Visualization-Driven Real-Time Heat Map Generation Method for Large-Scale Geographic Vector Point Data

LIU Zebang; YANG Anran; MA Mengyu; CHEN Luo; ZHOU Jiali; JING Ning

doi:10.13203/j.whugis20250031

您当前的位置：

首页 >

文章列表页 >

Visualization-Driven Real-Time Heat Map Generation Method for Large-Scale Geographic Vector Point Data

更新时间：2026-11-05

- Visualization-Driven Real-Time Heat Map Generation Method for Large-Scale Geographic Vector Point Data
- Geomatics and Information Science of Wuhan University Vol. 51, Issue 1, Pages: 114-125(2026)
- 作者机构：
  
  1.国防科技大学电子科学学院，湖南长沙，410073
  2.自然资源部南方丘陵区自然资源监测监管重点实验室，湖南长沙，410118
- 作者简介：
- 基金信息：
- DOI：10.13203/j.whugis20250031
  CLC： P208
- Received：16 May 2025，
  
  Published：05 January 2026
- 稿件说明：
移动端阅览
刘泽邦,杨岸然,马梦宇，等.可视驱动的大规模地理矢量点数据实时热力图生成方法[J].武汉大学学报（信息科学版）,2026,51(1):114-125.

LIU Zebang,YANG Anran,MA Mengyu,et al.Visualization-Driven Real-Time Heat Map Generation Method for Large-Scale Geographic Vector Point Data[J].Geomatics and Information Science of Wuhan University,2026,51(1):114-125.
刘泽邦,杨岸然,马梦宇，等.可视驱动的大规模地理矢量点数据实时热力图生成方法[J].武汉大学学报（信息科学版）,2026,51(1):114-125. DOI：10.13203/j.whugis20250031

LIU Zebang,YANG Anran,MA Mengyu,et al.Visualization-Driven Real-Time Heat Map Generation Method for Large-Scale Geographic Vector Point Data[J].Geomatics and Information Science of Wuhan University,2026,51(1):114-125. DOI：10.13203/j.whugis20250031

摘要

热力图作为一种流行的可视分析方法，有助于用户直观地浏览地理矢量点数据的空间分布和数据密度。针对当前热力图生成方法计算效率随点数据规模增长而大幅下降的问题，提出可视驱动的实时热力图生成方法。该方法从直接生成最终热力可视结果的角度出发，将像素点作为独立的计算单元，直接计算像素热力值来生成最终的热力可视效果。首先，基于瓦片金字塔结构对点数据进行分层组织，构建用于支持基于像素点进行计算的可视驱动型空间索引。然后，基于可视驱动型空间索引设计像素热力值生成算法，采用邻域像素叠加的方式计算像素热力值，大幅提升计算效率且保持了数据的空间分布特性。最后，设计并行热力图可视计算框架，实现了交互式热力可视化。实验结果表明，所提方法大幅提升了热力可视化效率，为千万级规模地理点数据集生成热力图的耗时仅为现有方法的13.5%，并可在0.75 s内快速完成热力可视化交互，从而支撑大规模地理矢量点数据的交互式热力分析。

Abstract

Objectives

Heat map as a popular and mature visual analysis method at present

shows the distribution trend of geospatial data through the change of color shading. It helps users visualize the spatial distribution and data density of geographic vector point data. The rapid generation technology of geospatial vector data heat maps will significantly empower the improvement of the real-time performance and interactivity of spatial decision support.

Methods

Aiming at the problem that the computational efficiency of current heat map generation method decreases greatly with the increase of point data scale

a visualization-driven real-time heat map generation method is proposed

which uses pixels as computing units to directly calculate the heat value to generate the final heat map effects. First

the point data is organized hierarchically based on the tile-pyramid to build a specialized spatial index that can support pixel-based computation. Then

the pixel heat generation algorithm is designed

and the neighborhood pixel superposition strategy is adopted to greatly improve the computational efficiency and maintain the spatial distribution characteristics. Finally

a parallel computing framework is designed to realize interactive heat map visualization.

Results

Experimental results show that the proposed method greatly improves the efficiency of heat map visualization

and the time required to generate heat maps for tens of millions of scale geographic point data sets is only 13.5% of the existing method

and the heat map visualization interaction can be quickly completed within 0.75 s

thus supporting the interactive heat map analysis of large-scale geographic vector point data.

Conclusions

A large number of experimental results show that the proposed heat map generation method has the real-time performance and interactivity

and compared with the baseline method

the visualization efficiency has been significantly improved.

