Graph Drawing and Network

Visualization 26th International

Symposium GD 2018 Barcelona Spain
September 26 28 2018 Proceedings
Therese Biedl
Visit to download the full and correct content document:
https://textbookfull.com/product/graph-drawing-and-network-visualization-26th-interna
tional-symposium-gd-2018-barcelona-spain-september-26-28-2018-proceedings-ther
ese-biedl/
More products digital (pdf, epub, mobi) instant
download maybe you interests ...

Graph Drawing and Network Visualization 24th

International Symposium GD 2016 Athens Greece September
19 21 2016 Revised Selected Papers 1st Edition Yifan Hu

https://textbookfull.com/product/graph-drawing-and-network-
visualization-24th-international-symposium-gd-2016-athens-greece-
september-19-21-2016-revised-selected-papers-1st-edition-yifan-
hu/

Evolving OpenMP for Evolving Architectures 14th

International Workshop on OpenMP IWOMP 2018 Barcelona
Spain September 26 28 2018 Proceedings Bronis R. De
Supinski
https://textbookfull.com/product/evolving-openmp-for-evolving-
architectures-14th-international-workshop-on-openmp-
iwomp-2018-barcelona-spain-september-26-28-2018-proceedings-
bronis-r-de-supinski/

Graph Drawing and Network Visualization 25th

International Symposium GD 2017 Boston MA USA September
25 27 2017 Revised Selected Papers 1st Edition Fabrizio
Frati
https://textbookfull.com/product/graph-drawing-and-network-
visualization-25th-international-symposium-gd-2017-boston-ma-usa-
september-25-27-2017-revised-selected-papers-1st-edition-
fabrizio-frati/

Security and Trust Management 14th International

Workshop STM 2018 Barcelona Spain September 6 7 2018
Proceedings Sokratis K. Katsikas

https://textbookfull.com/product/security-and-trust-
management-14th-international-workshop-stm-2018-barcelona-spain-
september-6-7-2018-proceedings-sokratis-k-katsikas/
Emerging Technologies for Authorization and
Authentication First International Workshop ETAA 2018
Barcelona Spain September 7 2018 Proceedings Andrea
Saracino
https://textbookfull.com/product/emerging-technologies-for-
authorization-and-authentication-first-international-workshop-
etaa-2018-barcelona-spain-september-7-2018-proceedings-andrea-
saracino/

Privacy in Statistical Databases UNESCO Chair in Data

Privacy International Conference PSD 2018 Valencia
Spain September 26 28 2018 Proceedings Josep Domingo-
Ferrer
https://textbookfull.com/product/privacy-in-statistical-
databases-unesco-chair-in-data-privacy-international-conference-
psd-2018-valencia-spain-september-26-28-2018-proceedings-josep-
domingo-ferrer/

Data Privacy Management Cryptocurrencies and Blockchain

Technology ESORICS 2018 International Workshops DPM
2018 and CBT 2018 Barcelona Spain September 6 7 2018
Proceedings Joaquin Garcia-Alfaro
https://textbookfull.com/product/data-privacy-management-
cryptocurrencies-and-blockchain-technology-
esorics-2018-international-workshops-dpm-2018-and-
cbt-2018-barcelona-spain-september-6-7-2018-proceedings-joaquin-
garcia-alfaro/
Computer Security 23rd European Symposium on Research
in Computer Security ESORICS 2018 Barcelona Spain
September 3 7 2018 Proceedings Part I Javier Lopez

https://textbookfull.com/product/computer-security-23rd-european-
symposium-on-research-in-computer-security-
esorics-2018-barcelona-spain-september-3-7-2018-proceedings-part-
i-javier-lopez/

Graph Drawing 21st International Symposium GD 2013

Bordeaux France September 23 25 2013 Revised Selected
Papers 1st Edition Fabrizio Frati

https://textbookfull.com/product/graph-drawing-21st-
international-symposium-gd-2013-bordeaux-france-
september-23-25-2013-revised-selected-papers-1st-edition-
 Therese Biedl
Andreas Kerren (Eds.)
LNCS 11282

Graph Drawing
and Network Visualization
26th International Symposium, GD 2018
Barcelona, Spain, September 26–28, 2018
Proceedings

123
Lecture Notes in Computer Science 11282
Commenced Publication in 1973
Founding and Former Series Editors:
Gerhard Goos, Juris Hartmanis, and Jan van Leeuwen

Editorial Board
David Hutchison
Lancaster University, Lancaster, UK
Takeo Kanade
Carnegie Mellon University, Pittsburgh, PA, USA
Josef Kittler
University of Surrey, Guildford, UK
Jon M. Kleinberg
Cornell University, Ithaca, NY, USA
Friedemann Mattern
ETH Zurich, Zurich, Switzerland
John C. Mitchell
Stanford University, Stanford, CA, USA
Moni Naor
Weizmann Institute of Science, Rehovot, Israel
C. Pandu Rangan
Indian Institute of Technology Madras, Chennai, India
Bernhard Steffen
TU Dortmund University, Dortmund, Germany
Demetri Terzopoulos
University of California, Los Angeles, CA, USA
Doug Tygar
University of California, Berkeley, CA, USA
Gerhard Weikum
Max Planck Institute for Informatics, Saarbrücken, Germany
More information about this series at http://www.springer.com/series/7407
Therese Biedl Andreas Kerren (Eds.)
•

Graph Drawing
and Network Visualization
26th International Symposium, GD 2018
Barcelona, Spain, September 26–28, 2018
Proceedings

123
Editors
Therese Biedl Andreas Kerren
University of Waterloo Linnaeus University
Waterloo, ON, Canada Växjö, Sweden

ISSN 0302-9743 ISSN 1611-3349 (electronic)

Lecture Notes in Computer Science
ISBN 978-3-030-04413-8 ISBN 978-3-030-04414-5 (eBook)
https://doi.org/10.1007/978-3-030-04414-5

Library of Congress Control Number: 2018961593

LNCS Sublibrary: SL1 – Theoretical Computer Science and General Issues

© Springer Nature Switzerland AG 2018

This work is subject to copyright. All rights are reserved by the Publisher, whether the whole or part of the
material is concerned, specifically the rights of translation, reprinting, reuse of illustrations, recitation,
broadcasting, reproduction on microfilms or in any other physical way, and transmission or information
storage and retrieval, electronic adaptation, computer software, or by similar or dissimilar methodology now
known or hereafter developed.
The use of general descriptive names, registered names, trademarks, service marks, etc. in this publication
does not imply, even in the absence of a specific statement, that such names are exempt from the relevant
protective laws and regulations and therefore free for general use.
The publisher, the authors, and the editors are safe to assume that the advice and information in this book are
believed to be true and accurate at the date of publication. Neither the publisher nor the authors or the editors
give a warranty, express or implied, with respect to the material contained herein or for any errors or
omissions that may have been made. The publisher remains neutral with regard to jurisdictional claims in
published maps and institutional affiliations.

This Springer imprint is published by the registered company Springer Nature Switzerland AG
The registered company address is: Gewerbestrasse 11, 6330 Cham, Switzerland
 Preface

This volume contains the papers presented at GD 2018: 26th International Symposium
on Graph Drawing and Network Visualization held during September 26–28, 2018, in
Barcelona. Graph drawing is concerned with the geometric representation of graphs
and constitutes the algorithmic core of network visualization. Graph drawing and
network visualization are motivated by applications where it is crucial to visually
analyze and interact with relational datasets. Information about the conference series
and past symposia is maintained at http://www.graphdrawing.org. The 2018 edition
of the conference was hosted by Universitat Politècnica de Catalunya, with Vera
Sacristán and Rodrigo Silveira as co-chairs of the Organizing Committee. A total of 99
participants attended the conference.
Regular papers could be submitted to one of two distinct tracks: Track 1 for papers
on combinatorial and algorithmic aspects of graph drawing and Track 2 for papers on
experimental, applied, and network visualization aspects. Short papers were given a
separate category, which welcomed both theoretical and applied contributions. An
additional track was devoted to poster submissions. All the tracks were handled by a
single Program Committee. In response to the call for papers, the Program Committee
received a total of 102 submissions, consisting of 85 papers (45 in Track 1, 23 in Track
2, and 17 in the short paper category; two papers that were withdrawn by the authors
are not included in these statistics) and 17 posters. More than 330 expert single-blind
reviews were provided, roughly a third of which were contributed by external
sub-reviewers. After extensive electronic discussions via EasyChair, the Program
Committee selected 41 papers and 14 posters for inclusion in the scientific program of
GD 2018. This resulted in an overall paper acceptance rate of 48% (58% in Track 1,
43% in Track 2, and 29% in the short paper category). Authors published an electronic
version of their accepted papers on an arXiv repository; a conference index with links
to these contributions was made available before the conference.
There were two keynote talks at GD 2018. Alexandru Telea, from University of
Groningen, The Netherlands, talked about methods for “Image-Based Graph Visual-
ization: Advances and Challenge.” Bojan Mohar, from Simon Fraser University,
Canada, spoke about the “Beauty and Challenges of Crossing Numbers.” The abstracts
of both talks are included in the proceedings.
The conference gave out best paper awards in Track 1 and Track 2, plus a best
presentation award and a best poster award. As decided by a subcommittee of the
Program Committee, the award for the best paper in Track 1 was assigned to “Pole
Dancing: 3D Morphs for Tree Drawings” by Elena Arseneva, Prosenjit Bose, Pilar
Cano, Anthony D’Angelo, Vida Dujmović, Fabrizio Frati, Stefan Langerman, and
Alessandra Tappini, and the award for the best paper in Track 2 was assigned to
“Aesthetic Discrimination of Graph Layouts” by Moritz Klammler, Tamara Mche-
dlidze, and Alexey Pak. The participants of the conference voted to determine as the
best presentation the one given jointly by Elena Arseneva and Pilar Cano for the paper
VI Preface

“Pole Dancing: 3D Morphs for Tree Drawings” and as the best poster the one by
Charles Camacho, Silvia Fernández-Merchant, Marija Jelic, Rachel Kirsch, Linda
Kleist, Elizabeth Bailey Matson, and Jennifer White entitled “Bounding the
Tripartite-Circle Crossing Number of Complete Tripartite Graphs.” Congratulations to
all the award winners for their excellent contributions, and many thanks to Springer and
MDPI whose sponsorship funded the prize money for these awards.
Following the tradition, the 25th Annual Graph Drawing Contest was held during
the conference. The contest was divided into two parts, creative topics and the live
challenge. The creative topics featured two graphs, one about Games of Thrones and
one about the Mathematics Genealogy Project. The live challenge focused on drawings
that maximize the crossing-angles, and had two categories: manual and automatic.
Awards were given in each of the four categories. We thank the Contest Committee,
chaired by Maarten Löffler, for preparing interesting and challenging contest problems.
A report about the contest is included in these proceedings.
Many people and organizations contributed to the success of GD 2018. We would
like to thank the Program Committee members and the external reviewers for carefully
reviewing and discussing the submitted papers and posters; this was crucial for putting
together a strong and interesting program. Thanks to all the authors who chose GD
2018 as the publication venue for their research. We are indebted to the gold sponsors
Tom Sawyer Software and yWorks, the silver sponsor Microsoft, and the bronze
sponsor Springer. Their generous support helps to ensure the continued success of this
conference. Last but not least, the organizing co-chairs, Vera Sacristán and Rodrigo
Silveira, did a terrific job; they in turn would like to express their thanks to other local
organizers and volunteers, including Therese Biedl, Pilar Cano, Karla García, Carmen
Hernando, Clemens Huemer, Maarten Löffler, Mercè Mora, Carlos Seara, and Roger
Solí.
The 27th International Symposium on Graph Drawing and Network Visualization
(GD 2019) will take place September 17–20, 2019 in Průhonice (near Prague), Czech
Republic. Daniel Archambault and Csaba Tóth will co-chair the Program Committee.
Jiří Fiala and Pavel Valtr will co-chair the Organizing Committee.

