Cambios

              
    

          
          
        
        

            
f
1
{
f
1
{
            
2
  "author": "A Garcia-Robledo, M Zangiabady", 
2
  "author": "A Garcia-Robledo, M Zangiabady", 
            
3
  "author_email": null, 
3
  "author_email": null, 
            
4
  "creator_user_id": "a3da3ec9-3fd4-47a4-8d04-0a90b09614e0", 
4
  "creator_user_id": "a3da3ec9-3fd4-47a4-8d04-0a90b09614e0", 
            
5
  "extras": [
5
  "extras": [
            
6
    {
6
    {
            
7
      "key": "A\u00f1o", 
7
      "key": "A\u00f1o", 
            
8
      "value": "2023"
8
      "value": "2023"
            
9
    }, 
9
    }, 
            
10
    {
10
    {
            
11
      "key": "DOI", 
11
      "key": "DOI", 
            
12
      "value": "https://doi.org/10.1109/access.2023.3327008"
12
      "value": "https://doi.org/10.1109/access.2023.3327008"
            
13
    }, 
13
    }, 
            
14
    {
14
    {
            
15
      "key": "Google Scholar URL", 
15
      "key": "Google Scholar URL", 
            
16
      "value": 
16
      "value": 
            
17
gesize=100&sortby=pubdate&citation_for_view=b81TvMMAAAAJ:roLk4NBRz8UC"
17
gesize=100&sortby=pubdate&citation_for_view=b81TvMMAAAAJ:roLk4NBRz8UC"
            
18
    }, 
18
    }, 
            
19
    {
19
    {
            
20
      "key": "Identificador hash", 
20
      "key": "Identificador hash", 
            
21
      "value": "e0ce07a5189e"
21
      "value": "e0ce07a5189e"
            
22
    }, 
22
    }, 
            
23
    {
23
    {
            
24
      "key": "Lugar de publicaci\u00f3n", 
24
      "key": "Lugar de publicaci\u00f3n", 
            
25
      "value": "IEEE Access 11, 121142-121161, 2023"
25
      "value": "IEEE Access 11, 121142-121161, 2023"
            
26
    }, 
26
    }, 
            
27
    {
27
    {
            
28
      "key": "Tipo", 
28
      "key": "Tipo", 
            
29
      "value": "Publicaci\u00f3n"
29
      "value": "Publicaci\u00f3n"
            
30
    }, 
30
    }, 
            
31
    {
31
    {
            
32
      "key": "Tipo de publicaci\u00f3n", 
32
      "key": "Tipo de publicaci\u00f3n", 
            
33
      "value": "Revista"
33
      "value": "Revista"
            
34
    }, 
34
    }, 
            
35
    {
35
    {
            
36
      "key": "URL directo", 
36
      "key": "URL directo", 
            
37
      "value": 
37
      "value": 
            
38
"https://ieeexplore.ieee.org/iel7/6287639/10005208/10292630.pdf"
38
"https://ieeexplore.ieee.org/iel7/6287639/10005208/10292630.pdf"
            
39
    }
39
    }
            
40
  ], 
40
  ], 
            
41
  "groups": [
41
  "groups": [
            
42
    {
42
    {
            
43
      "description": "", 
43
      "description": "", 
            
44
      "display_name": "Publicaciones", 
44
      "display_name": "Publicaciones", 
            
45
      "id": "8be672a5-4640-455e-a4f3-46b52b66c07b", 
45
      "id": "8be672a5-4640-455e-a4f3-46b52b66c07b", 
            
46
      "image_display_url": "", 
46
      "image_display_url": "", 
            
47
      "name": "publicaciones", 
47
      "name": "publicaciones", 
            
48
      "title": "Publicaciones"
48
      "title": "Publicaciones"
            
49
    }
49
    }
            
50
  ], 
50
  ], 
            
51
  "id": "dd3f71b8-23c2-4948-8863-f9b0736fb4df", 
51
  "id": "dd3f71b8-23c2-4948-8863-f9b0736fb4df", 
            
