Več

Uporaba prometa z omrežnim analitikom VRP

Uporaba prometa z omrežnim analitikom VRP


Kolikor sem razumel, nastavitev določenega dne v razdelku Analize Settings for the VRP (problem usmerjanja vozila) uporablja zgodovinske prometne informacije Routing_ND.

Ali manjka kakšen korak za omogočanje prometa? Nekatera naročila sem preusmeril v popoldanskih urah, nato pa čas spremenil v AM in reševalnik je vrnil enake čase/razdaljo/postanke.

Uporabljam ArcMap 10.2 z omrežnim analitikom in StreetMap 14_1


Izkazalo se je, da se prometni podatki uporabljajo za nastala navodila za vožnjo. Tabele atributov za rešene poti ne upoštevajo podatkov o prometu.


UPRAVLJANJE DOSTOPA Z UPORABO GEOGRAFSKIH INFORMACIJSKIH SISTEMOV IN ORODIJ ZA UPRAVLJANJE PROMETA V PENSILVANIJI

Opisana je nova metoda za upravljanje dostopa z orodji za vpliv na promet. Metoda cilja na oceno učinka razvoja v kombinaciji z velikimi središči dejavnosti. Zaradi velikega vpliva velikega razvoja je treba oceniti njihove regionalne in lokalne učinke na prometna omrežja. Opisana metoda združuje regionalne in lokalne prometne modele ter uporablja geografske informacijske sisteme (GIS) kot podporna orodja. Ustvarjen je bil kot metoda nadzora dostopa za računalniške modele in obravnava izboljšave prometa na strani ponudbe (npr. Število pasov, signalizacijo in nadzor parkiranja) in njihov vpliv na prometni tok v poskusu oblikovanja boljših kvantitativnih modelov za upravljanje in dostop do zastojev nadzorujejo tako, da skupaj obravnavajo lokalne in regionalne vplive na promet. GIS tehnologija uporabnikom omogoča ustvarjanje podrobnih avtocestnih omrežij za uporabo v regionalnih modelih napovedovanja in v manjših simulacijskih modelih prometa. Opisani so uporabljeni podatki, modeli in programska oprema ter naveden primer uporabe. Prvi rezultati kažejo učinkovitost koncepta in nastalih modelov. V regionalnem modelu novi razvoj ne ustvarja le novega obsega prometa v omrežju, temveč tudi spremembe pri izbiri poti, na katere vpliva raven storitev na določenih koridorjih na študijskem območju. Druga komponenta novega modela je lokalni model, povezan z regionalnim modelom prek vmesniške programske opreme. S pomočjo programa Traf-NETSIM sta bila simulirana dva scenarija za preizkušanje učinkovitosti tega modelnega sistema. Štiriindvajset neodvisnih simulacijskih poskusov je pokazalo, da scenarij nadzora dostopa povzroči večjo hitrost in manj zastojev v prometu na primarni arterijski cesti.

  • URL za snemanje:
      https://doi.org/10.3141/1551-15
    • http://scholar.google.com/scholar_lookup?title=ACCESS+MANAGEMENT+USING+GEOGRAPHIC+INFORMATION+SYSTEMS+AND+TRAFFIC+MANAGEMENT+TOOLS+IN+PENNSYLVANIA&author=J.+Chung&author=K.+1
    • Poiščite knjižnico, kjer je dokument na voljo. URL za naročilo: http://worldcat.org/isbn/0309059216
    • Ta članek je objavljen v Zapisu o transportnih raziskavah št. 1551, Inovativno upravljanje podatkov o prevozu, Metode raziskovanja in Geografski informacijski sistemi.

    Uporaba geografskih informacijskih sistemov (GIS) za prepoznavanje skupnosti, ki potrebujejo doseg zdravstvenega zavarovanja: poročilo raziskovalne mreže OCHIN (PBRN), ki temelji na praksi

    Ozadje: Naša raziskovalna mreža, ki temelji na praksi (PBRN), izvaja intervencijo za ozaveščanje, da bi povečala pokritost zdravstvenega zavarovanja za paciente v mreži. Za pomoč pri izbiri krajev za ozaveščanje smo iskali razumljiv način uporabe podatkov elektronske zdravstvene evidence (EHR) za iskanje nezavarovanih bolnikov.

