أكثر

استخراج قيم متعددة من الجدول في ArcGIS ModelBuilder؟

استخراج قيم متعددة من الجدول في ArcGIS ModelBuilder؟


قمت بتشغيل أداة OLS (المربعات الصغرى العادية) في نموذجي وأنتج جدول معامل. الآن أنا بحاجة إلى استخدام قيم الميل والاعتراض في جدول المعامل في حاسبة البيانات النقطية. لقد حاولت استخدام التكرارات المختلفة (تحديد الصف ، قيم الحقل) لكنها تنتج قيمة واحدة فقط في كل مرة.

لا أحد يعرف كيفية الحصول على "SearchCursor" مثل وظيفة في ModelBuilder؟

ها هي صورة النموذج:

وصورة "coef_table":

كيف أحصل على القيمتين في عمود Coef كقيم منفصلة يمكنني استخدامها في حاسبة البيانات النقطية؟


إذا كنت تستخدم ModelBuilder وتريد إنشاء قائمة بالقيم ، فاستخدم مكرر قيم الحقل وأرسل الإخراج إلى أداة تجميع القيم. اعرض قيم المخرجات كمعامل ، ثم قم بتضمين هذا النموذج الفرعي في النموذج الرئيسي.

بعد إنشاء قائمة القيم الخاصة بك (في المثال الخاص بك تقوم بإرجاع قيمتين فقط) ، يمكنك استخدام أداة حساب القيم لاستخراجها في المتغيرات الخاصة بها والتي يمكنك استخدامها بعد ذلك مع الاستبدال المضمن في حسابات البيانات النقطية.

تستخدم أداة حساب القيم كود python التالي ، لاحظ أنني سأعيد قيمة عدد صحيح في المثال الخاص بي ، قد ترغب في استخدام float؟ المتغير v1 هو الفهرس 0 و v2 هو الفهرس 1. هذه هي v1 و v2 التي تستخدمها في حساب البيانات النقطية.


استخراج البيانات من HTML باستخدام BeautifulSoup

في الوقت الحاضر ، يتحدث الجميع عن البيانات وكيف تساعد في تعلم الأنماط المخفية والرؤى الجديدة. يمكن أن تساعد المجموعة الصحيحة من البيانات الشركة على تحسين إستراتيجيتها التسويقية والتي يمكن أن تزيد المبيعات الإجمالية. ودع & # x27s لا ننسى المثال الشائع الذي يمكن للسياسي أن يعرف فيه رأي الجمهور قبل الانتخابات. البيانات قوية لكنها لا تأتي بالمجان. إن جمع البيانات الصحيحة أمر مكلف دائمًا ، فكر في الاستطلاعات أو الحملات التسويقية ، إلخ.

الإنترنت عبارة عن مجموعة من البيانات ، ومع المجموعة الصحيحة من المهارات ، يمكن للمرء استخدام هذه البيانات بطريقة لاكتساب الكثير من المعلومات الجديدة. يمكنك دائمًا نسخ البيانات ولصقها إلى ملف Excel أو CSV الخاص بك ، ولكن هذا أيضًا يستغرق وقتًا طويلاً ومكلفًا. لماذا لا تستأجر مطور برامج يمكنه الحصول على البيانات بتنسيق قابل للقراءة عن طريق كتابة بعض jiber-jabber؟ نعم ، من الممكن استخراج البيانات من الويب ويسمى هذا & quotjibber-jabber & quot تجريف على شبكة الإنترنت.

وفقًا لـ Wikipedia ، فإن تجريف الويب هو:

كشط الويب أو حصاد الويب أو استخراج بيانات الويب هو تجريف البيانات المستخدم لاستخراج البيانات من مواقع الويب

BeautifulSoup هي مكتبة شهيرة تقدمها Python لاستخراج البيانات من الويب. للحصول على أفضل النتائج ، يحتاج المرء فقط إلى معرفة أساسية بـ HTML ، والتي تم تناولها في الدليل.


مثال 1: استخدام جدول القيم

ملاحظات قليلة حول المثال 1

في هذا المثال الأول ، اخترت -2 و 0 و 2 كإحداثيات x الخاصة بي.

بعد استبدال هذه القيم في المعادلة: y = 2x +1 ، وجدت أن قيم y الخاصة بي هي: -3 و 1 و 5.

لذلك ، كانت الأزواج المرتبة التي وجدتها في الرسم البياني الخاص بي هي: (-2 ، -3) ، (0 ، 1) ، (2،5).

لقد رسمت تلك النقاط على الرسم البياني الخاص بي.

ثم استخدمت المسطرة ورسمت خطًا مستقيمًا عبر تلك النقاط. هذا هو خط المعادلة ، y = 2x +1.

إذا كنت قد فعلت هذه المشكلة بنفسك ، فربما تكون قد وجدت ثلاث نقاط مختلفة باستخدام جدول القيم. هذا جيد ، لأنه حتى لو كانت نقاطك الثلاث مختلفة ، سيظل خطك كما هو تمامًا!

يمكننا أيضًا إيجاد حلول أخرى للمعادلة بقراءة التمثيل البياني فقط. أرى أن (3،7) هي نقطة على الرسم البياني. إذا قمت بالتعويض عن x بـ 3 في المعادلة ، فسأحصل على 7 على أنه إحداثي y.

يستمر هذا الخط إلى الأبد ، لذا توجد حلول لا نهائية للمعادلة.

لنلق نظرة على مثال آخر.


استخراج قيم متعددة من الجدول في ArcGIS ModelBuilder؟ - نظم المعلومات الجغرافية

منح سلامة المرور على الطرق السريعة من الإدارة الوطنية لسلامة المرور على الطرق السريعة (NHTSA) للسنة المالية (السنة المالية) 2013 قدرت بـ & # 24643 مليون [1]. تشكل حوادث السيارات مصدر قلق بالغ في الولايات المتحدة ويتم إنفاق قدر هائل من الموارد على سلامة المرور على الطرق السريعة. استنادًا إلى التوقعات الإحصائية من نظام الإبلاغ عن تحليل الوفيات (FARS) NHTSA & # x2019 ، زادت الوفيات المرورية من 32367 في عام 2011 إلى 34،080 في عام 2012 ، بزيادة 5.3 & # x25. في الواقع ، كان عام 2012 هو العام الأول منذ عام 2005 الذي يشهد زيادة في الوفيات من عام لآخر ، مما يشير إلى الحاجة إلى عمل كبير لتحسين السلامة على الطرق السريعة [2].

تحديد المواقع مع إمكانية تحسين السلامة ،

تشخيص المواقع المحددة لتحسين السلامة واختيار التدابير المضادة ،

تقدير تكلفة الإجراءات المضادة ،

تقدير فوائد الإجراءات المضادة.

تعالج هذه الأدوات الجديدة العديد من القيود المفروضة على أدوات تحليل السلامة التقليدية ، بما في ذلك التحيز المرتبط بالحجم وطول المقطع والانحدار إلى المتوسط ​​بالإضافة إلى أشكال النماذج غير الصحيحة ونقص تدابير الموثوقية [4 & # x2013 9]. من أجل معالجة هذه القيود ، تستخدم أحدث الأدوات ، بما في ذلك محلل السلامة ، طرقًا تحليلية تتطلب مجموعات بيانات شاملة من أجل توفير معلومات كافية والتقاط الخصائص والتفاعلات الزمانية المكانية المعقدة في نظام المرور.

ليست كل المجموعات المهتمة على دراية بتوافر البيانات في كل قسم.

لا يوجد اتساق من حيث كيفية تخزين المعلومات وتوحيد البيانات.

عادةً ما يتم تطوير مجموعات البيانات دون مراعاة احتياجات التطبيقات المختلفة التي تستخدمها الأقسام المختلفة بشكل صريح.

تتطلب الأدوات الناشئة الجديدة ، مثل محلل السلامة ، البيانات التي يتم جمعها من أقسام متعددة. بالإضافة إلى ذلك ، تحتاج هذه الأدوات إلى بيانات غير متوفرة عادةً.

يتطلب تدريب مهندسي ومحترفي السلامة المرورية على استخدام التطبيقات الجديدة ، مثل محلل السلامة ، أن تكون التطبيقات المقابلة جاهزة للاستخدام مع توفر جميع البيانات اللازمة.

يتطلب التنسيق مع وكالات السلامة العامة الأخرى على مستوى الولاية نهجًا شاملاً لدمج وتمكين الوصول إلى البيانات بالإضافة إلى توفير إمكانات الصيانة.

مطلوب نهج شامل باستخدام أحدث الأدوات لجمع البيانات وإدارة احتياجات البيانات الحالية ، والتي تعتبر مهمة ، وكذلك لتطوير حلول أفضل. تمت تعبئة الأدبيات الحالية بأمثلة حول طرق جمع البيانات والتكامل لتطبيقات النقل ، بما في ذلك أطر نظم المعلومات الجغرافية (GIS) [12 & # x2013 18] ، وأنظمة قاعدة البيانات / مستودع البيانات [19 & # x2013 24] ، والتصور أدوات [25 & # x2013 27]. ومع ذلك ، لا تتمتع معظم DOTs بإمكانية الوصول إلى نظام قاعدة بيانات شامل يمكّنهم من الاستفادة الكاملة من الأدوات الموجودة ، بما في ذلك محلل السلامة. باستخدام نظام قاعدة البيانات هذا ، قد تكون الوكالات قادرة على تطوير وظائف أداء السلامة (SPFs) الخاصة بالولاية القضائية بحيث يمكنها تقدير مقاييس الأداء بشكل أكثر دقة. تظهر الدراسات السابقة أن منهجيات تطوير مثل هذه الأنظمة محدودة نسبيًا.

تحتوي العديد من DOTs على كميات كبيرة من البيانات. ومع ذلك ، فإن مهمة شاقة بالنسبة لهم هي تحديد مصادر البيانات ، وتطوير الأنظمة لدمجها ، وتطوير قواعد البيانات وأدوات التحليل وأنظمة التصور. قامت هذه الدراسة بإنشاء واختبار نظام وأدوات قاعدة بيانات لمعالجة البيانات ودمجها وفحصها وتحميلها لتوفير البيانات لتطبيقات النقل المتعددة مع التركيز على محلل السلامة. يمكن استخدام الأدوات التي تم تطويرها في هذه الدراسة لإنشاء أنظمة قواعد بيانات مماثلة لأي منطقة و / أو لتوسيع قواعد البيانات الموجودة. كشفت دراسة استقصائية حديثة على مستوى البلاد [28] أن العائق الرئيسي لاستخدام محلل السلامة هو عدم توفر مصادر بيانات شاملة بالإضافة إلى الأساليب المملة لاستيراد البيانات ومعالجتها. ومن ثم ، بالنظر إلى الموارد الكبيرة المستثمرة في تطوير محلل السلامة بالإضافة إلى الميزة المحتملة الكبيرة لإجراء إدارة السلامة المرورية باستخدام هذه الأداة ، فإن مساهمات هذه الدراسة تأتي في الوقت المناسب ويمكن أن تسهل زيادة استخدام وفوائد محلل السلامة.

يوضح الشكل 1 الإطار المفاهيمي لنظام قاعدة البيانات المقترح وتم نشر نظام التصور المصاحب مع العمل المقابل في مكان آخر [29]. تمت معالجة البيانات الأولية باستخدام أدوات إدارة البيانات لإنشاء قاعدة بيانات شاملة ومنسقة ومحسنة. تُستخدم أدوات العرض لتوفير البيانات المطلوبة من قبل كل تطبيق بالتنسيق المقابل ومستوى الدقة. تُستخدم أدوات التصور لتقديم تمثيلات رسومية متعددة للمدخلات والمخرجات لكل تطبيق. لا توفر العديد من أدوات التحليل الموجودة حاليًا ، بما في ذلك محلل السلامة ، إمكانات التصور. بالنظر إلى الطبيعة المكانية للمشكلة ، كان هذا قيدًا كبيرًا.

الإطار المفاهيمي لقاعدة البيانات الشاملة ونظام التصور الذي تم تطويره في هذه الدراسة.

يوفر Safety Analyst مجموعة من الأدوات التحليلية لتحديد وإدارة تحسينات السلامة على مستوى النظام [5]. يستخدم محلل السلامة طريقة Bayesian التجريبية (EB) كبديل لطرق تحليل السلامة التقليدية ، مثل التردد أو المعدل أو المعدل الحرج أو مؤشر الانهيار. يوفر نهج EB آلية لا يمكن معالجتها باستخدام الطرق التقليدية والتي تتناول المشكلات المرتبطة بالتحيز ، وشكل النموذج غير الصحيح ، والافتقار إلى مقياس موثوقية [4 & # x2013 10].

