复杂特征。空间信息网络横跨同步轨道、中低轨道、临近空间三个空中平台，同时还需同地面进行交互，而且每个平台具有数量不等、功能异同的多颗卫星/飞机/热气球等装备，且不同装备之间还需进行互联互通，覆盖区域广泛，成员节点种类和数量众多，功能迥异，繁简不一，所以其规模庞大、结构复杂。

从组网结构上看，具有异构特征。空间信息网络由于不同平台所服务的装备种类和功能不同，所以其装备之间的组网拓扑也不尽相同，如目前已存在的同步轨道是星形拓扑，中低轨道是环形拓扑，而临近空间和地面是线性拓扑居多，所以其组网结构具有异构特征。

从业务范围上看，具有异质特征。空间信息网络不仅要从事遥感、测控、空管的任务，还要完成网络内部跨层次的通信、信息传递等，同时，在服务过程中要求其带宽、时延、误码等也不尽相同，所以其异质特征明显。

从资源分布上看，具有受限特征。不同于普通地面网络，空间信息网络主体以空天为主，所以这为空间资源的分布带来了极大的挑战，要充分考虑多种因素才能进行合理的资源分布，同时，空间信息网络中大量的通信链路暴露在空间，除了受到信号衰落、碰撞、阻塞、噪声干扰等因素影响，还受到空间环境和其他人为因素的影响，使目标对比度下降，信息传输质量变差，难以获得高分辨率、高对比度的信息，所以其资源受限现象明显。

从空间分布上看，具有多层(跨域)特征。空间信息网络横跨同步轨道、中低轨道、临近空间、陆地多个平台，且不同平台内部有着不同的运行机制，虽然不同平台之间都有相互之间的通信和交互，但是以空间分布作为划分依据的话，其层次特征明显。不仅如此，如果从功能角度分析组成空间信息网络的子系统的特性来看，因各个子系统相互较为独立，所以也具有较为明显的层次特征。

从时空行为上看，具有动态特征。空间信息网络中卫星、飞机等装备的增加、失效、更新，不同装备之间信息传输的连接、断开等；不同装备围绕着各自轨道上随时间有规律的运行，都致使其拓扑结构处在实时的变化中，既有时间上的更迭，也有空间上的移动，网络拓扑结构高度动态，造成网络拓扑实时改变，而航空和航天飞行器等节点都具有较强的机动性，大大增加了网络的不规则性，所以其具有较为显著的动态特征。

上述特征的出现，致使研究空间信息网络出现的困难屡屡不断，如规模结构和组网结构的复杂异构特征使空间信息网络体系结构设计难度增加；资源和空间分布的受限多层特征使信息获取难度增加，使星上处理、星上路由难度增加；而时空行为的动态特征致使网络管理难度增加，等等。

基于上述现实因素，其具有较为明显的多层性、动态性、异质异构性、高维多元等特征，而这些特征一方面成为空间信息网络区别于其他网络系统的依据，另一方面，这些特征为空间信息网络的建设和发展提出了更大的挑战。这些困难是当下和今后研究空间信息网络建设和发展所必须克服也是需要集中力量所要解决的。

围绕网络的层次性和动态性开展的研究，目前在其它领域的网络系统已有初步展开。而空间信息网络的上述两种特征相比较于其它信息系统而言更为典型，所以研究其多层性和动态性对于研究空间信息网络来说具有重要的意义。在本文的接下来部分，将重点从空间信息网络多层特征和动态特征方面展开其网络可视化内容的进一步论述，以期为研究空间信息网络拓扑结构提供多方面的可视化指导。

2 基于多特征的网络可视化

网络可视化能够通过形式化的方式将网络数据进行展示，并实现进一步的可视分析，面对空间信息网络的多维特征，可视化技术为分析其特征提供了一种新的思路和方法。与其它可视化一样，面向空间信息网络的多特征可视化也存在一些基本的功能和性能要求。如要在整个可视化过程中满足基本美学准则(Aesthetics criterion)[7]，始终能够保持用户的意向图(Mental map)[8]等,其基本美学准则主要用于指导清除网络中的视觉混乱现象，包括边交叉数量最小、邻接点要相互靠近、直线边、边布局要保持整体平衡、节点布局要形成层次、布局准则一致性和网络边可追溯性等准则；意向图主要是指无论是对其进行多层可视化，还是进行动态可视化，用户不需要反复调整其对可视化后网络的新认识和新感知[9]，满足于这些功能和性能的需求才能达到理想的可视化效果。下面着重从多层特征和动态特征两个角度进行多特征可视化的综述。

