أكثر

كيف تجد مسافات الشبكة بين مجموعتين من الأصول والوجهات؟

كيف تجد مسافات الشبكة بين مجموعتين من الأصول والوجهات؟


أنا أتعلم كيفية استخدام Network Analyst ، ولست متأكدًا تمامًا مما يجب فعله (أو البحث عنه). هدفي هو قياس أقرب مسافة من الدوائر الحمراء إلى الدوائر الزرقاء على طول شبكة الطرق:

لقد قمت بإنشاء شبكة في ArcCatalog باستخدام معالج الشبكة وأنا مهتم فقط بأبسط مسافة للشبكة. تبدو شبكتي بالشكل التالي:

هل هذا الحساب ممكن القيام به؟ يتم إنشاء النقاط الحمراء الخاصة بي كنقاط مركزية للشبكة لأنني مهتم فقط بمتوسط ​​المسافة لكل شبكة. أدرك أن هذه النقاط الحمراء ليست على الشبكة ، لذلك لست متأكدًا مما إذا كانت هذه مشكلة في الحساب.

ماذا يجب أن تكون خطوتي التالية؟ (بعد قراءة المزيد من وثائق المساعدة!)


أولاً ، لست واضحًا بشأن نوع المخرجات التي تتوقعها. هل تتكون الرؤوس الحمراء والزرقاء من أزواج؟ (على سبيل المثال ، هل تريد أقصر مسار من رأس أحمر إلى قمة زرقاء محددة؟)

يجب أن تلقي نظرة على إنشاء أقصر الطرق وهذا يتطلب جميع نقاط التوقف التي يجب أن تمر عبرها. لذا ، بافتراض أن متطلباتك هي أقصر مسار من الرأس الأحمر إلى الرأس الأزرق المقابل ، فسيتعين عليك فقط إضافة هاتين النقطتين كـ "نقاط توقف" ثم عليك فقط النقر فوق الزر "حل".

ستحصل على أفضل طريق (مقاومة حكيمة)

ما تحتاجه هو "أقرب تحليل للمنشأة". يرجى الاطلاع على هذه الصفحة: أقرب تحليل للمنشأة في حالتك ، ستكون النقاط الحمراء هي الحوادث ، بينما ستكون النقاط الزرقاء هي منشآتك. سيعطيك هذا مسافة القيادة أو مسافة الشبكة.


الشروط المؤثرة في الاختيار بين الشحن المباشر وإعادة الشحن في شبكة الشحن البحري

تبحث هذه الدراسة في الظروف التي تؤثر على الاختيار بين الشحن المباشر وإعادة الشحن ، مع التركيز على عاملين: المسافة الجغرافية والطلب. نقوم بتطوير نموذج من مرحلتين يشتمل على خطوط الشحن والشاحنين ، ونطبقه على شبكة بحرية افتراضية ذات أصل واحد ، ومنفذي وجهة ، ومنفذ محور واحد. تتم مقارنة التكاليف العامة للشاحنين في الشحنة المباشرة المثلى وفي إعادة الشحن لنموذج خطوط الشحن لتقييم الاختيار بين الشحن المباشر وإعادة الشحن. نجد أن القدرة التنافسية للميناء كمحور ، مما يشير إلى حجم البضائع المجمعة في إعادة الشحن ، ضرورية لفحص فعالية تكلفة الشحن المباشر وإعادة الشحن. تستند المقارنة بين فعالية تكلفة الشحن المباشر وإعادة الشحن إلى تكوين كل شبكة ، لا سيما من حيث التردد وحجم السفينة المنتشرة. يمكن أن يكون الشحن المباشر أكثر فعالية من حيث التكلفة لمسافات قصيرة.


تنظيم الجريمةStat IV

يتم تنظيم CrimeStat إلى سبعة أقسام:

القسم 1: إعداد البيانات

  • الملف الأساسي - ملف مواقع الحادث أو النقاط بإحداثيات X و Y. يمكن معاملة المناطق كنقطة زائفة باستخدام نقطة واحدة داخل المنطقة (على سبيل المثال ، النقطه الوسطى). يمكن أن يكون نظام الإحداثيات إما كرويًا (خطوط الطول / العرض) أو إسقاطًا. يُسمح بقيم الكثافة والوزن. يمكن أن يكون لكل حادثة قيمة زمنية مرتبطة.
  • ملف ثانوي - ملف مرتبط بمواقع الحادث أو النقاط بإحداثيات X و Y. يجب أن يكون النظام الإحداثي هو نفسه الملف الأساسي. يُسمح بقيم الكثافة والوزن. يتم استخدام الملف الثانوي للمقارنة مع الملف الأساسي في عدة إجراءات.
  • الملف المرجعي - ملف الشبكة الذي يغلف منطقة الدراسة. عادةً ما تكون شبكة منتظمة على الرغم من أنه يمكن استيراد الشبكات غير المنتظمة. يمكن لـ CrimeStat إنشاء الشبكة إذا أعطيت إحداثيات X و Y للزوايا السفلية اليسرى واليمنى العلوية.
  • معلمات القياس - تحدد الصفحة نوع قياس المسافة (مباشر أو غير مباشر أو شبكة) التي سيتم استخدامها وتحدد معلمات منطقة منطقة الدراسة وطول شبكة الشارع. يمكن لـ CrimeStat IV استخدام شبكة لربط النقاط. يمكن ترجيح كل جزء حسب وقت السفر أو سرعة السفر أو تكلفة السفر أو المسافة البسيطة. يسمح ذلك بتقدير التفاعل بين النقاط بشكل أكثر واقعية.

