Suite

Tracer des itinéraires à travers des centres de gravité


Selon ce lien http://postgis.net/workshops/postgis-intro/advanced_geometry_construction.html je crée des lignes qui décrivent des itinéraires. J'ai une table stopcentroids4 comme sur la figure avec les champs suivants : gid, routes, geom

et je veux tracer une ligne pour chaque itinéraire.

En ajustant la requête avec mon nom de table (voir le code ci-dessous) comme décrit sur le lien ci-dessus, je reçois que la requête s'exécute mais avec une sortie incorrecte. Par exemple, la ligne tracée pour routes="1" relie tous les points d'arrêt centroïdes dont les routes associées contiennent le caractère '1' (qui sont également 1A, 16, 21B et ainsi de suite) comme vous pouvez le voir sur l'image avec le mauvais itinéraire… Je veux l'itinéraire qui relie les points associés uniquement au même caractère '1' (et non les points associés à 11, 21, 12A et ainsi de suite) comme indiqué sur l'image avec le bon itinéraire.

Comment corriger cette requête ?

C'est ma fonction

> CRÉER OU REMPLACER LA FONCTION walk_centers(bigint, text) RETURNS > geometry AS $BODY$ WITH RECURSIVE next_stop(geom, idlist) AS ( > (SELECT geom AS geom, > ARRAY[gid] AS idlist > FROM stopcentroids4 > WHERE gid = $1 ) > UNION ALL > ( SELECT s.geom AS geom, > array_append(n.idlist, s.gid) AS idlist > FROM stopcentroids4 s, > next_stop n > WHERE strpos(s.routes::text,$2) != 0 ET NON n.idlist @> ARRAY[s.gid] > ORDER BY st_distance(n.geom, s.geom) ASC > LIMIT 1) > ) SELECT ST_MakeLine(geom) AS geom FROM next_stop; $BODY$ LANGUE sql VOLATILE COT 100 ; ALTER FUNCTION walk_centers(bigint, > text) OWNER TO postgres; > > Ceci est mon code > > > CREATE TABLE lines AS > -- Identifiants de route distincts ! WITH routes AS ( SELECT DISTINCT unnest(string_to_array(routes,',')) AS route FROM stopcentroids4 > ORDER BY route ), > -- Rejoint aux arrêts ! Chaque itinéraire a tous ses arrêts ! arrêts AS ( SELECT s.gid, s.geom, r.route FROM routes r JOIN stopcentroids4 s > ON (strpos(s.routes, r.route) <> 0) ), > -- Collecte les arrêts par itinéraires et calcule le centroïde ! centres AS ( SELECT ST_Centroid(ST_Collect(geom)) AS geom, itinéraire FROM arrêts > GROUP BY itinéraire ), > -- Calculer la distance arrêt/centre pour chaque arrêt de chaque itinéraire. stop_distance AS ( SELECT s.*, ST_Distance(s.geom, c.geom) AS > distance FROM stop s JOIN center c ON (s.route = c.route) > ORDER BY route, distance DESC ), > -- Filter juste les paires stop/centre les plus éloignées. CREATE TABLE brighton_lines AS > -- Identificateurs de route distincts ! WITH routes AS ( SELECT DISTINCT unnest(string_to_array(routes,',')) AS route FROM stopcentroids4 > ORDER BY route ), > -- Rejoint aux arrêts ! Chaque itinéraire a tous ses arrêts ! arrêts AS ( SELECT s.gid, s.geom, r.route FROM routes r JOIN stopcentroids4 s > ON (strpos(s.routes, r.route) <> 0) ), > -- Collecte les arrêts par itinéraires et calcule le centroïde ! centres AS ( SELECT ST_Centroid(ST_Collect(geom)) AS geom, itinéraire FROM arrêts > GROUP BY itinéraire ), > -- Calculer la distance arrêt/centre pour chaque arrêt de chaque itinéraire. stop_distance AS ( SELECT s.*, ST_Distance(s.geom, c.geom) AS > distance FROM stop s JOIN center c ON (s.route = c.route) > ORDER BY route, distance DESC ), > -- Filter juste les paires stop/centre les plus éloignées. first_stops AS ( SELECT DISTINCT ON (route) stops_distance.* FROM stops_distance ) > -- Transmettez les informations d'itinéraire/d'arrêt dans la fonction de génération d'itinéraire linéaire ! SELECT row_number () sur () AS gid, -- QGIS aime numérique > clés primaires route, walk_centers (gid, route) AS geom FROM > first_stops; > > -- Faites aussi un peu de ménage ALTER TABLE lines ADD PRIMARY KEY (gid);

