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：
-
Leaflet.markercluster，leaflet 插件，效果华丽
-
PruneCluster，leaflet 插件，宣称性能更好，代码更精简
- GMap.markerclusterer & BMap.markerclusterer，coc 定律
-
kartograph，一个矢量地图库
后端：
- android-maps-utils，android 地图 sdk 源码
- geocluster-facet，elasticsearch 插件，开源解决方案
- maptimize，elasticsearch 插件，商业解决方案
算法概览
- server-side-clustering-of-geo-points-on-a-map-using-elasticsearch，讲述服务端解决方案，实现形式是 elasticsearch 插件，核心算法是 geohash。
- Too Many Markers!，一篇综述，描述问题并给出探索方案。
-
Let’s Keep Symbol Maps Clean And Tidy，通过合并并改变覆盖物样式来优化显示，给出了新的思路和公式。
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