-
Die
Erfindung bezieht sich auf ein Verfahren zum Anordnen von Objektdaten
in elektronischen Karten mit den oberbegrifflichen Merkmalen des
Patentanspruchs 1.
-
Allgemein
bekannt sind Verfahren zum Anordnen von Objektdaten in elektronischen
Karten. Allgemein wird bei elektronischen Karten ein Datenbereich
mit Koordinatendaten eines räumlichen
Bereiches bereitgestellt. Objektdaten zu verschiedenen Objekten
werden den Koordinatendaten zugeordnet. Bei den Objektdaten handelt
es sich beispielsweise um ein Foto oder eine Textbeschreibung zu
einer bestimmten Lokalität
oder Sehenswürdigkeit
an einem bestimmten Ort. Zur Reduzierung der Datenmenge, welche
auf einer darzustellenden Karte anzuzeigen ist, wird eine Clusterung
durchgeführt.
Dabei werden die Informations- bzw. Objektdaten zu einem Objekt nicht
auf der Karte selber dargestellt sondern durch ein kleines Symbol
repräsentiert,
welches auf der Karte an der entsprechenden Stelle der zugeordneten
Koordinatendaten abgebildet wird. Durch eine Aktivierung des Symbols,
beispielsweise im Falle einer Darstellung auf einem Computer durch
Anklicken mit einem Cursor-Pfeil, wird dann in einem eigenständigen Fenster,
welches über
einen Kartenausschnitt übergeblendet
wird, die Information in Form der Objektdaten zu diesem Objekt angezeigt.
Insbesondere beim Scrollen mit einem nur kleinen angezeigten Kartenausschnitt
durch einen größeren anzeigbaren
Kartenbereich wird durch die Reduzierung der Objektdaten auf geclusterte
Symbole ein nahezu nahtloses Scrollen aufgrund der reduzierten Datenmenge
ermöglicht.
-
Allgemein
erlauben Lösungen
zu lokations-basierten Diensten (LbS: Location based Service) eine
spatiale Anordnung multimedialer Daten auf elektronischen Karten.
Bei einer zunehmend großen
Anzahl von Objekten als anzuzeigenden Elementen besteht das Problem,
dass die Leistungsfähigkeit
des anzeigenden Gerätes
ein nahtloses Scrollen der Informationen bzw. Objektdaten auf der elektronischen
Karte nicht mehr ermöglichen.
Insbesondere problematisch wird dies im Falle einer extrem großen Anzahl
von Objekten in einem besonders kleinen räumlichen Bereich gegenüber benachbarten
Bereichen mit einer sehr geringen Objektdichte.
-
Die
Aufgabe der Erfindung besteht darin, ein Verfahren zum Anordnen
von Objektdaten in elektronischen Karten vorzuschlagen, welches
eine verbesserte Leistungsfähigkeit
beim Anzeigen einer elektronischen Karte auf einem Gerät insbesondere
dann ermöglicht,
wenn ein vergrößerter Ausschnitt
aus einem größeren Datenbereich
durch Scrollen innerhalb des größeren Datenbereiches
bewegt werden soll. Außerdem
soll das Clustern mit wenig Aufwand durchführbar sein.
-
Diese
Aufgabe wird durch das Verfahren zum Anordnen von Objektdaten in
elektronischen Karten mit den Merkmalen des Patentanspruchs 1 gelöst. Vorteilhafte
Ausgestaltungen sind Gegenstand von abhängigen Ansprüchen.
-
Bevorzugt
wird demgemäß ein Verfahren zum
Anordnen von Objektdaten in elektronischen Karten, bei dem ein Datenbereich
mit Koordinatendaten eines räumlichen
Bereichs bereitgestellt wird, Objektdaten zu Objekten den Koordinatendaten
zugeordnet werden und eine Clusterung zur Reduzieren der Datenmenge
durchgeführt
wird, wobei beim Clustern verschiedene, räumlich eigenständige Objekte
zu einem Clusterobjekt zusammengefasst werden.
-
Bevorzugt
wird insbesondere ein solches Verfahren, bei dem das Clustern derart
durchgeführt wird,
dass jeweils zwei zueinander benachbarte Objekte eines Clusters
innerhalb eines vorgegebenen Abstandswertes der zueinander benachbarten
Objekte liegen.
-
Bevorzugt
wird insbesondere ein solches Verfahren, bei dem für verschiedene
räumliche
Bereichsabschnitte verschiedene Abstandswerte für das Clustern vorgegeben werden.