52
  "isopen": false, 
52
  "isopen": false, 
            
53
  "license_id": null, 
53
  "license_id": null, 
            
54
  "license_title": null, 
54
  "license_title": null, 
            
55
  "maintainer": null, 
55
  "maintainer": null, 
            
56
  "maintainer_email": null, 
56
  "maintainer_email": null, 
            
57
  "metadata_created": "2025-10-21T08:59:13.186671", 
57
  "metadata_created": "2025-10-21T08:59:13.186671", 
            
n
58
  "metadata_modified": "2025-10-21T08:59:13.186680", 
n
58
  "metadata_modified": "2025-10-21T08:59:13.767639", 
            
59
  "name": "e0ce07a5189e", 
59
  "name": "e0ce07a5189e", 
            
60
  "notes": "State-of-the-art open network visualization tools like 
60
  "notes": "State-of-the-art open network visualization tools like 
            
61
Gephi, KeyLines, and Cytoscape are not suitable for studying street 
61
Gephi, KeyLines, and Cytoscape are not suitable for studying street 
            
62
networks with thousands of roads since they do not support 
62
networks with thousands of roads since they do not support 
            
63
simultaneously polylines for edges, navigable maps, GPU-accelerated 
63
simultaneously polylines for edges, navigable maps, GPU-accelerated 
            
64
rendering, interactivity, and the means for visualizing multivariate 
64
rendering, interactivity, and the means for visualizing multivariate 
            
65
data. To fill this gap, the present paper presents Dash Sylvereye: a 
65
data. To fill this gap, the present paper presents Dash Sylvereye: a 
            
66
new Python library to produce interactive visualizations of primal 
66
new Python library to produce interactive visualizations of primal 
            
67
street networks on top of tiled web maps. Thanks to its integration 
67
street networks on top of tiled web maps. Thanks to its integration 
            
68
with the Dash framework, Dash Sylvereye can be used to develop web 
68
with the Dash framework, Dash Sylvereye can be used to develop web 
            
69
dashboards around temporal and multivariate street data by 
69
dashboards around temporal and multivariate street data by 
            
70
coordinating the various elements of a Dash Sylvereye visualization 
70
coordinating the various elements of a Dash Sylvereye visualization 
            
71
with other plotting and UI components provided by the Dash framework. 
71
with other plotting and UI components provided by the Dash framework. 
            
72
Additionally, Dash Sylvereye provides convenient functions to easily 
72
Additionally, Dash Sylvereye provides convenient functions to easily 
            
73
import OpenStreetMap street topologies obtained with the OSMnx 
73
import OpenStreetMap street topologies obtained with the OSMnx 
            
74
library. Moreover, Dash Sylvereye uses WebGL for GPU-accelerated 
74
library. Moreover, Dash Sylvereye uses WebGL for GPU-accelerated 
            
75
rendering when redrawing the road network. We conduct experiments to 
75
rendering when redrawing the road network. We conduct experiments to 
            
76
assess the performance of Dash Sylvereye on a commodity computer when 
76
assess the performance of Dash Sylvereye on a commodity computer when 
            
77
exploiting software acceleration in terms of frames per second, CPU 
77
exploiting software acceleration in terms of frames per second, CPU 
            
78
time, and frame duration. We show that Dash Sylvereye can offer fast 
78
time, and frame duration. We show that Dash Sylvereye can offer fast 
            
79
panning speeds, close to 60 FPS, and CPU times below 20 ms, for street 
79
panning speeds, close to 60 FPS, and CPU times below 20 ms, for street 
            
80
networks with thousands of edges, and above 24 FPS, and CPU times 
80
networks with thousands of edges, and above 24 FPS, and CPU times 
            
81
below 40 ms, for networks with dozens of thousands of edges. 
81
below 40 ms, for networks with dozens of thousands of edges. 
            
