vlambda博客
学习文章列表

作为开源的支持者，亿景智联一直积极拥抱开源，同时也在回馈开源，致力于用更方便、更前沿的开源技术给开发者们带来便利。去年12月底，亿景智联正式宣布成立Spatial-Go开源组织，并推出了首个有关空间计算的类库GEOOS。

GEOOS是一个提供有关空间数据和几何算法的基础类库，使用Go语言包装实现。GEOOS目标旨在简化各类复杂空间计算，丰富拓展各个编程语言的空间计算类库。

目前，GEOOS又有了众多更新，主要增加了基于k均值聚类算法、DBSCAN的聚类方法，以及新增格网划分等内容。

如今，选址问题已经成为了一个至关重要的综合性商业决策过程，在零售、物流、连锁加盟等众多行业，都有广泛的应用。为了保证选址的有效性，选址模型与算法是保证正确决策的核心引擎。其中，聚类算法因为其具备可伸缩性、处理不同类型属性的能力、处理高维数据的能力等优势，因此在选址算法中占有重要的地位。

作为最经典的k均值聚类算法（k-means clustering algorithm），是一种迭代求解的聚类分析算法，其步骤是，预将数据分为K组，则随机选取K个对象作为初始的聚类中心，然后计算每个对象与各个种子聚类中心之间的距离，把每个对象分配给距离它最近的聚类中心。聚类中心以及分配给它们的对象就代表一个聚类。

和经典的K-Means算法相比，DBSCAN(Density-Based Spatial Clustering of Applications with Noise)最大的不同就是不需要输入类别数k，当然它最大的优势是可以发现任意形状的聚类簇。DBSCAN是一个比较有代表性的基于密度的聚类算法。与划分和层次聚类方法不同，它将簇定义为密度相连的点的最大集合，能够把具有足够高密度的区域划分为簇。

当然，不仅仅是选址，聚类分析已广泛应用于众多应用领域，包括市场研究，模式识别，数据分析和图像处理。在商业中，聚类分析可以帮助市场人员在其客户群中发现不同的群体，并根据业务模式刻画客户群体的特征，助力精准营销及市场拓展。

除了聚类算法，GEOOS中还新增了格网划分方法，即按照格网大小将区域进行划分，由一个矩形格网替代当前范围内的数据，由格网中心数字代替格网的权重，由格网之间颜色的不同表达渐变性。格网划分结合了热点图和聚散的特性，具有热点图的对权重的层次渐变直观性以及聚散解决数据量过大的优势。该方法主要用于渲染大数据量点数据，可以应用于人口密度、温度监控等领域。

Spatial-Go始终秉承“开放、共创、共赢”的目标理念，拥抱时空数据科学，拥抱开源社区，并一直在努力贡献自己的创新力量。亿景智联希望借助GEOOS项目，让开发者可以探索不同行业业务模式与空间计算结合的更多可能性。

现在，开发者们可登陆GitHub查看Spatial-Go最新的开源动态：https://github.com/spatial-go