This study aims to investigate and identify how to effectively generate blurred geospatial heatmaps for use in geo-spatial map engines. We focus on how to store the points in a way that facilitates efficient window querying, with support for zoom-level handling. We decide on primarily using a Morton-ordered variant of the point-region quadtree, which we name a HeatMap Quadtree (HMQ). The nodes of the HMQ each have access to the points they contain, through storing the number of points and the lower bound of where to look at in the input point set, which we also store in Morton order. The HMQ also has the functionality to allow for window querying at different levels of detail. We parallelize the generation of the HMQ as well as the Gaussian blurring of the raster resulting from the window query using CUDA, and compare this implementation with that of two naive solutions as well as a linear point-region quadtree. In conclusion we find that the HMQ provides a significant improvement in window querying time, at the cost of additional construction time. / Denna studie avser att undersöka och identifiera hur man effektivt kan generera Gaussiskt oskarpa geospatiala värmekartor för användning i geospatiala kartmotorer. Vi fokuserar på hur man ska lagra punkterna på ett sätt som underlättar effektiv `window querying', med stöd för zoomnivå-hantering. Vi bestämmer oss för att huvudsakligen använda oss av en Morton-ordnad variant av ett `point-region quadtree', vilket vi döper till `HeatMap Quadtree' (HMQ). Noderna i vårt HMQ har alla tillgång till punkterna dom innehåller, genom att lagra antalet punkter och den lägre gränsen för var man ska leta efter punkterna i den ursprunliga punktlistan, som vi också lagrar i Morton-ordning. Vårt HMQ har också funktionaliteten att tillåta `window querying' på olika detaljnivåer. Vi parallelliserar genererandet av vårt HMQ samt uträknandet av den Gaussiska oskärpan på rastret som resulterar från vår `window query' med hjälp av CUDA, och jämför denna implementation med två naiva lösningar samt ett linjärt `point-region quadtree'. Vår slutsats är att vårt HMQ ger en signifikant förbättring i `window query'-tid, till en kostnad av extra konstruktionstid.
| Identifer | oai:union.ndltd.org:UPSALLA1/oai:DiVA.org:kth-172815 |
| Date | January 2015 |
| Creators | Norberg, Jesper |
| Publisher | KTH, Skolan för datavetenskap och kommunikation (CSC) |
| Source Sets | DiVA Archive at Upsalla University |
| Language | English |
| Detected Language | English |
| Type | Student thesis, info:eu-repo/semantics/bachelorThesis, text |
| Format | application/pdf |
| Rights | info:eu-repo/semantics/openAccess |
Page generated in 0.0019 seconds