    Metode: Podatki o zdravstvenem zavarovanju so bili prikazani na spletni platformi za kartiranje, da bi dokazali izvedljivost uporabe geografskih informacijskih sistemov (GIS) za vizualizacijo podatkov EHR. Ta študija je uporabila podatke EHR iz 52 klinik v OCHIN PBRN. Vključili smo podatke o presečnem obsegu za bolnike, stare od 0 do 64 let, ki so v letu 2011 vsaj enkrat obiskali študijsko kliniko (n = 228.284).

    Rezultati: Naš PBRN je bil uspešen pri uporabi GIS za identifikacijo intervencijskih mest. Z uporabo zemljevidov smo ugotovili geografske razlike v zavarovalnih stopnjah bolnikov, ki iščejo oskrbo v klinikah OCHIN PBRN. Stopnje zavarovanja so se spreminjale tudi glede na starost: Odstotek odraslih brez zavarovanja se je gibal od 13,2% do 86,8% Stopnje otrok brez zavarovanja so se gibale od 1,1% do 71,7%. GIS je pokazal tudi nekatera področja gospodinjstev s srednjimi dohodki z nizkimi zavarovalnimi stopnjami.

    Diskusija: Podatke EHR lahko uvozite v spletno orodje za kartiranje GIS za vizualizacijo podatkov o pacientih. Z uporabo podatkov EHR smo lahko opazovali manjša območja, kot bi jih lahko videli le z javno dostopnimi podatki. Na podlagi teh podatkov smo identificirali ustrezne klinike OCHIN PBRN za razširjanje intervencije na področju zavarovanja, ki temelji na EHR. Klinike bi lahko GIS uporabljale tudi za vizualizacijo drugih značilnosti na ravni pacienta, da bi se usmerile v prizadevanja ali posege na kliniki.

    Ključne besede: Elektronski zdravstveni zapisi Geografski informacijski sistemi Zdravstveno zavarovanje Raziskave, ki temeljijo na praksi.


    Predšolska astma: Preučevanje vplivov na okolje z uporabo geografskih informacijskih sistemov

    Cilj: Ta študija je bila izvedena, da bi raziskali, ali se okoljski dejavniki pojavljajo na območjih z visoko stopnjo astme pri otrocih s Head Head (HS).

    Oblikovanje: Opisno.

    Vzorec: Vzorec primernosti 56 otrok z astmo, vpisanih v HS, starih 3-5 let.

    Meritve: Geografski informacijski sistemi, ki uporabljajo ArcGIS 10.4, so bili uporabljeni za geokodiranje in preslikavo združenih podatkov o naslovu na ravni popisnega trakta z analizo vektorske karte. Za območja z visoko koncentracijo astme so ocenjevali lokacijo, raso, ekonomsko stanje, mesta sanacije onesnaženja, starost stanovanja in koncentracijo svinca v krvi.

    Rezultati: Večina otrok z astmo je prebivala v enem popisnem traktu, kar je bilo 1% celotne storitvene površine. Šestinpetdeset odstotkov stanovanj je bilo zgrajenih pred letom 1960, le 10% po letu 1990, kar kaže na poslabšanje razmer. V bližini primerov astme so našli mesta za sanacijo onesnaženja. Povišane ravni svinca so bile ugotovljene pri 22% vseh otrok s HS, specifične vrednosti za otroke z astmo niso bile na voljo.

    Zaključek: Ugotovljenih je bilo več sočasnih dejavnikov. Potreba po proaktivnih posegih za zmanjšanje tveganja za astmo/slabih izidov astme pri HS je očitna. GIS zaznava otroke z visoko dovzetnostjo za astmo. To medicinskim sestram na področju javnega zdravja omogoča ciljanje na intervencije ter izobraževanje in opolnomočenje družin glede izpostavljenosti okolja in dejavnikov tveganja za astmo.

    Ključne besede: astma zdravje otrok okolje okolje zdravje geografski informacijski sistemi.