82
Additionally, we conduct a performance comparison against two 
82
Additionally, we conduct a performance comparison against two 
            
83
state-of-the-art street visualization tools. We found Dash Sylvereye 
83
state-of-the-art street visualization tools. We found Dash Sylvereye 
            
84
to be competitive when compared to the state-of-the-art visualization 
84
to be competitive when compared to the state-of-the-art visualization 
            
85
libraries Kepler.gl and city-roads. Finally, we describe a web 
85
libraries Kepler.gl and city-roads. Finally, we describe a web 
            
86
dashboard application that exploits Dash Sylvereye for the analysis of 
86
dashboard application that exploits Dash Sylvereye for the analysis of 
            
87
a SUMO vehicle traffic simulation.", 
87
a SUMO vehicle traffic simulation.", 
            
n
88
  "num_resources": 0, 
n
88
  "num_resources": 1, 
            
89
  "num_tags": 10, 
89
  "num_tags": 10, 
            
90
  "organization": {
90
  "organization": {
            
91
    "approval_status": "approved", 
91
    "approval_status": "approved", 
            
92
    "created": "2022-05-19T00:10:30.480393", 
92
    "created": "2022-05-19T00:10:30.480393", 
            
93
    "description": "Observatorio Metropolitano CentroGeo", 
93
    "description": "Observatorio Metropolitano CentroGeo", 
            
94
    "id": "b3b3a79d-748a-4464-9471-732b6c74ec53", 
94
    "id": "b3b3a79d-748a-4464-9471-732b6c74ec53", 
            
95
    "image_url": 
95
    "image_url": 
            
96
"2022-05-19-001030.456616FullColor1280x1024LogoOnly.png", 
96
"2022-05-19-001030.456616FullColor1280x1024LogoOnly.png", 
            
97
    "is_organization": true, 
97
    "is_organization": true, 
            
98
    "name": "observatorio-metropolitano-centrogeo", 
98
    "name": "observatorio-metropolitano-centrogeo", 
            
99
    "state": "active", 
99
    "state": "active", 
            
100
    "title": "Observatorio Metropolitano CentroGeo", 
100
    "title": "Observatorio Metropolitano CentroGeo", 
            
101
    "type": "organization"
101
    "type": "organization"
            
102
  }, 
102
  }, 
            
103
  "owner_org": "b3b3a79d-748a-4464-9471-732b6c74ec53", 
103
  "owner_org": "b3b3a79d-748a-4464-9471-732b6c74ec53", 
            
104
  "private": false, 
104
  "private": false, 
            
105
  "relationships_as_object": [], 
105
  "relationships_as_object": [], 
            
106
  "relationships_as_subject": [], 
106
  "relationships_as_subject": [], 
            
t
107
  "resources": [], 
t
107
  "resources": [
            
108
    {
            
109
      "cache_last_updated": null, 
            
110
      "cache_url": null, 
            
111
      "created": "2025-10-21T08:59:13.812917", 
            
112
      "datastore_active": false, 
            
113
      "description": "State-of-the-art open network visualization 
            
114
tools like Gephi, KeyLines, and Cytoscape are not suitable for 
            
115
studying street networks with thousands of roads since they do not 
            
116
support simultaneously polylines for edges, navigable maps, 
            
117
GPU-accelerated rendering, interactivity, and the means for 
            
118
visualizing multivariate data. To fill this gap, the present paper 
            
119
presents Dash Sylvereye: a new Python library to produce interactive 
            
120
visualizations of primal street networks on top of tiled web maps. 
            
121
Thanks to its integration with the Dash framework, Dash Sylvereye can 
            
122
be used to develop web dashboards around temporal and multivariate 
            
123
street data by coordinating the various elements of a Dash Sylvereye 
            
124
visualization with other plotting and UI components provided by the 
            
125
Dash framework. Additionally, Dash Sylvereye provides convenient 
            
126
functions to easily import OpenStreetMap street topologies obtained 
            
127
with the OSMnx library. Moreover, Dash Sylvereye uses WebGL for 
            
128
GPU-accelerated rendering when redrawing the road network. We conduct 
            
129
experiments to assess the performance of Dash Sylvereye on a commodity 
            
130
computer when exploiting software acceleration in terms of frames per 
            
131
second, CPU time, and frame duration. We show that Dash Sylvereye can 
            
132
offer fast panning speeds, close to 60 FPS, and CPU times below 20 ms, 
            
133
for street networks with thousands of edges, and above 24 FPS, and CPU 
            
134
times below 40 ms, for networks with dozens of thousands of edges. 
            
