Viac

Kartografické techniky na symbolizáciu smerovacích údajov

Kartografické techniky na symbolizáciu smerovacích údajov


K niektorým bežným problémom so zobrazovaním trás vytvorených z údajov o uliciach, ako sú napríklad trasy autobusov, patrí:

  1. Trasy sa môžu prekrývať, napríklad keď trasa vedie rovnakou cestou v opačných smeroch
  2. Trasy sa môžu prekrývať s inými trasami, ktoré vedú rovnakou ulicou.
  3. Trasy sú často príliš podrobné alebo „hlučné“ kvôli ich odvodeniu z údajov z ulice.
  4. Jednoznačné určenie smeru trasy bez preťaženia šípkami môže byť výzvou.

Aké sú niektoré techniky na riešenie týchto problémov s cieľom vytvoriť praktickú a použiteľnú mapu trás, ako je táto mapa autobusových trás na Manhattane? Viete o nejakých takých mapách verejnej dopravy, ktoré boli vyrobené skôr automatickými technikami než ručnou ilustráciou/digitalizáciou?

Konkrétne používam ArcGIS 10, ale vítané sú aj riešenia týkajúce sa iného softvéru.

Jednou z techník, s ktorými som sa úspešne vysporiadal s 1), je použiť symboly kartografických čiar ArcMap s negatívnym posunom-za predpokladu, že čiary sú orientované v smere jazdy, bude to odsadiť čiary tak, že pravá a ľavá strana sú zreteľné a orientované tak, ako by ste očakávali (prinajmenšom pre krajiny s pravostrannou premávkou, pre krajiny s ľavostrannou premávkou by ste použili pozitívny offset). Výsledok však býva trochu zvratný v zákrutách, prestupových uzloch a zákrutách U a je nepružný, pokiaľ ide o viacero trás.

Ďalšou možnosťou, s ktorou sa veľmi nevyznám, ale ktorá sa zdá sľubná, sú kartografické znázornenia - nemal som však veľa šťastia pri hľadaní príkladov použitia vyobrazení pre dopravné mapy a toho, či by sa hodili k návrhu zákona.


Pred niekoľkými rokmi som nepoužíval ArcGIS Schematics viac ako niektoré rýchle ukážky, ale existuje príspevok v blogu na tému Vytvorenie máp trasy s rozšírením ArcGIS Schematics, ktorý môže poskytnúť riešenie.


Nemyslím si, že by som to odporúčal na začiatku (skôr ako posledná možnosť pre jednoduchosť), ale videl som mnoho máp metra, ktoré skutočne manipulovali s linkami, aby boli usporiadanejšie. Tu je príklad z blogu visual.ly, ktorý zobrazuje americké diaľnice. Som si však celkom istý, že okolo nich pláva oveľa viac.


(zdroj: netdna-cdn.com)

Rieši to predovšetkým váš bod č. 3, ale pomáha to čiastočne vyriešiť aj ostatné problémy. Keď sú riadky menej kľukaté, je jednoduchšie vyvinúť symboliku na rozlíšenie medzi čiarami a nadmerné vykresľovanie je jednoduchšie vyriešiť posunutím symbolov.

Pokiaľ ide o čas, aby vyzerali ako veľa práce. Tiež je bolestivé navrhnúť skresľujúcu geografiu, aby bola pekne vyzerajúca mapa, ale okolo existuje niekoľko pekných príkladov. Pokúsim sa nájsť ďalšie príklady a zverejniť ich tu.


Tu je niekoľko zdrojov, ktoré som našiel o automatickom generovaní máp pre tranzit a ďalších údajov:

  • Stott a kol. „Automatické rozloženie mapy metra pomocou optimalizácie viacerých kritérií“ - abstrakt:

    "Tento článok popisuje automatický mechanizmus na kreslenie máp metra. Aplikujeme optimalizáciu viacerých kritérií na nájdenie efektívneho umiestnenia staníc s dobrým rozložením čiar a na jednoznačné označenie mapy. Je definovaných množstvo metrík, ktoré sa používajú vo váženom súčte na nájdenie hodnota vhodnosti pre rozloženie mapy. Na zníženie hodnoty kondície a nájdenie vylepšeného rozloženia mapy sa používa optimalizátor lezenia do kopca. Aby sme sa vyhli miestnym minimám, na mapu používame techniky klastrovania - horolezec presúva stanice aj klastre, keď nachádzanie vylepšených rozložení. Ukazujeme metódu použitú na niekoľkých mapách metra a popisujeme empirickú štúdiu, ktorá poskytuje niekoľko kvantitatívnych dôkazov o tom, že automaticky kreslené mapy metra môžu pomôcť používateľom nájsť trasy efektívnejšie než buď publikované mapy, alebo neskreslené mapy. Navyše, zistili sme, že v týchto prípadoch študijné predmety uprednostňujú automaticky kreslené mapy pred alternatívami. “

    Nasleduje automaticky generovaná mapa tranzitu Sydney zo Stottovej práce:

  • Tento blogový príspevok od Chrisa Muellera poskytuje súhrn na vysokej úrovni Stott a kol.

