Mer

Mine problemer med å gjengi formfiler på nettbasert kartapplikasjon

Mine problemer med å gjengi formfiler på nettbasert kartapplikasjon


Først vil jeg gi beskjed om at dette er min første reise til å utvikle kartleggingsapplikasjoner med et så stort datasett. Så jeg er på måte låst inn i teknikkene eller teknologiene listet opp nedenfor ...

Oversikten

Det jeg prøver å oppnå er muligheten til å laste selskapets markedsinformasjon for USA på noen form for nettbasert kartprogramvare. For øyeblikket prøver jeg å oppnå dette med Google Maps JS api og GeoJSON-data, men er ikke imot andre alternativer. Det er omtrent 163 filer (fra 6 MB til 200 KB) som jeg har eksportert fra ArcGIS til GeoJSON-filer, og deretter lastet inn i en database (for tiden som GeoJSON-strenger). Vi har utviklet et brukergrensesnitt som laster inn data basert på gjeldende kartgrenser og maks / min-beregninger i de tilsvarende postene.

Problemet jeg støter på er gjengivelsestiden på selve kartet, som er irriterende når jeg bytter mellom forskjellige regioner, stater eller zoomnivåer. API-anropene for å laste inn data er akseptable med hensyn til størrelsen på dataene som blir hentet. Sjefen min sa at det er flott for et bevis på konseptet, men vil gjerne se det mye, mye raskere.

Spørsmålene

Hvilke forslag kan du tilby for å øke gjengivelsestiden?

Er det bedre alternativer (tredjepartsbiblioteker, teknikker osv.) For det jeg prøver å oppnå?

Det ble foreslått av en kollega å eksportere kartformene og bare bruke bildene til å legge informasjonen basert på koordinatene. Noen innspill til dette?

Rediger nr. 1

Formene består av polygoner og multi-polygoner. De sporer i hovedsak rundt alle våre markeder med markant, ugjennomsiktig fylling og kant.

Den interaktive evnen ville være hyggelig å kunne klikke på et gitt område og hente eiendom, kanal og andre datapunkter, men er ikke viktig for suksessen. Jeg kunne legge dataene om nødvendig.


Filstørrelsene du bruker er altfor store til å bruke GeoJSON gjengitt som vektorer på klientsiden. Det vil være tregt å laste ned og også kaste ned nettleseren da den sliter med å gjengi all geometrien.

Den beste fremgangsmåten for datasett i mellomstore til store størrelser er å gjengi dem som bilder på serveren og sende bildene til klienten.

Jeg bygger mange nettkartleggingssystemer, hvis spesifikasjonene er veldig spesifikke, bygger jeg en tilpasset app med en PostGIS / GeoServer / Leaflet stack. Når spesifikasjonene er rett frem som dine, bruker jeg en hostet løsning (vanligvis Mango), som tar seg av all flisgjengivelse og funksjonalitet for deg.

Her er et av eksemplene på kartene fra Mango-hjemmesiden, det ser ut som den typen ting du trenger når du klikker på en funksjon.


4 Beste gratis programvare for kartlegging for Windows

Her er en liste over Beste gratis kartfremstillingsprogramvare for Windows. Denne kartopprettingsprogramvaren lar deg lage dine egne tilpassede kart. Du kan legge til forskjellige steder, opprette stier osv. På et kart og gjøre kartene dine mer forklarende. Du kan enten lage et tilpasset kart fra bunnen av eller importere en shapefile av et kart til prosjektet ditt.

Alle disse tilpassede kartprodusentprogramvarene støtter shapefiles. Det er noen nettsteder som lar deg laste ned og bruke shapefiles i prosjektet ditt gratis. Her er lenkene til slike nettsteder: DIVA-GIS, MapCruzin, GADM, Natural Earth, Mapzen.

