Más

¿Cómo calcula ArcGIS el tráfico en vivo en un dataset de red?


Creo un servicio de analista de red en ArcGIS 10.2 con tráfico en vivo. El tráfico se clasifica en cuatro clases (stop and go, lento, moderado y flujo libre). Sé que cuando el servicio utiliza el tráfico histórico, el tráfico se calcula utilizando el flujo libre y la velocidad de desplazamiento. En el tráfico en vivo solo tengo la velocidad de viaje, pero el resultado del tráfico en el mapa muestra las cuatro clases. ¿Cómo calcula el servicio y muestra el tráfico en vivo en mi servicio?


Encuentre las instalaciones más cercanas (analista de redes)

Encuentra una o más instalaciones más cercanas a un incidente según el tiempo de viaje, la distancia u otro costo y genera la mejor ruta, la instalación elegida y las direcciones de conducción entre el incidente y la instalación. Por ejemplo, puede utilizar esta herramienta para encontrar el hospital más cercano a un accidente, los coches de policía más cercanos a la escena del crimen o la tienda más cercana a la dirección de un cliente.

Al encontrar las instalaciones más cercanas, puede especificar cuántas instalaciones buscar y si la dirección de viaje es hacia o lejos de ellas. Si su conjunto de datos de red admite tráfico, también puede especificar la hora del día para tener en cuenta los tiempos de viaje para esa fecha y hora. Por ejemplo, puede utilizar esta herramienta para buscar hospitales dentro de un tiempo de conducción de 15 minutos desde el lugar del accidente en un momento determinado del día. Los hospitales que tarden más de 15 minutos en llegar en función de las condiciones del tráfico no se incluirán en los resultados.

Las herramientas Buscar instalaciones más cercanas y Crear capa de instalación más cercana son similares, pero están diseñadas para diferentes propósitos. Utilice Buscar instalaciones más cercanas si está configurando un servicio de geoprocesamiento; simplifica el proceso de configuración. De lo contrario, utilice Crear capa de instalación más cercana.

Para crear un servicio de geoprocesamiento de instalaciones más cercanas mediante Buscar instalaciones más cercanas, solo necesita configurar una herramienta y puede publicar la herramienta directamente como un servicio. Por el contrario, debe crear un modelo con la herramienta Crear capa de instalación más cercana, conectarlo correctamente a varias otras herramientas y publicar el modelo para crear un servicio de geoprocesamiento de instalación más cercana. Consulte Descripción general de los ejemplos del servicio de geoprocesamiento de Network Analyst para aprender cómo configurar un servicio de instalación más cercano utilizando datos de tutorial. Otra opción a considerar es el servicio ArcGIS Online Closest Facility. Es un servicio que se ejecuta como una herramienta de geoprocesamiento dentro de ArcMap, se puede acceder desde otras aplicaciones e incluye datos de carreteras de alta calidad para gran parte del mundo.


El tiempo de demora en Barreras no se agrega al Tiempo de viaje cuando se encuentra la instalación más cercana.

Mi nombre es Fuad Ishaq y vivo en Cisjordania, Palestina, donde el movimiento y el transporte están restringidos y afectados por diferentes tipos de barreras, creé un conjunto de datos de red para ejecutar el análisis para examinar los efectos de diferentes tipos de barreras como: Puntos de control , Barricadas, montículo de tierra, barreras de pared, puertas de carreteras, etc. en economía y el costo real de transporte ... así que construí el conjunto de datos de red del sistema de carreteras y agregué los puntos de control de carreteras como barreras con tiempo de retraso como costo adicional, creé la instalación más cercana capa de análisis, el propósito de esta red es calcular el tiempo de conducción que se tarda en viajar de la localidad A a la B a través de estas barreras agregando el tiempo de demora al tiempo de viaje. El problema es que el sistema no agrega el tiempo de retraso al tiempo de viaje.

El valor del tiempo de demora se almacena en un campo ubicado en la capa de barrera del punto de control, su nombre es Attr_TravelTime.

Dentro de la clase de entidad Road System hay un campo llamado TravelTime.

Otra cosa, al crear la barrera usando Network Analyst "crear herramienta de ubicación de red" y ejecutar el botón de resolución, agrega el tiempo de demora al tiempo de viaje, pero cuando cargo las barreras de la clase de entidad u otro shapefile, no agregará el tiempo de demora a Tiempo de viaje, entonces cuál es el problema.

Necesito tu ayuda para descubrir por qué no se agrega el tiempo de demora al tiempo de viaje, gracias.


Flujos de trabajo personalizados

Cada uno de los cuadros de la Figura 3.2 representa parámetros clave de rendimiento que ajustarán las cargas del flujo de trabajo en el sistema. Estos parámetros clave de rendimiento se seleccionan en función de las decisiones que tomará al publicar el servicio de mapas. Las líneas de base de rendimiento se ajustan en función de la complejidad de la estructura de datos o las funciones de la aplicación, y el rendimiento de la pantalla está determinado por la selección final del diseño de la arquitectura del sistema. A medida que elija su configuración de pantalla, las cargas de procesamiento del flujo de trabajo (tiempos de servicio) se ajustarán en consecuencia.


Parámetros requeridos

Orígenes

Especifica los puntos de partida desde los que viajar a los destinos.

Puede usar una sintaxis simple basada en coma y punto y coma si está pasando las ubicaciones de entrada usando sus valores de longitud y latitud en el sistema de coordenadas WGS84 y no necesita pasar campos adicionales para cada ubicación.

Sintaxis simple para orígenes

Ejemplo usando sintaxis simple

  • url: especifique una solicitud de consulta REST para cualquier característica, mapa o servicio de geoprocesamiento de ArcGIS Server que devuelva un conjunto de características JSON. Esta propiedad es opcional. Sin embargo, se deben especificar las características o la URL.
  • características: especifique una serie de características. Esta propiedad es opcional. Sin embargo, se deben especificar las características o la propiedad URL.

    geometría: especifique la geometría del punto de entrada que contiene las propiedades xey junto con una propiedad SpacialReference. Si la propiedad SpatialReference está definida para todo el JSON, no es necesario definir esta propiedad para cada geometría. Hacerlo reduce el tamaño del JSON de entrada si la entrada tiene muchas características y mejora el rendimiento. Esta propiedad no es necesaria si las coordenadas están en la referencia espacial predeterminada WGS84. Si las coordenadas están en una referencia espacial diferente, debe especificar el ID conocido de la referencia espacial (WKID). Consulte el sistema de coordenadas geográficas y el sistema de coordenadas proyectadas para buscar valores de WKID.

