Más

Mis problemas al renderizar archivos de formas en una aplicación de mapeo basada en la web

Mis problemas al renderizar archivos de formas en una aplicación de mapeo basada en la web


Primero, me gustaría que se sepa que este es mi primer viaje hacia el desarrollo de aplicaciones cartográficas con un conjunto de datos tan grande. Por lo tanto, estoy atrapado en las técnicas o tecnologías que se enumeran a continuación ...

La visión general

Lo que estoy tratando de lograr es la capacidad de cargar la información de mercado de mi empresa para los Estados Unidos en algún tipo de software de mapeo basado en la web. Actualmente estoy tratando de lograr esto con datos de Google Maps JS api y GeoJSON, pero no estoy en contra de otras alternativas. Hay aproximadamente 163 archivos (que van desde 6 MB a 200 KB) que exporté de ArcGIS a archivos GeoJSON y luego los cargué en una base de datos (actualmente como cadenas GeoJSON). Hemos desarrollado una interfaz de usuario que carga los datos en función de los límites del mapa actual y los cálculos de Max / Min en los registros correspondientes.

El problema con el que me encuentro es el tiempo de renderizado en el mapa en sí, que es molesto cuando se cambia entre diferentes regiones, estados o niveles de zoom. Las llamadas a la API para cargar los datos son aceptables en lo que respecta al tamaño de los datos que se recuperan. Mi jefe dijo que es genial para una prueba de concepto, pero que me gustaría verlo mucho, mucho más rápido.

Las preguntas

¿Qué sugerencias podrías ofrecer para aumentar el tiempo de renderizado?

¿Hay mejores opciones (bibliotecas de terceros, técnicas, etc.) para lo que estoy tratando de lograr?

Un compañero de trabajo sugirió exportar las formas del mapa y usar las imágenes para superponer la información basada en las coordenadas. ¿Alguna aportación sobre esto?

Editar # 1

Las formas constan de polígonos y polígonos múltiples. Básicamente, trazan alrededor de todos nuestros mercados con un relleno y un borde opacos distintivos.

La capacidad interactiva sería buena, para poder hacer clic en un área determinada y recuperar propiedades, terrenos y otros puntos de datos, pero no es esencial para su éxito. Podría superponer los datos si fuera necesario.


Los tamaños de archivo que está usando son demasiado grandes para usar GeoJSON renderizado como vectores en el lado del cliente. La descarga será lenta y también atascará el navegador mientras lucha por representar toda la geometría.

La mejor práctica para conjuntos de datos de tamaño mediano a grande es representarlos como imágenes en el servidor y enviar esas imágenes al cliente.

Construyo muchos sistemas de mapeo web, si las especificaciones son muy específicas, construyo una aplicación personalizada con una pila PostGIS / GeoServer / Leaflet. Cuando las especificaciones son sencillas como las suyas, utilizo una solución alojada (generalmente Mango), que se encarga de toda la representación y funcionalidad de los mosaicos por usted.

Este es uno de los mapas de muestra de la página de inicio de Mango, parece el tipo de cosas que necesita cuando hace clic en una función.


4 El mejor software gratuito de creación de mapas para Windows

Aquí hay una lista de El mejor software gratuito de creación de mapas para Windows. Este software de creación de mapas le permite crear sus propios mapas personalizados. Puede agregar diferentes ubicaciones, crear rutas, etc. en un mapa y hacer que sus mapas sean más explicativos. Puede crear un mapa personalizado desde cero o importar un archivo shapefile de un mapa a su proyecto.

Todos estos software de creación de mapas personalizados admiten shapefiles. Hay algunos sitios web que le permiten descargar y usar shapefiles en su proyecto de forma gratuita. Aquí están los enlaces a dichos sitios web: DIVA-GIS, MapCruzin, GADM, Natural Earth, Mapzen.

