h3o-zip — H3压缩算法

此库允许将H3单元格集压缩成紧凑的空间高效表示。

它提供了压缩的H3树编解码器（CHT）。

这特别适用于磁盘存储或网络传输。

压缩结果

密集集

测试数据：覆盖巴黎的11分辨率下的54,812个H3单元格（连续形状，无孔）。

由连续索引组成的密集集更容易压缩。我们可以看到，H3的compact例程非常有效，并且与CHT一样好，通过编码索引在~2位上。

现在，有趣的部分是，通过首先压缩索引集，然后应用CHT，我们可以进一步减少大小（结果负载比原始负载小约470倍）！

这是因为H3压缩与CHT不同，并不真正压缩数据（索引始终编码在64位上），而是通过将子组替换为其祖先来减少索引的数量。

集越密集，压缩率越高： mainland France at resolution 11（267,532,208个索引，1.99 Gio）被压缩并压缩到100.93Kio！

稀疏集

测试数据：覆盖 mainland France 中的环道的11分辨率下的690,451个H3单元格。

像这样的稀疏集更难压缩，因为可利用的冗余较少。

H3压缩在这里完全不起作用（仅从600k中减少了480个索引），因为它无法找到足够的完整子组来替换它们。

另一方面，CHT仍然产生显著的结果（尽管不如密集集上的好），将负载减少到原始负载的1/10，并使用~6.25位/索引。

安装

Cargo

• 按照此指南安装rust工具链，以便安装cargo。
• 运行 cargo install h3o-zip

用法

加载一个城市的形状，计算分辨率为10的H3覆盖范围，并将压缩后的结果保存到磁盘

use geojson::GeoJson;
use h3o::{
    geom::{Geometry, ToCells},
    CellIndex, Resolution,
};
use std::{fs::File, io::BufReader};

fn main() -> Result<(), Box<dyn std::error::Error>> {
    let file = BufReader::new(File::open("city.geojson")?);
    let geojson = GeoJson::from_reader(file)?;
    let geometry = Geometry::try_from(&geojson)?;

    let mut file = File::create("coverage.cht")?;
    h3o_zip::compress(
        &mut file,
        CellIndex::compact(geometry.to_cells(Resolution::Ten))?,
    )?;

    Ok(())
}

许可证

BSD 3-Clause