关键词

Keywords

references

李德仁，张过，蒋永华，等 . 论大数据视角下的地球空间信息学的机遇与挑战［J］. 大数据， 2022 ， 8 （ 2 ）： 3 - 14 .

LI Deren ， ZHANG Guo ， JIANG Yonghua ， et al . Opportunities and Challenges of Geospatial Information Science from the Perspective of Big Data ［J］. Big Data Research ， 2022 ， 8 （ 2 ）： 3 - 14 .

白穆 . 地理空间大数据建设面临的问题与对策［J］. 测绘与空间地理信息， 2023 ， 46 （ 2 ）： 10 - 12 .

BAI Mu . Problems and Countermeasures of Geospatial Big Data Construction ［J］. Geomatics & Spatial Information Technology ， 2023 ， 46 （ 2 ）： 10 - 12 .

GUO T ， FENG K Y ， CONG G ， et al . Efficient Selection of Geospatial Data on Maps for Interactive and Visualized Exploration ［C］// International Conference on Management of Data ， Houston， TX， USA， 2018 .

周志光，石晨，史林松，等 . 地理空间数据可视分析综述［J］. 计算机辅助设计与图形学学报， 2018 ， 30 （ 5 ）： 747 - 763 .

ZHOU Zhiguang ， SHI Chen ， SHI Linsong ， et al . A Survey on the Visual Analytics of Geospatial Data ［J］. Journal of Computer-Aided Design & Computer Graphics ， 2018 ， 30 （ 5 ）： 747 - 763 .

DUCHOWSKI A T ， PRICE M M ， MEYER M ， et al . Aggregate Gaze Visualization with Real-Time Heatmaps ［C］// The Symposium on Eye Tracking Research and Applications ， Santa Barbara， California ， 2012 .

MAURUS M ， HAMMER J H ， BEYERER J . Realistic Heatmap Visualization for Interactive Analysis of 3D Gaze Data ［C］// The Symposium on Eye Tracking Research and Applications ， Safety Harbor， Florida ， 2014 .

NETEK R ， POUR T ， SLEZAKOVA R . Implementation of Heat Maps in Geographical Information System–Exploratory Study on Traffic Accident Data ［J］. Open Geosciences ， 2018 ， 10 （ 1 ）： 367 - 384 .

NETEK R ， BRUS J ， TOMECKA O . Performance Testing on Marker Clustering and Heatmap Visualization Techniques： A Comparative Study on JavaScript Mapping Libraries ［J］. ISPRS International Journal of Geo-Information ， 2019 ， 8 （ 8 ）： 348 .

GALILI T ， O’CALLAGHAN A ， SIDI J ， et al . Heatmaply： An R Package for Creating Interactive Cluster Heatmaps for Online Publishing ［J］. Bioinformatics ， 2018 ， 34 （ 9 ）： 1600 - 1602 .

RYAN M C ， STUCKY M ， WAKEFIELD C ， et al . Interactive Clustered Heat Map Builder： An Easy Web-Based Tool for Creating Sophisticated Clustered Heat Maps ［J］. F1000Research ， 2020 ， 8 ： 1750 .

FENG D Y ， TU L L ， SUN Z W . Research on Population Spatiotemporal Aggregation Characteristics of a Small City： A Case Study on Shehong County Based on Baidu Heat Maps ［J］. Sustainability ， 2019 ， 11 （ 22 ）： 6276 .

REHMAN F ， SAEED A ， YASEEN M ， et al . Genetic Evaluation and Characterization Using Cluster Heat Map to Assess NaCl Tolerance in Tomato Germplasm at the Seedling Stage ［J］. Chilean Journal of Agricultural Research ， 2019 ， 79 （ 1 ）： 56 - 65 .

SŁOMSKA-PRZECH K ， PANECKI T ， POKOJSKI W . Heat Maps：Perfect Maps for Quick Reading？ Comparing Usability of Heat Maps with Different Levels of Generalization ［J］. ISPRS International Journal of Geo-Information ， 2021 ， 10 （ 8 ）： 562 .

刘安琪 . 基于百度热力图的城市公园访问特征及影响因素研究：以南京市主城区为例［D］. 南京：南京林业大学， 2021 .

LIU Anqi . Features and Influencing Factors of Urban Park Visitation in Nanjing ［D］. Nanjing ： Nanjing Forestry University ， 2021 .

周雨霏，杨家文，周江评，等 . 基于热力图数据的轨道交通站点服务区活力测度研究：以深圳市地铁为例［J］. 北京大学学报（自然科学版）， 2020 ， 56 （ 5 ）： 875 - 883 .