Como práctica recomendada, se recomienda especificar explícitamente la referencia espacial y especificarla para todo el JSON en lugar de para cada geometría individual.

Atributos de los orígenes

Al especificar los orígenes, puede establecer propiedades para cada uno, como su nombre o la cantidad de destinos a buscar desde el origen, utilizando los siguientes atributos:

El nombre del origen. El nombre puede ser un identificador único del origen. Si outputType es esriNAODOutputStraightLines o esriNAODOutputNoLines, el nombre se incluye en el campo Nombre de las líneas de salida (el nombre de las líneas de salida será nombre de origen - nombre de destino). El nombre también se incluye en los orígenes de salida como el campo Nombre.

Si no se especifica el nombre, se genera automáticamente un nombre único con el prefijo Ubicación.

ObjectID del origen. ObjectID es un identificador único para el origen. Si outputType es esriNAODOutputStraightLines o esriNAODOutputNoLines, el ObjectID se incluye en las líneas de salida (como el campo OriginID). Si outputType es esriNAODOutputSparseMatrix, el ObjectID se incluye en la matriz de salida. El ObjectID también se incluye en los orígenes de salida (como el campo ObjectID) y se puede utilizar para unir información adicional de las salidas de la herramienta al atributo de sus orígenes. Si no se especifica ObjectID, se genera automáticamente una ID única en la salida.

El número máximo de destinos a buscar para el origen.

Si no se especifica un valor, se utiliza el valor del parámetro defaultTargetDestinationCount.

Este campo le permite especificar un número diferente de destinos para buscar para cada origen. Por ejemplo, utilizando este campo, puede encontrar los tres destinos más cercanos de un origen y los dos destinos más cercanos de otro origen.

Si desea dejar de buscar destinos una vez que la búsqueda ha superado un cierto valor de impedancia, especifique un campo Cutoff_ [Impedancia] para su origen.

La impedancia es el nombre del atributo de impedancia en su análisis, o el nombre de impedancia de su modo de viaje si especifica un modo de viaje. Este atributo le permite especificar un valor de corte diferente para cada destino.

Por ejemplo, con este atributo, puede especificar buscar destinos dentro de los cinco minutos del tiempo de viaje desde un origen y buscar destinos dentro de los ocho minutos del tiempo de viaje desde otro origen.

Las unidades del corte son las mismas que las unidades de su atributo de impedancia. Si no se especifica un valor, se utiliza el valor del parámetro defaultCutoff.

Si tiene varios atributos de costo de red, verá varios campos Cutoff_ [Impedancia]. En consecuencia, puede tener más de un campo Cutoff_ [Impedancia] basado en el tiempo o la distancia. Los valores de campo que proporciona solo se referencian si el atributo de costo al que se hace referencia en el nombre del campo se usa en el análisis como atributo de impedancia, no se usa si el atributo se usa en el análisis como atributo acumulado.

Consulte la lista de atributos de impedancia de corte admitidos por el servicio.

Especifica la dirección en la que un vehículo puede partir del origen.

Uno de los números enteros enumerados en la columna Valor codificado de la siguiente tabla debe especificarse como valor de este atributo. Los valores de la columna Configuración son los nombres descriptivos de los valores de atributo CurbApproach que puede haber visto al utilizar el software de extensión ArcGIS Network Analyst.

El vehículo puede salir del origen en cualquier dirección, por lo que se permite un cambio de sentido en el origen. Este ajuste se puede elegir si es posible y práctico que su vehículo gire en el origen. Esta decisión puede depender del ancho de la vía y la cantidad de tráfico o si el origen tiene un estacionamiento donde los vehículos pueden entrar y dar la vuelta.

Todas las combinaciones de llegada y salida están permitidas con el enfoque de cualquier lado de la acera del vehículo.

Cuando el vehículo sale del origen, el origen debe estar en el lado derecho del vehículo. Se prohíbe un cambio de sentido. Esto se usa generalmente para vehículos como autobuses que deben salir de la parada de autobús del lado derecho.

Se muestra la combinación permitida de llegada y salida para el acceso a la acera del lado derecho del vehículo.

Cuando el vehículo sale del origen, el origen debe estar en el lado izquierdo del vehículo. Se prohíbe un cambio de sentido. Por lo general, se usa para vehículos como los autobuses que deben salir de la parada de autobús del lado izquierdo.

Se muestra la combinación permitida de llegada y salida para el lado izquierdo del acceso a la acera del vehículo.

Cuando el vehículo sale del origen, el origen puede estar en cualquier lado del vehículo, sin embargo, cuando sale, el vehículo debe continuar en la misma dirección en la que llegó. Se prohíbe un cambio de sentido.

Se muestran las combinaciones de llegada y salida permitidas para la aproximación a la acera sin giro en U.

El atributo CurbApproach está diseñado para funcionar con ambos tipos de normas de conducción nacionales: circulación por la derecha (Estados Unidos) y circulación por la izquierda (Reino Unido). Primero, considere un incidente en el lado izquierdo de un vehículo. Siempre está en el lado izquierdo, independientemente de si el vehículo circula por la mitad izquierda o derecha de la carretera. Lo que puede cambiar con los estándares de conducción nacionales es su decisión de abordar un incidente desde una de dos direcciones, es decir, para que termine en el lado derecho o izquierdo del vehículo. Por ejemplo, si desea llegar a un incidente y no tener un carril de tráfico entre el vehículo y el incidente, elija 1 (Lado derecho del vehículo) en los Estados Unidos y 2 (Lado izquierdo del vehículo) en el Reino Unido.

Con circulación por la derecha, el acceso a la acera que deja el vehículo más cercano al origen es el lado derecho del vehículo. Con el tráfico por la izquierda, el acceso a la acera que deja el vehículo más cercano al origen es el lado izquierdo del vehículo.