يتكون محلل السلامة من أربع أدوات: الإدارة ، وإدارة البيانات ، والتحليل ، وتنفيذ الإجراءات المضادة. تشتمل أداة الإدارة على مكونات فدرالية ووكالة ونظام [30]. يوفر المكون الفيدرالي الوصول إلى تعريفات الأنواع الفرعية للموقع الافتراضي وإدارة الإجراءات المضادة ووظائف أداء السلامة الافتراضية الوطنية (SPFs). يوفر مكون الوكالة الوصول إلى عمليات مختلفة ، بما في ذلك إضافة سمات البيانات وتغييرها وإزالتها ، باستثناء سمات البيانات الإلزامية. علاوة على ذلك ، يتيح هذا المكون تعديل SPFs الوطنية باستخدام SPFs الخاصة بالوكالة. يحتفظ مكون النظام بقواعد البيانات المحلية أو البعيدة ويجمع بين قاعدة البيانات والمكونات الفيدرالية والوكالة.

يمكن استيراد قواعد البيانات المحلية أو البعيدة باستخدام أداة إدارة البيانات [30]. حاليًا ، يدعم Safety Analyst آليتين أساسيتين لاستيراد البيانات: استيراد ملف وتعيين قاعدة بيانات إلى قاعدة بيانات. بالنسبة إلى DOTs التي تحتفظ بمخزون كامل للبيانات في نظام إدارة قواعد البيانات (DBMS) المتوافق مع لغة الاستعلام المهيكلة (SQL) ، فإن آلية تعيين قاعدة البيانات إلى قاعدة البيانات هي أفضل بديل لتحميل البيانات في Safety Analyst. توفر أدوات العرض التي تم تطويرها في هذه الدراسة هذه الميزة. بالنسبة إلى DOTs التي لا تحتفظ بقاعدة بيانات تحتوي على جميع البيانات المطلوبة لمحلل السلامة ، يمكن استخدام أدوات إدارة البيانات التي تم تطويرها في هذه الدراسة لإنشاء نظام DBMS مع جميع البيانات المطلوبة.

يعد استيراد الملف آلية غير مرغوب فيها لأنه لا يوفر جميع الإمكانات لامتلاك البيانات في نظام إدارة قواعد البيانات. يدعم Safety Analyst ملفات جرد البيانات بتنسيقات واسعة للغة الترميز (xml) وقيمة مفصولة بفاصلة (csv). ومع ذلك ، يجب أن تفي ملفات الجرد بتنسيق معين. من غير المحتمل أن تكون DOTs لديها مجموعات بيانات xml أو csv متاحة بسهولة تفي بالتنسيق المطلوب. ومن ثم ، يوصى بتطوير نظام DBMS لمحلل السلامة.

وحدة فحص الشبكة: تحدد هذه الوحدة المواقع وتصنفها باستخدام طريقة EB لتحسينات السلامة المحتملة.

وحدة التشخيص والتدبير المضاد: هذا يساعد على تشخيص مشاكل السلامة في مواقع محددة ، باستخدام الإجابات التي يقدمها المستخدم لمجموعة من الأسئلة المضمنة. بناءً على التشخيص ، يمكن للمستخدم تحديد الإجراءات المضادة لتقليل تكرار الاصطدام وشدته في مواقع محددة.

نموذج التقييم الاقتصادي وترتيب الأولويات: يوفر هذا تقييمًا اقتصاديًا لإجراء مضاد محدد لموقع معين أو عدة تدابير مضادة بديلة لمواقع متعددة. علاوة على ذلك ، فإنه يوفر ترتيبًا ذا أولوية للمواقع ومشاريع التحسين المقترحة بناءً على تقديرات الفوائد والتكلفة.

وحدة الإجراءات المضادة المنفذة: توفر هذه الوحدة تقييمات قبل / بعد تحسينات السلامة المنفذة. البيانات لمشاريع البناء والإجراءات المضادة المنفذة مطلوبة. يمكن استيراد هذه البيانات باستخدام أداة تنفيذ الإجراء المضاد.

تشمل البيانات الهامة لإجراء دراسات السلامة المرورية حوادث التصادم والطرق والتحكم وتدفق حركة المرور. تم تطوير خطة شاملة لجمع البيانات للحصول على البيانات المتاحة من مختلف الوكالات الحكومية في ولاية نيفادا ، بناءً على نموذج الحد الأدنى لمعايير التصادم الموحدة (MMUCC) والمخزون النموذجي لعناصر الطريق (MIRE) [31 ، 32]. بناءً على هذه الإرشادات ، كان ما يقرب من 150 سمة بيانات ضرورية لتطوير قاعدة بيانات سلامة شاملة. لم يطلب محلل السلامة جميع البيانات ، ومع ذلك ، في هذه الدراسة ، تم تطوير قاموس بيانات لتحديد البيانات الإلزامية بوضوح لمحلل السلامة [4 ، 30] ، كما هو موضح في الشكل 2.

عناصر البيانات الإلزامية التي يطلبها محلل السلامة.

تتوفر معظم البيانات الواردة في الشكل 2 من مصادر DOT المختلفة ، بما في ذلك FHWA & # x2019s نظام مراقبة أداء الطرق السريعة (HPMS) أنظمة الإسناد الخطي (LRS) لشبكات الطرق ونماذج طلب السفر (TDM) والتقاطع وحجم حركة المرور ومجموعات بيانات الأعطال [ 26]. في هذه الدراسة ، تم الحصول على بيانات لأجزاء الطريق ومنحدراته من LRS و HPMS و TDM. تم الحصول على بيانات الأعطال من نظام نيفادا لتتبع الحوادث والاستشهاد (NCATS). تم جمع المتوسط ​​السنوي لحركة المرور اليومية (AADT) من الوصول إلى معلومات سجلات المرور NDOT & # x2019s (TRINA).

شبكة الطرق هي الخريطة المركزية للطرق في GIS LRS. تحتوي معظم DOTs التابعة للولاية على مستويين من شبكات الطرق ، ومجموعة بيانات على مستوى الولاية (SDS) ومجموعة بيانات على مستوى المقاطعة (CDS). يمكن استخدام SDS للمساعدة الفيدرالية وطرق نظام الطرق السريعة الوطنية في Safety Analyst ، ويمكن استخدام CDS للطرق الشريانية الصغيرة على مستوى المقاطعة وكذلك للطرق الرئيسية والصغيرة المجمعة. عادةً ما تكون شبكة طرق SDS مشابهة لطبقة مسارات HPMS. عندما لا تتوفر كل من شبكات الطرق SDS و CDS ، يمكن استخدام طبقة مسارات HPMS في LRS [33] مع بعض التعديلات.

في هذه الدراسة ، تم استخدام شبكة طرق CDS في LRS ، والتي تضمنت نظامًا إضافيًا ، وتحديد RouteMaster (RMID) ، وهو معرف فريد للإشارة إلى المسار في شبكة الطرق. يعمل RMID على تحسين القدرة على الرجوع إلى مصادر البيانات الأخرى إلى شبكة الطرق. تتضمن بيانات شبكة الطريق معرف الجزء ، و RMID ، ونوع الطريق ، والمقاطعة ، وعلامات بداية ونهاية الجزء ، والاتجاه الأساسي (الاتجاه الذي يبدأ فيه الطريق وينتهي) ، وطول الجزء.

نظام مراقبة أداء الطرق السريعة هو نظام على المستوى الوطني تحتفظ به FHWA ويتضمن بيانات عن المدى والحالة والأداء والاستخدام وخصائص التشغيل للطرق السريعة المملوكة للدولة وبعض الطرق السريعة غير المملوكة للدولة [33]. يوفر نموذج بيانات HPMS بواسطة FHWA ، الموجود في إطار عمل GIS ، العلاقات المكانية بين عناصر البيانات. FHWA يفوض DOTs الدولة لتقديم بيانات HPMS كاملة ودقيقة في الوقت المناسب كل عام [33]. ومن ثم ، يمكن أن تكون هذه البيانات ، المدمجة مع مصادر البيانات الأخرى ، متاحة لتحديد DOTs لتطوير قاعدة البيانات المطلوبة لمحلل السلامة.

في هذه الدراسة ، تم استخدام طبقات بيانات Nevada HPMS ، بما في ذلك التحكم في الوصول ونوع المنشأة والتصنيف الوظيفي وحد السرعة عبر الممرات و AADT والرمز الحضري.

عادةً ما يكون لدى منظمات التخطيط الحضري الحضري (MPOs) نظام TDM قائم على نظام المعلومات الجغرافية لتخطيط النقل وبرامج تحسين النقل. يمكن استخدام البيانات من هذا النموذج ، مثل عدد الممرات وحدود السرعة والتحكم في الوصول والتصنيف الوظيفي ورمز المنطقة واتجاه السفر والاتجاه أحادي أو ثنائي الاتجاه وتكوين المنحدر ، عندما لا تتوفر بيانات HPMS. في حالة عدم توفر شبكة طرق مميزة على مستوى المقاطعة ، يمكن استخدام شبكة طرق TDM للحصول على بيانات حول أجزاء الطريق ، وأجزاء المنحدرات ، والأطوال ، والمعالم.

في هذه الدراسة ، تم استخدام TDM للجنة النقل الإقليمية لجنوب نيفادا (RTC-SN) للحصول على بيانات غير متوفرة في طبقات HPMS.

كل عام ، تنفق NHTSA الكثير من ميزانيتها على منح السلامة على الطرق السريعة لبرنامج Crash Data Collection [1]. يجب أن يستند جمع بيانات الأعطال من الدول إلى إرشادات MMUCC. تعتمد بيانات الأعطال التي يطلبها محلل السلامة على إرشادات MMUCC أيضًا. استخدمت هذه الدراسة بيانات من NCATS لحوادث الاصطدام (الاصطدامات ذات الإحداثيات) وخصائص الاصطدام للسنوات من 2007 إلى 2011.

يتطلب محلل السلامة AADT لجميع القطاعات لاستخدامها في تحليل على مستوى الشبكة. في كثير من الأحيان ، ومع ذلك ، لا تتوفر هذه البيانات لجميع فئات الطرق. عادةً ما تجمع DOTs الخاصة بالولاية البيانات لتقدير AADTs للفئات الوظيفية العالية للطرق ، مثل الطرق السريعة وطرق الولاية. يعد جمع البيانات المتشابهة للشرايين والطرق المحلية عملية مكثفة ومكلفة. استخدمت هذه الدراسة نموذج تخصيص حركة مرور ديناميكي قائم على المحاكاة ، DynusT [34 ، 35] ، لتقدير AADT لتلك المواقع التي تفتقد AADT لآخر عام. تم توقع هذه AADTs لمدة خمس سنوات باستخدام العوامل الزمنية التي تم تطويرها من التهم طويلة الأجل.

عادةً ما تمتلك وكالات المقاطعات أو منظمات التخطيط الحضري (MPOs) بيانات عن التقاطعات التي تم الإشارة إليها ، بما في ذلك موقع معلومات التحكم ونوعها. ومع ذلك ، فإن بيانات التقاطعات التي يتم التحكم فيها عن طريق التوقف ليست شائعة ويجب جمعها. في هذه الدراسة ، تم تطوير منهجية وأداة لجمع بيانات وقف التحكم بكفاءة. تم الحصول على بيانات التقاطع ذات الإشارات من نظام النقل السريع والشرياني (FAST) ، وهو أحد أقسام RTC-SN.

يوضح الجدول 1 الملفات المصدر المتوفرة عادةً في DOTs و / أو MPOs بالإضافة إلى البيانات الموجودة في تلك الملفات التي يطلبها محلل السلامة. باستخدام هذه المعلومات ، يمكن للوكالات البدء في جمع هذه الملفات لتطوير قاعدة بيانات محلل السلامة. يمكن للوكالات أن تختار إما (1) ملفات HPMS التي تحتوي على بيانات لشبكات الطرق وحوادث الطرق التي تتم صيانتها بواسطة DOTs بالولاية أو (2) ملفات HPMS مع بيانات لشبكات الطرق و TDM والحوادث والتقاطعات للطرق على مستوى المقاطعة.

ملفات المصدر وعناصر البيانات الخاصة بها لبناء قاعدة بيانات السلامة.

يوجد تحول / فجوة مكانية بين ملفات شكل GIS لمجموعات البيانات المختلفة ، مثل HPMS وشبكة طرق CDS وطبقات TDM.

لا يوجد معرّف مشترك بين HPMS وشبكة طرق CDS وطبقات TDM.

تختلف أطوال التجزئة في طبقات HPMS وشبكة طرق CDS.

لا يوجد RMID فريد بين مجموعات البيانات.

يتم تمثيل بعض البيانات بشكل غير صحيح ، مثل تكوينات المنحدرات وعدد الممرات.

هناك مشكلات معينة في مجموعات البيانات شائعة نظرًا لعدم وجود تناسق في تنسيق البيانات وتخزينها بين الأقسام أو الأقسام. علاوة على ذلك ، قد يتم تخزين البيانات التي تم جمعها أو لا يتم تخزينها بنفس التنسيق الجغرافي ، مثل القياسات الأساسية وأنظمة الإحداثيات والهندسة. تم استخدام ArcGIS ModelBuilder [36] لتطوير الأدوات الآلية لحل هذه المشكلات ، كما سيتم مناقشته في القسم التالي.