القسم 2: الوصف المكاني

  • التوزيع المكاني - إحصائيات لوصف التوزيع المكاني للحوادث بما في ذلك المركز المتوسط ​​، ومركز الحد الأدنى للمسافة ، والقطع الناقص المعياري ، والبدن المحدب ، والمتوسط ​​الاتجاهي.
  • الارتباط التلقائي المكاني - إحصائيات لوصف الارتباط التلقائي المكاني بين المناطق بما في ذلك مؤشرات الارتباط التلقائي المكاني العام (العالمي) - Moran I و Geary's C و Getis-Ord General G ، والمخططات التي تحسب الارتباط المكاني التلقائي لفواصل المسافات المختلفة - Moran و Geary و Getis - مخططات متطابقة. يمكن للعديد من هذه الإجراءات محاكاة فترات الثقة باستخدام محاكاة مونت كارلو.
  • تحليل المسافة 1 - إحصائيات لوصف خصائص المسافات بين الحوادث بما في ذلك تحليل الجار الأقرب ، وتحليل الجار الأقرب الخطي وإحصاء Ripley's K. هناك أيضًا أداة مساعدة تقوم بتعيين النقاط الأساسية إلى النقاط الثانوية ، إما على أساس أقرب مسافة مجاورة أو نقطة في مضلع ، ثم تجمع النتائج بقيم النقطة الثانوية.
  • تحليل المسافة II - حساب المصفوفات التي تمثل المسافة بين النقاط للملف الأساسي ، والمسافة بين النقاط الأولية والثانوية ، والمسافات بين الملف الأساسي أو الثانوي والشبكة المرجعية.

القسم 3: تحليل النقاط الساخنة

  • تحليل النقاط الساخنة I - الإجراءات الروتينية لإجراء تحليل النقاط الفعالة بما في ذلك الوضع ، والوضع الضبابي ، والتسلسل الهرمي لأقرب الجيران (Nnh) والتجمع الهرمي المجاور الأقرب المعدل حسب المخاطر (Rnnh). يمكن إخراج النقاط الساخنة Nnh و Rnnh كأشكال بيضاوية أو أجسام محدبة. يمكن لكلا الإجراءين محاكاة فترات الثقة باستخدام محاكاة مونت كارلو.
  • تحليل النقاط الساخنة II - الإجراءات الروتينية لإجراء تحليل النقاط الساخنة بما في ذلك التحليل المكاني والزماني للجريمة (STAC) وتجميع الوسائل K. يمكن إخراج النقاط الساخنة STAC و K- على هيئة أشكال بيضاوية أو أجسام محدبة. يمكن لكلا الإجراءين محاكاة فترات الثقة باستخدام محاكاة مونت كارلو.
  • تحليل النقاط الساخنة للمناطق - الإجراءات الروتينية لإجراء تحليل النقاط الساخنة على بيانات المنطقة بما في ذلك Moran المحلي لـ Anselin وإحصاءات Getis-Ord المحلية G والتكتل الهرمي للمنطقة المجاورة. يمكن إخراج النقاط الساخنة المجاورة ذات التسلسل الهرمي للمنطقة كأشكال بيضاوية أو أجسام محدبة. يمكن لكل هذه الإجراءات محاكاة فترات الثقة باستخدام محاكاة مونت كارلو.

القسم 4: النمذجة المكانية

  • • الاستيفاء الأول - روتين تقدير كثافة النواة أحادي المتغير لإنتاج تقدير السطح أو المحيط لكثافة الحوادث (على سبيل المثال ، عمليات السطو) وروتين تقدير كثافة النواة ثنائي المتغير لمقارنة كثافة الحوادث بكثافة خط الأساس الأساسي متغير (الملف الثانوي) مثل السطو نسبة إلى عدد الأسر).
  • الإقحام II - روتين هيد بانج لتنعيم بيانات المنطقة التي يمكن تطبيقها على الأحداث (التهم) أو المعدلات أو يمكن استخدامها لإنشاء معدلات. بالإضافة إلى ذلك ، هناك روتين محرف لانفجار الرأس لاستيفاء نتيجة ضربة الرأس الملساء لخلايا الشبكة.
  • تحليل الزمان والمكان - مجموعة أدوات لتحليل التجميع في الزمان والمكان. وتشمل هذه مؤشرات Knox و Mantel ، التي تبحث عن العلاقة بين الزمان والمكان ، ووحدة تحليل السير المترابطة ، التي تحلل وتتنبأ بسلوك الجاني المتسلسل ، والمتوسط ​​المتحرك المكاني والزماني.
  • رحلة إلى تحليل الجريمة - طريقة بسيطة للعدالة الجنائية لتقدير الموقع المحتمل لمجرم متسلسل بالنظر إلى توزيع الحوادث ونموذج مسافة السفر. يسمح الروتين للمستخدم بتقدير نموذج سفر بملف معايرة وتطبيقه على الأحداث التسلسلية. يمكن استخدامه لتحديد موقع محتمل بالنظر إلى توزيع "النقاط" والافتراضات حول سلوك السفر. هناك روتين لرسم الخطوط بين الأصول والوجهات (رحلات الجريمة).
  • رحلة بايز إلى تحليل الجريمة - طريقة عدالة جنائية متقدمة لتقدير الموقع المحتمل لمرتكب الجريمة المتسلسل بالنظر إلى توزيع الحوادث ، ونموذج مسافة السفر ، ومصفوفة الأصل والوجهة التي توضح العلاقة بين مكان ارتكاب الجرائم والمكان الذي يعيش فيه الجناة. يقوم روتين التشخيص بتحليل المجرمين المتسلسلين الذين يُعرف مكان إقامتهم ويقدر أي من الرحلات العديدة إلى تقديرات الجريمة هو الأكثر دقة. يمكن تطبيق طريقة مختارة لتحديد مكان الإقامة المحتمل لمجرم متسلسل واحد بالنظر إلى توزيع الحوادث والافتراضات حول سلوك السفر وأصل الجناة الذين ارتكبوا جرائم في نفس المواقع.