ZHOU Yufei ， YANG Jiawen ， ZHOU Jiangping ， et al . Evaluating Vitality of Metro Station Service Area with Heat Map： A Case Study on Shenzhen Subway ［J］. Acta Scientiarum Naturalium Universitatis Pekinensis ， 2020 ， 56 （ 5 ）： 875 - 883 .

BAO W X ， GONG A D ， ZHANG T ， et al . Mapping Population Distribution with High Spatiotemporal Resolution in Beijing Using Baidu Heat Map Data ［J］. Remote Sensing ， 2023 ， 15 （ 2 ）： 458 .

常春慧 . 基于百度热力图的城市洪灾应急物资需求估算与调度［D］. 武汉：武汉理工大学， 2020 .

CHANG Chunhui . Demand Estimation and Dispatch of Urban Flood Emergency Materials Based on Baidu Heatmap ［D］. Wuhan ： Wuhan University of Technology ， 2020 .

高峰 . 车流量热力图绘制系统［D］. 杭州：浙江大学， 2017 .

GAO Feng . A Traffic Flow Heat Map Drawing System ［D］. Hangzhou ： Zhejiang University ， 2017 .

孔立斌 . 基于热力图与加权特征的车辆目标检测算法的研究［D］. 广州：广东工业大学， 2021 .

KONG Libin . Research on Vehicle Object Detection Algorithm Based on Heat Map and Weighted ［D］. Guangzhou ： Guangdong University of Technology ， 2021 .

龙雪琴，周萌，赵欢，等 . 基于网络核密度的网约车上下客热点识别［J］. 交通运输系统工程与信息， 2021 ， 21 （ 3 ）： 86 - 93 .

LONG Xueqin ， ZHOU Meng ， ZHAO Huan ， et al . Passengers' Hot Spots Identification of Online Car-Hailing Based on Network Kernel Density ［J］. Journal of Transportation Systems Engineering and Information Technology ， 2021 ， 21 （ 3 ）： 86 - 93 .

康磊，刘海砚，程维应，等 . 顾及属性特征的城市设施热点识别方法［J］. 测绘通报， 2022 （ 1 ）： 8 - 14 .

KANG Lei ， LIU Haiyan ， CHENG Weiying ， et al . A Method of Urban Facility Hot Spot Recognition Considering Attribute Characteristics ［J］. Bulletin of Surveying and Mapping ， 2022 （ 1 ）： 8 - 14 .

吴瑞龙，王明省，何华贵，等 . 顾及约束的交互式热力图服务研究与应用［J］. 地理空间信息， 2023 ， 21 （ 2 ）： 85 - 88 .

WU Ruilong ， WANG Mingsheng ， HE Huagui ， et al . Research and Application of Interactive Heatmap Service Considering Constraints ［J］. Geospatial Information ， 2023 ， 21 （ 2 ）： 85 - 88 .

杨振凯，李响，杨飞 . 一种面向百万级数据的热力图生成算法［J］. 测绘科学， 2018 ， 43 （ 8 ）： 85 - 89 .

YANG Zhenkai ， LI Xiang ， YANG Fei . A Thermal Map Generating Algorithm for Mega Level Data ［J］. Science of Surveying and Mapping ， 2018 ， 43 （ 8 ）： 85 - 89 .

YUAN K ， CHENG X Q ， GUI Z P ， et al . A Quad-Tree-Based Fast and Adaptive Kernel Density Estimation Algorithm for Heat-Map Generation ［J］. International Journal of Geographical Information Science ， 2019 ， 33 （ 12 ）： 2455 - 2476 .

饶加旺，马荣华 . 改进核密度估计的空间点密度算法［J］. 计算机工程与应用， 2021 ， 57 （ 11 ）： 260 - 265 .

RAO Jiawang ， MA Ronghua . Improved Kernel Density Estimator Based Spatial Point Density Algorithm ［J］. Computer Engineering and Applications ， 2021 ， 57 （ 11 ）： 260 - 265 .

ZHENG Y ， OU Y ， LEX A ， et al . Visualization of Big Spatial Data Using Coresets for Kernel Density Estimates ［J］. IEEE Transactions on Big Data ， 2021 ， 7 （ 3 ）： 524 - 534 .

CHAN T N ， CHENG R ， YIU M L . QUAD： Quadratic-Bound-Based Kernel Density Visualization ［C］// The 2020 ACM SIGMOD International Conference on Management of Data ， Portland， OR， USA， 2020 .

CHAN T N ， IP P L ， U L H ， et al . KDV-Explorer： A near Real-Time Kernel Density Visualization System for Spatial Analysis ［J］. Proceedings of the VLDB Endowment ， 2021 ， 14 （ 12 ）： 2655 - 2658 .

