TransportViz: Visualisering av transportflöden

TransportViz: Visualisering av transportflöden Gabriel Jonsson Mattias Lagergren Erik Johansson 26 maj 2009 Sammanfattning Denna rapport presenterar resulatet av ett projekt som utfördes i kursen Informationsvisualisering (TNM048), under våren 2009 vid Linköpings Universitet. Projektet utfördes i sammarbete med Sonat AB med målsättningen att visualisera en given mängd historisk transportdata som beskriver transportflöden mellan ett bestämt antal regioner i Sverige. Resultatet är applikationen TransportViz, utvecklad i C#.NET med hjälp av ramverket GAV och DirectX. Applikationen innehåller bl a en karta indelad i regioner där varje transportflöde representeras av en egenutvecklad flödesglyf och med ett cirkeldigram för varje region som beskriver förhållandet mellan olika kvantifierbara variabler i datan. Applikationen ger även stora möjligheter till interaktiv filtrering av datan och vad som ska visas på kartan. 1

Innehåll 1 Bakgrund och problemställning 3 1.1 Insamling av data.......................... 3 1.2 Syfte och Målsättning........................ 3 2 Metoder och verktyg 5 2.1 Quick&Dirty............................. 5 2.2 Data.................................. 5 2.3 GAV.................................. 6 2.3.1 ParallelCoordinates..................... 6 2.3.2 ChroloplethMap....................... 6 2.4 Datatransformer........................... 7 2.5 Flödesglyfer.............................. 7 2.6 Pie-charts (Cirkeldiagram)...................... 8 2.7 Tooltips................................ 9 2.8 Grupperingar och områdesfiltrering................. 10 3 Resultat 11 3.1 Överblick............................... 11 3.2 Zoom och filtrering.......................... 11 3.3 Details on Demand.......................... 12 4 Diskussion 13 4.1 Värdet av informationsvisualisering................. 13 4.2 Att förstå användaren och tillämpningen.............. 13 4.3 Fiktiv data, mönster och hypoteser................. 13 4.4 Från översikt till detaljer....................... 14 4.5 Dolda fel................................ 14 4.6 Reflektioner från Sonat........................ 15 5 Vidareutveckling 16 5.1 Tidsaspekten............................. 16 5.2 Datamining.............................. 16 5.3 Funktionalitet för transportplanering................ 16 5.4 Användbarhetsutvärdering...................... 16 A Andvändbarhetsanalys 18 A.1 Syfte.................................. 18 A.2 Upplägg................................ 18 A.3 Resultat................................ 18 A.4 Diskussion............................... 19 2

1 Bakgrund och problemställning Denna rapport presenterar resultatet av ett projekt i kursen Informationsvisualisering (TNM048) vid Linköpings Universitet, våren 2009. Projektet genomfördes i samarbete med Sonat AB i Norrköping och bygger på ett verkligt visualiseringsproblem. Sonat, som är ett konsultföretag som jobbar med logistikutveckling, arbetade vid den här tiden med transportplanering för Lantmännen AB. De ville undersöka möjligheten att genom visualisering av transportflöden i sverige, baserat på en given mängd transportdata, öka förståelsen och underlätta beslutsfattningar i transportplaneringen. 1.1 Insamling av data Den ursprungliga datan som ligger till grund för projektet kommer från Sonat och består av över 400 000 rader där varje rad utgör en specifik transport som bl a innefattar datum då transporten ägde rum, start- och destinationsort samt den vikt som transporterades. Sonat har på olika sätt bearbetat denna rådata och baserat på intern kompetens och erfarenhet har de delat upp Sverige i 20 områden och förenklat datan till en transportflödesmatris enligt tabell 1. Den visar transporterad vikt i ton mellan och inom de 20 områdena. Denna typ av data används som input till den applikation, TransportViz, som projektet resulterat i. 1.2 Syfte och Målsättning I ett skarpt projekt som detta krävs god och kontinuerlig kommunikation för att utvecklaren och beställaren/användaren ska förstå varandras behov och förutsättningar. En representant från Sonat vid namn Andreas Pettersson involverades tidigt i projektet för att genom möten tillsammans med projektgruppen redogöra för syften och målsättningar med projektet. Syftet med projektet är att stödja Sonat med verktyg som ökar insikten om transportflöden och underlättar transportplanering. Målet med applikationen är att minska komplexiteten i datan och därigenom öka förståelsen. Det skall vara lätt att skapa sig en visuellt överblick över transportflödena, med låg detaljnivå för att sedan fokusera och öka detaljnivån inom intressanta områden. Applikationen skall synliggöra förväntade samband, samtidigt som nya insikter skapas genom att icke triviala samband förtydligas. Inledningsvis sattes ett antal konkreta mål upp om vad som skulle framgå visuellt på kartan. Utifrån den givna datan kan man definiera tre typer av transportflöden: Lokala flöden. Transporter inom en enskild region. Kombinationsflöden. Transporter mellan två regioner som matchar varandra. Innebär i praktiken att lastbilar som kör åt ena hållet kan ta med sig last tillbaka. Envägsflöden. De flöden som är enkelriktade. Med andra ord övriga flöden. 3