2.1 基于多层特征的空间信息网络可视化

空间信息网络的多层特征为我们提供了一种以层次思想分析空间信息网络的拓扑结构的思路。通过查阅相关文献可知，层次网络可视化最早是针对单层网络展开的系列研究，随着网络结构的高度复杂，单层网络已经不足以描述网络的复杂特性，人们逐渐引入多层网络来解决这个问题[10]。

目前，在多层网络可视化方面，仍然是利用较为传统的模式来解决新的问题，针对多层网络进行可视化研究的文献还相对较少，然而，基于多层网络的高度灵活性，研究其可视化具有很大前景。

早在2015年，Luca Rossi 等人[11]最早讨论了多层网络的可视化策略，他们认为虽然有部分学者将研究兴趣逐渐集中到多层网络的分析上来，但目前还没有针对这一内容提出专业的可视化方法，而解决当前问题的方案只能依靠传统的方法。De Domennico M等人[12]基于自主研发的可视化工具MuxViz完成了项目MULTIPLEX，然而，该平台目前只能实现概念演示，尚不支持交互式可视分析，其实质是一个用于多层网络可视化的实验性质的平台。在社会网络领域，将传统网图的思想应用到多层网络布局中是一种展示网络层次结构特征的有效途径，M. Magnani等人[13]采用社会关系网图实现了对社会网络层次拓扑结构的可视化，如图3所示。

图3 多层网络的社会关系网图

如图3所示，为包含5层连接关系的多层网络社会关系网图。左图中在显示单一连接关系时，社会关系网图能够清晰展示节点聚类关系，但是在考虑多类型连接关系时，右图中，连接关系的多样性和复杂性造成了聚类不明显、连边重叠和关系错乱以及密度位置信息丢失等问题。出现上述问题是该思路的一个弊端，也即会使有关层之间的结构信息会完全丢失。

为了解决多层网络层次信息丢失问题，一种名为增广节点属性的方法被提出。该方法为分属不同层的连边和节点着色，通过不同的颜色来区分层次信息，生成增广信息的社会关系网图，虽然这种方法获得的可视化结果更漂亮，但是事实上增加的信息量相对较少，虽然某些密集区域能够被观察到，但是几乎不可能理解它们与多层网络结构有什么关联。后续的，又有人提出采用典型的层叠切片模型能够解决连边混乱重叠和聚类不明显的问题[14]。W. Longabaugh等人[15]提出基于某个特定的矩阵确定节点和连边的位置顺序建立序列社会关系网图，该方法通过序列社会关系网图不仅可以得到网络节点度分布的概览信息，还能考察邻居节点、距离、连边类型和同配性(或异配)等信息，然而，这种方法基本不能直观展示网络的拓扑结构。

在国内，网络的多层特性逐渐被更多的研究者所关注。张喜涛等人[16]在其文献中,在总结网络可视化标准的基础上，分析多层网络可视化的挑战，综述了多层网络可视化模型、研究现状与动态，指出当前研究中存在的不足和后期的重点研究方向。然而，在国内研究多层网络可视化并公开发表的文献还相对较少。

综上所述，结合多层网络和可视化开展的研究还较少，且当前可用于多层网络的可视化模型较少，并且不能很好地处理节点异质性、多类型的连边关系和大的数据规模问题，需要不断发展新的技术和方案来改进网络可视化的模型，从而实现有效的多层空间信息网络可视化。

2.2 基于动态特征的空间信息网络可视化

前文在分析空间信息网络特征时曾提到，从时空行为角度分析，空间信息网络具有显著的动态特征。结合空间信息网络在未来战争中的地位和作用的重要性可知，稳定的拓扑结构是其发挥其功能作用的前提和基础，而空间信息网络的动态性会使其拓扑结构发生“牵一发而动全身”的现象。

