# 時間軸標籤避碰改進（v9.0） - 固定5泳道 + 貪婪避讓算法

## 核心轉變

### 從動態層級到固定5泳道 + 智能分配

**v8.0 的問題**：
- ❌ D3 Force 雖然避碰好，但實際效果不理想
- ❌ 標籤移動幅度大，視覺混亂
- ❌ 邊緣截斷問題難以完全解決

**v9.0 的解決方案 - 回歸 Plotly + 智能優化**：
- ✅ **固定 5 個泳道**（上方 3 個 + 下方 2 個）
- ✅ **貪婪算法選擇最佳泳道**
- ✅ **考慮連接線遮擋**
- ✅ **考慮文字框重疊**

---

## 技術實現

### 1. 固定 5 泳道配置

```python
# 固定 5 個泳道
SWIM_LANES = [
    {'index': 0, 'side': 'upper', 'ratio': 0.25},  # 上方泳道 1（最低）
    {'index': 1, 'side': 'upper', 'ratio': 0.55},  # 上方泳道 2（中）
    {'index': 2, 'side': 'upper', 'ratio': 0.85},  # 上方泳道 3（最高）
    {'index': 3, 'side': 'lower', 'ratio': 0.25},  # 下方泳道 1（最低）
    {'index': 4, 'side': 'lower', 'ratio': 0.55},  # 下方泳道 2（最高）
]
```

### 2. 貪婪算法選擇泳道

```python
def greedy_lane_assignment(event, occupied_lanes):
    """
    為事件選擇最佳泳道

    考慮因素：
    1. 文字框水平重疊
    2. 連接線垂直交叉
    3. 優先選擇碰撞最少的泳道
    """
    best_lane = None
    min_conflicts = float('inf')

    for lane_id in range(5):
        conflicts = calculate_conflicts(event, lane_id, occupied_lanes)
        if conflicts < min_conflicts:
            min_conflicts = conflicts
            best_lane = lane_id

    return best_lane
```

### 3. 衝突計算

```python
def calculate_conflicts(event, lane_id, occupied_lanes):
    """
    計算選擇特定泳道的衝突數量

    Returns:
        conflict_score: 衝突分數（越低越好）
    """
    score = 0

    # 檢查文字框水平重疊
    for occupied in occupied_lanes[lane_id]:
        if text_boxes_overlap(event, occupied):
            score += 10  # 重疊權重高

    # 檢查連接線交叉
    for other_lane_id in range(5):
        if other_lane_id == lane_id:
            continue
        for occupied in occupied_lanes[other_lane_id]:
            if connection_lines_cross(event, lane_id, occupied, other_lane_id):
                score += 1  # 交叉權重低

    return score
```

---

## ✅ 實施代碼（已完成 + L型避讓增強）

### 檔案：`backend/renderer_timeline.py`

#### 🆕 連接線避開文字框功能（v9.0 增強）

**核心思路**：在**貪婪算法選擇泳道時**就檢測連接線是否會穿過其他標籤，優先選擇不會穿過的泳道。

**新增方法**：`_check_line_intersects_textbox()` （第 460-513 行）
```python
def _check_line_intersects_textbox(self, line_x1, line_y1, line_x2, line_y2,
                                   textbox_center_x, textbox_center_y,
                                   textbox_width, textbox_height):
    """檢測線段是否與文字框相交"""

    # 檢查水平線段是否穿過文字框
    if abs(line_y1 - line_y2) < 0.01:
        if box_bottom <= line_y <= box_top:
            if not (line_x_max < box_left or line_x_min > box_right):
                return True

    # 檢查垂直線段是否穿過文字框
    if abs(line_x1 - line_x2) < 0.01:
        if box_left <= line_x <= box_right:
            if not (line_y_max < box_bottom or line_y_min > box_top):
                return True

    return False
```