  • Transitive.js - Nástroj na generovanie dynamických štylizovaných máp tranzitu, ktoré sú z údajov o tranzite ľahko zrozumiteľné. Prečítajte si viac v tomto blogovom príspevku. Tu je výstup z Transitivu:

  • Wolff - „Kresba grafov a kartografia“ - Zhrnutie kapitoly knihy:

    V tejto kapitole uvádzame prehľad hlavných typov geometrických sietí, ktoré sa vizualizujú automatizovane pomocou diagramov uzlového prepojenia. Pre každý typ siete zvažujeme estetické obmedzenia závislé od aplikácie. Typy sietí zoskupujeme podľa triedy grafov, do ktorej patria: cesty (zjednodušené, schematizované a zovšeobecnené v časti 23.2), zhody (používané v označovaní hraníc v časti 23.3), stromy (ako v postupových mapách; pozri časť 23.4), (blízke) rovinné grafy (napríklad mapy ulíc alebo metra; pozri oddiel 23.5) a ďalšie grafy (napríklad grafy cestovných poriadkov, chrbticová kosť multicastového internetu alebo sociálne siete; pozri časť 23.6).

  • Rozkladanie - knižnica na vytváranie interaktívnych máp a geovizualizácií. Podľa môjho chápania to však iba vizualizuje už existujúce údaje a nerobí žiadne generalizovanie trás.


VYUŽÍVANIE DIGITÁLNYCH KARTOGRAFICKÝCH ÚDAJOV A GEOGRAFICKÝCH INFORMAČNÝCH SYSTÉMOV NA VÝVOJ DOPRAVNÝCH SIETÍ

Tento abstrakt, ktorý sa nachádza v súhrne konferenčných príspevkov, uvádza niektoré výhody použitia geografických informačných systémov a existujúcich kartografických údajov na rozvoj dopravných sietí. Popisovaný dokument taktiež rozoberá postupy a úskalia a správy o niekoľkých dopravných projektoch, v ktorých boli tieto techniky použité.

  • Doplňujúce poznámky:
    • Ďalšiu podporu poskytla regionálna rada Puget Sound a King County vo Washingtone.

    Washingtonské ministerstvo dopravy


    Veda a aplikácie priestorových údajov

    Spatial (mapa) je považovaný za kľúčovú infraštruktúru moderného IT sveta, ktorá je podložená obchodnými transakciami veľkých IT spoločností ako Apple, Google, Microsoft, Amazon, Intel a Uber, a dokonca aj motorových spoločností ako Audi, BMW, a Mercedes. V dôsledku toho sú povinní najímať stále viac vedcov priestorových údajov. Na základe takéhoto obchodného trendu je tento kurz navrhnutý tak, aby študentom, ktorí by mali základné znalosti z oblasti dátovej vedy a analýzy údajov, predstavil pevné porozumenie vede o priestorových údajoch a aby v konečnom dôsledku svoju odbornosť odlíšil od ostatných nominálnych vedcov údajov a údajov. analytici. Tento kurz by navyše mohol študentom umožniť pochopiť hodnotu priestorových veľkých dát a silu softvéru s otvoreným zdrojovým kódom na riešenie problémov spojených s vedou o priestorových údajoch. Tento kurz začne definovaním vedy o priestorových údajoch a zodpovedaním toho, prečo je priestorový priestor špeciálny z troch rôznych perspektív - obchodu, technológie a údajov v prvom týždni. V druhom týždni sa spoločne predstavia štyri disciplíny súvisiace s vedou o priestorových dátach - GIS, DBMS, Data Analytics a Big Data Systems a súvisiaci softvér s otvoreným zdrojovým kódom 's - QGIS, PostgreSQL, PostGIS, R a Hadoop. Počas tretieho, štvrtého a piateho týždňa sa naučíte štyri disciplíny po jednej od zásady po aplikácie. V posledný týždeň je predstavených päť problémov skutočného sveta a zodpovedajúce riešenia s postupmi krok za krokom v prostredí softvéru s otvoreným zdrojovým kódom 's.

    Получаемые навыки

    Priestorová analýza, Qgis, veľké dáta, geografický informačný systém (GIS)

    Рецензии

    Skvelý kurz, ktorý začína základmi, je popisný pomocou príkladov, scenárov skutočného života a používania softvéru. Rozhodne sa odporúča.

    Milujem kurz! Vysvetlil veľmi podrobne o priestorových. Dúfam, že sa mi čoskoro podarí získať prácu snov, ktorá súvisí s priestorovou analýzou.

