SQL Server中如何将邻近地理点聚类为多边形？

方法一：基于缓冲区相交的连通性聚类 #

完全贴合你的思路，通过生成缓冲区、识别相交对、构建连通簇，最后合并缓冲区得到簇多边形。

步骤与代码 #

假设你的表名为PointData，shape列是geography类型，聚类距离阈值为100米：

WITH BufferCTE AS (
    -- 为每个点生成指定距离的缓冲区
    SELECT 
        id,
        shape.STBuffer(100) AS buffer_geo
    FROM PointData
),
IntersectionPairs AS (
    -- 找出所有相交的缓冲区对（避免重复配对）
    SELECT 
        b1.id AS id1,
        b2.id AS id2
    FROM BufferCTE b1
    JOIN BufferCTE b2 ON b1.id < b2.id
    WHERE b1.buffer_geo.STIntersects(b2.buffer_geo) = 1
),
ClusterCTE AS (
    -- 递归识别连通的簇：初始每个点自成一簇
    SELECT 
        id AS point_id,
        id AS cluster_id
    FROM BufferCTE
    UNION ALL
    -- 合并与当前簇相交的其他点到同一簇
    SELECT 
        c.point_id,
        ip.id2 AS cluster_id
    FROM ClusterCTE c
    JOIN IntersectionPairs ip ON c.cluster_id = ip.id1
    WHERE c.point_id <> ip.id2
    UNION ALL
    SELECT 
        c.point_id,
        ip.id1 AS cluster_id
    FROM ClusterCTE c
    JOIN IntersectionPairs ip ON c.cluster_id = ip.id2
    WHERE c.point_id <> ip.id1
),
FinalClusters AS (
    -- 为每个点确定唯一的簇ID（取连通组件中最小的ID作为标识）
    SELECT 
        point_id,
        MIN(cluster_id) AS cluster_id
    FROM ClusterCTE
    GROUP BY point_id
)
-- 合并同一簇内的所有缓冲区，生成最终的簇多边形
SELECT 
    fc.cluster_id,
    geography::UnionAggregate(b.buffer_geo) AS cluster_polygon
FROM FinalClusters fc
JOIN BufferCTE b ON fc.point_id = b.id
GROUP BY fc.cluster_id;

方法二：使用SQL Server内置空间聚类函数（推荐） #

SQL Server 2017及以上版本提供了STClusterDBSCAN函数，专门用于基于密度的空间聚类，性能比手动递归处理更优。

步骤与代码 #

该函数直接根据点之间的距离聚类，再对簇内点生成缓冲区并合并：

WITH PointClusters AS (
    -- 对所有点进行DBSCAN聚类：100米为邻域半径，最小1个点即可成簇
    SELECT 
        id,
        shape,
        shape.STClusterDBSCAN(100, 1) OVER () AS cluster_id
    FROM PointData
),
BufferCTE AS (
    -- 为每个点生成缓冲区
    SELECT 
        cluster_id,
        shape.STBuffer(100) AS buffer_geo
    FROM PointClusters
)
-- 合并同一簇的缓冲区
SELECT 
    cluster_id,
    geography::UnionAggregate(buffer_geo) AS cluster_polygon
FROM BufferCTE
GROUP BY cluster_id;

注意事项 #

• geography类型的STBuffer单位为米（基于WGS84坐标系），请根据实际需求调整距离值。
• 两种方法的聚类逻辑差异：方法一通过缓冲区相交（点间距≤2倍缓冲区距离）聚类；方法二直接基于点间距聚类，若要和方法一逻辑对齐，需将STClusterDBSCAN的距离参数设为200米。
• 若数据量较大，优先使用STClusterDBSCAN，其底层优化过的算法性能远高于手动递归。

内容的提问来源于stack exchange，提问作者steve