3. أدوات إدارة البيانات 3.1. أداة جمع البيانات

على الرغم من وجود مصادر بيانات متعددة توفر قدرًا هائلاً من البيانات المطلوبة لمحلل السلامة ، إلا أن سمات البيانات المختلفة كانت مفقودة أو غير كاملة ، بما في ذلك نوع المنحدر وتكوين المنحدر ونوع التحكم في التقاطعات. تم جمع معظم البيانات المفقودة باستخدام Google Earth ، كما تم ملاحظة المعلومات المفقودة وترميزها في Google Earth أيضًا. تم تطوير أداة جمع البيانات لاستخراج البيانات وكذلك إنشاء ملفات شكل ArcGIS مع كل المعلومات. سهلت هذه القدرة تطوير وتكامل قاعدة البيانات.

طلب محلل السلامة أن يتم دمج جميع البيانات التي تم جمعها باستخدام (1) طريق وعلامة (2) طريق ومقاطعة وعلامة (3) طريق وقسم ومسافة أو (4) قسم ومسافة. استخدمت هذه الدراسة مؤشر المسار والميل لدمج جميع البيانات لأن بعض مجموعات البيانات لديها هذه المعلومات. على الرغم من توفر العديد من الأساليب والأدوات التجارية [12 & # x2013 18] لدمج البيانات ، فقد تم تطوير أدوات التكامل باستخدام ArcGIS ModelBuilder في هذه الدراسة للحصول على تحكم كامل في العملية وتوفير أتمتة أكبر.

3.2 أداة ArcGIS ModelBuilder

قم بتغيير قيم المعلمات ، مثل نصف قطر المخزن المؤقت أو حدود التفاوت ، وأعد تشغيل النماذج.

أضف المزيد من العمليات ، مثل مكونات المخزن المؤقت أو التقاطع ، بالإضافة إلى البيانات.

حذف العمليات والبيانات الوسيطة.

تصور واستكشاف النتائج في ArcMap.

أداة رسم الخرائط التي تحدد أجزاء شبكة الطريق مكانيًا لعناصر البيانات في HPMS ، عندما يكون هناك تحول هندسي ولا يوجد حقل مشترك بينهما

أداة مرجعية خطية تنشئ مؤشر ميل لكل حادث تصادم فيما يتعلق بأجزاء الطريق أو المنحدرات أو علامات ميل التقاطع

أداة تجزئة ديناميكية تقوم بفصل / ضم المقاطع في المواقع المطلوبة.

3.3 واجهة تعيين سمة البيانات

تم تطوير واجهة لتخطيط سمات البيانات لملء قاعدة البيانات ، باستخدام بيانات من المصادر الموجودة. أنشأت الواجهة تعيينًا لكل سمة بالإضافة إلى مصادر البيانات من سمات بيانات ملف المستخدم إلى سمات قاعدة البيانات المقابلة في جداول قاعدة البيانات. تم تمكين هذه الواجهة باستخدام ملفات البيانات الموجودة دون أي تعديلات. استخدمت الواجهة جدول بيانات Microsoft Excel (.xlsx) ، وهو ملف بيانات وصفية مكون من أربعة أعمدة. احتوى العمودان الأول والثاني على اسم جدول قاعدة البيانات واسم السمات ، على التوالي. تم إصلاح هذه الأسماء ولم تكن بحاجة للتغيير. يتضمن العمودين الثالث والرابع اسم المستخدم & # x2019s (الوكالة) واسم السمة ، على التوالي.

يوضح الجدول 2 ملف البيانات الوصفية. يجب ملء اسم ملف المستخدم واسم سمة ملف المستخدم فقط من قبل المستخدم. تقوم DOTs المختلفة بتخزين بياناتها في ملفات مختلفة ، ويربط المعرف الفريد المشترك تلك الملفات والسمات. على سبيل المثال ، تمتلك نيفادا سمات طريق في ملفات مثل CDS & # x5fNetwork و Las Vegas Median و HPMS & # x5fAccess و HPMS & # x5fSpeedLimit. بمجرد ملء ملف البيانات الوصفية ، يتم استخدام واجهة تعيين سمات البيانات لإدراج وتخزين البيانات من ملف المستخدم في جداول وسمات قاعدة البيانات المقابلة.

عينة من ملف البيانات الوصفية لتعيين البيانات.

يمكن أن تكون مدخلات قاعدة البيانات الحالية إما جديدة أو تحديثًا لبيانات مُدرجة مسبقًا. تم تطوير أداة إنشاء مثيل وإدخال البيانات لإدخال البيانات في قاعدة البيانات ، مع مراعاة الترابط بين البيانات. تم دفق ملفات الإدخال وتحليلها باستخدام واجهة برمجة تطبيقات بسيطة (API) لمحلل XML ، المعروف أيضًا باسم SAX ، والذي تم استخدامه لتخزين البيانات في مصفوفة.

عند قراءة صف في المصفوفة ، يتم إجراء استعلام & # x201cselect & # x201d في قاعدة البيانات لتحديد وجود كائن. في حالة وجود كائن ، يتم إجراء تحديث: يتم إنشاء مثيل لكائن Java ، ويتم تحديث حقوله بالقيم الموجودة في ملف الإدخال. بعد ذلك ، تتم معالجة طريقة التحديث الخاصة بكائن Java هذا لتحديث قاعدة البيانات. إذا لم يكن هناك كائن مطابق ، فسيتم إنشاء كائن جديد وإدراجه في فئة & # x201cEntityManager & # x201d. بمجرد تحليل جميع الملفات وإنشاء مثيل لكل الكائنات ، يمكن إدراج البيانات في قاعدة البيانات.

تعالج الفئة & # x201cEntityManager & # x201d أولويات الجداول تلقائيًا من أجل تلبية الترابطات بين الجداول. قد يؤدي إدخال البيانات دون استخدام EntityManager إلى فشل إدراج البيانات أو تلف قاعدة البيانات بسبب انتهاك ترابطات الجدول. على سبيل المثال ، تعتمد بيانات حادث السيارة على بيانات الحادث ، ويلزم وجود آلية لحساب هذه التبعية.

يوفر مخطط قاعدة البيانات هيكل DBMS ، والذي تم وصفه بلغة نمذجة رسمية. تتضمن لغات نمذجة قاعدة البيانات الحالية نموذج علاقة الكيان (ER) ولغة النمذجة الموحدة (UML). ER هو نموذج بيانات مفاهيمي يرى العالم الحقيقي ككيانات وعلاقات. التركيبات الأساسية في نموذج التقارير الإلكترونية هي الكيانات والسمات والعلاقات الموجودة في مخطط التقارير الإلكترونية. يركز نموذج التقارير الإلكترونية على مرحلة التصميم المفاهيمي والمنطقي لقاعدة البيانات. يمكن استخدامه لتطوير أنظمة قواعد بيانات متوافقة مع SQL ، وهي ملائمة للمستخدمين غير المعتادين على عمليات قواعد البيانات [37].

UML هي لغة نمذجة بصرية موجهة للكائنات تستخدم لتحديد عناصر نظام برمجي وتصورها وتحليلها والتحكم فيها. يتم استخدامه لفهم وتصميم وتصفح وتكوين وصيانة والتحكم في المعلومات المتعلقة بأنظمة البرامج [37]. استخدمت هذه الدراسة نموذج ER لثلاثة أسباب مهمة. أولاً ، يدعم Safety Analyst قواعد البيانات المتوافقة مع SQL فقط. ثانيًا ، مخططات ER ، التي تكشف عن تصميم قاعدة البيانات ، يسهل فهمها مقارنة بمخططات UML. ثالثًا ، من المرجح أن تكون معظم التطبيقات المشابهة لمحلل السلامة متوافقة مع نموذج التقارير الإلكترونية.

تم بناء نموذج البيانات المادية لقاعدة البيانات باستخدام نموذج التقارير الإلكترونية ، والذي يشير إلى كيفية تمثيل البيانات وتخزينها بواسطة DBMS ، مثل Oracle أو MySQL أو SQLServer أو Derby [38]. في هذه الدراسة ، كان لدى المستخدم خيار اختيار MySQL أو Derby كنظام قاعدة بيانات شامل. ومع ذلك ، بالنسبة إلى Safety Analyst View ، تم تمكين Derby فقط لأن MySQL غير متوافق مع Safety Analyst. كلتا قاعدتي البيانات هي قواعد بيانات قواعد بيانات مفتوحة المصدر ومتوافقة مع SQL وتوفر جميع الإمكانات المطلوبة لنظام إدارة قواعد بيانات موثوق به ومرن وقوي. تم تطوير نصوص SQL لإنشاء جداول قواعد البيانات والعلاقات فيما بينها في MySQL و Derby.

تم إنشاء نموذج البيانات المادية لقاعدة البيانات ، ثم تم ملء قاعدة البيانات بالبيانات. إدخال البيانات هو عملية يمكن أن تحدث مرة واحدة أو بشكل دوري أو بشكل متقطع. تم تصميم منهجية تعبئة قاعدة البيانات لمراعاة معظم السيناريوهات المحتملة التي يمكن أن تنشأ. على سبيل المثال ، تم تصميم وإنشاء العديد من الجداول الفارغة للبيانات المستقبلية التي قد تصبح متاحة و / أو مرغوبة.

يتم توفير مخطط كامل لعلاقة الكيان ، بما في ذلك الجداول والمفتاح الأساسي والمفاتيح الخارجية لقاعدة البيانات في الشكل 3. استخدمت هذه الدراسة Crow & # x2019s Foot Notation لتوضيح الكيانات والعلاقات في قاعدة البيانات المقترحة. الكيان عبارة عن حاوية تخزين بيانات (جدول) بها مجموعة من السمات. في الشكل 3 ، يعد ACCIDENT أحد الكيانات. يحتوي على معرف مفتاح أساسي تم تمييزه بـ PK ، والذي يعرّف بشكل فريد مثيلًا واحدًا لكيان ومعرف مفتاح خارجي تم تمييزه بـ FK ، والذي يحدد بشكل فريد صفًا من كيان آخر. توضح العلاقة ارتباطًا بين كيانين وتتكون من مؤشرات قواعد العمل. في الشكل 3 ، يتم توضيح العلاقة بين الكيانات في قاعدة البيانات باستخدام الخطوط والرموز الزرقاء لمؤشرات البداية والنهاية لقواعد العمل. الرموز المستخدمة عبارة عن خطين عموديين لـ & # x201cone ومؤشر واحد فقط & # x201d ، دائرة بها أقدام غراب لـ & # x201czero أو العديد ، & # x201d خط عمودي واحد مع أقدام غراب لـ & # x201cone أو العديد ، & # x201d ودائرة مع خط عمودي لـ & # x201czero أو مؤشر واحد. & # x201d على سبيل المثال ، في الشكل 3 ، صفر أو العديد & # x201cSEGMENT ID & # x201d من & # x201cACCIDENT & # x201d الكيان مرتبط بالكيان الوحيد & # x201cSEGMENT ID & # x201d من & # x201cROADWAY قطاع & # x201d الكيان. لمزيد من التفاصيل حول مخطط ER ، يمكن للقراء الرجوع إلى نمذجة البيانات مع مخططات ER بواسطة Riccardi [39]. بالإضافة إلى ذلك ، يوضح الشكل 4 إطارًا تفصيليًا للبيانات باستخدام نموذج البيانات المادية بما في ذلك الجداول والمفاتيح الأولية والأجنبية والسمات الأخرى لقاعدة بيانات السلامة المقترحة.

مخطط علاقة الكيان لقاعدة بيانات السلامة المقترحة.

نموذج بيانات مادية لقاعدة بيانات السلامة.

تتطلب أدوات التحليل مثل محلل السلامة بيانات بتنسيق معين. على سبيل المثال ، يتطلب محلل السلامة نوع شدة التعطل في شكل & # x201cK & # x201d للوفاة ، & # x201cA & # x201d للإصابة الشديدة ، و & # x201cP & # x201d للأضرار التي تلحق بالممتلكات. ومع ذلك ، فمن غير المحتمل أن تستخدم مصادر البيانات نفس التنسيق. يعد الحصول على متطلبات اتباع تنسيق معين أحد العوائق الأساسية أمام DOTs لاستخدام محلل السلامة [28]. تخزن قاعدة البيانات التي تم تطويرها في هذه الدراسة نوع شدة الاصطدام في شكل الوفاة أو الإصابة أو تلف الممتلكات.