    Tretím modulom je „Geografický informačný systém (GIS)“, ktorý je jednou zo štyroch disciplín pre vedu o priestorových údajoch. GIS má päť vrstiev, ktorými sú priestorový referenčný rámec, model priestorových údajov, systémy získavania priestorových údajov, analýza priestorových údajov a geo-vizualizácia. Tento modul sa skladá zo šiestich prednášok. Prvá prednáška „Päť vrstiev GIS“ je úvodom do tretieho modulu. Ostatné prednášky budú pokrývať päť vrstiev GIS, jednu po druhej. Druhá prednáška „Priestorový referenčný rámec“ umožní študentom porozumieť po prvé, sérii formulačných krokov fyzickej projekcie zeme, geoidu, elipsoidu, dátumu a mapy a po druhé, koordinácii transformácie medzi rôznymi projekciami máp. Tretia prednáška „Priestorové dátové modely“ naučí študentov reprezentovať priestorovú realitu v dvoch priestorových údajových modeloch - vektorovom a rastrovom modeli. Štvrtá prednáška „Systémy získavania priestorových údajov“ sa bude zaoberať témami, ako a kde získavať priestorové údaje a ako vytvárať vlastné priestorové údaje. Piata prednáška „Analýza priestorových údajov“ poskytne študentom krátku predstavu o tom, ako z priestorových údajov získať užitočné a hodnotné informácie. Pokročilejšie algoritmy pre priestorovú analýzu budú popísané v piatom module. V šiestej prednáške „Geovizualizácia a doručovanie informácií“ študenti porozumejú silným aspektom a negatívnym potenciálom kartografických zobrazení ako komunikačného média priestorového javu.