Målet var att på lämpligt sätt visa dessa tre typer av flöden på en karta och hur de förhåller sig till varandra. Andra attribut som skulle kunna ingå i visualiseringen är t ex storlek och riktning på flöden, andel lokala/kombination/envägs för varje region, förhållandet mellan flödena mellan två regioner, samt totala transportmängden för varje region. 4

2 Metoder och verktyg I kursen TNM048 har ett stort antal metoder och verktyg för informationsvisualisering inom olika områden och tillämpningar presenterats. Dock har området flödesvisualisering bara berörts mycket kort. Projektet inleddes därför med en förstudie i syfte att kartlägga befintliga metoder och lösningar som använts vid liknande visualiseringsproblem samt för att hitta inspiration till nya idéer. Genom brainstorming formades konkreta idéer för det specifika ändamålet och beslut togs angående vilka komponenter som skulle vara lämpliga att använda. 2.1 Quick&Dirty Under idéfasen utvecklades en enkel prototyp för själva visualiseringen och vad den skulle innehålla. Den första protoptypen var en enkel bild med förklarande text över funktionaliteten. Syftet med denna prototyp var att snabbt få fram ett testbart resultat som kunde utvärderas av användaren, som i det här fallet var Andreas. Prototyperna har efter utvärdering och testning utvecklats iterativt genom hela projektet för att nå det slutliga resultatet. Metoden som användes under utvecklingen för att utvärdera våra prototyper kallas för Quick & Dirty. Den går i korthet ut på att användaren på egen hand och på enklaste sätt analyserar prototypen för att sedan återkomma med lika snabb och enkel feedback. Metoden var speciellt lämplig i det här projektet med tanke på den korta tiden och att användaren ofta var tillgänlig för testning men under korta pass. 2.2 Data Den rådata på 400 000 poster som Sonat bearbetat baserat på de 20 egendefinierade områdena resulterade i en 20 gånger 20 posters tabell. Tabellen beskriver flödet inom och mellan områdena. Från/Till A B C A 0 546 54 B 324 967 45 C 4943 82 65 Tabell 1: Flödesdata som beskriver flödet mellan och inom områden. Tabellen läses horisontellt. Flödet från A till C är 54 och flödet från C till A är 4943. Lokala flödet inom B är 967. Denna representation av datan är väldigt kompakt och intuitiv, men det krävs en hel del bearbetning och datatransformationer för att kunna avända datan som input i de visualiseringskomponenter som implementerats i applikationen. Datan är genomgående kvantifierbar vilket gör beräkningar, jämföringar och bearbetningar enklare. Möjligheten till datafiltrering i realtid, t.ex. med Parallel Coordinates, ökar. 5

2.3 GAV Projektet har implementerats i GeoAnalytics Visualization Framework (GAV) [1]. GAV innehåller många färdiga komponenter för informationsvisualisering och har fungerat som bas för vidare utveckling. De komponenter vi valt att använda oss av är ParallelCoordinates samt ChroloplethMap med tillhörande MapLayer komponenter. Genom idéarbetet framkom behov av en del komponenter som inte existerar i frameworket. Stort arbete har därefter lagts på att utveckla och integrera dessa komponenter i riktlinje med GAVs design och struktur. GAV i sig är implementerat med hjälp av C#.NET och DirectX managed code. Detta är även vad som användts för att implementera övriga delar av projektet. Figur 1: En överblick över hela programmet. ChroloplethMap utmärkt med orange och ParallelCoordinates med grönt. 2.3.1 ParallelCoordinates Komponenten Parallel Coordinates (se figur 1, grön) används för att den ger stora möjligheter till interaktiv filtrering av multivariabel data. På detta sätt kan man utforska datan och hitta nya mönster och sammanhang. 2.3.2 ChroloplethMap ChroloplethMap (se figur 1, orange) är en komponent för att hantera olika MapLayers (kartlager). De olika lagren har olika funktionalitet som t.ex. att rita ut och färga olika delar av en karta. De olika glyfkomponenter som vi implementerat under projektet är såkallade MapLayers och går att använda var för sig. Den karta som använts under projektet är hämtad från Statistiska Centralbyrån och har fungerat som protoyp. Att skapa en ny karta med de områden som Sonat definierat har prioriterats bort eftersom det ligger utanför ramarna 6