**增強的衝突分數計算**（第 345-458 行）：
在貪婪算法中增加"連接線穿過其他文字框"的檢測：

```python
def _calculate_lane_conflicts(self, ...):
    # 1. 文字框水平重疊（高權重：10.0）
    for occupied in occupied_lanes[lane_idx]:
        if 重疊:
            score += 10.0 * overlap_ratio

    # 2. 連接線穿過其他文字框（高權重：8.0）✨ 新增
    # 檢查連接線的三段路徑是否會穿過已有標籤
    for occupied in all_occupied_lanes:
        # 檢查垂直線段1
        if self._check_line_intersects_textbox(event_x, 0, event_x, mid_y, ...):
            score += 8.0

        # 檢查水平線段
        if self._check_line_intersects_textbox(event_x, mid_y, label_x, mid_y, ...):
            score += 8.0

        # 檢查垂直線段2
        if self._check_line_intersects_textbox(label_x, mid_y, label_x, label_y, ...):
            score += 8.0

    # 3. 連接線交叉（低權重：1.0）
    if 不同側 and 時間重疊:
        score += 1.0
```

**結果**：貪婪算法會自動選擇連接線不穿過其他標籤的泳道，大幅改善視覺清晰度。

#### 1. 新增 `_calculate_label_positions()` 方法（第 250-343 行）
```python
def _calculate_label_positions(self, events, start_date, end_date):
    """v9.0 - 固定5泳道 + 貪婪避讓算法"""

    # 固定 5 個泳道配置
    SWIM_LANES = [
        {'index': 0, 'side': 'upper', 'ratio': 0.25},
        {'index': 1, 'side': 'upper', 'ratio': 0.55},
        {'index': 2, 'side': 'upper', 'ratio': 0.85},
        {'index': 3, 'side': 'lower', 'ratio': 0.25},
        {'index': 4, 'side': 'lower', 'ratio': 0.55},
    ]

    # 追蹤每個泳道的佔用情況
    occupied_lanes = {i: [] for i in range(5)}

    # 貪婪算法：按時間順序處理每個事件
    for event_idx, event in enumerate(events):
        # 計算標籤時間範圍
        label_start = event_seconds - label_width_seconds / 2 - safety_margin
        label_end = event_seconds + label_width_seconds / 2 + safety_margin

        # 為該事件選擇最佳泳道
        best_lane = None
        min_conflicts = float('inf')

        for lane_config in SWIM_LANES:
            conflict_score = self._calculate_lane_conflicts(...)
            if conflict_score < min_conflicts:
                min_conflicts = conflict_score
                best_lane = lane_config

        # 記錄佔用情況並返回結果
        occupied_lanes[lane_idx].append({...})
        result.append({'swim_lane': lane_idx, ...})
```

#### 2. 新增 `_calculate_lane_conflicts()` 方法（第 345-413 行）
```python
def _calculate_lane_conflicts(self, event_x, label_start, label_end,
                              lane_idx, lane_config, occupied_lanes,
                              total_seconds):
    """計算將事件放置在特定泳道的衝突分數"""

    score = 0.0

    # 1. 檢查同泳道的文字框水平重疊（高權重：10.0）
    for occupied in occupied_lanes[lane_idx]:
        if not (label_end < occupied['start'] or label_start > occupied['end']):
            overlap_ratio = ...
            score += 10.0 * overlap_ratio

    # 2. 檢查與其他泳道的連接線交叉（低權重：1.0）
    for other_lane_idx in range(5):
        for occupied in occupied_lanes[other_lane_idx]:
            if 時間範圍重疊 and 在不同側:
                score += 1.0  # 交叉權重低

    return score
```

#### 3. 更新 `_render_horizontal()` 方法
- **第 463-483 行**：使用新的泳道數據結構
  ```python
  label_positions = self._calculate_label_positions(events, start_date, end_date)

  for i, event in enumerate(events):
      pos_info = label_positions[i]
      swim_lane = pos_info['swim_lane']
      swim_lane_config = pos_info['swim_lane_config']
      label_y = pos_info['label_y']  # 預先計算的 Y 座標
  ```

- **第 499-509 行**：更新 marker 數據結構
  ```python
  markers.append({
      'event_x': event_date,
      'label_x': label_x,
      'label_y': label_y,  # v9.0 使用預先計算的 Y 座標
      'swim_lane': swim_lane,
      'swim_lane_config': swim_lane_config,
      ...
  })
  ```

- **第 559-591 行**：使用固定泳道 ratio 計算連接線
  ```python
  lane_ratio = swim_lane_config['ratio']
  mid_y = label_y * lane_ratio
  ```