October 2018 Therese Biedl

Andreas Kerren
 Organization

Steering Committee
Daniel Archambault Swansea University, UK
Therese Biedl University of Waterloo, Canada
Giuseppe Di Battista Università Roma Tre, Italy
Fabrizio Frati Università Roma Tre, Italy
Andreas Kerren Linnaeus University, Sweden
Stephen G. Kobourov University of Arizona, USA
(Incoming Chair)
Giuseppe Liotta (Outgoing Università di Perugia, Italy
Chair)
Kwan-Liu Ma University of California at Davis, USA
Martin Nöllenburg Technische Universität Wien, Austria
Roberto Tamassia Brown University, USA
Ioannis G. Tollis University of Crete, Greece and Tom Sawyer Software,
USA
Csaba D. Tóth California State University Northridge, USA

Program Committee
Patrizio Angelini Tübingen University, Germany
Daniel Archambault Swansea University, UK
David Auber LaBRI, Université Bordeaux, France
Therese Biedl (Co-chair) University of Waterloo, Canada
Carla Binucci University of Perugia, Italy
Erin Chambers Saint Louis University, USA
Steven Chaplick Universität Würzburg, Germany
Giuseppe Di Battista Università Roma Tre, Italy
Tim Dwyer Monash University, Australia
Radoslav Fulek IST Austria, Austria
Christophe Hurter ENAC – École Nationale de l’Aviation Civile, France
Andreas Kerren (Co-chair) Linnaeus University, Sweden
Karsten Klein University of Konstanz, Germany
Debajyoti Mondal University of Saskatchewan, Canada
Petra Mutzel TU Dortmund University, Germany
Yoshio Okamoto The University of Electro-Communications and
RIKEN Center for Advanced Intelligence Project
(AIP), Japan
Sergey Pupyrev University of Arizona, USA
Helen Purchase University of Glasgow, UK
Marcus Schaefer DePaul University, USA
VIII Organization

Gerik Scheuermann Leipzig University, Germany

Darren Strash Hamilton College, USA
Shigeo Takahashi University of Aizu, Japan
Tatiana von Landesberger Technische Universität Darmstadt, Germany
Sue Whitesides University of Victoria, Canada
David R. Wood Monash University, Australia
Hsu-Chun Yen National Taiwan University, Taiwan

Organizing Committee
Vera Sacristán Universitat Politècnica de Catalunya, Spain
Rodrigo Silveira Universitat Politècnica de Catalunya, Spain

Contest Committee
Will Devanny University of California at Irvine, USA
Philipp Kindermann University of Waterloo, Canada
Maarten Löffler (Chair) Utrecht University, The Netherlands
Ignaz Rutter Universität Passau, Germany

External Referees

Ackerman, Eyal Didimo, Walter Kaufmann, Michael

Aichem, Michael Dujmović, Vida Keil, Mark
Akitaya, Hugo Döring, Hanna Keszegh, Balázs
Alam, Jawaherul Evans, William Kieffer, Steve
Arroyo, Alan Fink, Martin Kindermann, Philipp
Balko, Martin Firman, Oksana Klemz, Boris
Ballweg, Kathrin Frati, Fabrizio Klimenta, Mirza
Barth, Lukas Förster, Henry Knauer, Kolja
Bekos, Michael Grilli, Luca Kryven, Myroslav
Bereg, Sergey Gronemann, Martin Kurz, Denis
Biniaz, Ahmad Gupta, Siddharth Kynčl, Jan
Blaszczyszyn, Bartek Hassoumi, Almoctar Lau, Lap Chi
Bläsius, Thomas Healy, Patrick Lin, Chun-Cheng
Brandenburg, Franz Hossain, Md. Iqbal Lu, Hsueh-I
Chang, Hsien-Chih Hu, Yifan Lubiw, Anna
Chimani, Markus Irvine, Veronika Löffler, Andre
Cornelsen, Sabine Jaeger, Sabrina Mehrabi, Saeed
Da Lozzo, Giordano Jesus Lobo, Maria Michael, Traoré
Di Giacomo, Emilio Joret, Gwenaël Montecchiani, Fabrizio
 Organization IX

Nöllenburg, Martin Rüegg, Ulf Wang, Yunhai

Otachi, Yota Schulz, André Wiechert, Veit
Patakova, Zuzana Sommer, Björn Wild, Pascal
Pálvölgyi, Dömötör Tappini, Alessandra Wolff, Alexander
Rahman, Md. Saidur Uehara, Ryuhei Wunderlich, Marcel
Roselli, Vincenzo van Renssen, André Wybrow, Michael
Rutter, Ignaz Wallner, Günter Yu, Tian-Li
Rzążewski, Paweł Wang, Hung-Lung Zink, Johannes

Sponsors

Gold Sponsors

Silver Sponsor

Bronze Sponsor
Beauty and Challenges of Crossing Numbers
(Keynote Presentation)

Bojan Mohar

Simon Fraser University, Burnaby and IMFM, Ljubljana

mohar@sfu.ca

Abstract. One of the initial goals of the graph drawing community was trying to
understand what it means for a drawing of a graph to be nice or even beautiful.
These attempts failed due to lack of a formal description how to measure how
beautiful a drawing of a graph is. However, there is a lot of beauty of the results
and methods in this area.
In this talk, the speaker will outline some of his favorite results in crossing
number theory that demonstrate extreme beauty and elegance. Yet, there are
some very basic problems that elude our proper understanding of this area. The
speaker will touch upon some of these as well.
 Contents

Invited Talk

Image-Based Graph Visualization: Advances and Challenges . . . . . . . . . . . . 3

Alexandru Telea

Planarity Variants

Clustered Planarity = Flat Clustered Planarity . . . . . . . . . . . . . . . . . . . . . . . 23

Pier Francesco Cortese and Maurizio Patrignani

Level Planarity: Transitivity vs. Even Crossings . . . . . . . . . . . . . . . . . . . . . 39

Guido Brückner, Ignaz Rutter, and Peter Stumpf

Short Plane Supports for Spatial Hypergraphs. . . . . . . . . . . . . . . . . . . . . . . 53

Thom Castermans, Mereke van Garderen, Wouter Meulemans,
Martin Nöllenburg, and Xiaoru Yuan

Turning Cliques into Paths to Achieve Planarity . . . . . . . . . . . . . . . . . . . . . 67

Patrizio Angelini, Peter Eades, Seok-Hee Hong, Karsten Klein,
Stephen Kobourov, Giuseppe Liotta, Alfredo Navarra,
and Alessandra Tappini

Upward Drawings

Universal Slope Sets for Upward Planar Drawings . . . . . . . . . . . . . . . . . . . 77

Michael A. Bekos, Emilio Di Giacomo, Walter Didimo,
Giuseppe Liotta, and Fabrizio Montecchiani

Upward Planar Morphs . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 92

Giordano Da Lozzo, Giuseppe Di Battista, Fabrizio Frati,
Maurizio Patrignani, and Vincenzo Roselli

Visualizing the Template of a Chaotic Attractor . . . . . . . . . . . . . . . . . . . . . 106

Maya Olszewski, Jeff Meder, Emmanuel Kieffer, Raphaël Bleuse,
Martin Rosalie, Grégoire Danoy, and Pascal Bouvry

RAC Drawings

On RAC Drawings of Graphs with One Bend per Edge. . . . . . . . . . . . . . . . 123

Patrizio Angelini, Michael A. Bekos, Henry Förster,
and Michael Kaufmann
XIV Contents

Compact Drawings of 1-Planar Graphs with Right-Angle Crossings

and Few Bends . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 137
Steven Chaplick, Fabian Lipp, Alexander Wolff, and Johannes Zink

Drawing Subcubic 1-Planar Graphs with Few Bends, Few Slopes,

and Large Angles . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 152
Philipp Kindermann, Fabrizio Montecchiani, Lena Schlipf,
and André Schulz

Best Paper Track 2

Aesthetic Discrimination of Graph Layouts . . . . . . . . . . . . . . . . . . . . . . . . 169

Moritz Klammler, Tamara Mchedlidze, and Alexey Pak

Orders

A Flow Formulation for Horizontal Coordinate Assignment

with Prescribed Width . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 187
Michael Jünger, Petra Mutzel, and Christiane Spisla

The Queue-Number of Posets of Bounded Width or Height . . . . . . . . . . . . . 200

Kolja Knauer, Piotr Micek, and Torsten Ueckerdt

Queue Layouts of Planar 3-Trees . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 213

Jawaherul Md. Alam, Michael A. Bekos, Martin Gronemann,
Michael Kaufmann, and Sergey Pupyrev

Crossings

Crossing Minimization in Perturbed Drawings . . . . . . . . . . . . . . . . . . . . . . 229

Radoslav Fulek and Csaba D. Tóth

The Number of Crossings in Multigraphs with No Empty Lens . . . . . . . . . . 242

Michael Kaufmann, János Pach, Géza Tóth, and Torsten Ueckerdt

Crossing Numbers and Stress of Random Graphs . . . . . . . . . . . . . . . . . . . . 255

Markus Chimani, Hanna Döring, and Matthias Reitzner

Crossing Angles

A Heuristic Approach Towards Drawings of Graphs with

High Crossing Resolution . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 271
Michael A. Bekos, Henry Förster, Christian Geckeler, Lukas Holländer,
Michael Kaufmann, Amadäus M. Spallek, and Jan Splett
 Contents XV

A Greedy Heuristic for Crossing-Angle Maximization . . . . . . . . . . . . . . . . . 286

Almut Demel, Dominik Dürrschnabel, Tamara Mchedlidze,
Marcel Radermacher, and Lasse Wulf

Contact Representations

Recognition and Drawing of Stick Graphs . . . . . . . . . . . . . . . . . . . . . . . . . 303

Felice De Luca, Md Iqbal Hossain, Stephen Kobourov, Anna Lubiw,
and Debajyoti Mondal

On Contact Graphs of Paths on a Grid. . . . . . . . . . . . . . . . . . . . . . . . . . . . 317

Zakir Deniz, Esther Galby, Andrea Munaro, and Bernard Ries

Specialized Graphs and Trees

On the Area-Universality of Triangulations. . . . . . . . . . . . . . . . . . . . . . . . . 333

Linda Kleist

Monotone Drawings of k-Inner Planar Graphs . . . . . . . . . . . . . . . . . . . . . . 347

Anargyros Oikonomou and Antonios Symvonis

On L-Shaped Point Set Embeddings of Trees: First

Non-embeddable Examples . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 354
Torsten Mütze and Manfred Scheucher

How to Fit a Tree in a Box . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 361

Hugo A. Akitaya, Maarten Löffler, and Irene Parada

Best Paper Track 1

Pole Dancing: 3D Morphs for Tree Drawings . . . . . . . . . . . . . . . . . . . . . . . 371

Elena Arseneva, Prosenjit Bose, Pilar Cano, Anthony D’Angelo,
Vida Dujmović, Fabrizio Frati, Stefan Langerman,
and Alessandra Tappini

Partially Fixed Drawings

The Complexity of Drawing a Graph in a Polygonal Region . . . . . . . . . . . . 387

Anna Lubiw, Tillmann Miltzow, and Debajyoti Mondal

Inserting an Edge into a Geometric Embedding. . . . . . . . . . . . . . . . . . . . . . 402