研究空间信息网络动态可视化，基于网络理论和可视化技术来开展，映射到具体的空间实体可以抽象为节点，而空间实体之间的交互(数据、信息传输)可以抽象为连边，因而，空间信息网络的动态特征就映射为节点的增加或删除、连边的连接或断开等。空间信息网络的动态性既包括时间维的动态，也包括空间维的动态，而且其时间维和空间维的动态是同时存在的，从时间维来看，是指随着时间变更引起的空间信息网络拓扑结构发生的变化；从空间维来看，是指随着空间位移所引起的空间信息网络拓扑结构发生的变化。这些现象都会使可视化的网络拓扑处于一个实时的更替中，特别是节点和边的布局等，如果不加以重视则会出现大范围的节点重合、连边交叉等视觉混乱的现象，特别是对于大部分用户来说需要反复调整其对可视化后网络的认识和感知，这都违背了进行网络可视化的初衷。所以，研究空间信息网络的动态拓扑结构具有重要的理论意义和现实价值。

通过查阅文献可知，早期人们开展的相关研究主要以静态网络拓扑为研究对象，而大多数网络数据其本质上也都具有动态特性，同空间信息网络一样，即节点和连边的数量和属性等信息随着时间而发生改变，然而，由于时间维度的增加导致网络数据规模迅速的增加，网络结构和属性的不断变化，这都给网络可视化提出了更多的挑战，所以在该方面开展的研究和取得的研究成果还相对较少。

时变复杂网络通常采用时间片序列来描述，根据时间的先后顺序，从时变复杂网络中提取一系列瞬时的网络快照，构成时间片序列。基于时间片序列的网络可视化技术在社会网络、计算机网络、软件工程、生物学、社会媒体分析等领域得到了广泛的应用。

台湾国立成功大学的冯坤晨等人[17]为了实现在单层框架中的时空一致性和多焦点+上下文的可视化，提出了一种时变图绘制方法，该方法利用已有算法实现初步布局，然后基于F+C构造和形成连续的时变图，从而达到实现时变图可视化的目的，其方法如图4所示。

罗格斯大学的James Abello等人[18]针对在大规模动态网络中追踪时间的改变会使一些网络节点信息的丢失等问题，提出了一种基于模块化兴趣度描述的可视分析方法，该方法基于相邻结构信息、大量节点/连边属性和演化信息，从而实现相应的可视化。德国斯加特大学F. Beck等人[19-20]认为动态网络可视化的主要挑战在于如何易读、易测量和设计有效算法去呈现不同实体的演化关系，他们通过系统地归类和标记已公开发表的方法，系统阐述了动态网络可视化的发展现状，如图5所示。

埃因霍芬理工大学的S. van den Elzen等人[21]针对动态网络可视分析已有方法的不完善，提出一种将时间快照缩小为点方法，从而实现将网络从高维降低到二维进行可视化和交互，该方法主要包括离散化、向量化、标准化、降维和交互5部分，该方法针对部分人造和真实网络起到了有效的展示，其流程步骤如图6所示。

图4 焦点+文本时变可视化绘制方法

图5 动态网络可视化方法归类

图6 “快照-点”动态网络可视化技术

Chenhui Li等人[22]研究了基于模块的大规模网络数据可视化，通过设计和开发ModuleGraph系统，基于该系统开展了社交网络和空间网络的动态结构展示。近些年对动态网络可视化的研究重点集中在模型[23-24]的研究和系统[25-26]的研发上，在理论和算法方面已经相对成熟，并没有太多的文献可供参考。

在国内，杭州电子科技大学的刘真等人[27]从动态网络数据模型和可视化标准、基本动态图可视化方法和面向多任务的可视分析几个方面较为系统的综述了当前动态网络可视化和可视分析的发展现状，是国内较为少数的动态网络可视化方面的研究文献。笔者[28]在前期的研究中，重点从网络布局、属性可视化和用户交互三个角度综述了动态网络可视化的典型技术和方法。