القسم 5: النمذجة المكانية II

  • • نمذجة الانحدار I - وحدة لتحليل العلاقة بين متغير تابع ومتغير مستقل واحد أو أكثر. تتضمن وحدة انحدار CrimeStat العادية (المربعات الصغرى العادية) ونماذج الانحدار المستندة إلى Poisson وذات الحدين ، المقدرة بواسطة خوارزميات Maximum Likability (MLE) أو Markov Chain Monte Carlo (MCMC). يتضمن الإصدار الحالي 30 نموذجًا مختلفًا بما في ذلك نماذج Normal / OLS و Poisson مع تصحيح التشتت الخطي و Poisson-Gamma و Poisson-Lognormal و نماذج الانحدار غير المكاني ذات الحدين ، و Poisson-Gamma-Conditional Autoregressive (CAR) و Poisson-Gamma- الانحدار التلقائي المتزامن (SAR) ، ونماذج الانحدار المكاني Poisson-Lognormal-CAR / SAR ، ذات الحدين Logit-CAR / SAR. بالنسبة لنماذج MCMC ، يمكن تحديد متغير التعرض للسماح بتحليل المخاطر. يمكن للوحدة التعامل مع مجموعات البيانات الكبيرة جدًا من خلال نهج أخذ العينات القوالب.
  • نمذجة الانحدار II - وحدة للتنبؤ بالمتغير التابع مع معاملات واحد أو أكثر من المتغيرات المستقلة التي تم تقديرها باستخدام وحدة الانحدار 1.
  • نمذجة الاختيار المنفصل I - وحدة لتحليل العلاقة بين متغير تابع منفصل (اسمي) ومتغير واحد أو أكثر من المتغيرات المستقلة. تتضمن وحدة الاختيار المنفصل CrimeStat كلاً من نماذج Logit متعددة الحدود ونماذج Logit الشرطية. هناك أيضًا أداة مساعدة لإنشاء مجموعة بيانات مناسبة لنموذج Conditional Logit.
  • نمذجة الاختيار المنفصل II - الوحدة النمطية للتنبؤ بمتغير تابع منفصل مع معاملات واحد أو أكثر من المتغيرات المستقلة التي تم تقديرها باستخدام وحدة الاختيار المنفصل 1.
  • توقع السلاسل الزمنية - وحدة السلاسل الزمنية التي تراقب الجريمة أو التهم الأخرى حسب مناطق جغرافية محددة (مقاطعات) وتكتشف مستويات غير عادية من النشاط في الفترة الزمنية الأخيرة. كما أنه يتوقع التعدادات المتوقعة في الفترة الزمنية القادمة.

القسم 6: نمذجة الطلب على السفر بسبب الجرائم

نمذجة الطلب على السفر بالجريمة هي تطبيق لنمذجة طلب السفر ، وتستخدم على نطاق واسع في تخطيط النقل ، لتحليل الجريمة. يتم التحليل حسب المناطق.

أولاً ، تُعرَّف رحلة الجريمة على أنها رابط بين مكان إقامة الجاني (الأصل) وموقع الجريمة (الوجهة).

ثانيًا ، يتم تشغيل النموذج بالتتابع في أربع مراحل منفصلة مع إجراءات متعددة على عدة مراحل:

  • توليد الرحلة - ينتج نماذج منفصلة تتنبأ بعدد الجرائم التي تنشأ في كل منطقة (الأصول) وعدد الجرائم المنتهية في كل منطقة (وجهة). يستخدم CrimeStat IV نماذج الانحدار متعددة المتغيرات القائمة على Poisson ، إما MLE أو MCMC ، لإنشاء التنبؤ. يمكن إضافة الرحلات من خارج منطقة الدراسة (الرحلات الخارجية) إلى النموذج الأصلي لضمان تضمين جميع الرحلات. بمجرد إنشاء النماذج ، يضمن إجراء الموازنة أن عدد الأصول يساوي عدد الوجهات.
  • توزيع الرحلات - باستخدام العدد المتوقع لرحلات الجريمة التي تنشأ في كل منطقة والعدد المتوقع للرحلات التي تحدث في كل منطقة ، توزع المرحلة الثانية الرحلات من كل منطقة إلى كل منطقة أخرى باستخدام نموذج الجاذبية. هناك إجراءات روتينية لحساب التوزيع الفعلي (الملحوظ) من البيانات الفردية ، لتقدير معاملات التنبؤ ، ولتطبيق المعاملات المتوقعة على الأصول والوجهات المتوقعة. يسمح روتين آخر بمقارنة توزيع الرحلة المتوقعة مع توزيع الرحلة المرصودة.
  • تقسيم الوضع - يمكن تقسيم العدد المتوقع للرحلات لكل زوج من منطقة إلى منطقة إلى أوضاع سفر محتملة باستخدام وظيفة إمكانية الوصول التي تقترب من فائدة وضع واحد بالنسبة للآخرين.
  • تعيين الشبكة - يتم تعيين الرحلات المتوقعة من كل منطقة إلى كل منطقة أخرى عن طريق وضع السفر إلى مسار محتمل استنادًا إلى خوارزمية أقصر مسار A *. يتضمن الإخراج المسارات المحتملة التي تم اتخاذها لكل زوج من منطقة الأصل والوجهة والحجم الإجمالي للرحلات على روابط الشبكة. تتطلب هذه الخطوة شبكة سفر ، واحدة لكل وضع سفر. هناك أدوات مساعدة إضافية لحساب شبكات النقل من مواقع المحطات / التوقفات واختبار الشوارع ذات الاتجاه الواحد.

القسم 7: الخيارات

  • يمكن حفظ المعلمات وإعادة تحميلها.
  • يمكن تغيير ألوان علامة التبويب.
  • يمكن إخراج بيانات محاكاة مونت كارلو.
  • إذا كان نظام الإحداثيات كرويًا (خطوط الطول / العرض) ، فيمكن حفظ الملف الأساسي كملف kml للعرض في برنامج Google Earth.
  • يمكن تحويل ملفات Excel xlsx و xls إلى ملفات dbf لاستخدامها في CrimeStat.