En un coup d'œil, je pense que le problème est que vous utilisez strpos(s.routes::text,$2) != 0 pour faire votre correspondance. Vous devriez utiliser l'une des fonctions d'expression régulière à la place. ou fractionner en tableau. Quelque chose comme (ce qui signifie que si la route contient votre route d'entrée)

string_to_array(s.routes,',') @> ARRAY[$2]

Enquêter sur les variations dans la fourniture de services numériques dans les bibliothèques publiques à l'aide de modèles SIG basés sur le réseau

Les bibliothèques publiques ont été considérées comme jouant un rôle important dans la fourniture de services numériques à des groupes potentiellement exclus afin d'aider à atteindre les objectifs du gouvernement concernant la fourniture de services numériques. Les systèmes d'information géographique (SIG) ont été utilisés pour étudier les zones de services de bibliothèque, pour faciliter les décisions d'emplacement initiales et pour modéliser les implications de l'ouverture et de la fermeture des services de bibliothèque. Des études récentes ont encouragé l'utilisation de techniques basées sur les SIG pour étudier les variations spatiales de l'accessibilité aux services publics et privés en relation avec les caractéristiques socio-économiques des groupes de population. Une de ces techniques, basée sur des approches de bassin versant flottant (FCA), a été principalement utilisée pour étudier les inégalités potentielles dans les services de santé, l'accès à l'emploi et aux loisirs, ainsi que la planification des transports publics. Dans cette étude, les techniques FCA sont utilisées pour rechercher les variations d'accessibilité aux installations des bibliothèques publiques à l'aide d'outils d'application sur mesure développés dans un progiciel SIG commercial. S'appuyant sur une analyse préliminaire des variations d'accessibilité aux services de bibliothèque dans une zone d'autorité locale du sud du Pays de Galles, au Royaume-Uni, une étude de cas est présentée dans laquelle des modèles basés sur SIG peuvent être utilisés pour étudier les variations spatiales dans la fourniture de services numériques. En conséquence, des lacunes dans la fourniture de ces services peuvent être identifiées. Les résultats de cette étude aident à orienter les programmes de prestation des gouvernements nationaux pour promouvoir l'inclusion numérique.

Points forts

► Les services des bibliothèques publiques aident à répondre au programme d'inclusion numérique du gouvernement britannique. ► Le SIG a été utilisé pour étudier les variations spatiales de l'accès aux services de bibliothèque. ► L'accès aux bibliothèques pour une autorité locale du Pays de Galles est exploré dans une étude de cas. ► Il est démontré que les outils SIG sont utiles pour éclairer les stratégies d'engagement numérique.

Gary Higgs est actuellement directeur du Centre de recherche SIG à la Faculté des technologies avancées de l'Université de Glamorgan, au Pays de Galles, et codirecteur du Wales Institute of Social and Economic Research, Data and Methods (WISERD) à Glamorgan. Les principaux intérêts de recherche portent sur l'application des SIG dans les études sociales et environnementales, plus récemment dans les domaines de la géographie de la santé et de la planification d'urgence.

Mitch Langford est maître de conférences à la Faculté des technologies avancées de l'Université de Glamorgan. Ses intérêts de recherche actuels comprennent la cartographie disymétrique, la modélisation de la population et l'analyse géospatiale dans les domaines de la santé, de l'égalité sociale et de la justice environnementale.

Richard Fry est chercheur pour l'équipe WISERD SIG/Intégration de données à la Faculté des technologies avancées de l'Université de Glamorgan. Ses intérêts de recherche actuels comprennent l'analyse géospatiale, les logiciels SIG open source, la modélisation de l'accessibilité et les données liées dans les domaines des transports et des sciences sociales.


Décomposer ORBIS : Rome pour l'OiB

Ce qui suit décrit certaines fonctions du système et les composants associés.