Marcel Radermacher and Ignaz Rutter

b-Stars or On Extending a Drawing of a Connected Subgraph . . . . . . . . . . . 416

Tamara Mchedlidze and Jérôme Urhausen
XVI Contents

Experiments

Perception of Symmetries in Drawings of Graphs . . . . . . . . . . . . . . . . . . . . 433

Felice De Luca, Stephen Kobourov, and Helen Purchase

Network Alignment by Discrete Ollivier-Ricci Flow . . . . . . . . . . . . . . . . . . 447

Chien-Chun Ni, Yu-Yao Lin, Jie Gao, and Xianfeng Gu

Same Stats, Different Graphs: (Graph Statistics and Why We Need

Graph Drawings). . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 463
Hang Chen, Utkarsh Soni, Yafeng Lu, Ross Maciejewski,
and Stephen Kobourov

Orthogonal Drawings

Bend-Minimum Orthogonal Drawings in Quadratic Time . . . . . . . . . . . . . . . 481

Walter Didimo, Giuseppe Liotta, and Maurizio Patrignani

Greedy Rectilinear Drawings . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 495

Patrizio Angelini, Michael A. Bekos, Walter Didimo, Luca Grilli,
Philipp Kindermann, Tamara Mchedlidze, Roman Prutkin,
Antonios Symvonis, and Alessandra Tappini

Orthogonal and Smooth Orthogonal Layouts of 1-Planar Graphs

with Low Edge Complexity . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 509
Evmorfia Argyriou, Sabine Cornelsen, Henry Förster,
Michael Kaufmann, Martin Nöllenburg, Yoshio Okamoto,
Chrysanthi Raftopoulou, and Alexander Wolff

Ortho-Polygon Visibility Representations of 3-Connected 1-Plane Graphs . . . 524

Giuseppe Liotta, Fabrizio Montecchiani, and Alessandra Tappini

Realizability

Realization and Connectivity of the Graphs of Origami Flat Foldings . . . . . . 541

David Eppstein

Arrangements of Pseudocircles: On Circularizability . . . . . . . . . . . . . . . . . . 555

Stefan Felsner and Manfred Scheucher

The Weighted Barycenter Drawing Recognition Problem . . . . . . . . . . . . . . . 569

Peter Eades, Patrick Healy, and Nikola S. Nikolov

Miscellaneous

Algorithms and Bounds for Drawing Directed Graphs . . . . . . . . . . . . . . . . . 579

Giacomo Ortali and Ioannis G. Tollis
 Contents XVII

Optimal Grid Drawings of Complete Multipartite Graphs and

an Integer Variant of the Algebraic Connectivity. . . . . . . . . . . . . . . . . . . . . 593
Ruy Fabila-Monroy, Carlos Hidalgo-Toscano, Clemens Huemer,
Dolores Lara, and Dieter Mitsche

Graph Drawing Contest Report

Graph Drawing Contest Report . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 609

William Devanny, Philipp Kindermann, Maarten Löffler,
and Ignaz Rutter

Poster Abstracts

Visual Analysis of Temporal Fiscal Networks with TeFNet . . . . . . . . . . . . . 621

Walter Didimo, Luca Grilli, Giuseppe Liotta, Fabrizio Montecchiani,
and Daniele Pagliuca

Multilevel Planarity . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 624

Lukas Barth, Guido Brückner, Paul Jungeblut,
and Marcel Radermacher

Schematizing Regional Landmarks for Route Maps . . . . . . . . . . . . . . . . . . . 627

Marcelo Galvão, Jakub Krukar, and Angela Schwering

Low-Degree Graphs Beyond Planarity . . . . . . . . . . . . . . . . . . . . . . . . . . . . 630

Patrizio Angelini, Michael A. Bekos, Michael Kaufmann,
and Thomas Schneck

Bounding the Tripartite-Circle Crossing Number of Complete Tripartite

Graphs. . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 633
Charles Camacho, Silvia Fernández-Merchant, Marija Jelic,
Rachel Kirsch, Linda Kleist, Elizabeth Bailey Matson,
and Jennifer White

On the Edge Density of k-Planar Graphs . . . . . . . . . . . . . . . . . . . . . . . . . . 636

Steven Chaplick, Andre Löffler, and Rainer Schmöger

Confluent* Drawings by Hierarchical Clustering . . . . . . . . . . . . . . . . . . . . . 640

Jonathan X. Zheng, Samraat Pawar, and Dan F. M. Goodman

Examining Weak Line Covers with Two Lines in the Plane . . . . . . . . . . . . . 643
Oksana Firman, Fabian Lipp, Laura Straube, and Alexander Wolff

1-Gap Planarity of Complete Bipartite Graphs . . . . . . . . . . . . . . . . . . . . . . 646

Christian Bachmaier, Ignaz Rutter, and Peter Stumpf
XVIII Contents

Extending Drawings of Kn into Arrangements of Pseudocircles. . . . . . . . . . . 649

Alan Arroyo, R. Bruce Richter, and Matthew Sunohara

Topology Based Scalable Graph Kernels . . . . . . . . . . . . . . . . . . . . . . . . . . 652

Kin Sum Liu, Chien-Chun Ni, Yu-Yao Lin, and Jie Gao

New Spectral Sparsification Approach for Drawing Large Graphs . . . . . . . . . 655

Jingming Hu and Seok-Hee Hong

SPQR Proxy Graphs for Visualization of Large Graphs . . . . . . . . . . . . . . . . 658

Seok-Hee Hong and Quan Nguyen

Taming the Knight’s Tour: Minimizing Turns and Crossings . . . . . . . . . . . . 661

Juan Jose Besa, Timothy Johnson, Nil Mamano,
and Martha C. Osegueda

Author Index . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 665

Invited Talk
 Image-Based Graph Visualization:
Advances and Challenges

Alexandru Telea(B)

Bernoulli Institute, University of Groningen, Groningen, The Netherlands

a.c.telea@rug.nl

Abstract. Visualizing large, multiply-attributed, and time-dependent

graphs is one of the grand challenges of information visualization. In
recent years, image-based techniques have emerged as a strong competi-
tor in the arena of solutions for this task. While many papers on this
topic have been published, the precise advantages and limitations of such
techniques, and also how they relate to similar techniques in the more
traditional fields of scientific visualization (scivis) and image processing,
have not been sufficiently outlined. In this paper, we aim to provide
such an overview and comparison. We highlight the main advantages
of image-based graph visualization and propose a simple taxonomy for
such techniques. Next, we highlight the differences between graph and
scivis/image datasets that lead to limitations of current image-based
graph visualization techniques. Finally, we consider these limitations to
propose a number of future work directions for extending the effective-
ness and range of image-based graph visualization.

Keywords: Large graph visualization

Image-based information visualization · Multiscale visualization

1 Introduction
Relational data, also called networks or graphs, is a central and ubiquitous
element of many types of data collections generated by multiple application
domains such as traffic analysis and planning, social media, business intelli-
gence, biology, software engineering, and the internet. Since the first moments
when such data was collected, visualization has been a key tool for its explo-
ration and analysis, leading to the emergence and development of the research
domains of graph drawing and graph visualization [15,23]. Last-decade develop-
ments in processing power, data-acquisition tools, and techniques, have led to
what is today globally called big data – collections of tens of millions of sam-
ples having hundreds of measurement values (attributes), all which can evolve
over thousands of time steps. A particular case hereof, big-data graphs, pose
fundamental problems for visual exploration.
On the other hand, several solutions, techniques, and tools have been devel-
oped for the scalable visual exploration of other types of big data collections,
c Springer Nature Switzerland AG 2018
T. Biedl and A. Kerren (Eds.): GD 2018, LNCS 11282, pp. 3–19, 2018.
https://doi.org/10.1007/978-3-030-04414-5_1
4 A. Telea

such as 2D images, 3D scalar or vector field volumes, or more generally multidi-

mensional fields, in the domains of scientific visualization and imaging sciences
[52]. Recent developments have tried to approach the two traditionally sepa-
rately evolving fields of graph visualization and scientific visualization, thereby
aiming at leveraging the (visual) scalability of the latter methods to address
big graph related challenges from the former [20]. This has led to interesting
parallels and links between concepts, methods, and applications between the
two fields, and the development of hybrid visualization methods that inherit
strengths from both graph visualization and scientific visualization. However,
large graph visualization still has many unsolved challenges [23].
In this paper (and related talk) we aim to provide an overview of the research
at the crossroads of large graph visualization and scientific visualization. We start
highlighting the main challenges in large graph visualization (Sect. 2). Next, we
outline the high-level directions proposed by current research towards addressing
these (Sect. 3). We focus next on one type of technique that aims to solve these
challenges by adapting methods from scientific visualization and imaging to the
particularities of graph visualization – image-based graph visualization (Sect. 4).
Based on the structure of graph data outlined in Sect. 2, we discuss here various
types of image-based methods for graph visualization and highlight parallels to
simplification methods for multivariate field and image data. In the light of these
methods, we next highlight open challenges for image-based graph visualization
(Sect. 5) and attempt to clarify some of the more subtle points related to this
new emerging visualization field which, we believe, have not been sufficiently
discussed in current literature. Section 6 concludes the paper outlining promising
directions for future research in image-based graph visualization.

2 Problem Definition

2.1 Preliminaries

To better outline the large graph visualization challenges, we first introduce

some notations. Let G = (V, E ⊂ V × V ) be a graph with vertices, or nodes,
V = {vi } and edges E = {ei }. Both nodes and edges typically have one or
multiple attributes (also called features, dimensions, or variables). We denote
by vij , 1 ≤ j ≤ NV , the individual attributes of node vi , and by eji , 1 ≤ j ≤
NE , the individual attributes of edge ei , respectively. As a shorthand, let vj
denote all values of the j th attribute of all nodes V ; let ej denote all values
of the j th attribute of all edges E; let V = (v1 , . . . , vNV ) denote all values
of all node attributes; and let E = (e1 , . . . , eNE ) denote all values of all edge
attributes, respectively. Attributes can be of all types, e.g., quantitative (values
in R), integral (values in N), ordinal, categorical, text, hyperlinks, but also more
complex data types such as images or video. In this sense, the ordered collections
V and E are very similar to so-called multidimensional datasets as well known
in information visualization [20,34,52]. That is, every node vi or edge ei can
be seen as a sample, or observation, of a respectively NV and NE dimensional
 Image-Based Graph Visualization: Advances and Challenges 5

dataset. Finally, as graphs can evolve over time, all their ingredients (sets V , E,
V, and E) can be seen as functions of (continuous or discrete) time [2].

Abstract graph space Euclidean space Image space

attributed graph G graph layout graph visualization
M(F(G)) R(M(F(G)))
nodes V edges E

filtered graph F(G)

node vi edge ei

rendering R
mapping M
filtering F
edge attributes
node attributes

vi1 ei1
... ...
positions mi
viNV
eiNE
rendered
shapes ri
Techniques

aggregation layouting bundling

filtering bundling glyphs
subsampling image-based techniques

Fig. 1. Graph visualization pipeline.