-
Bevorzugt
wird insbesondere ein solches Verfahren, bei dem mehrer Datenbestände oder
Kopien eines Datenbereichs mit verschiedenen Clustern auf Basis
jeweils eines zueinander verschiedenen Abstandswertes bereitgestellt
werden und eine darzustellende Karte mit verschiedenen Bereichsabschnitten
aus jeweils entsprechenden Abschnitten der entsprechend geclusterten
Datenbeständen
zusammengesetzt wird.
-
Bevorzugt
wird insbesondere ein solches Verfahren, bei dem die Objekte vor
dem Clustern nach deren Abstandswerten untereinander sortiert werden.
Bevorzugt wird insbesondere ein solches Verfahren, bei dem die Objekte
nach dem Kriterium der über
die Gesamtheit aller Abstände
zu einander minimalen Abstände
sortiert werden.
-
Bevorzugt
wird insbesondere ein solches Verfahrennach, bei dem die Objekte
längs eines
Pfades strukturiert angeordnet werden. Bevorzugt wird insbesondere
ein solches Verfahren, bei dem die Objekte in Pfaden einer Baumstruktur
strukturiert angeordnet werden. Bevorzugt wird insbesondere ein
solches Verfahren, bei dem das Clustern längs der Pfade für zueinander
benachbarte Objekte durchgeführt wird.
-
Bevorzugt
wird insbesondere ein solches Verfahren, bei dem in Art eines Zoomens
die Abstandswerte, insbesondere maximale Abstandswerte jeweils zueinander
benachbarter Objekte, zum Bilden von Clustern geändert werden. Bevorzugt wird insbesondere
ein solches Verfahren, bei dem das Clustern längs der Pfade durchgeführt wird.
-
Bevorzugt
wird insbesondere ein solches Verfahren, bei dem eine abstandsabhängige Sortierung
der Objekte oder von Ob jektbeziehungen untereinander und/oder eine
abstandsabhängige
Bildung von Clustern beim Hinzufügen
eines neuen Objektes längs
eines oder mehrerer der bestehender Pfade durchgeführt wird.
-
Bevorzugt
wird insbesondere ein solches Verfahren, bei dem beim Hinzufügen eines
neuen Objektes bestehende Pfade überprüft und gegebenenfalls
gelöscht
werden und/oder neue Pfade hinzugefügt werden.
-
Bevorzugt
wird demgemäß insbesondere
ein Verfahren zum Anordnen von Objektdaten in elektronischen Karten,
bei dem ein Datenbereich mit Koordinatendaten eines räumlichen
Bereichs bereitgestellt wird, Objektdaten zu Objekten den Koordinatendaten
zugeordnet werden und eine Clusterung zur Reduzierung der Datenmenge
durchgeführt
wird, wobei beim Clustern verschiedene, räumlich eigenständige Objekte
zu zumindest einem Cluster-Objekt zusammengefasst werden.
-
Bei
den Objektdaten kann es sich beispielsweise um ein Foto eines Gebäudes, welches
das Objekt bildet, handeln. Auch eine aufgenommene und über einen
Lautsprecher abzuspielende Tonfolge oder ein informativer Text können z.B.
als Objektdaten eines Objektes bereitgestellt werden und den entsprechenden
Koordinatendaten des Objektes innerhalb des Datenbereichs zugeordnet
werden.
-
Üblicherweise
handelt es sich bei dem Datenbereich einer elektronischen Karte
um einen räumlich
sehr viel größeren Bereich
als dem Bereich, welcher auf einem Bildschirm eines Anzeigegerätes als
darzustellende Karte bzw. darzustellender Kartenausschnitt anzuzeigen
ist.
-
Gemäß einem
Hauptaspekt werden nicht nur Objektdaten zu einem einzelnen Objekt
durch Reduzierung auf ein in der Kartendarstellung abgebildetes Symbol
geclustert, sondern es findet eine Clusterung verschiedener Objekte
bzw. der Objektdaten zu verschiedenen Objekten zum einem Cluster-Objekt statt.
Anstelle beispielsweise drei Symbole auf einer Karte für ein Rathaus,
eine Kirche und eine Gaststätte
mit jeweils informativen Texten oder Fotos als Objektdaten dreier
Objekte einzeln darzustellen, kann bei einem großen Karten-Darstellungsmaßstab nur ein einzelnes Symbol
als Cluster-Objekt
angezeigt werden, welches erst in einem anderen darzustellenden
Maßstab
mit höherer
Auflösung
als drei einzelne Objekte bzw. Symbole zu entsprechenden Objekten aufgelöst wird.
Beim Scrollen über
einen auf einem darzustellenden Kartenabschnitt befindlichen Innenstadtbereich
mit einer großen
Vielzahl einzelner Objekte wird entsprechend nur eine deutlich reduzierte Anzahl
von Clusterobjekten angezeigt, so dass ein nahtloses Scrollen der
Informationen auf der elektronischen Karte ermöglicht wird. Insbesondere ist
es auch möglich,
verschiedene Bereiche auf der Karte mit unterschiedlichen Cluster-Dichten
ohne Einschränkung
der Leistungsfähigkeit
beim nahtlosen Scrollen aus einer Clusterungs-Dichte in eine andere bereitzustellen.