    Morfometrična analiza z uporabo procesa nejasne analitične hierarhije (FAHP) in geografskih informacijskih sistemov (GIS) za določanje prednostnih značilnosti razvodnic

    Povodja so nagnjena k degradaciji zaradi erozije tal, ki jo povzročajo antropogene dejavnosti in naravne katastrofe. V tej študiji je bil uporabljen integriran pristop z uporabo morfometrične analize, geoinformatike in nejasne analitične hierarhije, ki je dal prednost razdelkom. Hidrološki parameter "erozija" je glavni odločilni dejavnik za oceno in določanje prednostnih značilnosti porečij z uporabo metode mehke analitične hierarhije (FAHP) v razvodju Peddavagu v porečju reke Krišne. Glavne značilnosti razvodnih parametrov, kot je dolžina bazena (Lb), gostota drenaže (Dd), faktor oblike, frekvenca toka (F.s), razmerje raztezka (Re), razmerje krožnosti (Rc), drenažna tekstura (T), razmerje bifurkacije (Rb) in konstantnost kompaktnosti (Cc) so razporejeni v matrično obliko za analizo FAHP. FAHP analiza je bila izvedena z uporabo Triangular Fuzzy Network za nadaljnjo analizo, vrednosti so bile razvrščene na naslednji način: 1,25 kot zmerna občutljivost, 1,5 kot visoka občutljivost in 1,75 kot zelo visoka občutljivost. Rezultati analize FAHP so pokazali, da ima pet razvodnic zelo visoko dovzetnost za erozijo (30,32%), 16 razvodnic kot visoko dovzetnost (53,28%), preostalih 10 razvodnic pa je bilo razvrščenih kot zmerna dovzetnost (16,4%). To pomeni, da je treba ukrepe za ohranjanje tal in vode prednostno izvesti v "razvodnicah kategorije zelo visoke občutljivosti", čemur sledijo kategoriji "visoka občutljivost" in "zmerna občutljivost". Poleg tega je bila za primerjavo rezultatov metode FAHP uporabljena univerzalna enačba izgube tal (USLE). Rezultati so bili zadovoljivi z analizo FAHP, kategorije zelo visoke dovzetnosti, visoke občutljivosti in zmerne občutljivosti pa so imele donos usedlin 54,96 t/ha/leto (4D2D1-26), 30,00 t/ha/leto (4D2D3-31) in 15,07 t/ha/leto (4D2D2-17). Spearmanov rang korelacijski koeficient je bil uporabljen za potrditev simulacij USLE in Fuzzy. Rezultati so pokazali močno pozitivno korelacijo za študijsko področje. Ker je integrirana morfometrična analiza z uporabo FAHP za določanje prednostnih razvodnic pokazala zanesljive rezultate, ima ta metoda možnost, da se sprejme v drugih študijah primerov drugje.

    To je predogled naročninske vsebine, dostop prek vaše ustanove.


    • Pogoji TRT:Nejasni kompleti Geografski informacijski sistemi Izvajanje Matematični modeli Območja za analizo prometa Prevoz
    • Nenadzorovani pogoji:Modeli prevoza
    • Predmetna področja: Načrtovanje in napovedovanje prometa (Splošno) I72: Načrtovanje prometa in prometa
    • Pristopna številka: 00662865
    • Vrsta zapisa: Objava
    • ISBN: 0309055075
    • Datoteke: TRIS, TRB, ATRI
    • Datum ustvarjanja:20. julij 1994 ob 12:00

    Nacionalne akademije znanosti, inženiringa in medicine

    Copyright & copy 2021 Nacionalna akademija znanosti. Vse pravice pridržane. Pogoji uporabe in Izjava o zasebnosti


    Uporaba geografskih informacijskih sistemov za razumevanje dostopa do zdravstvenega varstva

    Ozadje: Določanje potreb skupnosti po dostopu do zdravstvenega varstva in testiranje posegov za izboljšanje dostopa sta težavna. Ta izziv dopolnjuje naloga prevajanja ustreznih podatkov v obliko, ki je jasna in prepričljiva za oblikovalce politik in agencije za financiranje. Geografski informacijski sistemi lahko analizirajo in pretvorijo kompleksne podatke iz različnih virov v zemljevide, ki strokovnjakom in nestrokovnjakom ponazarjajo težave.

