随着大数据时代的发展,数据能够创造越来越多的价值。但是用户很难从大量且不直观的数据中发现数据的价值。可视化可以将数据转化为易于理解的图像,帮助用户快速、准确的发现数据背后隐藏的意义,是分析、理解数据的重要工具。散点图是最常见的二维数据可视化方式,在帮助用户感知数据趋势、相关性和观察数据异常值等方面均发挥重要作用。通常情况下,可视化图表设计人员并不会显式的为用户提供数据趋势线或其它参考信息。即使用户能够通过常用的回归模型计算数据趋势信息,这些统计结果也不一定可靠。因为统计学上常见的数据拟合模型(如普通最小二乘法)容易受数据分布、异常值、异方差等因素的影响,从而导致无法准确地对数据建模。所以,用户在获取数据趋势信息时不能仅仅依靠数值统计方法,还需依靠人类本身对数据的感知和认知能力。相关研究表明,人类使用视觉感知的方式拟合二维数据的数据趋势具有一定的准确性。但已有工作仍存在一定的局限性,用户在使用视觉感知的方式估计散点图数据趋势时可能会受到数据分布和形状编码等因素的影响。所以,在更复杂的数据场景中这种视觉估计方法是否仍然可靠,或者我们是否能够通过一定的手段帮助用户获得更为准确的视觉估计结论,还仍待研究。研究用户如何感知散点图数据趋势,对帮助用户快速、准确的分析和预测数据具有重要的理论意义和应用价值。为了深入探究人类数据感知规律,我们与Tableau公司合作共同研究不同数据分布和形状编码对用户感知散点图数据趋势产生何种影响。在本文中,我们生成了大量具有不同数据分布的散点数据,设计并实现了用来验证不同数据分布和形状编码对用户感知散点图数据趋势影响的实验系统,并从多角度分析用户结果,总结用户感知规律。我们发现,大多数情况下用户可以基本准确地估计数据趋势,使用带有方向性的编码形状可以加强用户对趋势方向的感知能力,帮助用户更加准确的估计散点图数据趋势。