för kursen och fokus har istället legat på att utveckla de nya glyflagrena till kartan enligt projektmålen. 2.4 Datatransformer För att anpassa indata till det format som GAV kan hantera har två olika datatransformationer utförts. De båda utgår från den relationstabell som är input till applikationen. Vi kallar dem: RegionDataTransform (RDT) samt FlowData- Transform (FDT). Som namnen antyder handlar det om två specifika ändamål. RDT har som uppgift att transformera data på formen enligt tabell 1 till en lista med totala flödesstatistiken för en given region R. Region Enväg Kombination Intern Total 1 52658 0 113922 166580 2 948 1166 132005 134119 3 200589 250 17816 218655............... Tabell 2: Datatransformen RegionDataTransform som innehåller flödesstatistik för regionerna. Resultatet utav RDT kommer alltså att vara en array av 20 stycken poster av typen tabell 2. FDTn är till för att extrahera data som beskriver varje specifikt flöde. Problematiken är att samtliga flöden i tabell 3 skall beskrivas utan att samma flöde förekommer två gånger. Källa Utgående Inkommande Mål Total Flödesavdelare 8 6508,2 1254 9 7762,2 0,8384 7 65 6854 16 6919 0,00939 9 6854 5684 18 12538 0,546.................. Tabell 3: Datatransformen FlowDataTransform som innehåller flödesstatistik för enskilda flöden. Om man studerar tabell 3 och tänker sig att man delar tabellen i två trianglar med diagonalen mellan nedre vänstra och övre högra hörnet, kommer man till insikten att den övre triangeln, diagonalen exkluderad, beskriver de flödesrelationer som behövs. 2.5 Flödesglyfer Ett utav målen med projektet var att visualisera flödet mellan regioner. Efter samtal med Sonat formulerades följande krav på flödesvisualiseringen: Man skall kunna titta på två regioner och skapa sig en uppfattning om storleken och balansen av transportflödet, om ett sådant existerar. Genom att titta på en enskild region skall man kunna skapa sig en förståelse för hur många flöden den har och hur de är balanserade. 7

Figur 2: Utfiltrerad flödesglyph Genom att titta på hela kartan skall man kunna skapa sig en bred överblick. Viktiga knytpunkter med många, stora flöden skall framkomma tydligt. Efter diskussioner och utvärdering av konceptskisser tillsammans med kund valde vi att visualisera ett flöde som ett enkelt streck mellan två regioner enligt figur 2. För att förtydliga och framhäva viktiga flöden låter vi streckets tjocklek variera beroende av storleken på flödet. Strecket är uppdelat i två delar, med en markör på mitten som visar var balansen i flödet ligger. Färgen på de båda delarna beror på balansen enligt principen av att strecket är en slider. Om markören (slidern) är ställd exakt på mitten, dvs att det är jämn balans i flödet, har de båda delstrecken exakt samma färg. Om man sedan tänker att man skjuter slidern åt något håll kommer färgintensiteterna att variera på samma sätt. Andra koncept med större, mer avancerad representation togs fram, men dessa förkastades dock på basis av ökad överlappning mellan flöden och andra glyfer. 2.6 Pie-charts (Cirkeldiagram) Figur 3: Piechart (Cirkeldiagram) Även om förhållandet mellan de olika flödestyperna (se avsnitt 1.2) återspeglas i flödesglyferna så fann vi att detta inte var tillräckligt. Våra mål ställer högre krav på intuitiv förståelse av regioners flödesfördelning. Vi fann det därför nödvändigt med glyfer som explicit anger fördelning mellan de lika flödestyperna. 8

Färgmappning, star-glyfer och andra alternativ övervägdes men förkastades. Slutsatsen efter diskusioner och olika konceptskisser blev att ett pie-chart-diagram skulle uppfylla våra krav, se 3. Denna komponent existerade inte out-of-thebox i GAV utan fick istället utvecklas. Både flödesglyferna och piechartsen använder sig av shaders för att rita på skärmen. Vid användning av shaders sker beräkningar på grafikkortet istället för på cpu:n. 2.7 Tooltips Figur 4: Tooltip för flödesglyfer De flöden som visas på kartan ger bara en övergripande uppfattning om storlek och dess riktningar. Detaljerad information om hur stor vikt som transporteras i ett specifikt flöde kan vara av intresse och utgör en viktig del av det detail-on-demand-krav som vi ställer på applikationen. Lösningen på detta blev att implementera en egen variant av Tooltips (se figur 4) som kopplas till flödesglyferna. Med hänsyn till den stora mängden flöden som kan förekomma på skärman samtidigt bestämdes att endast fördelningsmarkören på flödeslinjen ska vara klickbar. Detta för att minska risken att genom felklick få upp Tooltips på icke önskvärda flödesglyfer. 9

2.8 Grupperingar och områdesfiltrering Figur 5: Verktyg för att filtrera enligt områden och regioner Ett högt prioriterat önskemål från Sonats sida var möjligheten att filtrera områden genom att välja vilka områden som ska visas. Vidare hade de även önskemål om att kunna filtrera vilka områden som ska visas enligt givna grupperingar som motsvarar ett antal övergripande transportområden (även kallade helbilsområden). Lösningen på detta blev två listboxar (se figur 5 och 1), den ena innehållande samtliga 20 regioner och den andra innehållande fem givna transportområden. Man kan med hjälp av dessa markera valfria områden och sedan klicka på en filtreringsknapp för att uppdatera kartan. Tekniskt sett användes bara färdiga.net-komponenter till detta. 10

3 Resultat I ett skarpt projekt som detta där vi har en extern användare som beställt produkten är det svårt att exakt veta vilka resultat applikationen ska ge och vilka behov den ska tillgodose. Vår kompetens och erfarenhet inom området logistik och transportplanering är näst intill obefintlig och därför har samarbetet med användaren varit mycket viktigt. Det är Sonat som sitter inne med kompetensen som krävs för att ställa hypoteser om förväntade samband och mönster i visualiseringen. Vi som utvecklare har efter bästa förmåga, och med vår kompetens inom informationsvisualisering i stort som verktyg, strävat efter att tillgodose Sonat med möjligheter att bekräfta och stärka den förståelse de har sedan tidigare för given data. I nära samråd med Andreas har vi valt de komponeter som implementerats i applikationen och utvärderat dem kontinuerligt för att på så sätt förfina och slipa applikationen efter Sonats behov. 3.1 Överblick I jämförelse med att försöka tyda vilka flöden som finns genom att kolla på ursprungsdatan i excel är det ett stort steg att bara få se alla flöden på en karta. Som ovan betraktare av den typen av data får man verkligen en Aha!- upplevelse. Kartvisualiseringen ger direkt en uppfattning om hur många flöden det faktiskt är och hur pass komplexa mönster det handlar om. Att flödeslinjerna har olika tjocklek beroende på storleken på flödet gör att man snabbt lokaliserar stora flöden på kartan och de regioner som är inblandade. Piechartsen gör det möjligt att snabbt lokalisera regioner med exempelvis hög andel lokala transportflöden eller hög andel kombinationsflöden. Att se alla flöden samtidigt på detta sätt ger en bra överblick och man kan se vissa övergripande mönster. Framförallt får man en bra uppfattning om var de stora flödena finns och vilka områden som är inblandade i dessa. Beroende på vad man letar efter kan man sedan filtrera och gå ner på detaljnivå. 3.2 Zoom och filtrering Zoomfunktionen i kartan är en given interaktionsmetod som på ett intuitivt sätt gör det möjligt att bokstavligen titta närmare på specifika områden och flöden. Sonat har vid praktisk transportplanering ibland anledning att kolla enbart på flöden som är kopplade till ett specifikt transportområde. 1 Därför finns en fördefinierad grupperingslista för dessa transportområden (som även benämns helbilsområden) som gör det möjligt att enkelt filtrera och endast visa de regioner som ingår i ett visst transportområde. Denna funktion var speciellt prioriterad av Andreas på Sonat och är ett mycket användsbart verktyg för att förenkla och förtydliga datan. Utöver det specifika önskemålet om filtrering genom att välja områden i en lista finns även möjligheten till interaktiv filtrering med hjälp av parallella koordinater. Detta är något som ökar möjligheten att experimentera och utforska datan utan direkta målsättningar. Man kan t.ex. enkelt hitta flöden som är jämt fördelade eller filtrera regioner med avseende på interna flöden, envägsflöden och 1 Dessa övergripande områden är definierade av Sonat och bygger på historisk statistisk data om hur stora mängder transporter som sker i de ingående regionerna. 11

totala mängden flöden osv. Allt detta bidrar till att man har full kontroll över vad man ser och det ökar interaktionskänslan i applikationen. 3.3 Details on Demand När man kollar på ett flöde mellan två regioner ser man direkt förhållandet mellan dem genom punktmarkeringen på linjen. Om flödet är lika stort åt båda hållen kommer markeringen vara placerad på mitten av flödeslinjen. Om man klickar på punktmarkeringen får man upp en tooltip (se figur 4) med detaljinformation om hur stort flödet är (vikt i ton) i vardera riktning. Även piechartsen är klickbara. När man kollar på en piechart ser man bara fördelningen mellan de olika flödestyperna. När man klickar på dem får man upp detaljerad information om aktuell region. Dels visas vikten i ton och andelen i procent för andelen interna-, kombinations- och envägsflöden. Vidare visas även en lista över alla flöden som är kopplade till aktuell region och vikten för dessa. Allt detta visas enligt figur 6. Figur 6: Details on demand för region efter klick på piechart 12

