Graph drawing readability metrics are routinely used to assess and create node-link layouts of network data. Existing readability metrics fall short in three ways. The many count-based metrics such as edge-edge or node-edge crossings simply provide integer counts, missing the opportunity to quantify the amount of overlap between items, which may vary in size, at a more fine-grained level. Current metrics focus solely on single-level topological structure, ignoring the possibility of multi-level structure such as large and thus highly salient metanodes. Most current metrics focus on the measurement of clutter in the form of crossings and overlaps, and do not take into account the trade-off between the clutter and the information sparsity of the drawing, which we refer to as sprawl. We propose an area-aware approach to clutter metrics that tracks the extent of geometric overlaps between node-node, node-edge, and edge-edge pairs in detail. It handles variable-size nodes and explicitly treats metanodes and leaf nodes uniformly. We call the combination of a sprawl metric and an area-aware clutter metric a sprawlter metric. We present an instantiation of the sprawlter metrics featuring a formal and thorough discussion of the crucial component, the penalty mapping function. We implement and validate our proposed metrics with extensive computational analysis of graph layouts, considering four layout algorithms and 56 layouts encompassing both real-world data and synthetic examples illustrating specific configurations of interest. 中文翻译： 图的可读性度量通常用于评估和创建网络数据的节点链接布局。现有的可读性度量标准在三种方面不足。许多基于计数的度量标准（例如边缘-边缘或节点-边缘交叉）仅提供整数计数，却没有机会以更细粒度的级别量化大小可能不同的项目之间的重叠量。当前的度量标准仅专注于单级拓扑结构，而忽略了诸如大型且因此高度突出的元节点之类的多级结构的可能性。当前大多数度量标准都以交叉和重叠的形式关注杂波的度量，而没有考虑杂波与图形的信息稀疏性之间的权衡，我们称其为蔓延。我们提出了一种用于区域度量的区域感知方法，该方法可详细跟踪节点-节点，节点-边缘和边缘-边缘对之间的几何重叠程度。它处理可变大小的节点，并显式地统一处理元节点和叶节点。我们将蔓延度量和区域感知混乱度量的组合称为蔓延度量。我们展示了蔓延指标的一个实例，其中对关键组件惩罚映射功能进行了正式而全面的讨论。我们通过对图形布局进行广泛的计算分析来实现和验证我们提出的度量标准，同时考虑了四种布局算法和56种布局，其中包括现实世界的数据和合成示例，这些示例说明了感兴趣的特定配置。它处理可变大小的节点，并显式地统一处理元节点和叶节点。我们将蔓延度量和区域感知混乱度量的组合称为蔓延度量。我们展示了蔓延指标的一个实例，其中对关键组件惩罚映射功能进行了正式而全面的讨论。我们通过对图形布局进行广泛的计算分析来实现和验证我们提出的度量标准，同时考虑了四种布局算法和56种布局，其中包括现实世界的数据和合成示例，这些示例说明了感兴趣的特定配置。它处理可变大小的节点，并显式地统一处理元节点和叶节点。我们将蔓延度量和区域感知混乱度量的组合称为蔓延度量。我们展示了蔓延指标的一个实例，其中对关键组件惩罚映射功能进行了正式而全面的讨论。我们通过对图形布局进行广泛的计算分析来实现和验证我们提出的度量标准，同时考虑了四种布局算法和56种布局，其中包括现实世界的数据和合成示例，这些示例说明了感兴趣的特定配置。我们展示了蔓延指标的一个实例，其中对关键组件惩罚映射功能进行了正式而全面的讨论。我们通过对图形布局进行广泛的计算分析来实现和验证我们提出的度量标准，同时考虑了四种布局算法和56种布局，其中包括现实世界的数据和合成示例，这些示例说明了感兴趣的特定配置。我们展示了蔓延指标的一个实例，其中对关键组件惩罚映射功能进行了正式而全面的讨论。我们通过对图形布局进行广泛的计算分析来实现和验证我们提出的度量标准，同时考虑了四种布局算法和56种布局，其中包括现实世界的数据和合成示例，这些示例说明了感兴趣的特定配置。