在对地理数据进行处理和展示时，我们经常会用到「热力图」来表现数据的大小和强弱对比关系。于是，在今年，高德开放平台研发了“Loca地理空间数据可视化渲染引擎”，一经发布，受到了开发者的诸多肯定。

今天，我们特别邀请Loca项目的一线研发工程师点仓同学，详细揭秘《Loca 地理数据可视化操作指南》

北京某季度房价分布（根据公开数据制图）

热力图中的“热度”由什么因素决定？

位置热力映射是一种为了展示某种现象而对数据进行位置聚类的方法，基于位置的热力图就是运用这种热力映射方法，将地理位置上的数据进行可视化展现的一种手段。通过展现更高密度上的位置数据，能够使区域内业务数据的分布特性得以浮现。例如人流活动、交通状况或者人口密度等。

热力图中“热度”的大小代表了指定范围内地理实体数据聚合的结果。它通常由两个因素决定：

1、热力半径

它将影响到每个单元计算范围。而半径的大小直接影响数据分布的展示效果。

2、聚合数据的计算方式

最简单的是热力范围内数据特征的直接计算，例如数量加和、最大值、最小值、均值等。这样使得聚合后的数据具有统计学上的意义。

最后为了便于可视化的直观理解，通常需要将“热度”进行映射到有梯度的颜色上，这样使得我们便于观察热力的分布情况。除了颜色外，在 3D 场景下，我们还可以将“热度”映射到地图 Z 维度上，用高度的大小更直观的展现数据的分布情况。

如何选择合适的Loca热力图类型？

基于上面介绍的热力图原理，Loca 提供了如下热力展示类型。

1、点密度热力图：可以有效处理多且离散的位置数据

基础热力通过指定的半径范围进行数据叠加计算，然后与梯度颜色进行数据映射。这类热力图可以将离散的点来转换成连续表面，再映射成连续的颜色以表示表面密度。通常适用于数据较多且离散的地理数据。

上图我们根据公开数据模拟了北京市某时刻的车流密度，配色由密度最高的红色区域向密度最低的蓝色区域过度，同时透明度也随之降低。

2、网格热力图：适用于需要均匀地在地理空间展示数据

网格热力图通过指定形状及大小的网格进行数据聚合，常见的形状有蜂窝（正六边形）和正四边形。由于以上两种形状可以完整的覆盖所有区域面，尤其是蜂窝形状具有相邻中心等距、接近圆形等几何特性，因此成为在均匀的地图空间上展示数据分布的首选。

另外，除了在颜色维度上进行映射外，我们还使用地图上 Z 方向的维度——「高度」——来表示热度的大小。数据的大小被线性的映射到高度属性上，让数据在 3D 形式下更容易理解。

上图我们制作了了北京某公园在某一时刻游园人群分布情况，人群分布情况按照红蓝方向递减，棱柱的高度也从另一个维度表示人群的分布情况。

3、行政区分级统计地图：适用于与行政区强相关的各类数据展现

行政区分级统计地图是按照地图行政区划分区进行聚合及展示的一种热力图。离散的数据会按照行政区划进行聚合，然后在区面颜色上进行数据映射。由于行政区划具有递进的层级关系（如：国家-省、省-市、市-区等），分级统计地图通常还会具有指定区域及下钻上浮的功能。通常此类地图适合人口数据等与相关的统计。

如上图，我们记录了在某个周末周末各地的出游热度，可以下钻到某一省份了解各个城市的状况。

不同类型热力图的选择还需要结合实际场景，使用前可以多进行对比参考。

希望 Loca 的热力图可以为您提供更多样的数据展示能力，有任何关于Loca的建议和问题可直接在下方留言，或在官网控制台提交工单咨询。