2020-10-16 资深UI设计者
每天，世界上有40亿人在城市中穿行，这个不断增长变化的群体占据了世界人口的一半还多。了解人们如何出行以及出行的演变对于改善我们的城市、环境和数十亿人的生活至关重要。我们创建了 Uber Movement，来帮助大家增进理解。
视频地址：https://youtu.be/bszvEIMVsIc （需翻墙）
目前，Uber已在全球700多个城市提供服务，所有出行数据不仅能帮助我们提高服务质量，也有可能帮助到城市规划师，以及那些渴望提高城市建设水平的人。Uber Movement允许用户以多种方式查看数据：用户可以查看某个日期某次出行的平均耗时，也可以查看某个区域不同日期范围内的平均耗时，或者可以对比同一个区域不同的两个行程的耗时。
图1：从华盛顿市中心出发到各地所需的出行时长
图1中的截图展现了从华盛顿市中心到达城市其他区域的平均耗时（在2016年3月16日铁路运输因维修而暂停服务）。截图a中显示了晚高峰的耗时情况，截图b显示了两周前铁路运输未中止的耗时情况，截图c则比对了两个时段下的数据，指示出铁路服务暂停对路面交通带来的严重影响。如图示，在上述情况下，晚高峰时段从1400 K St NE区到1500 Kearny St NE区的平均出行时间增加了67.8％。
对于需考虑在哪里新增公交线路的公共交通机构，以及那些判别什么时候主干道需要进行道路养护的城市机构，都能够通过这些数据了解到什么时候减少车道会对交通的影响最小，应向驾驶者提供哪些替代路线。
为了让这些数据有价值，必须让它们有使用价值。这就需要数据可视化的加持了。作为负责 Uber Movement 的产品设计师，我需要确保我们分享的数据是尽可能清晰易懂的。
我们遇到了一个有趣的问题：如何展示两个不同却又有关联的可视化元素。「时长热力图」展现了在一个特定的日期（例如，2016年1月11日星期一下午）下，从任一起始点到某个位置的耗时（以分钟为单位）；也可以是一个跨度长达几个月（例如，2016年3月至5月的工作日早晨）的平均耗时。这个热力图使用了相邻色，基于相同的颜色来调整色调由亮至暗（如下图1所示，浅蓝色至深蓝色）。
「比对热力图」能够让用户对比相同路线不同时段下的平均耗时。这里需要凸显信息的对比度，哪一个时段下的耗时更少，少多少？对于该热力图，我们使用了对比色（如图2）来表现数据由0至两极（快与慢）。如果差值为零，则表示两种情况下的耗时相同。我们企图通过两个对比的颜色尽可能的凸显差异。
我们的用户会在这两种热力图中连续反复切换，所以我们需要将这两种模式从视觉上明确区分出来。
图2：早期设计的5阶色（左侧单位为绝对耗时，右侧单位为相对耗时比）
在早期的设计中（如图2），5阶相邻色（由淡绿色至蓝色）被用来表现路程的绝对耗时，而5阶对比色（由绿至淡黄再到红色）则用来表现两种条件的对比。
初期尝试使用五个颜色梯度，但在可用性测试中发现地图的色彩辨识度低（见下图3）。主要有以下几个问题：
显而易见，可用性测试的参与者难以从地图判断出耗时，特别是当地图缩放聚焦在市中心时，也难以区分两种模式（耗时热力图/对比热力图），见图3。
图3：西雅图的出现时长
图3，以早期的设计效果（5阶相邻色）查看从西雅图市中心至其他区域的平均耗时，截图a 展现了西雅图所有区域的耗费时长，颜色让区块看起来“糊在一块儿”。截图b则展现了缩放聚焦至市中心区域时的效果，难以区分不同区域。
通过多步的探索实验，我将这个复杂的设计难题拆解为几个不同的小挑战，并验证不同的方案，最终获得一个色彩系统达到易读性最理想的热图效果。
1.通过相邻色和对比色两个样本有效区分耗时热力图和对比热力图
由于同时应用相邻色与对比色，所用的配色就必须是“四色系”配色方案以明确区分。（译注：tetradic color 的翻译可能不合适，根据定义，其为一种大胆的配色方案，四种颜色对立均等地分布在色轮的四个方向上。）我使用了 Uber Movement 的品牌色（#2473BD）作为相邻色的基准色，然后使用 Paletton.com 列举了几组“四色系”配色方案，将四种颜色分配为两对互补组合。
图4：为实验准备的色阶方案