يُرفق CrimeStat بعينة من مجموعات البيانات ودليل يقدم الخلفية وراء الإحصائيات والأمثلة. يناقش الدليل أيضًا تطبيقات CrimeStat التي طورها محللون وباحثون آخرون. البرنامج ومجموعات البيانات النموذجية موجودة في ملفات مضغوطة تستند إلى Windows ويمكن تنزيلها. الدليل عبارة عن مجموعة من الفصول الفردية في ملفات PDF. يمكن عرضها على الإنترنت أو تنزيلها. في حالة تنزيل فصول PDF بشكل منفصل ، يجب حفظها في نفس الدليل مثل برنامج CrimeStat. إذا لم تتم إعادة تسمية أسماء ملفات PDF ، فيمكن الوصول إليها مباشرة من فصول أخرى أو من قائمة تعليمات البرنامج.

الجريمة مكتبات

مكتبات CrimeStat (الإصدار 1.1) هي كائنات مكونة تسمح ببرمجة وظائف CrimeStat مباشرة في برامج أو أنظمة مخصصة. تتضمن مكتبات CrimeStat جميع الإجراءات الروتينية التي تم تطويرها من خلال الإصدار 2.0 من برنامج CrimeStat العادي ، بما في ذلك الوصف المكاني وتحليل النقاط الفعالة وإجراءات الاستيفاء الخاصة بكثافة النواة. تم تضمين إجراءات إضافية للربط الذاتي المكاني. يمكن للمكتبات إدخال ملفات dbf و point و ASCII النصية ويمكن إخراجها إلى ملف الشكل والملفات النصية ASCII وملفات kml.


الإخراج_وجهات

يوفر هذا معلومات حول الوجهات المستخدمة في التحليل مثل العدد الإجمالي للأصول التي تم الوصول إليها من أصل معين ، أو الوجهات التي لا يمكن تضمينها في التحليل.

المعلمة تدعم الحقول التالية. بالإضافة إلى هذه الحقول ، تتضمن المعلمة أيضًا جميع الحقول من وجهات الإدخال المستخدمة للتحليل.

اسم الوجهة. إذا تم تحديد اسم الأصل كجزء من حقل الاسم ، فسيكون لهذا الحقل نفس القيمة. بخلاف ذلك ، فإنه يتضمن قيمة تم إنشاؤها تلقائيًا مسبوقة بالموقع.

قيمة معرف الكائن لميزة وجهة الإدخال المقابلة. يمكن استخدام هذا للانضمام إلى سمات إضافية من وجهات الإدخال.

عدد الأصول التي وصلت إلى الوجهة.

المعرف الرقمي لفئة ميزة مصدر مجموعة بيانات الشبكة التي توجد عليها نقطة الإدخال.

معرّف الكائن للميزة في المصدر الذي توجد عليه نقطة الإدخال.

الموضع على طول الاتجاه الرقمي لميزة خط المصدر. يتم تخزين هذه القيمة كنسبة. يكون هذا الحقل فارغًا إذا كان موقع الشبكة يشير إلى تقاطع.

جانب الحافة بالنسبة للاتجاه الرقمي لميزة الخط. يقتصر هذا الحقل على مجال من قيمتين: الجانب الأيمن (1) والجانب الأيسر (2).

قيمة حقل CurbApproach في وجهات الإدخال المقابلة.

يشير إلى كيفية تقييم وجهة الإدخال المقابلة في التحليل. القيم المحتملة هي كما يلي:

  • 0 (موافق) - تم تحديد الوجهة بنجاح على شبكة النقل وتحليلها.
  • 1 (غير موجود) - لم يتم تضمين الوجهة في التحليل نظرًا لعدم العثور على طريق قابل للعبور ضمن مسافة البحث القصوى من الوجهة.
  • 3 (العناصر غير قابلة للعبور) - لا يمكن اجتياز عنصر الشبكة الذي تعمل عليه الوجهة. يمكن أن يحدث هذا عندما يكون عنصر الشبكة مقيدًا بسمة تقييد.
  • 4 (قيم الحقل غير صالحة) —تقع قيم الحقول خارج نطاق أو مجال ذي قيمة مشفرة. على سبيل المثال ، قد يوجد رقم سالب حيث يلزم وجود أرقام موجبة.
  • 5 (لم يتم الوصول إليه) - لا يمكن الوصول إلى الوجهة بسبب قيود على سبيل المثال ، تم تعيين نهج كبح بحيث يجب أن تسير السيارة في الاتجاه الخاطئ في شارع باتجاه واحد للوصول إلى الوجهة ، أو لا توجد وجهات داخل وقت السفر المحدد أو قطع مسافة السفر المحددة.
  • 7 (غير موجود في الأقرب) - لا يمكن اجتياز أقرب موقع شبكة للوجهة بسبب قيود أو حاجز ، لذلك تم تحديد موقع الوجهة على أقرب ميزة شبكة يمكن اجتيازها بدلاً من ذلك.

الإحداثي السيني للموضع على مجموعة بيانات الشبكة حيث توجد النقطة ، في النظام الإحداثي لمجموعة بيانات الشبكة.

إحداثيات y للموضع على مجموعة بيانات الشبكة حيث توجد النقطة ، في النظام الإحداثي لمجموعة بيانات الشبكة.

إحداثيات z للموضع على مجموعة بيانات الشبكة حيث توجد النقطة ، في النظام الإحداثي لمجموعة بيانات الشبكة. يكون حقل SnapZ هو 0 إذا كانت الشبكة ثنائية الأبعاد.

المسافة بالأمتار بين الموقع الجغرافي للنقطة والموقع الذي كانت موجودة فيه على الشبكة.

يتم نسخ قيم هذا الحقل من حقل Bearing في مرافق الإدخال.

يتم نسخ قيم هذا الحقل من حقل BearingTol على مرافق الإدخال.

يتم نسخ قيم هذا الحقل من حقل NavLatency في مرافق الإدخال.


إرشادات للمطورين | DistanceMatrixAPI

ستوجهك هذه الصفحة عبر الطلبات المختلفة وأنواع الاستجابة لواجهة برمجة تطبيقات Distance Matrix API وكيف يمكنك التحقق من البيانات المماثلة لخدمة Google Distance Matrix API من DistanceMatrixAPI.