With these notations, visualizing a graph can be defined in terms of the

traditional data visualization pipeline [52] in terms of filtering, mapping and
rendering operations (see also Fig. 1). Filtering F reads the input graph G and
produces another graph F (G) which is (more) suitable for subsequent visualiza-
tion, e.g., by removing nodes, edges, and/or attributes that are not of interest,
or aggregating such elements into fewer and/or semantically richer ones. Map-
ping M is a function that takes as input F (G) and outputs a set of shapes
M (F (G)) = {mi } embedded in R2 or, less frequently, R3 . Typically, nodes are
mapped to individual points, and edges are mapped to straight lines or, less
commonly, curves. Other layout methods, such as adjacency matrices [1], exist
but are less intuitive, less common, and thus not discussed here. Most often, M
takes into account only the graph topology (V, E), and computes only positions
mi for nodes. This is the case of so-called graph layout techniques [51,55]. Ren-
dering R takes as input the layout M (F (G)) and creates actual visible shapes
R(M (F (G))) = {ri }, where each ri is placed at the corresponding layout posi-
tions mi . Visual variables [57] of ri such as size, color, texture, transparency,
orientation, texture, and annotation are used to encode the attributes vi and ei
of the respective node or edge. Interactive exploration techniques such as zoom-
ing, panning, brushing, and lensing can be subsumed to the rendering operator
R as they are essentially customized ways to perform rendering; hence, we do
not discuss them separately.

2.2 Scalability Challenge

With the above notations, we can decompose the challenge of visualizing big-
data graphs into the following three elements:
6 A. Telea

Layout: A good layout should arguably allow end users to detect structures of
interest present in G by examining the rendering R(M (G)). These include, but
are not limited to, finding groups of strongly-connected nodes; finding specific
connection patterns; assessing the overall topology of G; and finding (and fol-
lowing) paths between specific parts of G, at a low level [24]; and identifying,
comparing, and summarizing the information present in G, at a high level [4].
However, even for moderately-sized graphs (|V | or |E| exceeding a few thou-
sands), most existing layout methods cannot usually produce layouts that can
consistently support these tasks [23]. Suboptimal layouts of large graphs, also
called ‘hairballs’, are all to frequent a problem in graph visualization [38,47].
The problem is caused by the fact that there does not exist a ‘natural’ map-
ping between the abstract space of graphs and the Euclidean 2D or 3D render-
ing space. Interestingly, the problem is very similar to that of mapping high-
dimensional scatterplots (sampled datasets in Rn ) to 2D or 3D by so-called
dimensionality reduction (DR) methods [29,50].

Dimensionality: An effective graph visualization should allow users to answer

questions on all elements of interest of the original graph. Apart from the topol-
ogy (V, E) which should be captured by the layout M (G), this includes the
node and edge attributes V and E. The problem is that, when NV and NE
are large, nodes and edges essentially become points in high-dimensional spaces.
Since, as explained, each node and/or edge is typically mapped to a separate
location mi , the challenge is how to depict a high-dimensional data sample, con-
sisting of potentially different attribute types, to the space at or around mi .
A similar problem exists in scientific visualization when using glyphs to depict
high-dimensional fields [3,44]: The higher-dimensional our data points are, the
more space one needs to show all dimensions, so the fewer such points (in our
case, nodes and/or edges) can one show on a given screen size. At one extreme,
we can display (tens of) thousands of nodes on a typical computer screen if we
only show 2 or 3 attributes per node (encoded e.g. in hue, luminance, and size);
at the other extreme, we can display tens of attributes per node, like in UML
diagrams, but for only a few tens up to hundreds of nodes [5]. The problem is
well known also in multidimensional information visualization.

Clutter and Overdraw: Finally, a scalable graph visualization should accom-

modate (very) large graphs consisting of millions of nodes and/or edges. Even
if we abstract from the aforementioned layout and dimensionality challenges,
a fundamental difficulty here resides in the fact that a node-link visualization
cannot exceed a given density: If nodes and/or edges are drawn too close to each
other, they will form a compact cluttered mass where they cannot be distin-
guished from each other. Additionally, an edge (in the node-link visual model) is
drawn as a line (or curve) so in the limit it needs to use at least a few (tens of)
pixels of screen space to be visible as such (if the edge is too show, we cannot e.g.
see its direction); in Tufte’s terms, there is an upper bound to the data-ink ratio
[57] when drawing a graph edge. Moreover, when attributes must be rendered
 Image-Based Graph Visualization: Advances and Challenges 7

atop of the edge, the amount of surrounding whitespace needs to be increased

[17]. This leads in turn to inherent overdraw, i.e. edges that partially occlude
each other, even for moderately-sized graphs of thousands of nodes. A detailed
overview of clutter reduction techniques in information visualization is given by
Ellis and Dix [8]. In large graph visualization, clutter and overdraw are hard to
jointly optimize for: Spatial distortion, e.g. via edge bundling (discussed next
in Sect. 4.2), creates more white space, thus reduces clutter, but increases over-
draw; space-filling techniques are of limited effect since, as noted, edges must
be surrounded by white space to be visible as such; apart from these, reducing
clutter and overdraw is not fully possible in the rendering phase only, as this
phase works within the constraints of the layout fed to it by the M operator.

Scivis data simplification Graphvis data simplification

??
filtering F

filtering F
a) 3D mesh (80K points) b) simplified mesh (20K points) e) graph (80K edges)
?
f) simplified graph (20K edges)

filtering F
filtering F

c) mesh detail (70 polygons) d) simplified mesh detail g) graph detail (50 edges) h) graph detail (49 edges)
(69 polygons)

Fig. 2. Data-space simplification of scivis data (a) vs graph data (b). (Color figure
online)

3 Simplification: Ways Towards a Solution

For a given screen resolution for the target image R, how can we approach large
graph visualization? Given the scalability challenges outlined in Sect. 2.2, two
types of approaches exist, as follows.

Data-Space Simplification: First, we can simplify the graph G in the filtering

stage F in the visualization pipeline (Fig. 1). This reduces the number of nodes
(|V |), edges (|E|), and/or attributes (NV , NE ) to be next passed to the mapping
operator M . Following the clutter reduction taxonomy of Ellis and Dix [8], this
includes subsampling, filtering, and clustering (aggregation) [45], all applicable to
V , E, and (V, E) respectively. While effective in tackling clutter, overdraw, and
dimensionality issues, such approaches have two limitations. First, they require
8 A. Telea

a priori knowledge on which data items (samples or dimensions) can be filtered

or clustered together. Secondly, performing such operations on graphs can easily
affect the semantics of the underlying data.
At this point, it is instructive to compare graph visualization (graphvis)
with image and field visualization as done in classical scientific visualization
(scivis). Consider a multidimensional dataset D : Rm → Rn ; for each point of
the Euclidean m-dimensional domain, n quantitative values are measured. Scivis
provides many methods for visualizing such datasets, e.g. for 2D and 3D vector
fields (m ∈ {2, 3}, n ∈ {2, 3}) or 2D and 3D scalar fields (m ∈ {2, 3}, n = 1)
[52]. Many techniques exist in scivis (and, by extension, in imaging and sig-
nal processing) for simplifying large fields – we mention here just a few, e.g.,
perceptually-based image downscaling [39], feature extraction from vector fields
[43], multiscale representations of scalar and vector fields [12,14], mesh simpli-
fication [28], and image segmentation [40]. Many such techniques have a multi-
scale nature: Given a dataset D and a simplification level τ ∈ R+ , they produce
a filtered (simplified) version F (D) of D which is (roughly) τ times smaller
than D. This allows users to continuously vary the level-of-detail parameter τ
until obtaining a visualization that matches their goals, as well as fits the avail-
able screen space with limited clutter. Figure 2(left) illustrates this: From a 3D
surface-mesh dataset (a), we can easily extract a four times smaller dataset (b)
using e.g. mesh decimation [46], which captures very well the overall structure
of the depicted bone shape. Consider now a graph of similar size, whose nodes
are functions in a software system [54] and edges function calls respectively (e).
What should be the equivalent simplification of this graph to a size four times
smaller? (f) This is far from evident. The scivis-graphvis difference manifests
itself even on the tiniest scale: Take a detail (zoom-in) of the mesh dataset (c)
from which we decimate a single polygon (data point). The result (d) is visually
identical. Consider now the analogous zoom-in on a small portion of our call
graph (g) from which we remove a single edge. The result (h) may be visually
similar to the input (g), but can have a completely different semantics – just
imagine that the removed function call edge is vital to the understanding of the
operation of the underlying software.
All in all, most scivis data-space simplification methods succeed in keep-
ing the overall semantics of their data. In contrast, even tiny changes to graph
data can massively affect the underlying semantics. More formally put, scivis
data-space simplification methods appear (in general) to be Cauchy or Lipschitz
continuous (small data changes imply small semantic changes). This clearly does
not hold in general for graph data. We believe the difference is due to two factors:
1. Scivis data is defined over Euclidean domains (Rm ). This allows simplifica-
tion operators to readily use continuous Euclidean distances to e.g. aggregate
and cluster data. An entire machinery is available for this, including basis
functions and interpolation methods [12,14].
2. All data samples have (roughly) the same importance, and the phenomenon
(signal) sampled by the scivis dataset D is of bounded frequency. Hence,
discarding a few samples does not affect data semantics.
 Image-Based Graph Visualization: Advances and Challenges 9

In contrast:
1. Graph data is defined over an abstract graph space, whose dimensions, and
even dimensionality, are not known or even properly defined. It is not always
evident how to define ‘proximity’ between graph nodes and/or edges. There
is no comparable (continuous) interpolation theory for graph data. Graph-
theoretic distances are not continuous. Simply put: There is nothing (no
information) between two nodes connected by an edge;
2. Nodes and edges can have widely different importances. There is, as we know,
no similar notion of ‘maximal frequency’ of a graph dataset as in scivis. Hence,
discarding a few samples can massively affect graph data semantics.

Image-Level Simplification: A second way to handle large graph visualiza-

tions is to simplify them in the image domain. That is, given the limitations of
data-space graph simplification listed earlier, rather than designing simplifica-
tion operators F that act on the graph datasets, we embed the simplification
into the graph rendering operator R. The key advantage here is that R acts, by
definition, upon an Euclidean space (the 2D target image), where all samples
(pixels) are equally important. Hence, the main proposal of image-based graph
visualization is to delay simplification to the moment where we can reuse/adapt
known scivis techniques for data simplification. Rather than first simplifying the
graph data (F ) and then mapping (M ) and rendering (R) it, image-level tech-
niques first map the data, and then simplify it during rendering1 . We detail the
advantages and challenges of image-based graph visualization next.

