【可视化专题Vol.5】COVID-19患者追踪—阿里安全设计师的疫情可视化探索

正当人们准备喜迎庚子春节的时候，一种未知的病毒却悄然之间散播到世间，在2020年的一开头就为这一整年蒙上了一层阴霾。

病毒凶险，政府抗击病毒的决心不可谓不坚决，无论在疫情发布还是在数据公开上都前所未有地公开与透明。

作为阿里巴巴安全体验设计团队中专门研究态势可视化的设计师，我们不禁思考，可视化技术能否从这些海量的数据中挖掘出什么可用的信息，让人们进一步了解这种新型病毒，并对病毒引起的这种疾病的病程有所了解呢？

我们曾经设计了一套名为“跌落态势图”的通用可视化图表，目的是用来展示某一“事件”从发生到终结的状态及其趋势。那么这种可视化图表是否可以用来对COVID-19这种由新型冠状病毒引起的肺炎的病程态势进行分析呢？阿里巴巴安全设计团队的两位设计师对这一设想进行了一些尝试。

COVID-19 Patients Tracking 可视化看板地址：

一、可视化设计

作为设计师，首先要说的自然是设计。什么样的设计决定了你需要什么样的数据和什么程度的实现。

编号“1”是双轴跌落态势图中的两条结果轴，分别表现了事件的两种发展结果，分别是“治愈”和“死亡”。

编号“2”的纵轴则表现了某一天，在其上的点表现了在该日发生的事件，具体到发病-治愈维度，这两个点就表现了当天发病的两位患者，患者排列的先后顺序按照病人ID排序。在其后的曲线表示患者病程，曲线与“治愈”轴相交时，表示在该日患者已治愈，而继续向前延伸则表示这位患者尚在治疗中。

二、数据设计

设计之后，就需要考虑数据的来源，结构与清洗方案 ，数据是态势可视化的核心。

既然我们决心从个体患者的角度出发，那么我们就需要寻找个体患者的数据，并且要关注这些数据是否有我们需要的维度，以及是否便于之后的跟进维护。

我们陆续从WHO和The Lancet寻找到了一些论文，发现其中披露的患者数据不足以支撑这次的看板制作。

直到我们找到了深圳卫健委公布的患者数据，这份数据非常详尽，而且深圳卫健委还对所有患者进行了连续统一编号，并进行了后续的追踪（出院情况公示），这为我们的态势可视化工作提供了极大的方便，向这些提供了丰富数据的一线工作者们致敬！

具体到这些数据的具体情况，它们来源于微博是标准的非结构化数据。实际上来说在一般情况下，同样的容量下结构化数据的信息容量要小于非结构化数据。因此不论面对何种数据源，作为可视化设计师基本的数据处理能力还是需要具备的。

在本案例里，主要使用开源工具Openrefine对源数据进行半自动的结构化和清洗。

三、实现

既然说到了实现，对于设计师而言，其实有很多相对没那么复杂的工具可以将自己的想法快速落地。比如低代码图形生成工具Nodebox，或者比较简单的图形编程语言Processing，以及它的Web衍生物P5.js。在这个案例中，综合考虑（交互性要求不高+基于Web端进行展示）之下，我们使用P5.js对看板进行了实现。

其中有三个实现的核心环节：

1.赋妄想以有型——将数据可视化为跌落曲线

跌落态势曲线是以「事件-时间」为对应关系呈现的可视化图形。因此我们将病例数据中要展示的事件节点映射到时间线（x轴）上，把被定义为起始事件的节点映射为跌落线的起点，把被定义为终结事件的节点映射为跌落曲线的落点，用贝塞尔曲线画出需要的曲线；然后将所有病例数据按设定的关系映射在垂直方向上。

2. 时间轴交互

时间轴的交互是这次坠落图的重要功能，它能让用户以动态的方式来洞察数据。