随着现代科学技术的发展，人们在信息时代获取情报的手段和渠道大为拓展，如何能在海量信息中加快情报处理速度，发掘情报活动的规律，提高情报分析质量成为各国情报界面临的一项重大问题。目前，西方发达国家纷纷将各种高技术手段运用于情报分析领域，以期实现情报分析过程的智能化与自动化。
多源情报分析是情报工作的重要环节，是运用人的感觉和知觉，对情报素材进行加工整理，获取结论的思维过程，是人的智能实现创造性功能的心理过程。自2001 年911事件后，美国国土安全局出于反恐的需求，于2004 年成立了国家可视化与分析中心，将可视分析技术引入情报分析领域。并指出，采用可视分析技术处理融合数据可以化不利为有利，把大数据问题转换为大价值情报，可以从这些海量数据中发现隐藏的模式、趋势、网络和关系。可视分析为智能化情报分析提供了新的实现路径。
随着大数据分析技术发展，地理空间情报分析从传统的空间和时间维度延伸到活动和关系的新维度。近年来，国外开发出一种新的情报模式，称为基于活动的情报分析ABI( Activity Based Intelligence) 。它是分析人、事件、行动或活动相互作用的一种方法或范式，是多源情报的关联和聚集，而地理空间情报则是链接多源情报的桥梁。
1 基于活动的地理空间情报
1.1 基本概念活动是指什么人( 角色) ，什么时候( 时间) ，在哪里( 地点) ，以及干什么( 目的) 的组合。随着互联网的发展，情报数据来源越来越丰富，从多渠道获得的、具有时空特征的情报往往以时间序列组成强大的叙事。地理空间叙事可以在空间和时间上连接活动，因此，从叙事分析的角度看，可以将看似无序、杂乱的情报活动变得有序、有规律可循。可视化则通过人类认知特点，将叙事分析变得直观而易于理解。西方发达国家将基于活动的情报定义为通过融合多源情报和非传统的资源来获取尽可能多的信息，预期接下来会发生什么。基于活动的情报是一种新的情报模式，关键组成部分就是地理空间情报分析。基于活动的地理空间情报分析，目标就是弄清谁，正在干什么，什么时间和地点，为何要这样做( 行为和意图) ，是如何做的( 把意图、行为和含义联系起来) 。地理空间情报分析是多源情报构成的一门谍报艺术，是多源情报的关联和聚集。基于活动的地理空间情报是在时空数据的基础上，分析活动的发展规律和预测活动。
1.2 叙事分析
叙事是将一系列的事件构造成有意义的故事。叙事分析是对人们讲述的其生命中一段时间的转折点或重要事件等经历进行研究的一种定性分析方法。叙事分析方法的分析过程是以一系列事件的时序特征为突出特点，按时间序列组织事件，对叙事中的叙事要素( 如时间、地方、情节、场景等) 进行分析，在一定的分析框架下重新组织事件。Wang 等提出构建叙事可视分析系统，在叙事分析5W 模型( Who，What，Where，When，Why) 的基础上，利用可视化方法，研究者可以交互探索恐怖主义活动，发现模式的原因( Why) ，确定模式的时间( When) ，地理空间位置( Where) ，恐怖主义组织( Who) 以及攻击的方法和模式( What) 。叙事可视化的核心在于对叙事要素的可视设计与叙事线索的组织。
2 面向叙事结构的地理空间情报可视化设计
2.1 基于时空情境的叙事分析框架
基于时空情境的叙事分析以叙述的一系列事件的时序为突出特点，以时空情境为框架，可以整合事件的时间与空间维度，尤其适用于时空交叉分析，如图1 所示。
2.2 面向叙事结构的地理空间情报可视化设计基于叙事结构的地理空间情报可视分析，可以按照叙事要素进行可视化设计，包括时间要素可视化、空间要素可视化、事件属性可视化和事件对象可视化。
2.2.1 空间分布可视化
地理空间信息领域时空数据的可视化需要有地理信息平台的支持，往往以地图( 二维) 或者虚拟地理环境( 三维) 作为背景，以点、线、面等要素可视化方法表现其空间分布。事件空间分布特征根据事件本身的特性，与时空数据的可视化既有联系又有区别。事件空间分布可以以时空要素为主进行可视化，也可以对事件热点或属性信息进行可视化，其可视化方法大致可以分为以下4 类。