Fonctionnalité

Les trois principales catégories fonctionnelles d'ORBIS:Rome sont

Recherche d'itinéraire : chemin un à un au moindre coût
Étant donné deux endroits (alias sites, nœuds), calculez le chemin le moins coûteux pour un trajet simulé entre eux à travers un réseau multimodal de routes, de chemins, de rivières et de routes maritimes. Le coût du trajet est la somme des pondérations de ses segments de réseau (bords). Les pondérations des segments sont dérivées de la distance et d'une combinaison d'estimations de "frottement" tirées de la topographie moderne et de sources historiques. Les résultats incluent la durée, la distance et, en fonction des données disponibles, un coût monétaire dérivé du transport de marchandises ou de personnes à travers celui-ci. Les choix de paramètres supplémentaires pour ORBIS:Rome incluent : la saison de voyage, le mode de transport (véhicule, animal, pied) et les modes de réseau (route, fleuve, mer ouverte, côtier).

Cartogrammes, cartes de contour et régions : chemins un-à-plusieurs
L'algorithme k-dijkstra permet un calcul très rapide des coûts entre un nœud et plusieurs autres. Les résultats – ‘champs’ des valeurs ponctuelles dans une grande zone – peuvent être utilisés pour créer plusieurs produits d'analyse géospatiale. Les cartogrammes substituent le temps ou d'autres coûts à la distance et déforment les cartes en conséquence. Les cartes de contour montrent des bandes de valeurs à peu près égales pour une valeur associée à des emplacements de points dans ce contexte, le temps ou les dépenses pour voyager entre un point donné et tous les autres dans une zone peuvent produire des cartes isochrones et isodapanes, respectivement. Étant donné plusieurs points de “start”, on peut également calculer des régions avec des algorithmes de clustering et de Voronoi.

Interface de programmation d'applications (API)
L'API interne pour ORBIS:Rome n'a pas été documentée pour un accès externe, mais pour OiB, cela pourrait l'être. Le nombre de paramètres autorisés peut déterminer sa facilité d'utilisation. Vous pouvez voir quelles requêtes ORBIS:Rome génère en fonction des choix d'interface utilisateur, en utilisant la fonction “Network” dans les consoles des outils de développement du navigateur. Par exemple, le calcul d'un itinéraire entre Constantinople et Jérusalem avec différentes valeurs de paramètres ressemble à ceci :

Il renvoie un objet JSON complexe que le code frontal analyse pour l'affichage.

Composants

Données réseau

  • Des endroits (nœuds). Données ponctuelles pour les établissements et autres nœuds de réseau connexes (par exemple, les promontoires côtiers).
  • Segments (bords). Géométrie LineString pour les chemins dans ORBIS:Rome, les types de segment principal (chemin) incluent route, rivière, ferry, haute mer, côtier. Ceux-ci sont ensuite sous-typés pour différencier les poids associés, qui ont été pré-calculés : par ex. les segments fluviaux comprennent les sous-types en amont, en aval, en accélération et en accélération. Il existe également des segments de transfert logiques pour permettre d'associer des coûts aux changements de mode (par exemple, route vers ferry). La table de bord principal a 53 539 lignes, pour 7 740 paires de nœuds distinctes. L'obtention de pondérations de segments plausibles exige une recherche historique intensive et/ou une analyse géospatiale.
  • Poids des segments. Les coûts de segment peuvent varier selon la saison et la direction (amont/montée vs aval/descente). Nous pouvons souhaiter prendre en compte le changement d'altitude dans les poids. Pour ORBIS:Rome, les sources historiques indiquant les temps de trajet entre les lieux étaient relativement rares par rapport à ce qui peut être disponible pour les périodes ultérieures.
  • Restrictions de segments. Dans ORBIS:Rome, un certain nombre de segments sont “restreint” – – omis de certains calculs – dans diverses circonstances, y compris “no go” certains mois, ou impossibles pour certains modes de transport.

Quelques considérations sur les données

Temporalité. Les réseaux changent avec le temps, parfois de manière significative. Il en va de même pour les types de véhicules et leurs capacités. Les voyages à travers les routes de la soie terrestres et maritimes au sens large se sont déroulés sur environ 1500 ans. Le réseau ORBIS:Rome reflète globalement les conditions autour de 200 CE. Comment un OiB générique devrait-il permettre aux implémentations de tenir compte des changements de réseau au fil du temps ? Avec des attributs temporels de nœuds et d'arêtes ? Avec des sous-ensembles de données d'instantanés discrets ? Soit?

Granularité. La densité de données pour des régions particulières dans une portée OiB donnée peut être plus ou moins clairsemée. Cette variation peut affecter les résultats de manière significative. Quelles devraient être les recommandations de bonnes pratiques pour cela ?

