如何创建包含数千个不会使浏览器崩溃的标记的传单地图？

Question

我正在使用R中的传单包来生成一个包含大量圆圈的地图。 目标是我可以发布到我的网站的地图。 我遇到的问题是，当我增加圈数时，生成的地图加载速度非常慢，我得到“无响应的脚本”警告，最终它完全冻结了我的浏览器。

我知道这种事情是可能的，因为我发现了一张传单，可以按我希望的方式工作：

http://cartologic.com/geoapps/map_viewer/5/ny-crimes-2014-dot-density-map

我在上面的地图上注意到，圆圈看起来并不像我在地图上的圆圈那样“可点击”，而且它们看起来像方块一样加载。 我预感到这些事情与我的问题有关。 不幸的是，我在传单/ javascript的东西上太过于自我解决这个问题了。

这是一个说明我的问题的玩具示例：

library("leaflet")
library("htmlwidgets")

dots <- data.frame(x=c(runif(10000, -93.701281, -93.533053)),
                   y=c(runif(10000,  41.515962,  41.644369)))

m <- leaflet(dots) %>%
  addTiles('http://{s}.basemaps.cartocdn.com/dark_all/{z}/{x}/{y}.png') %>% 
  setView(-93.617167, 41.580166, zoom = 12) %>% 
  addCircles(~x, ~y, weight = 1, radius = 5, 
             color = "#FFA500", stroke = TRUE, fillOpacity = 0.1) 

m

saveWidget(widget = m, file="example.html", selfcontained = TRUE)

Answer 1

mapview可以帮到你。 它建立在小叶库的基础上，用于较小的数据集，但对较大的数据使用特殊的javascript功能。

你的例子是1 Mio. 要点：

library(mapview)
library(sp)

dots <- data.frame(x=c(runif(1000000, -93.701281, -93.533053)),
                   y=c(runif(1000000,  41.515962,  41.644369)))

coordinates(dots) <- ~ x + y
proj4string(dots) <- "+init=epsg:4326"

mapview(dots)

渲染可能还需要一段时间，但一旦渲染它应该是非常敏感的。 请注意，mapview旨在使用spatial *对象，这就是我们需要调用来设置坐标槽和投影的原因。

有关更多信息，请查看此处：

http://environmentalinformatics-marburg.github.io/web-presentations/20150723_mapView.html

希望有所帮助。

Answer 2

如果要向地图添加大量矢量对象，很少能够轻松完成。

请注意，栅格数据被分解为切片，因此不必一次显示所有信息。 对于矢量数据（在本例中为圆圈），您必须执行相同的操作。

基本上我喜欢做的是将大数据集分成更小的（矢量）图块，边界与您显示的栅格图块相同。 如果希望数据以多个缩放级别显示，请复制数据。 当您显示圆形时，请想象您在圆形边界上划分圆的中心点。

我有一个类似于此的应用程序，我基本上将我的矢量数据分区在tile边界上并将信息存储在geojson文件中。 当我得到一个已加载栅格图块的事件时，我可以将等效矢量文件加载为geojson图层（当光栅图块被卸载时也是如此）。 通过这种方式，您可以限制任何时候必须显示的矢量数据量。

如果你有很多分数，那么它们在低变焦水平下实际上并不是真的可见，所以最好只是以适当的缩放级别显示它们（可能在低变焦处有不同的表示 - 比如热图）。 这将使任何时候显示的数据量保持较低。

Answer 3

由于这个问题有几个赞成，我一般会描述我找到的两个解决方案。 也许如果我以后有时间，我会在GitHub上将所有文件放在一起。

首先，我找到了TileMill。 只需将坐标数据文件加载到TileMill中，按照您希望的方式显示样式，然后输出切片（png）。 在某个地方托管这些瓷砖并用传单加载它们。 这个过程对我来说有点过于谨慎，因为当我加载csv文件时，TileMill一直在崩溃，因为csv文件太大而无法在我的机器上渲染。

我发现最好的解决方案是使用Processing，在这里调整Robert Manduca的代码： https ： //github.com/rmanduca/jobmaps 。 我不使用Python，所以我在R中重写了这些部分，并根据我的规范修改了处理代码。

Answer 4

Mapdeck（于2018年8月在CRAN上发布）使用WebGL（通过Deck.gl ），旨在处理数百万个点（当然，取决于系统的硬件）

library(mapdeck)

set_token("MAPBOX_TOKEN")

n <- 1e6
dots <- data.frame(x=c(runif(n, -93.701281, -93.533053)),
                   y=c(runif(n,  41.515962,  41.644369)))


dots$letter <- sample(letters, size = n, replace = T)

mapdeck(
    style = mapdeck_style('dark')
) %>%
    add_scatterplot(
        data = dots
        , lon = "x"
        , lat = "y"
        , fill_colour = "letter"
        , radius = 5
        , fill_opacity = 50
        , layer_id = "dots"
    )