投票 | 疫情数据可视化公益行动第三期优秀作品候选名单公示

疫情当前，共克时艰。在新型冠状病毒感染的肺炎疫情牵动社会人心的关键时刻，由中国计算机学会 CAD&CG 专委会、阿里云天池、机器之心、阿里云 DataV、Datawhale 联合发起的以「万众疫心 天池众智」为主题的疫情数据可视化公益行动，希望广大开发者围绕疫情态势展示、疫情大众科普、疫情走势预测、疫情物资情况、各地各业人员返工返程情况等需求场景，挖掘复杂异构多源数据之间的关联关系，开发并创作的各种正能量的作品，以形象生动的方式呈现给公众，为夺取防控疫情的胜利贡献力量！

本周我们将进行第三期优秀作品的候选名单公示：

公示期间读者可对筛选后作品进行相关投票，每人 3 票，投票时间为 1 周，截止 本周日 20:00 ，本周前三名优秀作品的创作团队可获得福利包。

点击项目名称，查看项目详细介绍

优秀作品候选名单：

一：疫城记：探索城市疫情

通过可视化的方式展示中国各个城市病情状况，使用地理布局和径向布局的形式来探索城市间的疫情变化趋势与关联。我们设计一种新式的径向布局，并辅以尺度放缩，时序播放等功能，克服了目前普遍存在的使用梯度颜色传递疫情信息的弱准确性和粗粒度性，同时解决了使用面积作为城市或省份疫情度量时出现的堆叠问题。疫城记作为一个疫情数据结合城市数据的高维数据可视分析工具，它能够发现和解释城市间疫情差异，辅助救援政策决策，帮助人们了解疫情的时空发展过程。

二：移动端疫情感知应用

THEIA 以微信为开发媒介的疫情感知数据可视化移动 Web 端。通过对权威开源数据的针对性提炼及专业化二次分析，合理运用地理疫情热力图、数据标记堆积趋势图、数据标记百分比趋势图、迁徙导向型地图、数值纵向对比等可视化手段，高效、清晰、准确表达数据真相。为用户及时化、可视化呈现全国、各地区及海外地区疫情实况，正视疫情局势、有效提高数据捕获效率、缩短认知成本。同时聚焦疫情用品供需、迁入迁出人流强度、城内出行强度的等问题，让数据说话，杜绝疫情期间盲目恐慌，引领群众增强信心。

三：COVID-19 国内数据综合可视化

这是一个面向社会公众的数据可视化作品，希望公众可以通过本作品可以更清晰地观察、分析目前疫情相关的海量公开数据。本作品对官方公告、媒体以及互联网企业公开数据等渠道所公布的疫情态势、舆情、病例信息等数据进行收集。在对数据进行汇总、处理后，通过可视化图表的形式对数据进行展示。本作品分为两部分：国内态势分析和病例数据分析。国内态势分析部分，本作品展示了全国以及各省的疫情趋势、指标的相关分析以及社会的关注情况。病例分析部分我们主要展示了病例的主要特点、病例离汉后去向等信息。

四：SMART CITY 疫情防控大屏数据可视化设计

2019 年底爆发的新型冠状病毒(2019-nCoV)肺炎在全球范围内迅速传播，备受世人关注。SMART CITY 疫情防控大屏是以网络数据为基础，运用可视化手段从全国疫情态势、方舱医院智能化、社区疫情地图及行动轨迹、物资支援及保障、复工复产、舆情监控几个方面展开。更直观的展示疫情状态，辅助疫情指挥决策分析；为夺取防控疫情的胜利贡献力量！疫情防控数据可视化主要用于政府机构等疫情防控指挥部门；面向公众媒体展示疫情等发展态势；实时监测分析数据辅助决策。

五：图解河南省新冠肺炎疫情动态

2020 年 1 月 21 日，河南省出现第一例确诊病例。我们团队开始收集全国新冠肺炎疫情数据，持续跟踪疫情变化并每日更新疫情数据库，发挥数据可视化技术优势研发系统，通过构建河南省新冠肺炎疫情态势可视分析系统，实现了河南省及各地市疫情态势可视分析、河南省病例来源可视分析、病例轨迹可视分析、传播路径分析等。团队已连续 20 多天为河南省广播电视台、大象新闻、东方今报、今日头条、腾讯新闻等多家新闻媒体，提供「权威发布——图解河南疫情动态」系列可视化成果；共设计并制作了 200 余幅现势性好的数据可视化图表，科学、高效、全面、准确的反映了河南省疫情变化，为全省民众宣传直观易懂的战「疫」态势，为相关部门精准抗「疫」、精准防「疫」提供依据。

六：COVID-19 患者追踪

从患者整体数量上对疫情发展情况的分析和在地域上对病毒传播情况的分析已经比较丰富了。作为可视化设计师，我们考虑的是能否从单个患者的情况出发，将一个个单独个体的病程在某种程度上进行聚合展示，从而观察出某种整体上的状态和发展趋势。因此基于来源于深圳和青岛卫健委公开的所有患者的病程数据，Generative Graph 态势可视化小组的两位体验设计师创作了 COVID-19 Patients Tracking 可视化看板。该看板以团队发明的通用可视化图表 『跌落态势图』 为核心，主要用于可视化呈现部分省市 COVID-19 患者每个个体从发病到治愈，以及从接触到发病等不同维度的历程与时间分布。并试图通过这种可视化方法观察患者病程与病毒传代，毒力，及潜伏期之间可能存在的关系。

 投票表（多选）

持续关注机器之心，了解更多关于疫情数据可视化公益行动的最新消息。点击「阅读原文」报名参加疫情数据可视化公益行动。