    Преподаватели

    Joon Heo

    Текст видео

    [HUDBA] V tejto prednáške diskutujeme o získavaní priestorových údajov. Ako a kde získať priestorové údaje alebo ako vytvoriť vlastné priestorové údaje. Verím, že na uplatnenie úlohy vedca priestorových údajov pri riešení akýchkoľvek daných priestorových problémov, porozumenia a dokonca odbornosti v oblasti získavania a výroby priestorových údajov, je základnou požiadavkou. Pokiaľ ide o päť vrstiev GIS, diskutovali sme o prvej a druhej vrstve, teraz poďme študovať systémy na získavanie priestorových údajov. Ide o to, ako vyplniť model priestorových údajov skutočnými údajmi nad rámec priestorového referenčného rámca. [ZVUK] Témy tejto prednášky zahŕňajú vládnu otvorenú dátovú infraštruktúru ako hlavný zdroj priestorových údajov. A ako metódy pri produkcii priestorových údajov, konverzii analógových údajov na digitálny formát, GPS a iných senzoroch, leteckých a satelitných zobrazovacích systémoch na produkciu rastrových údajov, Lidar na produkciu 3D údajov, registrácii SNS, iných transakciách kartou a zhode scén a podobne na. Prvým a hlavným zdrojom priestorových údajov sú vlády. V ére veľkých dát väčšina vlád prijala politiku otvorených dát. Vďaka tomu ponúkajú bezplatný prístup k rôznym údajom vrátane priestorových údajov prostredníctvom otvorenej dátovej infraštruktúry. Zoznam na mojej snímke je len niekoľko príkladov. Určite nájdete mnoho a mnoho ďalších vládnych webových stránok, na ktorých máte prístup k priestorovým údajom vytvoreným vládou. Teraz sa pozeráte na webovú stránku, kde nájdete prístup k databáze sťažností spotrebiteľov, ktorá obsahuje sťažnosti prijaté úradom pre finančnú ochranu spotrebiteľa na finančné produkty a služby vrátane bankových účtov, kreditných kariet, hypoték, hlásení úverov a mnohých ďalších. Dáta obsahujú PSČ, takže ich môžete namapovať a použiť na priestorovú analýzu napríklad v indexe regionálnej spokojnosti s priestorovou službou. Teraz je veľmi vzácny prípad prevodu analógových údajov na digitálny formát. V minulosti to však bol veľmi aktívny a veľmi dôležitý zdroj priestorových údajov, zhruba pred 20 rokmi. Početné priestorové údaje v analógovej forme, napríklad papierová mapa, by mali byť prevedené do digitálneho formátu. Hlavnými metódami boli preto digitalizácia tabletu, digitalizácia na obrazovke, automatizácia prevodu rastra na vektor. Vývojový diagram, na ktorý sa teraz pozeráte, je pre budovanie pozemkového informačného systému, ktorý zahŕňa dve hlavné úlohy digitalizácie balíkových máp pre priestorovú vrstvu a daňových rolí pre atribútovú vrstvu. Keď sú dve vrstvy pripravené, mali by byť kombinované so spájaním v červenom poli na obrázku, pokiaľ ide o spoločný kľúč, ID balíka. Je to typický príklad toho, ako miestna vláda produkovala priestorové údaje. Pochopenie konvenčnej tvorby priestorových údajov by vám mohlo poskytnúť určitú flexibilitu a schopnosť vytvárať vlastné priestorové údaje. Predstavte si, že máte iba súbor programu Excel, povedzme,#x27s, údaje o sťažnostiach spotrebiteľov, ktoré sme práve spomenuli. Ako by ste mohli mapovať informácie a vytvárať priestorové údaje? Ako už bolo spomenuté, ak má ako stĺpec PSČ, musíte niekde nájsť a stiahnuť vrstvu mapy PSČ a údaje o sťažnosti na mape PSČ môžete namapovať pomocou operácie Pripojiť sa, pokiaľ ide o bežný PSČ, v tomto prípad. Obrázok konceptualizuje produkciu priestorových údajov s priestorovou a atribútovou zložkou. Ak niektorý komponent chýba, potom ako vedec priestorových údajov problém vyriešite vyhľadaním a získaním vhodných údajov alebo pomocou možnosti priamej výroby alebo pomocou senzorových technológií alebo pomocou umelej inteligencie a strojového učenia alebo inej metódy. To by bola ďalšia dôležitá kvalifikácia vedca priestorových údajov. Teraz krátko diskutujme o tom, ako vytvárať priestorové údaje pomocou senzorovej technológie. Obrázky ukazujú snímače polohy, ako napríklad GPS, Lidar, WiFi, meraciu jednotku zotrvačnosti, známu tiež ako IMU, hĺbkový senzor, infračervený snímač, technológiu Microsoft Kinect a Apple iBeacon. Každá technológia môže predstavovať určovanie polohy alebo mapovanie. V skutočnosti je mapovanie súborom určovania polohy. Jednotlivé údaje o polohe teda spoločne predstavujú výsledok mapovania. Pozrime sa podrobnejšie na najznámejšiu technológiu GPS, Global Positioning System. GPS je v skutočnosti skrátený názov NAVSTAR GPS, vyvinutý USA, DOD, ministerstvo obrany. Európska únia, EÚ, má rovnaký systém s názvom Galileo. Rusko má GLONASS a Čína Beidou. Tieto systémy sa oficiálne nazývajú GNSS, globálny navigačný satelitný systém. Existujú dve metódy určovania polohy pomocou GPS. Jednoduchá, ale menej presná metóda pseudorozsahu, komplikovaná, ale presnejšia metóda v nosnej fáze. Na obrázku a rovniciach ide o metódu pseudorozsahu, ktorá meria časové rozdiely medzi satelitom a daným prijímačom. A vyriešte neznáme informácie o súradniciach prijímača 's Xr, Yr, Zr a chybe hodín prijímača, Dtr, v červených políčkach. Štyri známe, takže ak máme štyri alebo viac rovníc, inými slovami, z prijímača sú viditeľné štyri alebo viac satelitov, potom môžeme nájsť polohu prijímača R. Letecká fotografia bola hlavným zdrojom mapovacích produktov. Národné topografické mapy, akékoľvek planimetrické mapy, ako sú cesty, budovy, inžinierske siete a podobne. V skutočnosti sa používajú aj na väčšinu 2D a 3D priestorových údajov na celonárodnú alebo dokonca celosvetovú realistickú prácu s mapami, ako sú Google Earth, HERE