4 Image-Based Graph Visualization

Image-based graph visualization is a subfield of the larger field of image-based
information visualization [20]. The name of this field can be traced back to
2002, when image-based flow visualization (IBFV) was proposed to depict large,
complex, and time-dependent 2D vector fields using animated textures [60]. Key
to IBFV (and its sequels) was the manipulation of the image-space pixels to
produce the final visualization. Several advantages followed from this approach:
– Dense visualizations: Every target image pixel encodes a certain amount of
information, thus maximizing the data-ink ratio [57];
– Clutter is avoided by construction: Rather than scattering dataset samples
over the image space (which can lead to clutter when several such samples
inadvertently overlap), samples are gathered and explicitly aggregated for
each pixel. The aggregation function is fully controlled by the algorithm;
– Implicit multiscale visualizations: By simply changing the resolution of the
target image (zooming in or out), users can continuously control the amount
of information displayed per screen area unit;
1
The underlying assumption here is that mapping and simplification are conceptually
commutative. As discussed next, this is not always the case.
10 A. Telea

– Exploitation of existing knowledge about image perception when synthesizing

and/or simplifying a graph visualization;
– Accelerated implementations: Image-based techniques parallelize naturally
over the target image pixels (much as raycasting does), so they optimally
fit to modern GPU architectures [25,62];
– Simpler implementations vs data-space graph simplification techniques.
A more subtle (but present) advantage of image-based graph visualizations
is their ability to reuse principles and techniques grounded in the theory and
practice of image and signal processing, thereby allowing a more principled rea-
soning about, and control of, the resulting visualization. We next outline the
main advances of this field, along with the challenges that we still see open.
Given the structure of a graph in terms of nodes, edges, and attributes thereof
(Sect. 2.1), we structure our discussion along the same concepts.
graph splatting

a) b)

Fig. 3. (a) Node-link graph drawing (dataset from Fig. 2e) and (b) its graph splatting.
(Color figure online)

4.1 Node-Centric Techniques

The first image-based graph visualization, to our knowledge, is graph splatting,
proposed in 2003 by De Leeuw and Van Liere [27]. Its intuition is simple: Given
a graph drawing (layout) M (G), its visualization R(M (G)) is the convolution
of M (G) with an isotropic 2D Gaussian kernel in image space. This is simply
a low-pass filter that emphasizes high-density node and/or edge areas in the
layout. The visualization’s level-of-detail, or multiscale nature, is controlled by
the filter’s radius. The samples’ (nodes or edges) weights can be set to reflect
their importance. Figure 3(b) shows the splatting of the graph in Fig. 3(a), for
the same call graph as in Fig. 2e, where the nodes’ weights are set to their number
of outgoing edges (fan-out factor). The resulting density map, visualized with
a rainbow colormap, thus emphasizes nodes (functions) that call many other
functions as red spots. This allows easily detecting such suitably-called ‘hot
spots’ in the software system’s architecture.
 Image-Based Graph Visualization: Advances and Challenges 11

Graph splatting is extremely simple to implement, fast to execute (linear in

the number of splatted nodes and/or edges), and easy to control by users via
its kernel-radius parameter. It also forms the basis of more advanced techniques
such as graph bundling (Sect. 4.2). Formally, it is a variant of the more general
kernel density estimation (KDE) set of techniques used in multidimensional data
analysis [49]. Its key limitation is that it assumes a good layout M (G): Density
hot spots appear when nodes and/or edges show up closely in a graph layout.
So, when layout methods M place unrelated nodes close to each other, ‘false
positive’ hot spots appear (and analogously for false negatives).

4.2 Edge-Centric Techniques

Graph bundling is the foremost image-based technique focusing on graph edges.

Bundling has a long history (see Fig. 4 for an overview of its most important
moments). We distinguish five phases, as follows (for a comprehensive recent
survey, we refer to [26,61]):

Early Phase: Minard hand-drew a so-called ‘flow map’ (a single-root directed

acyclic graph) showing the French wine exports in 1864 [33]. While not properly
a bundled graph, as no edges are grouped together, the visual style featuring
curved edges whose thickness maps edge weights, suggests later bundling tech-
niques. The design was refined in 1898 to create the so-called Sankey diagrams,
which can display more complex (multiple source, cyclic) graphs;

First Computer Methods: One of the first computer-computed bundling-like

visualizations was proposed by Newbery in 1989 [35]. The key novelty vs earlier
methods is grouping edges sharing the same end nodes (so, this technique can
be seen as a particular case of graph simplification by aggregation). Dickerson
et al. coined the term ‘edge bundling’ in 2003 for their method that optimizes
node placement and groups same-endpoints edges (via splines) to simplify graph
drawings. All these techniques could handle only small graphs of tens up to
hundreds of nodes and edges.

Establishment Phase: Subsequent methods focused on larger-size graphs

(thousands of nodes and edges). Flow map layouts [42] generalized in 2005 the
computation of Sankey-like diagrams, also first featuring the ‘organic’ branch-
like structure to be encountered in many later techniques [7,9,53]. At roughly the
same time (2006), two key bundling techniques emerged: Gansner et al. presented
improved circular layouts [11], which grouped edges based on their spatial prox-
imity in M (G); Holten proposed hierarchical edge bundling [16] which grouped
edges based on the graph-theoretic distance of their start and end nodes in a
hierarchy of the graph’s nodes. Holten also pioneered several advanced blending
techniques to cope with edge overdraw (see also Sect. 4.3).
12 A. Telea
Early phase

a) hand-drawn flow maps (1864) b) Sankey diagrams (1898)

First computer methods

c) edge concentration (1989) d) confluent drawings (2003)

Establishment phase

e) flow map layouts (2005) f) circular layouts (2005) g) hierarchical edge bundling (2006)
Consolidation phase

h) general graph bundling (2008) i) image-based bundling (2010) j) dynamic graph bundling (2012)
State of the art

k) CUDA universal bundling (2016) l) Fast Fourier transform bundling (2017)

Fig. 4. Key moments in edge bundling history.

Consolidation Phase: The next phase focused on treating general graphs [18],
time-dependent graphs [36], and, most importantly for our context, image-based
methods. The latter include image-based edge bundles (IBEB [53], following the
name-giving of IBFV [60]) which introduced clustering and grouped rendering
of spatially close edges in the form of shaded cushions [58] to both simplify
 Image-Based Graph Visualization: Advances and Challenges 13

the rendered graph and emphasize distinct/crossing, bundles. IBEB reused sev-
eral image-processing operators such as KDE [49], distance transforms [10], and
medial axes [48] for computational speed. Next, skeleton-based edge bundles
(SBEB) [9] used medial axes to actually perform graph bundlings, by following
the simple but effective intuition that bundling a set of (close) curves means
moving them towards the centerline of their hull.

State of the Art: Most recent methods focus mainly on scalability, using
image-based techniques. Kernel density edge bundling (KDEEB) [21] showed
that bundling a graph drawing is identical to applying mean shift, well known
in data clustering [6], on the KDE edge-density field. CUDA Universal Bundling
(CUBu) [62] next accelerated KDEEB to bundle 1 million-edge graphs in sub-
second time by parallelizing KDE on the GPU. Fast Fourier Transform Edge
Bundling (FFTEB) [25] further accelerated CUBu by computing the KDE con-
volution in frequency space, thus bundling graphs of tens of millions of edges at
interactive rates. As such, scalability seems to have been addressed successfully.

Shape skeletons
.
hs..
rap
nd le g
ns bu pe
leto sha y
ske use o stud ?
w e t ta
canethodsnal da
Graphs m latio
to compute shape skeletons?

re
to cluster arbitrary data?

can we use mean shift

can we use skeletons

me
an
shi
ft b Mean shift clustering
und
les
c gra
as an we phs
mu ...
ltid see g
ime rap
nsi h d
ona ata
l da
ta?

Fig. 5. Puzzling connections between graph visualization, shape analysis, and multi-
dimensional data analysis.