Du kan legge til punkter for å indikere forskjellige steder og tegne linjer for å vise stier på kartet ditt. I tillegg til dette kan du også tegne forskjellige former på kartet, som svømmebassenger, dammer, innsjøer, parker, lekeplasserosv. Du kan også merke forskjellige steder og måle avstanden, området og vinkelen på kartet.

Min favorittprogramvare for kartfremstilling for Windows:

QGIS er mitt favorittvalg for programvare for å lage kart. Det er en programvare for å lage kart med åpen kildekode som kommer med mange funksjoner. Du kan merke punkter, tegne linjer, lage forskjellige former osv. Til lage tilpassede kart. Videre kan du også markere forskjellige steder med forskjellige symboler. For eksempel flysymboler for flyplasser, skje- og gaffelsymboler for restauranter osv.

Du vil kanskje også like noen av de beste gratis programvarene Mind Mapping, Key Mapping og Sitemap Generator for Windows.

QGIS står for Quantum Geographic Information System. Det er en gratis og åpen kildekode GIS-programvare som også kan brukes til lage tilpassede kart. Du kan importere formfiler av kart fra forskjellige land, eller starte fra bunnen av. Det kommer også med et stort antall plugins du kan installere og administrere dem i Plugins Meny.

Lag egendefinerte kart i QGIS:

Du kan lage et detaljert kart ved å sette inn flere lag i prosjektet. Hvert lag kan settes inn som et punktlag, linjelag eller polygonlag. Et punktlag legges til for å markere forskjellige punkter på et kart, linjelag legges til for å tegne baner på et kart, og et polygonlag legges til for å tegne forskjellige former på et kart. Hvis du for eksempel vil vise stien mellom to steder, for eksempel hjem og skole, må du legge til både punkt- og linjelag på kartet. I tillegg til dette kan du også markere grensene på kartet ditt.

Se skjermbildet ovenfor, der jeg importerte shapefilen til USA og redigerte den ved å legge til tre lag. QGIS har også forskjellige symboler som kan brukes til å markere forskjellige steder på kartet. For eksempel kan du vise restauranter, skoler, flyplasser osv.

Denne gratis kartfremstillingsprogramvaren har også tre måleverktøy som lar deg måle avstanden mellom to punkter, området for det valgte området og vinkelen mellom to baner på kartet. Du kan stille inn kilometer, meter, meter, føtter, miles, etc. som måleenheter for avstand og kvadratmeter, kvadratkilometer, kvadratmeter, kvadratmeter, kvadratkilometer, dekar, hektar, etc. for område.

Når du er ferdig, kan du lagre prosjektet i QGIS-format. Det har også et alternativ for å lagre det opprettede tilpassede kartet i forskjellige bildeformater, for eksempel BMP, ICO, JPG, PNG, PPM, TIFF, etc.

Se denne opplæringsvideoen for å forstå hvordan du kan begynne med QGIS.


Desktop GIS-plattformer er de sveitsiske hærknivene til GIS. De brukes til å lage, redigere, visualisere, administrere og analysere geografiske data.

QGIS-grensesnittet

Desktop GIS-systemer er komplekse programmer. Som med verktøy som Photoshop eller Microsoft Excel, kan de fleste brukere finne ut det grunnleggende ganske raskt, men det kan ta flere år å bli en sann mester.

Den beste måten å lære om et desktop GIS-system er gjennom en problem / løsningstilnærming. Så i stedet for å prøve å lære alt det & rsquos er i stand til, begynner det & rsquos best å finne ut delene som er aktuelle for problemene du vil løse.

Som jeg nevnte i et forrige kapittel, er disse problemene for de fleste GIS-nybegynnere:

  • Lage visualiseringer, kategorikart / mengdekart / varmekart osv
  • Utføre spørsmål og visualisere resultatene
  • Bli med regneark med kartdata
  • Geokoding adresser
  • Redigering av funksjonsgeometri
  • Redigering av attributtdata for funksjoner

Desktop GIS-systemer er i stand til mye mer, men disse emnene er vanligvis et godt utgangspunkt.

