在地图上以颜色显示不同地区的新冠病毒风险水平,需要就感染个案数据作自动和实时的更新及计算。要发挥地图的功能,更新和计算过程必须快速完成,并支持高分辨率图像的生成。现时应用于时空数据分析的“核密度可视化”(Kernel Density Visualisation)计算工具,被用作支持图像的产生。
虽然许多统计及地理成像软件工具,均可支持传统的“核密度可视化”,但它们均未能支持“香港新冠病毒热点分析图”所需,涉及数以百万计大规模数据集的高分辨率“核密度可视化”。此外,传统的“核密度可视化”算法,亦无法支持动态图像的实时生成。
徐建良教授(中)带领的研究团队运用复杂性优化理论,开发出一套新的演算方法。
为解决这些难题,研究团队运用复杂性优化理论,开发出一套新的演算方法。新算法配合渐进式可视化框架,产生持续的局部成像,以减少“核密度可视化”的运算时间。团队运用大规模数据集进行实验,结果显示新算法的运算时间,较现有最先进的方法快100倍。新的演算方法,令分辨率提高至1,376 x 960像素(高清分辨率),并能以少于0.5秒的计算时间处理100万个数据点,表现优胜于其它现有工具。
新演算法能否应用于其他领域?