공간 패턴 분석

데이터 강화 문제. 비즈니스 및 교육 협력

위치 데이터를지도에 처음 추가하여 시각화하면서 무엇을 볼 수 있을까요? 나는 우리의 목표가 특징, 군집 및 특이 치의 강도가 높거나 낮은 지역, 일반적인 방향, 불규칙한 궤도, 값이 높거나 낮은 지역 등 공간 패턴이 있는지 여부를 발견하는 것입니다. 기능의 중요성을 판단하고 예측 모델을 구축하며 데이터 과학자라고 부를 준비가 된 패턴을 살펴보십시오.

패턴을 발견하는 데 사용되는 접근 방식은 별도의 기사가 필요합니다. 현재는 작업 중이며 "히트 맵 사용 중지 ..."라는 제목으로 시작하겠습니다. 연구원이 패턴 분석 알고리즘을 알고 GIS 세계로 깊숙이 들어갈 준비가되어 있다고 가정 해 봅시다.

이 기사에서는 포인트 패턴 분석에 대해 언급하고 패턴 분석 알고리즘의 결과와 비 GIS 전문가가 직면하게 될 문제를 보여주고 현재 소프트웨어 무능력에 대한 솔루션을 개발할 때 비즈니스와 과학 간의 협력을 설명합니다.

점 패턴 분석. 강도 클러스터 및 특이 치

간단하지만 실제 사례로 시작합시다. 연구원은 도시 (공원)에서 도난 위치 (자동차 사고, 긴급 전화, 트윗, 사진, 새 둥지 또는 비버 롯지 등)를 확보했습니다. , 바다, 국가…) 연구원의 임무는 공간 패턴이 있는지 살펴보고 존재하는 경우 구별하는 것입니다. 무작위를 피하기 위해 특정 셀 크기를 사용하여 분포 영역에 그리드를 구축했습니다. 다음 단계에서 연구원은 모든 셀 내부의 기능 수를 세고 최종적으로 Clusters & Outliers Analysis 및 / 또는 Hotspots & Coldspots Analysis를 실행합니다. 실제 작업에 따라 다릅니다.

또한 NNA 및 Quadrat Analysis를 실행 했으므로 연구원은 이제 객체가 군집 분포를 이루 었으며 결과에 이러한 군집과 이상 치를 표시합니다.

도난 패턴 분석. Aspectum 스크린 샷

나는 연구원이 결과에 거의 만족한다고 말할 것입니다. 이상치 탐색을 시작하기에 충분하지만 높고 낮은 값의 클러스터로 덮인 영역은 엄청나게 넓습니다. 도시를 아는 사람들에게는 고가 클러스터가 분명해 보입니다. 이들은 주거 지역과 비즈니스 지역입니다. 값이 낮은 군집 (파란색 부분)은 숲, 강 및 산업 지역에 해당합니다.

이 시점에서 연구원들은 군집 지역에 대한보다 정확한 결과를 얻기 위해 데이터를 분석하면서 도시 클래스를 고려하기로 결정했습니다. 유사한 지역 내에서 클러스터를 찾는 데 도움이 될 수 있습니다. 주거 지역 내에서 녹색 또는 수역과 별도로 기능 분포를 비교합니다.

따라서 연구원이 Aspectum을 사용하지 않고 형상 파일, 투영, 서투른 데스크탑 소프트웨어, 분포 벡터 데이터 영역, 그리드 크기 공식, 플러그인을 통한 적절한 알고리즘 또는 별도의 확장 기능 (btw의 경우 btw)과 같은 모든 GIS 관련 문제에 직면했다고 상상해보십시오. Aspectum을 사용하면 원시 데이터에 불과합니다).

이제 도시 토지 분류 벡터 데이터 세트를 구축해야합니다. 그러나 어떻게? 데이터를 어디에서 찾을 수 있습니까? 어떤 영역을 구별해야합니까? 이 영역을 분류하기위한 매개 변수는 무엇입니까? 추가 작업을 위해 이것을 자동화하는 방법은 무엇입니까?

프로젝트. 비즈니스와 교육이 풍요로운 경우

우리는 소프트웨어 개발 회사가 목표 고객에게 일을 가르치지 않고도 귀중한 결과를 낼 수있는 제품을 제공하는 것이 임무라고 생각합니다. 그리고 GIS의 경우, 보통 6 년의 고등학교 공부가 필요합니다.

Aspectum은 세계의 모든 정착촌에 대한 도시 토지 이용 데이터를 생성하는 프로젝트를 시작하기로 결정했습니다. 이러한 야심 찬 목표는 Rivne Noosphere Engineering School의 친구 및 파트너에게 흥미로워졌습니다. 소프트웨어 엔지니어링, GIS, 도시 연구 배경 및 무엇보다 열정을 가진 학생들로 구성된 팀은 강사의 감독하에 조직되었습니다.

작업에 대한 올바른 접근 방법이 없기 때문에 반복적으로 결과를 검토하고 논의하면서 개발을 시작했습니다. 이 기사에서는 프로젝트 구현의 핵심 아이디어를 소개하고 현재 테스트 할 수있는 결과를 보여줍니다.

다음 기사에서는 테스트를 거친 접근 방식, 작동하지 않은 결과, 개선 아이디어 및 구현 된 보완 기능을 공유합니다.

개념

지리 공간 데이터를 다루는 거대한 오픈 소스 프로젝트가 있습니다. 우리의 목표는 전 세계 거주지의 특정 지역에 대한 가장 정확하고 완전한 정보를 얻기 위해 데이터와 처리 방법을 병합하는 것입니다. 명확히하기 위해 – 우리는 토지 이용 유형을 다루지 않고 있으며, 이러한 영역에서 발생하는 현상과 과정에 미치는 영향의 유사성에 관한 아이디어입니다. 따라서 주거 지역과 도시 전체가 완전히 다를 수 있으므로 다른 클래스를 지정해야합니다. 다른 한편으로, 우리는 구역 지정 접근 방식을 다루지 않습니다. 한 그룹에 소매 및 비즈니스 영역을 결합 할 필요가 없으며, 영향을 미치는 측면에서 교육 영역과 의료 영역을 분리하는 것이 의미가 있는지는 확실하지 않습니다. 이 영역의 공간 패턴에 대해

현재 결과

이제 데이터 배포 영역 내에서 4 가지 클래스에 대한 정보를 제공하면서 MVP 버전의 제품을 테스트하고 있습니다. Aspectum으로 이동하여 데이터를 추가하고 Urban Land Classification 분석을 실행하십시오. 처리하는 데 시간이 걸릴 수 있지만 여전히 여러 가지 한계가 있지만 알고리즘을 지속적으로 개선하고 있습니다.

지역 및 지역 차원의 수업으로지도를 확인하십시오.

지역 및 지역 수준의 수업. Aspectum 스크린 샷

작업 중에 많은 개발이 이루어졌으며 공유하게되어 기쁩니다. GitHub 페이지를 살펴보면 지속적으로 프로젝트를 업데이트하고 추가하고 있습니다. 최신 업데이트 인 osm2geojson은 OpenStreetMap 데이터를 처리하는 순수한 Python 솔루션입니다. 다음 기사를 놓치지 않으려면 Aspectum을 따르십시오.