قبل ان تبدأ

هذا المستند مخصص للمطورين الذين يرغبون في الحصول على مسافة الطريق الأسرع ووقت السفر بين نقاط متعددة. يوفر إرشادات مفصلة لاستخدام API والمواد المرجعية على المعلمات المتاحة.

تعد واجهة مصفوفة المسافات API عبارة عن خدمة HTTP / HTTPS API على الويب تُرجع مسافة المسار الأسرع ووقت السفر لمصفوفة مواقع فردية أو متعددة. يتم إجراء الحسابات لجميع المجموعات الممكنة بين نقاط البداية ونقاط الوجهة.

تنتج واجهة برمجة التطبيقات معلومات تستند إلى المسار المقترح / الأسرع بين نقطتي البداية والنهاية ، كما تم حسابه بواسطة واجهة مصفوفة المسافة ، وتتكون من صفوف تحتوي على فترات السفر والمسافات بالكيلومترات أو قيم الأميال لكل زوج من النقاط . الفترات الزمنية على أساس معلومات حركة المرور التنبؤية باستخدام قيم الوقت الحقيقي أو التاريخية ، اعتمادًا على وقت المغادرة المحدد كما هو محدد في طلب http / https.

تُرجع استجابة واجهة API لمصفوفة المسافة مصفوفة مسافة بتنسيق JSON أو XML ، بالإضافة إلى بيانات حول مدة السفر لكل مقطع مسار متتالي في المصفوفة. دائمًا ما تحسب مدة السفر المقدرة المرتجعة لقطاع الطريق أحدث ظروف حركة المرور وفي حالة الطلب المستقبلي ، توقعات حركة المرور. تعمل واجهة API لمصفوفة المسافة في كل بلد حول العالم ، في جميع أنحاء العالم وهي متاحة لجميع أوضاع السفر بما في ذلك القيادة والعبور وركوب الدراجات والمشي وأنماط السفر الأخرى.

يمكن استخدام API للعثور على نقاط الأصل والوجهة الأقرب إلى نقطة الأصل أو لأي حالة استخدام أخرى. تُرجع واجهة API لمصفوفة المسافة دائمًا مدة السفر المقدرة ومسافة المسار الأسرع لكل عنصر في المصفوفة ، حيث يكون العنصر هو الأصل مضروبًا في زوج الوجهة في المصفوفة.

على سبيل المثال ، لنفترض أن هناك 3 نقاط بداية 1 و 2 و 3 وثلاثة مواقع وجهة X و Y و Z. سوف يحسب DistanceMatrixAPI مصفوفة كل وقت السفر بالثواني والمسافات بالأمتار بين المواقع:

تحسب Matrix API مدة السفر بالثواني وأقصر المسافات بوحدات مترية أو إمبراطورية. ومع ذلك ، فإنه لا يعيد هندسة المسار.

لا تكون مدة السفر والمسافة بين النقاط على الخريطة متماثلة دائمًا ، نظرًا لأن هذه المسارات قد تختلف حسب الاتجاهات بسبب الشوارع ذات الاتجاه الواحد أو كتل الانعطاف. على سبيل المثال ، قد يكون من 1 إلى X تقدير مدة سفر مختلف عن X إلى 1


مقدمة

يكشف تحليل تنقل المسافرين عن الكثير من المعلومات حول سلوكهم وتفضيلاتهم والوجهات التي يزورونها. هذا مثير للاهتمام لعدد من الأغراض المختلفة. يمكن للبلديات الحصول على معلومات حول شعبية الوجهات داخل منطقتها لبناء البنية التحتية وتقديم الخدمات بطريقة مستنيرة. يمكن لجهات التسويق في الوجهة معرفة المزيد عن سياق ضيوفهم المحتملين وتقديم عروض محسّنة لجذب المزيد من الزوار. يمكن لوكالات السياحة أو أنظمة التوصية بالسفر تمييز عملائها واقتراح وجهات مصادفة ودقيقة للزيارة. أخيرًا ، يمكن للمسافرين المحتملين الاستفادة من التوصيات المفيدة عند التخطيط لرحلاتهم.

يمكن ملاحظة التنقل السياحي بطرق مختلفة. إن تحليل عدد حجوزات الإقامة في مدينة ما ، أو تتبع مبيعات تذاكر الرحلات الجوية أو القطارات ، أو تحليل ازدحام وصلات الطرق السريعة ، لا يلتقط سوى أنماط السفر الإجمالية لوجهة واحدة أو الاتصالات بينها. لتوفير رؤى حول السفر الفردي ، نقوم بتحليل حركة المسافرين الفرديين ببيانات من الشبكات الاجتماعية القائمة على الموقع (LBSNs). يتبع تعريفنا لـ LBSNs تعريف Roick and Heuser (2013) ، والذي يتضمن كلا من الشبكات الاجتماعية التي تسمح بوضع العلامات الجغرافية للمحتويات ، مثل Twitter أو Flickr ، بالإضافة إلى مواقع الشبكات الجغرافية الاجتماعية ، مثل Foursquare.

تتمثل الفكرة الأساسية لطريقتنا في تصنيف كل محتوى المستخدم الموسوم بعلامات جغرافية بترتيب زمني في سلسلة من عمليات تسجيل الوصول وتقسيمه إلى فترات التواجد في المنزل والسفر. يتم دمج عمليات تسجيل الوصول المتتالية خارج المنزل في رحلة يمكن وصفها باستخدام مقاييس مختلفة (Dietz et al. 2018a). يمكن استخدام هذه الرحلات للعثور على الوجهات التي تمت زيارتها معًا ، لاشتقاق فترات الإقامة (Dietz and Wörndl 2019) ، أو تجميعها في مجموعات يمكن تمييزها (Dietz et al. 2018b) ، أو لاكتشاف مناطق سفر أكبر (Sen and Dietz 2019) ).