La dirección en la que se mueve un punto. Las unidades son grados y se miden en el sentido de las agujas del reloj desde el norte verdadero. Este campo se utiliza junto con el campo BearingTol.

Los datos de rumbo generalmente se envían automáticamente desde un dispositivo móvil equipado con un receptor GPS. Intente incluir datos de rumbo si está cargando una ubicación de entrada que se está moviendo, como un peatón o un vehículo.

El uso de este campo tiende a evitar agregar ubicaciones a los bordes incorrectos, lo que puede ocurrir cuando un vehículo está cerca de una intersección o un paso elevado, por ejemplo. El rumbo también ayuda a la herramienta a determinar en qué lado de la calle se encuentra el punto.

El valor de tolerancia de rumbo crea un rango de valores de rumbo aceptables al ubicar puntos en movimiento en un borde utilizando el campo Rumbo. Si el valor del campo Rumbo está dentro del rango de valores aceptables que se generan a partir de la tolerancia de rumbo en un borde, el punto se puede agregar como una ubicación de red allí; de lo contrario, se evalúa el punto más cercano en el borde más cercano.

Las unidades están en grados y el valor predeterminado es 30. Los valores deben ser mayores que 0 y menores que 180. Un valor de 30 significa que cuando Network Analyst intenta agregar una ubicación de red en un borde, un rango de valores de rumbo aceptables es generado 15 grados a cada lado del borde (izquierdo y derecho) y en ambas direcciones digitalizadas del borde.

Este campo solo se usa en el proceso de resolución si los campos Bearing y BearingTol también tienen valores, sin embargo, ingresar un valor de campo NavLatency es opcional, incluso cuando los valores están presentes en Bearing y BearingTol. NavLatency indica cuánto costo se espera que transcurra desde el momento en que la información GPS se envía desde un vehículo en movimiento a un servidor y el momento en que el dispositivo de navegación del vehículo recibe la ruta procesada.

Las unidades de NavLatency son las mismas que las del atributo de impedancia.

Sintaxis de los orígenes

Sintaxis para especificar orígenes usando estructura JSON para características

Sintaxis para especificar orígenes utilizando una URL que devuelve una respuesta JSON

Ejemplos de orígenes

Ejemplo uno: especificar geometrías de orígenes en la referencia espacial de Web Mercator mediante la estructura JSON.

El ejemplo también muestra cómo especificar el atributo Nombre de los orígenes para cada origen y especificar un número diferente de destinos para buscar para cada origen utilizando el atributo TargetDestinationCount.

Ejemplo dos: especificar orígenes mediante una URL

La URL realiza una consulta de algunas características de un servicio de mapas. También se puede especificar una URL que consulta las características de un servicio de características.

Destinos

Especifica las ubicaciones de los puntos finales a los que viajar desde los orígenes.

Puede usar una sintaxis simple basada en coma y punto y coma si está pasando las ubicaciones de entrada usando sus valores de longitud y latitud en el sistema de coordenadas WGS84 y no necesita pasar campos adicionales para cada ubicación.

Sintaxis simple para destinos

Ejemplo usando sintaxis simple

  • url: especifique una solicitud de consulta REST para cualquier característica, mapa o servicio de geoprocesamiento de ArcGIS Server que devuelva un conjunto de características JSON. Esta propiedad es opcional. Sin embargo, se deben especificar las características o la URL.
  • características: especifique una serie de características. Esta propiedad es opcional. Sin embargo, se deben especificar las características o la propiedad URL.

    geometría: especifique la geometría del punto de entrada que contiene las propiedades xey junto con una propiedad SpacialReference. Si la propiedad SpatialReference está definida para todo el JSON, no es necesario definir esta propiedad para cada geometría. Hacerlo reduce el tamaño del JSON de entrada si la entrada tiene muchas características y mejora el rendimiento. Esta propiedad no es necesaria si las coordenadas están en la referencia espacial predeterminada WGS84. Si las coordenadas están en una referencia espacial diferente, debe especificar el ID conocido de la referencia espacial (WKID). Consulte el sistema de coordenadas geográficas y el sistema de coordenadas proyectadas para buscar valores de WKID.

Como práctica recomendada, se recomienda especificar explícitamente la referencia espacial y especificarla para todo el JSON en lugar de para cada geometría individual.

Atributos para destinos

Al especificar los destinos, puede establecer propiedades para cada uno, como su nombre, utilizando los siguientes atributos:

El nombre del destino. El nombre puede ser un identificador único para el destino. Si outputType es esriNAODOutputStraightLines o esriNAODOutputNoLines, el nombre se incluye en el campo Nombre de las líneas de salida (el nombre de las líneas de salida será nombre de origen - nombre de destino). El nombre también se incluye en los destinos de salida como el campo Nombre.

Si no se especifica el nombre, se genera automáticamente un nombre único con el prefijo Ubicación.

El ObjectID del destino. ObjectID es un identificador único para el destino. Si outputType es esriNAODOutputStraightLines o esriNAODOutputNoLines, el ObjectID se incluye en las líneas de salida (como el campo DestinationID). Si outputType es esriNAODOutputSparseMatrix, el ObjectID se incluye en la matriz de salida. El ObjectID también se incluye en los destinos de salida (como el campo ObjectID) y se puede utilizar para unir información adicional de las salidas de la herramienta al atributo de sus destinos. Si no se especifica ObjectID, se genera automáticamente una ID única en la salida.

Especifica la dirección en la que un vehículo puede llegar al destino.

Uno de los números enteros enumerados en la columna Valor codificado de la siguiente tabla debe especificarse como valor de este atributo. Los valores de la columna Configuración son los nombres descriptivos de los valores de atributo CurbApproach que puede haber visto al utilizar el software de extensión ArcGIS Network Analyst.

El vehículo puede llegar al destino desde cualquier dirección. Este ajuste se puede elegir si es posible y práctico que el vehículo dé la vuelta en el destino. Esta decisión puede depender del ancho de la carretera y la cantidad de tráfico o si el destino tiene un estacionamiento donde los vehículos pueden entrar y dar la vuelta.