张繁，袁兆康，肖凡平，等 . 基于Spark的大数据热图可视化方法［J］. 计算机辅助设计与图形学学报， 2016 ， 28 （ 11 ）： 1881 - 1886 .

ZHANG Fan ， YUAN Zhaokang ， XIAO Fanping ， et al . Research on Heatmap for Big Data Based on Spark ［J］. Journal of Computer-Aided Design & Computer Graphics ， 2016 ， 28 （ 11 ）： 1881 - 1886 .

郭宇达，朱欣焰，呙维，等 . 基于Spark计算框架的路网核密度估计并行算法［J］. 武汉大学学报（信息科学版）， 2020 ， 45 （ 2 ）： 289 - 295 .

GUO Yuda ， ZHU Xinyan ， GUO Wei ， et al . Parallel Algorithm for Road Network Kernel Density Estimation Based on Spark Computing Framework ［J］. Geomatics and Information Science of Wuhan University ， 2020 ， 45 （ 2 ）： 289 - 295 .

YU J ， SARWAT M . GeoSparkViz： A Cluster Computing System for Visualizing Massive-Scale Geospatial Data ［J］. The VLDB Journal ， 2021 ， 30 （ 2 ）： 237 - 258 .

JEŽEK J ， JEDLIČKA K ， MILDORF T ， et al . Design and Evaluation of WebGL-Based Heat Map Visualization for Big Point Data ［C］// The Symposium GIS ， Ostrava， Czech Republic ， 2016 .

ZHANG G M ， ZHU A X ， HUANG Q Y . A GPU-Accelerated Adaptive Kernel Density Estimation Approach for Efficient Point Pattern Analysis on Spatial Big Data ［J］. International Journal of Geographical Information Science ， 2017 ， 31 （ 10 ）： 2068 - 2097 .

朱峥嵘，黄亚锋，赵立营 . 一种利用GPU加速的轨迹线热力图生成显示方法［J］. 武汉大学学报（信息科学版）， 2022 ， 47 （ 7 ）： 1035 - 1042 .

ZHU Zhengrong ， HUANG Yafeng ， ZHAO Liying . A Method of Generating and Displaying Trajectory Line Heat Map with GPU Acceleration ［J］. Geomatics and Information Science of Wuhan University ， 2022 ， 47 （ 7 ）： 1035 - 1042 .

ZHANG G M . Detecting and Visualizing Observation Hot-Spots in Massive Volunteer-Contributed Geographic Data Across Spatial Scales Using GPU-Accelerated Kernel Density Estimation ［J］. ISPRS International Journal of Geo-Information ， 2022 ， 11 （ 1 ）： 55 .

ZHANG G M ， XU J . Multi-GPU-Parallel and Tile-Based Kernel Density Estimation for Large-Scale Spatial Point Pattern Analysis ［J］. ISPRS International Journal of Geo-Information ， 2023 ， 12 （ 2 ）： 31 .

刘泽邦，陈荦，杨岸然，等 . 支持大规模地理矢量数据实时可视化的高效索引技术［J］. 武汉大学学报（信息科学版）， 2023 ， 48 （ 9 ）： 1512 - 1521 .

LIU Zebang ， CHEN Luo ， YANG Anran ， et al . Efficient Indexing Technology for Real-Time Visualization of Large-Scale Geographic Vector Data ［J］. Geomatics and Information Science of Wuhan University ， 2023 ， 48 （ 9 ）： 1512 - 1521 .

周炤，李少梅，杨佳 . Web墨卡托投影及其性质分析［J］. 测绘科学技术学报， 2021 ， 38 （ 1 ）： 71 - 74 .

ZHOU Zhao ， LI Shaomei ， YANG Jia . Web Mercator Projection and Analysis of Its Properties ［J］. Journal of Geomatics Science and Technology ， 2021 ， 38 （ 1 ）： 71 - 74 .

Views

下载量

CSCD

Alert me when the article has been cited

提交

Tools

Publicity Resources

Efficient Indexing Technology for Real‐Time Visualization of Large‐Scale Geographic Vector Data

A Method of Generating and Displaying Trajectory Line Heat Map with GPU Acceleration

Research Progress in Eco-Geological Environmental Monitoring and Construction of an Intelligent Monitoring System in the Qinling Mountains

Autonomous Robotic Mapping for Complex Spaces： Progress， Challenges and Future Perspectives

Thoughts on Smart Nautical Charts

Related Author

CHEN Luo

MA Mengyu

CAO Jingzhi

Zhengrong ZHU

Yafeng HUANG

Liying ZHAO

Related Institution

Nanjing Research Institute of Electronics Technology

AI问答

⁰