4 Diskussion 4.1 Värdet av informationsvisualisering I klassrum och föreläsningssalar i den akademiska världen ges bakomliggande teori och praktisk kunskap inom diverse befintliga metoder och tekniker för informationsvisualisering. Kopplingen till näringslivets intressen och behov är ibland vag och det kan vara svårt att se potentialen i informationsvisualisering som verktyg och hur stora tillämpningsområdena faktiskt kan vara. Detta projekt har gett oss stor insikt i hur viktigt och användbart ett ämne som informationsvisualisering kan vara. Genom de möten och samtal vi haft med Sonat har vi förstått vikten av att förstå och verkligen kunna dra slutsatser om data med utgångspunkt från visualiseringen. Vi tror att vi dels har gett dem nya insikter om vad visualisering kan innbära och dels bekräftat de antaganden de haft om kraften i visualisering som verktyg i det dagliga arbetet. Slutsatsen är att informationsvisualisering är ett mycket viktigt område som absolut är värt att utforska när storleken och komplexiteten i datan stiger. Möjligheten att faktiskt kunna se och interagera med stora datamängder med hjälp av för syftet specifikt utvecklade visuella representationer kan vara ovärderligt i många sammanhang. 4.2 Att förstå användaren och tillämpningen Projektet har drivits i nära kontakt med en kund som har verkliga problem. Att förstå sig på kundens problem, vad som skall lösas och transporttekniska termer är ingen trivial sak. Åtskillig tid har gått åt till att förstå kunden, användingsområdet och de termer i vilka transportdata diskuteras. Detta gör att vårt projekt skiljer sig väsentligt mot många andra som genomförts i kursen TNM048. Vi har lagt mycket tid på att faktiskt förstå ett problem, analysera det och försöka hitta en lösning som är praktiskt gångbar. Skillnaden mot att artificiellt skapa ett problem är att utgångspunkten och problemdefinitionen inte kan baseras utifrån Vad kan vi? Vad passar oss?. Utvecklingen av nya komponenter har motiverats av verkliga visualiseringsproblem och har varit absolut nödvändiga. Att visualisera transportflöden och deras inneboende samband, balans och fördelningar i och mellan regioner är inget vi haft tidigare erfarenhet av. 4.3 Fiktiv data, mönster och hypoteser Utgångspunkten för vårt arbete har inte varit egna definierade hypotoser kopplade till den underliggande datamängden. Vi har inte gjort några antaganden eller formulerat frågeställningar för att sedan med hjälp av applikationen hitta svar på dem. Den stora anledningen till detta är såklart det faktum att vi inte har den kunskap som krävs för att göra den typen av analyser som är aktuella i det här fallet. Hela visualiseringen bygger på mycket omfattande kartläggningar och studier gjorda av Sonat och Lantmännen där många års erfarnhet i branschen från många olika personer har bidragit till valet av data och extrahering av den, samt den geografiska områdesuppdelningen där ett 13