Senere i dette kapitlet vil vi se på de mest populære stasjonære GIS-systemene, alt fra gratis og åpen kildekode-løsninger til dyre betalte produkter.


Ett stykke av et puslespill

WHC-arbeidsflyten som LPDraw-verktøyet vil spille en rolle i, går slik:

  1. Identifiser ett eller flere kart, hvor data vil være nyttige for noen forskningsdomener - typisk for en bestemt region eller kombinasjon av region / periode. Dette kan være historiske kart som kan lastes ned fra en online ressurs som David Rumsey Map Collection, eller via Old Maps Online. Eller de kan være papirkart, muligens fra et historisk atlas.
  2. Georeferanse hvert kartbilde, noe som resulterer i en GeoTIFF-fil for hver.
      det er andre alternativer
  3. Lag et xyz-kartfliser for hver GeoTIFF. Vi bruker MapTiler-programvare for dette. Legg merke til detaljer på fliser som minimum og maksimum zoom og grenser.
  4. Last opp brikkesettet (e) til et sted som er tilgjengelig på nettet
  5. Registrer deg som bruker i LPDraw-appen
  6. Lag en prosjektpost og kartoppføringer for hvert enkelt kart i prosjektet
  7. Identifiser, for prosjektet som helhet eller for hvert kart, funksjonstypene som skal digitaliseres, og en tidsperiode som representerer tidsmessig dekning av prosjektet og / eller hvert enkelt kart.
    • Funksjonstyper vil bli presentert som alternativer i grensesnittet, og tidsspenn blir automatisk lagt til hver digitaliserte funksjon (hvis dette alternativet er merket av i kartoppføringen)
    • Funksjonstyper er ikke som standard begrenset til en bestemt geometripunkt, linjer og polygoner er alle alternativene
  8. Tilordne andre registrerte brukere som samarbeidspartnere som kan opprette og redigere funksjoner for prosjektet.
  9. I skjermbildet "tegne" velger du et prosjekt og kart fra rullegardinmenyene. Kartet laster inn og digitaliserer funksjoner etter ønske.
    • Bruk opasitetskontrollen for å se det underliggende kartet, som en hjelp til riktig plassering
    • Skriv inn et navn eller navn i popupen, i henhold til LP-TSV-formatkonvensjonen, f.eks. skille varianter med et ''
  10. Nedlastingsalternativer som er tilgjengelige så langt er formatet Linked Places (GeoJSON-kompatibelt) og TSV.

40 algoritmer hver programmerer burde vite

Lær algoritmer for å løse klassiske datavitenskapelige problemer med denne konsise guiden som dekker alt fra grunnleggende ...

Web Mapping Illustrated

Ved hjelp av Internett og tilhørende verktøy har det blitt ...

Learning Go

Go blir raskt det foretrukne språket for å bygge webtjenester. Det er mange opplæringsprogrammer ...

Head First Android Development, 3. utgave

av Dawn Griffiths, David Griffiths

Hva vil du lære av denne boka? Hvis du har en idé om en morder Android ...


Hvorfor gjengir ikke den samme gruppen riktig linjediagram og tilsvarende områdediagram?

Jeg prøver å få inn en lignende fremstilling av dataene mine for områdediagrammet mitt, slik at jeg kan skrubbe på områdediagrammet, men bruk verktøytipsen i det faktiske linjediagrammet med sirkulasjonsdata. For øyeblikket tror jeg at jeg har to problemer som bryter tverrfilteret mitt og får områdediagrammet til å se skremmende ut:

Hvis jeg bruker standardgruppen generert av kryssfilter, ender jeg opp med en verdi som er (sirkulasjonsdata * antall_regioner_i_som_magasin_var_sirkulert). For å omgå dette opprettet jeg et kart som holder oversikt over antall regioner, og deler de representerte verdiene. Jeg kunne ikke finne ut hvordan jeg skulle lage en gruppe for dette, og håndtere det på datanivå. Som et resultat gjør jeg bare korreksjonen på gjengivelsesteget - kan dette være årsaken til mine problemer?

Jeg bruker nøyaktig samme gruppe for linjediagrammet og områdediagrammet. I NASDAQ-prøven ser de ut til å behandle dataene annerledes, men det virker som om de bare binner det annerledes, og ikke gjør en dramatisk endring. Jeg forstår ikke hvorfor grafen min har en så dramatisk negativ verdi på punkt null.

Kode for de fornærmende diagrammer nedenfor. Vær oppmerksom på at det er noe kokeplate å slå gjennom i fele fordi det ikke er noe CDN for datformat


3D WebGIS-basert sanntids informasjonspubliseringsmodell

Med utviklingen av seismiske sensorer, overføringsnettverk, datamaskinvare og programvare, kan et digitalt seismisk observasjonsnettverk for seismisk overvåking nå gi en rekke sanntidsinformasjon, for eksempel bølgeformer i sanntid, tyngdekraft, underjordiske væsker og skorpedeformasjon . I tillegg, som en annen type sanntidsdata, gir jordskjelvssituasjonen, katastrofehåndtering og nødstyringsinformasjonsstyringssystem sanntidsanalyse og formidling av jordskjelvssituasjonen, jordskjelvspådommer eller katastrofeområde. For å administrere og analysere disse dataene av forskjellige typer og romlige egenskaper, bruker vi GIS fordi det karakteristisk integrerer og visualiserer multikildedata.

I denne artikkelen integrerer vi sanntids datainnsamling og prosessering med tradisjonell GIS (Gong et al. 2014) og foreslår en ny tilnærming for en sanntids 3D visuell publisering av jordskjelvinformasjonsmodell basert på WebGIS og digital verden. Modellen forener dynamisk datapublisering med statiske romlige data over et nettverk og viser behandlet data levende i virtuelle 3D-scenarier. Det gir en generell løsning for å samle seismologiske og romlige data ved hjelp av standardtjenester for seismologi.

Denne modellen består av fire nivåer eller lag: anskaffelse, databasetjeneste, applikasjonstjeneste og visualisering, som vist i figur 1. Oppkjøpssjiktet samler seismisk sanntidsinformasjon i sanntid. Den består hovedsakelig av ulike sanntidsinformasjonsmottakere. Mottakermodulene henter informasjonen fra organisasjoner som US Geological Survey (USGS 2014), China Network Center (CENC 2014), sanntids seismiske nettverksovervåkings- og analysesystemer og jordskjelvsystemer for tidlig varsling og skyver dataene inn i databasen lag. Oppkjøpssjiktet skiller nivåene til et generelt WebGIS-system ved at de automatisk kan samle inn data i sanntid, mens nivåene i WebGIS-systemet mangler riktig funksjon. Databaselaget omhandler to forskjellige typer romlig informasjon: sanntid og statiske data. Sanntidsdataene styres av sanntidsdatabaser, for eksempel en seismisk hendelsesdatabase. De statiske dataene administreres av romlig database, som kartografiske kart, fjernmålerbilder, digitale høydemodeller, feil og plategrenser, som ikke kan endres på kort tid. Applikasjonstjenestelaget er nøkkelen til arkitekturen til modellen. Den henter data fra databaselaget og publiserer det bearbeidede resultatet ved hjelp av visualiseringslaget. Den tilbyr to tjenester: sanntidstjeneste og en karttjeneste via en webserver. Sanntidstjeneste filtrerer sanntidsdataene fra databaselaget og konverterer dataene til et enhetlig format, mens karttjenesten tilbyr Open Geospatial Consortium (OGC) Web Map / Feature Service (WMS / WFS). Visualiseringslaget utfører to funksjoner: tidsmessige og 3D-kartvisninger. Den tidsmessige visningen representerer dynamisk sanntidsdata, det vil si jordskjelvhendelser og gjeldende status for seismiske enheter, som skyves fra applikasjonstjenestelaget. Tredimensjonalt (3D) kartvisning gjengir hovedsakelig 3D-scenen ved hjelp av vektordata, fjernmålerbilder og terrengdata. De to komponentene kan kombineres i en 3D-visuell klient eller nettleser, det vil si en virtuell verden, hvorfra brukere interaktivt kan få tilgang til eksterne ressurser med operasjonsforespørsler og vise resultatene av den omfattende informasjonen. Laget integrerer forskjellige data og uttrykker den virtuelle virkeligheten i det geografiske området i fokus, og forbedrer representasjonen av seismologisk informasjon.

Sanntids 3D WebGIS-arkitektur

Modellen har evnen til å samle inn, analysere og spre jordskjelvinformasjon i sanntid, hentet fra organisasjonsnettsteder eller automatiske prosesseringssystemer, for eksempel jordskjelv-varslingssystemer (EEW), som genererer informasjon om jordskjelv, rister kart og varslingsinformasjon. Det kan også enkelt utvides til en rekke typer sanntidsdata, som tyngdekraft, underjordiske væsker og skorpedeformasjon, bare ved å legge til nye mottaksmoduler i sanntid, og er ikke begrenset til informasjon etter jordskjelv.


Eksperimentresultater

Testområde

For å evaluere metodikken vår kartla vi og kartlegger OSM-databasen et område som inkluderer alle nødvendige data og informasjon (som beskrevet i “Definere vektede nettverksgrafkriterier ved hjelp av OSM-data”), ved å legge til manglende funksjoner og oppdatere eksisterende (f.eks. Attributter angående om overfarten har taktil belegning). Testområdet som ble valgt var Technion Campus i Haifa, Israel. Campus og omgivelser fungerer som en god casestudie da de presenterer mange romlige og miljømessige trekk som er verdifulle for vår evaluering og analyse. Vi bekrefter at veinettet i området er topologisk og geometrisk godt konfigurert i OSM, slik at vi kan analysere og evaluere rutene generert av systemet med tanke på tilgjengelighet og sikkerhet for blinde fotgjengere (i alle eksperimenterj = 1).

Kvantitativ evaluering

Figur 1 viser tre valgfrie ruter beregnet av systemet vårt (til venstre) med OSM-data og akkumulerte lengder og kostnadsverdier for hver rute (høyre). Alle tre stiene går fra samme utgangspunkt (nr. 1 til venstre på kartet), ved hovedinngangen til Technion campus, og fører til samme destinasjonspunkt (nr. 2 til høyre på kartet), kl. sovesalene. Mens den oransje ruten er den korteste stien, er den blå ruten den mest optimale for blinde fotgjengere. Selv om det å se fotgjengere foretrekker den kortere oransje ruten, er dette en farligere rute for blinde fotgjengere når den kjører langs en servicevei som også brukes av kjøretøyer og derfor er den minst foretrukne eller optimale av de tre. Den beregnede blå ruten ble valgt av systemet vårt som den foretrukne ruten på grunn av den møtende trafikken som gir tydelige retningslyder, tilstedeværelsen av landemerker underveis, og det faktum at den består av færre veisegmenter (sammenlignet med den grønne ruten) . Ved å analysere fullstendighetsproblemer som ofte er knyttet til OSM, fjernet vi alle landemerker fra databasen og kjører beregningen på nytt. Denne gangen ble den grønne ruten valgt som den mest optimale, og fastslår at blinde fotgjengere ikke vil gå på den farligere oransje ruten. Denne simuleringen gjengir et tilfelle der brukeren blir hjulpet av en førerhund, slik at landemerker er mindre relevante for hans / hennes navigasjonsprosess.

Figur 1. Tre genererte ruter på Technion campus.

Vi undersøkte også en rute som krever kryssing av en hovedvei, som vist i figur 2. Mens den oransje ruten er kortere, er den mindre egnet for blinde fotgjengere på grunn av kompleksiteten i kryssene og det faktum at de er mindre tilgjengelige. Systemet genererte den blå ruten som den optimale, til tross for lengden, på grunn av den lavere totalvekten sammenlignet med den kortere oransje ruten - hovedsakelig på grunn av de nyttige APS-trafikklysene.

Figur 2. To genererte ruter som inkluderer kryssing av en vei.

Kvalitativ evaluering

For å forbedre vår kunnskap og forståelse av optimale ruter for blinde fotgjengere, og undersøke algoritmen som vi designet og utviklet, gjennomførte vi to typer eksperimenter. Først ble blinde frivillige i både Haifa (seks deltakere) og New York City (tre deltakere) bedt om å gå fra punkt A til punkt B via to forskjellige ruter. Deretter delte de deres innsikt om begge rutene: en optimal for blinde fotgjengere, men lengre på avstand, som ble generert av systemet vårt, og en kortere i avstand, men mindre optimal for blinde fotgjengere, som ble generert av Google Maps-appen. I det andre eksperimentet ble en OMI på Technion Campus bedt om å finne den optimale ruten mellom tre sett med opprinnelsesdestinasjonspunkter. I løpet av utforskningen delte hun refleksjoner og tanker om hver inspiserte rute, for eksempel elementer som eksisterer i nærheten av ruten som kan hjelpe eller forstyrre navigering og orientering av blinde fotgjengere. Rutene valgt av OMI ble deretter sammenlignet med de optimale rutene som genereres av systemet vårt.

Eksperiment 1

Technion-campus

Deltakerne uttalte at ruten som ble generert av systemet vårt var optimal (avbildet i blått i figur 3 til venstre), faktisk var enklere og lettere å navigere. De nevnte også at å gå langs veikanten i stedet for å gå gjennom en park (som regnes som mer kompleks) hjalp navigasjonen deres, siden de kunne lytte til lyden og retningen til møtende trafikk og kunne bruke kjente landemerker. En deltaker sa til og med at den optimale ruten føltes kortere sammenlignet med den fysisk kortere ruten. På den annen side sa en annen deltaker at selv om parker betraktes som vanskelige omgivelser for navigering, gir de et mer avslappende og roligere miljø.

Figur 3. Technion campus (venstre) og NYC (høyre) - to valgfrie ruter.

New York City

Innspill fra deltakerne i New York City var lik. Disse deltakerne foretrakk også ruten som systemet vårt genererte som optimal (avbildet i blått i figur 3, til høyre). Igjen nevnte noen deltakere fordelene ved å navigere gjennom parken - selv om parken (Madison Square Park) er enda mer utfordrende enn Technion-parken (da den er mer overfylt og har fontener, spillende musikere og matvogner som kan ha en kognitiv overbelastning blant blinde fotgjengere). Selv om en deltaker nevnte at disse hindringene kunne brukes som navigasjonslandemerker, takket være deres forskjellige lyder og lukter, kan de ikke alltid modelleres som noen er midlertidige. En annen deltaker bemerket at barrieren mellom gangstien og gresset i den optimale ruten var gunstig for hans orientering.

Eksperiment 2

Test A

Denne testen tilbød tre forskjellige ruter for å nå samme destinasjon etter å ha forlatt samme utgangspunkt (figur 1). Systemet vårt valgte den blå ruten som optimal for blinde fotgjengere. På spørsmål om å undersøke de tre mulige rutene valgte OMI - som ikke hadde blitt informert om systemets resultat - nøyaktig samme rute som den mest optimale ruten for blinde fotgjengere. Eksperten valgte denne ruten som optimal for blinde fotgjengere, hovedsakelig på grunn av det store antallet nyttige landemerker som ligger på ruten (10 i den blå ruten sammenlignet med 1 i den grønne ruten), og dens enkel navigering, f.eks. trinn med et gelender. Eksperten bemerket også at det korteste rutealternativet ikke er trygt for blinde fotgjengere, da det deles med biler og delvis hindres av en port. Hun la til at noen landemerker langs de oransje og blå rutene til og med kan betraktes som hindringer, for eksempel trær som blokkerer veien.

Test B

Dette området inneholder flere kryss, avbildet i figur 4 (til venstre). Av de to mulige rutene fra utgangspunktet (busstasjonen nede til venstre) til bestemmelsesstedet (legesenteret øverst til høyre) valgte både ekspert og vårt system den samme ruten (grønn) som optimal for blinde fotgjengere dette er tilfeldigvis den korteste ruten. Den valgte optimale ruten inkluderer mer veiledende landemerker, krever ikke kryssing av parkeringsinnganger, og presenterer en enkelt kryssing med tydelig retning ved hvert kryss i stedet for to kryssinger.

Figur 4. Test B (venstre) og test C (høyre).

Test C

OMI ble bedt om å undersøke et ekstra område innenfor Technion campus. Avbildet i figur 4 (til høyre) fant systemet at den grønne ruten var optimal, mens eksperten valgte en litt annen rute, den blå ruten, for å være den optimale ruten for blinde personer. I ingen av tilfellene var den fysisk korteste ruten, dvs. den røde, valgt som optimal for blinde fotgjengere, da den er ekstremt kompleks, utilgjengelig og usikker. Følgelig ga systemet vårt den røde ruten en høy vektverdi, hovedsakelig fordi den passerer flere begrensninger og ekstra kostnadspunkter. Begge ruter valgt av systemet og OMI har lignende attributter, hovedsakelig å gå langs veier med biltrafikk, og retningen er for det meste tydelig mens man unngår farlige inngangsparkeringer. For å reise mellom de midtre og øverste rundkjøringene, foretrakk OMI vestfortauet og forklarer at det inkluderer flere veiledende landemerker (f.eks. Et bussholdeplass), og forklarer også at det er tryggere for blinde fotgjengere å krysse to separate kryss (den blå ruten) heller enn ett mer komplekst kryss (den grønne ruten) som inkluderer to kryssinger. Etter denne innsikten ble denne faktoren lagt til algoritmen. Både OMI og systemet vårt inkluderte ikke øst fortauet mellom bunn og midt rundkjøring, og tolket det som usikre kryssinger av parkeringsinnganger som ikke hadde noen fotgjengerfelt, og enda farligere, noen steder gikk turen ved siden av fortauskanter gradert ned til en tilstøtende overflate som kan føre til at blinde fotgjengere feilaktig vender seg mot veien.


Web 3D GIS-applikasjon for flomsimulering og spørring gjennom åpen kildekode-teknologi

På grunn av etterspørselsperspektiv har online 3D-visualisering og analyse av geospatiale data ved hjelp av web-3D-tjenesten (W3DS) blitt et fremvoksende forskningsområde i GIS-domenet (geografisk informasjonssystem). Applikasjonene til Web 3D GIS tar for seg problemene knyttet til katastrofehåndtering, byplanlegging, transportsystem, flomsimulering osv. CityGML er en nylig utviklet standard OGC-standard (geocatial consortium). Den kan brukes til å skissere, lagre og utveksle virtuelle 3D-bys vanlige informasjonsmodeller. En mengde åpen kildekode og kommersielle programmer er utviklet for visualisering og prosessering av CityGML-data, men visualisering og analyse i nettlesermiljøet er fortsatt et utfordrende felt. Selv om mange applikasjonsprogrammeringsgrensesnitt (APIer) er tilpasset for visualisering av 3D-grafikk på nettet, men disse krevde spesifikke nettlesere med tilleggsprogrammer eller komponenter. For å overvinne de ovennevnte begrensningene, har Web 3D open source-teknologier som WebGL, X3D, jQuery og X3DOM blitt brukt i den utviklede applikasjonen for flomsimulering og spørring i moderne nettlesere. Den utviklede applikasjonen har blitt brukt fritt tilgjengelig CityGML i den lille regionen i Tyskland for testing og evaluering av flomsimulering og spørring i et tilgangsmiljø for flere brukere. Som et resultat har W3DS blitt introdusert i applikasjonen for tilgang til 3D-datasett i et interoperabelt rammeverk.

Dette er en forhåndsvisning av abonnementsinnhold, tilgang via institusjonen din.


HERE Integrering av trafikkhendelser i Leaflet.js

Jeg integrerer for øyeblikket HERE-kart i vårt nettbaserte program. Jeg prøver begge deler - HER ga Javascript API og Leaflet samtidig for å finne den beste tilnærmingen for brukssaken vår.

Selv om JavaScript-API levert av HERE maps er OK, gjør gjengivelse av Leaflet mye bedre når du bruker rasterfliser.

Det ville være greit for meg å bruke rasterfliser + brosjyre, men applikasjonen vår må også vise data om trafikkhendelser.

Trafikkhendelsesdata er gitt av HERE i JSON- og XML-format (Dokumentasjonslink, eksempel JSON). De har [Z] / [X] / [Y], firhjuletast, prox, bbox eller korridorfiltre som kan brukes til å hente filtrert datasett.

Jeg har prøvd å bruke [Z] / [X] / [Y] adressering med tilpasset L.TileLayer-implementering som laster riktig JSON, konverterer den til GeoJSON og viser GeoJSON på kartet. Imidlertid er denne tilnærmingen svært ineffektiv, og betydelig ytelsesfall er synlig.

Kanskje noen allerede har løst dette problemet og kan dele innsikt i hvordan HERE-trafikkhendelsene kan vises på Leaflet-kartet uten å møte ytelsesproblemer?


Referanser

Ganai S, Garb JL, Kanumuri P, Rao RS, Alexander AI, Vent RB: Kartlegging av endetarmen: Romlig analyse av transanale endoskopiske mikrokirurgiske utfall ved bruk av GIS-teknologi. J Gastrointest Surg. 2006, 10: 22-31. 10.1016 / j.gassur.2005.08.030.

Zaslavsky H, He J, Tran ME, Martone AG: Integrering av hjernedata romlig: Romsdatainfrastruktur og atlasmiljø for online føderasjon og analyse av hjernebilder: Aug / Sept 2004 Zaragosa, Spania. Biological Data Management Workshop (BIDM 2004) i forbindelse med 15. International Workshop on Database and Expert Systems Applications (DEXA'04). 2004

Uren RF, Howman-Giles R, Thompson JF: Mønstre av lymfatisk drenering fra huden hos pasienter med melanom. J Nucl Med. 2003, 44: 570-82.

Uren RF, Thompson JF, Howman-Giles R, Chung DK: Rollen til lymfoscintigrafi i påvisning av lymfeknute-drenering i melanom. Surg Oncol Clin Nord Am. 2006, 15: 285-300. 10.1016 / j.soc.2005.12.006.

Bartling WC, Schleyer TK: En anvendelse av Geospatial Information System (GIS) teknologi til anatomisk tannkartlegging. AMIA Annu Symp Proc. 2003, 786-

Roth NM, Kiani MF: En "geografisk informasjonssystem" -basert teknikk for studier av mikrovaskulære nettverk. Ann Biomed Eng. 1999, 27: 42-47. 10.1114 / 1.204.

ESRI: ArcGIS. 2004, Redlands, CA, ESRI, 9.0

Bailey T, Gatrell AC: Innledende metoder for områdedata. Interaktiv romlig dataanalyse. 1995, Essex, England, Crown Books, 270-

Kaluzny SP, Vega SC, Cardoso TP, Shelly AA: Modeller for romlig regresjon. S + SpatialStats. 1998, New York, Springer, 128-144.