    Cilj: Združiti podatke o pacientih zdravstvenega doma v skupnosti (CHC) s podatki iz ankete o zdravstvenem varstvu za prikaz območja storitve CHC, potrebe skupnosti po dostopu do zdravstvenega varstva in odnose med dostopom, revščino in političnimi mejami.

    Oblikovanje: Georeferenciranje, analiziranje in preslikavanje informacij iz 2 baz podatkov.

    Nastavitev: Okrožje Boone, Missouri.

    Udeleženci: Bolniki zdravstvenega doma v skupnosti in anketiranci.

    Glavni izidni ukrepi: Zemljevidi, ki opredeljujejo območje storitev CHC in demografijo pacientov ter prikazujejo slab dostop do zdravstvenega varstva glede na območje storitev CHC, izkoriščenost CHC glede na revščino in stopnjo dostopa do zdravstvenega varstva po geopolitičnih regijah.

    Rezultati: CHC služi izrazito drugačnemu področju kot prvotno ciljno. Podpopulacije z nezadovoljenimi potrebami po dostopu do zdravstvenega varstva in revščino so bile ugotovljene s popisom prebivalstva. To premalo prebivalstvo je spadalo v geopolitične meje, ki so bile zlahka povezane z njihovimi izvoljenimi uradniki.

    Zaključki: Geografski informacijski sistemi so močno orodje za združevanje različnih podatkov v vizualni obliki za ponazoritev kompleksnih odnosov, ki vplivajo na dostop do zdravstvenega varstva. Ti sistemi lahko pomagajo pri ocenjevanju posegov, obveščanju o raziskavah zdravstvenih storitev in usmerjanju zdravstvene politike. Arch Fam Med. 20009: 971-978


    Druga programska oprema in pripomočki

    Kvantni GIS
    PROST
    Quantum GIS (QGIS) je uporabniku prijazen odprtokodni geografski informacijski sistem (GIS), licenciran pod Splošno javno licenco GNU. QGIS je uradni projekt odprtokodne geoprostorske fundacije (OSGeo). Deluje v sistemih Linux, Unix, Mac OSX, Windows in Android ter podpira številne oblike in funkcije vektorskih, rastrskih in baz podatkov.

    DIVA GIS
    PROST
    DIVA-GIS je brezplačen računalniški program za kartiranje in analizo geografskih podatkov (geografski informacijski sistem (GIS). Z DIVA-GIS lahko izdelate zemljevide sveta ali zelo majhnega območja, na primer z uporabo državnih meja, reke, satelitsko sliko in lokacije območij, kjer so opazili živalsko vrsto. Ponujamo tudi prost prostorski podatki za ves svet, ki ga lahko uporabite v DIVA-GIS ali drugih programih.

    ENVI
    LICENCA (na voljo v knjižnici Robinson Map and Geography Library)
    Geoprostorski posnetki se uporabljajo za oceno biotske raznovrstnosti, odkrivanje in prepoznavanje ciljev, načrtovanje ukrepov za ukrepanje ob nesrečah in številne druge aplikacije, pomembne za razumevanje sveta okoli vas. ENVI je vodilna programska rešitev za obdelavo in analizo geoprostorskih posnetkov, namenjena pa je vsem, od strokovnjakov za GIS do slikovnih analitikov in slikarjev, ne glede na predhodne izkušnje s posnetki.

    TRAVNI GIS
    PROST
    Običajno imenovan GRASS (Geografski podporni sistem za analizo geografskih virov) je a prost Programska oprema za geografski informacijski sistem (GIS), ki se uporablja za upravljanje in analizo geoprostorskih podatkov, obdelavo slik, izdelavo grafik/zemljevidov, prostorsko modeliranje in vizualizacijo. GRASS GIS se trenutno uporablja v akademskih in komercialnih okoljih po vsem svetu, pa tudi v številnih vladnih agencijah in podjetjih za okoljsko svetovanje. GRASS GIS je uradni projekt odprtokodne geoprostorske fundacije (OSGeo).