-
Echtzeitclusterungen
sind somit möglich
bei Clusterungen mit einer oder mehreren Cluster-Intensitäten auf
sowohl unverzerrten als auch auf verzerrten Karten. Ermöglicht werden
auf einfache Art und Weisedc zoomabhängige Clusterungen. Vorteilhaft umsetzbar
sind automatische Clusterungen, welche sich nach der Anzahl der
maximal zur Verfügung
stehenden Einheiten bzw. Objekte richten. Eine Schwelle kann dabei
immer so gehalten werden, dass die Anzahl der Cluster und Objekte
eine bestimmte gewünschte
Anzahl nicht überschreitet.
-
Ein
Ausführungsbeispiel
wird nachfolgend anhand der Zeichnung näher erläutert. Es zeigen:
-
1 einen
Datenbereich eines räumlichen Bereiches,
in dem Objektdaten zu Objekten entsprechenden Koordinatendaten des
Datenbereichs zugeordnet sind sowie Abstandsinformationen zwischen einzelnen
der Objekte;
-
2 in
verschiedenen Abbildungen ausgehend von einer Vielzahl einzelner
Objekte in einem Datenbereich eine zunehmend stärkere Clusterung der Objekte;
-
3 ausgehend
von einer Vielzahl einzelner Objekte in einem Datenbereich eine
verschieden starke Clusterung für
einen zentralen Bereich einer Karte und einen Außenbereich einer darzustellenden Karte
sowie kombinierte Darstellungen mit verschieden stark geclustertem
zentralen Innenbereich und peripherem Außenbereich der Karte;
-
4 im
Vergleich zu einer Ausführungsform
gemäß 3 eine
Darstellung mit einem verzerrten Außenbereich und
-
5 eine
Baumstruktur zur Veranschaulichung einer Datenstrukturierung zum
Ermöglichen eines
besonders schnellen Verstellens einer Clusterungs-Intensität.
-
Wie
dies aus 1 oben ersichtlich ist, ist
in einem Datenbereich D mit Koordinatendaten eines räumlichen
Bereichs eine Vielzahl von Objekten Pi, P1–P3, P5–P12 angeordnet. In üblicher
Art und Weise erfolgt die Anordnung der Objekte P1–P12 dadurch,
dass entsprechende Objektdaten den Koordinatendaten des zugrundeliegenden
Datenbereichs D zugeordnet werden.
-
Mittig
in 1 ist derselbe Datenbereich D mit denselben Objekten
P1–P3,
P5–P12
abgebildet. Zur Vorbereitung einer Clusterung werden ausgehend von
einem ersten Objekt P1 aus jeweils kürzeste Abstände bzw. Abstandswerte 13, 14 zu
allen übrigen
Objekten P2, P3, P5–P12
in dem Datenbereich D bestimmt. Nachfolgend werden von dem nächst benachbarten
Objekt P2 aus ebenfalls die jeweils kürzesten Abstände zu allen
Objekten P1, P3, P5–P12
des Datenbereichs D bestimmt. In einer vorzugsweise rekursiven Art
unter der jeweiligen Berück sichtigung
der kürzesten
effektiven Verbindungsmöglichkeiten
wird letztendlich ein Pfad bestimmt, welcher alle Objekte P1–P3, P5–P12 miteinander verbindet.
Dargestellt sind die sich daraus ergebenden minimalen Abstände bzw.
Abstandswerte 13–20, 21*, 22* in
der mittleren Abbildung in 1 durch entsprechende
Verbindungslinien.
-
Unter
den minimalen Abstandswerten 13–20, 21*, 22* werden
insbesondere Werte verstanden, welche eine Wichtung berücksichtigen,
um über die
Gesamtheit aller möglichen
Abstände
zwischen jeweils zwei der Vielzahl an Objekten Pi unter Reduzierung
z.B. der Gesamtpfadlänge
zu optimieren. Zur Vorbereitung eines besonders effektiven Clusterns werden
die bestimmten Abstandswerte 13–20, 21*, 22* mit
deren Objektpärchen
in einer Liste nach dem Zahlenwert der Abstände sortiert eingetragen.
