面向统计+地理信息的可视化平台可用性评估

冀媛媛 遆 鹏

(1. 西南交通大学 地球科学与环境工程学院, 四川 成都 611756;2. 高速铁路运营安全空间信息技术国家地方联合工程实验室,四川 成都 611756)

0 引言

综合利用统计和地理信息是认识自然现象、社会活动、日常生活等诸多方面的状况和态势的典型方式,例如，资源环境监测、空间规划、社会经济发展等,为综合评价、管理、分析和决策服务提供了定量和定性评估基础和事实支撑。面对庞杂的统计和地理信息,相比文字与数字,图形化表达能直观传达数据关键特征,帮助快速理解复杂信息和深入认识隐藏规律,实现与用户的高效信息传递。例如，世界银行采用多种统计图表与专题地图相结合对联合国可持续发展目标进行可视化展示,赵清波等采用河流图等对交通流量进行可视化展示,陶健等采用3D柱状图等对COVID-19确诊人数等进行可视化展示。由于统计信息有类型多样、现势性、动态性特点,面对不同行业与分析角度的应用需求,往往需要不同的可视化技术体现数据本身特征。然而丰富而复杂的可视化技术给非专业人员带来了困难,因此国内外不同机构将大量可视化技术集成,开发了多种可视化平台,实现了统计和地理信息可视化应用的大众化服务。当前常见的可视化平台在专业性、使用操作等方面具有一定差异,然而并未有相关对比评估研究以更好地指导普通用户选择合适平台。因此,本文从现有可视化平台功能分析出发,采用模糊层次分析法建立可用性评价指标体系并结合典型实例对典型平台做可用性评估,本研究成果能够为用于统计与空间信息可视化制作的平台选择提供较为专业的建议,推动可视化应用实践,更好地服务于大众。

1 典型可视化平台功能对比分析

当前常见的可免费使用的可视化平台有ECharts、Highcharts、Power Map(中文名为地图增强版)、Pixel Map Generator和Polymaps,主要提供针对统计数据表达的图表可视化和基于底图模板对空间信息表达的地图可视化。其中，Power Map平台是3D数据可视化地图插件,其余4个平台是网站,各网站网址及软件插件介绍如表1所示。

本节从交互功能、模板功能、编辑功能、三维环境、动态表达、主要表达数据类型方面,对各平台做对比,结果如表2所示。虽然它们都能支持统计和地理信息可视化,但有所侧重。考虑功能的全面性,本研究选择主要用于统计数据可视化的ECharts和主要用于地图可视化的Power Map作为统计和地理数据可视化的代表性平台进行可用性对比评估。

表1 可视化平台对应网站网址及软件插件

表2 可视化平台功能

2 可视化平台可用性评估方法

可视化平台的可用性包括有效性、效率和满意度3个方面。有效性指特定任务完成情况,效率指单位时间完成工作量,满意度指对平台的主观感受。本节采用模糊层次分析法根据可用性三方面提出可视化平台可用性评估方法,首先采用层次分析法构建评估指标群并基于重要性确定权重,之后采用模糊综合评价法对平台可用性做综合评价。

2.1 研究基于层次分析法的评估指标体系构建

目前针对各类软件的可用性研究主要从界面视觉、交互、内容、纠错等方面建立评价指标体系,如邱玥等对国土资源系统用户界面做可用性研究,严慧敏等对政务网站界面做可用性研究,滕学伟等对GIS人机交互界面做可用性评估。本文基于上述研究采用的指标体系,结合可视化平台本身特点,对ECharts和Power Map两个典型平台构建可用性评估指标体系。

可视化平台的可用性评价指标体系包括三级。第一级(目标层)是面向可视化平台整体的可用性评估;第二级(准则层)是目标层的划分,由于可视化统计和地理信息时需要考虑界面呈现、可视化表达与制作、平台系统操作、帮助与纠错,因此将其设为第二级;第三级(指标层)是从有效性、效率和满意度3个方面对准则层的进一步划分。本文的可用性评价指标体系如表3所示。

对一级指标来说,其余各级指标重要性有差别,因此需要对指标赋权重。本文采用Saaty学者提出的1-9标度法(表4),通过两两比较法判断每级指标的相对重要程度并构造判断矩阵,基于判断矩阵计算指标权重。

表3 可视化平台可用性评价指标体系

表4 1-9标度法定义

首先计算层次单排序。通过比较二级指标相对重要性,构造对应判断矩阵(表5)。

表5 二级指标判断矩阵

判断矩阵记为=(

a

)×,

a

为指标

i

对

j

的重要性比较值,

n

为指标数。根据式(2)～式(3)计算归一化特征向量=(

w

,…,

w

)。

经计算,二级指标判断矩阵归一化特征向量为=(0

.

160 3,0

.

466 9,0

.