mapa, Apple Maps a digitálne ortofotové štvoruholníky, tiež známe ako DOQQ od USGS. Všetky sú založené na leteckých snímkach. Teraz sa pozeráte na sériu leteckých snímok USGS z 30 -ročného obdobia okolo rieky Sabine medzi Louisianou a Mississippi. Šialenstvo dronov malo v poslednej dobe určitý vplyv aj na získavanie leteckých fotografií. Pozeráte sa na sériu leteckých snímok získaných dronom, ktoré boli použité na vyhodnotenie škôd spôsobených tajfúnom v Kórei, skutočným príkladom. Na obrázku je teraz, keď sa pozeráte na obrázok, ktorý je 3D mapou centra Soulu, pomocou leteckej fotografie. V zásade sa tu uplatňoval rovnaký princíp. Ako spoločnosť Google, Microsoft, Apple a ďalšie spoločnosti alebo iné vládne organizácie urobili pri vytváraní vlastných 3D máp, ktoré sa nazývajú fotogrametria. Na snímke je teraz zhrnutý princíp fotogrametrie. Rovnice na pravej strane sa nazývajú kolinearitová rovnica, ktoré sú matematickými znázorneniami čiar medzi Oi a A a medzi Or a A. Každý riadok vytvára dve rovnice. Ako ukazujú červené šípky, rovnice vyzerajú komplikovane. Ale ak máme hodnotu všetkých ostatných daných premenných, okrem troch na nich, Xa, Ya a Za, čo je 3D súradnica bodu v skutočnom svete, v 3D svete, potom by sme mohli vyriešiť neznáme pomocou -lineárny odhad najmenších štvorcov. Na základe princípu, ak sú niektoré body v 3D priestore zachytené fotografovaním, leteckým fotografovaním dvakrát, teoreticky sa dajú odhadnúť 3D súradnice bodu. Takýmto spôsobom by sme mohli pomocou leteckej fotografie zmapovať alebo lokalizovať veľa 3D bodov vo svete, v skutočnom svete. 3D bod by mohol predstavovať tvar Zeme, v zásade terén, a bod vyplníme farbou polohy, spoločne tak môžeme mať 3D realistickú mapu, ktorú sme práve videli na predchádzajúcom snímku. Rovnaký princíp by bolo možné použiť aj na mapovanie akýchkoľvek iných typov priestorových objektov. Satelitné snímky, ktoré sa stávajú veľmi užitočným zdrojom priestorových údajov, najmä pre prírodné problémy. Práve ste sa pozreli na deväť snímok Landsat nad industrializovanými lesnými krajinami v Alabame v USA. Dokážete si uvedomiť hodnotu satelitných snímok? Áno, jednou z hlavných výhod je pravidelná kontrola tej istej oblasti na rovnakých miestach s veľmi okrajovými nákladmi. Séria deviatich satelitných snímok vám môže jasne ukázať, čo sa s touto oblasťou stalo. A tieto informácie je možné použiť a skombinovať s inými priestorovými údajmi a predstavujú obrovský hodnotový návrh, viac, ako si dokážete predstaviť. Teraz vám to ukážem. Teraz sa pozeráte na výsledky jednoduchej analýzy dvojice satelitných snímok na mapovanie povodní so satelitnými snímkami pred povodňou a po nej. Mohli by sme tu zmapovať zaplavenú oblasť červenou farbou. Ďalším príkladom je rovnaký prístup k lesnej pôde v štáte Washington v USA. Červená oblasť predstavuje nedávnu ťažbu lesnej pôdy. Ak by sme to prekrývali s balíkovou vrstvou, mohli by sme nájsť zoznam vlastníkov lesných pozemkov, ktorí mali zaplatiť daň IRS. Nie je to strašidelné? Poďme ešte o krok ďalej. Mali sme chemickú spoločnosť, ktorá nedávno vyrobila nový pesticíd, ktorý by najlepšie fungoval, keby sa aplikoval na mladé borovicové plantáže. Potrebujú zoznam potenciálnych zákazníkov na marketing, inými slovami potenciálnych kupcov chemikálie. Na nájdenie mladých borovicových plantáží by sme mohli predovšetkým použiť satelitné snímky. Potom prekryte vrstvami balíka, aby ste našli vlastníkov, a potom priraďte mená vlastníkov na žltej stránke. A nakoniec urobte zoznam telefónnych čísel potenciálnych kupcov nového pesticídu. Čo s tým? Ďalšou témou je Lidar. Lidar je známy aj ako laserový skener, ktorý je tiež dôležitým zdrojom produktov 3D mapovania. Pozeráte sa na 3D bodový oblak získaný z laserového skenera a zodpovedajúcich 3D modelov, ktoré vyrobil môj výskumný tím. Ďalším zaujímavým zdrojom lokalizačných údajov je odbavenie SNS, služby sociálnych sietí a ďalších transakcií s kartami, ako sú karty verejnej dopravy, kreditné karty a iné identifikačné karty. V ére veľkých dát získavajú väčší význam a mohli by predstavovať veľmi hodnotný pohľad na priestorové problémy. Stále však existujú problémy so súkromím a anonymizáciou súboru údajov. A tiež nedávno niektoré spoločnosti SNS zablokovali verejný prístup k množine údajov o nahlásení. V dôsledku toho je dostupnosť takéhoto súboru údajov obmedzená. Zhoda scén je zaujímavá metóda pre údaje o polohe, ktorá v zásade súvisí s fotogrametriou. Bolo vysvetlené ako princíp, vypočítať 3D súradnice neznámych bodov na predchádzajúcom snímku, ale je možný aj opačný spôsob. Ak už máme dostatok 3D bodov, mohli by sme odhadnúť miesto, kde bola fotografia urobená, inými slovami, polohu fotoaparátu. Takýmto spôsobom by sme mohli nájsť akékoľvek fotografie nasnímané v okolí, kde máme dostatok 3D bodov alebo dostatok fotografií. Obrázok, na ktorý sa pozeráte, konceptualizuje metódu párovania scén. Odkaz na YouTube je na Microsoft 3D Photo Tourism, neskôr premenovanom na Photosynth, ten slávny, ktorý vám môže povedať o koncepte 3D mapovania a metóde párovania scén pomocou fotografií. Užite si sledovanie videoklipu. [ZVUK] V poriadku, toto je koniec systémov na zber priestorových dát. Aj keď som to vysvetlil ako súčasť piatich vrstiev GIS, verím, že chápanie získavania priestorových údajov je oveľa viac než to. Je kritickou kvalifikáciou odlíšiť iba analytika priestorových údajov a vedca priestorových údajov. Dúfame, že sa vám táto prednáška páčila a uvidíme sa na ďalšej prednáške.