    Scribble Maps
    PROST
    Scribble Maps in Scribble Maps Pro sta brezplačna izdelka, ki uporabnikom omogočata ustvarjanje prilagojenih zemljevidov na spletu. Uporabniki lahko označujejo zemljevide, merijo razdalje, uvažajo datoteke KML, datoteke oblik, tabelarne datoteke, dodajajo oznake položaja, besedilo, slike in oblike. Končane zemljevide lahko vdelate na spletne strani ali izvozite v različnih oblikah.

    MAPme
    PROST
    Mapme je podoben zemljevidom Scribble, saj lahko uporabniki prilagodijo zemljevide tako, da dodajo točke, oznake, črte, slike, nato pa svoj izdelek delijo z drugimi prek URL -jev ali pripomočkov.

    Brezplačne spletne pripomočke

    Viri zemljevidov osi
    Viri za kartografe vseh ravni izkušenj. Brezplačni pripomočki vključujejo: IndieMapper, TypeBrewer, Color Brewer 2.0 in knjižnico kod.

    BatchGeo
    Naslovi geokodiranja. Naredite Google zemljevid z naslovi ali izvozite koordinate zemljepisne širine/dolžine za izvoz v GIS.Zonums KML za pošiljanje

    KML v SHP
    Programska oprema Zonums ponuja več pripomočkov, vključno z: Epoint2GE: Excel v Google Zemljo Kml2shp 2: Google Zemlja v GIS DigiPoint 2: Izvoz točk iz Google Zemljevidov Shp2kml 2: Datoteka v obliki oblike v Google Zemljo Epoint2CAD: Excel v AutoCAD Ucons: Orodje za pretvorbo enot Color-it: Barva vaš zemljevid KMLTolbox: spletna orodja KML

    NYPL Map Warper
    NYPL Map Warper je orodje za digitalno poravnavo ("popravljanje") zgodovinskih zemljevidov iz zbirk NYPL, da se ujemajo z današnjimi natančnimi zemljevidi. Obiskovalci lahko brskajo po že popravljenih zemljevidih ​​ali pomagajo pri NYPL tako, da poravnajo zemljevid.


    Uporaba prometa z omrežnim analitikom VRP - Geografski informacijski sistemi

    Količina registriranih udeležencev: 120 tys.

    Učajte brezplačno

    Raziščite svet prostorske analize in kartografije z geografskimi informacijskimi sistemi (GIS). V tem razredu se boste v štirih tedenskih modulih naučili osnov vodilnega programskega orodja v industriji, ArcGIS: 1. teden: spoznajte, kako je GIS iz papirnatih zemljevidov prešel v globalno integrirane pakete elektronske programske opreme danes. Na svoj računalnik boste namestili ArcGIS in se naučili uporabljati spletno pomoč za odgovarjanje na tehnična vprašanja. 2. teden: Odprite ArcGIS in raziščite podatke z uporabo ArcMap. Naučite se temeljnih konceptov GIS, kako analizirati podatke in narediti svoj prvi zemljevid. 3. teden: Ustvarite lastne zemljevide! Simbolizirajte podatke in ustvarite privlačen končni izdelek. 4. teden: delite svoje podatke in zemljevide ter se naučite shranjevati in organizirati svoje podatke. Osnove GIS vzemite kot samostojen tečaj ali kot del specializacije za geografske informacijske sisteme (GIS). Z opravljenim prvim razredom specializacije boste pridobili veščine, potrebne za uspeh v celotnem programu. Študenti, ki potrebujejo licenco ArcGIS, bodo za udeležbo na tem tečaju in specializaciji prejeli nekomercialno, enoletno študentsko licenco.

    Polučene sposobnosti

    Prostorska analiza, analiza podatkov, vizualizacija podatkov (DataViz), programska oprema

    Recenzije

    vsebina je super. Priporočam ga tistim, ki morajo imeti osnovno znanje o GIS. ArcGIS je zelo enostavno učiti zaradi navodil in predstavitev, ki jih je dal inštruktor.

