ST_Union()与ST_Node(ST_Collect())在许多相交的ST_ExteriorRing(圆)上

Question

我有将近10,000个相同大小的圆圈，我用它来创建一个基于重叠圆圈数量的热图。

​

​

我有两个版本的步骤2正在运行。一个比另一个更有效率吗？有什么不同的方法我应该试试吗？

以下是我如何努力做到这一点：

1. 得到圆圈的轮廓(跑得很快) 将表circle_outlines创建为SELECT distinct ST_ExteriorRing(the_circle)从circle_list创建the_geom；使用gist (The_geom)在circle_outlines上创建索引idx_geom_circle_outlines (the_geom)；从circle_outlines中选择distinct几何类型(The_geom)；- LINESTRING QGIS中本表的输出: 1:38,167,029 -oi60.tinypic.com/23uwytv.jopg 1:234,378 -oi59.tinic.com/96i4xt.jpg

1. 合并这些行(参见文章末尾的2种被认为是的方法)
2. 如果有兴趣，请查看创建的geom类型(应该是GEOMETRYCOLLECTION) b.合并边界的多边形化(ST_Dump(ST_Polygonize(The_geom)
3. 使用ST_PointOnSurface(polygonized_geoms)在内部添加点
4. 计算num_overlaps

我正在尝试的两个步骤2是

create table noded_circles as 
SELECT ST_Node(ST_Collect(the_geom)) AS the_geom FROM circle_outlines;
-- been running 7 hours - 100% cpu - 2199 MB (24%) memory

和：

create table noded_circles as 
SELECT ST_Union(the_geom) AS the_geom FROM circle_outlines;
-- been running 43 hours - 100% cpu - 4086 MB (48%) memory

因此，对于相同大小的相交圆的“扁平”行字符串，st_union()和st_node(st_collect())的性能是否存在差异？有更好的办法吗？

-更新:由于内存不足，两个查询都被终止。

Answer 1

我用下面的方法在一个点半径为500的10,000×10,000网格上随机创建了10,000点的随机集。

drop table circles; 
create table circles as select g as id, 
    st_buffer(st_makepoint(random()*10000, random()*10000), 500) as geom 
from generate_series(1, 10000) g; 
create index ix_spatial_circles on circles using gist(geom);

使用它，我得到了下面的查询，它生成一个原始多边形I的列表，与此相交的其他多边形的数量，交集和区域。对于在10,000个网格上具有500半径的10,000个圆圈的网格，这个查询在我们的一台服务器上运行大约20分钟。我不确定是否值得深入讨论硬件细节，因为我怀疑计算的复杂性很大程度上取决于网格的密度、圆圈的半径等等，所以设置一个与您的环境完全相同的环境是有问题的。

select id, max(total_intersected) as "total intersected", st_area(st_union(geom)) as area   
from 
  (select a.id as id, array_agg(b.id) as b_int, 
          sum(case when st_intersects(a.geom, b.geom)='t' then 1 else 0 end) as total_intersected, 
          array_agg(b.geom) as geom 
  from 
    circles a, circles b 
  where  st_intersects(a.geom, b.geom)  group by a.id) agg 
where id=any(b_int) group by id, geom order by max(total_intersected) desc;

子查询的主要思想是查找所有与每个其他多边形(使用空间自连接)相交的多边形(通过ID)，并构建这些ID的数组(array_agg(b.id)，用于查找两个多边形是否相交，比找到它们的实际相交更快；然后，在外部查询中，查找实际的交叉点，但只考虑已知每个输入多边形(即where id=any(b_int)部分)相交的多边形。我怀疑这可能比使用ST_Collect或ST_Union一次将所有圆(多边形)合并起来要快，因为您操作的是已知的相交多边形，而不是一个巨大的交叉口中的所有多边形。

就其价值而言，我对比较ST_Union(geom)和ST_Node(ST_Collect(geom))的随机点集做了一些测试，总的来说ST_Union的速度要快一些，但我认为有太多的自由变量使得这不是一个非常科学的发现。

Answer 2

我最后使用的方法是QGIS中的HeatMap插件。heatmaps.html --我使用了一个统一的内核，允许我根据光栅的值对重叠的#进行分类。