- **第 630-634 行**：固定 Y 軸範圍
  ```python
  y_range_max = 3.5  # 上方最高層 + 邊距
  y_range_min = -2.5  # 下方最低層 + 邊距
  ```

---

## 🧪 測試驗證

### 測試步驟

1. **啟動應用程式**
   ```bash
   python app.py
   ```

2. **導入測試資料**
   - 使用 `demo_project_timeline.csv`（15 個事件）
   - 或使用 `demo_life_events.csv`（11 個事件）

3. **生成時間軸**
   - 選擇 Plotly 渲染模式
   - 點擊「生成時間軸」按鈕

4. **觀察效果**
   - ✅ 檢查是否有 5 個固定泳道
   - ✅ 檢查文字框是否無重疊
   - ✅ 檢查連接線是否交叉最少
   - ✅ 檢查視覺效果是否清晰

---

## 📊 v9.0 與前版本對比

| 項目 | v8.0 (D3 Force) | v9.0 (固定5泳道 + 貪婪算法) |
|------|----------------|---------------------------|
| **泳道數量** | 動態（無限制） | 固定 5 個 |
| **標籤分配** | 力導向模擬 | 貪婪算法 |
| **避碰策略** | 物理碰撞力 | 衝突分數計算 |
| **文字框重疊** | ❌ 偶爾發生 | ✅ 高權重避免（10.0） |
| **連接線交叉** | ❌ 較多 | ✅ 低權重優化（1.0） |
| **計算複雜度** | O(n² × iterations) | O(n × 5) = O(n) |
| **視覺穩定性** | ⚠️ 不穩定（動態） | ✅ 穩定（固定） |
| **可預測性** | ❌ 低 | ✅ 高 |

---

## 🎯 v9.0 優勢

1. **固定泳道** - 視覺穩定，易於理解
2. **貪婪算法** - 快速高效，O(n) 複雜度
3. **衝突分數** - 精確控制重疊和交叉的優先級
4. **可調優** - 簡單調整權重即可改變行為
5. **回歸 Plotly** - 成熟穩定的渲染引擎
6. **🆕 連接線避讓** - 選擇泳道時避免連接線穿過標籤，視覺清晰

---

## 🔧 參數調整（可選）

如需調整避讓行為，可修改 `_calculate_lane_conflicts()` 方法中的權重：

```python
# 文字框重疊權重（默認：10.0）
score += 10.0 * overlap_ratio

# 連接線穿過文字框權重（默認：8.0）✨ 新增
score += 8.0

# 連接線交叉權重（默認：1.0）
score += 1.0

# 同側遮擋權重（默認：0.5）
score += 0.5
```

**建議**：
- 文字框重疊權重 10.0：最高優先級，必須避免
- 連接線穿過文字框 8.0：次高優先級，嚴重影響可讀性
- 連接線交叉權重 1.0：低優先級，視覺影響小
- 保持比例 10:8:1:0.5 通常效果最佳

---

## ✅ 實施總結

- **實施時間**：約 2 小時
- **修改檔案**：1 個（`backend/renderer_timeline.py`）
- **新增方法**：3 個
  - `_calculate_label_positions()` - 固定5泳道 + 貪婪算法
  - `_calculate_lane_conflicts()` - 衝突分數計算（含連接線穿過檢測）
  - `_check_line_intersects_textbox()` - 線段與文字框碰撞檢測
- **程式碼行數**：約 280 行
- **測試狀態**：待驗證

**v9.0 已完成（含連接線避讓增強）！現在請啟動應用並測試效果。** 🎉

---

## 🎨 連接線避讓示意圖

### 問題場景
```
標籤B
  ↑
  |
  |─────────[標籤A]─────→ 標籤A
  |         遮擋！        ↑
  |                       |
●─────────────────────●
事件點B            事件點A
```
**問題**：標籤B的連接線（水平線段）穿過標籤A的文字框

### v9.0 解決方案
```
標籤B              標籤A
  ↑                  ↑
  |                  |
  |────→       ←─────| （較高泳道）
  |                  |
  |      [標籤A]     |
●───────────────────●
事件點B          事件點A
```
**解決**：貪婪算法讓標籤B選擇較高泳道，連接線不穿過標籤A