في هذه الورقة ، نقوم بتنقيح وتوسيع الأساليب المذكورة أعلاه. بعد مراجعة الأدبيات الأكثر صلة بالموضوعات ذات الصلة ، قمنا بوصف ثلاث مساهمات رئيسية في الأقسام التالية: أولاً ، نصف بدقة طريقة اشتقاق الرحلات من LBSNs المختلفة ، مثل Foursquare و Twitter و Flickr. نصف المقاييس لتحديد جودة الرحلات ومقارنة مقاييس التنقل للعديد من مجموعات البيانات في الطائفة. 3. ثانيًا ، قمنا بتوسيع نهج ديتز وآخرون. (2018b) لتجميع الرحلات الملغومة حسب الجوانب الاجتماعية ودراسة حالة ثانية على مجموعة بيانات Twitter في Sect. 4. ثالثاً: في المذهب. 5 ، نقدم نهجًا جديدًا لتحويل أنماط التنقل التي تظهر في الرحلات إلى شبكة من التدفقات السياحية واستخدام نهج الكشف المجتمعي لاكتشاف الوجهات السياحية التي يتم تحديدها من خلال التنقل الفعلي للسائحين بدلاً من الحدود السياسية والإدارية. أخيرًا ، نستنتج نتائجنا في الطائفة. 6.

يمكن استخدام مساهمات هذه الورقة لتحسين إضفاء الطابع الشخصي على أنظمة التوصية بالوجهة. من خلال مراقبة عدد كبير من المسافرين ، نتعلم كيف يسافر المستخدمون الحقيقيون ويجب أن نكون قادرين على تقديم توصيات أكثر واقعية. يمكن استخدام التجميع المكاني للمدن إلى مناطق سفر أكبر بشكل مباشر كنموذج إقليمي ضمن نظام توصية الوجهة الذي كان يعتمد سابقًا على الحدود السياسية (Wörndl 2017 Dietz 2018).


معلمات لحساب مسافة خرائط جوجل

المعلمات التالية متاحة في استعلام API:

  • القيادة (افتراضي) لشبكة الطرق.
  • المشي في ممرات المشاة و # 038 أرصفة (إن وجدت).
  • ركوب الدراجات لركوب الدراجات عبر مسارات الدراجات & # 038 الشوارع المفضلة (إن وجدت).
  • العبور لطرق النقل العام (إن وجدت).

للحصول على معلمات أخرى ، راجع صفحة Google Distance Matrix API الأصلية:
واجهة برمجة تطبيقات Google Distance Matrix API


5.1 تحليل الشبكة

يمكن استخدام تحليل الشبكة لحل العديد من مشاكل النقل المختلفة التي سيكون حلها صعبًا للغاية. من المتطلبات الأساسية لإجراء تحليل الشبكة أن يكون لديك نموذج شبكة. وفقًا لمصطلحات ESRI ، هذه مجموعة بيانات شبكة. مررنا خلال تمرين لإنشاء مجموعة بيانات شبكة في الدرس الأخير. بالطبع ، ليس من متطلبات تحليل الشبكة أن تقوم بإنشاء نموذج الشبكة الخاص بك. هناك عدد من نماذج الشبكات المتاحة تجاريًا التي يمكنك استخدامها بدلاً من ذلك.

تتنوع أنواع المشكلات التي يمكن استخدام تحليل الشبكة لحلها اختلافًا كبيرًا. إحدى السمات الشائعة للخوارزميات التي تشغل كل منها أنها تتضمن تحديد تكلفة مسار واحد أو أكثر عبر الشبكة. تعتمد التكلفة بشكل شائع على الوقت أو المسافة ، ولكن يمكنك تحديد سمة التكلفة بالطريقة التي تريدها. على سبيل المثال ، قد تسجل كل ميزة في الشبكة بناءً على قيمتها الخلابة. يمكنك بعد ذلك إنشاء معلمة تكلفة بناءً على النتيجة ذات المناظر الخلابة واستخدام أداة الحل للعثور على المسار الأكثر جمالًا.

يوفر ESRI 6 تحليلات للشبكات الجاهزة كجزء من محلل الشبكة. يسمي ESRI هذه الشبكة التي تحلل "الحلول". يتم سرد أدوات الحل أدناه مع وصف موجز لكل منها:

مسار حلال

يحدد حلال المسار أفضل مسار بين نقطتين أو أكثر. يستخدم معظمنا تحليل الشبكة هذا بشكل منتظم. عندما تستخدم خرائط Google أو خدمة مماثلة للحصول على الاتجاهات من موقع إلى آخر ، تجري الخدمة تحليلًا للشبكة لتحديد المسار الأفضل والأسرع عادةً. يمكن لهذا المحلل توجيه أي عدد من النقاط وفقًا لأمر محدد (على سبيل المثال ، مشكلة البائع المتجول) أو الأمر الأكثر كفاءة.

أقرب منشأة حلال

يستخدم هذا الحل لتحديد أقرب منشأة إلى موقع معين. يمكن أن يكون مصطلح "منشأة" مضللاً بعض الشيء. على سبيل المثال ، يمكن استخدام أداة الحل هذه لتحديد أقرب سيارة إسعاف إلى مكان الحادث. في هذه الحالة ، باستخدام مصطلحات ESRI ، سيتم اعتبار سيارات الإسعاف مرافق.

حل منطقة الخدمة

المنطقة الجغرافية التي يمكن أن تصل إلى منشأة معينة في فترة زمنية معينة (أو العكس) تسمى منطقة الخدمة. لتحديد حدود هذه المنطقة ، يمكنك استخدام Service Area Solver.

الأصل والوجهة (OD) مصفوفة حل مصفوفة التكلفة

يتم استخدام أداة حل مصفوفة تكلفة OD بشكل عام لتحديد مسافات أسرع المسارات بين مجموعة من الأصول ومجموعة من الوجهات. على الرغم من أن المسار بين كل نقطة أصل ووجهة غالبًا ما يتم تمثيله كخط مستقيم ، إلا أن المسار الذي يتوافق مع تكاليف الوقت والمسافة بين كل زوج من المواقع يتبع شبكة الشارع.