Résolution. Les données vectorielles MultiLineString peuvent être créées à différentes résolutions. La distance d'un chemin donné entre deux endroits reflétera le degré d'articulation des lignes de segment pertinentes. Une grande variété de résolutions peut entraîner des résultats trompeurs.

Chemins contre arêtes simples. Les données de bord pour ORBIS : Rome sont « incorporées géographiquement. » C'est-à-dire qu'elles reflètent le tracé approximatif des routes, des rivières, etc. fixé uniquement au début et à la fin, et d'attribuer des poids reflétant la distance (entre autres), mais ne représentant pas les chemins réels. Cela devrait-il être une option?


Tracer des routes à travers les centroïdes - Systèmes d'Information Géographique

Le programme d'aide à la nutrition supplémentaire (SNAP) est le plus grand programme d'aide alimentaire aux États-Unis. Les participants reçoivent des avantages électroniques échangeables dans une variété de magasins d'alimentation. Des recherches antérieures indiquent que les quartiers à faible revenu manquent souvent de supermarchés proposant des aliments de haute qualité et abordables.

Objectif

Le premier objectif de cette étude était d'explorer le nombre et la répartition spatiale des magasins SNAP par type et d'évaluer comment le rachat des avantages SNAP est lié au type de magasin en Caroline du Nord en 2015. Le deuxième objectif était de comparer la démographie des populations vivant dans les zones. avec une forte concentration de participants SNAP par rapport aux zones avec une concentration plus faible de participants SNAP. Le troisième objectif était de tester les disparités dans la disponibilité et l'accès aux magasins autorisés SNAP dans les zones à forte ou faible concentration de participants SNAP stratifiés par statut rural/urbain.

Concevoir

Les données du US Department of Agriculture et du US Census ont été utilisées pour explorer la distribution spatiale des magasins SNAP au niveau du groupe d'îlots de recensement à l'aide d'un système d'information géographique.

Participants

Les 9 556 magasins SNAP de Caroline du Nord en 2015 ont été classés en magasins à gamme complète et à gamme limitée.

Mesures de résultats

Proximité des magasins d'alimentation SNAP à gamme limitée et des magasins d'alimentation SNAP à gamme complète à portée d'accès (1 mile dans les zones urbaines et 10 miles dans les zones rurales).

Analyses statistiques

La somme des rangs de Wilcoxon et les tests χ 2 sont utilisés pour comparer la distance et la concentration des magasins SNAP selon la ruralité et la concentration des participants SNAP à l'échelle du groupe d'îlots de recensement.

Résultats

Parmi les magasins SNAP en Caroline du Nord, 83 % sont des magasins à assortiment limité et 17 % sont des magasins à assortiment complet. Il existe des disparités dans la démographie des personnes vivant dans les groupes d'îlots de recensement avec une forte proportion de participants au SNAP par rapport aux groupes d'îlots de recensement avec une proportion plus faible de participants au SNAP. Plus de ménages dans les groupes d'îlots de recensement de participants SNAP plus élevés étaient non blancs, n'avaient pas de voiture et avaient des enfants par rapport aux groupes d'îlots de recensement avec une participation plus faible au SNAP. Les résidents des groupes d'îlots de recensement à forte participation au programme SNAP avaient généralement accès à 0 magasins à gamme complète et à 4 magasins à gamme limitée dans les zones urbaines et à 3 magasins à gamme complète et à 17 magasins à gamme limitée dans les zones rurales.

Conclusion

L'accès des participants SNAP à une variété de magasins doit être pris en compte lors de l'approbation des magasins d'alimentation pour l'autorisation SNAP. Des recherches supplémentaires sont essentielles pour démêler la relation entre l'accès au type de magasin SNAP et le choix d'aliments SNAP et pour estimer les disparités géographiques.


Demandes de fret

TransCAD a été conçu pour faciliter la modélisation de la demande de fret ainsi que les modèles de passagers. TransCAD peut gérer toutes vos données de fret, quel que soit le nombre d'origines, de destinations, d'expéditions ou de produits concernés. TransCAD offre une solution complète pour la modélisation des flux de marchandises et des mouvements de camions. Le trafic de fret peut être facilement affecté au réseau de transport et il existe également des procédures d'affectation spécialisées disponibles pour l'affectation des lettres de transport ferroviaire.


Communication de Cao, concernant les applications de la méthode de Cao et al. (2015) aux applications commerciales.

