Wizualizacja funkcji klastrowych na mapach internetowych?

Szukam najlepszego symbolu do wyświetlania funkcji klastrowych w ArcGIS Server JS API.

Nie podoba mi się animowany symbol klastra „fly-out”, używany w klastrze API Silverlight lub w klastrze JS (wydają się nieco sztuczni).

Jak dotąd najlepszą opcją, jaką znalazłem, jest symbol klastra znaczników Map Google .

Nie będę pokazywał liczby pośrodku symbolu klastra, ale będę zmieniać rozmiar symbolu, aby pokazać koncentrację cech, jak w tym przykładzie:

Jakie są inne opcje symboli klastrowania? Czy możesz wskazać mi mapę pokazującą fajną implementację grupowania znaczników?

W tradycyjnej kartografii grupowanie markerów nazywa się agregacją, a czasem połączeniem. Jest to część uogólnienia modelu : podczas pomniejszania niektóre szczegółowe pojęcia (np. Drzewo) znikają, zastępowane przez mniej szczegółowe zagregowane formularze (np. Las).

Wiele dobrych przykładów można znaleźć w dobrych książkach kartograficznych. Oto dwa przykłady z tej książki na temat agregacji budynków:

wprowadź opis linku tutaj http://www.ailleursloin.free.fr/A/depot/village_generalise_200k_sans_bati.jpg

Podejrzewam, że szukasz metod operacyjnych, aby to zrobić automatycznie. Ta prezentacja zawiera przegląd istniejących metod automatycznych. Może masz zasobów, aby rozwijać niektóre z algorytmów przedstawionych ... W przeciwnym razie, można znaleźć wykonania Java tego algorytmu (które pozwalają zbudować kopertę odległych symboli) tam , a także od tego algorytmu tam .

Mapy cieplne są również całkiem dobrą alternatywą dla tego problemu. Zobacz tam implementację. Zobacz także maptimize .

Jest wiele opcji i tak naprawdę już przez jakiś czas miałem problem z tym samym pytaniem dotyczącym niektórych moich aplikacji. W przypadku naszych różnych produktów otrzymaliśmy różne rozwiązania. Musisz więc zadać sobie pytanie

1. Czy wszystkie ikony singletonów na mapie mają ten sam „rodzaj” - ten sam kształt i kolor?
2. Jeśli nie, to czy wszystkie żyją na 1 warstwie, czy na wielu warstwach?
3. Jeśli na wielu, zamierzasz klastrować każdą pojedynczą warstwę, czy klastrowanie między warstwami?
4. Jeśli klastrujesz poszczególne warstwy, co jeśli ikony nakładają się na warstwy, to czy będziesz mieć klaster klastrów?
5. Czy musisz wiedzieć, jaki rodzaj rzeczy jest grupowany, czy po prostu „hej, na mapie jest klaster”. A powyżej powiedziałeś, że nie musisz wiedzieć, ile jest tam przedmiotów, po prostu patrząc na ikonę klastra.

Oto kilka przykładów oraz ich znaczenie i sposób ich wykonania. Wszystko odbywa się za pomocą niestandardowego algorytmu klastrowania, a nie za pomocą klastrowania Bing (1. obraz) lub strategii klastrowania OL (2. obraz). W ten sposób mam o wiele większą kontrolę nad wyglądem.

Czapka ekranowa z aplikacji Bing; mamy wiele warstw różnych typów ikon i kolorów. Zdecydowaliśmy się zgrupować ikony, a następnie ukryć wszystko za najwyższą (najważniejszą) ikoną w klastrze, a następnie najwyższą ikonę nakłada się na przezroczysty obraz. Powiedzmy, że moje ikony mają rozmiar 20 x 20, wskaźnik skupienia to obraz 30 x 30, który jest w 80% przezroczysty, z wyjątkiem tego, że ma PLUS w prawym górnym rogu. Kiedy więc nałożę na ikonę „reprezentatywną” mojego klastra, wygląda na to, że mam pod sobą zbiór rzeczy. Gdy użytkownik najedzie kursorem lub kliknie, zdarzenie przechodzi do ikony klastra i otrzymuje komunikat „N liczba elementów w klastrze” i może kliknąć lub przejść w dół, aby uzyskać więcej informacji.

W tej sytuacji przyjęliśmy prostsze podejście. Ikony wciąż żyją na różnych warstwach i mają różne znaczenie, a my skupiamy się na warstwach, jednak reprezentatywna ikona jest tylko dużym tłustym znakiem PLUS [który różni się wielkością do pewnego limitu].

Zasadniczo wybraliśmy „PLUS” „+”, aby wskazać klaster w obu aplikacjach, ale wybraliśmy różne trasy, w jaki sposób umieścić go na mapie - nałóż istniejące ikony mapy, aby nadać mapie większe znaczenie, lub po prostu wyczyść mapę i umieść PLUS i pozwól użytkownikowi przejść do bardziej szczegółowych informacji.

Możesz czerpać inspirację z działek słonecznika . Ta metoda, stosowana od dziesięcioleci do reprezentowania skupisk punktów na wykresach rozrzutu, wykorzystuje badania w dziedzinie poznania wzrokowego w celu wytworzenia markerów, które są szybko i prawidłowo rozróżniane, a także wyraźnie związane z rozmiarem skupień, które reprezentują.

Oto przykład wykonany w R:

Niewiele wyobraźni można zobaczyć, jak można zastosować tę technikę do tworzenia map, które są bardziej ogólne niż wykresy rozrzutu.