تم تطوير أداة عرض لمحلل السلامة لتوفير عرض قاعدة بيانات يتوافق مع متطلبات محلل السلامة. يوضح الجدول 3 جزءًا من ورقة MS Excel المستخدمة لإنشاء الخرائط بين عرض قاعدة البيانات العامة وعرض محلل السلامة. تم تعيين اسم جدول قاعدة البيانات ، واسم السمة ، وقيم السمات بين طريقتي العرض. على سبيل المثال ، في الجدول 3 ، اسم جدول قاعدة البيانات هو & # x201caccident ، & # x201d اسم السمة هو & # x201cseverity ، & # x201d وقيم السمة & # x201c إصابة مميتة ، & # x201d & # x201cs إصابة شديدة ، & # x201d و & # x201cproperty ضرر فقط. & # x201d قيم محلل السلامة المقابلة هي Accident accidentSeverity1 و K ، A ، أو P. تحتوي النهاية الخلفية لأداة العرض الخاصة بـ Safety Analyst على محلل MS Excel يقوم بدفق البيانات ، ويوفر الخرائط ، ويخزن البيانات في مصفوفة. يتم إنشاء HashMaps وتأسيس علاقة بين قاعدة البيانات وطريقة عرض "محلل السلامة".

رسم الخرائط بين رأي عام ومحلل السلامة.

تم تطوير قاعدة البيانات الشاملة بالإضافة إلى عرض قاعدة البيانات لمحلل السلامة لمقاطعة كلارك ، نيفادا ، باستخدام أدوات إدارة البيانات المقترحة وتم ملؤها باستخدام مصادر البيانات الموضحة سابقًا. باستخدام أدوات إدارة البيانات ، تم تخطيط عرض قاعدة البيانات واستيراده ومعالجته لاحقًا. كانت عوامل المعايرة لأنواع المواقع الفرعية المختلفة هي (1) قطاعات الطرق السريعة الحضرية مع أربعة وستة ممرات (2) قطاعات الطرق السريعة الحضرية في مناطق التبادل مع أربعة وستة ممرات (3) تقاطعات حضرية ذات أربع أرجل وثلاث أرجل (4) توقف حضري - يتم التحكم فيها من خلال تقاطعات رباعية الأرجل وثلاثية الأرجل و (5) مقاطع شريانية بمسارين وأربعة وستة حارات. تم الحصول على هذه العوامل من خلال معايرة SPF الافتراضية الفيدرالية ، باستخدام بيانات نيفادا. تم إجراء تحليل فحص الشبكة باستخدام الأداة التحليلية في Safety Analyst لتحديد المواقع ذات الإمكانات الأكبر لتحسين السلامة.

ترددات الاصطدام المتوقعة والزائدة ، مع ذروة البحث على أجزاء الطريق باستخدام حدود لمعامل التباين (CV) [8 ، 30 ، 40]

نافذة منزلقة على أجزاء الطريق

فحص الممر [8 ، 30 ، 40].

تحليل أجزاء وتقاطعات الطرق والمنحدرات

تحليل أجزاء الطريق بناءً على التصنيفات الوظيفية

تحليل التقاطعات ذات الإشارات والتي يتم التحكم فيها

تحليل شرائح المنحدر.

لتوضيح النتائج ، تفحص هذه الورقة دراستي حالة استخدمتا تكرار الاصطدام الزائد كمقياس لأداء السلامة لمعرفة ما إذا تم تقليل الحوادث إذا تم تنفيذ تحسين السلامة [30]. حددت دراسة الحالة الأولى أفضل مواقع 5 & # x25 ، بما في ذلك أجزاء الطرق والمنحدرات بالإضافة إلى التقاطعات ذات الإشارات والتي يتم التحكم فيها عن طريق التوقف ، والتي لديها القدرة على تحسين السلامة.

تم إجراء تحليلين ، مع SPFs الافتراضي والمعاير. تم حساب تكرار الاصطدام الزائد للحوادث المميتة وجميع الإصابات ، مع ذروة البحث على أجزاء الطريق التي لها حدود معامل التباين (CV) للشبكة بأكملها. تم استخدام نوع فحص ذروة البحث لأنه يحتوي على إحصائيات حد السيرة الذاتية وأقل طول للنافذة يبلغ 0.1 ميل. ومن ثم ، يمكن تحديد القسم / النافذة الدقيقة للموقع التي لديها إمكانية تحسين السلامة لنشر إجراء مضاد. ثبت أن سبعة من أصل 10 مواقع تختلف في الرتب العليا. يوضح الجدول 4 نتائج دراسة الحالة الأولى ، بما في ذلك أفضل 10 مواقع (المراتب العشر الأولى) التي لديها إمكانية لتحسين السلامة. تتكون هذه المواقع من نوعين فرعيين للموقع ، وأجزاء من أربعة حارات من طريق سريع حضري في منطقة التبادل (نوع الموقع الفرعي 158) وأجزاء مقسمة متعددة المسارات من شريان حضري (الموقع الفرعي 153). كان للنوع الفرعي 158 من الموقع عامل معايرة أقل ، 0.17 ، مما يعني أن هذه الطرق تعرضت لحوادث أقل ، في المتوسط ​​، من الطرق المستخدمة لتطوير SPFs الفيدرالية لمحلل السلامة. على العكس من ذلك ، كان لدى Site Subtype 153 عامل معايرة أعلى ، 4.27 ، مما يعني أن هذه الطرق تعرضت لحوادث أعلى ، في المتوسط ​​، من الطرق المستخدمة لتطوير SPFs الفيدرالية. ومن ثم ، فإن المعايرة السنوية لـ SPFs تلعب دورًا مهمًا في فحص المواقع التي لديها إمكانات أعلى لتحسين السلامة.

نتائج فحص الشبكة الأساسي مع ذروة البحث على أجزاء الطريق واختبارات السيرة الذاتية من محلل السلامة للوفاة وجميع حوادث الإصابات على أجزاء الطرق والمنحدرات وكذلك التقاطعات ، باستخدام SPF الافتراضي والمعاير.

نوع التحليلات رتبة النوع الفرعي للموقع طريق الموقع مع أعلى إمكانات لتحسين السلامة
بدء الموقع موقع النهاية متوسط ​​الأعطال المرصودة & # x2217 تردد التعطل المتوقع & # x2217 تردد الاصطدام الزائد
التردد الزائد & # x2217 التباين & # x2217 & # x2217 عدد القتلى عدد الإصابات
الافتراضي SPF
عامل المعايرة (CF) = 1.0
1 158 IR15 40.223 40.323 267.05 21.49 219.41 408.32 2.04 312.21
2 153 ر 3.311 3.411 154.14 4.63 139.86 149.66 1.51 211.41
3 158 IR15 41.386 41.486 173.08 27.10 133.70 609.28 1.24 190.24
4 158 IR15 35.112 35.768 142.14 23.27 107.04 451.76 0.99 152.32
5 153 612 ر 4.605 5.124 114.01 5.28 102.18 182.06 1.10 154.46
6 153 593 ر 0.889 1.574 103.06 9.51 90.25 544.53 0.97 136.42
7 153 159 ر 29.664 30.193 101.96 8.06 90.19 396.04 0.97 136.33
8 153 612 ر 5.124 5.633 98.84 2.63 86.57 53.97 0.93 130.86
9 153 593 ر 3.784 6.361 94.92 3.99 84.30 107.53 0.91 127.42
10 153 جادة لاس فيغاس. 26.032 26.112 87.10 6.22 75.67 239.96 0.82 114.37
معايرة SPF
النوع الفرعي للموقع 158 CF = 0.17
النوع الفرعي للموقع 153 CF = 4.27
1 158 IR15 40.223 40.323 291.56 20.43 238.49 379.89 2.21 339.36
2 158 IR15 41.386 41.486 189.06 25.76 147.70 558.06 1.37 210.18
3 153 ر 3.311 3.411 156.48 19.18 135.02 2165.74 1.46 204.09
4 158 IR15 35.668 35.768 155.78 22.12 118.56 414.43 1.10 168.71
5 153 612 ر 5.324 5.424 100.37 10.91 87.08 707.86 0.94 131.63
6 158 IR15 41.567 41.667 118.14 24.19 84.46 483.08 0.78 120.18
7 153 جادة ديكاتور. 4.624 4.64 106.95 8.99 77.99 483.52 0.84 117.89
8 158 IR15 41.667 41.767 105.53 22.24 74.20 409.34 0.69 105.58
9 153 596 ر 5.293 5.393 82.73 7.85 72.04 371.99 0.78 108.89
10 153 ميريلاند بكوي. 9.794 9.894 82.69 11.22 69.51 745.94 0.75 105.07

& # x2217 الأعطال / ميل / سنة & # x2217 & # x2217 أعطال / ميل 2 / سنة.

باستخدام SPF الافتراضي والمعاير ، حددت دراسة الحالة الثانية مواقع التقاطع مع إمكانية التحسينات فيما يتعلق بكل من الإصابات المميتة وجميع الإصابات. تم حساب تكرار الاصطدام الزائد عن حوادث الاصطدام المميتة وجميع الاصابات. يوضح الشكلان 5 (أ) و 5 (ب) أفضل 10 مواقع تقاطع (الرتب العشر الأولى) التي لديها إمكانية لتحسين السلامة. عند تحليل SPF الافتراضية والمعايرة ، قام موقعان (محاطان بدائرة باللون الأحمر) بتبادل الرتب 4 و 5 هذا لأن المواقع ذات الرتبة 3 و 4 لها أنواع فرعية مختلفة من الموقع ، وبالتالي ، تم استخدام عوامل معايرة مختلفة.

(أ) نتائج فحص الشبكة الأساسي بحثًا عن الحوادث المميتة وجميع الإصابات عند التقاطعات ، باستخدام SPF الافتراضي ، و (ب) نتائج فحص الشبكة الأساسي بحثًا عن حوادث مميتة وجميع الإصابات عند التقاطعات ، باستخدام SPF معايرة.

تألفت المواقع العشرة الأولى من نوعين فرعيين مختلفين للموقع ، التقاطع الحضري ذي الإشارات الأربعة (Site Subtype 253) والتقاطع الحضري ثلاثي الأرجل (Site Subtype 254). يحتوي الموقع الفرعي 253 على عامل معايرة أعلى قليلاً ، 1.08 ، وتعرض لحوادث أكثر من التقاطعات المستخدمة لتطوير SPFs الفيدرالية. يحتوي الموقع الفرعي 254 على عامل معايرة أقل ، 0.64 ، مما يعني أن التقاطعات الحضرية ذات الإشارات ثلاثية الأرجل تعرضت لحوادث أقل من التقاطعات المستخدمة لتطوير SPF الفيدرالية لهذه المواقع.

في النتائج ، كان تردد الاصطدام المتوقع أقل بكثير عند مقارنته بتردد الاصطدام المرصود بسبب SPF الافتراضي في Safety Analyst. كان تردد الاصطدام المتوقع أحد المقاييس المهمة عند حساب تردد الاصطدام المتوقع أو الزائد بطريقة EB. بسبب الطبيعة الحضرية لمنطقة الدراسة ، أدت المستويات الأعلى من AADT (100،000 & # x2009s) إلى تفاقم هذه النتائج.

أنشئ أنواعًا فرعية من المواقع التي تحددها الوكالة بنطاقات AADT مختلفة في أداة الإدارة ، وأعد معايرة المعاملات.

بناءً على البيانات ، قم بتطوير نماذج منفصلة لانحدار العد للأنواع الفرعية للموقع ، وأدخل المعاملات في أداة الإدارة.

لم يكن نوع فحص البحث في أوقات الذروة معلمة جيدة للمقاطع الأقل من 0.1 & # x2009mi. تتناسب مع ترددات الأعطال المتوقعة / الزائدة لـ 0.1 & # x2009mi عندما كان الطول أقل من 0.1 & # x2009mi. في هذه الحالة ، كانت النافذة المنزلقة خيارًا أفضل لأنها قامت بتجميع وتحريك النافذة على مقاطع متجاورة لإجراء مزيد من العمليات الحسابية ، حيث كانت تتناسب مع ترددات الانهيار المتوقعة / الزائدة لـ 0.3 & # x2009mi ، وهو الحد الأدنى للطول المستخدم لحساب قياس الأداء ، عند كان طول الموقع أقل من طول النافذة.

في Safety Analyst ، كان البحث في الذروة أفضل لأنه يحتوي على حد معامل التباين ، في حين أن النافذة المنزلقة لم تكن كذلك.

لم يكن البحث في أوقات الذروة معيارًا جيدًا للمقاطع الأطول. قدم البحث في أوقات الذروة تصنيفًا واحدًا لكل موقع ، بطول نافذة يبلغ 0.1 & # x2009mi. تم توفير النوافذ الأخرى التي تحتوي على ثاني أعلى ترددات متوقعة / زائدة للأعطال في نوافذ إضافية ، مع وجود مقاطع أطول بها نوافذ إضافية متعددة. ومع ذلك ، قدمت النافذة المنزلقة رتبًا متتالية لنفس الموقع بنوافذ مختلفة.

بالنسبة للمواقع التي بها عدد أكبر من الأعطال وتباين كبير ، يمكن للمحللين استخدام ترددات الأعطال المتوقعة أو الزائدة.