La terminologie « basée sur l'intensité » ne concerne pas les « méthodes d'intensification » telles qu'elles sont utilisées dans les algorithmes métaheuristiques. Cependant, la terminologie « basée sur la diversité » est associée aux « méthodes de diversification » utilisées dans de tels algorithmes.

Une petite valeur intéressante de k’ pour initier une telle approche est 3.

Cela permet de commencer avec kFirst = 2 et plus tard d'augmenter kFirst à kCheck + 1 accompagné de la réinitialisation de kCheck = k pour l'exécution finale.

Une exception se produit lorsque (k_<> = 1) , auquel point tous les (N_<>) est absorbé dans tous les cas.

Une variation pour accentuer l'influence des points avec des (D_<>(h)) valeurs est de définir la moyenne (_<>(h) = D_<>(h)^<2>/C(h)) .

Le problème K-MinProduct peut également être abordé via l'algorithme K-MinSum en utilisant des logarithmes. Le problème K-MinMedian ne doit pas être confondu avec le problème K-Median, qui est basé sur un concept différent reposant sur des vecteurs de coordonnées. Nous pouvons également définir un algorithme K-MedianMedian, parmi d'autres nouvelles variantes.


Gagner un score: La différence entre les résultats expérimentaux avant et après.

Réponse galvanique de la peau (GSR): La mesure des variations de la résistance électrique de la peau humaine associée à divers stimuli (images, sons, mots, etc.).

La théorie des jeux: La théorie des jeux est un cadre mathématique pour analyser les interactions entre les décideurs et les résultats qui en résultent. Les éléments de la théorie des jeux sont souvent intégrés dans les modèles développés par Decision Analyst.

Garbologues: Des chercheurs qui trient les ordures des gens pour analyser les habitudes de consommation des ménages.

Généralisabilité: La mesure dans laquelle des inférences peuvent être tirées sur la population cible sur la base des résultats de la recherche marketing.

Génération X: Génération entre 1965 et 1976, lorsque les taux de natalité ont chuté rapidement et sont restés faibles. Souvent appelé le « bébé buste ».

Cartes géocodées: Voir Cartographie SIG ou alors Cartes thématiques.

Géocodage (ou encodage géographique): Processus consistant à associer des zones géographiques (État, comté, route postale, secteur de recensement, etc.) à des informations démographiques et psychographiques. Le géocodage est largement utilisé pour analyser et segmenter les bases de données clients et pour améliorer l'efficacité des campagnes de marketing direct. Apprendre encore plus

Système de segmentation géodémographique: Un système de classification des consommateurs en différents segments en fonction des caractéristiques démographiques et économiques des régions dans lesquelles ils vivent. Apprendre encore plus

Centroïdes géographiques: Points géographiques marquant les centres approximatifs de populations au sein des 260 000 groupes de blocs et districts de recensement aux États-Unis.

Système d'Information Géographique (SIG): Un système logiciel pour enregistrer, stocker, traiter et analyser des superpositions d'informations liées à des zones géographiques.

Segmentation géographique: Segmentation du marché en fonction de la localisation géographique. Apprendre encore plus

Géographie: L'analyse et le regroupement de personnes ou de ménages en fonction des zones géographiques. Apprendre encore plus

Analyse géométrique : Une discipline mathématique à l'interface de la géométrie différentielle et des équations différentielles. Il renvoie à la fois à l'utilisation de méthodes géométriques dans l'étude des équations aux dérivées partielles (quand on l'appelle aussi « EDP géométrique ») et à l'application de la théorie des équations aux dérivées partielles à la géométrie. Apprendre encore plus

Zone d'étude géométrique: Un marché défini par une forme géométrique (un cercle, un carré, etc.).

SIG : Systèmes d'information géographique. Voir Cartographie SIG.

Cartographie SIG (cartographie du système d'information géographique): L'analyse et l'affichage visuel des données via des cartes géographiques codées par couleur. Apprendre encore plus

Groupes de discussion mondiaux: Groupes de discussion menés dans plusieurs pays. Ces groupes de discussion peuvent être menés par plusieurs modérateurs en personne travaillant de manière indépendante, ou ces groupes peuvent être menés via les forums de discussion en ligne Time-Extended™ par Decision Analyst via Internet dans plusieurs pays simultanément. Des groupes de discussion mondiaux peuvent également être organisés au moyen de divers types de technologies de vidéoconférence.

Orientation vers les objectifs: Un accent sur la réalisation des objectifs de l'entreprise une limite fixée sur l'orientation du consommateur.

