物联网的快速发展和人机物互联的逐渐普及，使大规模的数据采集和融合分析成为可能。尤其是在公共安全监管领域，利用海量数据进行智能分析和决策是促进经济发展和保障区域社会稳定的重要需求。同时，海量数据，尤其是物联网系统所产生的具有多维异构特征的时间空间数据，也对传统的数据模型和分析手段提出了新的挑战。在此背景下，本文针对公共安全领域的数据分析、挖掘和决策进行了综合研究，重点针对可视化分析技术在多维时空数据的建模、表示和分析方面进行了深入探索。　　数据可视化是数据分析技术的重要组成部分，是使用视图形式表现数据的科学技术研究方法，为用户提供直观的分析手段，展示数据内部隐含的规律。利用计算机实现数据可视化能够充分发挥人的主观感知能力与计算机强大的数据处理能力，辅助分析人员快速发现和理解数据的特征。　　使用传感器等技术采集的加油数据具备典型数据特征，本文主要探讨如何使用数据可视化方法来挖掘具有多维时空属性的加油记录数据的隐含价值。围绕数据分析过程的各个阶段，对如何构建统一数据模型、如何设计并使用合适的可视化及可视分析方法等科学问题展开研究，并结合实际应用场景和具体案例，对提出的理论和方法及相关处理流程进行验证。　　由于数据来源众多，采集的数据存在异构及多样性问题，文章首先研究了基于海量异构数据资源的统一表示方法，并构建出基础的数据模型，该模型使用RDF表示方法，采用概念、关系、实例、活动四要素的数据模型表示形式存储信息抽取结果。这样就能将现实世界中的对象映射为统一的数据表达，最终实现多源异构数据的融合操作。　　使用传统分析方法在分析具备多维时空特征的数据时常常遇到一些困难，例如特征分析不明显、异常难以判断等，因此重点研究了基于多维时空特征数据的可视化方法，包括视图的设计和交互的实现。文中设计了包括平行坐标、散点关系图、甘特图、关系图、地图、日历矩阵图等十余种可视化视图，实现了缩放、移动、提示、过滤、拖拽、连线等多种基于web页面的交互方式。在系统中采用多模态数据可视化方法，利用多层次视图表现数据模型，直观展示时空数据的多维属性，进而分析数据的统计群组特征和典型个体行为模式，最终实现对异常行为的识别。　　在实际应用场景下运用文中描述的理论与方法分析集合中的数据。数据集中总共包含覆盖全疆的机动车信息500万条，人员信息400万条，加油记录超过8000万条。具体分析案例有对车辆加油模式的识别、对加油站的加油记录分布特征的总结以及异常加油行为的发现等，相关案例分析结果证明了方法的科学性。这些方法还可以应用在卡口数据、停车场数据等多种具有类似数据特征的数据集中。　　本文依据前述的理论和解决的关键技术，构建出面向公共安全的数据融合与智能分析平台，实现了时空数据特征发现、异常检测等功能，开发了统一数据抽取、可视化视图展示等模块，为公安部门相关人员提供服务。通过平台在公共安全领域中的实际应用，验证了本文所提理论、方法和成果的有效性。