Several points can be made about edge bundling. First, bundling is an image-
space simplification technique of the graph drawing R(M (G)) that reduces clut-
ter by creating whitespace between bundles, but increases overdraw (of same-
bundle edges); a recent bundling formal definition as an image-processing oper-
ator is given in [26]. Image-based bundling is a multiscale technique, where
the KDE kernel radius controls the extent over which close edges get bundled,
thereby allowing users to easily and continuously specify how much they want to
Another random document with
no related content on Scribd:
 MADAME MAC WILLIAMS ET LE TONNERRE
Oui, Monsieur, continua M. Mac Williams,—car il parlait depuis un
moment—la crainte du tonnerre est une des plus désespérantes infirmités
dont une créature humaine puisse être affligée. Elle est en général limitée
aux femmes. Mais parfois on la trouve chez un petit chien, ou chez un
homme. C’est une infirmité spécialement désespérante, par la raison qu’elle
bouleverse les gens plus qu’aucune autre peur ne peut le faire, et qu’il ne
faut pas songer à raisonner avec, non plus qu’à en faire honte à celui qui
l’éprouve. Une femme qui serait capable de regarder en face le diable,—ou
une souris,—perd contenance et tombe en morceaux devant un éclair. Son
effroi est pitoyable à voir.
Donc, comme j’étais en train de vous dire, je m’éveillai, avec, à mes
oreilles, un gémissement étouffé venant je ne savais d’où: «Mortimer!
Mortimer!» Dès que je pus rassembler mes esprits, j’avançai la main dans
l’obscurité, et je dis:
—«Évangeline, est-ce vous qui appelez? Qu’y a-t-il? Où êtes-vous?»
—«Enfermée dans le cabinet des chaussures. Vous devriez être honteux
de rester là à dormir au milieu d’un tel orage.»
—«Bon! comment pourrait-on être honteux, si on dort? C’est peu
logique. Un homme ne peut pas être honteux quand il dort, Évangeline.»
—«Vous ne voulez pas comprendre, Mortimer, vous savez bien que vous
ne voulez pas.»
Je perçus un sanglot étouffé.
Cela coupa net le discours mordant que j’allais prononcer. Et je dis par
contre:
—«Je suis désolé, ma chérie, je suis tout à fait désolé. Je n’avais pas la
moindre intention... Revenez donc, et...»
—«Mortimer!»
—«Ciel! Qu’y a-t-il, mon amour?»
—«Prétendez-vous dire que vous êtes encore dans ce lit?»
—«Mais évidemment.»
—«Sortez du lit immédiatement. J’aurais cru que vous auriez quelque
souci de votre vie, pour moi et les enfants, si ce n’est pour vous.»
 —«Mais, mon amour!...»
—«Ne me parlez pas, Mortimer. Vous savez très bien qu’il n’y a pas
d’endroit plus dangereux qu’un lit, au milieu d’un orage. C’est dans tous les
livres. Mais vous resteriez là, à risquer volontairement votre vie, pour Dieu
sait quoi, à moins que ce soit pour le plaisir de discuter et...»
—«Mais que diable, Évangeline, je ne suis pas dans le lit, maintenant.
Je...»
(Cette phrase fut interrompue par un éclair soudain, suivi d’un petit cri
d’épouvante de Mme Mac Williams, et d’un terrible coup de tonnerre.)
—«Là! vous voyez le résultat! O Mortimer, comment pouvez-vous être
assez impie pour jurer à un tel moment!»
—«Je n’ai pas juré. Et ce n’est pas ce qui a causé le coup de tonnerre,
dans tous les cas. Il serait arrivé pareil, si je n’avais pas dit un mot. Vous
savez très bien, Évangeline, du moins vous devriez savoir, que, l’atmosphère
se trouvant chargée d’électricité...»
—«Oui, raisonnez, raisonnez, raisonnez! Je ne comprends pas que vous
ayez ce courage, quand vous savez qu’il n’y a pas sur la maison un seul
paratonnerre, et que votre pauvre femme et vos enfants sont absolument à la
merci de la Providence... Qu’est-ce que vous faites?... Vous allumez une
allumette!... Mais vous êtes complètement fou!»
—«Par Dieu! Madame, où est le mal? La chambre est aussi noire que le
cœur d’un mécréant, et...»
—«Soufflez cette allumette! Soufflez-la tout de suite. Êtes-vous décidé à
nous sacrifier tous? Vous savez qu’il n’y a rien qui attire la foudre comme
une lumière. (Fzt!—crash!—boum—bolooum—!! boum—! boum!—) Oh!
entendez!... Vous voyez ce que vous faites!»
—«Pas du tout. Une allumette peut attirer la foudre. C’est après tout
possible. Mais elle ne cause pas la foudre. Je parierais bien n’importe quoi.
Et encore, pour l’attirer, elle ne l’attire pas pour deux sous. Si cet éclair était
dirigé vers mon allumette, c’était pauvre comme adresse. Ce serait touché
une fois sur un million... Vrai, à la foire, avec une adresse pareille...»
—«Par pudeur, Mortimer! C’est au moment où nous nous trouvons juste
en présence de la mort, à ce moment si solennel, que vous osez parler
ainsi!... Si vous ne songez pas à ce qu’il y aura après... Mortimer!»
—«Eh bien!»
 —«Avez-vous dit vos prières, ce soir?»
—«Je... j’y ai pensé, mais je me suis mis à calculer combien font douze
fois treize, et...»
(Fzt!...—Boum—berroum—boum! bumble—umble—bang!—pan!)
—«Oh! nous sommes perdus! plus d’espoir! Comment avez-vous pu
commettre une telle négligence, en un tel moment!»
—«Mais quand je me suis couché, ce n’était pas du tout un tel moment. Il
n’y avait pas un nuage au ciel. Comment aurais-je pu penser qu’il allait y
avoir tout ce tapage et ce tohu-bohu pour un petit oubli comme celui-là? Et
je ne trouve pas que ce soit juste à vous de faire tant d’affaires, car, après
tout, c’est un accident très rare. Je n’avais pas oublié mes prières depuis le
jour que j’ai amené ce tremblement de terre, vous vous rappelez, il y a quatre
ans.»
—«Mortimer! Comme vous parlez! Avez-vous oublié la fièvre jaune?»
—«Ma chère, vous êtes sans cesse à me jeter à la tête la fièvre jaune, et je
trouve cela tout à fait déraisonnable. On ne peut même pas envoyer
directement un télégramme d’ici à Memphis, comment voulez-vous qu’un
petit oubli religieux de ma part aille si loin! J’admets pour le tremblement de
terre, parce que j’étais dans le voisinage. Mais que je sois pendu si je dois
accepter la responsabilité de chaque damné...»
(Boum—berooum—booum—pan!)
—«O mon cher, mon cher! Je suis sûre qu’il est tombé quelque part.
Mortimer! Nous ne verrons pas le jour suivant. Puissiez-vous vous rappeler,
pour votre profit, quand nous serons morts, que c’est votre langage impie...
Mortimer!»
—«Eh bien! quoi?»
—«J’entends votre voix qui vient de... Mortimer, seriez-vous par hasard
debout devant cette cheminée ouverte?»
—«C’est exactement le crime que je suis en train de commettre.»
—«Sortez de là tout de suite! Vous paraissez décidé à nous faire tous
périr. Ignorez-vous qu’il n’y a pas de meilleur conducteur de la foudre
qu’une cheminée ouverte?... Où êtes-vous maintenant?»
—«Je suis ici, près de la fenêtre.»
—«Je vous en supplie, Mortimer. Êtes-vous devenu fou? Éloignez-vous
vite. L’enfant à la mamelle connaît le danger de se tenir près d’une fenêtre,
pendant un orage. C’est mon dernier jour, mon pauvre ami. Mortimer!»
—«Oui.»
—«Qu’est-ce qui remue comme cela?»
—«C’est moi.»
—«Que faites-vous donc?»
—«Je cherche à enfiler mon pantalon.»
—«Vite, vite, jetez-le. Vous allez tranquillement vous habiller avec un
temps pareil! Et cependant, vous le savez fort bien, toutes les autorités
s’accordent pour dire que les étoffes de laine attirent la foudre. O mon cher
ami, n’est-ce pas assez que votre existence soit en péril par des causes
naturelles, que vous fassiez tout ce qu’il est humainement possible de faire
pour augmenter le danger!... Oh! Ne chantez pas!... A quoi donc pensez-
vous?»
—«Bon! encore! Où est le mal?»
—«Mortimer, je vous ai dit, non pas une fois, mais cent, que le chant
cause des vibrations dans l’atmosphère, et que ces vibrations détournent le
courant électrique, et que... Pourquoi donc ouvrez-vous cette porte?»
—«Bonté divine! Madame! Quel inconvénient y a-t-il là?»
—«Quel inconvénient! La mort, voilà tout. Il suffit d’avoir étudié la
question une seconde pour savoir que, faire un courant d’air, c’est adresser
une invitation à la foudre. Cette porte est encore aux trois quarts ouverte.
Fermez-la exactement. Et hâtez-vous, ou nous allons tous mourir. Oh! quelle
affreuse chose d’être enfermée avec un fou dans un cas semblable!... Que
faites-vous, Mortimer?»
—«Rien du tout. J’ouvre le robinet de l’eau. On étouffe. Il fait chaud et
tout est fermé. Je vais me passer un peu d’eau sur la figure et les mains.»
—«Vous avez perdu tout à fait la tête. Sur cinquante fois que frappe la
foudre, elle frappe l’eau quarante-neuf fois. Fermez le robinet. Oh! mon ami,
rien ne peut plus nous sauver! Il me semble que... Mortimer! qu’est-ce qu’il
y a?»
—«C’est ce damné... C’est un tableau que j’ai fait tomber.»
—«Alors vous êtes près du mur! Je n’ai jamais vu pareille imprudence.
Vous ne savez pas que rien n’est meilleur conducteur de la foudre qu’un
mur! Écartez-vous! Et vous alliez encore jurer. Oh! comment pouvez-vous
être si désespérément criminel, quand votre famille est dans un tel péril!
Mortimer! Avez-vous commandé un édredon, comme je vous l’avais dit?»
—«Je l’ai tout à fait oublié.»
—«Oublié! Il peut vous en coûter la vie. Si vous aviez un édredon,
maintenant, vous pourriez l’étendre au milieu de la chambre et vous coucher,
vous seriez tout à fait en sûreté. Venez vite ici, venez vite, avant que vous
ayez l’occasion de commettre quelque nouvelle folie imprudente.»
J’essayai d’entrer dans le réduit, mais nous ne pouvions pas y tenir tous
deux, la porte refermée, sans étouffer. Je fis ce que je pus pour respirer, mais
je fus bientôt forcé de sortir. Ma femme me rappela:
—«Mortimer, il faut faire quelque chose pour votre salut. Donnez-moi ce
livre allemand qui est sur le bord de la cheminée, et une bougie. Ne
l’allumez pas. Donnez-moi l’allumette. Je vais l’allumer ici dedans. Il y a
quelques instructions dans ce livre.»
J’eus le livre, au prix d’un vase et de quelques menus objets fragiles. La
dame s’enferma avec la bougie. Ce fut un moment de calme. Puis elle
appela:
—«Mortimer, qu’est cela?»
—«Rien que le chat.»
—«Le chat! Nous sommes perdus. Prenez-le, et l’enfermez dans le
lavabo. Vite, vite, mon amour! Les chats sont pleins d’électricité. Je suis sûre
que mes cheveux seront blancs quand cette nuit effroyable sera passée.»
J’entendis de nouveau des sanglots étouffés. Sans cela, je n’aurais pas
remué pied ou main pour une pareille entreprise dans l’obscurité.
Cependant je vins à bout de ma tâche, par-dessus chaises et toutes sortes
d’obstacles divers, tous durs, la plupart à rebords aigus; enfin je saisis le chat
acculé sous la commode, après avoir fait pour plus de quatre cents dollars de
frais en mobilier brisé, et aux dépens aussi de mes tibias. Alors me
parvinrent du cabinet ces mots sanglotants:
—«Le livre dit que le plus sûr est de se tenir debout sur une chaise au
milieu de la chambre, Mortimer. Les pieds de la chaise doivent être isolés
par des corps non conducteurs. C’est-à-dire que vous devez mettre les pieds
de la chaise dans des verres.»
(Fzt!—booum!—boum!—pan!)
—«Oh! écoutez! Dépêchez-vous, Mortimer, avant d’être foudroyé.»
 Je m’occupai de trouver les verres. J’eus les quatre derniers, après avoir
cassé tout le reste. J’isolai les pieds de la chaise, et m’enquis de nouvelles
instructions.
—«Mortimer, voici le texte allemand: «Pendant l’orage, il faut garder
attaché de soi... métaux... c’est... bagues, garder montres, clefs... et on ne
doit jamais... ne pas... se tenir dans les endroits... où sont placés des métaux
nombreux ou des corps... reliés ensemble, comme... des poêles articulés, des
foyers, des grilles...»—Qu’est-ce que cela signifie, Mortimer? Veut-il dire
que l’on doit garder les métaux sur soi, ou se garder d’en avoir?»
—«Ma foi, je ne sais trop. C’est un peu confus. Toutes les phrases
allemandes sont plus ou moins obscures. Pourtant je crois qu’il faut lire
«attaché à». La phrase est plutôt au datif, avec un petit génitif ou un
accusatif piqué, çà et là, pour l’ornement. D’après moi cela signifie qu’on
doit garder sur soi des métaux.»
—«Ce doit être cela. Cela saute aux yeux. C’est le même principe que
pour les paratonnerres, vous comprenez. Mettez votre casque de pompier,
Mortimer! C’est presque pur métal.»
Il n’y a rien de plus lourd, de plus embarrassant, de moins confortable
qu’un casque de pompier sur la tête, par une nuit étouffante, dans une
chambre fermée. Il faisait si chaud que mes vêtements de nuit déjà me
paraissaient trop pesants.
—«Mortimer, je songe qu’il faut protéger le milieu de votre corps.
Auriez-vous l’obligeance de mettre à la ceinture votre sabre de garde
national?»
J’obéis.
—«Maintenant, Mortimer, il faut s’occuper de garantir vos pieds. S’il
vous plaît, chaussez vos éperons.
Je chaussai les éperons, en silence, et fis mon possible pour rester calme.
—«Mortimer, voici la suite: «... il est très dangereux... il ne faut pas... ne
pas sonner les cloches... pendant l’orage... le courant d’air... la hauteur du
clocher... de la cloche pouvant attirer la foudre.»—Mortimer! Cela veut-il
dire qu’il est dangereux de ne pas sonner les cloches des églises pendant
l’orage?»
—«Il me semble que c’est bien le sens, si le participe passé est au
nominatif, comme il me paraît. Cela veut dire, je pense, que la hauteur du
clocher et l’absence de courant d’air font très dangereux de ne pas sonner les
cloches pendant un orage. Ne voyez-vous pas, d’ailleurs, que l’expression...»
—«Peu importe, Mortimer. Ne perdez pas en paroles un temps précieux.
Allez chercher la grosse cloche du dîner. Elle est dans le hall, sûrement. Vite,
Mortimer, mon ami, nous sommes presque sauvés. O mon cher, nous allons
enfin être en sûreté!»
Notre petit cottage est situé au sommet d’une chaîne de collines assez
élevées, dominant une vallée. Il y a plusieurs fermes dans le voisinage. La
plus proche est à quelque trois ou quatre cents mètres.
Il y avait une pièce de sept ou huit minutes que, monté sur une chaise, je
faisais sonner cette satanée cloche, quand les volets de notre fenêtre furent
soudain tirés du dehors, la clarté d’une lanterne sourde traversa la fenêtre
ouverte, suivie d’une question enrouée:
—«Que diable se passe-t-il?»
L’embrasure était pleine de têtes de gens. Les têtes étaient pleines d’yeux
qui regardaient avec stupeur mon accoutrement belliqueux.
Je laissai tomber la cloche, sautai tout honteux en bas de la chaise et dis:
—«Il n’y a rien du tout, mes amis; seulement un peu de trouble causé par
l’orage. J’essayais d’écarter la foudre.»
—«Un orage?... La foudre?... Quoi donc, monsieur Mac Williams, avez-
vous perdu l’esprit? Il fait une superbe nuit d’étoiles. Pas l’ombre d’un
nuage dans le ciel.»
Je regardai au dehors, et fus si surpris que je fus un moment sans pouvoir
parler.
—«Je n’y comprends rien, dis-je enfin. Nous avons vu distinctement la
lueur des éclairs à travers les volets et les rideaux, et entendu le tonnerre.»
Tous les assistants, successivement, tombèrent de rire sur le sol. Deux en
moururent. Un des survivants remarqua:
—«Il est malheureux que vous n’ayez pas songé à ouvrir vos jalousies et
à regarder là-bas, au sommet de cette colline. Ce que vous avez entendu,
c’est le canon. Ce que vous avez vu, ce sont les feux de joie. Il faut vous dire
que le télégraphe a porté quelques nouvelles ce minuit. Garfield est élu.
Voilà toute l’histoire.»
Enfin, monsieur Twain, comme je le disais au début, ajouta M. Mac
Williams, les moyens de se préserver d’un orage sont si efficaces et si
nombreux que l’on ne pourra jamais me faire comprendre comment il peut y
avoir au monde des gens qui s’arrangent pour être foudroyés.
Là-dessus, il ramassa son sac et son parapluie et prit congé, car le train
était à sa station.
 NOTES SUR PARIS
Le Parisien voyage très peu, ne connaît pas d’autre langue que la sienne,
ne lit pas d’autre littérature que la sienne[A]. Aussi a-t-il l’esprit très étroit et
très suffisant. Cependant, ne soyons pas trop sévères. Il y a des Français qui
connaissent une autre langue que la leur, ce sont les garçons d’hôtel. Entre
autres ils savent l’anglais. C’est à dire qu’ils le savent à la façon
européenne... Ils le parlent, mais ne le comprennent pas. Ils se font
comprendre facilement, mais il est presque impossible de prononcer une
phrase anglaise de telle sorte qu’ils puissent en saisir le sens. Ils croient le
saisir. Ils le prétendent. Mais non. Voici une conversation que j’ai eue avec
une de ces créatures. Je l’ai notée dans le temps, pour en avoir le texte exact:
Moi.—«Ces oranges sont fort belles; d’où viennent-elles?»
Lui.—«D’autres. Parfaitement. Je vais en chercher.»
Moi.—«Non, je n’en demande pas d’autres. Je voudrais seulement savoir
d’où elles viennent, où elles ont poussé.»
Lui.—«Oui» (la mine imperturbable et le ton assuré).
Moi.—«Pouvez-vous me dire de quel pays elles viennent?»
Lui.—«Oui» (l’air aimable, la voix énergique).
Moi (découragé).—«Elles sont excellentes.»
Lui.—«Bonne nuit, Monsieur.» (Il se retire, en saluant, tout à fait satisfait
de lui-même.)
Ce jeune homme aurait pu apprendre très convenablement l’anglais, en
prenant la peine, mais il était Français, et ne voulait pas. Combien différents
sont les gens de chez nous! Ils ne négligent aucun moyen. Il y a quelques
soi-disant protestants français à Paris. Ils ont construit une jolie petite église
sur l’une des grandes avenues qui partent de l’Arc de Triomphe, se
proposant d’y aller écouter la bonne parole, prêchée en bonne et due forme,
dans leur bonne langue française, et d’être heureux. Mais leur petite ruse n’a
pas réussi. Le dimanche, les Anglais arrivent toujours là, les premiers, et
prennent toute la place. Quand le ministre se lève pour prêcher, il voit sa
maison pleine de dévots étrangers tous sérieux et attentifs, avec un petit livre
dans les mains. C’est une bible reliée en marocain, semble-t-il. Mais il ne
fait que sembler. En réalité c’est un admirable et très complet petit
dictionnaire français-anglais, qui, de forme, de reliure et de dimension, est
juste comme une bible. Et ces Anglais sont là pour apprendre le français[B].
Ce temple a été surnommé: l’église des cours gratuits de français.
D’ailleurs, les assistants doivent acquérir plutôt la connaissance des mots
qu’une instruction générale. Car, m’a-t-on dit, un sermon français est comme
un discours en français. Il ne cite jamais un événement historique, mais
seulement la date. Si vous n’êtes pas fort sur les dates, vous n’y comprenez
rien. Un discours, en France, est quelque chose dans ce genre:
—«Camarades citoyens, frères, nobles membres de la seule sublime et
parfaite nation, n’oublions pas que le 10 août nous a délivrés de la honteuse
présence des espions étrangers, que le 5 septembre s’est justifié lui-même à
la face du ciel et de l’humanité, que le 18 Brumaire contenait les germes de
sa propre punition, que le 14 Juillet a été la voix puissante de la liberté
proclamant la résurrection, le jour nouveau, et invitant les peuples opprimés
de la terre à contempler la face divine de la France, et à vivre. Et n’oublions
pas nos griefs éternels contre l’homme du 2 Décembre, et déclarons sur un
ton de tonnerre, le ton habituel en France, que, sans lui, il n’y aurait pas eu
dans l’histoire de 17 mars, de 12 octobre, de 19 janvier, de 22 avril, de 16
novembre, de 30 septembre, de 2 juillet, de 14 février, de 29 juin, de 15 août,
de 31 mai; que, sans lui, la France, ce pays pur, noble et sans pair, aurait un
calendrier serein et vide jusqu’à ce jour!»
J’ai entendu un sermon français qui finissait par ces paroles éloquentes et
bizarres:
—«Mes frères, nous avons de tristes motifs de nous rappeler l’homme du
13 janvier. Les suites du crime du 13 janvier ont été en justes proportions
avec l’énormité du forfait. Sans lui, n’eût pas été de 30 novembre, triste
spectacle! Le forfait du 16 juin n’eût pas été commis, et l’homme du 16 juin
n’eût pas, lui-même, existé. C’est à lui seul que nous devons le 3 septembre
et le fatal 12 octobre. Serons-nous donc reconnaissants au 13 janvier, qui
soumit au joug de la mort, vous et moi, et tout ce qui respire? Oui, mes
frères, car c’est à lui que nous devons aussi le jour, qui ne fût jamais venu
sans lui, le 25 décembre béni!»
Il serait peut-être bon de donner quelques explications, bien que, pour
beaucoup de mes lecteurs, cela soit peu nécessaire. L’homme du 13 janvier
est Adam. Le crime, à cette date, fut celui de la pomme mangée. Le désolant
spectacle du 30 novembre est l’expulsion de l’Éden; le forfait du 16 juin, le
meurtre d’Abel; l’événement du 3 septembre, le départ en exil de Caïn pour
la terre de Nod; le 12 octobre, les derniers sommets de montagnes
disparurent sous les eaux du déluge. Quand vous irez à l’église, en France,
emportez un calendrier,—annoté.
 L’ARTICLE DE M. BLOQUE
Notre honorable ami, M. John William Bloque, de Virginia City, entra
dans le bureau du journal où je suis sous-directeur, à une heure avancée, hier
soir. Son attitude exprimait une souffrance profonde et poignante. En
poussant un grand soupir, il posa poliment sur mon bureau l’article suivant et
se retira d’un pas discret. Un moment il s’arrêta sur la porte, parut lutter pour
se rendre maître de son émotion et pouvoir parler, puis remuant la tête vers
son manuscrit, il dit d’une voix entrecoupée: «Mes chers amis, quelle triste
chose!» et fondit en larmes. Nous fûmes si émus de sa détresse que nous ne
songeâmes à le rappeler et à essayer de le consoler qu’après qu’il eut
disparu. Il était trop tard. Le journal était déjà à l’impression, mais,
comprenant l’importance que notre ami devait attacher à la publication de
son article, et dans l’espoir que le voir imprimé apporterait quelque
mélancolique consolation à son cœur désolé, nous suspendîmes le tirage, et
l’insérâmes dans nos colonnes:
«Désastreux accident: Hier soir, vers six heures, comme M. William
Schuyler, un vieux et respectable citoyen de South Park, quittait sa maison
pour descendre en ville, suivant sa coutume constante depuis des années, à
l’unique exception d’un court intervalle au printemps de 1850, pendant
lequel il dut garder le lit à la suite de contusions reçues en essayant d’arrêter
un cheval emporté, et se plaçant imprudemment juste dans son sillage, les
mains tendues et poussant des cris, ce que faisant il risquait d’accroître
l’effroi de l’animal au lieu de modérer sa vitesse, bien que l’événement ait
été assez désastreux pour lui, et rendu plus triste et plus désolant par la
présence de sa belle-mère, qui était là et vit l’accident, quoiqu’il soit
cependant vraisemblable, sinon indispensable, qu’elle eût dû se trouver en
reconnaissance dans une autre direction, au moment d’un accident, n’étant
pas, en général, très alerte et très à propos, mais tout le contraire, comme fut,
dit-on, feu sa mère, morte avec l’espoir confiant d’une glorieuse
résurrection, il y a trois ans passés, à l’âge de quatre-vingt-six, femme
vraiment chrétienne et sans artifice, comme sans propriétés, par suite de
l’incendie de 1849, qui détruisit tout ce qu’elle possédait au monde. Mais
c’est la vie. Faisons tous notre profit de cet exemple solennel, nous efforçant
d’agir de telle sorte que nous soyons prêts à bien mourir, quand le jour sera
venu. Mettons la main sur notre cœur, et engageons-nous, avec une ardeur
sincère, à nous abstenir désormais de tout breuvage enivrant.»
(Le Calédonien. 1re édition.)