Échelles d'évaluation graphique: Échelles visuelles utilisées pour communiquer les choix de réponse et montrer les relations spatiales entre les réponses possibles pour communiquer l'importance relative.

Grille: Terme utilisé pour décrire une séquence de questions de sensibilisation, d'essai et d'utilisation dans un questionnaire téléphonique, dans lequel toutes les réponses sont regroupées dans une grille. Le terme est parfois utilisé pour désigner les échelles visuelles des répondants dans les exercices de cartographie conceptuelle et de mise à l'échelle des attitudes.

Test de grille: Un moyen de tester plus d'une variable à la fois.

Revenu brut: Revenu total d'un ménage de toutes sources, avant déduction des impôts.

Dynamique de groupe: Les interactions entre les répondants dans un groupe de discussion, ou dans n'importe quel petit groupe de personnes.

Entretiens en profondeur de groupe: Voir Entretien de groupe.

Discussions de groupe: Voir Entretien de groupe.

Entretien de groupe: Technique de recherche qualitative impliquant une discussion entre huit à dix répondants, animée par un modérateur. Aussi appelé Groupes de discussion, Discussions de groupe, et Entretiens en profondeur de groupe.

Groupe Quartiers Population: Résidents des casernes militaires, des dortoirs universitaires, des prisons, des hôpitaux de soins de longue durée, des pensions, des maisons de retraite, etc.

Taux de croissance: L'augmentation (ou la diminution) totale d'une variable sur une période de temps définie, divisée par la valeur de la variable dans la période de base.


Déterminer les crimes entre les écoles et les bibliothèques publiques

Il y a environ 550 écoles et un total de 55 bibliothèques publiques à Philadelphie. De toutes les petites et grandes villes américaines, Philadelphie a l'un des taux de criminalité les plus élevés (44 pour mille). Ce projet tente de déterminer le risque pour les étudiants lorsqu'ils souhaitent se rendre à la bibliothèque publique la plus proche. Il détermine également combien d'écoles se trouvent à un mile de chaque bibliothèque, ce qui montrera comment les bibliothèques sont inégalement réparties dans la ville ou que les bibliothèques publiques n'ont pas pris en compte le nombre d'écoles autour d'elles lors de leur création. Cela montre également où se trouvent les écoles et la bibliothèque et combien de crimes se sont produits autour de chaque école et bibliothèque. Ainsi, cela prédira la possibilité de devenir une victime des crimes de quartier. Pour ce faire, j'ai utilisé PostgreSQL qui est plus facile à calculer et à mesurer le risque sur le chemin d'une école à une bibliothèque la plus proche.

J'ai utilisé trois sources de données importantes telles que les données scolaires au format .csv, les données de la bibliothèque sous forme de fichier de formes et les données sur la criminalité qui montrent tous les crimes signalés qui se sont produits à Philadelphie de 2007 à 2014. Toutes ces données sont acquises à partir d'OpenDataPhilly qui est une donnée ouverte la source. Après le téléchargement, toutes les données nécessaires ont effectué une normalisation des données pour réduire la redondance des données. Pour utiliser ces données avec PostgreSQL, il faut les télécharger sur le serveur SQL (pour le shapefile utilisez la commande shp2pgsql et pour le fichier .csv utilisez la console SQL simple). La carte ci-dessous montre l'emplacement des écoles et des bibliothèques, les incidences de la criminalité à environ un mile de chaque école et le nombre d'écoles à moins d'un mile de chaque bibliothèque publique.

Après avoir appliqué quelques carrières, j'ai découvert qu'il y a de nombreuses écoles où plus de 2000 crimes se sont produits et qu'il y a trois écoles où plus de 5000 crimes se sont produits à moins de 1000 pieds, et il y a 5 bibliothèques où plus de 2000 crimes se sont produits au cours de ces 7 années. Les bibliothèques sont inégalement réparties dans la ville en fonction du nombre d'écoles. Il y a des bibliothèques dans lesquelles il n'y a qu'une seule école, et il y a deux bibliothèques où plus de 20 écoles se trouvent à moins d'un mile. Même il y a des écoles qui sont à plus d'un kilomètre et demi des bibliothèques les plus proches. La figure ci-dessous montre les lignes entre les écoles et les bibliothèques les plus proches avec une zone tampon de cent pieds autour des lignes.