    Muy buen curso, me sirvió mucho, aprendí demasiado sobre las cosas básicas y el profesor es muy bueno !! Super priporočilo si brez saben nada de GIS y están empezando a comprender las herramientas

    Uvod v tečaj in uvod v geografske informacijske sisteme (GIS)

    V tem modulu bomo pokrili pričakovanja tečajev, vam dali hiter pregled GIS -a in kaj je v njem odličnega, najprej si oglejte ArcGIS in identificirajte ključne elemente v vmesniku ter opredelite temeljne geoprostorske koncepte in terminologijo. V drugem razdelku bomo razpravljali o možnostih namiznega GIS -a, zgodovini GIS -a in načinu njegove uporabe danes, razpravljali o virih in pomoči, ki jih lahko uporabite, ter predstavili temeljne veščine, ki so pomembne za vas kot analitika GIS -a. Zaključili se bomo tako, da vam pokažemo, kako pridobiti kopijo ArcGIS za ta tečaj, in z vadnico o začetku dela v ArcGIS.

    Преподаватели

    Nick Santos

    Raziskovalec geoprostorskih aplikacij

    Besedilo video

    [GLASBA] Pozdravljeni vsi in dobrodošli nazaj. V tej lekciji vam bom pokazal hiter predstavitev projekta GIS, na kar lahko naletite v resničnem svetu. Cilj je, da vam predstavimo, kako te stvari delujejo in kakšne stvari lahko počnete vsak dan kot analitik GIS. Poudarek tukaj ni na tem, kako točno počnem stvari. Ne bom vas popeljal skozi vse in razložil vseh konceptov v tem. Pokazal vam bom samo osnovni potek dela in upam, da vam predstavim, kako vse to deluje. Torej, nadaljujmo 's. Trenutno gledate satelitsko sliko satelita Landsat, ki jo je letel ameriški geološki zavod. Kar počne, kroži okoli Zemlje in pokriva iste lise približno vsakih 16 dni. Torej je dobro merilo, kako se stvari na Zemlji spreminjajo. Območje, ki ga tukaj gledamo, je segment kalifornijske obale tik nad San Franciscom. Tukaj si lahko ogledate zaliv San Francisco. Razlog, da vam pokažem to območje, je, ker se je v zadnjem poletju na tem območju zgodilo nekaj večjih požarov. Kalifornija je doživela res sušo brez primere, tveganje požarov pa še nikoli ni bilo večje, na teh območjih pa so se pojavili nekateri res uničujoči požari, ki jih lahko vidite na satelitski posnetku. In 'll bomo povečali in si ogledali. Poseben požar, ki si ga bomo ogledali, se imenuje Dolinski požar. In tukaj je malo težko razbrati, vendar je to območje nekakšna meja požara. Vidite lahko takšno rdečkasto, vijolično območje, za katero se zdi, da nima toliko zelene vegetacije kot nekatera okolica. To je ogenj. Na tej sliki gledamo vašo tipično satelitsko sliko. Vidna svetloba, vrste stvari, ki jih lahko vidite na lastno oko. Pravkar smo videli, da je malo težko razbrati mejo ognja s samo vidno svetlobo. Dobra stvar je, da imajo sateliti številne druge senzorje, ki zbirajo veliko drugih informacij, ko letijo nad zemljo, in z uporabo teh informacij lahko bolje vizualiziramo ogenj in njegove vplive. Čeprav lahko še vedno vidimo samo vidno svetlobo, lahko nekatere od teh podatkov pretvorimo v barve, ki jih lahko vidimo z uporabo GIS -a, tako da se lahko nekako prilagodimo in občutimo, kako izgleda, in vklopil bom slika zdaj to počne. Ta slika tukaj je tisto, kar 's imenujemo barvna infrardeča ali lažna barvna infrardeča slika. Namesto da bi bila naša tipična rdeča zelena in modra svetloba, ki jo lahko vidimo, ta vizualizira bližnjo infrardečo svetlobo, svetlobo, ki 's preseže rdečo na elektromagnetnem spektru kot rdečo. Nato se prikaže rdeča kot zelena in zelena kot modra, kar je sprva malo kontra intuitivno, vendar vidimo, da se nekateri vzorci takoj pojavijo. Prvič, ogenj tukaj res pokuka. Iz ognja ne prihaja veliko bližnje infrardeče svetlobe, vendar veliko iz vegetacijskih območij in celo mestnih območij okoli njega. Tu vidimo tudi še eno požarno brazgotino, ki vam je prej nisem omenil. Da bi lažje razumeli, kako vegetacija običajno izgleda s satelitskimi posnetki, si lahko ogledate, kako ta kmetijska polja tukaj odsevajo veliko bližnje infrardeče svetlobe nazaj do tega satelita, ki ga lahko poberejo. To, kar počnemo tukaj, je nekakšna prva osnovna uporaba GIS -a. Nalagamo in si ogledujemo podatke v nekaj različnih kontekstih in se od tam šele učimo o tem. Izvedeli smo, da je požarno območje devegetirano in to lahko vidite na satelitskih posnetkih. Še ena stvar, ki bi jo lahko naredili, ne da bi opravili veliko specializiranih analiz, je, da tukaj dobimo grob občutek ognjenega območja. Tako lahko uporabim orodje za merjenje in tukaj samo kliknem okoli približne meje. In poglejte, da je bil požar na površini približno 400 kvadratnih kilometrov, kar je zelo velik požar. In potem, če bi hotel, bi lahko kliknil