疫情舆图紧张分为数据处理和舆图展示两大板块，相较于其他的一些疫情舆图项目，知识疫图不仅在数据可视化方面从韶光、空间两个维度尽可能地做到细粒度，而且涵盖了国内外新冠疫情多项不同数据的层级展现。在疫情舆图实现过程中，紧张包括了疫情数据的采集与整合、地理数据的利用、舆图绘制三大流程，接下来将逐一先容。
疫情数据的采集与整合
要想打造好疫情舆图，根本事情是疫情数据的采集与整合。在疫情数据的网络过程中，知识疫图整理了丁喷鼻香园、WHO、约翰·霍普金斯大学、必应等国内外多个平台的数据源，这些数据对付不同地区疫情有不同力度、不同准确度的描述。多样的数据源，不仅可以使数据更细粒度，而且担保了数据的完全性和准确性。
如图一所示，针对不同数据源的更新特点，知识疫图利用了不同的采集办法，并将采集到的数据凑集于一个数据库中，通过整正当式进行监控，整理对齐以便后续前端利用。图二是个中整正当式包含的详细事情，示例了其对数据对照、合并、补充、纠正四个方面的处理。数据整合后的数据库由于数据过大，不利于传输，对此研究职员采取了如图三的数据压缩办法，大大减少了字段不必要的开销。
图一 知识疫图数据采集过程
图二 整正当式
图三 数据压缩办法
舆图数据的利用
除了疫情数据，疫情舆图项目中地理数据也尤为主要。地理数据紧张有Geojson（图四）、Topojson（图五）、Shapefile等几种通用格式。Geojson将地理形状定义为点、线、面平分歧的类型，不同类型有各自地理特色的描述，其的优点在于可读性强，但对数据的描述存在冗余。Topojson 针对Geojson的这一毛病做了相应改进，减少了数据的重复性。
图四 Geojson格式
图五 Toposon格式
在地理数据的来源上，知识疫图海内和国外分别采集了阿里云、Natural Earth两大数据源。在网络到数据之后，进行地区字段的匹配如Beijing–China|Beijing–北京市，繁体简体转换，中英文对照等地区ID重组事情。虽然Natural Earth有数据完全性等优点，但其数据还存在一些细节须要改动（如图六）。中国地区的改动，紧张指九段线、南海诸岛、台湾省、藏南地区等边界线和描述的处理。其他天下地区的数据调度包括（1）区域的重新方案比如意大利、法国等国家，须要以国家-大区-省办法重新合并和调度；（2）更粒度的数据处理比如英国苏格兰、北爱尔兰须要细化出像英格兰一样郡级的数据。
图六 数据改动示例
舆图绘制
将网络到的疫情数据和地理数据整理对齐往后，下一步进行舆图绘制。舆图绘制紧张以前端渲染展开，其办法有SVG绘制、海内的舆图组件（百度舆图、高德舆图等）、国外的舆图组件（Google Map、Mapbox）等。传统的SVG绘制大略快捷，但是存在放大缩小的局限性。舆图组件可以做到不同层级的绘制，但须要大量的数据，此外国内外可能存在差异。综合考虑疫情舆图项目的需求和各种绘制办法的特点，知识疫图选择了基于Mapbox的舆图组件这一办法。图七是SVG绘制和Mapbox舆图组件绘制后的比拟，从图中可以看出两种办法在粒度上的差别，SVG绘制只能做到粗粒度的展示，但Mapbox舆图组件可以较好地呈现更细粒度的数据。
图七 粗粒度vs.细粒度
借助Mapbox Studio进行前端渲染，将完全舆图数据转换成区块数据，而区块级数据可以根据放缩大小完身分歧程度的边界压缩。比如在图八天下舆图的宏不雅观界面时，Mapbox Studio会将细粒度数据压缩为可以知足需求的粗粒度数据，但当放大到某一详细区域时，会转变成此地区细粒度的数据。宏不雅观时采取粗粒度数据，微不雅观时减少细粒度数据的范围，灵巧的转变办法可以很好地实现不同层级的数据呈现，并掌握传输开销。
图八 Mapbox Studio宏不雅观前端渲染
前端渲染有其内在逻辑和流程，以图九中国地理数据为例，数据源包含了区域等特色。基于数据源舆图组件会分为不同的层，每层依据不同的渲染规则卖力渲染不同的内容。
图九 中国地理数据前端渲染
除此之外，知识疫图的疫情舆图前端渲染还包括了图十示例的事宜，将各种新闻以舆图标记的办法放置在疫情舆图上，方便用户能够理解全天下在疫情之下各国发生的详细变革。
图十 事宜渲染