关于动态网络可视化技术的研究和发展还在不断的进行着，然而面向任务进行可视化和可视分析应该是今后发展的主流，特别是结合特点鲜明的研究对象开展相关方面的研究更应该是值得提倡和鼓励的。由于空间信息网络的概念提出的相对较晚，目前主要集中研究的核心问题还停留在较为初级的、也是较为的核心的动态网络拓扑建模上，关于其动态网络可视化和可视分析还没有相关公开发表的文献进行过论述。

本文在前面部分结合时间脉络重点论述了近些年具有代表性的动态网络可视化和可视分析方法,并通过图示的办法简要展示了相关方法的核心思想和实施步骤。关于上述可视化和可视分析的方法是否能够原原本本地移植到空间信息网络的动态网络可视化和可视分析中，还有待在今后的研究中进一步加以验证。

3 问题与挑战

近年来，围绕网络可视化的研究已经取得了一些进展，但围绕空间信息网络可视化方面还存在着一些问题和挑战：

(1)目前保持动态稳定性的可视化模型还处于初级研究和开发阶段，保持动态稳定性的方式较少，如何能够更好的保持用户对可视化序列的认知和心理感知，是提高可视化有效性的有效途径，还需要深入研究。

(2)结合空间信息网络理论和可视化技术，实现交叉领域学科的前沿创新。空间信息网络是一个具有多层特征和时变特征的复杂网络，目前还处于理论探索阶段。传统的可视化研究关注点大多集中于单层的、静态的网络，而空间信息网络可视化技术不仅关注复杂网络理论的发展，而且关注可视化技术的发展，处于复杂网络和可视化领域的交叉研究前沿。

(3)融合多层动态特征的空间信息网络可视化和可视分析平台的开发。空间信息网络作为未来战场进行信息支援的核心要素，基于多特征融合的可视化平台展示和分析空间信息网络的宏观结构，基于查询呈现整体或局部的网络功能和性能，有助于空间信息网络的管理者从中获得信息启示，从而整体把握空间信息网络的运行情况，从而确保空间信息网络发挥其作用。

(4)提高空间信息网络可视化与可视分析平台的易用性。由于普通用户通常不具有相关专业领域的知识，导致其难以熟悉、理解和应用可视化和可视分析平台，对于从事空间信息网络的规划者、设计者、建设者的人员来说一定的基础知识是必须具备的，这限制了可视化平台的推广和广泛使用，所以要提高可视化平台的易用性。

4 结 语

空间信息网络可视化是空间信息网络与可视化交叉形成的新方向，基于多层和动态特征研究空间信息网络可视化有助于通过图形化的交互手段进一步深入分析空间信息网络的体系结构。本文总结梳理了基于多特征的空间信息网络可视化技术，讨论了空间信息网络可视化面临的问题和挑战。

本文的下一步研究将结合空间信息网络的不同需求，研究面向多维认知的可视分析模型，改进基于多层和时变特征的空间信息网络可视化方法，同时，通过构建一个融合多层时变复杂网络可视分析原型系统，为规划者、建设者、设计者等各类人员提供一个观察、分析和理解空间信息网络的图形化通道，为深层次认知空间信息网络和深入挖掘各要素的交联关系与作用方式提供技术支撑。

：

[1] 国家自然科学基金委员会, 空间信息网络基础理论与关键技术研究计划2016年度项目指南[EB/OL]. http://www.nsfc.gov.cn/publish/portal0/tab38/info51946. htm. 2016-03-25.

[2] 黄惠明, 常呈武. 天地一体化天基骨干网络体系架构研究[J]. 中国电子科学研究院学报, 2015, 10(5): 460-467+491.

[3] 董飞鸿. 空间信息网络结构优化设计与研究[D]. 南京: 解放军理工大学. 2016.

[4] Ahmed A, Dywer T, Hong Seok-Hee, et, al. Visualization and analysis of large and complex scale-free networks[C] //Processding of Eurographics. 2005: 1-8.

[5] 陈为, 沈则潜, 陶煜波. 数据可视化[M]. 北京: 电子工业出版社, 2013.

[6] 于少波, 吴玲达, 张喜涛. DaaC：空间信息网络体系结构建模方法[J]. 通信学报, 2017, 38(Z1): 165-170.