-
In
dem unteren dargestellten Datenbereich D aus 1 kommt
zu der Vielzahl von Objekten P1–P3,
P5–P12
nachträglich
ein weiteres, viertes Objekt P4 hinzu. Ausgehend von dem neu hinzugekommenen
Objekt P4 werden wiederum die jeweils geringsten Abstände zu allen
anderen Objekten P1–P3,
P5–P12
bestimmt. Bei dem skizzierten Beispiel ergibt sich, dass der ursprünglich kürzeste Abstandswert 22* bzw.
Pfad zwischen dem zweiten und dem sechsten Objekt P2, P6 nicht mehr
optimal unter Berücksichtigung
der Gesamtheit der kürzest-möglichen
Verbindungen ist. Entsprechend wird das ursprüngliche Verbindungspärchen aus
diesen beiden Objekten P2, P6 bzw. der Pfad oder kürzeste Abstandswert 22* zwischen
diesen aus der zuvor erstellten Liste kürzester Abstände gelöscht. Anstelle dessen
wird ein neuer kürzester
Abstandswert 22 bzw. ein entsprechender Pfad zwischen dem
neu eingefügten
Objekt P4 und dem ursprünglichen
sechsten Objekt P6 festgelegt. Außerdem werden weitere Pfade
bzw. kürzeste
Abstände 23, 21 vom
neu eingefügten
Objekt P4 zu dem ursprünglichen
zweiten Objekt P2 bzw. dem ursprünglichen
fünften
Objekt P5 eingesetzt. Entsprechend wird auch das bisherige Abstandspärchen aus
dem ursprüngli chen
fünften und
sechsten Objekt P5, P6 und deren kürzester Abstandswert 21* aus
der Liste gelöscht.
-
2 zeigt
sechs Datenbereiche D mit jeweils der gleichen Vielzahl an Objekten
Pi. In dem ersten skizzierten Datenbereich D links oben sind die nicht
untereinander verbundenen Objekte Pi an den entsprechenden Positionen
in einer Karte skizziert. In der mittleren Darstellung der oberen
Reihe sind nach Anwendung eines entsprechenden Algorithmus zum Bestimmen
der kürzesten
Abstände
zusätzlich
entsprechende Verbindungen Vi abgebildet, welche die jeweils geeigneten
kürzesten
Abstände
zwischen zwei Objekten wiedergeben, wie sie auch in der Liste eingetragen
sind. Wiederum weist der sich durch die Vielzahl der Objekte Pi
ziehende Pfad einzelne Verzweigungen auf, wenn sich eine lineare
Führung
als ungeeignet hinsichtlich der optimalen minimalen Abstände der
Gesamtheit aller Abstände
ergibt, so dass eine beschränkte
Baumstruktur entsteht.
-
Links
in dem dargestellten Bereich ist eine Skala angezeigt, welche die
für diese
Darstellung ausgewählte
Clusterungs-Intensität anzeigt.
Die Clusterung einzelner der Objekte Pi wird abhängig von den jeweiligen Abstandswerten
Vi jeweils zweier zueinander benachbarter der Objekte Pi gewählt. Dargestellt
ist in der mittleren Abbildung der oberen Zeile eine sehr geringe
Clusterungs-Dichte bzw. Clusterungs-Intensität, bei der nur sehr dicht zueinander
angeordnete Objekte Pi geclustert werden. Entsprechend sind nur
drei Cluster C1, C2, C3 gebildet. Die Cluster werden dabei unter
Orientierung an den gebildeten Verbindungen Vi bzw. Pfaden gebildet,
welche nach dem Kriterium der möglichst
geringen Abstände
zuvor gebildet wurden, um eine besonders schnelle Verstellung der
Clusterungs-Dichte zu ermöglichen.
Jedes der Cluster bildet dabei ein eigenes Clusterobjekt mit den
zusammengefassten Objekten, wobei die Cluster C1–C3 jeweils als ein einziges
Clusterobjekt auf einer tatsächlich
darzustellenden Karte angezeigt werden, insbesondere als ein Symbol
angezeigt werden.
-
Ausgehend
von der mittleren Abbildung der oberen Reihe zur rechten Abbildung
und weiter von links nach rechts in der unteren Abbildung nimmt
die Anzahl der aus jeweils mehreren einzelnen Objekten Pi gebildeten
Cluster C1–C8
erst zu und dann bis letztendlich zu einem einzigen alle Objekte
Pi umfassenden Cluster C1 wieder ab. Würde jedes der einzelnen Objekte
Pi in der Darstellung links oben als ein eigenes Cluster mit einer
geringst möglichen Clusterungs-Intensität betrachtet,
würde die
Anzahl der Cluster mit zunehmender Clusterungs-Dichte bzw. Clusterungs-Intensität stetig
abnehmen.
