Memvisualisasikan fitur yang dikelompokkan di peta web?

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:

masukkan deskripsi gambar di sini

Apa opsi simbol pengelompokan lain yang ada? Bisakah Anda mengarahkan saya ke peta yang menunjukkan penerapan pengelompokan marker yang bagus?

— Stephen Lead
sumber

Apakah Anda terbatas pada simbol titik?

— Andy W

@AndyW Saya menampilkan fitur titik, tapi saya tidak harus terbatas pada simbol titik. Gambar contoh di atas menggunakan Simbol Penanda Gambar jika itu membantu.

— Stephen Lead

Balasan yang bervariasi menunjukkan bahwa beberapa klarifikasi tambahan akan membantu; khususnya, dalam arti apa yang Anda maksud "simbol terbaik"? Ini mungkin tergantung pada aplikasi dan audiens dan masuk akal bisa berarti "tercantik," "termudah untuk diterapkan," "termudah bagi pemirsa untuk mengenali dan membedakan," atau "memungkinkan penilaian kuantitatif yang paling akurat." Solusi terbaik dalam pengertian ini mungkin adalah heatmap, penanda Google atau Bing, yang tahu, dan plot bunga matahari, masing-masing, tetapi sebagian besar solusi ini sama-sama buruk dalam hal lain.

— whuber

@whuber "Paling mudah bagi pengguna non-ahli untuk memahami apa yang terjadi tanpa instruksi" adalah tujuannya. Lokasi tepat fitur tidak sepenting fakta bahwa beberapa fitur adalah "titik tunggal" dan beberapa "titik berkerumun". Apakah jelas bahwa ada lebih banyak fitur di beberapa lokasi, dan lebih sedikit fitur di daerah lain? Peta di atas berfungsi untuk saya, tetapi apakah ini berlaku untuk semua orang, dan apakah ini solusi terbaik? terima kasih

— Stephen Lead

Tanpa legenda, saya tidak bisa memahami contoh Anda. Bahkan mengetahui niatnya, saya tidak dapat membacanya dengan rasa keakuratan karena saya tidak tahu apa hubungan antara ukuran simbol dan ukuran cluster (apakah itu diameter lingkaran, area lingkaran, atau sesuatu yang lain?) Apa biru / perbedaan merah yang ingin disampaikan? Jika Anda ingin menghindari instruksi, Anda perlu menggunakan metode yang paling efektif secara kognitif untuk membuat perbedaan dan menyampaikan jumlah yang diketahui (seperti menggunakan lightness, daripada hue, untuk menyampaikan intensitas kuantitas), dan tetap siap untuk kesalahpahaman.

— whuber

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 gambar di sini

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 .

masukkan deskripsi gambar di sini

— Julien
sumber

Terima kasih atas respon yang mendetail. Saya sebenarnya cukup senang dengan algoritma aktual yang saya gunakan - modifikasi skrip sampel ini - jadi saya lebih mementingkan simbologi atau representasi dari fitur-fitur yang dikelompokkan. Saya suka pendekatan peta panas, tetapi tidak ada cukup poin dalam kasus saya karena fitur-fiturnya tidak terlalu padat. Terima kasih lagi

— Stephen Lead

Bisakah Anda memperbarui tautan yang rusak?

— phil294

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

Apakah semua ikon tunggal pada peta memiliki "jenis" yang sama - bentuk dan warna yang sama?
Jika tidak, apakah mereka semua hidup di 1 layer, atau beberapa layer?
Jika pada banyak, apakah Anda akan mengelompokkan setiap lapisan individu, atau pengelompokan lintas-lapisan?
Jika mengelompokkan lapisan-lapisan individual, bagaimana jika ikon tumpang tindih di seluruh lapisan, apakah Anda akan memiliki kelompok-kelompok cluster?
Apakah Anda perlu tahu "apa" jenis benda yang dikelompokkan, atau hanya itu "hei, ada A cluster" di peta. Dan di atas Anda mengatakan Anda tidak perlu tahu berapa banyak item yang ada hanya dengan melihat ikon klaster.

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.

Penanda cluster transparan

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.

masukkan deskripsi gambar di sini

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.

— Vadim
sumber

Terima kasih atas jawaban rinci. Dalam hal ini semua fitur berada di lapisan yang sama, tetapi Anda menaikkan beberapa poin menarik jika tidak. Pendekatan + adalah pendekatan yang menarik

— Stephen Lead

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:

masukkan deskripsi gambar di sini

Dibutuhkan sedikit imajinasi untuk melihat bagaimana teknik ini dapat diterapkan untuk membuat peta yang lebih umum daripada sebar.

— whuber
sumber

Bill, terima kasih atas tipnya - plot bunga matahari sangat keren, dan bekerja dengan baik di scatterplot. Ini tidak benar-benar cocok untuk kasus saya karena situs ini ditujukan untuk pengguna pemula dan ini akan berlebihan. (PS Pendekatan peta panas yang diambil oleh Fusion Tables mungkin juga bekerja di scatterplot? Geochalkboard.files.wordpress.com/2010/03/fusion2.png )

— Stephen Lead

@Stephen Gradasi warna cenderung tidak berfungsi dengan baik untuk membaca grafik secara kuantitatif (yaitu, akurat dan cepat). Untuk sekitar 6% dari populasi, kelulusan dari merah ke hijau (seperti ditunjukkan dalam contoh) sulit untuk dibedakan. Semakin banyak literatur dalam visualisasi data kuantitatif menunjukkan kita tidak boleh dengan cepat membatasi kualitas grafik kita pada anggapan bahwa pengguna pemula tidak akan dapat menghargai atau menggunakannya. Baca Tufte, Cleveland, atau Wainer, misalnya.

— whuber