Todas las combinaciones de llegada y salida están permitidas con el enfoque de cualquier lado de la acera del vehículo.

Cuando el vehículo llega al destino, el destino debe estar en el lado derecho del vehículo. Se prohíbe un cambio de sentido. Esto se usa generalmente para vehículos como autobuses que deben llegar a la parada de autobús del lado derecho.

Se muestra la combinación permitida de llegada y salida para el acceso a la acera del lado derecho del vehículo.

Cuando el vehículo llega al destino, el destino debe estar en el lado izquierdo del vehículo. Se prohíbe un cambio de sentido. Esto se usa generalmente para vehículos como autobuses que deben llegar a la parada de autobús del lado izquierdo.

Se muestra la combinación permitida de llegada y salida para el lado izquierdo del acceso a la acera del vehículo.

Cuando el vehículo llega al destino, el destino puede estar a cualquier lado del vehículo, sin embargo, cuando sale, el vehículo debe continuar en la misma dirección en la que llegó. Se prohíbe un cambio de sentido.

Se muestran las combinaciones de llegada y salida permitidas para la aproximación a la acera sin giro en U.

El atributo CurbApproach está diseñado para funcionar con ambos tipos de normas de conducción nacionales: circulación por la derecha (Estados Unidos) y circulación por la izquierda (Reino Unido). Primero, considere un incidente en el lado izquierdo de un vehículo. Siempre está en el lado izquierdo, independientemente de si el vehículo circula por la mitad izquierda o derecha de la carretera. Lo que puede cambiar con los estándares de conducción nacionales es su decisión de abordar un incidente desde una de dos direcciones, es decir, para que termine en el lado derecho o izquierdo del vehículo. Por ejemplo, si desea llegar a un incidente y no tener un carril de tráfico entre el vehículo y el incidente, elija 1 (Lado derecho del vehículo) en los Estados Unidos y 2 (Lado izquierdo del vehículo) en el Reino Unido.

Con el tráfico por la derecha, el acceso a la acera que deja al vehículo más cercano al destino es el lado derecho del vehículo. Con el tráfico por la izquierda, el acceso a la acera que deja al vehículo más cercano al destino es el lado izquierdo del vehículo.

La dirección en la que se mueve un punto. Las unidades son grados y se miden en el sentido de las agujas del reloj desde el norte verdadero. Este campo se utiliza junto con el campo BearingTol.

Los datos de rumbo generalmente se envían automáticamente desde un dispositivo móvil equipado con un receptor GPS. Intente incluir datos de rumbo si está cargando una ubicación de entrada que se está moviendo, como un peatón o un vehículo.

El uso de este campo tiende a evitar agregar ubicaciones a los bordes incorrectos, lo que puede ocurrir cuando un vehículo está cerca de una intersección o un paso elevado, por ejemplo. El rumbo también ayuda a la herramienta a determinar en qué lado de la calle se encuentra el punto.

El valor de tolerancia de rumbo crea un rango de valores de rumbo aceptables al ubicar puntos en movimiento en un borde usando el campo Rumbo. Si el valor del campo Rumbo está dentro del rango de valores aceptables que se generan a partir de la tolerancia de rumbo en un borde, el punto se puede agregar como una ubicación de red allí; de lo contrario, se evalúa el punto más cercano en el borde más cercano.

Las unidades están en grados y el valor predeterminado es 30. Los valores deben ser mayores que 0 y menores que 180. Un valor de 30 significa que cuando Network Analyst intenta agregar una ubicación de red en un borde, un rango de valores de rumbo aceptables es generado 15 grados a cada lado del borde (izquierdo y derecho) y en ambas direcciones digitalizadas del borde.

Este campo solo se usa en el proceso de resolución si los campos Bearing y BearingTol también tienen valores, sin embargo, ingresar un valor de campo NavLatency es opcional, incluso cuando los valores están presentes en Bearing y BearingTol. NavLatency indica cuánto costo se espera que transcurra desde el momento en que se envía la información GPS desde un vehículo en movimiento a un servidor y el momento en que el dispositivo de navegación del vehículo recibe la ruta procesada.

Las unidades de NavLatency son las mismas que las del atributo de impedancia.

Ejemplos de sintaxis para destinos

Sintaxis para especificar destinos usando la estructura JSON para características.

Sintaxis para especificar destinos mediante una URL que devuelve una respuesta JSON.

Ejemplos de destinos

Ejemplo uno: Especificación de la geometría de destinos en la referencia espacial de Web Mercator mediante la estructura JSON.

El ejemplo también muestra cómo especificar el atributo Name.

Ejemplo dos: especificar destinos mediante una URL

La URL realiza una consulta de algunas características de un servicio de mapas. También se puede especificar una URL que consulta las características de un servicio de características.

Simbólico

Utilice este parámetro para especificar un token que proporcione la identidad de un usuario que tiene los permisos para acceder al servicio. La página de servicios de acceso proporciona más información sobre cómo se puede obtener dicho token de acceso.

Ejemplo (reemplace & ltyourToken & gt con un token válido):

Utilice este parámetro para especificar el formato de respuesta. El parámetro puede tener json o pjson como argumentos, por ejemplo, f = json. El valor de pjson se usa para imprimir la respuesta JSON en un formato bonito.


Análisis de entornos

Datos: Canadá: datos demográficos avanzados

Environics Analytics (EA), la principal empresa de servicios analíticos y de marketing de Canadá, ayuda a los clientes a convertir los datos y los análisis en información, estrategia y resultados. EA ofrece la gama completa de servicios analíticos, desde el proveedor de datos hasta la consultoría estratégica, y proporciona informes de venta libre, software como servicio especialmente diseñado y una amplia variedad de enfoques de modelado. Su equipo de especialistas en marketing cuantitativo, modeladores y geógrafos son expertos en ayudar a las organizaciones a identificar sus desafíos comerciales, desarrollar soluciones basadas en datos y lograr el éxito en cada fase de su viaje analítico.