Puede agregar puntos para indicar diferentes ubicaciones y dibujar líneas para mostrar rutas en su mapa. Además de esto, también puede dibujar diferentes formas en el mapa, como piscinas, estanques, lagos, parques, patios de recreo, etc. También puede etiquetar diferentes ubicaciones y medir la distancia, el área y el ángulo en el mapa.

Mi software de creación de mapas favorito para Windows:

QGIS es mi opción favorita para el software de creación de mapas. Es un software de creación de mapas de código abierto que viene con muchas características. Puede marcar puntos, dibujar líneas, crear diferentes formas, etc. para crear mapas personalizados. Además, también puede resaltar diferentes lugares con diferentes símbolos. Por ejemplo, símbolos de aviones para aeropuertos, símbolos de cuchara y tenedor para restaurantes, etc.

Es posible que también le gusten algunos de los mejores programas gratuitos de mapas mentales, mapas de claves y generador de mapas de sitios para Windows.

QGIS representa Sistema de información geográfica cuántica. Es un software GIS gratuito y de código abierto que también se puede utilizar para crear mapas personalizados. Puede importar shapefiles de mapas de diferentes países o empezar desde cero. También viene con una buena cantidad de complementos que puede instalar y administrar en Complementos menú.

Cree mapas personalizados en QGIS:

Puede crear un mapa detallado insertando más capas en su proyecto. Cada capa se puede insertar como una capa de puntos, una capa de línea o una capa de polígono. Se agrega una capa de puntos para marcar varios puntos en un mapa, se agrega una capa de línea para dibujar rutas en un mapa y se agrega una capa de polígono para dibujar diferentes formas en un mapa. Por ejemplo, si desea mostrar la ruta entre dos lugares cualesquiera, digamos casa y escuela, debe agregar capas de puntos y líneas en el mapa. Además de esto, también puede marcar los límites en su mapa.

Vea la captura de pantalla anterior, en la que importé el shapefile de los Estados Unidos y lo edité agregando tres capas. QGIS también tiene varios símbolos que se pueden usar para resaltar diferentes lugares en el mapa. Por ejemplo, puede mostrar restaurantes, escuelas, aeropuertos, etc.

Este software gratuito de creación de mapas también tiene tres herramientas de medición que le permiten medir la distancia entre dos puntos, el área de la región seleccionada y el ángulo entre dos caminos en el mapa. Puedes configurar kilómetros, metros, yardas, pies, millas, etc., como unidades de medida para distancia y metros cuadrados, kilómetros cuadrados, pies cuadrados, yardas cuadradas, millas cuadradas, acres, hectáreas, etc. para el área.

Cuando haya terminado, puede guardar su proyecto en formato QGIS. También tiene una opción para guardar el mapa personalizado creado en diferentes formatos de imagen como BMP, ICO, JPG, PNG, PPM, TIFFetc.

Mire este video tutorial para comprender cómo comenzar con QGIS.


Las plataformas GIS de escritorio son las navajas suizas de GIS. Se utilizan para crear, editar, visualizar, administrar y analizar datos geográficos.

La interfaz QGIS

Los sistemas GIS de escritorio son programas complejos. Al igual que con herramientas como Photoshop o Microsoft Excel, la mayoría de los usuarios pueden comprender los conceptos básicos con bastante rapidez, pero convertirse en un verdadero maestro puede llevar años.

La mejor manera de aprender un sistema GIS de escritorio es a través de un enfoque de problema / solución. Entonces, en lugar de tratar de aprender todo lo que es capaz de hacer, lo mejor es comenzar por descubrir las partes que son aplicables a los problemas que desea resolver.

Como mencioné en un capítulo anterior, para la mayoría de los principiantes en SIG esos problemas son:

  • Creación de visualizaciones, mapas de categorías / mapas de cantidades / mapas de calor, etc.
  • Realización de consultas y visualización de resultados
  • Unir hojas de cálculo con datos de mapas
  • Direcciones de codificación geográfica
  • Editar la geometría de la entidad
  • Editar datos de atributos de entidades

Los sistemas GIS de escritorio son capaces de mucho más, pero estos temas suelen ser un buen punto de partida.

