SpatialKey のような密度/ヒート マップの生成

Question

空間キー は非常に見栄えの良いヒートマップを生成します。私たちは、大量のポイントを視覚化するために内部プロジェクトでこれを実行することに何が関係するかを調査しています。どこから始めるべきかについてのアイデアに関するフィードバックを探しています (これは本当に興味深い問題です)。

SpatialKey ヒートマップ http://img697.imageshack.us/img697/7964/resolutiondays508x17550.jpg

Flash を使用していることはわかっており、私たちが知る限り、ヒートマップはタイル サーバーからレンダリングされるのではなく、インタラクティブであることがわかります。これがどのように実装されるかについての最初の推測は、サーバーが Flash クライアントにグリッドを提供するということです。各セルにはサーバーによって計算されたカウントが含まれます。次に、Flash クライアントはグリッド内のセル値に基づいて補間を実行し、上記のようなきれいな出力を作成します。

現段階では、私が興味を持っているのは、どのようにしてサーバー側でグリッドを効率的に生成できるかということだけです (実装に関する仮定が正しければ)。それには次のようなことが関係すると思われます。

1. 現在マップの境界内にあるものについてのクエリの実行
2. これらの境界内の各セルに対して集計サブクエリを実行します (上記の例のようにカウント、合計、または平均を実行します)。

まともなグリッド解像度で複数のズーム レベルでこれを行うと、これを効率的に行うにはカスタムの空間インデックスが必要になるようです。

代替ルートの説明に応じてくれる人はいますか？ここでは、空間インデックスとして PostGIS を使用してデータを PostgreSQL に保存することに慣れていますが、何でも試してみることにオープンです。

Answer 1

ただの推測として、私は、彼らは、クライアント側でのFlashのGISライブラリを実装しているし、緯度と経度は、ピクセル空間座標に投影する、これを使用している想像します。その後、彼らはの高さによって決定グラデーション塗りの開始と終了の色で、あなたは勾配が透明でいっぱいに使って円を描画するだろうが同じように、各ピクセルの「高さ」を決定し、それをレンダリングするピクセルによって集約しますピクセル。互いの上に重ね、複数の円は明るいピクセルを作成します。

の代替は、次いで、グレースケールでこれを行うカラースケールの輝度値をマップするかもしれません。それは、最も効率的かもしれません。

私たちは、視覚的な分析アプリケーション（例：ヒートマップSDK）の積分の使用のために、より伝統的なツリーマップヒートマップを販売し、現在のエリアを色付け地理ヒートマップを持っています。私たちは、標準のESRIシェープファイルマップを読み、すべての投影を行うと、クライアント側（Javaではなく、フラッシュが、同じ概念）にレンダリングします。私は、彼らはあなたがGoogleマップのようなタイルサーバーを使用している場合、実際に行うことができないエリアで満たされたレンダリングをサポートするので、SpatialKeyが同じことをやっていると思います。

私たちはまだこのような密度のヒートマップをやっていないが、背景として静止画像を使用してカップルのテストを実行しています。あなたはより多くの情報が必要な場合、私に知らせて、我々はそれをやったどのように私は私の開発を依頼することができます。私は、密度のヒートマップは、まだスケジュールにどこ私は知りませんが、我々はより多くのポイントベースの機能で、現在開発中です知っています。

密度ヒートマップ：

SpatialKeyだけで、実際に地域で満たされたヒートマップ（主題IE）の間で異なるのは良い記事を書きました。あなたはのhttpでそれをチェックアウトすることができます：//ブログ。 spatialkey.com/2010/02/comparing-thematic-maps-with-density-heatmaps/する。

あなたは密度ヒートマップを行うための良い方法を把握しなければ、私はそれが私たちのビジュアル解析SDKに貴重な追加になるとして、あなたはそれをやった方法を学習に興味があると思います。最高の幸運ます。

Answer 2

あなたの実際の集計マップの合計のためのMapReduce、およびデータベースのための地理空間インデックスで何か - これらのMapReduceジョブを養うために。私はこれと同じアプローチを実装するに探していますが、代わりにマップのインターフェイスについて:)のMongoDBは、現時点では良いフィットのようです。