[7] A Aris. Network Visualization by Semantic Substrates [J]. IEEE Transactions and Computer Graphics.2006, 12(5): 1-8.

[8] Helen C Purchase, Eve Hoggan, Carsten Gorg. How Important is the “Mental Map”?-an Empirical Investigation of a Dynamic Graph Layout Algorithm [C]//GD’06 Proceeding of the 14th international conference on graph drawing. Heidelberg: Springer-Verlag Berlin, 2007, 184-195.

[9] 胡华全, 吴玲达, 杨超, 等. 时变网络可视化研究综述[J]. 系统仿真学报, 2013, 25(9): 1975-1980+1989.

[10] 周建国. 基于DTN的空间综合信息网络关键技术研究[D]. 武汉, 武汉大学, 2013.

[11] 张欣. 多层网络理论研究进展：概念、理论和数据[J]. 复杂系统与复杂性科学, 2015, 12 (2) : 103-107.

[12] Luca Rossi, Matteo Magnani. Towards effective visual analytics on multiplex and multilayer [J]. Chaos, Solitons & Fractals, 2015, 72: 68-76.

[13] De Domenico M, Porter MA, Arenas A. Multilayer analysis and visualization of networks, arXiv preprint 1405.0843.

[14] M. Magnani, L. Rossi. The ML-Model for Multi-layer Social Networks, in: ASONAM, IEEE Computer Society, 2011, 5-12.

[15] M. Magnani, A. Monreale, G. Rossetti, F. Giannotti, On multidimensional network measures [C] //Proceedings of Italian Conference on Sistemi Evoluti per le Basi di Dati (SEBD), 2013.

[16] Zhang X T, Wu L D, Yu S B, et al. Survey on Multilayer Networks Visualization [C]//Proceedings of 2017 IEEE 8th International conference on software engineering and service science, IEEE press, 2017, 621-625.

[17] W. Longabaugh. Combing the hairball with BioFabric: a new approach for visualization of large networks, BMC Bioinformatics 13 (1) (2012) 275+.

[18] KunChuan Feng, Chaoli Wang, Han Wei Shen, el. Coherent Time-varying graph drawing with multi-focus + context interaction [J]. IEEE transactions on visualization and computer graphics, 2012, 18(8): 1330-1341.

[19] J. Abello, S. hadlak, H. cchumann, el. A modular degree-of-interest specification for the visual analysis of large dynamic networks [J]. IEEE transactions on visualization and computer graphics, 20(3): 337-350, 2014.

[20] F. Beck, M. Burch, S. Diehl, el. The state of the art in visualizing dynamic graphs [C]//Proceedings of Eurographics Conference on Visualization, 2014.

[21] F. Beck, M. Burch, S. Diehl, et al. A taxonomy and survey of dynamic graph visualization [J]. Computer graphics forum, 2016, 36(1): 133-159.

[22] S. Elzen, D. Holten, J. Blaas, el. Reducingsnapshots to points: a visual analytics approach to dynamic network exploration [J]. IEEE Transactions on Visualization and Computer Graphics, 2015.

[23] C H. Li, G. Baciu, Y Z. Wang. Module-based visualization of large-scale graph network data [J]. Journal of Visualization, 2017, 20(2): 205-215.

[24] C. Stadtfeld, J. Hollway, P. Block. Dynamic Network Actor Models: Investigating Coordination Ties through Time [J]. Sociological Methodology, 2017.

[25] A G. Forbes, A Burks, K Lee, et al. Dynamic Inuence Networks for Rule-based Models [J]. IEEE Transactions on Visualization and Computer Graphics, 2017.

[26] A Srinivasan, H Park, A Endert, et al. Graphiti: Interactive Specification of Attribute-based Edges for Network Modeling and Visualization [J]. IEEE Transactions on Visualization and Computer Graphics, 2017.

[27] 刘真, 吴向阳, 郑秋华. 动态网络可视化与可视分析综述[J]. 计算机辅助设计与图形学学报, 2016, 26(8): 693-711.

[28] Yu S B, Wu L D. A Key Technology Survey and Summary of Dynamic Network Visualization [C]// Proceedings of 2017 IEEE 8th International conference on software engineering and service science, IEEE press, 2017, 474-478.