一种简单的地图聚合算法

百度地图的聚合算法

这段百度算法的描述来自博客：https://blog.youkuaiyun.com/javine/article/details/51195014

总结如下：

百度地图把整个地球是按照一个平面来展开，把整个地球按照平面来展开之后，我们就能算出这个地球平面的宽度，也就是世界宽度。

计算公式是这样的：256*（zoom^2） == worldWidth

其中zoom就是地图的层级，我们缩放地图也是根据zoom的变化来判断是放大还是缩小的。这样可以把不利于计算的经纬度position转换成我们熟悉的二维坐标point。

而一个二维坐标中有若干个点，把它们按照一个给定的distance来进行分组。
迭代所有的QuadItem，以此QuadItem为中心画一个框框，框框里面的点就算是一个cluster簇，
也就是可以聚合成一个点的QuadItems。框框的大小就是我们定义的可以执行聚合的距离。
当然，这话其实并不准确，会有些点同时被好多个框框给框住，那就算距离最小的那个cluster里面的点。

/**
     *  cluster算法核心
     * @param zoom map的级别
     * @return
     */
    @Override
    public Set<? extends Cluster<T>> getClusters(double zoom) {
        final int discreteZoom = (int) zoom;
 
        final double zoomSpecificSpan = MAX_DISTANCE_AT_ZOOM / Math.pow(2, discreteZoom) / 256;//定义的可进行聚合的距离
 
        final Set<QuadItem<T>> visitedCandidates = new HashSet<QuadItem<T>>();  //遍历QuadItem时保存被遍历过的Item
        final Set<Cluster<T>> results = new HashSet<Cluster<T>>();  //保存要返回的cluster簇，每个cluster中包含若干个MyItem对象
        final Map<QuadItem<T>, Double> distanceToCluster = new HashMap<QuadItem<T>, Double>();  //Item --> 此Item与所属的cluster中心点的距离
        final Map<QuadItem<T>, mapapi.clusterutil.clustering.algo.StaticCluster<T>> itemToCluster =
                new HashMap<QuadItem<T>, mapapi.clusterutil.clustering.algo.StaticCluster<T>>(); //Item对象 --> 此Item所属的cluster
 
        synchronized (mQuadTree) {
            for (QuadItem<T> candidate : mItems) {<span style="white-space:pre">	</span>//遍历所有的QuadItem
                if (visitedCandidates.contains(candidate)) {<span style="white-space:pre">	</span>//如果此Item已经被别的cluster框住了，就不再处理它
                 
                    continue;
                }
 
                Bounds searchBounds = createBoundsFromSpa