全国按1KM*1KM划分得到的网格数达10598886个，并且所有网格都标注province、city、region这3层级行政区划标签。而成功标注township标签的网格数为9700957个，覆盖率为91.5%（如下图所示）。
从数据库MongoDB提取部分网格后，我们通过通过简单的方格实现数据可视化（如图2所示）。这些网格被打上A或B标签，你可以认为A为region A，也可以认为是township A，这里只是示例。
为准确提取区域A的外围边界坐标，我们首先将属于区域A的方格单独提取出来：
我们将A实例化，以上海市金山区枫泾镇为例，提取方格的代码如下：
执行上述代码，我们可以得到每个方格的4个顶点的经纬度坐标：
很显然，在技术手段上我们很容易得到区域A包含的所有方格的4顶点坐标。我们用绿色实心点标注处于边界处的顶点，用黑色实心点标注内部的顶点。可以看出，内部的顶点皆为4个方格共同拥有，而边界处的顶点1-3个方格共同拥有(图3A)。利用这一几何规律，我们将区域所有方格的所有顶点放至一个list中，然后筛出出现次数小于4的顶点坐标，如图3B所示。
然而，仅仅提供边界各顶点坐标信息是不够的，利用这些顶点，我们使用线段连接形成的region结果并不唯一，如下图4所示，该连接方法得到的region A’与实际region A并不相同。
因此，我们有必要在添加一个序列维度，用于记录每个顶点坐标的次序（图5A），系统绘制区域边界时，只要按顺序连接各顶点坐标即可显示正确的region边界（图5B）。
在此，我们统一使用左下角的顶点作为起始顶点（标记为1），按逆时针方向进行逐个添加序号标签。
技术实现原理：对各方格的左下角顶点坐标（lng1,lng2）进行升序排序，第一条数据即为左下角方格的数据。
本例中起始方格为4750-1412的左下方顶点，为顺利让程序cursor进行绕外圈“滑动”，算法逻辑必须遵循以下规则：
1.每个边界方格至少有两个顶点为边界顶点；
2.各方格严格按照顺时针次序进行取数；
3.Cursor到达方格的非首次触及顶点时，需对该顶点的在region出现的次数（简称为polyFreq）进行判定:
if polyFreq > 1: cursor将切换方格；
if polyFreq == 1: cursor将按顺时针滑动至该方格的下一个顶点。
4. Cursor切换方格时,如遇到两个方格时,去除首次触及顶点的索引*比切换前方格索引小1的方格;
5.当cursor滑动至起始顶点时，运算结束。
*注解:顶点索引为1-4的4个自然数,分别代表左下角,左上角,右上角和右下角位置
比如对某X region由简单的两个方格组成（如下图6），则取数的cursor从左下角方格X1的顶点1开始，取完后按箭头方向滑动至方格X1的顶点2，由于顶点2的polyFreq>1，cursor将跳跃至方格X2的顶点2中（方格X3的顶点2的索引为1,而前方格X1顶点2的索引为2,因此cursor不会跳跃至方格X3），并滑动至方格X2的顶点3，并进行取数，由于顶点3的polyFreq=1，cursor将继续滑动至顶点4取数，以此类推，cursor最终将滑动至起始顶点1，程序终止。
针对更复杂的region A，我们在启动cursor前需去除region内部的方格，留下cursor会触及的格子。
数学实现原理：
1.计算各方格4顶点的ployFreq总数ployFreqSum；
2.去除ployFreqSum>=15的格子
以金山区枫泾镇为例,程序启动后,cursor滑动72次即回到起始顶点.我们将cursor获取的顶点坐标依次存储在list中,并最终转化为dataframe(如图8A).然后用matplotlib按顺序连接各顶点,最终得到图8B所示的边界轮廓,与实际枫泾镇网格边界完全一致(图8C).
然而，有些region的边界可能存在多个闭环（或者称多个多边形），如图9A的朱家角镇。而之前的算法只能描绘出最左侧的多边形（polygon2）。因此，我们在程序中新增判定顶点使用情况的代码，最终可输出n各polygon的边界数据（可视化结果如图9B所示）。
最终，边界数据以如下格式暂存至mongodb数据库Claudius的集合townBoundary，后续可根据需要进一步转换数据结构。
目前使用的是OCM1.6的网格进行描边，由于网格规格为1KM*1KM，颗粒度较粗，如碰到乡镇/街道比较小，描绘得到的边界与实际边界差距可能会比较大。如金山区的石化街道：
对于核心城区的街道，部分街道的面积甚至小于1平方公里， 1KM*1KM网格描绘的边界自然更不精准。未来使用正在开发的250M*250M的网格可一定程度上提高描边的准确度。