    Čo je to návrh a tvorba máp v GIS? umenie a veda?

    • Borden Dent: “ Umenie v kartografii je schopnosť kartografov syntetizovať rôzne zložky zahrnuté v procese abstrakcie do organizovaného celku, ktorý uľahčuje komunikáciu myšlienok. ”

    Ľudia majú na mapy estetické reakcie: mapy ako objekty záujmu, kontemplácie a záujmu presahujúce ich bezprostrednú použiteľnosť

    J. S. Keates: Britský kartograf: estetické reakcie na mapy

    • imitácia: mapa nám nejakým spôsobom pripomína, čo predstavuje, a to spôsobom, ktorý nás núti oceniť to. Máme radi mapy, pretože pôsobia mimicky a dokonca lepšie ako realita, ktorú majú predstavovať

    • Expresionista: mapa v nás nejakým spôsobom vyvoláva pocit, že existuje určitý osobný výraz od tvorcu máp – niektoré rozlišovacie znaky, vďaka ktorým si priradíme mapu “look ” k určitej osobe alebo osobám

    • komunikatívny: zatiaľ čo mapa je zostavená kúsok po kúsku, zdá sa, že obsahuje určité “správy ”, ktoré sú viac ako súčet jej častí: vznikajúce vlastnosti

    • formalista: podľa Keatesa najmenej použiteľné na mapy. Reakcia na samotné dielo, ktorá nezávisí od predmetu, ktorý dielo predstavuje, ale od abstraktnej formy diela (Map Art Exhibits)

    Kartografia a veda …

    Veda je definovaná: metodologický a objektívny proces, pomocou ktorého chápeme fyzikálne a ľudské javy

    • Arthur Robinson a OSS (Úrad strategických služieb) počas 2. svetovej vojny: otázka: ako ľudia reagujú na rôzne návrhy máp? Existuje spôsob, ako systematicky a formálne zlepšiť návrh máp?
    • Počiatky Komunikačný model

    • Nápady z komunikačnej vedy a percepčnej a kognitívnej psychológie
    • Vedecký prístup ” k mapovému dizajnu mal užitočné výsledky: koherentný súbor zásad a pokynov pre návrh máp, ktoré poskytujú východiskový bod v procese navrhovania máp

    • Väčšina z toho je založená na percepčnom výskume: vyhodnotenie vizuálneho spracovania vizuálnych premenných ľuďmi a určenie ich vizuálnych limitov.

    Skombinujte princípy a usmernenia odvodené z vedeckých prístupov k navrhovaniu máp s estetickými aspektmi dizajnu a mapovania


    Kartografické techniky na symbolizáciu smerovacích údajov - Geografické informačné systémy

    Abstrakt

    Chyby v geografickom informačnom systéme (GIS) vznikajú z niekoľkých faktorov. V prvom rade má príjem údajov z rôznych rôznych zdrojov za následok určitý stupeň nekompatibility medzi týmito informáciami. Za druhé, samotné procesy používané na získavanie informácií do GIS môžu v skutočnosti znižovať kvalitu údajov. Ak sa má vykonať geometrické prekrytie (samotný dôvod existencie mnohých GIS), je potrebné tieto nezrovnalosti starostlivo preskúmať a zaoberať sa nimi. Užívateľ má k dispozícii množstvo techník na odstránenie týchto problémov, ale všetky tieto tendencie závisia skôr od geometrie informácie, než od jej významu alebo povahy. Táto práca sa zaoberá zavedením chýb do GIS a dôsledkami, ktoré to má pre každú následnú analýzu údajov. Tiež sa skúmajú techniky na odstraňovanie chýb vo fáze prekrytia a ponúkajú sa vylepšené riešenia. Ďalej sa práca zameriava na úlohu dátového modelu a potenciálne škodlivé účinky, ktoré môže mať pri nútení organizácie údajov do vopred definovanej štruktúry.

    Ak chcete odoslať žiadosť o aktualizáciu alebo zastavenie šírenia tohto dokumentu, odošlite žiadosť o aktualizáciu/opravu/odstránenie.