Datos: Estados Unidos: datos demográficos avanzados

Dirigido por el demógrafo jefe Kyle R. Cassal, el equipo de desarrollo de datos de Esri tiene una historia de 35 años de excelencia en inteligencia de mercado. Los economistas, estadísticos, demógrafos, geógrafos y analistas del equipo producen estimaciones y pronósticos demográficos y socioeconómicos independientes de áreas pequeñas para los Estados Unidos. El equipo desarrolla metodologías y modelos demográficos exclusivos para crear conjuntos de datos probados en el mercado, muchos de los cuales ahora son puntos de referencia de la industria, como la segmentación de tapices, el gasto del consumidor, el potencial de mercado y la demografía actualizada anual. Esri Demographics impulsa la plataforma ArcGIS a través de mapas web dinámicos, enriquecimiento de datos, informes e infografías.


¿Qué es ArcGIS?

Qué ArcGIS es un software de sistema de información geográfica (SIG) que permite manejar y analizar información geográfica mediante la visualización de estadísticas geográficas a través de mapas de construcción de capas como datos climáticos o flujos comerciales. Es utilizado por una gran cantidad de instituciones y departamentos académicos, tanto en humanidades como en ciencias, para desarrollar e ilustrar investigaciones innovadoras. Además, es utilizado por varios gobiernos e instituciones privadas / comerciales en todo el mundo.

El sistema tiene la capacidad de crear información geográfica accesible a través de una empresa, institución, de forma privada o pública en Internet. Por lo tanto, el software funciona esencialmente como una plataforma mediante la cual la información geográfica se puede vincular, compartir y analizar.

¿Como funciona?

Como muchos programas de SIG, ArcGIS crea mapas que requieren categorías organizadas como capas. Cada capa se registra espacialmente de modo que cuando se superponen una sobre otra, el programa las alinea correctamente para crear un mapa de datos complejo. La capa base es casi siempre un mapa geográfico, extraído de una variedad de fuentes dependiendo de la visualización necesaria (satélite, mapa de carreteras, etc.). Este programa tiene muchos de ellos disponibles para los usuarios y también contiene capas de transmisión en vivo que incluyen detalles del tráfico.

Las primeras tres capas se denominan capas de características o vectoriales y cada una contiene funciones individuales que se distinguen a través de la plataforma. Estos son:

  • puntos (como puntos de referencia, edificios)
  • líneas (como carreteras y otros esquemas 1D)
  • polígonos (como información política y censo geográfico, llamados datos 2D)
  • imágenes de trama (una capa de vector base como una imagen aérea)

Los datos pueden correlacionarse con al menos una de estas capas espaciales y pueden mapearse y analizarse, ya sea a través de características como cambios demográficos o mediante tablas de datos.

Sin embargo, lo que distingue a este método de sus competidores es la plataforma compleja a través de este mapeo y se pueden realizar datos. Por lo tanto, es un programa de gran alcance sujeto a las últimas mejoras y actualizaciones. Actualmente está disponible en escritorios de Microsoft Windows, aunque el programa en línea es accesible en muchos sistemas operativos. Como funciona como una plataforma, los usuarios no deben recorrer páginas de información y los recursos de datos están disponibles para disminuir y extraer información específica de conjuntos de datos geográficos mucho más grandes. En resumen, es una solución integral para la gestión y el análisis de datos filtrados a través de la construcción de mapas. Cualquiera con conocimientos básicos de informática e interés en la creación de mapas puede aprender ArcGIS en solo 2 semanas.

Gráficos y datos complejos

Le permite crear rápidamente mapas y modelos visuales impresionantes, como representaciones tridimensionales y mapas de flujo de población. Con una función de arrastrar y soltar, las hojas de cálculo de datos se pueden cargar inmediatamente en la nube y visualizar. También hay una buena herramienta de mapeo que sugiere los mejores estilos, clasificaciones y colores para adaptarse a sus datos.

Las imágenes se ofrecen en alta resolución, obtenidas tanto de fuentes recientes como históricas en todo el mundo, lo que permite la construcción de mapas históricos, así como observaciones de información y datos demográficos recientes. Los fenómenos de la superficie, como la elevación, la temperatura, la lluvia, etc., también se pueden integrar completamente en dichos mapas y modelos visuales con herramientas asombrosas para el análisis de la superficie.

¿Dónde se usa?

Como plataforma líder en la industria, la mayoría de las empresas, instituciones y departamentos que se ocupan del análisis de información geográfica utilizan el paquete de aplicaciones y herramientas centrales de este programa. Sin embargo, la facilidad de su interfaz también ha aumentado su valor en los medios y el uso periodístico.

ArcGIS viene con una sólida reputación e historia. Este simple hecho lo convierte en un software básico para diferentes empresas que se ocupan de los sistemas de información geográfica. En particular, es utilizado por gobiernos estatales y locales en todo el mundo, incluso en los EE. UU.

Tipos de software

Este software viene en muchas encarnaciones diferentes, en el paquete de escritorio estándar para algún programa completamente basado en la web. El paquete de escritorio incluye el paquete básico para publicar y administrar información y datos, y también brinda acceso a las opciones en línea y "Enterprise". La versión en línea incluye muchas funciones necesarias para crear aplicaciones web y mapas web utilizando información geográfica. Hay una galería de mapas base y estilos para seleccionar y también una gran cantidad de pilas de datos para visualizar.

Obviamente, también puede ingresar sus datos personales. Las ventajas del programa en línea incluyen el intercambio de contenido tanto dentro como fuera de su organización. Los grupos pueden acceder a mapas personales con una invitación, lo que permite la colaboración. Las partes adicionales de la plataforma de software incluyen aplicaciones, como navegación, recopilación y herramientas de topografía, así como un explorador rápido y herramientas de mano de obra para el trabajo de campo coordinado.

Si esto le interesa, busque un proveedor de ArcGIS Training en línea o un kit de aprendizaje a su propio ritmo que le ayudará a aprender los conceptos básicos y convertirse en un profesional.

Nota: Este es un blog invitado de Yashraj Singh Shaktawat, ejecutivo de SEO, Edunbox.


¿Cómo calcula ArcGIS el tráfico en vivo en un dataset de red? - Sistemas de Información Geográfica

No todos los datos geoespaciales se crean por igual. La calidad de los datos se refiere a la capacidad de un conjunto de datos determinado para satisfacer el objetivo para el que fue creado. Con las voluminosas cantidades de datos geoespaciales que se crean y sirven a la comunidad cartográfica, los usuarios individuales del sistema de información geográfica (SIG) deben tener cuidado para garantizar que los datos empleados para su proyecto sean adecuados para la tarea en cuestión.