Más adelante en este capítulo veremos los sistemas GIS de escritorio más populares, que van desde soluciones gratuitas y de código abierto hasta productos costosos de pago.


Una pieza de un rompecabezas

El flujo de trabajo de WHC en el que participará la herramienta LPDraw es el siguiente:

  1. Identifique uno o varios mapas, cuyos datos serán útiles para algún dominio de investigación, por lo general de una región en particular o una combinación de región / período. Estos podrían ser mapas históricos descargables desde un recurso en línea como David Rumsey Map Collection, oa través de Old Maps Online. O podrían ser mapas de papel, posiblemente de un atlas histórico impreso.
  2. Georreferencia cada imagen de mapa, lo que da como resultado un archivo GeoTIFF para cada uno.
      hay otras opciones
  3. Cree un conjunto de mosaicos de mapas xyz para cada GeoTIFF. Estamos usando el software MapTiler para esto. Tenga en cuenta los detalles del conjunto de mosaicos, como el zoom y los límites mínimos y máximos.
  4. Cargue los conjuntos de mosaicos en una ubicación accesible desde la web
  5. Registrarse como usuario en la aplicación LPDraw
  6. Cree un registro de proyecto y registros de mapas para cada mapa individual del proyecto.
  7. Identifique, para el proyecto en su conjunto o para cada mapa, los tipos de características que se digitalizarán y un período de tiempo que represente la cobertura temporal del proyecto y / o de cada mapa individual.
    • Los tipos de características se presentarán como opciones en la interfaz, y los intervalos de tiempo se agregarán automáticamente a cada característica digitalizada (si esa opción está marcada en el registro del mapa)
    • Los tipos de entidades no están restringidos de forma predeterminada a una geometría en particular, los puntos, las líneas y los polígonos son todas opciones
  8. Asigne a otros usuarios registrados como colaboradores capaces de crear y editar funciones para el proyecto.
  9. En la pantalla "dibujar", elija un proyecto y un mapa de los menús desplegables. El mapa carga y digitaliza las entidades según lo desee.
    • Utilice el control de opacidad para ver el mapa subyacente, como ayuda para la ubicación adecuada.
    • Introduzca un nombre o nombres en la ventana emergente, de acuerdo con la convención de formato LP-TSV, p. Ej. separando variantes por ""
  10. Las opciones de descarga disponibles hasta ahora son el formato Linked Places (compatible con GeoJSON) y TSV.

40 algoritmos que todo programador debería conocer

Aprenda algoritmos para resolver problemas clásicos de la informática con esta guía concisa que cubre todo, desde lo fundamental ...

Mapeo web ilustrado

Con la ayuda de Internet y las herramientas que lo acompañan, la creación y publicación de mapas en línea se ha convertido en ...

Aprendiendo Go

Go se está convirtiendo rápidamente en el idioma preferido para crear servicios web. Hay muchos tutoriales ...

Head First Android Development, tercera edición

por Dawn Griffiths, David Griffiths

¿Qué aprenderá de este libro? Si tienes una idea para un Android espectacular ...


¿Por qué el mismo grupo no representa un gráfico de líneas correcto y el gráfico de rango correspondiente?

Estoy tratando de traer una representación similar de mis datos para mi gráfico de rango para poder desplazarme por el gráfico de rango, pero uso la información sobre herramientas en el gráfico de líneas real de los datos de circulación. Actualmente, creo que tengo dos problemas que están rompiendo mi filtro cruzado y haciendo que el gráfico de rango se vea desordenado:

Si utilizo el grupo estándar generado por el filtro cruzado, termino con un valor que es (datos de circulación * número_de_regiones_en_que_magazine_was_circulated). Para evitar esto, creé un mapa que realiza un seguimiento del número de regiones y divide los valores representados. No pude averiguar cómo crear un grupo para esto y manejarlo a nivel de datos. Como resultado, solo estoy haciendo la corrección en el paso de renderizado, ¿podría ser esta la causa de mis problemas?