    Navrhované články

    Citácie

    1. 1978a: Štatistické aspekty problému s polygónovým prekrytím v
    2. 1980a: Fraktály a presnosť geografických opatrení.
    3. 1980b: Účinky generalizácie v kódovaní geografických údajov.
    4. 1982b: Mimo hodnotenia presnosti: oprava nesprávnej klasifikácie.
    5. 1982c: Teória kartografických chýb a jej meranie v digitálnych databázach v:
    6. 1984b: Úloha kvalitných informácií v dlhodobom fungovaní geografického informačného systému.
    7. 1985a: Vysoké alebo nízke rozlíšenie? Konflikty presnosti, nákladov, kvality a aplikácie pri počítačovom mapovaní.
    8. 1985b: Od máp tlačiarní k geografickým informačným systémom: retrospektíva digitálneho mapovania.
    9. 1987: Model chyby pre mapy choropleth s aplikáciami pre geografické informačné systémy.
    10. 1987a: Presnosť prekrytí máp: prehodnotenie. Krajina a urbanizmus,
    11. 1987c: Základné princípy geografických informačných systémov
    12. 1987d: Návrh geografických informačných systémov na základe sociálnych a kultúrnych cieľov.
    13. 1988a: Prekročenie čiary: technológia a nová kartografia.
    14. 1988b: Problém presnosti v globálnych databázach.
    15. 1989a: Chyba v kategorických mapách: testovanie proti simulácii.
    16. 1989a: Národné centrum pre geografické informácie a analýzy: 1. rok.
    17. 1989b: Chyba modelovania v objektoch a poliach,
    18. (1983). Klasifikácia softvérových komponentov bežne používaných v geografických informačných systémoch,
    19. (1983). Klasifikácia softvérových komponentov bežne používaných v geografických informačných systémoch. Zborník referátov. Workshop USA/Austrália o návrhu a implementácii počítačových geografických informačných systémov.
    20. (1980). Právnik a recenzia prípadu Dolphin Lone. Technické papiere.
    21. (1986). Nový dizajn pre americkú geologickú službu US National National Cartographic Data Base#039s.
    22. (1984). Program na automatické umiestňovanie mien.
    23. (1980). Prototyp systémov na správu priestorových údajov.
    24. (1988). Prehľad bežne dostupných digitálnych údajov a niektoré praktické problémy so zadávaním do GIS.
    25. (1989). Priestorový dolnopriepustný filter pracujúci pre trojuholníkovú nepravidelnú sieť (TIN) a obmedzený čiarami.
    26. (1977). Prieskum softvéru pre kartografický displej,
    27. (1988). Typológia geografických informačných systémov. Technické papiere.
    28. (1989). Presnosť priestorových databáz.
    29. (1982). Aktuálne nástroje pre kartografiu dnes.
    30. (1986). Pokroky v geografických informačných systémoch.
    31. (1978). Algoritmus 4: Afinné transformácie.
    32. (1973). Algoritmy na zníženie počtu bodov potrebných na reprezentáciu digitalizovanej čiary alebo jej karikatúry.
    33. (1982). Aplikácia teórie fuzzy množín na dáta
    34. (1987). Integrovaný prístup DBMS pre geografické informačné systémy.
    35. (1976). Interaktívny Geog. Info. Sys. na prieskum a zobrazovanie demografických údajov s využitím tematickej mapy ako média.
    36. (1985). Dočasne navrhovaná norma pre kvalitu digitálnych kartografických údajov: podporná dokumentácia.
    37. (1982). Vyšetrovanie generalizácie čiar v počítačovej kartografii.
    38. (1990). Uhlovosť a zachytenie kartografickej čiary počas zadávania digitálnych údajov.
    39. (1987). Aplikácia modelu benchmarkingu GIS a odhadu pracovného zaťaženia.
    40. (1987). Príručka prekrytia ARC/INFO.
    41. (1987). Príručka štartovacej sady ARC/INFO.
    42. (1990). Štandardy presnosti ASPRS pre mapy vo veľkom meradle.
    43. (1987). Manipulácia s atribútmi pre geografické informačné systémy.
    44. (1987). Automatizácia identifikácie kartografických čiar.
    45. (1977). Kartografická komunikácia a geografické porozumenie.
    46. (1981). Kartografická komunikácia.
    47. (1977). Štruktúry kartografických údajov. Laboratórium pre správu počítačovej grafiky a priestorovej analýzy.
    48. (1984). Kartografické chyby symptomatické pre základné problémy s algebrou.
    49. (1967). Kartografia a počítače.
    50. (1987). Kartogrrafické aktivity v Spojenom kráľovstve,
    51. (1990). Mapovanie sčítania ľudu.
    52. (1985). Klasifikácia produktivity timberlandu v severozápadnej Kalifornii pomocou Landsatových, topografických a ekologických údajov.
    53. (1987). Koordinačné transformácie v digitalizácii máp.
    54. (1990). Komentár k ' týkajúce sa & ampquot Ekonomické hodnotenie implementácie GIS & ampquot '.
    55. (1984). Porovnanie presnosti multispektorálnej klasifikácie
    56. (1984). Kompresia a zhutnenie binárnych rastrových obrázkov.
    57. (1984). Počítačové mapovanie

    rafické informačné systémy. metódy a zariadenia pre územné plánovanie

    Užitočné odkazy

    Píšeš o CORE?

    Objavte naše výsledky výskumu a citujte našu prácu.

    CORE je nezisková služba poskytovaná Open University a Jisc.


    Geografická informačná veda je v našej DNA

    Geografická informačná veda, známa tiež ako GIScience alebo geopriestorová dátová veda, je v DNA spoločnosti Esri od nášho založenia v roku 1969. Mnoho našich kľúčových zamestnancov a vedúcich pracovníkov absolvovalo školenia s legendami v tejto oblasti. „Otec otcov GIScience“ Mike Goodchild je dlhoročný a dôveryhodný konzultant, ktorý nás má ďalej viesť a kritizovať, rovnako ako priekopník v oblasti diaľkového prieskumu a vzdelávania Dave Cowen. Hlavný vedec Dawn Wright je v redakčných radách časopisu International Journal of Geographic Information Science a Transakcie v GIS.


    Úvod

    Mapy a atlasy sú dôležitou súčasťou zbierok Kongresovej knižnice od jej začiatku v roku 1800, keď spoločný kongresový výbor kúpil tri mapy a atlas od londýnskeho dílera. Od tej doby sa kartografické fondy Knižnice rozrástli na viac ako 5 miliónov mapových listov, 105 000 atlasov, 138 000 položiek z mikrofilmov a mikrofiší, 5 500 glóbusov, 2 000 modelov terénu, 1,6 milióna leteckých fotografií a snímok diaľkového prieskumu a tisíce digitálnych súborov.