Dos atributos principales caracterizan la calidad de los datos. Exactitud Cuán cerca está una medición de su valor real a menudo expresada como probabilidad. describe qué tan cerca está una medición de su valor real y, a menudo, se expresa como una probabilidad (por ejemplo, el 80 por ciento de todos los puntos están dentro de +/− 5 metros de sus ubicaciones reales). Precisión La varianza de un valor cuando se toman medidas repetidas. se refiere a la varianza de un valor cuando se toman medidas repetidas. Un reloj puede tener una precisión de 1/1000 de segundo (precisa), pero puede tardar 30 minutos (no es precisa). Como puede ver en la Figura 5.12 "Exactitud y precisión", los dardos azules son precisos y exactos, mientras que los dardos rojos son precisos pero inexactos.

Figura 5.12 Exactitud y precisión

Pueden surgir varios tipos de errores cuando no se cumplen los requisitos de exactitud y / o precisión durante la captura y creación de datos. Precisión posicional La probabilidad de que una característica esté dentro de +/− unidades de su ubicación real en la tierra (precisión posicional absoluta) o de su ubicación en relación con otras características mapeadas (precisión posicional relativa). es la probabilidad de que una característica esté dentro de +/− unidades de su verdadera ubicación en la tierra (precisión posicional absoluta) o de su ubicación en relación con otras características mapeadas (precisión posicional relativa). For example, it could be said that a particular mapping effort may result in 95 percent of trees being mapped to within +/− 5 feet for their true location (absolute), or 95 percent of trees are mapped to within +/− 5 feet of their location as observed on a digital ortho quarter quadrangle (relative).

Speaking about absolute positional error does beg the question, however, of what exactly is the true location of an object? As discussed in Chapter 2 "Map Anatomy", differing conceptions of the earth’s shape has led to a plethora of projections, data points, and spheroids, each attempting to clarify positional errors for particular locations on the earth. To begin addressing this unanswerable question, the US National Map Accuracy Standard (or NMAS) suggests that to meet horizontal accuracy requirements, a paper map is expected to have no more than 10 percent of measurable points fall outside the accuracy values range shown in Figure 5.13 "Relation between Positional Error and Scale". Similarly, the vertical accuracy of no more than 10 percent of elevations on a contour map shall be in error of more than one-half the contour interval. Any map that does not meet these horizontal and vertical accuracy standards will be deemed unacceptable for publication.

Figure 5.13 Relation between Positional Error and Scale

Positional errors arise via multiple sources. The process of digitizing paper maps commonly introduces such inaccuracies. Errors can arise while registering the map on the digitizing board. A paper map can shrink, stretch, or tear over time, changing the dimensions of the scene. Input errors created from hastily digitized points are common. Finally, converting between coordinate systems and transforming between data points may also introduce errors to the dataset.

The root-mean square (RMS) error is frequently used to evaluate the degree of inaccuracy in a digitized map. This statistic measures the deviation between the actual (true) and estimated (digitized) locations of the control points. Figure 5.14 "Potential Digitization Error" illustrates the inaccuracies of lines representing soil types that result from input control point location errors. By applying an RMS error calculation to the dataset, one could determine the accuracy of the digitized map and thus determine its suitability for inclusion in a given study.

Figure 5.14 Potential Digitization Error

Positional errors can also arise when features to be mapped are inherently vague. Take the example of a wetland (Figure 5.15 "Defining a Wetland Boundary"). What defines a wetland boundary? Wetlands are determined by a combination of hydrologic, vegetative, and edaphic factors. Although the US Army Corps of Engineers is currently responsible for defining the boundary of wetlands throughout the country, this task is not as simple as it may seem. In particular, regional differences in the characteristics of a wetland make delineating these features particularly troublesome. For example, the definition of a wetland boundary for the riverine wetlands in the eastern United States, where water is abundant, is often useless when delineating similar types of wetlands in the desert southwest United States. Indeed, the complexity and confusion associated with the conception of what a “wetland” is may result in difficulties defining the feature in the field, which subsequently leads to positional accuracy errors in the GIS database.

Figure 5.15 Defining a Wetland Boundary

In addition to positional accuracy, attribute accuracy The difference between information as recorded in an attribute table and the real-world features they represent. is a common source of error in a GIS. Attribute errors can occur when an incorrect value is recorded within the attribute field or when a field is missing a value. Misspelled words and other typographical errors are common as well. Similarly, a common inaccuracy occurs when developers enter “0” in an attribute field when the value is actually “null.” This is common in count data where “0” would represent zero findings, while a “null” would represent a locale where no data collection effort was undertaken. In the case of categorical values, inaccuracies occasionally occur when attributes are mislabeled. For example, a land-use/land-cover map may list a polygon as “agricultural” when it is, in fact, “residential.” This is particularly true if the dataset is out of date, which leads us to our next source of error.

Temporal accuracy The potential error related to the age or timeliness of a dataset. addresses the age or timeliness of a dataset. No dataset is ever completely current. In the time it takes to create the dataset, it has already become outdated. Regardless, there are several dates to be aware of while using a dataset. These dates should be found within the metadata. The publication date will tell you when the dataset was created and/or released. The field date relates the date and time the data was collected. If the dataset contains any future prediction, there should also be a forecast period and/or date. To address temporal accuracy, many datasets undergo a regular data update regimen. For example, the California Department of Fish and Game updates its sensitive species databases on a near monthly basis as new findings are continually being made. It is important to ensure that, as an end-user, you are constantly using the most up-to-date data for your GIS application.

The fourth type of accuracy in a GIS is logical consistency A trait exhibited by data that is topologically correct. . Logical consistency requires that the data are topologically correct. For example, does a stream segment of a line shapefile fall within the floodplain of the corresponding polygon shapefile? Do roadways connect at nodes? Do all the connections and flows point in the correct direction in a network? In regards to the last question, the author was recently using an unnamed smartphone application to navigate a busy city roadway and was twice told to turn the wrong direction down one-way streets. So beware, errors in logical consistency may lead to traffic violations, or worse!