Estoy usando exactamente el mismo grupo para el gráfico de líneas y el gráfico de rango. En la muestra de NASDAQ, parecen procesar los datos de manera diferente, pero parece que simplemente los están agrupando de manera diferente, sin hacer un cambio dramático. No entiendo por qué mi gráfico tiene un valor negativo tan dramático en el punto cero.

Código para las tablas infractoras a continuación. Tenga en cuenta que hay algo de repetición para repasar en el violín porque no hay CDN para el formato de fecha


Modelo de publicación de información en tiempo real basado en WebGIS 3D

Con el desarrollo de sensores sísmicos, redes de transmisión, hardware y software de computadora, una red de observación sísmica digital para monitoreo sísmico ahora puede proporcionar una variedad de información en tiempo real, como formas de onda en tiempo real, gravedad, fluidos subterráneos y deformación de la corteza. . Además, como otro tipo de datos en tiempo real, la situación del terremoto, la gestión de desastres y el sistema de gestión de información de apoyo a las decisiones de emergencia proporcionan análisis en tiempo real y difusión de datos de la situación del terremoto, la predicción del terremoto o el rango del área de desastre. Para gestionar y analizar estos datos de diferentes tipos y características espaciales, utilizamos SIG porque integra y visualiza de forma característica datos de múltiples fuentes.

En este documento, integramos la recopilación y el procesamiento de datos en tiempo real con el SIG tradicional (Gong et al. 2014) y proponemos un enfoque novedoso para un modelo de publicación de información visual de terremotos en 3D en tiempo real basado en WebGIS y un globo digital. El modelo unifica la publicación de datos dinámicos con datos espaciales estáticos a través de una red y muestra vívidamente los datos procesados ​​en escenarios virtuales 3D. Proporciona una solución general de recopilación de datos sismológicos y espaciales mediante servicios estándar de sismología.

Este modelo consta de cuatro niveles o capas: adquisición, servicio de base de datos, servicio de aplicación y visualización, como se muestra en la Fig. 1. La capa de adquisición recopila información sísmica en tiempo real. Consiste principalmente en varios receptores de información en tiempo real. Los módulos receptores recuperan la información de organizaciones como el Servicio Geológico de los Estados Unidos (USGS 2014), el Centro de Redes de China (CENC 2014), los sistemas de análisis y monitoreo de redes sísmicas en tiempo real y los sistemas de alerta temprana de terremotos y empujan los datos a la base de datos. capa. La capa de adquisición difiere de los niveles de un sistema WebGIS general en que puede recopilar datos automáticamente en tiempo real, mientras que los niveles del sistema WebGIS carecen de la función adecuada. La capa de base de datos trata con dos tipos diferentes de información espacial: datos en tiempo real y estáticos. Los datos en tiempo real son administrados por una base de datos en tiempo real, como una base de datos de eventos sísmicos. Los datos estáticos son gestionados por bases de datos espaciales, como mapas cartográficos, imágenes de teledetección, modelos digitales de elevación, fallas y límites de placas, que no se pueden modificar en poco tiempo. La capa de servicio de la aplicación es clave para la arquitectura del modelo. Recupera datos de la capa de base de datos y publica el resultado procesado utilizando la capa de visualización. Proporciona dos servicios: servicio en tiempo real y servicio de mapas a través de un servidor web. El servicio en tiempo real filtra los datos en tiempo real de la capa de la base de datos y convierte los datos en un formato unificado, mientras que el servicio de mapas ofrece el servicio de mapas web / características (WMS / WFS) del Consorcio Geoespacial Abierto (OGC). La capa de visualización realiza dos funciones: visualizaciones de mapas temporales y 3D. La vista temporal representa dinámicamente datos en tiempo real, es decir, eventos sísmicos y el estado actual de los dispositivos sísmicos, que se extraen de la capa de servicio de la aplicación. La vista de mapa tridimensional (3D) representa principalmente la escena 3D utilizando datos vectoriales, imágenes de teledetección y datos del terreno. Los dos componentes se pueden combinar en un cliente visual 3D o un navegador web, es decir, un globo virtual, desde el cual los usuarios pueden acceder de forma interactiva a recursos remotos con solicitudes de operación y mostrar los resultados de la información completa. La capa integra varios datos y expresa la realidad virtual del área geográfica en foco, mejorando la representación de la información sismológica.