لم يتم تفضيل نوع معين من الفرز للتحليل بأكمله. يتم تشجيع المحللين على تحليل قائمة مواقع معينة باستخدام مجموعات متعددة من فحص الشبكة للعثور على مواقع مشتركة من المخرجات. عندما يتم تحديد نفس الموقع باستخدام عدة طرق غربلة ، فإن هذا يؤكد أن الموقع يستحق مزيدًا من التحقيق [30].

6. أداة التصور لمحلل السلامة

تقتصر إمكانات الإخراج التي يوفرها Safety Analyst على الجداول التي تُبلغ عن النتائج بتنسيقات HTML و PDF و RTF و CSV. يتعين على المحللين استنتاج النتائج من هذه الجداول الضخمة دون أن يكون لديهم صورة للموقع. ومن ثم ، تم تطوير أداة التصور [29] لتوفير معنى أفضل للمخرجات ، مع إمكانات موسعة للتقارير المكانية والرسومية والقابلة للتحرير. لتصور النتائج باستخدام أداة التصور ، يمكن للمستخدم الاختيار بين طريقتين بديلتين للعرض: خرائط Google و ArcGIS.تتمثل ميزة استخدام خرائط Google في بساطته وتوافره ، وتتمثل ميزة ArcGIS في إمكانات النمذجة والحوسبة.

بالنسبة لواجهة خرائط Google ، تحتوي أداة التصور على واجهة أمامية مستندة إلى الويب لواجهة ArcGIS ، وأداة التصور عبارة عن تطبيق مستقل يعتمد على البرامج النصية لـ ArcPy. يوفر كلا التطبيقين وصولاً سهلاً إلى علامات تبويب متعددة. تعرض علامتا التبويب الأوليان النتائج المجدولة وخريطة بالمواقع المكانية. بالإضافة إلى ذلك ، يمكن للمستخدم التفاعل مع العرض الرسومي لأداء العمليات الأساسية مثل التكبير والتصغير وتحديد المواقع. في علامة التبويب الثانية ، يمكن للمستخدم اختيار مخطط شريطي لمقاييس أداء السلامة ، مثل ترددات الاصطدام المرصودة والمتوقعة والمتوقعة / الزائدة للعديد من المواقع.

تفسير النتائج عن طريق الرسوم البيانية أسهل من استخدام الجداول. يمكن للمستخدم تضمين المواقع المكانية للموقع ومخططات شريط قياس الأداء في تقرير محلل السلامة القابل للتحرير في علامة التبويب الثالثة. يصعب استخدام النتائج الجدولية لفحص الشبكة الواردة في الجدول 4 بدون أداة التصور. ومع ذلك ، يوضح الشكلان 5 (أ) و 5 (ب) المواقع المكانية للتقاطعات باستخدام أداة التصور [29] ، المحددة بواسطة فحص الشبكة.

فوائد تطوير واستخدام نظام قاعدة بيانات شامل لدراسات السلامة المرورية كبيرة. طورت هذه الدراسة نظام قاعدة بيانات شامل يمكنه توفير البيانات لتطبيقات متعددة لهندسة السلامة المرورية والاحتياجات المحتملة الأخرى. علاوة على ذلك ، قدم المنهجية والإرشادات لتطوير قاعدة بيانات من مصادر البيانات الحالية والمتاحة بسهولة لل DOTs و / أو MPOs. يمكن استخدام الأدوات التي تم تطويرها لبناء قاعدة بيانات شاملة وعرض لمحلل السلامة من قبل الوكالات الأخرى ، لأنها تستخدم برامج غير تجارية. يسمح هذا النظام باستخدام أحدث أدوات السلامة المرورية لدعم تطوير المتطلبات الفيدرالية بالإضافة إلى تطوير حلول أفضل للسلامة المرورية للمشاكل الحالية والناشئة. توفر هذه الأدوات مدخرات كبيرة من حيث الوقت والمال والأرواح.

على وجه الخصوص ، يتمتع نظام قاعدة البيانات المقترح بالقدرة على توفير البيانات لمحلل السلامة ، وهو أحدث برامج إدارة سلامة الطرق السريعة. على الرغم من أن Safety Analyst يوفر إمكانات تحليل هائلة ، إلا أن القليل من الوكالات تستفيد من هذه القدرات لأن البرنامج يتطلب احتياجات بيانات كبيرة ، وتطويرًا معقدًا للمدخلات المطلوبة ، ونقص الخبرة والمعرفة في إنشاء المدخلات وكذلك استخدام البرنامج [26]. يوفر نظام قاعدة البيانات المقترح ، جنبًا إلى جنب مع أدوات إدارة البيانات والتصور ، دعمًا كبيرًا للتحايل على هذه الحواجز. يمكن استخدام نظام قاعدة البيانات هذا لتطوير SPFs الخاصة بالولاية القضائية لتقدير مقاييس الأداء بشكل أكثر دقة ودقة.

يمكن توسيع هذه الدراسة لتطوير الأدوات التي تنشئ أنواعًا فرعية مختلفة من المواقع بناءً على البيانات الموجودة في عرض محلل السلامة. يمكن تطوير SPFs لهذه الأنواع الفرعية من المواقع ، ويمكن إدخال المعاملات في أداة الإدارة للحصول على تنبؤات أفضل لتكرار الانهيار. يمكن استخدام الطرق التنبؤية الواردة في الجزء ج من دليل سلامة الطرق السريعة [10] لتطوير عوامل الحماية من الشمس. في هذه الحالة ، يجب على مطوري محلل السلامة توسيع قدرات أداة الإدارة لاستيعاب عوامل الحماية المتعددة العوامل الخاصة بالوكالة ومعاملاتها.


كيفية استخدام مجموعات بيانات متعددة في منطقة Tablix واحدة في SSRS

هناك العديد من الحالات التي قد يُطلب فيها إنشاء تقرير SSRS باستخدام مجموعتي بيانات أو أكثر. قد يُطلب منك أيضًا عرض معلومات من مجموعتي البيانات في نفس الجدول في تقريرك. ومع ذلك ، في حالة تقارير SSRS ، بمجرد اختيارك لمجموعة بيانات لجدولك ، يمكنك اختيار الحقول فقط من مجموعة البيانات هذه - وليس من المجموعة الثانية. إذن ، كيف يمكنك إحضار القيم من مجموعة البيانات الأخرى إلى هذا الجدول؟ في منشور اليوم ، سنجيب على هذا السؤال!

لحسن الحظ ، هناك طريقة للقيام بذلك. باستخدام المثال أدناه ، دعنا نرى كيف يتم ذلك ...

لنفترض أن لدينا مجموعتي البيانات التاليتين:

لاحظ أننا نقوم بالتخزين حالة القيم في مجموعة البيانات 1 و منطقة (منطقة جديدة) القيم في مجموعة البيانات 2. في مثالنا ، يجب علينا إنشاء تقرير بجدول يعرض الاسم والبلد والولاية والمنطقة ، مما يعني أننا بحاجة إلى دمج مجموعتي البيانات. سنفعل ذلك على النحو التالي:

1. إضافة ملف تابليكس وابدأ في إضافة قيم من Dataset 1. دعنا نضيف الاسم والبلد والدولة. لنا تابليكس سيبدو هكذا:

2. لإضافة العمود الرابع ، المنطقة ، من مجموعة البيانات 2 في هذا تابليكس، أضف تعبيرًا جديدًا ، كما هو موضح:

3. في تعبيرنا ، سنستخدم صيغة "بحث" للعثور على قيم المنطقة المقابلة في مجموعة البيانات 2.

تم إعداد وظيفة البحث على النحو التالي: البحث (التعبير_المصدر ، التعبير_الوجهة ، التعبير_النتيجة ، مجموعة البيانات)

في مثالنا ، مصدر_تعبير هو اسم جديد من مجموعة البيانات 1 ، وجهة_تعبير هو اسم جديد من مجموعة البيانات 2 ، نتيجة_تعبير هو منطقة جديدة من مجموعة البيانات 2 و مجموعة البيانات هي مجموعة البيانات الثانية من حيث نريد جلب قيم المنطقة ، وهي مجموعة البيانات 2.

إذن ، يبدو تعبيرنا كما يلي:

بمجرد تعيين هذا التعبير ، ستحصل على منطقة القيم في نفس الجدول!

في الختام ، لاحظ فقط أننا بحاجة إلى التأكد من أن مجموعة البيانات التي "نبحث عنها" تحتوي على قيم فريدة. بعد ذلك سنكون قادرين ببساطة على استخدام وظيفة البحث وجلب القيم من مجموعة البيانات هذه ودمجها مع البيانات من مجموعة البيانات الأصلية التي اخترناها لجدولنا.


تحليل

يشير "Amber" إلى شيئين: مجموعة من حقول القوة الميكانيكية الجزيئية لمحاكاة الجزيئات الحيوية (Amber) وحزمة من برامج المحاكاة الجزيئية التي تتضمن كود المصدر والعروض التوضيحية (AmberTools).

ArcGIS Desktop

ArcGIS Desktop عبارة عن مجموعة من منتجات البرامج لبناء أنظمة معلومات جغرافية كاملة (GIS). من إنتاج Esri. يوفر ArcGIS Desktop 9 نظام معلومات جغرافي متكامل ، يجمع بين نماذج البيانات التقليدية القائمة على الكائنات والموجهة للكائنات مع مجموعة من الأدوات لإنشاء البيانات الجغرافية والعمل معها. تشتمل التطبيقات الثلاثة التالية على مجموعة برامج ArcGIS Desktop:

ESRI ArcGIS Explorer

ArcGIS Explorer هو عارض نظام المعلومات الجغرافية (GIS) لاستكشاف معلومات GIS وتصورها ومشاركتها. يوفر طريقة قابلة للتوزيع بحرية لمشاركة المنتجات التي تنتجها منتجات ESRI التجارية.

يوجد إصداران: أحدهما لسطح المكتب والآخر عبر الإنترنت. يتضمن الإصدار عبر الإنترنت دعمًا للخرائط التي تتيح الوقت.

ESRI ArcGIS ModelBuilder

يحتوي برنامج ArcGIS Desktop من ESRI على ModelBuilder ، وهي أداة تدفق عمل تتيح إنشاء وتنفيذ نماذج متسقة وقابلة للتكرار تتكون من خطوة معالجة واحدة أو أكثر. يمكن استخدام ModelBuilder لضمان تكامل نموذج معين أو مجموعة من العمليات التحليلية من خلال نمذجة وتخزين ونشر العمليات المعقدة وسير العمل. يمكن إنشاء مهام سير عمل ModelBuilder وتنفيذها على كل من سطح المكتب وعبر الويب.

ESRI ArcMap

ArcMap هو عرض الخريطة وتحريرها لحزمة برامج ESRI ArcGIS Geographical Information System (GIS). يتم استخدامه على نطاق واسع لإنشاء الخرائط ، ولكن لديه أيضًا إمكانات واسعة للتحرير والتحليل. يوفر "مربع الأدوات" المتاح في ArcMap مصفوفة موسوعية لوظائف معالجة وتحليل بيانات GIS لأي تطبيق تقريبًا.

حاسبة الكربون قطاع الغابات

حاسبة الكربون في قطاع الغابات هي أداة لمساعدة المستخدمين على التعرف على كيفية تغير مخازن الكربون في الغابة بمرور الوقت.

FRAGSTATS: برنامج تحليل الأنماط المكانية للخرائط الفئوية

FRAGSTATS هو برنامج كمبيوتر مصمم للعمل مع البيانات الجغرافية المكانية لمساعدة المستخدم على تصنيف أنماط ومقاييس المناظر الطبيعية ، وهو مفيد في تحديد المناطق التي أدت فيها أنشطة استخدام الأراضي إلى تجزئة المشهد. الإصدار الحالي هو الإصدار 3.3

يخضع البرنامج حاليًا لعملية تجديد رئيسية أخرى ، والتي ستؤدي إلى إصدار الإصدار 4.0 في وقت ما في عام 2011.

HDFql

HDFql تعني "لغة استعلام تنسيق البيانات الهرمي". إنها لغة عالية المستوى للتعامل مع ملفات HDF5.

يوفر HDFql واجهة أبسط وأنظف وأسرع لـ HDF5 عبر C و C ++ و Java و Python و C # و Fortran.

HDFView

HDFView هي أداة مرئية لتصفح وعرض وإدارة وتحرير HDF4 (تنسيق البيانات الهرمي) وملفات البيانات الثنائية HDF5. تم تصميم ملفات HDF لتحتوي على كميات كبيرة من البيانات الرقمية أو غيرها من البيانات.

تتيح لك الأداة عرض هيكل الملف الهرمي ، وإنشاء وتحرير ملفات ومجموعات ومجموعات بيانات ومحتويات مجموعة بيانات وسمات البيانات الجديدة.

