基于距离聚合的态势展现方法研究

王希进 张守雪 李孝辉 钟原

中国电子科技集团公司第二十八研究所 江苏 南京 210007

引言

伴随着大数据相关技术的广泛应用，地理信息系统需要展现的相关数据也呈现出爆发式的增长模式。地理信息系统需要支撑更大容量的目标数据处理和信息展现[1]。诸多地理信息数据以其各自身的属性特点展现出不同的效果，以便于用户根据综合分析情况做出专业判断[2]。传统的数据展现方式伴随数量的增大无可避免地会遇到目标的堆叠和覆盖，增加目标的区分难度，造成掌握综合情况的复杂性。

本文针对传统数据展现面临的堆叠问题并参照空间点聚合技术[3-4]，提出一种基于距离聚合的态势展现方法，即按照目标之间的相对距离，判断其是否达到聚合条件，以此实现对目标的聚合展现。

1 距离聚合方法

1.1 距离聚合方法的原理

将态势目标图形化为以20px为半径的圆形，选取100个态势目标，其圆心在(40px-680px，40px-520px)范围内随机样本数据。样本数据分布数据如图1所示。

图1 随机样本数据分布图

得到触发聚合的条件公式：

1.2 扩张算法原理

扩张算法是指多个态势目标元素聚合后产生的新的聚合目标相对于原目标元素的表述方式。本文采用等大小圆形作为聚合目标，所以确定聚合后圆形的圆心为原聚合圆形圆心的平均值。即

扩张系数在本文中是指多个目标圆形聚合后产生新的聚合圆形半径相对于原目标圆形半径的比例。根据实际情况分析得出聚合目标半径的扩张公式为：

其中，R表示聚合后生成圆形的半径，r表示原聚合目标元素的半径，n表示产生目标聚合的原目标数量，l表示扩张系数。

2 距离聚合算法的实现

基于距离聚合的算法步骤如下所示：

（1）选择a点为参照点数据，对后续数据(b，c，d，e，f，g…n)遍历，判断其是否与a点位置存在相互重合部位，假设a点位参照点的聚合集合为A(a，d，f)，则原始数据剩余（b，c，e，g…n）；

（2）对剩余原始数据集合（b，c，e，g…n），重复步骤1，获取新的聚合集合B（b，c），直至原始数据数量为0，即原始集合数据全部聚合到新的数据集合中；

（3）将新的数据集合设置为原始数据，重复步骤1、2；

（4）当生成的数据集合的数量与上一次的数据数量一致时，即不再产生聚合，表明聚合结束，输出聚合结果。

3 距离聚合算法结果

3.1 距离聚合算法结果

本节通过选中固定的扩张系数l=20，来验证样本通过算法聚合后的效果。其聚合结果如图2所示：

图2 聚合算法绘制结果图

通过对上述聚合结果分析可以得出，战场态势与目标聚合算法能够实现快速有效的聚合结果，由此可以验证聚合算法的有效性。

3.2 扩张系数聚合算法的影响

对图1中的样本数据采用距离聚合算法进行绘制，通过设置不同的扩张参数，得到如表1所示聚合数据。

表1 目标聚合结果

通过表1数据，可以看出，随着扩张系数的增加，获取最终聚合结果需要迭代的次数不断增大，聚合结果总数不断减小，最大聚合集合中的目标数量不断增多，聚合程度不断增高。

4 结束语

基于距离聚合的态势展现方法为解决态势目标的堆叠，积压问题提供了一种清晰、高效的解决方案。距离聚合的态势展现方法主要针对态势视口范围内目标较多且出现态势堆叠的情况。所以，在实际的应用过程中，可以将视口范围的目标数量作为一个阈值。当视口范围数量大于阈值时，开启聚合算法的态势展现，小于阈值时，采用传统的态势展现方式。以此实现，注重细节的传统数据展现方式与关注整体状态的距离聚合的态势展现方式之间的顺畅切换。