Question

我有近10,000个相同大小的圆圈，我用它来根据重叠圆圈的数量创建热图。

我有两个版本的第2步正在运行。一个比另一个更有效吗？我应该尝试不同的方法吗？

以下是我试图完成此任务的方法：

获取圈子的轮廓（跑得很快）

create table circle_outlines as 
    SELECT distinct ST_ExteriorRing(the_circle) AS the_geom FROM circle_list;
    create index idx_geom_circle_outlines  on circle_outlines  using gist (the_geom);
    select distinct geometrytype(the_geom) from circle_outlines ; -- LINESTRING
QGIS中此表的输出：比例为1：38,167,029 - [oi60.tinypic.com/23uwytv.jpg] [2] 以1：234,378的比例进入东北密集区 - [oi59.tinypic.com/96i4xt.jpg][2]

将这些行组合在一起（请参阅帖子的结尾，了解正在考虑的两种方法）
一个。检查创建的geom类型，如果感兴趣（应该是GEOMETRYCOLLECTION）

湾合并边框的多边形化（ST_Dump（（ST_Polygonize（the_geom）））
使用ST_PointOnSurface（polygonized_geoms）在内部添加点
计算num_overlaps

我正在尝试的两个步骤：

create table noded_circles as 
SELECT ST_Node(ST_Collect(the_geom)) AS the_geom FROM circle_outlines;
-- been running 7 hours - 100% cpu - 2199 MB (24%) memory

和

create table noded_circles as 
SELECT ST_Union(the_geom) AS the_geom FROM circle_outlines;
-- been running 43 hours - 100% cpu - 4086 MB (48%) memory

因此，为了“展平”相同大小的交叉圆的线串，st_union（）和st_node（st_collect（））之间的性能是否存在差异？还有更好的方法吗？

- 更新：由于内存不足，两个查询都被终止了。

Answer 1

我使用以下内容在10,000乘10,000网格上创建一个10,000点的随机集合，点半径为500.

drop table circles; 
create table circles as select g as id, 
    st_buffer(st_makepoint(random()*10000, random()*10000), 500) as geom 
from generate_series(1, 10000) g; 
create index ix_spatial_circles on circles using gist(geom);

使用它，我想出了以下查询，该查询生成原始多边形ID列表，与此相交的其他多边形的数量，交叉点和区域。对于10,000个网格上10,000个半径为500的圆形网格，此查询在我们的一个服务器上运行大约20分钟。我不确定是否值得进入硬件细节，因为我怀疑计算的复杂性非常依赖于网格的密度，圆的半径等，因此设置与您的环境完全相同的环境是有问题的。

select id, max(total_intersected) as "total intersected", st_area(st_union(geom)) as area   
from 
  (select a.id as id, array_agg(b.id) as b_int, 
          sum(case when st_intersects(a.geom, b.geom)='t' then 1 else 0 end) as total_intersected, 
          array_agg(b.geom) as geom 
  from 
    circles a, circles b 
  where  st_intersects(a.geom, b.geom)  group by a.id) agg 
where id=any(b_int) group by id, geom order by max(total_intersected) desc;

子查询中的主要思想是找到与所有其他多边形相交的所有多边形（通过ID）（使用空间自连接）并构建这些ID的数组（array_agg(b.id)，作为查找两个多边形是否相交，比找到它们的实际交点更快;然后，在外部查询中，找到实际的交点，但只考虑那些已知为每个输入多边形相交的多边形，即where id=any(b_int)部分我怀疑这可能比尝试使用ST_Collect或ST_Union一次性结合所有圆（多边形）更快，因为您在已知交叉的多边形上操作，而不是在一个巨大交叉点中的所有多边形。

对于它的价值，我对比较ST_Union（geom）和ST_Node（ST_Collect（geom））的随机点集进行了一些测试，整体上ST_Union的速度略快，但我认为有太多的自由变量这是一个非常科学的发现。

Answer 2

我最终采用的方法是QGIS中的HeatMap插件。 http://www.qgistutorials.com/en/docs/creating_heatmaps.html 我使用Uniform内核来允许我按栅格的值对重叠的数量进行分类。

ST_Union（）vs ST_Node（ST_Collect（））在很多相交的ST_ExteriorRing（圆圈）上

2 个答案: