Viac

Ako vytvoriť maticu vzdialenosti cesty OD v QGIS?


Hľadám kroky potrebné na vytvorenie matice nákladov pôvodného cieľa (OD).

To, čo hľadám, je matica cesta vzdialenosti. Nástroj matice vzdialeností vytvára iba euklidovské vzdialenosti. Doplnok QGIS Roadgraph produkuje najkratšiu vzdialenosť od jeden pôvod do N destinácií. Potrebujem súbor obsahujúci vzdialenosti od všetky pôvody do N. najbližších destinácií. Mám veľa pôvodu, takže opakovanie analýz pomocou Roadgraph nie je možné. Ešte raz ďakujem.

Hľadám podrobný popis, začínajúci od nuly (tj. S mojimi 3 súbormi tvarov: pôvod, ciele, cestná sieť).


QGIS má všetky potrebné algoritmy, ale zatiaľ neexistuje GUI na vytváranie matíc. S určitými znalosťami jazyka Python by vám mala začať dokumentácia knižnice Network Analysis.


UPDATE - QGIS3:

Keďže sa zdá, že je to dôležitá téma, rád by som sa podelil o svoju odpoveď na podobnú otázku.

Ak používate aktuálnu verziu QGIS (3), môžete použiť doplnok QNEAT3. Ponúka viacnásobné algoritmy spracovania ktoré produkujú matice pôvodu a cieľa (OD-matica) ako riadkovú vrstvu, tabuľku alebo súbor CSV ihneď po vybalení. Všetky algoritmy sa spoliehajú nadijkstra ()metóda vqgis.analýzamodulu, preto sú všetky náklady vypočítané na základe najkratších ciest a využívajú kód C ++ na rýchlejšie vykonanie.

Viac informácií o doplnku môžete získať na stránke archív doplnkov qgis a v doplnkoch dokumentáciu.


Myslím, že pgRouting by bol pre vás najlepšia voľba. Mohli by ste sa prosím pozrieť na tieto príspevky a povedať, či je to vo všeobecnosti to, čo hľadáte?

Vytvorenie mnohých trás medzi cieľmi a cieľmi pomocou pgRouting (odpoveď Otta Costera) Ak áno, potom by existovala ďalšia slučka, ktorá je potrebná na vykonanie výpočtov pre všetky destinácie


V QGIS je nástroj Distance Matrix z hornej lišty: vektor/nástroje na analýzu/nástroj na výpočet vzdialenosti (dúfam, že preklad je správny kvôli mojej územnej verzii).

Dúfam, že to pomôže


Vypočítajte maticu vzdialenosti

Rozhranie API matice vzdialenosti Bing Maps poskytuje cestovný čas a vzdialenosti pre množinu pôvodov a destinácií. Vrátené vzdialenosti a časy sú založené na trasách vypočítaných pomocou rozhrania Bing Maps Route API. Časy sú založené na prediktívnych dopravných informáciách v závislosti od času začiatku uvedeného v žiadosti. Maticové vzdialenosti je možné vypočítať pre trasy jazdy, chôdze a verejnej dopravy. Toto API môže generovať aj matice vzdialeností, ktoré voliteľne obsahujú histogram cestovných časov za časové obdobie s nastaveným intervalom, ktorý zohľadňuje predpovedanú premávku v týchto časoch.

Dištančné matice sa používajú v niekoľkých rôznych typoch aplikácií. Najbežnejším je napájanie algoritmov, ktoré riešia problém cestovného predajcu (TSP) a problém so smerovaním vozidla (VRP). Medzi ďalšie bežné aplikácie patrí:

  • Zoradenie výsledkov vyhľadávania podľa skutočnej cestovnej vzdialenosti alebo času.
  • Určite časy príchodu podľa cestovných časov.
  • Vypočítajte rozdiel v časoch dochádzania medzi miestami. Napríklad: Hľadáme sťahovanie do novej kancelárie. Aký to má vplyv na čas dochádzania našich zamestnancov?
  • Zhromažďovanie údajov na základe času cesty a vzdialenosti. Príklad: Nájdite všetky domy, ktoré sa nachádzajú do 1 míle od rohového obchodu.

Keď zadáte požiadavku pomocou jednej z nasledujúcich šablón adries URL, odpoveď vráti zdroj matice vzdialenosti, ktorý obsahuje buď pole buniek matice vzdialenosti, alebo informácie o asynchrónnej požiadavke, ktorá bola vykonaná na výpočet matice vzdialenosti. Každá bunka matice vzdialenosti obsahuje polohu a index pôvodu a cieľa, s ktorým súvisí, čas cesty a vzdialenosť. Ak sa požaduje histogram matice vzdialenosti, zahrnie sa aj čas odchodu, v ktorom sa v histograme týka bunky, s ktorou súvisí. Ďalšie informácie o zdroji matice vzdialenosti nájdete v téme Údaje matice vzdialenosti. Môžete si tiež pozrieť vzorové adresy URL a hodnoty odpovedí v sekcii Príklady.

Informácie o geografickej dostupnosti výpočtu matice vzdialenosti nájdete v nižšie uvedenom parametri travelMode.


Pozrel som sa na vašu žiadosť https://maps.googleapis.com/maps/api/distancematrix/xml?origins=12413&destinations=12211&key=YOUR_API_KEY

Upozorňujeme, že parametre 12413 a 12211 v pôvodoch a cieľoch sú veľmi nejednoznačné hodnoty. Ak chcete získať výsledky, musíte zadať presnejšie adresy. Rozhranie Distance Matrix API bude interne kódovať zariadenia 12413 a 12211.

Napríklad model 12413 bude v USA geokódovaný na poštové smerovacie číslo „Káhira, NY 12413, USA“. Môžete to vidieť v nástroji Geocoder:

12211 bude geokódovaný na „Albany, NY 12211, USA“:

V oboch prípadoch to nie je PIN kód v Kambodži, ako by ste očakávali.

Ešte viac, keď sa pokúsim nájsť PSČ 12413 alebo 12211 v Kambodži pomocou filtrovania komponentov, dostanem ZERO_RESULTS:

Pokusy o získanie poštového kódu z reverzného geokódovania súradníc v Kambodži tiež vedú k ZERO_RESULTS:

Lokalitu pre rovnakú súradnicu možno nájsť:

Je to „Phnom Penh“ s číslom miesta ChIJ42tqxz1RCTERuyW1WugOAZw.

Vzhľadom na všetky tieto skutočnosti sa zdá, že Google nemá vo svojej databáze informácie o PIN kóde pre Kambodžu.

Môžem navrhnúť, aby ste vo svojej aplikácii použili automatické dopĺňanie miest. Týmto spôsobom si užívateľ môže vybrať navrhovanú adresu a vy môžete použiť ID miesta, ktoré si užívateľ vybral, na vykonanie požiadaviek matice vzdialenosti. Pozrite sa tiež na osvedčené postupy pre geokódovanie v oficiálnej dokumentácii:


Na získanie „trasy“ z GeoPoint X do GeoPoint Y použite Directions API. Dostanete zoznam bodov, ktoré predstavujú čiary (nohy alebo segmenty), ktoré musíte použiť, aby ste dosiahli X z X.

Vzdialenosti medzi bodmi môžete merať, ale DO NIE ROBTE TO, pretože výsledok XML alebo JSON bude obsahovať celkovú vzdialenosť trasy. Informácie o každom riadku môžete použiť na nakreslenie krivky na mape.

Zdá sa, že neexistuje Android API, iba API, ktoré vracia XML alebo JSON, ktoré budete musieť analyzovať. Ako sa to robí tu: Pokyny pre Mapy Google - ktoré API?


2 odpovede 2

Matica OSRM je veľmi rýchla (sekundy pre 300 miest), ale poskytuje iba časy jazdy. Aby ste získali vzdialenosti, musíte zavolať na pravidelnú trasu pre každý pár súradníc (hodiny).

Ďalšími alternatívami, ktoré hostíte sami, sú GraphHopper (bez matice, opakované volania na trasu) a Valhalla (matica vzdialenosti a času).

Ak musíte pripraviť maticu iba raz, mohla by byť lepšou možnosťou maticová služba s platbou za použitie. GraphHopper aj Valhalla's Mapzen jeden poskytujú, skontrolujte, či je podporovaná veľkosť vašej matice a aké sú náklady.


Ako vypočítať a spravovať tabuľky vzdialeností - technické informácie

Modul PTV xDima ponúka funkcie na výpočet a správu tabuliek vzdialeností.

Import a export formátov Dima: Môžete získať ďalšie informácie o binárnych formátoch súborov a formátoch textových súborov.

Formát súboru súbor s binárnym umiestnením je definovaná nasledovne:

  • Súradnica X Xi a súradnica Y Yi každého miesta Li
    uložené v celočíselnej hodnote so znamienkom 4 bajtov.
  • N -tice XYi pre i = 1. n (počet miest) sú uložené lineárne.

Formát súboru súbor binárnej vzdialenosti je definovaná nasledovne:

  • Vzdialenosť dij a obdobie jazdy pij medzi lokalitami Li a
    Lj sú uložené v celočíselnej hodnote so znamienkom 4 bajtov. Tuple z
    vzdialenosť a bodka sa označuje ako dpij.
  • N -tice dpij pre i = 1. n (počet miest) a j = 1. n
    uložené lineárne.
  • Napríklad: Tabuľka vzdialeností, ktorá pozostáva zo vzdialeností a jazdy
    obdobia medzi 3 miestami sú uložené nasledovne:
    dp11,dp12,dp13,dp21,dp22,dp23,dp31,dp32,dp33

V časti vzdialenosti n -tice sú uložené nasledujúce možné chybové hodnoty:

  • -1: n -tica dpij súvisiaceho vzťahu ešte nie je vypočítaný.
  • -2: trasa medzi miestami súvisiaceho vzťahu dpij nebolo možné nájsť

Formát súboru súbor s umiestnením textu je definovaná nasledovne:

  • Súradnica X Xi a súradnica Y Yi každého miesta Li
    uložené v samostatnom riadku oddelenom bodkočiarkou ().

Formát súboru tabuľka vzdialeností textu súbor je definovaný nasledovne:

  • Vzdialenosť dij a obdobie jazdy pij medzi počiatočným miestom Li
    a každé miesto určenia Lj pre j = 1. n sú uložené oddelene
    riadky oddelené bodkočiarkou (). Náramok z diaľky a jazdy
    obdobie sa označuje ako dpij.
  • Napríklad: Tabuľka vzdialeností, ktorá pozostáva zo vzdialeností a jazdy
    obdobia medzi 3 miestami sú uložené nasledovne:
    dp11dp12dp13
    dp21dp22dp23
    dp31dp32dp33

V časti vzdialenosti n -tice sú uložené nasledujúce možné chybové hodnoty:

  • -1: n -tica dpij súvisiaceho vzťahu ešte nie je vypočítaný.
  • -2: trasa medzi miestami súvisiaceho vzťahu dpij nebolo možné nájsť

Obhajoba titulu PhD: Výpočty vzdialenosti siete s vysokou priepustnosťou pre priestorovú analýzu v každom obchode

V posledných desaťročiach boli vyvinuté metódy výpočtu najkratšej vzdialenosti pre cestné siete, ktoré sa zameriavajú na to, ako urýchliť latenciu dotazu na vzdialenosť dvojice jeden zdroj-cieľ. Veľké analytické aplikácie v cestných sieťach vrátane simulácií (napr. Plánovanie evakuácie), logistiky, inzercie na základe polohy a plánovania dopravy vyžadujú metódy, ktoré poskytujú vysokú priepustnosť (tj. Výpočty vzdialenosti za sekundu) a schopnosť „škálovať“ pomocou veľkých distribuované počítačové klastre. Napriek tomu, že skrátenie času latencie pre jeden dotaz zdroj-cieľ má za následok zníženie celkového času odozvy pre priestorový analytický dotaz, zďaleka to nestačí, pretože tieto metódy neberú do úvahy úvahy, ako sú výsledky vyrovnávacej pamäte, optimalizácia dotazov, viacvláknové , distribuované systémy atď. Táto práca sa široko zameriava na používanie dištančného zariadenia na diaľku v cestných sieťach na dosiahnutie vyššie uvedených cieľov. V prvej časti predstavujeme nový rámec nazvaný All-Store Distance Oracle (ASDO) pre veľké cestné siete a ukazuje, ako ho efektívne vypočítať pre akúkoľvek veľkú cestnú sieť v distribuovanom klastri. Zastúpenie ASDO je dobre oddeleným párovým rozkladom (WSPD) cestnej siete pomocou vzdialenosti siete namiesto euklidovskej vzdialenosti. Reprezentácia ASDO ťaží z malej veľkosti WSPD, ktorá umožňuje, aby reprezentácia ASDO odpovedala na dotazy o približnej vzdialenosti siete $ epsilon $ vo vysokej priepustnosti a je možné ich ľahko vložiť do akéhokoľvek databázového systému vrátane RDBMS, stĺpcovo orientovaného DBMS, a obchody s kľúčovými hodnotami. Experimentálne výsledky ukazujú, že reprezentáciu ASDO cestnej siete USA je možné vypočítať za niekoľko hodín pomocou klastra skromnej veľkosti. Na porovnanie, predchádzajúce prístupy zamerané na databázu sa buď nevzťahujú na veľké cestné siete, alebo sú o niekoľko rádov pomalšie ako navrhovaný ASDO pre priestorové dotazy. V druhej časti ukazujeme, ako užitočná je reprezentácia ASDO v skutočných aplikáciách hodnotiacich dve navrhované architektúry na rôzne bežne používané priestorové analytické dotazy, ako sú KNN, matice vzdialeností a trajektórie. Jedna architektúra je naša reprezentácia ASDO vložená do PostgreSQL a druhá je široko používanou hybridnou architektúrou v priemysle. Vloženie reprezentácie ASDO do systému PostgreSQL podporuje výkon komplexných analytických dotazov v cestných sieťach pomocou štandardného jazyka SQL. Vďaka tomu sú výsledky ASDO ľahko použiteľné, ale značne expresívne v porovnaní s tradičnými metódami, ktoré vyžadujú rozsiahle vývojové úsilie. Experimentálne výsledky naznačujú, že naša architektúra ASDO v PostgreSQL dokáže na veľkej cestnej sieti (napr. USA) vypočítať viac ako 60 000 operácií na vzdialenosť za sekundu za sekundu, čo dosahuje 20-krát väčšiu priepustnosť v porovnaní s najmodernejšími metódami výpočtu najkratšej vzdialenosti. V tretej časti, pretože niektoré aplikácie vyžadujú schopnosť škálovať veľké distribuované počítačové klastre, je predstavený rámec s názvom SPDO, ktorý implementuje extrémne rýchly distribuovaný algoritmus na výpočet priestorových analytických dotazov na serveri Apache Spark. Tento prístup rozširuje reprezentáciu ASDO, ktorá bola teraz upravená tak, aby používala pružný distribuovaný súbor údajov (RDD) spoločnosti Spark. SPDO zlepšuje priepustnosť najmenej o dva rády, čo robí prístup vhodným pre aplikácie, ktoré potrebujú vypočítať milióny sieťových vzdialeností za sekundu. Rozhovory s desiatkami spriaznených spoločností, o ktorých sme považovali za náročné vykonávať niektoré analytické dotazy na cestných sieťach nás viedol k zisteniu, že sa zvyčajne sústreďujú v miestnej oblasti pokrývajúcej niekoľko miest a vyžadujú vysoko výkonné riešenie, ako je napríklad vykonávanie miliónov výpočtov na najkratšej vzdialenosti za sekundu. V štvrtej časti najskôr demonštrujeme riešenie s názvom City Distance Oracles (CDO), ktoré má dosiahnuť až 7 miliónov výpočtov najkratšej vzdialenosti za sekundu na komoditný stroj na mestskej cestnej sieti. Ďalej rozšírime demo CDO, aby sme získali nový systém diaľkových orákul (DOS) pre všeobecné cestné siete. Dokáže vyriešiť väčšinu priestorových analytických dotazov a jeho priepustnosť dosahuje 5 miliónov výpočtov vzdialenosti za sekundu aj v celej cestnej sieti USA. Okrem toho možno maticu počiatočnej vzdialenosti (OD) 10K X 10K vypočítať za 20 sekúnd.
Skúšobná komisia:

Predseda: Dr. Hanan Samet Zástupca dekana: Dr. Shunlin Liang Členovia: Dr. Ramani Duraiswami Dr. David Mount Dr. Udaya Shankar


Abstrakt

Výmena časti energie pochádzajúcej z fosílnych palív za bioenergiu získavanú z tokov tuhých odpadov môže byť sľubnou metódou na riešenie dvojitej krízy zvyšovania hromadenia odpadu a globálnych klimatických zmien. V tejto štúdii navrhujeme decentralizovaný systém spolusplyňovania čistiarenského kalu a drevnej biomasy pre Singapur. Hodnotíme emisie skleníkových plynov z navrhovaného systému a porovnáme ich s existujúcim systémom prostredníctvom posúdenia životného cyklu. Očakáva sa, že navrhovaný systém poskytne čisté ročné zníženie emisií o 137,0–164,1 kiloton ton CO2ekv. Hlavný podiel na znižovaní emisií má nárast rekuperácie elektrickej energie, sekvestrácia uhlíka vo vyrobenom biouhle a vyhýbanie sa používaniu doplnkového paliva na spaľovanie kalov z čistiarní. Navrhovaný systém je schopný zvýšiť čistú produkciu elektriny z čistiarenského kalu a drevnej biomasy o 3–24%. To by mohlo viesť k ročnému zvýšeniu rekuperácie elektriny o 12,1–74,8 GWh. Odhaduje sa, že navrhovaný systém môže produkovať 34 kilotónov biouhlia ročne. Zistilo sa, že decentralizácia pomáha znížiť ročný počet najazdených tonokilometrov o 4,23 milióna tonokilometrov, čo by mohlo znížiť počet cestných vozidiel potrebných na manipuláciu s odpadom.


Abstrakt

Rýchla urbanizácia mení krajinu, čo často vedie k zhoršeniu ekosystémových služieb a kvality mestského života. Diaľkové prieskumy zeme a nástroje GIS môžu poskytnúť cenné informácie na prehĺbenie nášho chápania dynamiky týchto zmien s cieľom lepšie plánovať a budovať udržateľné mestá do budúcnosti. Pomocou údajov diaľkového snímania, sociálno-ekonomických údajov a terénnych pozorovaní sme simulovali časopriestorovú dynamiku využívania krajiny a zmeny krajinnej pokrývky v meste Thimphu. Výsledky simulácie ukazujú, že krajina mesta Thimphu sa počas študijného obdobia výrazne zmenila a predpokladá sa, že trend zmien bude pokračovať aj do roku 2050. Štúdia zaznamenala výrazný nárast (12,77%) v zastavanej oblasti od roku 2002 (52,88%) do roku 2018. (65,5%), po ktorom nasleduje mierny nárast pokrytia holej zeme. Naopak, drasticky poklesol lesný porast (15,25%) a potom poľnohospodárstvo (1,01%). Hlavnou hybnou silou týchto zmien je rýchly populačný rast vyvolaný mestskou migráciou na vidieku spojený s uponáhľaným sociálno-ekonomickým rozvojom po demokracii. Tieto zmeny majú za následok fragmentáciu lesného porastu, zvýšenú eróziu pôdy/vpustov, povrchový odtok a búrky vyvolané záplavy búrok a kanalizácií, čo má vplyv na celkovú kvalitu života v meste. Podľa scenára ako obvykle, predikčná analýza na rok 2050 ukazuje, že zastavaná plocha spotrebuje takmer celú mestskú oblasť (73,21%), pričom les je výrazne redukovaný na záplaty, ktoré tvoria iba asi 16% mesta. Tieto zistenia vyžadujú naliehavú potrebu implementovať efektívne plánovanie špeciálne na ochranu existujúcich lesných a vodných zdrojov pred ďalšou degradáciou.


Abstrakt

Výber miesta na inštaláciu elektrárne na spaľovanie komunálneho odpadu s perspektívou trvalo udržateľného rozvoja je rozhodnutím založeným na viacerých kritériách. Identifikácia faktorov, ktoré to ovplyvňujú, povedie k ďalším výhodám vrátane zníženia nákladov a odstránenia nespokojnosti komunity. V rámci tohto výskumu boli za účelom poskytnutia najoptimálnejšieho modelu kritériá pre inštaláciu elektrárne MSWI vyvinuté vo forme troch hlavných environmentálnych, ekonomických a sociokultúrnych kritérií. Najprv sa na identifikáciu vzájomných vzťahov medzi faktormi použila technika rozhodovacieho pokusu a hodnotiaceho laboratória (DEMATEL). Potom boli zoradené podľa dôležitosti procesom fuzzy analytickej siete (FANP). Na základe výsledkov bol najvyšším a najmenším významom priradený hlavným ekonomickým, sociálno-kultúrnym kritériám a podkritériám využívania pôdy a železnice. Nakoniec bola v Rasht County vykonaná prípadová štúdia s cieľom vyhodnotiť účinnosť získaného modelu. Pomocou geografického informačného systému, GIS, sme aplikovali konečné váhy na vrstvy každého z subkritérií a prekryli ich. Výsledky výstupnej mapy naznačujú schopnosť získaného modelu založeného na FANP a GIS vybrať správne miesto na inštaláciu elektrárne MSWI a jeho aplikáciu v iných podobných štúdiách.


Úprava dočasných (časových) údajov v QGIS

Takže tento rok je prvý uni semester hotový a oprášený, teraz mám nejaký voľný čas. Blogujte všetky veci!

Toto je nadväzujúci príspevok do diskusie, ktorá bola spustená na LinkedIn o zobrazovaní funkcií starších alebo novších, potom v určitý dátum v rôznych farbách. Hlavný príspevok bol o použití bezplatných alebo lacných riešení s cieľom pomôcť pri mapovaní vodných sietí. Odporúčam každému, aby si to pozrel. Veľmi dobrá prezentácia.

Odporúčal som vám použiť vykresľovací modul založený na pravidlách, ale výrazový modul v QGIS zatiaľ nemá žiadne funkcie dátumu. Všetko dobré, môžeme ich pridať, ak budeme potrebovať, a akonáhle sa zorientujem v expresnom engine, plánujem to urobiť presne tak. Ale zatiaľ to môžeme urobiť iným spôsobom.

Budeme používať Spatialite, ale bude to fungovať v akejkoľvek databáze (syntax a proces sa budú líšiť).

Pozrime sa na kontrolnú vrstvu, ktorú máme v našej databáze Spatialite zobrazenú v QGIS:

Je to dosť nudné a ťažko pochopiteľné, čo sa stalo za posledných 30 dní. Teraz, keď chýba podpora dátumov vo výrazovom jadre, musíme použiť iné metódy. V tomto prípade použijeme skutočne šikovný doplnok DBManger, ktorý sa teraz dodáva s QGIS od 1.8. Načítajte ho, pripojte sa k svojej databáze a spustite nasledujúci dotaz:

Ako vidíte, čokoľvek, čo je do 30 dní, má teraz v stĺpci vek reťazec “ Do 30 dní ”, v opačnom prípade má “older ”. Príkazy CASE môžu byť v SQL niekedy veľmi silné.

Teraz ho načítajte do QGIS, upravte štýl a označte ho pomocou nového Vek stĺpci

Teraz máte vrstvu, ktorá je štýlová na základe veku, ale je tiež dynamická. Pridanie nového kontrolného bodu bude teraz navrhnuté podľa týchto pravidiel. (Aj keď budete musieť normálnu kontrolnú vrstvu vypnúť, pretože je vypnutá, pretože zobrazenia/dotazy nie je možné upravovať – bez akéhokoľvek nastavenia)

Pre niekoho to môže byť jednoduchá vec, ale niekedy je ťažké nájsť tie správne slová, ktoré by popisovali, čo chcete, keď hľadáte niečo podobné. Našťastie to niektorým ľuďom pomohlo začať s vizualizáciou údajov založených na čase/dátume v QGIS.


Pozri si video: QGIS - Step by step No. 44. Calculation of exposure by SRTM. (Október 2021).