stort antal geografiska faktorer spelat stor roll, som t ex fabriksanläggningar, jordbruksområden, återförsäljare etc. Dessutom, även om vi hade varit tillräckligt insatta i den värld av logistiskt tänkande som ligger till grund för tillämpningen, hade vi ändå inte kunnat göra några verklighetsbaserade analyser. Sonat har nämligen av olika anledningar gett oss fiktiv data att jobba med under större delen av projektet. Applikationen har alltså endast utvecklats som en prototyp. Vårt mål har hela tiden varit att med hjälp av vår kompetens inom informationsvisualisering bidra till att användaren ska kunna befästa och stärka den förståelse för datan som redan finns. Dessutom vill vi ge möjligheter att utforska och analysera datan på ett nytt och interaktivt sätt för att hitta nya samband och mönster. Det är med andra ord Sonat som har huvudrollen i processerna develop insight och produce result i The Sense Making Loop [2] medan vi aggerar coach och ser till att det är möjligt. Mot slutet av projektet när alla komponenter implementerats och testats med den fiktiva datan har applikationen även testats av Sonat med skarp data på en karta med områden placerade i enlighet med deras skarpa områdesdefinition. Resultatet uppfyllde målen med projektet och även de specifika önskemål som Sonat hade angående funktionalitet. Reflektioner från Sonat återfinns i avsnitt 4.6. 4.4 Från översikt till detaljer Det inpräntade mantrat Overview, zoom & filter, details-on-demand är något vi verkligen tagit till oss och jobbat efter. Att hålla det som ledord under utvecklingen är bra och hjälper mycket. Vad man sedan märks tydligt är att vi genom interna diskusioner samt samtal med kund hela tiden omedvetet drivits mot detta mantra. De krav som ställs på applikationen både från oss och kund kan ofta kopplas till Overview, zoom & filter, details-on-demand. Overview: Goda exempel är färgkodningen av kartan, storlek och fördelning på pie-chartsen, bredd och färg flödeslinjerna. Zoom & Filter: Dominerar här gör Parallel Coordinates och regionindelning för filtrering samt kartans inbygda zoom-funktion. Details-on-demand: Något som Sonat AB ansett vara väldigt viktigt. Genom att klicka på dividern och pie-charten kan detaljerad textinformation om flöden och områden ges. 4.5 Dolda fel Steget från den visuella presentationen till den underliggande rådatan är stort. Vi har under projektetsgång förlitat oss på att Sonat AB har utfört en felfri datamining och kommer inte att ta hänsyn till inneboende fel i vår indata. Indatan behandlas i flera steg enligt tidigare beskrivna transformationer. Efter transformationerna sker ytterligare beräkningar, skalningar och avrudningar innan visualiseringen på skärmen. För att göra en tillförlitlig applikation måste vi försäkra oss om att inga fel har uppstått under alla delsteg. Vi har på ett flertal ställen kontrollerat de delresultat vi fått från de olika stegen. På detta sätt har vi hittat och eliminerat en rad buggar och applikationen ska vara fri från allvarligare statistiska fel från våra datatransformer. Att hitta fel i den visuella representationen av datan är dock svårare. Indatan kommer i slutlig form representeras utav färger, former, storlekar och relationer 14

mellan olika storheter. Om fel i datan har propagerat till detta sista steg står vi inför stora svårigheter att finna dessa fel. För att ta ett fingerat exempel: Ett inbyggt fel i pie-charten resulterar i en felaktig balansförskjutning på cirka 5% åt godtyckligt håll under vissa förutsättningar. Svårigheten att med ögat upptäcka detta fel är uppenbart, ytterligare svårare blir om felet skulle uppstå i form av nyansfel i olika färger. För att eliminera denna typ av buggar har vi i mångt och mycket fått återfalla på att dubbelkolla och trippelkolla vår kod. Slutgiltligen bör påpekas att även om kännedomen om detta problem är viktigt är problemet begränsat. Visualiseringen skall ge ett första intryck av datan, en överblick och en känsla för de större sambanden. Detaljerad information skall finnas tillgänglig i form av siffror och statistik, ett område där vi enklare kan hitta buggar. 4.6 Reflektioner från Sonat Anledningen till att Sonat involverade experter inom informationsvisualisering var framförallt för att bilda sig en uppfattning om vilken potential som skulle kunna finnas inom detta, för oss outforskade, område. Vid tidigare transportplaneringsanalyser har Sonat känt sig begränsade i att kunna uppnå en bra överblick av en stor datamängd. Excel och PowerPoint i all ära, men ibland är datamängderna för stora för att ge en bra överblick med dessa verktyg. Förhoppningen var att ett informations-visualiseringsverktyg skulle kunna hjälpa till med överblicken samt ge ett beslutsstöd i det dagliga transportplaneringsarbetet. Resultatet visar på att det finns en oerhörd potential i att använda sig av denna typ av informationsvisualisering för vår verksamhet och våra transportplaneringsanalyser. Resultatet uppfyller och överträffar mina förväntningar som fanns innan projektets påbörjande. Verktyget ger dels stöd i den övergripande förståelsen av transportflöden, och dels ger det detaljerad information om specifika flöden och regioner. Filtreringsmöjligheterna är oslagbara och ger ett snabbt stöd i varje planeringssituation. Denna pilotmodell har gett oss förståelse för att vi, genom fortsatt arbete inom detta område, skulle kunna ha mycket nytta av olika typer av informationsvisualisering i vårt arbete med att bli en ännu bättre kompetenspartner inom Supply Chain Management. Projektet har väckt idéer om att kunna använda sig av informationsvisualisering inom många andra delar av logistiken, utöver det specifikt studerade området transportplanering. I en eventuell fortsättning av detta projekt skulle en del detaljer behöva finslipas för att ge ett ännu bättre stöd för användbarheten. Detta skulle med fördel utvecklas efter en tids användande, för att fånga upp användarens specifika detaljbehov. Sammanfattningsvis är Sonat AB mycket nöjda med det resultat som har åstadkommits i detta visualiseringsprojekt och vi har fått upp ögonen för den kraft och potential som finns inom detta område. 15