Le rédacteur en chef vient d’entrer dans mon bureau, en s’arrachant les

cheveux, brisant les meubles et me maltraitant comme un pickpocket. Il dit
que chaque fois qu’il me confie le soin du journal pendant seulement une
demi-heure, je m’en laisse imposer par le premier enfant ou le premier idiot
qui se présente. Et il dit que ce désastreux article de M. Bloque n’est qu’un
tissu de désastreuses stupidités, et ne rime à rien, et ne signifie rien, et n’a
aucune valeur d’information, et qu’il n’était absolument pas nécessaire de
suspendre le tirage pour le publier.
Voilà ce que c’est qu’avoir trop bon cœur. Si j’avais été désobligeant et
désagréable, comme certaines gens, j’aurais dit à M. Bloque que je ne
pouvais recevoir son article à une heure si tardive; mais non, ses
pleurnichements de détresse touchèrent mon cœur, et je saisis l’occasion de
soulager sa peine. Je ne lus pas même son article pour m’assurer qu’il
pouvait passer, mais j’écrivis rapidement quelques lignes en tête, et je
l’envoyai à l’impression. A quoi m’a servi ma bienveillance? A rien, qu’à
attirer sur moi un orage de malédictions violentes et dithyrambiques.
Je vais lire cet article moi-même, et voir s’il y avait quelque raison de
faire tant de tapage. Si oui, l’auteur entendra parler de moi.
Je l’ai lu et je crois pouvoir dire qu’il paraît un peu embrouillé à première
vue. D’ailleurs je vais le relire.
Je l’ai relu. Et réellement il me semble un peu plus obscur qu’avant.
Je l’ai lu cinq fois. Mais si j’y comprends un mot, je veux être richement
récompensé. Il ne supporte pas l’analyse. Il y a des passages
incompréhensibles. Il ne dit pas ce qu’est devenu William Schuyler. Il en dit
juste assez sur lui pour intéresser le lecteur à ce personnage, puis le laisse de
côté. Qui est-ce, en somme, William Schuyler? Dans quelle partie de South
Park habitait-il? S’il descendit en ville, à six heures, s’y arrêta-t-il? Si oui,
que lui arriva-t-il? Est-ce lui, l’individu qui fut victime du désastreux
accident? Considérant le luxe minutieux de détails qu’on observe dans cet
article, il me semble qu’il devrait donner plus de renseignements qu’il ne
fait. Au contraire, il est obscur. Non pas seulement obscur, tout à fait
incompréhensible. La fracture de la jambe de M. Schuyler, quinze ans
auparavant, est-ce là le désastreux accident qui plongea M. Bloque dans une
affliction indescriptible, et le fit venir ici, à la nuit noire, pour suspendre
notre tirage afin de communiquer au monde cet événement?—Ou bien, le
«désastreux accident» est-ce la destruction des propriétés de la belle-mère de
M. Schuyler, dans les temps anciens?—Ou encore la mort de cette dame, qui
eut lieu il y a trois ans (bien qu’il ne paraisse pas qu’elle soit morte d’un
accident)? En un mot, en quoi consiste le «désastreux accident»? Pourquoi
cet âne bâté de Schuyler se plaça-t-il dans le sillage d’un cheval emporté, en
criant et gesticulant, s’il prétendait l’arrêter? Et comment diable fit-il pour
être renversé par un cheval qui était déjà devant lui? Et quel est l’exemple
dont nous devons faire notre profit? Et comment cet extraordinaire chapitre
d’absurdités peut-il renfermer un enseignement? Et, par-dessus tout, qu’est-
ce que le «breuvage enivrant» vient faire là? On n’a pas dit que Schuyler
buvait, ou sa femme, ou sa belle-mère, ou le cheval. Pourquoi, alors, cette
allusion au «breuvage enivrant»? Il me semble que si M. Bloque avait laissé
lui-même tranquille le «breuvage enivrant», il ne se serait jamais tourmenté
de la sorte pour cet exaspérant et fantastique accident. J’ai relu et relu cet
article absurde en faisant toutes les suppositions qu’il peut permettre, jusqu’à
en avoir la tête qui tourne, mais je ne puis lui trouver ni tête ni queue. Il
semble certain qu’il y a eu un accident de quelque nature, mais il est
impossible de déterminer de quelle nature ou à qui il arriva. Je ne veux de
mal à personne, mais je suis décidé à exiger que la prochaine fois qu’il
arrivera quelque chose à l’un des amis de M. Bloque il accompagne son récit
de notes explicatives qui me permettent de savoir exactement quelle sorte
d’accident ce fut, et à qui il arriva. J’aimerais mieux voir mourir tous ses
amis, que de me trouver à nouveau devenu aux trois quarts fou, en essayant
de déchiffrer le sens de quelque autre semblable production.
UN ROMAN DU MOYEN ÂGE
 CHAPITRE PREMIER