2.根据时长间隔等比或是梯度增加色组的色彩阶层数
早期设计从5阶色彩范围开始（如图2、3），两种模式的热图都产生了一种“糊在一块儿”的渐变效果。我们希望这个系统可以满足不同体量的城市，从市中心到外围区域的平均耗时跨度从30分钟到1.5小时不等。仅使用5种颜色来表现0至1.5小时，显然不足以让用户有效辩识地图上的时间跨度。
我实验性地将色彩范围的阶层从5增加到9，11，13。时间间隔分别以等比增加与梯度增加罗列（梯度增加以30分钟为总时长）。
表1：5、9、11、13色阶方案（左侧为等距增加，右侧为非等距增加）
之所以选择了梯度增加，是因为根据我们与城市规划者的沟通，了解到他们是基于「交通分析区（TAZ）」这种交通规划模型来进行分析的，它将每个区域以人口密度划分。城市区域的人口密度相比郊区会高很多。基于市区人口密度高，在市区对交通状况进行定义时，以每5分钟为间隔相比在郊区更有效。
颜色组通过 Chroma.js颜色助手计算生成。通过单颜色的变体给予一种连续性（见图5）。图中左侧（方案1）使用了单色系，右侧（方案2）则通过不同色调的颜色组合增加色组内的对比度。
图5：用于实验的2个色阶（左侧为淡色系，右侧为多色系）
3.尝试通过提升对比度去除掉区间的渐变效果
我将不同的颜色方案放到测试环境中去看看实际效果。为了去除渐变效果，在不受时间值和透明度影响的情况下，使用了彩色比例尺上的离散色值（见图6右侧的效果）。这样处在相同色彩尺度区间的区域看起来合并了，能够很好地辨别出区域之间耗时的异同。
图6：采用离散色值消除渐变色。（从左侧变为右侧）
早期的配色方案是基于「耗时」调整的色值，并且使用了20%的透明度，由此显示出一种「渐变效果」，导致邻近区域过于相近，用户难以根据颜色判断数值差异。新的配色方案则取消了以上两点，这使得相同时间的区域合并，清晰的色带使其更易读。
我还开发了个程序用来计算邻近色组的对比度（见下方表2），方案2配色中的9阶色彩范围表现出最佳的平均对比度，其次是11阶。考虑到平均路程耗费时长在不同城市会有较大的差异，方案2中的11阶色彩能提供最好的扩展性与可读性。与早期方案相比，新方案的对比度提高了30%。
从上面的图表可以看到，方案2配色有更高的对比度。其中，颜色阶次越少，对比度也越高。
4.在测试环境中对比颜色方案
基于以上的结果，我将方案1（单色系）排除了。我们将方案2放到测试环境中查看了两种间隔取色策略的效果。（译注：这里的两种策略指的是上面图表1呈现的两种取色方案。一种是例如每10分钟递进一个色阶，等分；另一种则是会变化，例如前30分钟每5分钟递进一个色阶，超过30分钟则每10分钟递进一个色阶。）
表2：邻近色组的对比度计算
下图7展示了波士顿城整体区域的热图效果，让我们再看看聚焦到市中心的效果如何。
图7：波士顿城整体区域的热图效果
图8更进一步地确认了「变化时间间隔取色」提供了更高的对比度。
图8：「变化时间间隔取色」后的效果
5.对配色色阶进行微调
在这一系列的实验之后，才明确了这个方案（方案2中的11阶色彩）属最佳效果。能够很好地满足视图中大跨度时间差的呈现。不论是城市的整体纵览或是聚焦在市中心区域，都能提供最佳的对比度。
我们的内部团队对实验进行了评审和测试，并最终敲定了色彩范围（见图表1），结果将在近期发布。
随着越来越多的用户在 Uber Movement 中探索他们的城市，我们也在不断的学习与迭代，让数据更有效地为大家所用。
数据可视化的最终目的还是信息沟通。当我们试图清晰地传达事实时，创作物的美学不是附属品，而是一种内在价值。美感不只是粉饰。当数据可视化被合理地创造时，它因效用而美。
我们以一种微小的方式，通过不断试错与探索，试图让人们以一种全新的视角看看这个世界。它是有效的，也即是美的。
文章来源：UXRen 作者：Dawei Huang
蓝蓝设计( www.lanlanwork.com )是一家专注而深入的界面设计公司，为期望卓越的国内外企业提供卓越的UI界面设计、BS界面设计 、 cs界面设计 、 ipad界面设计 、 包装设计 、 图标定制 、 用户体验 、交互设计、 网站建设 、平面设计服务