-
3 zeigt
links oben wiederum einen Datenbereich D, der vollständig auf
einem Anzeigegerät als
Karte darzustellen ist und gegebenenfalls einen Unterausschnitt
eines größeren Datenbereichs
ausbildet. In dem Datenbereich ist wiederum eine Vielzahl von Objekten
Pi angeordnet. In der Mitte und rechts in der oberen Reihe sind
zwei verschiedene Darstellungen dieses Datenbereichs D mit verschiedener
Clusterungs-Intensität
dargestellt, wobei die Clusterungs-Intensität wiederum abhängig von
den jeweils geringsten Abstandswerten A zwischen jeweils zwei zueinander
benachbarten Objekten Pi ist.
-
Links
unten ist eine weitere Darstellung des Datenbereichs D wiedergegeben,
in welcher für
einen zentralen Bereich DC als einem ersten Bereichsabschnitt eine
mittlere Clusterungs-Intensität entsprechend
der oberen linken Darstellung gewählt ist. Der Außenbereich
bzw. die Peripherie DA des Datenbereichs D weist hingegen eine sehr
geringe oder gar keine Clusterung auf. Eine solche Darstellung ermöglicht eine
Karte mit geringer Cluster-Objektauflösung im zentralen Kartenbereich
darzustellen, was zu einer reduzierten Beanspruchung der Konzentration
eines über
einen größeren Datenbereich
scrollenden Betrachters der darzustellenden Karte führt.
-
Die
rechte untere Darstellung zeigt hingegen einen zentralen Bereich
DC mit wiederum einer mittelstarken Clusterbildung und zwei Clustern
C3, C4, während
die Peripherie DA eine viel stärkere
Clusterung entsprechend der mittleren Darstellung der oberen Reihe
aufweist. Entsprechend befinden sich in der Peripherie DA des Datenbereichs
D nur wenige große
Cluster C1, C2. Eine solche Darstellung ermöglicht ein besonders effektives
und nahtloses Scrollen durch einen größeren Datenbereich, wobei dem
Betrachter der angezeigten und dargestellten Karte jeweils für den zentralen
Bereich DC Clusterobjekte mit einer größeren Darstellungsauflösung, das heißt mit einer
geringeren Clusterungs-Intensität
angezeigt werden. Der äußere Bereich,
welcher durch die Peripherie DA gebildet wird, ist bei einem Scrollvorgang
für den
Betrachter zumeist von geringerem Interesse und wird weniger beachtet,
so dass für
die Peripherie eine hohe Clusterungs-Intensität vertretbar ist.
-
4 zeigt
ausgehend von der Abbildung in 3 links
unten eine Situation mit einem zentralen Bereich DC mit einer mittelstarken
Clusterungs-Intensität
und einzelnen Clusterobjekten C3, C4, während im Außenbereich einzelne Objekte
P1, P2 ungeclustert dargestellt werden. Zur Ermöglichung einer Betrachtung
eines erheblich vergrößerten Kartenbereiches
wird eine räumlich
verzerrte Darstellung verwendet, bei der der zentrale Bereich DC
maßstabsgerecht
abgebildet wird, während
zu den Außenrändern des
Darstellungsbereiches hin eine zunehmend stärkere Verzerrung bzw. Erhöhung des
Darstellungs-Maßstabes
vorgenommen wird. Tatsächlich weit
entfernt vom zentralen Bereich DC liegende Objekte P1, P2 werden
dadurch nahe am zentralen Bereich DC abgebildet. Insbesondere bei
einer Anwendung einer derart verzerrten Abbildung ist jedoch eher
eine zum Außenumfang
der Peripherie DA* hin zunehmend höhere Clusterungs-Intensität vorteilhaft,
was vorliegend jedoch lediglich aus Darstellungsgründen nicht
skizziert ist.
-
5 zeigt
eine Datenstruktur zum gleichzeitigen Anzeigen und Verstellen verschiedener Clusterungs-Intensitäten der vorstehenden
Ausführungsformen
und weiterer Ausführungsformen
in einer räumlichen
Speicherabbildung mit zwei Zonen für einen zentralen Bereich DC
als Zentrum und für
eine Peripherie DA des darzustellenden Bereichs. Außerdem sind
zwei verschiedene Clusterintensitäten berücksichtigt.
-
Grundlage
der dargestellten Baumstruktur bildet die Anordnung von Objekten
Pi, i = 1, 2, ... 12 mit den jeweiligen Verbindungen bzw. kürzesten
Abstandswerten 13–23 aus 1.
