Folium实时地图插件中显示所有GeoJSON点数据的解决方案
2025-05-31 12:37:27作者:范垣楠Rhoda
问题背景
在使用Folium的Realtime插件时,开发者经常遇到一个常见问题:当动态加载GeoJSON文件时,地图上只显示最后一个数据点,而不是所有历史数据点。这种情况在实时数据监控、GPS轨迹追踪等场景下尤为明显。
问题分析
该问题的根本原因在于Realtime插件默认情况下没有正确处理GeoJSON特征对象的唯一标识符。当新数据到达时,插件无法区分哪些点是已经存在的,哪些是新添加的,导致只显示最新点。
解决方案
1. 为GeoJSON特征添加唯一ID
在生成GeoJSON数据时,必须为每个特征(feature)添加一个唯一标识符。可以使用以下Python代码实现:
def create_geojson():
with open('data.csv', 'r') as csvfile:
reader = csv.DictReader(csvfile)
features = []
for index, row in enumerate(reader):
feature = {
"type": "Feature",
"geometry": {
"type": "Point",
"coordinates": [float(row['longitude']), float(row['latitude'])]
},
"properties": {
"id": index, # 添加唯一ID
"total_counts": float(row['total_counts']),
"altitude": float(row['altitude'])
}
}
features.append(feature)
with open('data.geojson', 'w') as geojsonfile:
json.dump({'type': 'FeatureCollection', 'features': features}, geojsonfile)
time.sleep(1)
2. 配置Realtime插件识别特征ID
在创建Realtime插件实例时,需要明确指定如何获取特征ID:
Realtime(
source="http://localhost:8877/data.geojson",
get_feature_id=JsCode("(f) => { return f.properties.id }"),
point_to_layer=JsCode("""
(f, latlng) => {
var color = 'red';
if (f.properties.total_counts < 5) {
color = 'green';
} else if (f.properties.total_counts < 10) {
color = 'yellow';
}
var marker = L.circleMarker(latlng, {radius: 8, fillOpacity: 0.2, color: color});
marker.bindPopup(
'ID: ' + f.properties.id + '<br>' +
'Total Counts: ' + f.properties.total_counts + '<br>' +
'Altitude: ' + f.properties.altitude
);
return marker;
}
"""),
interval=1000,
).add_to(m)
技术要点解析
-
特征标识的重要性:GeoJSON规范本身不要求特征必须有ID,但在动态更新场景下,唯一标识对数据管理至关重要。
-
ID生成策略:可以使用自增索引、时间戳或数据本身的唯一字段作为ID,确保每个点都有唯一标识。
-
可视化增强:通过point_to_layer参数可以自定义点的样式和交互行为,如添加颜色区分和弹出信息框。
-
性能考虑:对于大量数据点,应考虑使用聚类或简化策略来优化渲染性能。
实际应用建议
-
对于实时GPS追踪系统,可以考虑结合时间戳作为ID的一部分,便于时间序列分析。
-
在数据量大的情况下,可以添加LOD(Level of Detail)控制,根据缩放级别显示不同密度的点。
-
考虑添加轨迹线功能,连接连续的点形成路径,增强可视化效果。
通过以上方法,开发者可以充分利用Folium的Realtime插件功能,实现动态数据的完整可视化展示,而不仅限于显示最新数据点。
登录后查看全文
热门项目推荐
相关项目推荐
AutoGLM-Phone-9BAutoGLM-Phone-9B是基于AutoGLM构建的移动智能助手框架,依托多模态感知理解手机屏幕并执行自动化操作。Jinja00
Kimi-K2-ThinkingKimi K2 Thinking 是最新、性能最强的开源思维模型。从 Kimi K2 开始,我们将其打造为能够逐步推理并动态调用工具的思维智能体。通过显著提升多步推理深度,并在 200–300 次连续调用中保持稳定的工具使用能力,它在 Humanity's Last Exam (HLE)、BrowseComp 等基准测试中树立了新的技术标杆。同时,K2 Thinking 是原生 INT4 量化模型,具备 256k 上下文窗口,实现了推理延迟和 GPU 内存占用的无损降低。Python00
GLM-4.6V-FP8GLM-4.6V-FP8是GLM-V系列开源模型,支持128K上下文窗口,融合原生多模态函数调用能力,实现从视觉感知到执行的闭环。具备文档理解、图文生成、前端重构等功能,适用于云集群与本地部署,在同类参数规模中视觉理解性能领先。Jinja00
HunyuanOCRHunyuanOCR 是基于混元原生多模态架构打造的领先端到端 OCR 专家级视觉语言模型。它采用仅 10 亿参数的轻量化设计,在业界多项基准测试中取得了当前最佳性能。该模型不仅精通复杂多语言文档解析,还在文本检测与识别、开放域信息抽取、视频字幕提取及图片翻译等实际应用场景中表现卓越。00
GLM-ASR-Nano-2512GLM-ASR-Nano-2512 是一款稳健的开源语音识别模型,参数规模为 15 亿。该模型专为应对真实场景的复杂性而设计,在保持紧凑体量的同时,多项基准测试表现优于 OpenAI Whisper V3。Python00
GLM-TTSGLM-TTS 是一款基于大语言模型的高质量文本转语音(TTS)合成系统,支持零样本语音克隆和流式推理。该系统采用两阶段架构,结合了用于语音 token 生成的大语言模型(LLM)和用于波形合成的流匹配(Flow Matching)模型。 通过引入多奖励强化学习框架,GLM-TTS 显著提升了合成语音的表现力,相比传统 TTS 系统实现了更自然的情感控制。Python00
Spark-Formalizer-X1-7BSpark-Formalizer 是由科大讯飞团队开发的专用大型语言模型,专注于数学自动形式化任务。该模型擅长将自然语言数学问题转化为精确的 Lean4 形式化语句,在形式化语句生成方面达到了业界领先水平。Python00
项目优选
收起
deepin linux kernel
C
24
9
OpenHarmony documentation | OpenHarmony开发者文档
Dockerfile
402
3.13 K
Ascend Extension for PyTorch
Python
224
249
暂无简介
Dart
672
159
本项目是CANN提供的数学类基础计算算子库,实现网络在NPU上加速计算。
C++
663
316
React Native鸿蒙化仓库
JavaScript
262
325
Nop Platform 2.0是基于可逆计算理论实现的采用面向语言编程范式的新一代低代码开发平台,包含基于全新原理从零开始研发的GraphQL引擎、ORM引擎、工作流引擎、报表引擎、规则引擎、批处理引引擎等完整设计。nop-entropy是它的后端部分,采用java语言实现,可选择集成Spring框架或者Quarkus框架。中小企业可以免费商用
Java
9
1
🎉 (RuoYi)官方仓库 基于SpringBoot,Spring Security,JWT,Vue3 & Vite、Element Plus 的前后端分离权限管理系统
Vue
1.2 K
655
🔥LeetCode solutions in any programming language | 多种编程语言实现 LeetCode、《剑指 Offer(第 2 版)》、《程序员面试金典(第 6 版)》题解
Java
64
19
openGauss kernel ~ openGauss is an open source relational database management system
C++
160
219