okoli tega drugega ognja in dobil občutek za primerjavo teh dveh področij. Zdaj, ko smo malo raziskali to področje, želim narediti nekaj analiz teh podatkov in za to bom uporabil nabor orodij, imenovanih orodja za geo-obdelavo. Tu se pokaže prava preiskovalna moč GIS. In tukaj v Arc Toolboxu imam orodje, ki smo ga izdelali za izračun NDVI. In NDVI je le merilo zdravja rastlin, ki ga lahko dobimo iz zračnih in satelitskih posnetkov. In če to zaženem, najprej zaprem orodje za merjenje. Če to zaženem, mi ponudi nekaj možnosti in vpraša za bližnji infrardeči raster, ki ga bomo kmalu izvedeli. In vpraša za rdeči raster, ki je tukaj. In me vpraša za lokacijo izhoda. To mi daje privzeto vrednost, za to predstavitev bom to le sprejel. Če kliknem V redu, se bo 's zagnalo in delalo na tem, da bom združilo te rastre in mi dalo rezultat NDVI, tega vegetacijskega indeksa. Tako je 's končan in škatlo bom zaprl. Zdaj to, kar gledamo, ni preveč drugačno od tega, kar smo ravnokar gledali na več načinov. Še vedno imamo iste vrste svetlih stvari in iste vrste temnih stvari, zdaj samo v različnih barvah. Toda tisto, kar smo storili, smo ustvarili neprekinjeno lestvico od negativnih ena do ena, ali je to zdrava vegetacija, kjer negativna ne, ni zdrava vegetacija in ena je da, to je zdrava vegetacija in vse vmes. Na tem zaslonu jih simboliziramo kot barve, zato lahko vidimo, da temna območja, jezera, niso zdrava vegetacija. To je smiselno. Vidimo lahko, da so pridelki videti kot zdrava vegetacija. So skoraj bele, kar pomeni, da je njihova vrednost zelo blizu ene in verjetno so zdrava vegetacija. Vmes imamo tukaj takšno sivo blato, kjer so požari. In poglejmo, kakšna je vrednost. In če ga kliknem z desnim gumbom, se lahko identificiram. Tu prikaže to podokno in pove mi, da je vrednost slikovne pike 0,178. In to je precej skladno z golo zemljo. To ni vegetacijsko območje. Tako da na tej točki res nimamo odgovorov, ki jih prej nismo imeli, preden smo pogledali lažne barvne infrardeče posnetke. Kar pa imamo, je, da imamo ta nabor podatkov, ki ga lahko nato še naprej analiziramo v kontekstu drugih podatkov in prehajamo skozi druga orodja. In učinkovito smo prerazvrstili vse, da bi zagotovili nov pomen zdrave vegetacije. In tu bi lahko začeli z drugo analizo. Poglejmo si eno smer, v katero bi morda želeli opraviti to analizo. Ko območje v požaru izgubi vegetacijo, postane veliko bolj verjetno, da bo umazanija med naslednjim velikim deževjem končala v vodnih poteh. Zato bi morda želeli izvedeti, na katera razvodja je prizadel ta požar, da bomo potem lahko poiskali gor ali ustvarili druge informacije, ki nam bodo pomagale razumeti vplive tega požara na ekosisteme, ljudi in vse okoli njega. Da bi se to začelo na preprost način, a vizualno, bom vklopil plast podvodnih površin, ki pokrivajo državo Kalifornijo, in tukaj bomo samo videli meje. In poglejmo si tega na hitro, ker se zdi, da ga večinoma pokriva ogenj. Tako da bodo 's verjetno imeli velik vpliv tega požara. Tudi tukaj lahko z desno miškino tipko kliknem nanj in prepoznam in vidim kopico različnih atributov tega razvodja in da se imenuje Rocky Creek in Cash Creek. Tu lahko vidim tudi Huck12ID 's. To je edinstven identifikator, ki bi ga nato lahko uporabil za iskanje informacij o tej prelomnici v drugih zbirkah podatkov. Morda bi želel narediti nekaj, na primer pogledati lokalne podatke o tleh in pobočjih za to razvodnico, da vidim, ali obstajajo naseljena območja, ki jim grozi plaz. Lahko si ogledam tudi zbirko podatkov o ribah ali drugih vodnih vrstah, da vidim, na katere živali in rastline ali druge organizme v vodi bo vplivalo, če bo veliko padavin končalo na vodni poti v deževju. Res je, da obstaja toliko smeri, da bi lahko naredili takšno analizo, vendar vam želim pokazati nekaj, kar je le izhodišče za analizo. Toda to vam prikazuje vizualni način ocenjevanja podatkov in tudi avtomatiziran način obdelave podatkov, ki jih lahko ocenite v ArcGIS. To bomo pustili pri tej lekciji, do konca tečaja pa boste lahko razumeli in dosegli podobne stvari, kot smo jih naredili tukaj, v smislu vizualizacije in obdelave vaših geografskih podatkov. Tako da je to zaenkrat to. V tej lekciji sem vam pokazal, kako bi lahko izgledala ena osnovna vrsta GIS analize. Z GIS lahko opravite toliko drugih vrst analiz, ne glede na to, ali delate s poslovno analitiko ali za komunalne storitve. Tu pa je en primer, ki vam bo pomagal pri oblikovanju vrste dela, ki bi ga lahko opravljali kot analitik GIS. V naslednji lekciji bomo obravnavali nekatere temeljne izraze, ki jih morate poznati za začetek dela z GIS. Tam se vidimo '.