Aus Darstellungsgründen
und zur Vereinfachung eines entsprechend aufzubauenden Algorithmus
ist jedem der einzelnen Objekte P1–P12 ein eigenes Clusterungs-
bzw. Ordnungsobjekt 1, 2, ... bzw. ... 12 einer
ersten Clusterungsebene zugeordnet. Gebildet werden dadurch erste
Ordnungsobjekte 1–12,
welchen letztendlich jeweils einem minimalen Abstandswert mit dem
effektiven Wert 0 für
eine Verbindung mit sich selbst zugeordnet ist. Die weiteren dargestellten
Ordnungsobjekte 13–23 entsprechen
hingegen rekursiv gebildeten kürzesten
Abständen
unter Berücksichtigung
der Gesamtheit der Objekte P1–P12
und der Gesamtheit der Abstandswerte 1–23, so dass die Begriffe
Abstandswert und Ordnungsobjekt austauschbar sind. wie dies 1 und
auch der Säulendarstellung rechts
in 5 zu entnehmen ist, sind die einzelnen dieser
Ordnungsobjekte 1–23 dabei
gemäß dem Kriterium
der kürzesten
effektiven Abstände
zur Bildung einer Pfadstruktur bzw. einer Baumstruktur entsprechend
in einer Liste, welche z.B. gemäß den Ausführungen
zu 2 aufgebaut ist, geordnet.
-
Links
unten in 5 sind zwei verschiedene Clusterungs-Intensitäten mit
entsprechend 5 gebildeten Clustern C1*–C5* bzw. acht gebildeten Clustern C1–C8 dargestellt.
Im Falle einer weniger intensiven Clusterung mit acht Clustern C1–C8 bilden
sich acht Gruppierungen als Cluster C2, C3, C5–C7, wobei fünf der Objekte
P4, P5, P8–P10
jeweils alleine ein eigenes Clusterobjekt mit nur sich selbst als
einem einzelnen Objekt ausbilden. Außerdem werden zwei Clusterobjekte
als die Cluster C4, C8 mit den Objekten P6, P7 bzw. P11, P12 gebil det.
Diese beiden Cluster C4, C8 werden durch die Ordnungsobjekte mit
den Zahlenwerten 15 und 16 als oberen Cluster-Elementen bzw. Top
Level-Ordnungsobjekten verbunden. Ein weiteres großes Clusterobjekt
wird durch das erste Cluster C1 mit den Objekten P1–P3 gebildet,
wobei diesem ersten Cluster Cl ein erstes Ordnungsobjekt 13 zum
Verbinden der ersten Objekte P1, P2 und ein zweites Ordnungsobjekt 14 zum Verbinden
des dritten Objektes P3 mit dem ersten Ordnungsobjekt 13 bzw.
darüber
mit dem ersten Objekt P1 zugeordnet ist. In 1 würde entsprechend das
erste Cluster C1 durch die ersten drei Objekte P1, P2, P3 gebildet,
welche durch die Ordnungsobjekte bzw. kürzesten Abstandswerte 13, 14 miteinander
verbunden sind. Das vierte Cluster C4 würde in 1 durch
die zentral angeordneten Punkte P6, P7 mit dem Ordnungsobjekt 15 zwischen
diesen ausgebildet. Das achte Cluster C8 würde durch die Punkte P11, P12
mit dem Ordnungsobjekt bzw. Abstandswert 16 ausgebildet.
-
Soll
die Clusterungs-Intensität
erhöht
werden, wird dies einer Erhöhung
der zugrunde zu legenden Abstandswerte A gleichgesetzt, so dass nicht
mehr nur die Objekte Pi zu den Ordnungsobjekten, d.h. Abstandswerten 1–16 geclustert
werden, sondern gemäß dem dargestellten
Ausführungsbeispiel
eine Clusterung bis z.B. zu dem Ordnungsobjekt bzw. Abstandswert 19 vorgenommen
wird. Dies hat zur Auswirkung, dass anstelle von 8 nur noch 5 Cluster
C1*–C5*
gemäß der Abbildung
links unten in 5 gebildet werden. Während die
ersten drei und das letzte der zuvor gebildeten Cluster C1–C3, C8
effektiv unverändert
geclustert bleiben, werden die übrigen
ursprünglichen
Cluster C4–C7
zu einem einzigen neuen Cluster C4* zusammengefasst. Dabei werden
die vorherigen Ordnungsobjekte 8, 15 durch das
Ordnungsobjekt 17 miteinander verbunden, die ursprünglichen
Ordnungsobjekte 9, 10 durch das Ordnungsobjekt 18 miteinander
verbunden und die beiden Ordnungsobjekte 17, 18 durch
das diesem übergeordnete
Ordnungsobjekt 19 verbunden.
-
Gebildet
wird somit auf einfache Art und Weise ein großes Clusterobjekt mit den einzelnen
Objekten P6–P10.
Dieses große
Clusterobjekt C4* umfasst dabei nicht mehr nur noch einzelne Objekte
P6–P8 eines
zentralen Bereichs DC sondern auch Objekte P9, P10 der Peripherie
DA des darzustellenden Datenbereichs D.
