Detailansicht
Real time point cluster solutions in web mapping applications
an alternative approach using grid-based structures
Andreas Kiefer
Art der Arbeit
Masterarbeit
Universität
Universität Wien
Fakultät
Fakultät für Geowissenschaften, Geographie und Astronomie
Studiumsbezeichnung bzw. Universitätlehrgang (ULG)
Masterstudium Kartographie und Geoinformation
Betreuer*in
Andreas Riedl
DOI
10.25365/thesis.37229
URN
urn:nbn:at:at-ubw:1-29053.88251.271459-7
Link zu u:search
(Print-Exemplar eventuell in Bibliothek verfügbar)
Abstracts
Abstract
(Deutsch)
In Zeiten von ‘big data’, automatischer Datenerfassung durch hochentwickelte Sensoren, In-formationsgewinnung durch ‘Crowdsourcing’, und leistungsfähiger Systeme zur Daten-speicherung ist es von enormer Wichtigkeit, effiziente Methoden zur Informationsverarbeitung und vor allem Darstellung von Informationen einzusetzen. Informationen mit geographischem Kontext werden meist über digitale Web Maps vermittelt. Seit der Etablierung des Web 2.0 werden Karten und ‘mashups’ zu allen möglichen Themen auf Webseiten eingebunden.
Ein allgemein bekanntes Problem stellt dabei die Überlagerung der Karte mit Symbolen dar. Dieses Phänomen tritt auf, wenn zu viele Symbole den verfügbaren Kartenausschnitt über-decken. In der Folge wird die Karte für den Nutzer unlesbar. Eine Lösung ist die Anwendung kartographischer Generalisierungsmethoden, wie Punktaggregation, Selektion oder die Bild-ung von Clustern. Bis heute existieren jedoch kaum Lösungen, die diese Methoden in Echtzeit im Browser bewältigen können.
In dieser Abschlussarbeit wurde die Eignung eines auf regelmäßigen Gitternetzen basierenden Clustering Algorithmus untersucht. Dazu wurde ein in Echtzeit operierender Prototyp entwickelt, welcher anschließend in zwei Anwendungsszenarien getestet wurde. In einer Online-Umfrage wurde die Eignung auf Gitternetz basierender Clustering Algorithmen unter-sucht. Die Auswertung der Umfrage hat gezeigt, dass regelmäßige Strukturen unter gewissen Umständen durchaus dazu geeignet sind, als alternative Methode zur Clusterbildung zu dienen. Vor allem thematische Anwendungen und die Visualisierung raum-zeitlicher Entwick-lungen können von dieser Darstellungsmethode profitieren.
Abstract
(Englisch)
In a data-rich world, the key to knowledge discovery and cognition of relevant information lies in efficient processing and visualization of data. Applied to geospatial information, web maps are a common means to communicate phenomena and relevant information to the user. Since the establishment of the Web 2.0, map mashups have evolved, and are used in many domains, particularly to display Points of Interests (POI) on a map.
A common problem in this application is known as ‘icon cluttering’, which occurs, when too many features cover up the available map space. As a consequence, map legibility suffers, and the information presented on this map cannot be understood anymore. Therefore, generaliza-tion procedures have to be applied, which clear up the map space by using aggregation, filter-ing, displacement or clustering techniques. For the processing of vector-based data in real time, only few implementations exist in web mapping today.
In this thesis, the application of a grid-based clustering algorithm is examined. A prototype implementation was developed to test the feasibility of this approach in two common use cas-es. The evaluation of these use cases has shown that grid-based structures can serve as an al-ternative clustering method, especially for thematic mapping purposes and for the visualization of temporal developments.
Schlagwörter
Schlagwörter
(Englisch)
Web Mapping Cartographic Generalization Feature Aggregation Clustering Icon Cluttering Thematic Mapping
Schlagwörter
(Deutsch)
Web Mapping Kartographische Generalisierung Punkt Aggregation Clustering Icon Cluttering Thematische Kartographie
Autor*innen
Andreas Kiefer
Haupttitel (Englisch)
Real time point cluster solutions in web mapping applications
Hauptuntertitel (Englisch)
an alternative approach using grid-based structures
Paralleltitel (Deutsch)
Echtzeit Punkt Cluster Lösungen in Web Mapping Anwendungen
Publikationsjahr
2015
Umfangsangabe
II, 105 S. : Ill., graph. Darst., Kt.
Sprache
Englisch
Beurteiler*in
Andreas Riedl
AC Nummer
AC12274297
Utheses ID
32999
Studienkennzahl
UA | 066 | 856 | |