277 6,0

.

095 3)。由于对指标重要性比较具有一定主观性,为避免主观评价引入误差,需进行一致性检测,检验通过则说明计算合理,归一化特征向量即为权向量。检验过程如式(4)～(7)所示,计算最大特征根

λ

和一致性指标

C

,根据表6查得平均随机一致性指标

R

,计算随机一致性比率

C

。当

C

<0.10时通过检验,否则需重新构造判断矩阵。

表6 平均随机一致性指标RI的数值

经计算,二级指标判断矩阵的最大特征根为

λ

=4

.

030 9,

C

=0

.

010 3,

C

=0

.

011 6<0

.

10,通过一致性检验,此时其归一化特征向量为权向量,表示各二级指标对于一级指标的权重。

根据以上方法分别建立三级指标判断矩阵,计算权重并进行一致性检验，见表7。

表7 界面呈现判断矩阵

界面呈现指标权重为=(0

.

648 3,0

.

229 7,0

.

122 0),

C

=0

.

003 6<0

.

10,通过检验,见表8。

表8 可视化表达与制作判断矩阵

可视化表达与制作指标权重为=(0

.

571 4,0

.

142 9,0

.

285 7),

C

=0<0

.

10,通过检验,见表9。

表9 平台系统操作判断矩阵

平台系统操作指标权重为=(0

.

414 3,0

.

241 0,0

.

135 2,0

.

074 3,0

.

135 2),

C

=0

.

003 8<0

.

10,通过检验,见表10。

表10 帮助与纠错判断矩阵

帮助与纠错指标权重为=(0

.

2583,0

.

1047,0

.

6370),

C

=0

.

0371<0

.

10,通过检验。

以上是三级指标对于二级指标的权重,为计算对于一级指标的权重,需要将所有三级指标进行综合分析,即进行层次总排序,并进行一致性检验。

假设二级指标中

m

个指标

B

,

B

,…,

B

相对一级指标权重为

b

,

b

,…,

b

,所有三级指标中

n

个指标对二级指标中指标

B

的层次单排序权重为

c

1,

c

2,…,

c

,则所有三级指标中第

j

个指标相对于一级指标的权重

w

为

(8)

对层次总排序进行一致性检验,假设

m

个二级指标的一致性指标为

C

I,平均随机一致性指标为

R

I,则三级指标层次总排序一致性比率为：

(9)

经过计算,

C

=0

.

0049<0

.

10,通过一致性检验。最终,各级指标相对于一级指标的权重如表11所示。

表11 指标权重值

2.2 基于模糊综合评价法的可用性评估

根据评估指标体系进行可视化平台可用性评估,首先需要选择适宜的评估实验方法。常用可用性评估实验方法有用户测试法、问卷调查法、用户模型法、启发式评估、认知性遍历、经验性评估、实践观察等。考虑到本评估工作主要是为用户选择合适的可视化平台提供指导建议,且评估指标主要与用户使用体验及满意度相关,本文采用用户测试法和问卷调查法进行实验,采用用户测试法让实验人员使用平台完成特定任务,通过问卷调查得到实验人员对各指标的评分。由于人们对指标的认知有一定主观因素,难以用统计学思想处理,且最终可用性评估结果受多指标影响,因此本文采用模糊综合评价法对平台可用性做综合评价。

(1)建立可用性评价因素集

U

={

u

,

u

,…,

u

}。因素为指标,

m

为指标数。(2)建立可用性评语集

V

={

v

,

v

,…,

v

}。

n

为评价等级数,本文设置

n

=5,

V

={很满意,满意,一般,不满意,很不满意}={5,4,3,2,1}。评价定量分级标准如表12所示。

表12 分级标准

(3)建立单因素模糊综合评价矩阵=(

r

)×。

r

为评价因素集

U

中指标

u

对评价集

V

中评价等级

v

的隶属度,通过各评价等级对应人数与总评价人数作商求得。(4)确定各评价指标权重={

w

,

w

,…,

w

},本文为表11中的指标权重值。(5)对多级指标做模糊综合评价,计算综合评分。根据式(10)计算模糊综合评价向量,将归一化处理后,根据式(11)计算模糊评定分值

F

。

3 可用性评估实验

本实验采用世界银行网站提供的2020年欧盟国家人均GDP年增长率数据,共26人参与实验。为使评估一致,实验提供了在两个平台上制作的产品,实验人员需根据样例使用两个平台进行可视化。

之后根据三级可用性指标制作问卷,使实验人员根据操作体验和主观感受评分并对感受较差指标做意见反馈。评分方式采用李克特量表,5是很满意,4是满意,3是一般,2是不满意,1是很不满意。有效回收问卷有26份,结果如表13,表中数据表示评价该等级的人数。

表13 ECharts和Power Map三级指标评价结果

3.1 计算结果

Echarts：根据式(10)～(11),界面呈现、可视化表达与制作、平台系统操作、帮助与纠错模糊评定分值为

F

=(4

.

685 7,4

.

703 3,4

.

642 5,3

.

659 5),评价依次为很满意、很满意、很满意、满意。总体评定分值为

F

=4

.

584 9,等级为很满意。Power Map：根据式(10)～(11),界面呈现、可视化表达与制作、平台系统操作、帮助与纠错模糊评定分值为

F

=(4

.

592 6,4

.

175 8,4

.

349 1,3

.

551 8),评价依次为很满意、满意、满意、满意。总体评定分值为

F

=4

.

231 8,等级为满意。

3.2 评估结果分析

根据实验结果和实验人员反馈,两平台整体都在满意等级以上,ECharts分值(4.584 9)略高于Power Map(4.231 8)。对二级、三级指标分析如下：

(1)在界面呈现方面,ECharts评分(4.685 7)与Power Map(4.592 6)相差不大。对Power Map兼容性满意程度略高,可能是其兼容性与Microsoft Office Excel版本有关,而具有Power Map插件的2016及以后版本应用很广。ECharts兼容性与浏览器有关,浏览器类型与版本多样,因此出现部分兼容性不好的现象。对ECharts界面布局清晰有条理以及美观性的满意度更高,可能因为其页面放缩时布局会做自适应调整,而Power Map自适应调整能力较弱,操作页面变化时,较多功能控件可能压盖作图区域,但因这两方面权重值较小,因此两平台评分相差不大。

(2)在可视化表达与制作方面,ECharts评分(4.703 3)略高于Power Map(4.175 8)。主要由于对ECharts可视化模板丰富度较满意,同时该三级指标权重较大,从而导致整体评分略高。多数人对Power Map可视化成果清晰易懂和制作容易度表示较高满意,可能因为ECharts模板样式多,容易选择困难,甚至需要一定可视化知识基础。此外，Power Map无须进行代码编写,制作难度较低。

(3)在平台系统操作方面,ECharts评分(4.642 5)略高于Power Map(4.349 1)。对ECharts功能完备性及功能灵活性满意度较高,可能因为ECharts有开源优势,功能更丰富且灵活。对ECharts操作经济性满意度较低,可能因为需要一定代码编写能力。对于交互响应能力以及符合使用习惯,两平台满意度一致。

(4)在帮助与纠错方面,ECharts评分(3.659 5)与Power Map(3.551 8)相差不大。在具有帮助与指引信息方面,大部分对ECharts满意度更高,对Power Map满意度一般,可能因为ECharts上有较详细的帮助手册,Power Map各功能键上虽有简要说明悬浮窗,但作用有限;对Power Map帮助信息易获取满意度较高,可能因为悬浮窗形式更易观察,而ECharts的帮助信息需要在网站上查找,内容量大且内容难度高,获取与理解相对困难。对ECharts具有容错性满意度较高,可能因为该平台需要进行代码编辑,代码错误会被直接提示,方便用户及时修改。

4 结束语

本研究针对适用于统计与地理数据表达的不同典型可视化平台做可用性评估,从而帮助用户选择适宜的平台进行可视化产品制作。首先根据功能差别选出典型平台ECharts和Power Map,之后提出可视化平台评价方法,从界面呈现、可视化表达与制作、平台系统操作、帮助与纠错4个方面构建14个指标并分别计算各指标权重以建立可用性评价指标体系,之后采用用户测试法和问卷调查法对指标打分,通过模糊层次分析法做可用性评估。实验表明,两平台均在满意级别以上,ECharts分值略高于Power Map。具体差异在于,ECharts模板样式较丰富,能满足多种样式表达需求,且美观程度较高;配有使用手册,易于具有专业知识的新手快速入门;展示页面能随浏览器页面的放缩进行自适应调整,视觉体验较好。Power Map则操作简单,无需代码编辑基础,对使用者专业性要求低,适用人群较广;模板虽少,但都是常见形式,易于理解,满足大多数可视化需求。

根据平台功能分析和评估结果, ECharts支持开源使用且模板丰富,能支持较复杂和多类型统计数据的可视化需求,可视化产品形式会更丰富。Power Map在表达地理数据方面有突出优势,能便捷表达数据随时间变化,易于用户结合地理环境做进一步数据分析,且可结合三维地图进行可视化表达与分析。本研究所采用的测试数据是较为常见和典型的类型,但数据结构简单。并且本研究主要关注可视化产品生成操作的难易度评估。因此，未来工作需要在本研究提出的评估体系的基础上考虑更多类型和多层级的统计与地理信息,并结合可视化产品的应用目的,例如，对比分析、变化分析等,进行更为系统和深入的测试对比,从而为用户提供更为全面的建议和帮助。