135
Additionally, we conduct a performance comparison against two 
            
136
state-of-the-art street visualization tools. We found Dash Sylvereye 
            
137
to be competitive when compared to the state-of-the-art visualization 
            
138
libraries Kepler.gl and city-roads. Finally, we describe a web 
            
139
dashboard application that exploits Dash Sylvereye for the analysis of 
            
140
a SUMO vehicle traffic simulation.", 
            
141
      "format": "HTML", 
            
142
      "hash": "", 
            
143
      "id": "f1bb8b49-51c9-4c58-9e13-89855f0de72e", 
            
144
      "last_modified": null, 
            
145
      "metadata_modified": "2025-10-21T08:59:13.774471", 
            
146
      "mimetype": null, 
            
147
      "mimetype_inner": null, 
            
148
      "name": "Dash sylvereye: a Python library for dashboard-driven 
            
149
visualization of large street networks", 
            
150
      "package_id": "dd3f71b8-23c2-4948-8863-f9b0736fb4df", 
            
151
      "position": 0, 
            
152
      "resource_type": null, 
            
153
      "size": null, 
            
154
      "state": "active", 
            
155
      "url": 
            
156
esize=100&sortby=pubdate&citation_for_view=b81TvMMAAAAJ:roLk4NBRz8UC", 
            
157
      "url_type": null
            
158
    }
            
159
  ], 
            
108
  "state": "active", 
160
  "state": "active", 
            
109
  "tags": [
161
  "tags": [
            
110
    {
162
    {
            
111
      "display_name": "2023", 
163
      "display_name": "2023", 
            
112
      "id": "197c32f9-e42e-4e22-b265-0a55651ced0a", 
164
      "id": "197c32f9-e42e-4e22-b265-0a55651ced0a", 
            
113
      "name": "2023", 
165
      "name": "2023", 
            
114
      "state": "active", 
166
      "state": "active", 
            
115
      "vocabulary_id": null
167
      "vocabulary_id": null
            
116
    }, 
168
    }, 
            
117
    {
169
    {
            
118
      "display_name": "albertogarob", 
170
      "display_name": "albertogarob", 
            
119
      "id": "b079b3e9-8dbb-4423-88fb-f095153d314a", 
171
      "id": "b079b3e9-8dbb-4423-88fb-f095153d314a", 
            
120
      "name": "albertogarob", 
172
      "name": "albertogarob", 
            
121
      "state": "active", 
173
      "state": "active", 
            
122
      "vocabulary_id": null
174
      "vocabulary_id": null
            
123
    }, 
175
    }, 
            
124
    {
176
    {
            
125
      "display_name": "computer-graphics-images", 
177
      "display_name": "computer-graphics-images", 
            
126
      "id": "2e18beac-f73f-4942-afb3-8161456bd41d", 
178
      "id": "2e18beac-f73f-4942-afb3-8161456bd41d", 
            
127
      "name": "computer-graphics-images", 
179
      "name": "computer-graphics-images", 
            
128
      "state": "active", 
180
      "state": "active", 
            
129
      "vocabulary_id": null
181
      "vocabulary_id": null
            
130
    }, 
182
    }, 
            
131
    {
183
    {
            
132
      "display_name": "computer-science", 
184
      "display_name": "computer-science", 
            
133
      "id": "29cae056-cd7e-43f7-be5b-b25869a3fbf2", 
185
      "id": "29cae056-cd7e-43f7-be5b-b25869a3fbf2", 
            