Arquitectura WebGIS 3D en tiempo real

El modelo tiene la capacidad de recopilar, analizar y difundir información sobre terremotos en tiempo real, obtenida de los sitios web de la organización o sistemas de procesamiento automático, como los sistemas de alerta temprana de terremotos (EEW), que generan información sobre terremotos, mapas de vibraciones e información de alerta. También se puede extender fácilmente a una variedad de tipos de datos en tiempo real, como la gravedad, los fluidos subterráneos y la deformación de la corteza simplemente agregando nuevos módulos receptores en tiempo real, y no se limita a la información posterior al terremoto.


Resultados del experimento

Área de prueba

Para evaluar nuestra metodología, encuestamos y mapeamos en la base de datos de OSM un área que incluye todos los datos e información requeridos (como se detalla en "Definición de criterios de gráficos de red ponderados usando datos de OSM"), agregando características faltantes y actualizando las existentes (por ejemplo, atributos con respecto a si el cruce tiene pavimento táctil). El área de prueba elegida fue el Technion Campus en Haifa, Israel. El campus y sus alrededores sirven como un buen estudio de caso, ya que presentan muchas características espaciales y ambientales que son valiosas para nuestra evaluación y análisis. Validamos que la red vial de la zona está bien configurada topológica y geométricamente en OSM, por lo que podemos analizar y evaluar los recorridos generados por el sistema en términos de accesibilidad y seguridad para peatones ciegos (en todos los experimentos unj = 1).

Evaluación cuantitativa

La Figura 1 muestra tres rutas opcionales calculadas por nuestro sistema (izquierda) con datos OSM y longitudes acumulativas y valores de costo para cada ruta (derecha). Los tres caminos parten del mismo punto de origen (n. ° 1 a la izquierda del mapa), en la entrada principal del campus de Technion, y conducen al mismo punto de destino (n. ° 2 a la derecha del mapa), en los dormitorios. Mientras que la ruta naranja es la ruta más corta, la ruta azul es la más óptima para los peatones ciegos. Aunque ver a los peatones preferiría la ruta naranja más corta, esta es una ruta más peligrosa para los peatones ciegos, ya que viaja a lo largo de una vía de servicio que también es utilizada por vehículos y, por lo tanto, es la menos preferida u óptima de las tres. Nuestro sistema eligió la ruta azul calculada como la ruta preferida debido al tráfico que se aproxima y que proporciona distintos sonidos de dirección, la presencia de puntos de referencia en el camino y el hecho de que está compuesta por menos tramos de carretera (en comparación con la ruta verde). . Al analizar los problemas de integridad asociados a menudo con OSM, eliminamos todos los puntos de referencia de la base de datos y ejecutamos el cálculo nuevamente. En esta ocasión, se eligió la ruta verde como la más óptima, asegurándose que los peatones ciegos no transitarán por la ruta naranja más peligrosa. Esta simulación reproduce un caso en el que el usuario es asistido por un perro guía, de modo que los puntos de referencia son menos relevantes para su proceso de navegación.

Figura 1. Tres rutas generadas en el campus de Technion.

