行车轨迹的热力图及轨迹图展示
前一段时间研究行车轨迹在地图上的展示，有些收获，这里分享一下。
此为热力图效果：
此为轨迹图效果：
下面分别详细说明：
1.热力图相对简单，只要调用百度地图的js接口即可。
js部分代码：
heatmap : function(dom, datas) {//dom是地图加载的div,datas是后台传入的数据
var map = zh.baidumap.createMap(dom, datas.center[0],
datas.center[1], datas.level || 16);
/** * 基本控件begin ** */
map.enableScrollWheelZoom();
map.addControl(new BMap.NavigationControl());
map.addControl(new BMap.ScaleControl());
map.addControl(new BMap.OverviewMapControl());
map.addControl(new BMap.MapTypeControl());
/** * 基本控件end ** */
if (!isSupportCanvas()) {
alert('热力图目前只支持有canvas支持的浏览器,您所使用的浏览器不能使用热力图功能~')
}
/** * 热力图接口调用begin ** */
var hmap = zh.baidumap.createHeatMap(map, {
data : datas.points,
max : datas.count * 10
});
/** * 热力图接口调用end ** */
hmap.show();
datas数据结构：List
public List getPointList(Map map_in) {
List2、轨迹图的展示是调用第三方mapv的接口，目前使用的情况还算一般，在数据量太大的情况下地图非常卡慢。因为轨迹的机制是在百度地图上添加覆盖物，轨迹点一旦太多就难免会卡，希望以后百度地图会有更好的解决方案。
js部分代码：
pathmap : function(dom, datas) {
var map = zh.baidumap.createMap(dom, datas.center[0],
datas.center[1], datas.level || 16);
/** * 基本控件begin ** */
map.enableScrollWheelZoom();
map.addControl(new BMap.NavigationControl());
map.addControl(new BMap.ScaleControl());
map.addControl(new BMap.OverviewMapControl());
map.addControl(new BMap.MapTypeControl());
/** * 基本控件end ** */
/** * mapv一般轨迹接口begin ** */
var mapv = new Mapv({
drawTypeControl : true,
map : map
});
var driveData = datas.points;
var layer = new Mapv.Layer({
zIndex : 1,
mapv : mapv,
dataType : 'polyline',
coordType : 'bd09ll', //这个参数是设置gps坐标类型的
data : driveData,
drawType : 'simple',
drawOptions : {
lineWidth : 2, //线条宽度
strokeStyle : "rgba(255, 50, 50, 0.1)" //颜色透明度等等
}
});
/** * mapv一般轨迹接口end ** */
},datas数据结构：List
public List getMapvList(Map map_in) {
long enterTime = System.currentTimeMillis();
List
最后说一点，一般行车仪取到的坐标是gps坐标，要在百度地图上比较精确的展示得转为百度坐标，这里提供一个精度较高的转换方法：
public class GpsToBaidu {
public static double pi = 3.1415926535897932384626;
public static double ee = 0.00669342162296594323;
public static double a = 6378245.0;
public static double lon;
public static double lat;
public static void gps84_To_Gcj02() {
double dLat = transformLat(lon - 105.0, lat - 35.0);
double dLon = transformLon(lon - 105.0, lat - 35.0);
double radLat = lat / 180.0 * pi;
double magic = Math.sin(radLat);
magic = 1 - ee * magic * magic;
double sqrtMagic = Math.sqrt(magic);
dLat = (dLat * 180.0) / ((a * (1 - ee)) / (magic * sqrtMagic) * pi);
dLon = (dLon * 180.0) / (a / sqrtMagic * Math.cos(radLat) * pi);
