Saya mencari simbol terbaik untuk menampilkan fitur berkerumun di ArcGIS Server JS API.
Saya tidak suka simbol cluster animasi "fly-out", seperti yang digunakan dalam pengelompokan API Silverlight atau sampel pengelompokan JS (mereka merasa agak menarik perhatian).
Sejauh ini opsi terbaik yang saya temukan adalah simbol clusterer penanda Google Maps .
Saya tidak akan menunjukkan angka di tengah simbol cluster, tetapi akan memvariasikan ukuran simbol untuk menunjukkan konsentrasi fitur, seperti dalam maket ini:
Apa opsi simbol pengelompokan lain yang ada? Bisakah Anda mengarahkan saya ke peta yang menunjukkan penerapan pengelompokan marker yang bagus?
arcgis-javascript-api
symbology
clustering
simplify
generalization
Stephen Lead
sumber
sumber
Jawaban:
Dalam kartografi tradisional, pengelompokan marker disebut agregasi atau terkadang penggabungan. Ini adalah bagian dari generalisasi model : Ketika melakukan zoom out, beberapa konsep terperinci (mis. Pohon) menghilang untuk digantikan oleh bentuk agregat yang kurang rinci (misalnya hutan).
Banyak contoh bagus dapat ditemukan di buku-buku kartografi yang bagus. Berikut adalah dua contoh dari buku ini tentang membangun agregasi:
masukkan deskripsi tautan di sini http://www.ailleursloin.free.fr/A/depot/village_generalise_200k_sans_bati.jpg
Saya kira Anda mencari lebih banyak metode operasional untuk melakukannya secara otomatis. Presentasi ini memberikan gambaran umum tentang metode otomatis yang ada. Anda mungkin memiliki sumber daya untuk mengembangkan beberapa algoritma yang ditampilkan ... Jika tidak, Anda dapat menemukan implementasi java dari algoritma ini (yang memungkinkan untuk membangun amplop simbol yang jauh) di sana , dan juga dari algoritma ini di sana .
Peta panas juga merupakan alternatif yang cukup baik untuk masalah ini. Lihat ada implementasi. Lihat juga waktu pemetaan .
sumber
Ada banyak pilihan dan sebenarnya saya berjuang melalui pertanyaan yang sama beberapa waktu lalu pada beberapa aplikasi saya. Dan untuk produk kami yang berbeda, kami berakhir dengan solusi yang berbeda. Jadi, Anda harus bertanya pada diri sendiri
Berikut adalah beberapa contoh dan apa artinya dan bagaimana mereka dilakukan. Semua dilakukan dengan algoritma pengelompokan khusus, bukan dengan pengelompokan Bing (gambar ke-1) atau strategi Pengelompokan OL (ke-2). Dengan cara ini saya memiliki kontrol lebih besar atas tampilan dan nuansa.
Tutup layar dari aplikasi Bing; kami memiliki beberapa lapisan dari berbagai jenis ikon dan warna. Kami memilih untuk mengelompokkan ikon, lalu menyembunyikan semua dengan ikon paling atas (paling penting) di dalam kelompok, dan kemudian ikon paling atas dilapisi dengan gambar transparan-ish. Jadi katakan saja ikon saya berukuran 20x20, indikator cluster adalah gambar 30x30 yang 80% transparan kecuali ia memiliki PLUS di kanan atas. Jadi ketika ditumpangkan di atas ikon "representatif" kluster saya, sepertinya saya memiliki sekelompok hal di bawahnya. Ketika pengguna melayang atau mengklik, acara pergi ke ikon kluster dan mereka mendapatkan pesan "N jumlah item yang dikelompokkan" dan dapat mengklik atau menelusuri untuk info lebih lanjut.
Dalam situasi ini kami mengambil pendekatan yang lebih sederhana. Ikon masih hidup pada lapisan yang berbeda dan memiliki makna yang berbeda dan kami mengelompokkan lintas-lapisan, namun ikon yang representatif hanyalah tanda PLUS yang besar [yang bervariasi dalam ukuran hingga batas tertentu].
Jadi pada dasarnya, kami memilih "PLUS" "+" untuk menunjukkan sebuah cluster di kedua aplikasi, tetapi mengambil rute berbeda tentang cara meletakkannya di peta - overlay ikon peta yang ada untuk memberikan peta lebih banyak makna, atau hanya membersihkan peta dan pasang PLUS dan biarkan pengguna menelusuri untuk info lebih lanjut.
sumber
Anda mungkin mendapatkan inspirasi dari plot bunga matahari . Metode ini, yang telah digunakan selama beberapa dekade untuk mewakili kelompok titik pada plot pencar, memanfaatkan penelitian dalam kognisi visual untuk menghasilkan penanda yang didiskriminasi dengan cepat dan benar serta jelas terkait dengan ukuran kelompok yang diwakilinya.
Berikut ini contoh yang dilakukan di
R
:Dibutuhkan sedikit imajinasi untuk melihat bagaimana teknik ini dapat diterapkan untuk membuat peta yang lebih umum daripada sebar.
sumber