基于方格和距离结合的点聚合算法（详细）

原理：初始时没有任何已知聚合点，然后对每个点进行迭代，计算一个点的外包正方形，若此点的外包正方形与现有的聚合点的外包正方形不相交，则新建聚合点（区别于前面基于直接距离的算法，这里不是计算点与点间的距离，而是计算一个点的外包正方形，正方形的变长由用户指定或程序设置一个默认值）， 若相交，则把该点聚合到该聚合点中，若点与多个已知的聚合点的外包正方形相交，则计算该点到到聚合点的距离，聚合到距离最近的聚合点中，如此循环，直到所有点都遍历完毕。每个缩放级别都重新遍历所有原始点要素。
此方法可以算是基于方格与基于距离的算法的一个结合算法。
优点：运算速度相对较快，每个原始点只需计算一次，可能会有点与点距离计算，聚合点较精确的反映了所包含的原始点要素的位置信息。
缺点：速度不如完全基于方格的速度快等。
使用此算法的在线地图：Google Maps。以下是Google给出的一个基于方格距离的点聚合示意图

步骤示例：

a) 默认输入的数组的顺序是如图7 � 基于方格距离的点聚合算法（原始点要素）所示的字母顺序。

b)初始计算，从A开始迭代，此时并没有任何聚合点，则在A的位置生成一个聚合点（设为A1），A1的位置与A相同。

c)迭代到B，如图8所示，由于B的外包正方形与已有聚合点A1的外包正方形相交，所以B应聚合到A1中，新聚合后的聚合点的位置依然保持在A1原来的位置（这主要是因为若采用A与B的质心会花费客户端较大的计算量，这在原始点要素数量较大时影响较大）。

d)迭代到C，由于C的外包正方形不与现有的聚合点A1相交（目前只有A1一个聚合点），因此C需要新建一个新的聚合点（设为C1）。

e)迭代到D，类似于B，D与A1聚合，聚合后依然为A1。

f)迭代到E，新的问题来了，E的外包正方形同时与A1和C1相交，这时需判断E到A1、C1的距离，并将E聚合到距离近的那个聚合点中，这里E到C1更近，于是E聚合到了C1中。

g)剩下的如此迭代，直至完毕。

http://wenku.baidu.com/link?url=vO7a7TQXUC_LWqpTJEhoM5SjpZHSCp9tNtDYn6tMhYOlUQ3emILq9Rev9UwPrX8lgbj9FJL9oqaX6FfwWhpY70kOSJ58Cdpbk0DQbBgvcoy