IMacros لمتصفح Firefox

تم تصميم iMacros لأتمتة المهام الأكثر تكرارًا على الويب. باستخدام iMacros ، يمكنك ملء نماذج الويب بسرعة وتذكر كلمات المرور وإنشاء برنامج تنبيه بريد الويب وتنزيل المعلومات من مواقع أخرى وكشط الويب (الحصول على البيانات من مواقع متعددة) والمزيد. يمكنك الاحتفاظ بوحدات الماكرو على جهاز الكمبيوتر الخاص بك لاستخدامك الخاص ، أو مشاركتها مع الآخرين عن طريق تضمينها في صفحتك الرئيسية أو مدونتك أو شبكة الإنترانت الخاصة بالشركة أو أي خدمة ارتباط اجتماعي.

إيماجيج

ImageJ هي أداة معالجة وعرض صور مفتوحة المصدر تعتمد على Java. يمكنه قراءة وكتابة الصور بتنسيقات GIF و JPEG و BMP و PNG و PGM و FITS و ASCII و TIFF. تتضمن إمكانات التحرير تحسين الصورة (على سبيل المثال ، التنعيم ، والحدة ، واكتشاف الحواف ، والتصفية المتوسطة والعتبة) ، ومعالجة الصورة (على سبيل المثال ، القص ، والقياس ، وتغيير الحجم ، والتدوير والانعكاس) وحتى التحليلات (على سبيل المثال ، قياس المساحة ، متوسط ​​السطوع ، الانحراف المعياري ، الحد الأدنى والحد الأقصى للسطوع وقياس الأطوال والزوايا).

مكتبات IMSL العددية

توفر مكتبات IMSL العددية مجموعة متنوعة من الخوارزميات الرياضية والإحصائية المكتوبة بلغات برمجة مختلفة لسهولة دمجها من قبل المبرمجين. توجد مكتبات لـ C و Fortran و Java و .NET و Python (من خلال الأغلفة). هذه الخوارزميات ليست مفيدة فقط لتطبيقات سطح المكتب ، ولكن يمكن أيضًا تطبيقها على الحوسبة عالية الأداء (HPC) والحوسبة عالية الإنتاجية (HTC).

JHOVE2

JHOVE2 هو برنامج مفتوح المصدر لتوصيف الأشياء الرقمية. التوصيف يلتقط المعلومات حول كائن رقمي الذي يصف الخصائص التقنية الهامة لهذا الكائن. على سبيل المثال ، بالنسبة لملف الصورة الرقمية ، يمكن لـ JHOVE2 تحديد تنسيق الملف الدقيق ، بالإضافة إلى الخصائص التقنية البارزة للملف ، مثل الدقة وعمق البت ومساحة اللون. يدعم الحصول على هذه المعلومات تحليل الحفظ الرقمي واتخاذ القرار.

JMP عبارة عن حزمة برامج سطح مكتب تم تصميمها بواسطة SAS لتصور البيانات الديناميكي واستكشاف البيانات الإحصائية. تتضمن JMP منشئ الرسم البياني التفاعلي الذي يدعم مجموعة متنوعة من أنواع الرسوم البيانية ثنائية وثلاثية الأبعاد ، ويتم عرض التقارير الإحصائية جنبًا إلى جنب مع المخططات للتقييم والتفسير. يمكن تحميل البيانات في JMP من تنسيقات ملفات سطح المكتب الشائعة (على سبيل المثال

الرياضيات

Mathematica هي عبارة عن منصة حسابية يستخدمها العلماء والمهندسون وعلماء الرياضيات. لدى Mathematica دعم لحل المعادلات ، والتحليل العددي ، بالإضافة إلى الرسوم البيانية والتصور. تمتلك Mathematica مرشحات استيراد وتصدير للبيانات الجدولية ، والصور ، والفيديو ، والصوت ، و CAD ، ووثائق GIS ، والتنسيقات الطبية الحيوية. هناك دعم لأدوات استخراج البيانات مثل تحليل الكتلة ومحاذاة التسلسل ومطابقة الأنماط بالإضافة إلى دعم التنقيب عن النص.

ماتلاب

MATLAB هي بيئة تحليل بيانات وتصور تفاعلية يمكن استخدامها لأداء عمليات حسابية مكثفة على مجموعات البيانات الكبيرة بكفاءة. توفر MATLAB أيضًا لغة برمجة عالية المستوى تدعم التطوير السريع لنصوص تدفق العمل وتطبيقات واجهة المستخدم الرسومية لأتمتة المهام المتكررة.

ميتامورف

MetaMorph عبارة عن مجموعة تحليل للصور ومنصة التقاط قياسية في الصناعة.

تدعم مجموعة برامج MetaMorph مجموعة واسعة من المجاهر والكاميرات والمراحل الدقيقة المستخدمة في البحث البيولوجي. يوفر البرنامج ميزات اكتساب ومعالجة وتحليل تسمح للباحثين ببناء أنظمة تصوير مخصصة لحل المشكلات التجريبية في التصوير الخلوي.

National Instruments LabVIEW

National Instruments LabVIEW هو تطبيق معقد لإنشاء وإدارة أنظمة القياس والاختبار وجمع البيانات والتحكم الهندسية والعلمية. يتضمن LabVIEW واجهة مستخدم رسومية تسمح بتكوين الأجهزة الخارجية مثل أجهزة الاستشعار الميكانيكية أو الإلكترونية وتشغيلها باستخدام طرق "الإشارة والنقر". يمكن ربط شبكات أجهزة الاستشعار وأجهزة المعالجة ببعضها البعض باستخدام موصلات "سلكية" تشبه المخطط الانسيابي.

NodeXL

NodeXL هو قالب مجاني مفتوح المصدر لبرنامجي Excel 2007 و 2010 يتيح لك الدخول إلى قائمة حافة الشبكة والنقر فوق زر ومشاهدة الرسم البياني للشبكة ، كل ذلك في نافذة Excel.

اوكتاف

GNU Octave هي لغة عالية المستوى ، مخصصة أساسًا للحسابات الرقمية. يوفر واجهة سطر أوامر لحل المشكلات الخطية وغير الخطية عدديًا ، ولإجراء تجارب عددية أخرى باستخدام لغة تتوافق في الغالب مع MATLAB. يمكن استخدامها أيضًا كلغة موجهة للدفعات.

OpenBUGS

OpenBUGS هو برنامج لتشغيل عمليات محاكاة Markov Chain Monte Carlo (MCMC) باتباع نظرية Bayesian الإحصائية. إنها إحدى حزمتي البرامج التي تم إنشاؤها للاستدلال البايزي باستخدام عينات جيبس ​​أو BUGS. تم تسمية OpenBUGS بهذا الاسم لأنه يعمل على أنظمة تشغيل متعددة ، ويمكن استخدام برنامج WinBUGS مع أنظمة تشغيل Windows (انظر أداة WinBUGS في DataONEpedia للحصول على التفاصيل).

أوريانا

أوريانا هي أداة لحساب إحصائيات البيانات الدائرية أو الشعاعية (الزوايا أو الاتجاهات المقاسة بالدرجات ، والوقت من اليوم ، واليوم من الأسبوع ، والشهر من السنة ، وما إلى ذلك). يمكن استخدامه لبيانات الاتجاه (الاتجاه مأخوذ من نقطة) ، لوصف ومقارنة التوزيعات الزمنية للأنواع والنطاقات ، وأنواع أخرى من البيانات التي لا يتم التعامل معها بشكل مباشر في معظم حزم الإحصاءات.

عارض البيانات الشامل

Panoply هو تطبيق متعدد المنصات يرسم المصفوفات الجغرافية الشبكية من مجموعات بيانات netCDF و HDF و GRIB. يدعم العمليات التالية:

مشروع ترايدنت

Project Trident عبارة عن منضدة عمل لسير العمل العلمي تسمح للمستخدمين بتأليف مهام سير العمل بشكل مرئي باستخدام كتالوج للأنشطة الحالية ومهام سير العمل الكاملة. يوفر منضدة سير العمل مكتبة متدرجة تخفي تعقيد أنشطة وخدمات سير العمل المختلفة لسهولة الاستخدام. يدعم Trident: سير عمل التحليل والتصور يؤلف التجارب ، وتشغيلها ، وفهرستها كتدفقات عمل ، بالإضافة إلى التقاط معلومات المصدر.

SAS Enterprise Miner

يعمل SAS Enterprise Miner على تبسيط عملية استخراج البيانات لإنشاء نماذج تنبؤية ووصفية بناءً على تحليل كميات كبيرة من البيانات. يمكن الوصول إلى البيانات من الملفات المحلية أو من اتصالات قاعدة البيانات البعيدة. يستخدم برنامج التنقيب عن البيانات SAS واجهة تفاعلية تعمل بالإشارة والنقر لإنشاء مهام سير العمل ومخططات التحليل ، ثم تنفيذها. يمكن لـ SAS Miner تحويل البيانات ومعالجتها باستخدام المرشحات والتحليلات الإحصائية لاستخراج البيانات المطلوبة من مجموعات البيانات الكبيرة.

بيئة تطوير بايثون العلمية (سبايدر)

سبايدر هي بيئة برمجية مجانية للتصور والحساب العددي وتحليل البيانات. يوفر بيئة تطوير رسومية للغة برمجة Python ويستفيد من العديد من الحزم العلمية والهندسية بما في ذلك Matplotlib و NumPy وغيرها. وهي متوفرة على أنظمة تشغيل Windows و Mac OS X و GNU / Linux.

SpatiaLite

SpatiaLite هو امتداد لقاعدة بيانات SQLite التي تمكنه من دعم البيانات المكانية.

SpatiaLite متوافق مع مواصفات OpenGIS. لديه الميزات التالية:

سبوت فاير

Spotfire هي أداة لتحليل البيانات والتصور. يسمح للمستخدمين بإجراء تحليل مخصص وبناء تطبيقات تحليلية مخصصة. وهو يدعم عمليات استيراد البيانات من جداول البيانات وقواعد البيانات العلائقية ، بالإضافة إلى البيانات في الوقت الفعلي والبيانات التي تعتمد على الأحداث. إلى جانب التصور ، يتضمن Spotfire أيضًا وظائف إحصائية.

عامل منجم سبوتفاير

Spotfire Miner هو برنامج لاستخراج البيانات من مجموعات البيانات الكبيرة. يتم بيعها تجاريا من قبل شركة تيبكو.

يمكن للمستخدمين الاتصال بمجموعات البيانات البعيدة أو المحلية ، وتطبيق المرشحات الإحصائية والمنهجية ، وتنظيف البيانات وتحويلها ، وأخيراً تطبيق نموذج لإنتاج البيانات الملغومة المطلوبة. تشمل النماذج الإحصائية التجميع ، وتحليل الانحدار ، وتحليل المكونات الرئيسية. يمكن بعد ذلك استخدام النماذج المستندة إلى البيانات التاريخية للتنبؤ بالنتائج المستقبلية بناءً على البيانات الملغومة حديثًا.

SPSS عبارة عن حزمة برامج إحصائية لسطح المكتب تتمحور حول النمذجة والإحصاءات. يمكن لـ SPSS الوصول إلى البيانات من العديد من مجموعات البيانات الخاصة والمفتوحة المصدر ولديها رسوم بيانية جيدة وقدرات نمذجة إحصائية جيدة جدًا. تتمثل إحدى نقاط الضعف (حتى الإصدار 17) في جودة عرض الرسوم البيانية. تقوم الحزم الأخرى بعمل أفضل بكثير في عرض البيانات.

SPSS عاموس

IBM SPSS Amos هي أداة تستخدم لنمذجة المعادلات الهيكلية. يتميز بأدوات الرسم بالسحب والإفلات وينتج رسومات للنماذج النهائية للعرض التقديمي.

يستخدم عاموس الأساليب القياسية - بما في ذلك الانحدار وتحليل العوامل والارتباط وتحليل التباين. يمكن استخدامه لإنشاء نماذج لاختبار الفرضيات وتأكيد العلاقات بين المتغيرات.

تابلوه

يدعم Tableau تحليل البيانات الجدولية من جداول البيانات وقواعد البيانات العلائقية. توفر الأداة واجهة مرئية تسمح للمستخدمين باستيراد البيانات واستكشاف البيانات بشكل تفاعلي من خلال التصورات. يتم إنشاء هذه المرئيات من خلال واجهة مستخدم رسومية تتيح للمستخدمين إنشاء استعلامات عن طريق سحب أسماء السمات وإسقاطها من الجداول وجداول البيانات.

تتوفر مكتبة فئة Tika java من خلال مجموعة Apache. وهو يدعم اكتشاف نوع الوسائط بناءً على توقيعات نوع الملف واستخراج البيانات الوصفية وتحليل النص واستخراجه.

تنسيقات المستندات المدعومة:

TMI-Orion QLEVER

TMI-Orion هي شركة مصنعة لأجهزة استشعار البيانات ومسجلات البيانات. لديهم برنامج مخصص يسمى QLEVER لتكوين واختبار وتسجيل البيانات وإجراء الإحصائيات الأساسية على تدفقات البيانات الناتجة عن أجهزة الاستشعار. يمكن للبرنامج إدارة المستشعرات (في بعض الحالات عن بُعد) وتقييم عمر بطارية المستشعر والأداء الفني.