حلول توجيه المركبات

عادةً ما يتم استخدام أداة حل توجيه المركبات لتحديد المسارات الأكثر كفاءة لأسطول من المركبات المكلفة بخدمة سلسلة من التوقفات.

حل تخصيص الموقع

يمكن استخدام أداة حل تخصيص المواقع لتحديد مدى فعالية موقع المنشأة في خدمة المواقع التي تحتاج إلى خدماتها. على هذا النحو ، يمكن استخدامه لتحديد أفضل موقع لمنشأة من سلسلة من المواقع المرشحة.


مقدمة

يعتبر تعزيز النقل غير الآلي خطوة نحو التنمية الحضرية المستدامة. تشمل فوائد السفر عن طريق ركوب الدراجات والمشي زيادة الصحة البدنية ، وتقليل الاعتماد على احتراق الوقود الأحفوري ، وتقليل إنتاج الملوثات البيئية ، والاستخدام الفعال لقدرة الممرات الحضرية ، وتوفير ظروف أكثر إنصافًا بسبب عدم الاعتماد على المواطنين الاقتصادية و حالة ملكية السيارة. يتطلب الترويج لأشكال النقل غير الآلية بنية تحتية وخدمات مناسبة. في حالة ركوب الدراجات ، يمكن أن يكون لوجود ممرات للدراجات مع أمان مناسب وتصميم هندسي ورصيف تأثير كبير على رغبة المواطنين في استخدام الدراجات في الرحلات القصيرة والمتوسطة المدى. تعتمد الطرق الشائعة لتحديد الطرق المناسبة لبناء شبكة دراجات على مبدأين: 1) تحديد الممرات الحضرية المناسبة لتخصيص العرض الضروري لممرات الدراجات ، و 2) تحديد منشأ ووجهات الرحلات القصيرة والمتوسطة المدى . يمكن تحديد هذه الأصول والوجهات من خلال المسوحات الإحصائية المباشرة (من خلال الملاحظة والاستبيان) أو الاستخدام غير المباشر للبيانات السابقة (مخرجات خطط النقل الحضري الشاملة التي تم تطويرها بناءً على المسوحات المباشرة).

تستند المسوحات الإحصائية إلى مبادئ علمية صارمة ، ومع ذلك ، فإن وجود أخطاء حتمية (مثل خطأ أخذ العينات) ، والتكلفة العالية لجمع عينات مناسبة ، وصعوبة تأمين التعاون الفعال للمستجيبين تجعل هذه المسوح مرحلة صعبة من دراسات النقل. ومع ذلك ، فإن الاستخدام الواسع لأنظمة النقل الذكية يسمح للباحثين باستخراج معلومات مفيدة حول سلوك سفر المواطنين دون الحاجة إلى أي مشاركة مباشرة. في الآونة الأخيرة ، يوفر وجود أنظمة آلية لتحديد موقع المركبات وأنظمة جمع أجرة النقل الأوتوماتيكية وكاميرات السرعة والماسحات الضوئية للوحات الترخيص وصولاً غير مسبوق إلى البيانات الأولية اللازمة لدراسة سلوكيات المرور.

تعتمد الطريقة المقترحة في هذه الورقة على البيانات المتعلقة برحلات سيارات الأجرة وبالتالي لا تتطلب أي مسح مباشر. في هذه الطريقة ، يتم استخلاص أصول ووجهات رحلات التاكسي القصيرة كرؤوس في الرسم البياني. الرحلات القصيرة هي تلك التي تقع ضمن المسافة الممكنة التي تقطعها الدراجة والتي يفترض أنها 4 كيلومترات في هذه الدراسة. إذا تم إجراء رحلة بين رأسين ، فإنهما يصبحان متصلين بقوس. يتم تمثيل عدد الرحلات بين نقطتين على أنه وزن القوس الذي يربط بين الرؤوس المقابلة. مهدت نمذجة أنماط السفر كرسم بياني الطريق لاستخدام مفهوم المجتمع ، أي المجموعات لتحديد النقاط ذات اتصالات السفر الأكثر أهمية. على هذا الأساس ، بعد اكتشاف مجتمعات الرسم البياني ، تم تحديد النقطة ذات أعلى معدلات الرحلات قصيرة المدى في كل مجتمع ، ومن ثم تم الوصول إلى أفضل الشبكات التي تربط هذه النقاط بناءً على نموذج رياضي ثنائي الهدف. يقلل الهدف الأول للنموذج من إجمالي تكلفة السفر (المسافة أو الوقت) على الشبكة كهدف للمستخدمين. While, the second objective minimizes the total network length as planners’ objective. Therefore, the model by considering a trade-off between users and planners objectives proposes some non-dominated (pareto-optimal) bike networks.

The rest of the paper is organized as follows: A review of application of graph theory in transportation networks, the usage of information of taxi positioning systems, and methods of bike network design are presented in section “Review of literature”. In section “Research method”, a methodology of identifying the non-dominated bike networks in a city is proposed based on integrating a community detection method and a bi-objective optimization problem. Section “Data and results” is devoted to analyzing the results of applying the presented method on a real case study of Isfahan network.


Understanding EIGRP Command Output

Show ip eigrp traffic

This command is used to display information about EIGRP named configurations and EIGRP autonomous-system (AS) configurations. The output of this command shows the information that has been exchanged between the neighboring EIGRP router. An explanation of each output field follows the table.

Configuration Explanations

Hellos sent/received shows the number of hello packets sent and received (sent -1927/received - 1930).

Updates sent/received displays the number of update packets sent and received (sent-20/received-39).

Queries sent/received means the number of query packets sent and received (sent-10/received-18).

Replies sent/received shows the number of reply packets sent and received (sent-18/received-16).

Acks sent/received stands for the number of acknowledgment packets sent and received (sent-66/received-41).