También examinamos una ruta que requiere el cruce de una carretera principal, como se muestra en la Figura 2. Si bien la ruta naranja es más corta, es menos adecuada para peatones ciegos debido a la complejidad de las intersecciones y al hecho de que son menos accesibles. El sistema generó la ruta azul como la óptima, a pesar de su longitud, debido a su menor peso total en comparación con la ruta naranja más corta, principalmente debido a sus útiles semáforos APS.

Figura 2. Dos rutas generadas que incluyen el cruce de una carretera.

Evaluación cualitativa

Para mejorar nuestro conocimiento y comprensión de las rutas óptimas para peatones ciegos y examinar el algoritmo que diseñamos y desarrollamos, realizamos dos tipos de experimentos. Primero, se pidió a voluntarios ciegos tanto en Haifa (seis participantes) como en la ciudad de Nueva York (tres participantes) que caminaran desde el punto A al punto B a través de dos rutas diferentes. Luego compartieron sus ideas sobre ambas rutas: una óptima para peatones ciegos pero de mayor distancia, que fue generada por nuestro sistema, y ​​otra más corta pero menos óptima para peatones ciegos, que fue generada por la aplicación Google Maps. En el segundo experimento, se le pidió a un OMI en el Technion Campus que encontrara la ruta óptima entre tres conjuntos de puntos de origen y destino. Durante sus exploraciones, compartió sus reflexiones y pensamientos sobre cada ruta inspeccionada, como los elementos que existen dentro de los alrededores cercanos de la ruta que pueden ayudar o perturbar la navegación y orientación de los peatones ciegos. Las rutas seleccionadas por el OMI se compararon luego con las rutas óptimas generadas por nuestro sistema.

Experimento 1

El campus del Technion

Los participantes afirmaron que la ruta generada por nuestro sistema era óptima (representada en azul en la Figura 3, izquierda), de hecho era más simple y más fácil de navegar. También mencionaron que caminar a lo largo de la carretera en lugar de caminar por un parque (que se considera más complejo) ayudó a su navegación, ya que podían escuchar el sonido y la dirección del tráfico que se aproximaba y podían usar puntos de referencia conocidos. Un participante incluso dijo que la ruta óptima se sintió más corto en comparación con la ruta físicamente más corta. Por otro lado, otro participante dijo que si bien los parques se consideran entornos de difícil navegación, brindan un ambiente más relajante y tranquilo.

Figura 3. El campus de Technion (izquierda) y NYC (derecha): dos rutas opcionales.

Nueva York

Las aportaciones de los participantes en la ciudad de Nueva York fueron similares. Estos participantes también prefirieron la ruta que nuestro sistema generó como óptima (representada en azul en la Figura 3, a la derecha). Una vez más, algunos participantes mencionaron las ventajas de navegar por el parque, a pesar de que el parque (Madison Square Park) es aún más desafiante que el parque Technion (ya que está más concurrido y tiene fuentes, músicos que tocan y carritos de comida que pueden tener un sobrecarga cognitiva entre peatones ciegos). Aunque un participante mencionó que estos obstáculos podrían usarse como puntos de referencia para la navegación, gracias a sus distintos sonidos y olores, no siempre se pueden modelar, ya que algunos son temporales. Otro participante señaló que la barrera entre el sendero y el césped en la ruta óptima fue beneficiosa para su orientación.

Experimento 2

Prueba A

Esta prueba ofreció tres rutas diferentes para llegar al mismo destino después de salir del mismo punto de origen (Figura 1). Nuestro sistema eligió la ruta azul como óptima para peatones ciegos. Cuando se le pidió que examinara las tres rutas posibles, el OMI, que no había sido informado del resultado de nuestro sistema, eligió exactamente la misma ruta como la ruta más óptima para los peatones ciegos. El experto eligió esta ruta como óptima para los peatones ciegos principalmente por su gran cantidad de puntos de referencia útiles ubicados en la ruta (10 en la ruta azul en comparación con 1 en la ruta verde) y su simplicidad de navegación, p. Ej. escalones con pasamanos. El experto también señaló que la opción de ruta más corta no es segura para los peatones ciegos, ya que se comparte con los automóviles y está parcialmente obstruida por una puerta. Agregó que algunos puntos de referencia a lo largo de las rutas naranja y azul podrían incluso considerarse obstáculos, como árboles que bloquean el camino.