UCI Net

UCINET عبارة عن حزمة شاملة لتحليل بيانات الشبكات الاجتماعية بالإضافة إلى البيانات الأخرى ذات الوضع الواحد والثاني. تشمل طرق تحليل الشبكة الاجتماعية مقاييس المركزية ، وتحديد المجموعة الفرعية ، وتحليل الدور ، ونظرية الرسم البياني الأولية ، والتحليل الإحصائي القائم على التقليب. بالإضافة إلى ذلك ، تحتوي الحزمة على إجراءات قوية لتحليل المصفوفة ، مثل جبر المصفوفة والإحصاءات متعددة المتغيرات.

متكامل مع UCINET هو برنامج NetDraw لرسم مخططات الشبكات الاجتماعية.

WEKA هي أداة للتنقيب عن البيانات. إنها مجموعة من خوارزميات التعلم الآلي القياسية التي يتم تنظيمها وتقديمها للمستخدم كمنضدة عمل.يمكن تطبيق الخوارزميات مباشرة على مجموعة بيانات من طاولة العمل أو استدعائها من كود Java. يمكن إضافة المصنفات والفلاتر الجديدة وما إلى ذلك من خلال واجهة المستخدم الرسومية.

WEKA مكتوب بلغة Java ويعمل على منصات تدعم Java. وهي متوفرة بموجب رخصة جنو العمومية (GPL).

WinBUGS

WinBUGS هو برنامج لتشغيل عمليات محاكاة Markov Chain Monte Carlo (MCMC) باتباع نظرية Bayesian الإحصائية. إنها إحدى حزمتي البرامج التي تم إنشاؤها للاستدلال البايزي باستخدام عينات جيبس ​​أو BUGS. سميت WinBUGS بهذا الاسم لأنها تعمل على أنظمة تشغيل Windows ، ويمكن استخدام برنامج OpenBUGS على أنظمة تشغيل أخرى (انظر إدخال OpenBUGS).


2 إجابات 2

استخدم rasterToPoints - على سبيل المثال:

سينتهي بك الأمر بـ 86 مليون صف ، على الرغم من عدم إرجاع الخلايا التي تحتوي على NA.

شكرا جزيلا! كمتابعة - لاستخراج جزء فقط من الخريطة (مثل المضلع) ، قمت بإنشاء مضلع باستخدام polyTara & lt- SpatialPolygons (.). كيف يمكنني تطبيق هذا قبل استخراج النقاط؟

يمكنك استخدام raster :: extract () لاسترداد القيم النقطية من أي كائن * مكاني. على سبيل المثال ، سيؤدي استخراج (your_raster، your_polgon) إلى إرجاع إطار بيانات لقيم البكسل. من هنا ، من السهل إنشاء إحصائيات موجزة (مثل تلك التي قد تحصل عليها من ArcGIS & # 8217s Zonal Statistics as Table).

كيف يمكنك استخراج قيمة سمة من نقطية من نقطة (خطوط عرض / طول)؟

مثال البيانات: البيانات النقطية مع جدول البيانات - قيمة الفائدة هي درجة الحرارة

لدي قائمة بالنقاط ذات قيم خطوط الطول / العرض ، والتي أريد استخراج قيم درجة الحرارة لها. تحتوي البيانات النقطية على قيم سمات متعددة ، أما درجة الحرارة فهي ليست قيمة "البكسل"

هذا حقا لا يجيب على السؤال. إذا كان لديك سؤال مختلف ، فيمكنك طرحه بالنقر فوق "طرح سؤال". يمكنك أيضًا إضافة مكافأة لجذب المزيد من الانتباه إلى هذا السؤال بمجرد حصولك على سمعة كافية. - من تعليق

إذا كان لديك سؤال جديد ، فيرجى طرحه بالنقر فوق الزر "طرح سؤال". قم بتضمين ارتباط لهذا السؤال إذا كان يساعد في توفير السياق. - من تعليق


الأهداف

يتعلم الطلاب تقنيات نظم المعلومات الجغرافية / الاستشعار عن بعد في هذه المهمة
تحويل ملفات .las الخام إلى ملفات متعددة النقاط ، مما يؤدي إلى إنشاء تضاريس للرجوع الأول والأخير ، وهو تحويل التضاريس إلى بيانات نقطية للارتفاع وتنزيل البيانات من وحدة GPS وإنشاء ملف شكل يرسم خطًا في اتجاه معين لمسافة محددة تنتقل إلى إحداثيات XY محددة وإضافة نقطة لتحرير ملف شكل ، بما في ذلك إضافة نقطة بقيم إحداثيات ، وحذف سجل ، وإضافة حقول (وتحديد نوع الحقل والدقة والمقياس) ، وحساب الأشكال الهندسية ، وإجراء العمليات الحسابية باستخدام Field Calculator لاستخراج القيم إلى النقاط باستخدام الإقحام إلى إنشاء نقطية من مجموعة من النقاط وعرضها في ArcScene باستخدام Model Builder.

أهداف المحتوى / المفاهيم الأخرى لهذا النشاط

أهداف مهارات التفكير العليا لهذا النشاط
تقييم جودة جميع البيانات وتقييم صحة توصية تقنيات الاستيفاء المختلفة للمكان الذي يجب حفر البئر التالية فيه لتحديد منسوب المياه أسفل الحرم الجامعي بشكل أكثر دقة.


استخراج قيم متعددة من الجدول في ArcGIS ModelBuilder؟ - نظم المعلومات الجغرافية

تحليل المتجهات 2: التراكب الطوبولوجي

تكمن عمليات التراكب الطوبولوجي في قلب صندوق أدوات ArcInfo الأصلي. في الواقع ، التراكب الطوبولوجي هو ما تم تصميم ArcInfo وأسلافه ، مثل Odyssey ، للقيام به في الأصل. يسمح لنا التراكب الطوبولوجي بطرح أسئلة مثل & quot أين توجد مواقع في تربة غير مستقرة ، ومع منحدر في حدود 25-40٪ ، والتي تم حصادها خلال الخمسة عشر عامًا الماضية ، وعلى المواقع منخفضة الإنتاجية ، و ما هي النسبة المئوية للمساحة بالنسبة لكامل مستجمعات المياه؟ & quot

التراكب الطوبولوجي هو عملية يتم من خلالها دمج الطبقات المنفصلة التي تشترك في نفس المدى المكاني بطرق مختلفة. طور مهندس المناظر الطبيعية Ian McHarg طريقة تمثيلية ، تمهيدًا للتنفيذ الرقمي داخل GIS. كان نهجه هو أخذ الخرائط التي تم تتبعها على صفائح من الأسيتات أو المايلار ، ووضع إحداها فوق الأخرى ، ثم لصق المكدس بالنافذة أو فوق طاولة خفيفة. كانت مناطق التداخل أغمق من المناطق التي لم تتداخل. يعمل نظام المعلومات الجغرافية بطريقة مماثلة ، باستثناء أن المدخلات والمخرجات أكثر دقة ودقة وأسهل في الإدارة.

السبب في أن هذه العمليات تُعرف باسم & quottopological & quot overlay لأن عملية التراكب تتضمن إعادة بناء العلاقات الطوبولوجية التي تجعل الطبقات تعمل. في GIS ، حيث تتقاطع الخطوط بين طبقة وأخرى ، يتم إنشاء الرؤوس. عندما تشترك الخطوط أو النقاط في نفس المساحة مثل المضلعات ، فإن الخطوط والنقاط ترث سمات المضلعات المقابلة مكانيًا. يتم تشكيل طبقات جديدة يمكن أن تأخذ السمات أو تنسق خصائص مجموعات البيانات المدخلة. يتم تمرير بعض أو كل الميزات من مجموعات بيانات الإدخال إلى الإخراج. يتم تمرير قيم السمات من مجموعتي بيانات الإدخال إلى مجموعة بيانات الإخراج.

يختلف التراكب الطوبولوجي عن حدد حسب الطبقة العمليات الموضحة في الدرس الأخير. في عمليات Select By Layer ، يبحث ArcGIS فقط في التداخل المكاني لمعالم طبقتين ، ويُنشئ مجموعة محددة جديدة في إحدى تلك الطبقات ، ولا يتم إنتاج مجموعات بيانات جديدة ولا يتم إجراء تحديثات للسمات. في تراكب طوبولوجي، يتم إنشاء طبقات جديدة يتم تغيير هندستها و / أو بنية السمات. يسمح لنا التراكب الطوبولوجي بالعثور على ميزات متداخلة ، بالإضافة إلى تحديد مساحة التداخل أو طوله.

يعد التخزين المؤقت موضوعًا منفصلاً عن التراكب الطوبولوجي ، ولكنه يتم تجميعه في كثير من الأحيان مع التراكب لأنه في كثير من الأحيان يتم استخدام نتائج التخزين المؤقت في تحليلات التراكب اللاحقة لتحديد خصائص المناظر الطبيعية داخل منطقة عازلة.

في ArcGIS ، يمكن الوصول إلى عمليات المعالجة الجغرافية ، بما في ذلك عمليات التراكب الطوبولوجي ، من خلال ArcToolbox.

يوجد ArcToolbox كنافذة قابلة للإرساء داخل أي من تطبيقات ArcGIS Desktop الأخرى (ArcMap و ArcCatalog و ArcGlobe و ArcScene). يتم ترتيب طرق التراكب والقرب لفئات المعالم (ملفات الأشكال وقواعد البيانات الجغرافية) داخل أدوات التحليل شجرة داخل ArcToolbox:

تتوفر مجموعة مماثلة من العمليات لبيانات تغطية ArcInfo:

سيتم استخدام طبقات الكارتون التالية لتوضيح وظائف كل عملية تراكب طوبولوجي مختلفة. طبقات العينة حلقة و صندوق. نلاحظ أن حلقة تحتوي الطبقة على سمة رقمية ، بينما يكون ملف صندوق تحتوي الطبقة على سمة نصية. عندما تكون القيمة الرقمية غير معرَّفة ، فإن ArcGIS سيضع 0 حيث تكون قيمة السلسلة غير محددة ، ولن تكون هناك قيمة على الإطلاق.

ينتج عن كل عملية من عمليات التراكب مجموعات بيانات جديدة. بالنسبة لمجموعات بيانات الإخراج ، يتم دائمًا تعديل هندسة المعالم تقريبًا. في الحالات التي يتم فيها تعديل الهندسة ، يمكن تحديث سمات الهندسة (على سبيل المثال ، المنطقة ، المحيط ، الطول). إعادة حساب الهندسة ، بالإضافة إلى ضم سمات المستخدم ، هو ما يعطي القوة لعمليات التراكب.

أنواع التراكب الطوبولوجي

يُستخدم الإلحاق لدمج مجموعات بيانات متعددة معًا تمثل نفس البيانات الموضوعية ، ولكنها متجاورة. فيما يلي مثال يوضح ملفي أشكال فرديين لأقسام مسح الأراضي العامة. في الصورة أدناه ، يمكنك رؤية مجموعتي البيانات (المقاطع_الشمالية و المقاطع الجنوبية لاحظ أن مجموعات البيانات الكاملة محجوبة جزئيًا بواسطة مخطط الغابة).

بعد الإلحاق ، توجد مجموعة بيانات واحدة (أقسام).

عندما تكون طبقتان اتحاد، يتم دمج جميع الميزات من كلتا طبقات الإدخال. يتم تضمين جميع عناصر البيانات الجدولية من طبقة الإدخال وطبقة التراكب في الإخراج. لا يهم ترتيب المدخلات.

أينما ترى تقاطعًا بين الخطوط في الإخراج ، فهناك عقدة. كل منطقة مغلقة تراها هي مضلع منفصل بسجلها الخاص.

لاحظ كيف تكون المناطق الخالية من كل طبقة من طبقات الإدخال إما خالية (لعنصر حرف) أو 0 (لعنصر رقمي). في الإخراج ، خارج صندوق، هناك قيم فارغة لحقل النص. خارج حلقة، هناك قيم فارغة للحقل الرقمي. لاحظ أيضًا كيف تم الاحتفاظ بجميع ميزات الإدخال ، ولكن تم إنشاء مضلعات جديدة عند تقاطعات مضلعات الإدخال. يتم دمج السمات عند وجود مناطق تداخل. في حالة عدم وجود تداخل ، يتم الاحتفاظ بسمات الإدخال فقط.

فيما يلي مثال لاتحاد بعض مجموعات الغابات ومضلعات التربة.

لاحظ كيف تظل جميع الميزات من مجموعتي البيانات الأصليين موجودة في مجموعة بيانات الإخراج. حيثما توجد مناطق تداخل ، يتم إنشاء مضلعات جديدة.

يُظهر تعريف أحد المضلعات مجموعة بيانات الإخراج لتحتوي على سمات من على حد سواء إدخال مجموعات البيانات (سمات التربة باللون الأخضر ، وسمات الوقوف باللون الأحمر).