CRÉER TABLE phl.shortest_distance_buffer AS
SELECT e.from_school, e.close_library, ST_Buffer(geom,100)::geometry(Polygon,2272) AS geom
DE (
SELECTIONNER d.school comme from_school,
d.library en tant que close_library,
ST_MakeLine(d.geom1, d.geom2) en tant que geom
DE(
SÉLECTIONNER
s.facil_name AS école,
s.geom AS geom1,
Bibliothèque AS A.branch_nam,
A.geom AS geom2,
ST_Distance(s.geom, A.geom) comme distance
DE
phl.all_philly_school en tant que s
CROIX JOINT LATÉRALE
(
SELECT l.nom_branche, l.geom
FROM phl.philly_libraries as l
COMMANDER PAR l.geom s.geom
LIMITE 1
) AS A) comme d) comme e


SELECTIONNER a.from_school, a.close_library, count(b.objectid)
FROM phl.shortest_distance_buffer en tant que
REJOIGNEZ phl.philly_crime_incident_coded en tant que b
ON ST_Contient(a.geom, b.geom)
GROUP BY a.from_school, a.close_library
ORDER BY count(b.objectid)

Les requêtes ci-dessus m'ont servi à tracer une ligne droite entre chaque école et les bibliothèques les plus proches et à créer une zone tampon de 100 pieds autour de chaque ligne. La partie inférieure de la requête compte les crimes dans chaque tampon. L'intention de le faire est de déterminer le nombre de crimes qui se produisent dans chaque ligne tampon et de découvrir la possibilité d'être victime si un élève veut se rendre à la bibliothèque la plus proche de l'école. Le résultat de cette requête montre qu'il y a 14 lignes de distance des écoles et des bibliothèques où plus de 650 crimes se produisent de 2007 à 2014. Par conséquent, il est plus susceptible de devenir une victime des crimes de quartier que les autres 531 distances de lignes des écoles aux bibliothèques. . Alternativement, il y a 12 distances de ligne entre les écoles et les bibliothèques les plus proches où moins de 10 crimes se produisent de 2007 à 2014.

Il y a quelques limitations dans le projet, comme les lignes droites créées entre les écoles et les bibliothèques les plus proches ne sont pas la route pour se rendre à une bibliothèque, donc, les calculs de la criminalité ne sont pas juste une supposition. De plus, au moment du calcul du crime, je ne concernais pas le moment du crime, et l'étudiant avait l'intention d'aller dans une bibliothèque. Il est important de tenir compte de l'heure du crime et de l'heure prévue pour qu'un étudiant se rende dans une bibliothèque pour faire une estimation rationnelle des crimes (y compris le type de crime) qui se produisent dans les zones tampons. Selon les limitations, des recherches supplémentaires peuvent être effectuées dans lesquelles le chercheur peut utiliser le routage PG pour obtenir les itinéraires exacts avec la distance entre une école et une bibliothèque la plus proche et relier ce résultat aux crimes en tenant compte du temps et du type de crimes à commettre. un rapport potentiel pour voir les possibilités de devenir victime d'un crime de quartier lorsqu'un étudiant avait l'intention d'aller dans une bibliothèque. La recherche peut également trouver les itinéraires alternatifs et l'heure de la journée où et quand (moyen et heure les plus sûrs) a très moins de possibilités de devenir une victime du crime de quartier.

Pour les détails du projet, contactez l'e-mail : [email protected]


1 réponse 1

Voici un code pour faire ce que vous voulez faire. Sachez que Google a certaines exigences/limitations de licence concernant l'utilisation de son API. Vous êtes censé utiliser les résultats obtenus ici dans une Google Map. Veuillez lire les limites d'utilisation ici : https://developers.google.com/maps/documentation/directions/

Notez que cela nécessite une référence à « Microsoft XML, v6.0 », sauf si vous modifiez le code pour utiliser la liaison tardive.

J'ai intentionnellement choisi d'utiliser XML au lieu de JSON car VBA n'est pas très pratique avec JSON, et moi non plus. Il existe un module que vous pouvez télécharger souvent appelé VBJSON mais il a une petite courbe d'apprentissage, surtout si vous n'avez jamais travaillé avec JSON auparavant. Je pense que XML est plus "cher" (moins efficace) mais je pense qu'il est également plus facile de travailler avec Access VBA.


Voir la vidéo: Tracer un itinéraire: Strava x Geoportail trail, rando, cyclisme (Octobre 2021).