134
      "name": "computer-science", 
186
      "name": "computer-science", 
            
135
      "state": "active", 
187
      "state": "active", 
            
136
      "vocabulary_id": null
188
      "vocabulary_id": null
            
137
    }, 
189
    }, 
            
138
    {
190
    {
            
139
      "display_name": "dash", 
191
      "display_name": "dash", 
            
140
      "id": "e41e669d-e3a1-4afc-9363-fb80dce5ae26", 
192
      "id": "e41e669d-e3a1-4afc-9363-fb80dce5ae26", 
            
141
      "name": "dash", 
193
      "name": "dash", 
            
142
      "state": "active", 
194
      "state": "active", 
            
143
      "vocabulary_id": null
195
      "vocabulary_id": null
            
144
    }, 
196
    }, 
            
145
    {
197
    {
            
146
      "display_name": "data-visualization", 
198
      "display_name": "data-visualization", 
            
147
      "id": "cb27204d-6b7b-49c2-aa74-381428516a71", 
199
      "id": "cb27204d-6b7b-49c2-aa74-381428516a71", 
            
148
      "name": "data-visualization", 
200
      "name": "data-visualization", 
            
149
      "state": "active", 
201
      "state": "active", 
            
150
      "vocabulary_id": null
202
      "vocabulary_id": null
            
151
    }, 
203
    }, 
            
152
    {
204
    {
            
153
      "display_name": "opengl", 
205
      "display_name": "opengl", 
            
154
      "id": "f187b379-c323-4fc3-81fb-df3693145af5", 
206
      "id": "f187b379-c323-4fc3-81fb-df3693145af5", 
            
155
      "name": "opengl", 
207
      "name": "opengl", 
            
156
      "state": "active", 
208
      "state": "active", 
            
157
      "vocabulary_id": null
209
      "vocabulary_id": null
            
158
    }, 
210
    }, 
            
159
    {
211
    {
            
160
      "display_name": "python-programming-language", 
212
      "display_name": "python-programming-language", 
            
161
      "id": "f2cabec5-7e47-4093-84d8-a93088ba0d9c", 
213
      "id": "f2cabec5-7e47-4093-84d8-a93088ba0d9c", 
            
162
      "name": "python-programming-language", 
214
      "name": "python-programming-language", 
            
163
      "state": "active", 
215
      "state": "active", 
            
164
      "vocabulary_id": null
216
      "vocabulary_id": null
            
165
    }, 
217
    }, 
            
166
    {
218
    {
            
167
      "display_name": "rendering-computer-graphics", 
219
      "display_name": "rendering-computer-graphics", 
            
168
      "id": "6b4242c4-9ced-4044-a898-182cd1e516ce", 
220
      "id": "6b4242c4-9ced-4044-a898-182cd1e516ce", 
            
169
      "name": "rendering-computer-graphics", 
221
      "name": "rendering-computer-graphics", 
            
170
      "state": "active", 
222
      "state": "active", 
            
171
      "vocabulary_id": null
223
      "vocabulary_id": null
            
172
    }, 
224
    }, 
            
173
    {
225
    {
            
174
      "display_name": "visualization", 
226
      "display_name": "visualization", 
            
175
      "id": "756e3958-c645-4b6f-bc16-b2d7413b6067", 
227
      "id": "756e3958-c645-4b6f-bc16-b2d7413b6067", 
            
176
      "name": "visualization", 
228
      "name": "visualization", 
            
177
      "state": "active", 
229
      "state": "active", 
            
178
      "vocabulary_id": null
230
      "vocabulary_id": null
            
179
    }
231
    }
            
180
  ], 
232
  ], 
            
181
  "title": "Dash sylvereye: a Python library for dashboard-driven 
233
  "title": "Dash sylvereye: a Python library for dashboard-driven 
            
182
visualization of large street networks", 
234
visualization of large street networks", 
            
183
  "type": "dataset", 
235
  "type": "dataset", 
            
184
  "url": 
236
  "url": 
            
185
esize=100&sortby=pubdate&citation_for_view=b81TvMMAAAAJ:roLk4NBRz8UC", 
237
esize=100&sortby=pubdate&citation_for_view=b81TvMMAAAAJ:roLk4NBRz8UC", 
            
186
  "version": null
238
  "version": null
            
187
}
239
}