如何聚合地图上的点


 可以实时响应的算法


主要内容


  • 调研过程
  • 解决方案
  • 算法分析
  • 有趣的知识点


问题背景

在上一个分享中提到了若干种算法：

  • kmeans & kmeans++：凸状数据？几个簇？
  • dbscan：r 半径内有 m 各点，这两个值？
  • optics：可靠的簇结构实现算法在哪里？
  • density-peak：关键的点语焉不详。


另外，这些算法都不能保证『实时响应』
需要探索新的解决方案。


进一步探索

前端：

后端：



算法概览




算法实现

def add_to_closest_cluster(self, marker):
    distance = float('inf') # Some large number
    cluster_to_add_to = None
    pos = marker.get_latlng()
    for cluster in self.clusters:
        center = cluster.get_center()
        if center:
            d = get_distance(center.lat, center.lng, pos.lat, pos.lng)
            if d < distance:
                distance = d
                cluster_to_add_to = cluster
    if cluster_to_add_to and cluster_to_add_to.overlaps(marker):
        #print 'in bounds'
        cluster_to_add_to.add_marker(marker)
    else:
        #print 'new cluster'
        cluster = Cluster(self)
        cluster.add_marker(marker)
        self.clusters.append(cluster)

效果展示



广告时间



Life is short, you need Python -- Bruce Eckel

如何聚合地图上的点

something interesting - 1


感谢伟大的 github，这个问题算是有解的：
无 API、纠偏数据库的依赖，精度可设置

火星坐标 <-> GPS 坐标（二分法解决不可逆）
https://github.com/googollee/eviltransform

百度坐标 <-> 火星坐标（可逆加密算法）
http://blog.csdn.net/coolypf/article/details/8569813


something interesting - 2


凸包是表达平面点集形式之一
凸包结果唯一，但是不能表达精确形状
『凹包』不唯一，但可根据参数选择较为精确的结果

gotcha


  • web map 原理
  • 墨卡托投影
  • 火星坐标，地图产品坐标
  • 计算几何知识：三角剖分，『凹包』
  • python 科学计算、计算几何库的使用
  • 进一步学习了数据可视化

next steps ...


地图产品上对用户产生有用的交互效果

离线数据可运营，可产生指导意义

性能再优化，探索不区分城市的『海量数据』方案






Questions ?




Thank you !

point-cluster-algorithms-in-map-2

By songchao

Made with Slides.com

point-cluster-algorithms-in-map-2

如何聚合地图上的点（实时）

  • 940

More from songchao