Beschreibung
Verfahren zum Anordnen von Objektdaten in elektronischen Karten
Die Erfindung bezieht sich auf ein Verfahren zum Anordnen von Objektdaten in elektronischen Karten mit den Oberbegriffliehen 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 Objektda- ten 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 In- formations- 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 ange- zeigten 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 ermögli- chen . 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 Ob- jektdaten 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 Ob- jektdaten 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 zu- einander 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 dar- zustellende Karte mit verschiedenen Bereichsabschnitten aus jeweils entsprechenden Abschnitten der entsprechend gec- lusterten 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 Koordinatenda- ten 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 e- lektronischen Karte um einen räumlich sehr viel größeren Be- reich 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 ein- zeln 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 elektroni- sehen 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. Vorteil- haft 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:
Fig. 1 einen Datenbereich eines räumlichen Bereiches, in dem Objektdaten zu Objekten entsprechenden Koordinatendaten des Datenbereichs zugeordnet sind sowie Abstandsinformationen zwischen einzelnen der Objekte;
Fig. 2 in verschiedenen Abbildungen ausgehend von einer
Vielzahl einzelner Objekte in einem Datenbereich eine zunehmend stärkere Clusterung der Objekte;
Fig. 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 kombi- nierte Darstellungen mit verschieden stark gecluster- tem zentralen Innenbereich und peripherem Außenbereich der Karte;
Fig. 4 im Vergleich zu einer Ausführungsform gemäß Fig.3 ei- ne Darstellung mit einem verzerrten Außenbereich und
Fig. 5 eine Baumstruktur zur Veranschaulichung einer Daten- strukturierung zum Ermöglichen eines besonders schnellen Versteilens einer Clusterungs-Intensität .
Wie dies aus Fig. 1 oben ersichtlich ist, ist in einem Datenbereich D mit Koordinatendaten eines räumlichen Bereichs eine Vielzahl von Objekten Pi, Pl - P3, P5 - P12 angeordnet. In üblicher Art und Weise erfolgt die Anordnung der Objekte Pl - P12 dadurch, dass entsprechende Objektdaten den Koordinatendaten des zugrundeliegenden Datenbereichs D zugeordnet werden.
Mittig in Fig.l ist derselbe Datenbereich D mit denselben Ob- jekten Pl - P3, P5 - P12 abgebildet. Zur Vorbereitung einer Clusterung werden ausgehend von einem ersten Objekt Pl 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 Pl, 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 Pl - P3, P5 - P12 miteinander verbindet. Dargestellt sind die sich daraus ergebenden minimalen Abstände bzw. Abstandswerte 13 - 20, 21*, 22* in der mittleren Abbildung in Fig.l durch entsprechende Verbindungslinien.
Unter den minimalen Abstandswerten 13 - 20, 21*, 22* werden insbesondere Werte verstanden, welche eine Wichtung berück- sichtigen, 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 Fig.l kommt zu der Vielzahl von Objekten Pl - 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 Pl - 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 eingefüg- ten 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.
Fig.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. Darge- stellt 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 gec- lustert werden. Entsprechend sind nur drei Cluster Cl, 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 Cl - 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 Cl - C8 erst zu und dann bis letztendlich zu einem einzigen alle Objekte Pi umfassenden Cluster Cl 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.
Fig.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 die- ses 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 Datenbe- reichs 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 Cl, 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 gerin- gerem Interesse und wird weniger beachtet, so dass für die Peripherie eine hohe Clusterungs-Intensität vertretbar ist.
Fig.4 zeigt ausgehend von der Abbildung in Fig.3 links unten eine Situation mit einem zentralen Bereich DC mit einer mit- telstarken Clusterungs-Intensität und einzelnen Clusterobjek- ten C3, C4, während im Außenbereich einzelne Objekte Pl, 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 Pl, 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.
Fig.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 verschie- dene 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 Fig.l. Aus Darstellungsgründen und zur Vereinfachung eines entsprechend aufzubauenden Algorithmus ist jedem der einzelnen Objekte Pl - P12 ein eigenes Clusterungs- bzw. Ordnungsobjekt 1, 2, ... bzw. ...12 einer ersten Clusterungsebene zugeordnet. Gebildet werden dadurch erste Ordnungsobjekte 1 - 12, welchen letzt- endlich 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 Pl - P12 und der Gesamtheit der Abstandswerte 1 - 23, so dass die Begriffe Abstandswert und Ordnungsobjekt austauschbar sind. Wie dies Fig.l und auch der Säulendarstellung rechts in Fig.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 Fig. 2 aufgebaut ist, geordnet.
Links unten in Fig.5 sind zwei verschiedene Clusterungs- Intensitäten mit entsprechend 5 gebildeten Clustern Cl* - C5* bzw. acht gebildeten Clustern Cl - C8 dargestellt. Im Falle einer weniger intensiven Clusterung mit acht Clustern Cl - C8 bilden sich acht Gruppierungen als Cluster C2, C3, C5 - C7, wobei fünf der Objekte P4, P5, P8 - PlO 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. PlI, 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 Cl mit den Objekten Pl - P3 gebildet, wobei diesem ersten
Cluster Cl ein erstes Ordnungsobjekt 13 zum Verbinden der ersten Objekte Pl, P2 und ein zweites Ordnungsobjekt 14 zum Verbinden des dritten Objektes P3 mit dem ersten Ordnungsobjekt 13 bzw. darüber mit dem ersten Objekt Pl zugeordnet ist. In Fig. 1 würde entsprechend das erste Cluster Cl durch die ersten drei Objekte Pl, P2, P3 gebildet, welche durch die Ordnungsobjekte bzw. kürzesten Abstandswerte 13, 14 miteinander verbunden sind. Das vierte Cluster C4 würde in Fig.l durch die zentral angeordneten Punkte P6, P7 mit dem Ord- nungsobjekt 15 zwischen diesen ausgebildet. Das achte Cluster C8 würde durch die Punkte PlI, P12 mit dem Ordnungsobjekt bzw. Abstandswert 16 ausgebildet.
Soll die Clusterungs-Intensität erhöht werden, wird dies ei- ner 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 Cl* - C5* gemäß der Abbildung links unten in Fig.5 gebildet werden. Während die ersten drei und das letzte der zuvor gebildeten Cluster Cl - C3, C8 effektiv unverändert geclustert bleiben, werden die übrigen ursprüng- liehen 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 - PlO. Dieses große Clusterobjekt C4* umfasst dabei nicht mehr nur noch einzelne Objekte P6 - P8 eines zentralen Bereichs DC sondern auch Objekte P9, PlO der Peripherie DA des darzustellenden Datenbereichs D.
Erkennbar ist somit eine Baumstruktur, welche mit einem Ordnungsobjekt bzw. größten minimierbaren Abstandswert 23 be- ginnt und eine Untergliederung abhängig von jeweils nächstge- ringerwertigen 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 Clusterob- jekte 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 Cluste- rungs-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 Ko- pien 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 Ab- stand 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 Fig. 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 ent- stehenden 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 Figur 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, e- lektronisch betätigbaren oder virtuell bedienbaren Schalters derart verwaltet, dass proportional zur Position des Bedienelements ein Ordnungsobjekt bzw. Abstand festgelegt werden kann, wie dies anhand Fig. 5 oder den verschiedenen Cluste- rungs-Intensitäten gemäß Fig. 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 Fig. 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 Fig. 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.