Android谷歌热力图无法显示超1000个点位，寻求解决方法

这个问题我之前也碰到过！原因很明确——Google Maps Android SDK里的HeatmapTileProvider默认就有1000个数据点的上限，超过的部分会被直接忽略。给你两个实用的解决方案，看哪种更适合你的场景：

方案一：拆分数据块，叠加多个热力图TileOverlay #

既然单个HeatmapTileProvider最多处理1000个点，那我们可以把原始数据拆分成多个子列表，每个子列表不超过1000个点，然后为每个子列表单独创建热力图并叠加在地图上。视觉上多个热力图叠加后，效果和单个完整热力图完全一致。

示例代码：

// 1. 拆分原始数据为多个子列表，每个子列表最多1000个点
List<List<LatLng>> splitDataLists = new ArrayList<>();
int maxPointsPerProvider = 1000;
for (int i = 0; i < list.size(); i += maxPointsPerProvider) {
    int endIndex = Math.min(i + maxPointsPerProvider, list.size());
    splitDataLists.add(list.subList(i, endIndex));
}

// 2. 先移除旧的热力图（如果存在）
if (mOverlay != null) {
    mOverlay.remove();
}

// 3. 为每个子列表创建并添加热力图TileOverlay
for (List<LatLng> subList : splitDataLists) {
    HeatmapTileProvider tileProvider = new HeatmapTileProvider.Builder()
            .data(subList)
            .radius(40)
            .gradient(ALT_HEATMAP_GRADIENT)
            .opacity(0.7)
            .build();
    mMap.addTileOverlay(new TileOverlayOptions().tileProvider(tileProvider));
}

方案二：数据聚合，用带权重的点减少总点数 #

如果你的点位中有大量重复或者距离极近的点，更高效的方式是先做数据聚合：把临近的点合并成一个带权重的WeightedLatLng，用权重来代表该区域的点密度。这样既能大幅减少总点数，又能保证热力图的准确性。

示例代码：

// 1. 聚合临近点（这里以10米为聚合距离，可根据需求调整）
HashMap<String, WeightedLatLng> aggregatedPoints = new HashMap<>();
double aggregationThresholdMeters = 10;

for (LatLng point : list) {
    // 对坐标进行精度取整，作为聚合的key（也可以用距离算法精确判断）
    String key = String.format("%.6f,%.6f",
            Math.round(point.latitude * 1e6) / 1e6,
            Math.round(point.longitude * 1e6) / 1e6);

    if (aggregatedPoints.containsKey(key)) {
        // 已有该点位，权重+1
        WeightedLatLng existing = aggregatedPoints.get(key);
        aggregatedPoints.put(key, new WeightedLatLng(existing.getLatLng(), existing.getWeight() + 1));
    } else {
        // 新增点位，初始权重为1
        aggregatedPoints.put(key, new WeightedLatLng(point, 1));
    }
}

// 2. 用聚合后的带权重数据创建热力图
if (mOverlay != null) {
    mOverlay.remove();
}

mProvider = new HeatmapTileProvider.Builder()
        .data(new ArrayList<>(aggregatedPoints.values()))
        .radius(40)
        .gradient(ALT_HEATMAP_GRADIENT)
        .opacity(0.7)
        .build();
mOverlay = mMap.addTileOverlay(new TileOverlayOptions().tileProvider(mProvider));
mOverlay.clearTileCache();

方案选择建议 #

• 如果你的点位分布比较分散，没有大量重复，优先选方案一，实现简单，不需要额外处理数据。
• 如果点位密集或有大量重复，优先选方案二，能减少内存占用和地图渲染压力，性能更优。

内容的提问来源于stack exchange，提问作者Ashim Kansal