    Avtorji

    Pomanjkanje bencinskih črpalk za vodik je velika ovira pri uvajanju vozil na vodik. Zaradi visokih stroškov gradnje vodikovih postaj je zaželeno zgraditi čim manj postaj, hkrati pa še vedno ustrezno oskrbovati potrošnike. Čeprav je več študij obravnavalo splošno vprašanje, koliko postaj je potrebno, je literatura v veliki meri molčala, kako povezati lokacijo postaj z zadostnim številom vodikovih postaj. Geografski informacijski sistem (GIS) ponuja orodje za ocenjevanje odločitev o namestitvi postaje kot del večjega vodikovega omrežja. Za postavitev generičnih vodikovih postaj v okrožju Sacramento v Kaliforniji je bil razvit model GIS, pri čemer se ekonomičnost oskrbe teh postaj z vodikom za zdaj zanemarja. Analiza je za merjenje scenarijev uporabila povprečni enosmerni čas vožnje od doma ali službe do postaje. Če je v omrežju 30% toliko maloprodajnih bencinskih črpalk, kot je zdaj, bi bil povprečni čas vožnje od doma do postaje 16 s več, kot je pri celotnem obstoječem omrežju postaj. S 5% obstoječih postaj, ki dobavljajo vodik (ali katero koli drugo alternativno gorivo), bi lahko bil povprečni čas vožnje do postaje le 4 minute v okrožju Sacramento. Te ocene predvidevajo, da se bodo dejanski časi prostega prometa spreminjali. Ta pristop modeliranja zagotavlja analitični okvir za postavitev zgodnjih bencinskih črpalk za vodik. Prvi rezultati kažejo, da bi lahko nekaj strateško postavljenih postaj zadostilo številnim potencialnim potrošnikom.


    Poglej si posnetek: How to solve Vehicle Routing Problems Using Excel