The final type of accuracy is data completeness The trait of a dataset comprehensively including all features required to ensure accurate mapping results. . Comprehensive inclusion of all features within the GIS database is required to ensure accurate mapping results. Simply put, all the data must be present for a dataset to be accurate. Are all of the counties in the state represented? Are all of the stream segments included in the river network? Is every convenience store listed in the database? Are only certain types of convenience stores listed within the database? Indeed, incomplete data will inevitably lead to incomplete or insufficient analysis.


Methods

Accessibility indicators take into account the number of opportunities one can reach and how difficult it is to reach them. Opportunities represent the attractiveness of a location as a destination: for commuting trips, the appeal of a location could be the number of jobs, for shopping trips the number of shops, etc. In this paper, we use residential population as a proxy for the availability of opportunities, because we have access to detailed data based on official data. Population living outside the FUA is not taken into account. Day-time population would be a better proxy, but that is not yet available on a pan-European level using sufficiently detailed input data such as workplace based employment, students per school and/or mobile phone locations.

We calculate accessibility by car for each populated grid cell based on the driving time to all other populated grid cells in the FUA. Travel time is calculated at different times of a weekday – more specifically Tuesday – to take into account the variation of traffic over the course of a day and to capture the impact of congestion. The dataset includes two sets of results: the one refers to free flow conditions and the other to the morning peak of congestion.

The goal of this paper is to provide a comprehensive dataset of accessibility and congestion indicators for all major European cities using detailed road network and traffic data. Although a large share of daily trips in FUAs is made by public transport, active modes or a combination of different modes, it is beyond the scopes of this study to measure accessibility using other modes or considering different alternatives for door-to-door trips.

Data used

The analysis is conducted at the level of FUAs that include both the city and its commuting zone 11 . Accessibility combines travel time between origin and destination zones with size of population, while trips between all zones are considered.

Origin-destination zones within the cities

The FUA population is distributed to 500 m by 500 m grid cells. The data are based on the 1 km 2 population grid for year 2011 provided by EUROSTAT 10 which were the most recent grid population data available at the moment of the analysis. From the 1 km 2 grid a 100 m by 100 m grid has been derived 13 . The population estimates from the 100 m grid have been summed to 500 m by 500 m grid cells. From the population grid covering all Europe only the cells included in the FUAs with more than a quarter million people have been selected. This is the case for 310 cities.

These cities vary considerably in terms of population and number of grid cells to which the population is distributed. For example, the FUA of Brussels has 2.5 million residents distributed to almost ten thousand grid cells, Krakow has less than 1.4 million people distributed to more than ten thousand grid cells and the population of the FUA of Madrid is more than 6.5 million distributed to six and a half thousand grid cells. The largest FUAs are those of London and Paris with approximately twenty thousand grid cells and 11 million population.

Road network

Travel times between grid cells are calculated across the quickest routes on the full road network. The detailed representation of the road network by Multinet 14 allows to model routing precisely with the help of variables such as the following: classification of roads according to importance (e.g. highway, major road etc.) or according to type (e.g. normal road, assistance lane, parking ramp etc.), state of the road (e.g. construction status), geo-locational characteristics, direction of the road link, length of the road link, speed based on classification and type of the road etc.

We calculate travel times at different hours of the day to capture the change of driving speed due to traffic conditions. TomTom 14 provides data on relative speed corresponding to the percentage reduction of free flow speed due to traffic – free flow speed is measured in no-traffic conditions. Such data are provided for the road segments where there is a sufficient number of GPS measurements by vehicles (probes) to estimate daily speed variations and they are used to associate these links with one of 293 available speed profiles. Speed profiles correspond to a typical week of the year. They represent different patterns of variation of relative speed during a day and include 288 values of relative speed for one day, i.e. one value for every five minutes. Speed profiles and relative speed information are available for almost all highways and major roads in European cities while the coverage of the rest of the road classes varies from city to city.

Data pre-processing

The road network data were prepared using Python and ArcGIS to compute travel times and accessibility for each city independently. The road network of each FUA, and the surrounding area required to ensure connectivity, was stored in a separate file. Hence, it has been possible to run calculations for many cities in parallel. For this purpose, in ArcMap we joined spatially the shapefile of the complete road network with the shapefile of FUAs in Europe. In order to ensure network connectivity, for the selection of the road network we extended the limits of each FUA to the rectangle embedding the FUA’s polygon. Finally, a separate file was created with the road network of each FUA.

Speed profiles at the link level capture the speed variation over the course of a day. Once we selected each FUA’s network, we created a separate file with the traffic information for the links of the FUA.

Calculation of travel time

The calculation of driving time at this level of detail for many cities in parallel is very demanding computationally. We used the programming language Python and the NetworkX library for the development of network analysis algorithms. The road network is represented as a directed multigraph and every edge is associated with driving times corresponding to different traffic conditions. These driving times were used to calculate the shortest paths between origins and destinations.

We ran the calculations in a computer with 40 cores of 2.2 GHz and 128GB memory. For the majority of the cities considered it has been possible to have 40 instances running in parallel. Only during the processing of the bigger cities that required a lot of memory, the number of cores utilised had to be reduced.

The process to estimate shortest paths between populated grid cells is summarised in the following:

Speed in traffic conditions is calculated by averaging relative speed over the selected time period, hourly in this case. Then, for each road link, driving times in free flow and congestion conditions are estimated.

The full road network is loaded as a directed multigraph and the driving times calculated in the previous step are added as attributes of the links. They serve as the weights on which the shortest path estimation is based.

The shortest paths from all origins to all destinations are calculated using the Dijkstra algorithm 15 for different traffic (or no-traffic) conditions. Origins and destinations are the centroids of the grid cells and the actual shortest path calculated for each journey is the one between the closest nodes of the road network to the origin and destination respectively. Hence, travel times are calculated between all combinations of grid cells’ centroids in each FUA using the full road network.

To identify the peak congestion hour, we calculated travel times at different morning hours. The peak hour was the one with the lowest accessibility. For the vast majority of cities, the morning peak of congestion is between 08:00–09:00 am (local time). We used this time slot for all cities.

