基于地图数据可视化展示热力和散点集成分配方法与流程

本发明涉及数据可视化展示领域；新型热力图领域；新型散点图领域；尤其涉及一种基于热力和散点集成聚合的空间信息可视化方法。
背景技术：
：热力图和散点图是目前地理信息系统中常用的数据可视化形式，热力图可以展示数据的宏观分布，散点图可以展示数据的精确位置。本发明希望通过结合热力图和散点图实现宏观与微观的结合，更好的反映空间数据的发展趋势的同时，展示数据中重要点与异常点的精确坐标。技术实现要素：本发明针对现有技术中的不足，提供一种基于热力和散点集成聚合的空间信息可视化方法。为了解决上述技术问题，本发明通过下述技术方案得以解决：步骤1：获取所需展示的内容数据集合c，其中，内容数据至少包括经纬度数据。步骤2：对内容数据集合c进行行列分段切割，以获取经纬度和包含数据数量的子集合h。步骤3：对子集合h通过oneclasssvm算法来计算出该子集合中数据数量比较多，即热力图中热量范围比较强烈的部分区域的子集合h1。步骤4：根据企业数据集合c，通过isolationforest算法来检测异常值得到异常值集合s。步骤5：对异常值集合s进行行列分段切割，获取经纬度和包含数据数量的子集合s1。步骤6：根据子集合h1，对子集合s1进行经纬度范围过滤得到新的子集合s2。步骤7：对子集合h进行热力图渲染，对子集合s2进行自定义覆盖物渲染。其中，所诉自定义覆盖物渲染是一种根据子集合数据数量来控制散点大小的渲染方式。本发明的附加方面和优点将在下面的描述中部分给出，部分将从下面的描述中变得明显，或通过本发明的实践了解到。附图说明此处所说明的附图用来提供对本发明的进一步理解，构成本申请的一部分，本发明的示意性实施例及其说明用于解释本发明，并不构成对本发明的不当限定。在附图中：图1为本发明实施例公开的一种基于热力和散点集成聚合的空间信息可视化方法的步骤流程图；图2是实施基于热力和散点集成聚合的空间信息可视化方法的效果图。具体实施方式为使本发明实施例的目的、技术方案和优点更加清楚，下面将结合本发明实施例的附图，对本发明实施例的技术方案进行清楚、完整地描述。显然，所描述的实施例是本发明的一部分实施例，而不是全部的实施例。基于所描述的本发明的实施例，本领域普通技术人员在无需创造性劳动的前提下所获得的所有其他实施例，都属于本发明保护的范围。如附图1所示，步骤1：获取所需展示的内容数据集合，如企业数据集合c：经度lng纬度lat120.176343564383960030.2323958569852800120.187146041175510030.2630135110897350120.184614511146630030.2480781411078930120.159618785738100030.2787878961818900120.108315441469510030.2671267894870260120.070978040388280030.2523739633779300120.140285993535670030.2801317055045270120.490814701957490030.2493527302772020120.403567480877470030.2641612770801130......步骤2：对集合c根据所需精度(如0.075d)进行行列分段切割，以获取经纬度和包含企业数量的子集合h：经度lng纬度lat企业数量count120.9578916980479229.4903429358688332120.8907997487343829.5257203064975458120.8206817180741629.54692599223100388121.5138959807726728.57382830301814315121.3407547559714530.195899359644451119.3648722885108430.21614764712221119.6988950473056530.19137812213101768120.3036087149157830.20882802984863244120.2441060359014529.54692599223100313.........步骤3：对子集合h通过oneclasssvm算法指定出训练误差为的正常样本来计算出该子集合中count比较多，即热力图中热量范围比较强烈的部分区域的子集合h1：经度lng纬度lat企业数量count118.9004475868769628.910121674577855176120.8206817180741629.54692599223100388120.1864321272443330.288949237647678183120.3809934227339230.234844024044136130120.6342849236687930.158851926957233162121.08210461394230.633225691403573119.6988950473056530.19137812213101768.........步骤4：根据集合c通过isolationforest算法来随机指定一个维度，并在当前节点随机生成一个切割点，其中在的max值和min值之间，根据分为c1和c2，然后再c1和c2中再次随机指定一个维度和…依次类推，直到cn和cn+1只有一个数据，获得t个itree来用于检测lat、lng的异常值得到异常值集合s：经度lng纬度lat120.859370785968880029.5984184836521900118.985263077845630028.9566636977939250118.950131581837160028.9363389057721530118.950104118841130028.9391947876037300121.786772448837510029.8965341617400570121.769142330955380029.8843917560937100121.814476575230830029.9222880185324400121.968337868623720029.9355725424887530121.957930560022660029.9421237322663500......步骤5：对异常值集合s根据所需精度(如0.015d)进行行列分段切割，以获取经纬度和其中企业数量的子集合s1：经度lng纬度lat企业数量count121.9683378686237229.93557254248875313121.2087406109978928.880887712439525121.5732190884959528.453318211392859118.9004475868769628.910121674577855176120.7034238068436228.14232977435986528119.3289529368996529.1159910385744351121.4940852074013529.81676856660537617.........步骤6：根据子集合h1对子集合s1进行经纬度范围过滤得到子集合s2；经度lng纬度lat企业数量count120.0802092973004630.45816330219397423122.0430774260125229.8546328311786417120.7317791193924428.846894214573448118.861988972074328.8778610004412222119.3648722885108430.1958993596444516121.5592919368400328.568029962325515.........步骤7：对子集合h进行热力图渲染，对子集合s2进行自定义覆盖物渲染，得到如图2所示的效果。其中，所述自定义覆盖物渲染是一种根据子集合数据数量来控制散点大小的渲染方式。最后应说明的是：以上实施例仅用以说明本发明的技术方案，而非对其限制；尽管参照前述实施例对本发明进行了详细的说明，本领域的普通技术人员应当理解：其依然可以对前述各实施例所记载的技术方案进行修改，或者对其中部分技术特征进行等同替换；而这些修改或者替换，并不使相应技术方案的本质脱离本发明各实施例技术方案的范围。总之，以上所述仅为本发明的较佳实施例，凡依本发明申请专利范围所作的均等变化与修饰，皆应属本发明专利的涵盖范围。当前第1页12