1) 基于点标的事件空间位置分布。点标表示事件空间位置分布，将事件描述为地理空间中的离散点，通过点的空间位置标注，发现离散事件的空间分布规律。点标法可以通过标识符号的设计表示更多信息，如分类图标表示不同类型事件、向量箭头表示事件的发展趋势、网格区域表示事件的密度分布、统计图表示事件的属性信息等。
2、基于线标的事件时序位置变化。线标表示事件的发展变化，是对事件空间位置信息变化的描述。线标常用来表示时空数据的OD 图( Origin-Destination Graph) ，连接空间中不同位置的两个点，常遇到的问题是线与线之间的交叉重叠，一般采用边捆绑算法解决此问题。本文用线要素表示事件发生的先后顺序。
3、基于区域的事件属性空间分布。区域表示事件的属性分布，是对事件属性信息的空间分布表达，可以通过面的颜色、亮度或色调的连续变化表示事件属性的空间分布，如Choropleth地图( 等值区间地图) ，或者通过面的大小、形状等要素对事件属性值进行统计，) 基于热力图的事件频率空间分布。热力图表示事件的频率分布，是对事件空间分布的聚类表示方法，一般采用网格索引技术对事件进行分块聚类，通过统计网格内事件个数设置该网格的热度，在地图上绘制热力图。
2.2.2 时序特征可视化
时间要素可以采用时间轴的方式线性表达，如用标准时间点连线显示，x 轴表示时间，y 轴表示属性变量。对于多维属性的表示可以进行叠加显示，如StreamGraph。根据事件和时间的粒度设置，可以对事件进行时间点和时间段的可视化。
事件具有时序性，其数据信息的管理往往按照时间顺序进行组织，然而数据量的持续增加给事件的数据管理与可视化带来了困难。采用不同分辨率的多尺度时间聚类的方法，对事件进行时间聚类管理，按照时间粒度进行离散化事件聚类，实现不同时间尺度下事件的选择、查询与可视化，是解决大数据量事件管理的基本方法，也是对事件时序特征分析的有效手段。对主题事件时间分辨率进行统一设置，根据数据来源及分析任务，以年、月和日3 个粒度的时间尺度进行事件管理。
2.2.3 多维属性可视化
平行坐标法是多维属性可视化的经典表示方法，通过降维处理将多维数据转换到二维平面上。平行坐标法的交互设计是多维属性可视分析的基本要求，通过交互刷对多维属性中各维度的范围筛选，不仅可以过滤用户不感兴趣的数据，而且还能在一定程度上解决线段重叠的现象。根据数据结构内容及任务需求，采用多维刷实现多维属性的交互设计。通过选择坐标轴上不同属性值的范围，不仅能够高亮显示选中数据，起到增强信息的作用，而且能够隐藏不相关数据，进行有针对性的分析。
针对平行坐标法维度进行交互设计，主要包括维度数的控制和维度顺序变换两种方式。
1、维度数的控制。用户可以通过参数设置，选择用户关心的维度进行可视化，去除不重要的数据。其优点是通过减少维度不仅可以节省显示空间，而且可以更加清晰地显示数据的重点内容。
2、维度顺序变换。通过调整坐标轴的先后顺序，发掘相邻维度间隐藏的关系，更加直观地将相邻维度间属性的关系进行可视化表达。
2.3 多视图协同的人机交互设计
多视图协同可视化是根据可视化数据的基本形式和具体任务设计可视化视图，通过交互手段实现视图间的数据传递和内容变换，是人机交互中的常用方法之一。根据主题事件可视分析的具体任务和数据特征，建立多视图可视化模型( 以恐怖袭击事件为例) 。主要包括时空视图、国家视图、组织视图和事件视图4个模块，每个模块由不同组件构成，组件之间可以进行信息传递和交互操作，实现了叙事要素的可视化，完成了多视图间的协同可视化交互设计。
时空视图是多视图可视化模型的基础，是对事件时间要素和空间信息的可视化，包括时间组件和空间组件; 组织视图是对事件对象信息的可视化，按照恐怖袭击组织进行事件分析，包括袭击手段、袭击目标及事件属性等; 国家视图是按照恐怖袭击发生地点进行事件分析，具体分析发生恐怖袭击事件的时序分布、事件关联、事件类型及多维属性等; 事件视图是对具体某个事件进行结构化表达，是事件知识库的内容可视化，包括事件发生地点、时间、袭击组织、死亡人数及经济损失等。4个视图功能及显示内容不同，用户可以根据任务需求过滤数据，选择感兴趣的内容进行可视化，通过组件之间的协同交互，实现对象的可视分析。