lat = lat + dLat;
lon = lon + dLon;
}
public static void gcj02_To_Bd09() {
double x = lon, y = lat;
double z = Math.sqrt(x * x + y * y) + 0.00002 * Math.sin(y * pi);
double theta = Math.atan2(y, x) + 0.000003 * Math.cos(x * pi);
lon = z * Math.cos(theta) + 0.0065;
lat = z * Math.sin(theta) + 0.006;
}
// 函数功能：纬度转换
public static double transformLat(double x, double y) {
double ret = -100.0 + 2.0 * x + 3.0 * y + 0.2 * y * y + 0.1 * x * y + 0.2 * Math.sqrt(Math.abs(x));
ret += (20.0 * Math.sin(6.0 * x * pi) + 20.0 * Math.sin(2.0 * x * pi)) * 2.0 / 3.0;
ret += (20.0 * Math.sin(y * pi) + 40.0 * Math.sin(y / 3.0 * pi)) * 2.0 / 3.0;
ret += (160.0 * Math.sin(y / 12.0 * pi) + 320 * Math.sin(y * pi / 30.0)) * 2.0 / 3.0;
return ret;
}
// 函数功能：经度转换
public static double transformLon(double x, double y) {
double ret = 300.0 + x + 2.0 * y + 0.1 * x * x + 0.1 * x * y + 0.1 * Math.sqrt(Math.abs(x));
ret += (20.0 * Math.sin(6.0 * x * pi) + 20.0 * Math.sin(2.0 * x * pi)) * 2.0 / 3.0;
ret += (20.0 * Math.sin(x * pi) + 40.0 * Math.sin(x / 3.0 * pi)) * 2.0 / 3.0;
ret += (150.0 * Math.sin(x / 12.0 * pi) + 300.0 * Math.sin(x / 30.0 * pi)) * 2.0 / 3.0;
return ret;
}
public static double[] wgs2bd(double in_lon, double in_lat) {
lon = in_lon;
lat = in_lat;
GpsToBaidu.gps84_To_Gcj02();
GpsToBaidu.gcj02_To_Bd09();
double[] gcj2bd = { lon, lat };
return gcj2bd;
}
public static void main(String[] args) {
double in_lon = 118.50918;
double in_lat = 35.54187;
double[] aaa = GpsToBaidu.wgs2bd(in_lon, in_lat);
System.err.println(aaa[0] + "," + aaa[1]);
}
}就这些了。
补充一下，做海量点的轨迹效果时，网络传输速度会是很大的问题。
比如600W个点，转成json后大小也有十几兆，按照100KB（我测试用的阿里云主机1M网速）的网速算，得100多秒才能完成服务器到js的传输过程。这在客户使用时是难以接受的。而且600万个点仅仅是两个小城市一天的数据，如果是更大范围的数据则更难相像了。
所以目前看来baidu map或者 mapv要处理大量的轨迹还是有难度的，总结一下目前主要的问题：
1、点数量上十万时，调用百度地图展示时就会有明显的缓慢，这应该是覆盖物太多导致的。
2、数据量太大时，存在的网络传输速度问题。
后话，时间2020-01-08，因为老是要手机验证很久没上csdn，统一回复一下。源码给不了是当初给前公司做的项目，有版权。核心代码、开源技术上文都写了，主要是百度地图的热力图api及mapv插件的轨迹图。
现在2020年，技术也在进步了，在这方面我可以提供一些我的经验。对于行车轨迹的处理，热力图及轨迹图的成型技术：
1、简单快速开发部署，可以试试echarts，直接兼容baidumap，成型控件。
热力图：https://echarts.apache.org/examples/zh/editor.html?c=heatmap-bmap
轨迹图：https://echarts.apache.org/examples/zh/editor.html?c=lines-bmap-bus
如果链接失效可以去echart2官网找。
2、想自己维护自由度和要求条件更高的热力图及轨迹图，自己研究百度地图热力图及mapv的api，现在mapv也发展了，有了更多的控件选择。但是开发工作量肯定是有的：
mapv项目demo示例：https://mapv.baidu.com/examples/
不过看来性能问题还是没解决，才150万个点就卡死了。我当年测试好歹是拿的600万个点。。。
3、对数据量和性能有非常高要求的，要不问问阿里和高德地图有没有成型的解决方案。
无论哪一种，前提都得要自己对map提供api有一定的学习了解，源码只能解决当前的问题。
最后，学海无涯，与君共勉。