5 Vidareutveckling 5.1 Tidsaspekten Redan i planeringsfasen av projektet när omfattningen och prioriteringar bestämdes fanns tidsvariabeln med som en punkt. Transportdata är nämligen dynamisk och föränderlig till sin natur. I just det här fallet varierar transportbehovet kraftigt under olika årstider. Under skördetiden ökar t ex transportbehovet avsevärt. Den data som Sonat har tillgång till är uppdelad i bestämda tidsintervall som tillsammans sträcker sig över en längre tidsperiod. Det är därför intressant för dem att studera hur transportflöden förändrats över tiden för att kunna dra slutsatser frammåt och planera morgondagens transporter. Det hade därför varit önskvärt med en utbyggnad inriktad på temporal visualisering av transportflöden. En möjlig realisering av detta hade kunnat innefatta inläsning av flertalet transportdataset och sedan interpolation mellan tidsnärliggande dataset. 5.2 Datamining Den rådata Sonat har fått från Lantmännen AB är mycket omfattande och går inte att använda direkt med vår applikation. Manuellt genomförd datamining och datareducering krävs för att få flödesdatan enligt den relationstabell som vår applikation kan hantera (se tabell 1). Arbetet är mycket tidsödande och hämmar spontan utforskning av nya dataset. En framtida utveckling av vår applikation skulle kunna innehålla (semi-)automatiserd datamining baserad på en rad fördefinierade regler och optimeringsalgoritmer. En sådan lösning skulle vara kostnadseffektiv och minska risken för mänskliga fel. 5.3 Funktionalitet för transportplanering Syftet med applikationen är att underlätta transportplanering. Mycket arbete har lagts på att underlätta förståelsen för den underliggande datan. Vår applikation inkluderar i dagsläget inte funktioner för att påverka och förändra datan på ett interaktivt sätt. En framtida utvidgning kunde vara att tillåta användaren att påverka de aktuella flödena. Genom att direkt i applikationen kunna styra om transporter kan användaren interaktivt planera transporter och studera de resulterande förändringarna. På detta sätt skulle applikationen förändras från rent utforskande till mer utav ett interaktivt planeringsverktyg. 5.4 Användbarhetsutvärdering Arbete har skett kontinuerligt med att förbättra och förtydliga komponenter men mer arbete kan läggas på detta område. Detta innefattar inte minst områden kopplade till mänsklig perception; vad i form och färg kommer att på snabbast och säkrast sätt ge de eftersträvade insikterna? Detta har varit viktiga områden under utveckling och vår utvecklingsmodell har hela tiden varit användarorienterad med nära kundkontakt. En större användbarhetsanalys har även genomförts med 3 personer (se appendix A). Men för att Sonat skall kunna använda applikationen skarpt krävs mer omfattande användarutvärderingar utav applikationen med större användargrupper och mer rigorös användartestning. 16

Referenser [1] GeoAnalytics Visualization (GAV) http://vita.itn.liu.se/gav. ViTA LiU, Norrköping, 2009. [2] James J. Thomas and Kristin A. Cook Illuminating the Path: The Research and Development Agenda for Visual Analytics. IEEE, 2005. 17

A Andvändbarhetsanalys A.1 Syfte För att utvärdera applikationens användbarhet utfördes användbarthetstester på ett flertal användare. Undersökningen är av konstruktiv typ och även om den gjordes i slutfasen av projektet kan den ses som ett steg i utvecklingen. Syftet var alltså inte att utvärdera ett slutresultat utan snarare att hitta svagheter, problem och brister som kan förbättras och utvecklas ytterligare för att nå en bättre slutprodukt. Vissa problem, som av tidsbrist inte hunnit lösas, var kända redan innan utvärderingen. A.2 Upplägg Utvärderingen bestod av två delar. Den första delen var en kvalitativ mätning där användaren fick lösa ett antal konkreta problem, med hjälp av de verktyg som finns i applikationen, med tidtagning på varje specifik uppgift. Användaren uppmanades att tänka högt och att förklara och kommentera lösningsgången. Den här delen syftar till att ge mätbart resultat över prestandan i applikationen, samt ge en bild av hur intuitiva de olika visualiseringskomponenterna och filreringsverktygen är. Eftersom applikationen riktar sig till expertanvändare fick icke insatta testare en kort introduktion om syftet och bakgrunden till projektet och applikationen. Gränssnittet kräver att man har en viss grundförståelse för användningsområdet då presentationen av funktionaliteten har haft låg prioritet både från kunden och oss som utvecklat applikationen. Den andra delen av utvärderingen bestod av ett frågeformulär där användaren svarade baserat på erfarenheterna från den första delen. Frågorna behandlade ett antal kvaliteter ur användbarhetssynpunkt och möjlighet gavs även att ge feedback och förslag på förbättringar. A.3 Resultat Här följer en sammaställning av de uppgifter som ingick i det kvalitativa testet med den genomsnittliga tiden det tog att utföra dem angivet inom parenteser efter varje uppgift. Kommentarer på resultatet följer i diskussionsavsnittet A.4. Överblick 1. Peka ut de tre största flödena på kartan. (18 s) 2. Peka ut den region som har högst andel lokala flöden. (2,7 s) 3. Hur många regioner har mer än 50% kombinationsflöden? (9,7 s) 4. Peka ut minst fem regioner med hög andel envägsflöden. (8 s) Zoom, Filtrering och Details on Demand 1. Vilken region har den största totala mängden flöden? För denna region, hur många ton är envägstransporter? (33,3 s) 18