3 系统与实例分析
3.1 数据源分析
随着恐怖主义袭击活动日益频繁，反恐成为当今世界各国军事安全部门的重要任务，也是地理空间情报的重要服务方向。但是，很多有关恐怖主义活动的数据以不同数据形式存储于不同行业的数据库中，在世界范围内，无法形成一个统一的、完整的数据共享环境。由美国马里兰大学公开提供的全球恐怖主义数据库GTD( GlobalTerrorism Datalose) ，详细记录了19752015 年50年间近9 万起恐怖袭击事件相关信息，为科学研究提供了丰富的数据基础，许多学者以此数据库为数据源进行科学研究。GTD 主要包括事件记录号、发生时间、发生的地理位置、事件特征信息、袭击信息、目标信息、恐怖组织信息、是否有恐怖组织声称对袭击负责、武器信息、伤亡( 受害者) 信息、财产损失情况、恐怖袭击中的人质/绑匪信息、附加信息和事件详细信息等，共15 个方面的统计信息，包含了123 个具体属性。以GTD 作为实例分析的数据源，并根据分析的要素从数据库中提取需要关注的各属性数据。
3.2 实验系统
基于JavaScript 动态脚本语言，搭建BS 架构的网络应用系统框架，构建实验原型系统，实现客户端面向活动的地理空间情报可视分析，并利用JavaScript 开源库和框架进行系统设计，具体内容包括如下4 点。
1) 前端框架驱动。先采用Express.js 框架进行前端开发，而后基于Node.js 进行系统整体框架的设计。
2) 前端数据驱动。采用D3.js 前端可视化库进行图形可视化设计，以数据驱动文档元素进行数据与可视化元素的绑定。
3) AJAX 网络通信。采用异步传输动态加载数据，减少服务器端的数据访问，实现网页的快速浏览和异步更新。
4) 后端服务器框架。采用Node.js 框架搭建服务器，具有单线程、非阻塞等特点，满足系统框架的性能需求。
3.2.1 实验系统基本框架
主要采用BS架构实现客户端浏览器的页面访问及交互。BS架构是重客户端轻服务器端，将大量逻辑业务及数据访问放到客户端，以减轻服务器端的压力。其中，客户端采用MVC 模式，用户可以通过可视化层( View) 图形渲染及交互操作进行业务请求，通过业务逻辑层( Control) 的事件响应机制，实现人机交互请求，向数据处理层( Model) 请求数据处理或改变数据模型参数，从而将数据或模型反馈回来，改变可视化效果，呈现用户需要的信息;服务器端采用MongoDB 数据库管理数据，以json格式数据对象保存，Node.js 实现客户端和服务器之间的业务服务和数据访问。
3.2.2 实验系统功能模块
实验系统以基础组件的开发为基础，多组件组合实现不同的功能分析; 以多视图交互可视化的方式，完成基于叙事结构的可视化及分析。其中基础组件包括地图、点标、线标、面标及热力图等地理空间信息可视化组件和时间轴、时间聚类、事件管理及动态回放等时序特征可视化组件; 功能模块包括时序特征分析、时变属性分析、时空关联分析、空间分布分析、事件知识查询、事件主体分析及多维属性分析等可视分析模块; 视图模块包括恐怖袭击事件空间分布图、事件序列图、事件关联图、袭击方式统计图、袭击事件多维属性交互图、恐怖袭击伤亡态势图及恐怖组织空间视图等多视图组合。
4 结束语
对基于活动的地理空间情报可视分析方法展开研究，构建地理空间情报可视分析的基础模型与交互模型; 对基于叙事结构的地理空间情报可视分析的任务和可视化框架进行设计，构建基于任务和多视图协同的可视分析人机交互模型; 分别对地理空间情报主题事件的空间信息、时间信息和多维属性进行特征分析和可视化方法研究，设计了面向大数据量的事件要素聚类可视化方法和交互手段。
基于事件的地理空间情报可视分析仅靠事件基本要素及属性信息的分析不可能全面、准确反映活动规律，需要信息空间等多源数据的支持，如恐怖分子在谋划、组织一次恐怖袭击活动的时候，往往会在信息空间中留下数据脚印，包括出入境、通信、财务及交通等信息。本文对假设任务的可视分析推理仅代表个人的见解，而提供高级别的地理空间情报产品，需要进一步结合多源情报分析和专业人员的推理来完成。