Now, we can calculate accessibility using different operationalisations to express the relationship with the estimated travel times and grid population.

Accessibility indicators

We calculated four accessibility indicators that quantify different underlying aspects relevant to the spatial relationships within cities:

Absolute accessibility: an absolute measure of opportunities reachable within a certain travel time

Transport performance: a relative measure of opportunities controlling for the size of city

Location indicator: a measure of a zone’s connectivity

Potential accessibility: a measure of a zone’s access to all opportunities

The formulation of the indicators 16,17,18,19 is the following:

Absolute accessibility measures accessible population within a certain travel time. Congestion has a negative impact on absolute accessibility by increasing travel time i.e. reducing the number of destinations reachable within the specified limit. The formula is as follows:

PAGj the population of destination zone j

(_) a binary variable equal to 1 when travel time from zone i to zone j is smaller than the determined travel time limit κ (30 minutes in our case) and 0 otherwise, and

norte the number of destination zones to be taken into account in the calculation (all in the specific case).

The 30 min time limit in absolute accessibility was used as the reference cut-off-point by the International Transport Forum 20 . This report estimated that “the share of the total population accessible to an average inhabitant within 30 minutes of driving is, on average, 50% for European metropolitan areas with 1 million inhabitants. For those with 6 million inhabitants, it is just 15%.” Absolute accessibility is affected by the size and density of the FUA.

Transport performance is a relative measure of accessibility which expresses the number of opportunities reachable within a certain travel time – i.e. absolute accessibility – with respect to the number of opportunities available within a certain radius 20 . It is calculated using the following formula:

PAGj the population of destination zone j

(_) a binary variable equal to 1 when travel time from zone i to zone j is smaller than the determined travel time limit κ (30 minutes in our case) and 0 otherwise

(< ho >_) a binary variable equal to 1 when distance from zone i to zone j is smaller than the determined distance limit λ (10 kilometres radius) and 0 otherwise

norte the number of destination zones to be taken into account in the calculation (all in the specific case).

In contrast to absolute accessibility that grows with the size and density of available opportunities within reach, transport performance has been developed to control for the number of nearby destinations. By increasing travel times, congestion reduces the number of accessible destinations and as a result transport performance drops.

The location indicator measures the average travel time from an origin to all destinations, weighted by the population of destinations. It is given by the following formula 17 :

tij the travel time from cell i to destination zone j

PAGj the population of destination zone j

norte the number of destination zones to be taken into account in the calculation (all in the specific case).

The indicator is expressed in time units. Congestion increases average travel times and as a result the location indicator.

Potential accessibility measures the sum of population accessible from the origin zone per unit of travel time. Potential accessibility is given by the following formula 17 :

tij the travel time from cell i to destination zone j

PAGj the population of destination zone j

norte the number of destination zones to be taken into account in the calculation (all in the specific case)

α is a parameter to control the decay function

Travel time is raised to the power of α to control for the importance of the role of distance, or time, between origin and destination. Values larger than 1 (i.e. a higher decay function parameter) increase the importance of relations over short distances 17 . By increasing travel times, congestion has a negative impact on the indicator.

A summary of accessibility indicators

Absolute accessibility depends on the pre-determined travel time threshold. This permits a direct physical interpretation (population reachable in 30 min) but the fixed travel time threshold makes the indicator dependent on population density and the population size of the city. Transport performance was developed 20 to address this issue by dividing the population reachable within a determined travel time by the total population within a determined distance. Potential accessibility indicates the average population reachable per unit of driving time. Without a pre-determined time threshold, it depends on the size, form and population distribution of the FUA. Finally, the location indicator measures travel time weighted by the population of destinations.

Accessibility at the level of FUA, city or commuting zone can be calculated as the population weighted average of accessibility according to the different indicators at grid level. The variation of the four indicators over the course of a weekday for the FUAs of Brussels, Madrid, Krakow and Seville is displayed in Fig. 1. The curves indicate the occurrence of morning traffic peak between 8:00 and 9:00 for the four cities but the afternoon peak appears to be smoother for Seville and Madrid. According to absolute accessibility, Madrid performs better than the other three cities in part because it is the largest one it also has the best road transport performance, offering good access to nearby destinations. Seville performs worse than Brussels according to absolute accessibility, as it is smaller, but better according to transport performance, meaning that its road network offers better access to nearby opportunities. Accessibility in Krakow is the lowest – of all four cities – according to all measures indicating that Krakow is the city with lower access to fewer opportunities, also outside the peak hour.

Hourly variation over the course of a day of the population-weighted average accessibility in Brussels, Krakow, Madrid and Seville according to the four indicators.

Brussels and Madrid seem to be the cities most affected by congestion among the four as the drop of the accessibility indicators is sharper than in Seville or Krakow. During both the morning and afternoon peaks, transport performance of Brussels falls below that of Krakow and average travel time in Brussels (measured by the location indicator) increases above that of Krakow.


Geographic Information Systems

The Geographic Information Systems division supports the Natrona County Citizens and government in their needs for information and decision making tools through the use of intelligent mapping software. The division creates and uses information such as Assessor data, road maintenance activities, zoning, and aerial photos to present maps for County related activities.

It is possible to connect existing county data to map features so that questions similar to "what addresses are within 500 feet of the proposed liquor license?" or "where in the county are the stop signs rated in poor condition?" or "what is the zoning in this area?" can be asked and displayed.

GIS is best when you can interact with the layers and the data. Here are a few local and statewide interactive GIS apps.

    - Natrona County, Casper, Bar Nunn, Evansville & Mills - Content specific to Assessor's data - Wyoming Geographic Information Science Center - A Discovery and Delivery portal for Wyoming data - Property Ownership in the State of Wyoming - Wyoming's natural, cultural, socioeconomic, and infrastructure resources - Discover the Cartography of the Past

Here is a sample of maps created by the GIS Department. Not finding what you are looking for? Contact Natrona County GIS and request a custom made map (fees apply) or try the GeoSMART online mapping tool.


Ver el vídeo: Operations Dashboard for ArcGIS: An Introduction (Octubre 2021).