我有一个地图点数据库，我想将显示限制为一次最多显示约 50 个点。当用户放大时，可能会显示更多的点。
目前，我只是对结果集进行随机抽样。这不是很好，因为可能有空白区域，当放大时突然显示一个点。
我的下一个想法是我可以创建一个 10x5 的网格，然后迭代结果。如果网格中的某个位置是空的，我会显示一个点。这解决了之前的问题，但也不会让用户感觉到集中区域在哪里。此外，如果用户决定缩小到整个世界，这会很慢。
现在，我没有使用任何空间算法对数据进行排序。我的计划是先让它正常工作，然后快速完成。稍微阅读一下 RTress、kd-trees 和四叉树，我找不到任何可以帮助我选择样本的“智能”子集的东西。似乎应该有某种广度优先搜索可以很容易地解决这个问题。
如何扩展您的原始想法。将其分解为网格，然后使用密度分析根据该区域中的要素数量创建不同大小的点。这样，用户只需查看较大（或较小）的点，就可以更加直观地了解特征密度。
至于让它更快，也许你可以为每个网格设置一个阈值。如果计数达到一定数量，则转到下一个网格。这样，您可以通过忽略高于人为设置的阈值（您可以根据对数据的经验分析来确定）的点来获得“最大”点并加快速度。
Michael Todd 提出了一些很好的建议。为此+1。
我想补充一点（取决于数据类型），您可以向地图点添加额外的属性。
例如，对于城市，您可以添加居住在其中的人数。然后根据缩放级别，您只显示一定大小的城市。或者更好的是，在您的选择算法中给他们更高的分数。在空旷的地方你仍然会看到较小的地方，在拥挤的地方你只会看到大城市。
这种方法适用于任何缩放级别，而每个缩放级别的预定义数据集仅在离散步骤中起作用。
由于我只有几千个点，并且有大量的离线时间，我创建了一个算法来创建一个分散因子，我可以通过它对数据进行排序。
在我的地图中，我获取与范围过滤器匹配的所有点，并按排名升序对它们进行排序。无论过滤器或缩放，我都会有分布在屏幕上的点。