LE SECRET RÉVÉLÉ

Il était nuit. Le calme régnait dans le grand vieux château féodal de

Klugenstein. L’an 1222 touchait à sa fin. Là-bas, au haut de la plus haute
tour, une seule clarté luisait. Un conseil secret s’y tenait. Le sévère vieux
lord de Klugenstein était assis dans une chaise d’apparat et plongé dans la
méditation. Bientôt il dit, avec un accent de tendresse: «Ma fille!»
Un jeune homme de noble allure, vêtu, des pieds à la tête, d’une armure
de chevalier, répondit: «Parlez, mon père.»
«Ma fille, le temps est venu de révéler le mystère qui pesa sur toute votre
jeunesse. Ce mystère a sa source dans les faits que je vais aujourd’hui vous
exposer. Mon frère Ulrich est le grand-duc de Brandenbourg. Notre père, à
son lit de mort, décida que, si Ulrich n’avait pas d’héritier mâle, la
succession reviendrait à ma branche, à condition que j’eusse un fils. En
outre, au cas où ni l’un ni l’autre n’aurait de fils, mais aurait des filles
seulement, l’héritage reviendrait à la fille d’Ulrich, si elle pouvait prouver un
nom sans tache, sinon, ma fille serait l’héritière, pourvu qu’elle témoignât
d’une conduite irréprochable. Ainsi, ma vieille femme et moi, nous priâmes
avec ferveur pour obtenir la faveur d’un fils. Mais nos prières furent vaines.
Vous naquîtes. J’étais désolé. Je voyais la richesse m’échapper, le songe
splendide s’évanouir. Et j’avais eu tant d’espoir! Ulrich avait vécu cinq ans
dans les liens du mariage, et sa femme ne lui avait donné aucun héritier de
sexe quelconque.
«Mais, attention, me dis-je, tout n’est pas perdu. Un plan sauveur se
dessinait dans mon esprit. Vous étiez née à minuit. Seuls le médecin, la
nourrice, et six servantes savaient votre sexe. Je les fis pendre
successivement en moins d’une heure de temps. Au matin, tous les habitants
de la baronnie devinrent fous de joie en apprenant par les hérauts qu’un fils
était né à Klugenstein, un héritier au puissant Brandenbourg! Et le secret a
été bien gardé. Votre propre tante maternelle vous a nourrie, et jusqu’à
maintenant nous n’avons eu aucune crainte...
«Quand vous aviez déjà dix ans, une fille naquit à Ulrich. Nous fûmes
peinés, mais nous espérâmes dans le secours de la rougeole, des médecins ou
autres ennemis naturels de l’enfance. Hélas! nous fûmes désappointés. Elle
grandit et prospéra, le ciel la maudisse! Peu importe. Nous sommes
tranquilles. Car, ha! ha! n’avons-nous pas un fils? Notre fils n’est-il pas le
futur duc? Notre bien-aimé Conrad, n’est-ce pas exact? Car femme de vingt-
huit ans que vous êtes, mon enfant, jamais un autre nom ne vous fut donné.
«Maintenant, voici le temps où la vieillesse s’est appesantie sur mon frère
et il s’affaiblit. Le fardeau de l’État pèse lourdement sur lui, aussi veut-il que
vous alliez le rejoindre et prendre les fonctions de duc, en attendant d’en
avoir le nom. Vos serviteurs sont prêts. Vous partez ce soir.
«Écoutez-moi bien. Rappelez-vous chacun de mes mots. Il existe une loi
aussi vieille que la Germanie, que si une femme s’assied un seul instant sur
le grand trône ducal avant d’avoir été dûment couronnée en présence du
peuple, elle mourra. Ainsi, retenez mes paroles. Affectez l’humilité.
Prononcez vos jugements du siège du premier ministre, qui est placé au pied
du trône. Agissez ainsi jusqu’au jour où vous serez couronnée et sauve. Il est
peu probable que votre sexe soit jamais découvert, cependant il est sage de
garder toutes les précautions possibles dans cette traîtreuse vie terrestre.
—«O mon père! c’est donc pour cela que ma vie tout entière est un
mensonge! Pourquoi faut-il que je dépouille mon inoffensive cousine de ses
droits? Épargnez-moi, mon père, épargnez votre enfant!»
—«Quoi! méchante! Voilà ma récompense pour la haute fortune que je
vous ai préparée! Par les os de mon père, vos pleurnicheries sentimentales
s’accordent mal avec mon humeur. Partez pour aller trouver le duc
immédiatement et prenez garde de contrarier mes projets.»
Telle fut la conversation. Qu’il suffise de savoir que les prières, les
supplications et les pleurs de l’aimable enfant furent inutiles. Ni cela ni rien
ne pouvait toucher l’obstiné vieux seigneur de Klugenstein. Et ainsi, enfin, le
cœur gros, la jeune fille vit les portes du château se fermer derrière elle, et se
trouva, chevauchant dans la nuit, entourée d’une troupe armée de chevaliers
vassaux, et d’une brave suite de serviteurs.
Après le départ de sa fille, le vieux baron demeura quelques minutes
silencieux, puis se tournant vers sa femme triste, il dit:
«Madame, nos affaires semblent marcher très bien. Il y a trois mois pleins
que j’envoyai l’habile et beau comte Detzin, avec sa mission diabolique, à la
fille de mon frère, Constance. S’il échoue, nous n’aurons pas tout gagné,
mais s’il réussit, nul pouvoir au monde n’empêchera notre fille d’être
duchesse, quand même la mauvaise fortune voudrait qu’elle ne soit jamais
duc.»
—«Mon cœur est plein d’appréhensions. Cependant tout peut encore
réussir.»
—«Fi donc! Madame! laissez croasser les chouettes. Allons nous coucher
et rêver de Brandenbourg et de sa grandeur!»
 CHAPITRE II

FÊTES ET PLEURS

Six jours après les événements relatés dans le précédent chapitre, la

brillante capitale du duché de Brandenbourg resplendissait de pompe
militaire et retentissait des cris joyeux du peuple loyal. Conrad, le jeune
héritier de la couronne, était arrivé. Le cœur du vieux duc débordait de joie,
car la belle prestance de Conrad et ses façons gracieuses l’avaient séduit
aussitôt. Les grandes salles du palais étaient remplies de seigneurs, qui
reçurent Conrad noblement. Et l’avenir s’annonçait sous des couleurs si
attrayantes et si heureuses que les craintes et les soucis du duc
s’évanouissaient, et faisaient place à une confortable satisfaction.
Mais dans une salle reculée du palais se passait une scène bien différente.
A une fenêtre se tenait la fille unique du duc, dame Constance. Ses yeux
étaient rouges et gonflés, et pleins de pleurs. Elle était seule. Elle se remit à
gémir et dit à haute voix:
«Le cruel Detzin est venu,—mon beau duché a disparu—je ne l’aurais
cru jamais,—hélas! ce n’est que trop vrai!—Et je l’aimais, je l’aimais,—j’ai
osé l’aimer, bien que sachant—que mon père le noble duc,—ne me
permettrait pas de l’épouser!—Je l’ai aimé—je le hais.—Qu’est-il arrivé de
moi?—Je suis folle, folle, folle!—Tout est maintenant perdu!—»
 CHAPITRE III

L’INTRIGUE SE NOUE

Quelques mois passèrent.—Tout le peuple chantait les louanges du

gouvernement du jeune Conrad. Chacun célébrait la sagesse de ses
jugements, la clémence de ses arrêts, la modestie avec laquelle il s’acquittait
de sa haute charge. Bientôt le vieux duc abandonna toutes choses entre ses
mains, et, assis à part, écoutait avec une orgueilleuse joie son héritier rendre
les sentences royales du siège du premier ministre. Il semblait qu’un prince
aussi aimé et applaudi de tous que l’était le jeune Conrad ne pouvait être que
très heureux. Mais, chose étrange, il ne l’était pas. Car il voyait avec effroi
que la princesse Constance s’était éprise de lui. L’amour du reste du monde
eût été pour lui une bonne fortune, mais celui-ci était lourd de dangers. Il
voyait en outre le duc joyeux d’avoir découvert de son côté la passion de sa
fille, et rêvant déjà d’un mariage. Chaque jour s’évanouissaient les nuages
de tristesse qui avaient assombri les traits de la jeune fille, chaque jour
l’espérance et l’enthousiasme luisaient plus clairs dans ses yeux. Et peu à
peu d’errants sourires visitaient son visage si troublé jusqu’alors.
Conrad fut épouvanté! Il se reprochait amèrement d’avoir cédé à la
sympathie qui lui avait fait rechercher la société d’une personne de son sexe
quand il était nouveau venu et étranger dans le palais; mélancolique et
soupirant vers une amitié que les femmes seules peuvent désirer ou éprouver.
Il tâcha d’éviter sa cousine. Cela mit les choses au pis, car, naturellement,
plus il l’évitait, plus elle cherchait ses rencontres. Il s’en étonna d’abord,
puis s’en effraya. Ce fut une hantise, une chasse. Elle le surprenait en tous
temps et partout, la nuit et le jour. Elle semblait singulièrement anxieuse. Il y
avait un mystère quelque part.
Cela ne pouvait durer. C’était le sujet des conversations de tous. Le duc
commençait à paraître perplexe. La frayeur et la détresse affreuse faisaient
un spectre du pauvre Conrad. Un jour qu’il sortait d’une antichambre
précédant la galerie des tableaux, Constance fut devant lui, et lui prenant les
mains, s’écria:
«Oh! pourquoi me fuyez-vous? Qu’ai-je fait ou qu’ai-je dit, pour détruire
votre bonne opinion sur moi? Car sûrement j’eus votre amitié. Ne me