    Divízia geografie a máp uchováva väčšinu kartografických materiálov knižnice. Divízia geografie a máp, založená v roku 1897 ako Sieň máp, ktorá má slúžiť Kongresu a federálnym agentúram, dnes funguje ako Národná mapová knižnica. Jeho primárnou zodpovednosťou je vývoj kartografických zbierok knižnice. Ročne sa prostredníctvom vládnych depozitov, prevodov nahradených máp z federálnych knižníc, depozitov autorských práv, domácich a medzinárodných výmen, nákupov a darčekov získa v priemere asi sedemdesiat tisíc položiek. Tieto sa pohybujú od vzácnych atlasov po geopriestorové údaje, ale hlavným zameraním akvizičného programu divízie geografie a máp je získavanie aktuálnych materiálov zo všetkých krajín. Zatiaľ čo mnohé zo súčasných predmetov sa získavajú prostredníctvom výmen a vkladov, divízia sa vo veľkej miere spolieha na verejne zdatných občanov, ktorí im pomôžu pri získavaní vzácnych máp a jedinečných zbierok. Kartografické zbierky pochádzajú zo štrnásteho storočia a pokrývajú prakticky každú krajinu a predmet.

    Antoine Lafréry. [Škandinávia.] Geografia tavole moderne di geografia de la maggior parte del mondo. 1575. Kongresová knižnica Divízia geografie a máp.

    Georg Braun a Franz Hogenberg. Civitates Orbis Terrarum. 1612. Kongresová knižnica Divízia geografie a máp.

    Mapa sveta, z roku 1513 Ptolemaiov atlas. 1513. Kongresová knižnica Divízia geografie a máp.

    Mapy získané divíziou od roku 1968 boli katalogizované. Divízia ako hlavná služba komunite knižníc máp vytvára, udržiava a šíri národné štandardy pre klasifikáciu a katalogizáciu máp a atlasov prostredníctvom systému máp MARC (Machine Readable Cataloging).

    V roku 1901 Philip Lee Phillips, prvý náčelník Mapovej siene, oznámil kongresovému knihovníkovi, že: „Táto zbierka, ktorá je doteraz najväčšia, bude mať časom veľkú hodnotu nielen pre kartografov, ale aj pre historik. “„ Vďaka neúnavnému úsiliu Phillipsa a piatich generácií mapových knihovníkov má dnes zbierka kartografických materiálov divízie geografie a máp ešte väčšiu hodnotu. In addition to cartographers, geographers, and historians, the collection is heavily used by genealogists, preservationists, urban planners, ecologists, and scientists.

    In an effort to reach a wider audience and to further develop, enhance, and promote the Library's geographic and cartographic collections, the Geography and Map Division established the Philip Lee Phillips Society, an association of friends of the division, in 1995.


    Cartographic Mapping and Travel Burden to Assess and Develop Strategies to Improve Minority Access to National Cancer Clinical Trials

    Účel: To assess how accrual to clinical trials is related to US minority population density relative to clinical trial site location and distance traveled to Radiation Therapy Oncology Group (RTOG) clinical trial sites.

    Methods and materials: Data included member site address and ZIP codes, patient accrual, and patient race or ethnicity and ZIP code. Geographic Information System maps were developed for overall, Latino, and African American accrual to trials by population density. The Kruskal-Wallis test was used to assess differences in distance traveled by site, type of trial, and race or ethnicity.

    Výsledky: From 2006 to 2009, 6168 patients enrolled on RTOG trials. The RTOG US site distribution is generally concordant with overall population density. Sites with highest accrual are located throughout the United States and parts of Canada and do not cluster, nor does highest minority accrual cluster in areas of highest US minority population density. Of the 4913 US patients with complete data, patients traveled a median of 11.6 miles to participate in clinical trials. Whites traveled statistically longer distances (12.9 miles P<.0001) to participate, followed by Latinos (8.22 miles) and African Americans (5.85 miles). Patients were willing to drive longer distances to academic sites than community sites, and there was a trend toward significantly longer median travel for therapeutic versus cancer control or metastatic trials.

    Závery: Location matters, but only to a degree, for minority compared with nonminority participation in clinical trials. Geographic Information System tools help identify gaps in geographic access and travel burden for clinical trials participation. Strategies that emerged using these tools are discussed.


    A prototype for pipeline routing using remotely sensed data and geographic information system analysis

    A prototype least cost analysis was performed for pipeline routing using remotely sensed data and GIS analysis. A small section of the proposed Caspian oil pipeline was chosen for development of the prototype. The entire proposed 700-km Caspian pipeline would connect with existing pipelines and carry oil from the Tengiz oil field in Kazakhstan, on the Caspian Sea, to Novorossiysk in Russia, on the Black Sea. A model was developed incorporating pipeline length, topography, geology, land use, and stream, wetland, road, and railroad crossings to identify a least cost pathway. Satellite remote sensing imagery was used as a base to display results and to define the land cover. Geographic Information System (GIS) analysis was used for spatial modeling and data overlay. Costs associated with terrain conditions, geology, and land use were calculated from actual costs on a recent Bechtel pipeline project. The length and cost associated with a straight line path between four predetermined points along a section of the pipeline were compared with the length and cost of the least cost pathway. The straight line path was 42 km long, and the least cost pathway was 51 km long. Although longer in length, the least cost pathway (in the area considered) is 14% less expensive to construct than the straight line path. The least cost pathway realizes savings principally by avoiding higher cost urban and industrial cells on the straight line route. The results of this analysis demonstrate the benefits of integrating remotely sensed data with GIS analysis as a first look for pipeline routing.


    Pozri si video: 3. Kartografický den