Prueba B

Esta área incorpora varias intersecciones, que se muestran en la Figura 4 (izquierda). De las dos rutas posibles desde el punto de origen (estación de autobuses en la parte inferior izquierda) hasta el punto de destino (centro médico en la parte superior derecha), tanto el experto como nuestro sistema seleccionaron la misma ruta (verde) como óptima para peatones ciegos. esta también resulta ser la ruta más corta. La ruta óptima elegida incluye puntos de referencia más indicativos, no requiere cruzar las entradas al estacionamiento y presenta un solo cruce con una dirección distinta en cada intersección en lugar de dos cruces.

Figura 4. Prueba B (izquierda) y prueba C (derecha).

Prueba C

Se pidió al OMI que examinara un área adicional dentro del campus de Technion. Representado en la Figura 4 (derecha), el sistema encontró que la ruta verde era óptima, mientras que el experto eligió una ruta ligeramente diferente, la ruta azul, como la ruta óptima para las personas ciegas. En ninguno de los dos casos se eligió la ruta físicamente más corta, es decir, la roja, como óptima para los peatones ciegos, ya que es extremadamente compleja, inaccesible e insegura. En consecuencia, nuestro sistema le dio a la ruta roja un alto valor de peso principalmente porque pasa por varias restricciones y puntos de costo agregado. Ambas rutas elegidas por el sistema y el OMI tienen atributos similares, principalmente caminando por carreteras con tráfico de automóviles y su dirección es en su mayoría distinta, evitando entradas peligrosas a estacionamientos. Para viajar entre las rotondas central y superior, la OMI prefirió la acera oeste, explicando que incluye puntos de referencia más indicativos (por ejemplo, una parada de autobús), y también explica que es más seguro para los peatones ciegos cruzar dos intersecciones separadas (la ruta azul) en lugar de hacerlo. que una intersección más compleja (la ruta verde) que incluye dos cruces. Siguiendo esta idea, este factor se agregó al algoritmo. Tanto el OMI como nuestro sistema no incluyeron la acera este entre las rotondas inferior y media, interpretándola como cruces inseguros de entradas a estacionamientos que no tenían cruces de peatones, y aún más peligroso, en algunos lugares, la acera junto a las aceras graduadas hasta una superficie contigua que puede hacer que los peatones ciegos se desvíen por error hacia la carretera.


Aplicación web 3D GIS para simulación de inundaciones y consultas a través de tecnología de código abierto

Debido a la perspectiva de la demanda, la visualización y el análisis 3D en línea de datos geoespaciales mediante el servicio web 3D (W3DS) se ha convertido en un área de investigación emergente en el dominio de los sistemas de información geográfica (SIG). Las aplicaciones de Web 3D GIS abordan los problemas relacionados con la gestión de desastres, la planificación urbana, el sistema de transporte, la simulación de inundaciones, etc. CityGML es un estándar de consorcio geoespacial abierto (OGC) desarrollado recientemente. Se puede utilizar para delinear, almacenar e intercambiar modelos de información común de ciudades virtuales en 3D. Se ha desarrollado una gran cantidad de software comercial y de código abierto para la visualización y el procesamiento de datos CityGML, pero su visualización y análisis en el entorno del navegador web sigue siendo un campo desafiante. Aunque muchas interfaces de programación de aplicaciones (API) se han personalizado para la visualización de gráficos 3D en la web, se requieren navegadores web específicos con complementos o componentes adicionales. Para superar las limitaciones mencionadas anteriormente, las tecnologías de código abierto Web 3D como WebGL, X3D, jQuery y X3DOM se han utilizado en la aplicación desarrollada para la simulación de inundaciones y consultas en los navegadores web modernos. La aplicación desarrollada se ha utilizado CityGML disponible gratuitamente de la pequeña región de Alemania para la prueba y evaluación de simulación de inundaciones y consultas en un entorno de acceso multiusuario. Como resultado, se ha introducido W3DS en la aplicación para acceder al conjunto de datos 3D en un marco interoperable.