-
Erkennbar
ist somit eine Baumstruktur, welche mit einem Ordnungsobjekt bzw.
größten minimierbaren
Abstandswert 23 beginnt und eine Untergliederung abhängig von
jeweils nächstgeringerwertigen
Ordnungsobjekten bzw. geringeren Abständen 22, 21, 20 ..., 13 über Pfadbildungen
und Verzweigungen eine Datenstruktur bildet. Dies ermöglicht auf einfache
Art und Weise ein gleichzeitiges Anzeigen und Verstellen verschiedener
Cluster-Intensitäten
in einer räumlichen
gespeicherten Kartendarstellung. Ohne jeweils eine vollständige neue
Berechnung einzelner Objekte bzw. deren Kartenkoordinaten und Objektbeziehungen
zueinander durchzuführen,
um neue Clusterobjekte zu bilden, kann auf einfache Art und Weise
abhängig
von dem jeweils gewünschten maximalen
Abstandswert bzw. Ordnungsobjekt eine Clusterung vorgenommen oder
verstellt werden.
-
Das
Konzept ermöglicht
ein nahtloses und leistungsfähiges
Scrollen von automatisch geclusterten räumlich angeordneten Objekten
bzw. Informationseinheiten. Dabei kann für jedes gewünschte Areal die Clusterungs-Intensität separat
und in Echtzeit eingestellt werden. Der Speicherbedarf für die dazu notwendigen
Datenstrukturen ist linear, der zeitliche Aufwand für die nur
einmalig durchzuführende
Berechnung hinsichtlich der Gesamtzahl der Objekte quadratisch.
Jedes weitere Hinzufügen
eines neuen Objektes ist lediglich proportional zu den bisher im System
vorhandenen Objekten Pi. Somit ist ein Verfahren zum entsprechenden
Anordnen von Objektdaten auf elektronischen Daten, insbesondere
zum Verstellen einer Clusterungs-Intensität sogar zum täglichen
Gebrauch des Clusterns von z.B. neuen Bildern als Objekten, welche
mit einer Digitalkamera aufgenommen wurden, leistungsfähig genug,
um vom Benutzer komfortabel im täglichen
Umgang benutzt zu werden. Besonders hervorhebbar ist dabei, dass
das Clustern von einer maximalen Clusterungs-Intensität mit nur
einem einzigen großen
Cluster bis hin zu einer minimalen Clusterung selbst bei großen Datenmengen
in Echtzeit visualisiert werden kann. Außerdem kann vorteilhafterweise
mit mehr als einer Clusterungs-Intensität bzw. Clusterungsstufe in
Echtzeit auf der selben Datenstruktur gearbeitet werden. Gegebenenfalls
werden verschiedene Clusterungs-Intensitäten auf verschiedenen Kopien
der Objektdaten des Datenbereichs angefertigt, um für eine darzustellende
Karte mit verschieden stark geclusterten Abschnitten jeweils Kartenausschnitte
aus den verschiedenen Kopien einblenden zu können.
-
Für eine Umsetzung
einer entsprechenden Verfahrensweise wird vorteilhafterweise in
einem ersten Schritt eine geeignete Datenstruktur für eine Echtzeitclusterung
gebildet, bei welcher die kürzesten
Abstände
zwischen jeweils zwei Objekten der Vielzahl von Objekten Pi bestimmt
und gespeichert werden.
-
Im
Falle neu hinzukommender Objekte wird in einem ersten Schritt das
neu hinzugefügte
Objekt vorzugsweise mit dem Objekt verbunden, welches den minimalen
Abstand zu allen bisher existierenden Objekten realisiert. Diese
Vorgehensweise gilt außer bei
dem ersten Objekt, welches lediglich platziert wird ohne ein Verbindungspärchen zu
bilden und zu speichern. In einem zweiten Schritt zum Einbinden
eines neuen Objektes werden die Abstände existierender Verbindungspärchen bzw.
