Je recherche le meilleur symbole pour afficher les entités en cluster dans l'API ArcGIS Server JS.
Je n'aime pas le symbole de cluster animé "fly-out", tel qu'il est utilisé dans le clustering Silverlight API ou l' exemple de clustering JS (ils se sentent un peu fantaisistes).
Jusqu'à présent, la meilleure option que j'ai trouvée est le symbole de clustering de marqueurs Google Maps .
Je ne montrerai pas un nombre au centre du symbole de cluster, mais je varierai la taille du symbole pour afficher les concentrations de fonctionnalités, comme dans cette maquette:
Quelles sont les autres options de symboles de regroupement? Pouvez-vous me pointer vers une carte montrant une belle implémentation du clustering de marqueurs?
arcgis-javascript-api
symbology
clustering
simplify
generalization
Stephen Lead
la source
la source
Réponses:
Dans la cartographie traditionnelle, le regroupement de marqueurs est appelé agrégation ou parfois fusion. Cela fait partie de la généralisation du modèle : Lors d'un zoom arrière, certains concepts détaillés (par exemple l'arbre) disparaissent pour être remplacés par des formes agrégées moins détaillées (par exemple la forêt).
De nombreux bons exemples peuvent être trouvés dans de bons livres de cartographie. Voici deux exemples de ce livre sur l'agrégation de bâtiments:
entrez la description du lien ici http://www.ailleursloin.free.fr/A/depot/village_generalise_200k_sans_bati.jpg
Je suppose que vous cherchez des méthodes plus opérationnelles pour le faire automatiquement. Cette présentation donne un aperçu des méthodes automatiques existantes. Vous pouvez avoir des ressources pour développer certains des algorithmes présentés ... Sinon, vous pouvez trouver une implémentation java de cet algorithme (qui permet de construire l'enveloppe de symboles distants) là - bas , et aussi de cet algorithme là .
Les cartes de chaleur sont également une bonne alternative pour ce problème. Voir là une implémentation. Voir aussi maptimize .
la source
Il y a beaucoup d'options et, en fait, j'ai eu du mal à résoudre la même question il y a quelque temps sur certaines de mes applications. Et pour nos différents produits, nous nous sommes retrouvés avec des solutions différentes. Vous devez donc vous demander
Voici quelques exemples et ce qu'ils signifient et comment ils sont réalisés. Tout se fait avec un algorithme de clustering personnalisé, pas avec la stratégie de clustering Bing (1ère image) ou OL Clustering (2ème). De cette façon, j'ai beaucoup plus de contrôle sur l'apparence.
Capuchon d'écran d'une application Bing; nous avons plusieurs couches de différents types et couleurs d'icônes. Nous avons choisi de regrouper les icônes, puis de tout masquer par l'icône la plus haute (la plus importante) du cluster, puis l'icône la plus haute est superposée avec une image transparente. Disons que mes icônes sont 20x20, l'indicateur de cluster est une image 30x30 qui est transparente à 80%, sauf qu'il a un PLUS en haut à droite. Ainsi, une fois superposé sur l'icône "représentant" de mon cluster, il semble que j'ai un cluster de choses en dessous. Lorsque l'utilisateur survole ou clique, l'événement passe à l'icône de cluster et reçoit un message "N nombre d'éléments en cluster" et peut cliquer ou explorer pour plus d'informations.
Dans cette situation, nous avons adopté une approche plus simple. Les icônes vivent toujours sur différentes couches et ont une signification différente et nous regroupons les couches croisées, mais l'icône représentative n'est qu'un gros signe PLUS gras [dont la taille varie jusqu'à une certaine limite].
Donc, fondamentalement, nous avons choisi un "PLUS" "+" pour indiquer un cluster dans les deux applications, mais avons pris des itinéraires différents pour le mettre sur la carte - superposer les icônes de carte existantes pour donner plus de sens à la carte, ou simplement nettoyer la carte et mettez un PLUS et laissez l'utilisateur explorer vers le bas pour plus d'informations.
la source
Vous pourriez vous inspirer des parcelles de tournesol . Cette méthode, utilisée depuis des décennies pour représenter des grappes de points sur des diagrammes de dispersion, capitalise sur la recherche en cognition visuelle pour produire des marqueurs rapidement et correctement discriminés ainsi que clairement liés à la taille des grappes qu'ils représentent.
Voici un exemple fait dans
R
:Il faut peu d'imagination pour voir comment la technique pourrait être appliquée à la création de cartes plus générales que les nuages de points.
la source