2. Filtera bort regioner med liten andel kombinationsflöden. (5 s) 3. Visa enbart helbilsområdet Sydmälaren. (2,7 s) 4. Hur stor andel lokala flöden har region A? (11,7 s) 5. Hur många ton transporteras från A till Bohusdal? (27,5 s) 6. Visa endast regionerna I, K, M och N. (3 s) 7. Filtrera så att endast det största flödet visas på kartan. Hur många ton transporteras totalt i detta flöde? (75 s) A.4 Diskussion Överblick Alla uppgifter utom den första utfördes på under 10 sekunder, vilket vi bedömer vara mycket bra. Den första uppgiften tog något längre tid för vissa av våra testare och det kan dels bero på formuleringen av uppgiften. Syftet här var egentligen att utvärdera hur tydligt man ser skillnad på stora och små flöden på kartan. Uppgiften kräver dock att man specifikt ska hitta de tre största flödena. Det innebär att man måste göra skillnad även på stora flöden vilket blir svårt utan att använda filtreringsverktyg. En bättre frågeformulering hade t ex kunnat vara Peka ut tre stora flöden och tre små flöden. Värt att notera är även att flera användare gärna villa använda filtreringsverktygen trots att de fått instruktionen att uppgifterna handlar om överblick utifrån den ofiltrerade kartvyn. Zoom, filter, details on demand Även här utfördes de flesta uppgifterna på under 10 sekunder. Under den här delen upptäcktes en del buggar som orsakade vissa av de sämre tiderna. En bugg med tooltipsen för flödesglyferna orsakade stora problem i uppgift fem. En användare valde att inte ens slutföra uppgiften. I tooltipen ska man kunna se hur många ton som transporteras i vardera riktning samt summan av dem. Dock visades inte namnen på regionerna i fråga utan endast deras heltalsindex i datasetet. Därmed var det omöjligt att avgöra vilket flöde som hörde till vilken region. I uppgift sju orsakade ännu en bugg problem. Av någon anledning gick det inte längre använda scrollhjulet för att zooma i kartan efter att ha klickat i någon av listboxarna. Detta gjorde att man inte kunde zooma in tillräckligt för att läsa innehållet i tooltipen. En av användarna som tidigare hittat buggen med den ofullständiga informationen i tooltipen valde bort den som alternativ helt och försökte istället räkna ut det totala flödet manuellt genom att addera mängden för vardera riktning från detaljvyn för de aktuella regionerna. Detta blev såklart väldigt tidsödande. En annan intressant upptäckt under testerna var att när man valt att filtrera på endast en region i listboxen vill man att detaljvyn för denna region visas/uppdateras direkt, utan att man först behöver klicka på piecharten. Ett behov identifierades även i att kunna använda parallella koordinater för att filtrera regioner efter fördelningen för de olika flödestyperna. Man vill 19

att axlarna ska vara garderade enligt fördelningen i procent. I nuläget är de garderade enligt mängd i ton för vardea flödestyp. En lösningn på detta skulle antingen kunna vara att man helt enkelt skalar om axlarna eller att man lägger in ytterligare axlar för detta ändamål. Frågeformuläret Ur resultatet av frågeformuläret framkom bland annat att texten i informationsboxarna är svår att tyda. Detta är föga förvånande med tanke på att inte namnen på regionerna skrivs ut. Intrycket av innehållet på skärmen upplevdes strukturerat och tydligt och upplägget av komponenter var logiskt tyckte man. Detta kan man koppla ihop med de praktiska testerna där användarna snabbt förstod konceptet. Vad gäller presentationen av funktionaliteten tyckte man att den var otydlig. Detta är känt sen tidigare och har medvetet prioriterats bort. Den faktiska funktionaliteten ansågs däremot som fullt tillräcklig. Man tyckte det var lätt att hitta information om en speciell region men svårare för ett speciellt flöde. 20