Objektpärchen überprüft. Sollte
der maximale Abstand zwischen irgendeinem existierenden Objektpärchen eines
zuvor gebildeten Pfades bzw. Abstandes, welcher rekursiv vom ursprünglichen
Objekt mit dem minimalen Abstand zu allen bisherigen anderen Objekten
auf alle mit diesem Objekt und den Nachfolgern verbundenen Elementen
bestimmt wurde, mit einem kürzeren
Abstand zwischen dem neuen Objekt und einem nachfolgendem Objekt
auf dem selben Pfad zu zwei weiteren Objekten messbar werden, so
wird die existierende Verbindung als maximale Ver bindung zwischen
den beiden weiteren Objekten zunächst
gelöscht
und dann durch eine neue Verbindung ersetzt, wie dies auch anhand
des Übergangs
der mittleren zur unteren Darstellung gemäß 1 veranschaulicht
ist. Diese Vorgehensweise wird so lange durchgeführt, bis ein Ende des Pfades
oder eine Verzweigung erreicht wurde, wobei Enden das Ende einer Pfadbildung
bewirken und Verzweigungen jeweils neue Zweige eines derartigen
Rekursikonsbaumes initiieren. Die Vorgehensweise wird so lange durchgeführt, gegebenenfalls
auch mit neu entstehenden Pfaden, bis eine derartige rekursive Pfadneubildung alle
existierenden Verbindungsabstände
mit eventuellen neuen Verbindungenabständen zwischen dem neuen Objekt
und den existierenden Objekten abgearbeitet bzw. ersetzt hat.
-
Beim
Einbinden eines neuen Objektes wird in einem dritten Schritt abschließend eine
nach Abständen
geordnete Liste von Abstandspärchen
bzw. Abstandswerten zurückgegeben,
welche die Ordnungsobjekte bzw. Liste rechts in 5 ausbilden. Gegebenenfalls
kann eine solche Listenbildung auch bereits beim ersten Schritt
der Einbindung eines neuen Objektes durchgeführt werden.
-
Als
Vorbereitung zur Benutzung der Datenstruktur für eine Echtzeitclusterung,
insbesondere auch ein Verstellen einer Clusterungs-Intensität während des
Darstellens einer Karte oder eines Kartenausschnitts als ein Ausschnitt
des Datenbereichs, werden alle Verbindungspärchen bzw. Abstandswerte A
nach Abständen
sortiert in einer Liste gespeichert und über ein Bedienelement in Form
eines mechanisch betätigbaren,
elektronisch betätigbaren oder
virtuell bedienbaren Schalters derart verwaltet, dass proportional
zur Position des Bedienelements ein Ordnungsobjekt bzw. Abstand
festgelegt werden kann, wie dies anhand 5 oder den
verschiedenen Clusterungs-Intensitäten gemäß 2 beschrieben
ist.
-
Ein
vorteilhafter Algorithmus bzw. eine entsprechende Verfahrensweise
für eine
Clusterung beginnt vorzugsweise mit einer maximalen Auflösung bzw.
minimalen Clusterungs-Intensität,
bei der alle Objekte Pi ihr eigenes Cluster mit nur sich selber
als Objekt ausbilden. Mit zunehmender Clusterungs-Intensität wird jeweils
so lange das nächste
Ordnungsobjekt bzw. der nächste
Abstandswert A in der nach Abständen
geordneten Liste geclustert, wobei beide Objekte eines entsprechenden
Pärchens
aus Objekten des entsprechenden Ordnungsobjektes bzw. der entsprechenden
durch den Abstand bestimmten Verbindung zweier Objekte zunächst ihr
zugeordnetes nächst
höheres
Cluster bestimmen. Mit weiter zunehmender Intensität wird letztendlich
die gesamte Baumstruktur aus 5 abgearbeitet,
wobei zumeist eine zunehmend größere Anzahl
einzelner Cluster aus mehreren Objekten entsteht und letztendlich
die Anzahl einzelner Cluster unter Ausbildung zunehmend weniger
Cluster mit einer umso größeren Anzahl
von einzelnen Objekten pro Cluster abnimmt. Durch die Ausbildung
einer nach Abständen
geordneten Liste und einer entsprechend ausbildbaren Baumstruktur
sind Visualisierungen von Clustern selbst bei großen Datenmengen
in Echtzeit möglich, wobei
Clusterungen von einer maximalen Clusterungs-Intensität mit letztendlich
nur einem einzigen großen
Cluster bis hin zu einer minimalen Clusterungs-Intensität mit letztendlich
jedem einzelnen Objekt als einem eigenen Cluster, welches dann eigentlich
kein echte Cluster ist, ausbildbar sind.
-
Vorteilhafterweise
kann eine solche Verfahrensweise auf mehreren Clusterungsstufen
auf ein und derselben Datenstruktur angewendet werden. Dazu können in
dem Clusterungsbaum gemäß 5 eine
oder mehrere Zwischenschichten in der geordneten Liste mit den Ordnungsobjekten
angelegt werden.
-
Wird
eine solche Verfahrensweise für
zwei unterschiedliche Regionen verschieden stark geclustert, beispielsweise
für den
zentralen Bereich DC feiner und für die Peripherie DA gröber granuliert,
so entsteht eine zweistufige Clusterung, welche dem Benutzer ermöglicht,
in Echtzeit in den beiden Regionen mit verschiedenen Clusterungen
zu arbeiten.