Esta es una vista previa del contenido de la suscripción, acceda a través de su institución.


HERE Integración de incidentes de tráfico en Leaflet.js

Actualmente estoy integrando mapas HERE en nuestra aplicación basada en web. Estoy probando ambos: AQUÍ proporcionó Javascript API y Leaflet al mismo tiempo para encontrar el mejor enfoque para nuestro caso de uso.

Si bien la API de JavaScript proporcionada por los mapas HERE está bien, la representación de Leaflet funciona mucho mejor cuando se usan mosaicos ráster.

Para mí estaría bien usar mosaicos ráster + folleto, pero nuestra aplicación también necesita mostrar datos de incidentes de tráfico.

Los datos de incidentes de tráfico los proporciona AQUÍ en formatos JSON y XML (enlace de documentación, JSON de ejemplo). Proporcionan filtros de [Z] / [X] / [Y], quadkey, prox, bbox o corredor que se pueden utilizar para recuperar conjuntos de datos filtrados.

Intenté usar el direccionamiento [Z] / [X] / [Y] con la implementación personalizada de L.TileLayer que carga el JSON apropiado, lo convierte a GeoJSON y muestra GeoJSON en el mapa. Sin embargo, ese enfoque es muy ineficiente y es visible una caída significativa del rendimiento.

Tal vez alguien ya haya resuelto este problema y pueda compartir sus ideas sobre cómo se pueden mostrar los incidentes de tráfico de HERE en el mapa del folleto sin encontrar problemas de rendimiento.


Referencias

Ganai S, Garb JL, Kanumuri P, Rao RS, Alexander AI, Wait RB: Mapeo del recto: análisis espacial de resultados microquirúrgicos endoscópicos transanales con tecnología GIS. J Gastrointest Surg. 2006, 10: 22-31. 10.1016 / j.gassur.2005.08.030.

Zaslavsky H, He J, Tran ME, Martone AG: Integración espacial de datos cerebrales: Infraestructura de datos espaciales y entorno Atlas para la federación en línea y el análisis de imágenes cerebrales: agosto / septiembre de 2004 Zaragoza, España. Taller de gestión de datos biológicos (BIDM 2004) en conjunto con el 15º Taller internacional sobre aplicaciones de bases de datos y sistemas expertos (DEXA'04). 2004

Uren RF, Howman-Giles R, Thompson JF: Patrones de drenaje linfático de la piel en pacientes con melanoma. J Nucl Med. 2003, 44: 570-82.

Uren RF, Thompson JF, Howman-Giles R, Chung DK: El papel de la linfogammagrafía en la detección del drenaje de los ganglios linfáticos en el melanoma. Surg Oncol Clin North Am. 2006, 15: 285-300. 10.1016 / j.soc.2005.12.006.

Bartling WC, Schleyer TK: una aplicación de la tecnología del Sistema de Información Geoespacial (GIS) a la cartografía dental anatómica. AMIA Annu Symp Proc. 2003, 786-

Roth NM, Kiani MF: Una técnica basada en "sistemas de información geográfica" para el estudio de redes microvasculares. Ann Biomed Eng. 1999, 27: 42-47. 10.1114 / 1.204.

ESRI: ArcGIS. 2004, Redlands, CA, ESRI, 9.0

Bailey T, Gatrell AC: métodos introductorios para datos de área. Análisis interactivo de datos espaciales. 1995, Essex, Inglaterra, Crown Books, 270-

Kaluzny SP, Vega SC, Cardoso TP, Shelly AA: Modelos de regresión espacial. S + SpatialStats. 1998, Nueva York, Springer, 128-144.