SIA-Queries sent/received means number of stuck in active query packets sent and received (sent-0/received-0).

SIA-Replies sent/received displays the number of stuck in active reply packets sent and received (sent-0/received-0).

Hello Process ID is the hello process identifier (270).

PDM Process ID stands for protocol-dependant module IOS process identifier (251).

Socket Queue displays the IP to EIGRP Hello Process socket queue counters (current-0/max-2000/highest-1/drops-0).

Input Queue shows the EIGRP Hello Process to EIGRP PDM socket queue counters (current-0/max-2000/highest-1/drops-0).

Show ip eigrp topology

This command only displays feasible successors. To display all entries in the topology table, use the show ip eigrp topology all-links command. An explanation of each output field follows the table.

Configuration Explanations

أ means active. This could also show a P, meaning passive.

10.2.4.0/24 is the destination or mask.

0 successors shows how many successors (or paths) are available for this destination if successors is capitalized, the route is in transition.

FD is 512640000 shows the feasible distance, which is the best metric to reach this destination or the best metric known when the route went active.

tag is 0x0 can be set and/or filtered using route maps with the set tag و match tag commands.

س means a query is pending. This field can also be: U, for update pending or R, for reply pending.

1 replies shows the number of outstanding replies.

active 00:00:01 shows how long this route has been active.

query origin: Local origin shows this route originated the query. This field can also be: Multiple origins, meaning that multiple neighbors have sent queries on this destination, but not the successor or Successor origin, meaning the successor originated the query.

via 10.1.2.2 shows that we learned of this route from a neighbor whose IP address is 10.1.2.2. This field can also be: Connected, if the network is directly connected to this router Redistributed, if this route is being redistributed into EIGRP on this router or Summary, if this is a summary route generated on this router.

(Infinity/Infinity) shows the metric to reach this path through this neighbor in the first field, and the reported distance through this neighbor in the second field.

ص shows that we have queried this neighbor and are waiting for a reply.

س is the send flag for this route, meaning there is a query pending. This field can also be: U, meaning there is an update pending or R, meaning there is a reply pending.

Serial1 is the interface through which this neighbor is reachable.

Via 10.1.1.2 shows the neighbor from which we are waiting for a reply.

ص shows that we have queried this neighbor about the route and have not yet received a reply.

Serial0 is the interface through which this neighbor is reachable.

Via 10.1.2.2 (512640000/128256), Serial1 shows we are using this route (indicates which path the next path/destination will take when there are multiple routes of equal cost).

Show ip eigrp topology <network>

This command displays all entries in the topology table for this destination, not just feasible successors. An explanation of each output field follows the table.

Configuration Explanations

State is Passive means the network is in passive state, or, in other words, we are not looking for a path to this network. Routes are almost always in a passive state in stable networks.

Query origin flag is 1 If this route is active, this field provides information on who originated the query.

0: This route is active but no query has been originated for it (we are searching for a feasible successor locally).

1: This router originated the query for this route (or the route is passive).

2: Multiple diffusing computations for this query. This router has received more than one query for this route from more than one source.

3: The router that we learned the path to this network from is querying for another route.

4: Multiple query sources for this route, including the router through which we learned this route. Similar to 2, but it also means there is a query origin string which describes the queries outstanding for this path.

2 Successor(s) means there are two feasible paths to this network.

FD is 307200 shows the best current metric to this network. If the route is active, this indicates the metric of the path we were previously using to route packets to this network.

Routing Descriptor Blocks Each of the following entries describes one path to the network.

10.1.1.2 (Ethernet1) is the next hop to the network and the interface that next hop is reached through.

from 10.1.2.2 is the source of this path information.

Send flag is:

0x0: If there are packets that need to be sent in relation to this entry, this indicates the type of packet.

0x1: This router has received a query for this network, and needs to send a unicast reply.

0x2: This route is active, and a multicast query should be sent.

0x3: This route has changed, and a multicast update should be sent.

Composite metric is (307200/281600) shows the total calculated costs to the network. The first number in the parentheses is the total cost to the network through this path, including the cost to the next hop. The second number in the parentheses is the reported distance, or, in other words, the cost the next hop router uses.

Route is Internal means this route was originated within this EIGRP autonomous system (AS). If the route was redistributed into this EIGRP AS, this field would indicate that the route is External.

Vector metric shows the individual metrics used by EIGRP to calculate the cost to a network. EIGRP does not propagate total cost information throughout the network the vector metrics are propagated, and each router computes the cost and reported distance individually.

Minimum bandwidth is 10000 Kbit shows the lowest bandwidth on the path to this network.

Total delay is 2000 microseconds shows the sum of the delays on the path to this network.

Reliability is 0/255 shows a reliability factor. This number is calculated dynamically, but is not used by default in metric calculations.

Load is 1/255 indicates the amount of load the link is carrying. This number is calculated dynamically, and is not used by default when EIGRP calculates the cost to use this path.

Minimum MTU is 1500 This field is not used in metric calculations.

Hop count is 2 This is not used in metric calculations, but does limit the maximum size of an EIGRP AS. The maximum number of hops that EIGRP will accept is 100 by default, although the maximum can be configured to 220 with metric maximum hops.

If the route is external, the following information is included. An explanation of each output field follows the table.

Configuration Explanations

Originating Router shows that this is the router that injected this route into the EIGRP AS.

External AS shows the Autonomous System this route came from (if there is one).

External Protocol shows the protocol this route came from (if there is one).

external metric shows the internal metric in the external protocol.

Administrator Tag can be set and/or filtered using route maps with the set tag و match tag commands.

Show ip eigrp topology [active | pending | zero-successors]

Same output format as show ip eigrp topology, but it also shows some portion of the topology table.

Show ip eigrp topology all-links

Same output format as show ip eigrp topology, but it also shows all links in the topology table, rather than just feasible successors.


شاهد الفيديو: الدرس السادس: شرح المدفوعات والمقبوضات والتسويات المالية والتحويل بين الصناديق ونظام الاصول