Me gusta la respuesta de Brian (y creo que los mapas insertados pueden ser realmente geniales e informativos para resaltar porciones específicas o irregularidades), pero al principio simplemente usaría un símbolo proporcional para representar la edad del edificio (y hacer dos mapas, uno con edificios más viejos que obtengan un símbolo más grande y uno con edificios más nuevos obteniendo un símbolo más grande). Los dos mapas se deben a que si tiene áreas que están sobremuestreadas, es probable que tengan un mayor número de edificios nuevos y antiguos.
Esto no funcionará tan bien si los edificios están demasiado agrupados ya que los símbolos proporcionales se superpondrán (como sugirió en su pregunta). Por lo tanto, aquí es donde un enfoque de estimación de densidad kernal (que crea un mapa de calor continuo) podría ser muy útil.
También diría que las estadísticas resumidas en su caso pueden ser útiles. El cálculo de las medidas globales de autocorrelación espacial (por ejemplo, Moran's I, Getis Ord, Geary's C) será informativo sobre la distribución. También puede asignar medidas locales de asociación espacial para visualizar grupos de edificios antiguos o jóvenes.