ال هوية تحافظ الوظيفة على جميع ميزات الطبقة المدخلة ، ولكنها تأخذ معالم من طبقة الهوية التي تتداخل مع طبقة الإدخال. تعتمد خصائص إحداثيات طبقة المخرجات على أي من المدخلات هي طبقة الهوية. هذا يشبه إلى حد كبير وظيفة الاتحاد ، ولكنه يتضمن مقطعًا لحد المضلع لطبقة الإدخال.

طبقة الإدخال

طبقة الهوية

طبقة الإخراج

طبقة الإدخال

طبقة الهوية

طبقة الإخراج

لاحظ كيف أن ترتيب الأسبقية مهم في دالة الهوية. في الأماكن التي يوجد بها تداخل ، تم ضم جميع السمات. في حالة عدم وجود تداخل ، يتم الاحتفاظ بسمات الإدخال فقط.

فيما يلي مثال على هوية تم إجراؤها على National Wetland Inventory (NWI) كطبقة إدخال مع حوامل كطبقة تعريف. طبقة المخرجات لها نفس المدى المكاني مثل طبقة NWI الأصلية ، ولكن إذا نظرت بعناية ، فسترى أن هناك حدودًا إضافية للمضلعات ، تتشكل من تداخل مضلعات الحامل على مضلعات NWI.

يتم أيضًا ضم السمات في هوية ، كما هو موضح في نتائج هذا التعريف:

ال تتقاطع العملية مماثلة لأوامر التراكب الأخرى ، ولكن يتم تضمين المناطق المشتركة بين المدخلات فقط في الإخراج. على عكس الهوية ، لا يهم ترتيب طبقة الإدخال وطبقة التقاطع في التقاطع.

المناطق الوحيدة الموجودة في المخرجات هي المناطق الموجودة في كلا المدخلين (على غرار تقاطع المجموعات الرياضية). بالنسبة لهذه المناطق ، يتم الاحتفاظ بجميع السمات من كلا المدخلات.

فيما يلي نفس مجموعات بيانات الإدخال كما كانت من قبل ، مع إجراء تقاطع على الحوامل وطبقات NWI. تقتصر مجموعة بيانات الإخراج (باللون الوردي) مكانيًا على المنطقة المشتركة بين طبقات الإدخال. اللون الأزرق الفاتح في الخلفية هو مجموعة بيانات NWI الأصلية ، ولكن يمكنك رؤية مجموعة البيانات الوردية مقطوعة بواسطة حافة حوامل الغابة.

تحتوي البيانات المتقاطعة أيضًا على سمات من مجموعتي بيانات الإدخال.

تحديث يستبدل الأجزاء المتداخلة من طبقة الإدخال بمعالم من طبقة التحديث.

كما هو الحال مع هوية، ترتيب الأسبقية مهم مع تحديث. فقط السمات الموجودة في طبقة الإدخال موجودة في طبقة المخرجات. في حالة عدم وجود قيم لحقول معينة ، ستكون القيم خالية (القيم الخالية فارغة لحقول السلسلة ، و 0 للحقول الرقمية).

هنا ، تم تحديث بيانات التربة بواسطة بيانات البحيرات. تحتوي الطبقة الجديدة على مضلعات جديدة من الحوامل التي تمت إضافتها والكتابة فوق أي مضلعات للتربة موجودة. توضح هذه الصورة بيانات التربة الأصلية.

ومحدثه مع البحيرات:

هنا يتم تحديد أحد المضلعات الجديدة. في الواقع ، هناك نوعان من المضلعات بسبب تداخل مضلعات التحديث على التربة الأصلية.

مقطع يقطع أجزاء من طبقة الإدخال بالشكل الخارجي لطبقة المقطع. يتم الاحتفاظ بالسمات من طبقة الإدخال فقط.

طبقة الإدخال

طبقة القصاصة

طبقة الإخراج

طبقة الإدخال

طبقة القصاصة

طبقة الإخراج

مقطعترتيب الأسبقية مهم أيضًا ، كما ترى من مجموعتين من الصور المختلفة أعلاه.

فيما يلي مجموعة مضلعات جرد المجاري التي تم إنشاؤها مسبقًا لمنطقة Pack Forest ، والتي تم قصها بواسطة الحدود الإدارية. تبقى سمات منطقة المخزون الأصلية فقط.

يمكنك أن ترى أنه داخل المنطقة الإدارية ، تكون الحدود الداخلية هي نفسها مجموعة البيانات الأصلية ، لكن مجموعة البيانات الجديدة محدودة مكانيًا بالحدود الإدارية.

كان من الممكن أن يؤدي تقاطع الطرق والحد إلى إنشاء مجموعة بيانات لها نفس الخصائص المكانية مثل هذا الناتج ، ولكن من الممكن أيضًا وضع سمات الحدود في جدول سمات الإخراج.

يزيل المحو أجزاء من طبقة طبقة الإدخال بناءً على الخصائص المكانية لطبقة المحو. يتم تمرير السمات من طبقة الإدخال إلى طبقة الإخراج ، ولا يتم نقل أي من سمات طبقة المحو إلى الإخراج. كما هو الحال مع بعض عمليات التراكب الطوبولوجي الأخرى ، فإن ترتيب طبقة الإدخال والمحو مهمان.

طبقة الإدخال

محو الطبقة

طبقة الإخراج

طبقة الإدخال

محو الطبقة

طبقة الإخراج

ها هي طبقة التربة ممحاة باستخدام البحيرات كممحاة. يتم محو أي مناطق في طبقة التربة تتداخل مع مضلعات البحيرات. يحتوي جدول سمات الإخراج على نفس بنية جدول سمات الإدخال (التربة).

قيم هندسة السمات

أحد الأسباب الرئيسية لإجراء أي نوع من التراكب الطوبولوجي هو الحصول على قياسات كمية للتداخل بين الطبقات. يعد طول معالم الخط ومساحة ومحيط معالم المضلع خاصية متأصلة في المعالم ، ولكن هذه القياسات لا تكون موجودة دائمًا في جداول البيانات ، وفي بعض الحالات فقط يتم تحديث القياسات الهندسية أثناء معالجة التراكب. هنا ملخص:


ملحوظة: هذا المنشور هو تحديث 2013 لمنشوري السابق على تعلم نظم المعلومات الجغرافية والحصول على وظيفة نظم المعلومات الجغرافية - بعض النصائح والحيل التي تم نشرها في الأصل في عام 2009.

في عام 2009 ، كتبت منشورًا عن كيفية الحصول على وظيفة نظم المعلومات الجغرافية التي تركز على المسارات لتعلم نظم المعلومات الجغرافية ، والمهارات الأساسية التي يجب على كل محلل نظم المعلومات الجغرافية معرفتها وطرق زيادة مسارات التعلم التقليدية لتميزك عن غيرك من المرشحين للوظائف. على الرغم من أن هذا المنشور مضى عليه أكثر من 3 سنوات ، إلا أنه لا يزال يقرأه الأشخاص المهتمون بالموضوع وما زلت أتلقى التعليقات.

لقد أعدت مؤخرًا قراءة المنشور وقررت أن التحديث كان جيدًا. لقد تغيرت البرامج وتحتاج المهارات القديمة إلى استبدالها بمهارات جديدة لمواكبة تطور صناعة برمجيات نظم المعلومات الجغرافية. للإيجاز ، ركزت & # 8217 على هذه المشاركة الجديدة على التغييرات والمراجعات للتوصيات التي قدمتها في رسالتي السابقة. أضفت أيضًا روابط إلى الموارد وتناولت بالتفصيل بعض الموضوعات التي قدمتها في المرة السابقة. لذا ، يرجى التأكد من قراءة هذا المنشور قبل هذا المنشور حتى يكون لديك الصورة الكاملة لما تم تغييره.

من أجل البساطة ، ركزت & # 8217 على المهارات اللازمة لوظيفة محلل / متخصص نظم المعلومات الجغرافية. يمتلك مطورو GIS ومدير قاعدة بيانات GIS مجموعة مختلفة من المهارات التي قد تتداخل مع بعض هذه المهارات ، ولكنها تتضمن أيضًا مهارات محددة ليست جزءًا من مجموعة الأدوات اليومية لمحللي GIS وغير المدرجة هنا.

مسارات التعلم

هناك عدة أسباب وراء رغبتك في تعلم نظم المعلومات الجغرافية. قد تكون موظفًا في مجال غير نظم المعلومات الجغرافية وتتعلم نظم المعلومات الجغرافية كجزء من وظيفتك. ربما تقوم بتبديل مهنتك أو إعادة تدريب نفسك للعثور على وظيفة جديدة في صناعة الجغرافيا المكانية المتنامية. ربما كنت طالبًا يرغب في تعلم نظم المعلومات الجغرافية لدعم مجال دراستك ، أو أنك طالب متخصص في نظم المعلومات الجغرافية أو الجغرافيا مع تطلعات الحصول على وظيفة في نظم المعلومات الجغرافية.

اعتمادًا على هدفك ، هناك مسارات مختلفة للبدء في تعلم نظم المعلومات الجغرافية:

نظم المعلومات الجغرافية الرسمية / درجة الجغرافيا

إذا كنت ترغب في الحصول على درجة البكالوريوس أو الماجستير في تخصص نظم المعلومات الجغرافية أو الجغرافيا ، فيجب أن تبدأ في كلية مجتمع أو جامعة حيث يمكنك الالتحاق بدورات معتمدة في نظم المعلومات الجغرافية تنطبق على متطلبات تخصصك.

التعليم المهني المستمر

إذا كنت تبحث عن مهارات نظم المعلومات الجغرافية لوظيفتك الحالية أو ترغب في إعادة تجهيز نفسك للتوظيف الفوري ، فقد تحصل على خدمة أفضل من خلال العثور على برنامج شهادة احترافي في نظم المعلومات الجغرافية في كلية مجتمع محلي أو ملحق جامعي. عادة ما تكون هذه البرامج غير معتمدة ، مما يعني أنه من غير المحتمل أن يتم احتسابها في تلبية متطلبات الحصول على درجة رسمية في نظم المعلومات الجغرافية ، ولكنها طريقة رائعة لتعلم نظم المعلومات الجغرافية بسرعة واكتساب مهارات قابلة للتوظيف لمساعدتك على دخول السوق. بالإضافة إلى ذلك ، يتم تدريس العديد من برامج الشهادات المهنية من قبل محترفين يعملون في هذا المجال ، لذلك ستحصل على معلومات مباشرة حول كيفية استخدام نظم المعلومات الجغرافية من قبل الأشخاص الذين يستخدمونها يوميًا. هذه البرامج هي أيضًا أماكن رائعة للتواصل مع أرباب العمل المحتملين في المستقبل.

إذا كان مسار الشهادة المهنية هو ما تحتاجه ، فتحقق من كليات وجامعات المجتمع المحلي في منطقتك لمعرفة ما إذا كان لديهم برنامج شهادة تعليم احترافي أو موسع أو مستمر في نظم المعلومات الجغرافية أو العلوم الجغرافية المكانية. إذا لم تكن هناك مدرسة في منطقتك تقدم شهادات أو درجات في نظم المعلومات الجغرافية ، فهناك عدد من البرامج الممتازة عبر الإنترنت المتاحة اليوم ، بما في ذلك:

هذه القائمة ليست كاملة بأي حال من الأحوال ، لذا إذا كنت تعرف برامج أخرى غير مدرجة ، فيرجى إضافتها كتعليق على هذا المنشور.

تحتفظ كل من URISA و ESRI بقائمة من الجامعات أيضًا ، لذلك قد ترغب أيضًا في التحقق من مواقع الويب الخاصة بهم أيضًا:

هناك أيضًا عدد من الدورات القصيرة المجانية وورش العمل الفنية المتاحة على موقع ESRI Virtual Campus.

تعرف على ما يريده أصحاب العمل

لا تثق بالضرورة في أن شهادة GIS أو برنامج الدرجة سيعلمك جميع المهارات التي تحتاج إلى معرفتها للحصول على وظيفة في GIS لقد أجريت مقابلات مع عدد كبير جدًا من المرشحين الذين تخرجوا من برنامج شهادة GIS لكنهم يعرفون فقط كيفية تشغيل ArcGIS. على الرغم من أن الكفاءة في ArcGIS هي مجموعة مهارات مهمة يجب أن تمتلكها كمحلل نظم المعلومات الجغرافية ، إلا أن هناك عددًا من المهارات / التقنيات الأساسية واللينة الأخرى التي يجب أن تعرفها لتكون مرشحًا جيدًا لوظيفة.

كحد أدنى ، يجب أن تكون بارعًا في استخدام برنامج ESRI ArcGIS (وملحقات مثل محلل مكاني وثلاثي الأبعاد) ويجب أن تكون قادرًا على إنتاج مخرجات مبهجة لرسم الخرائط. ومع ذلك ، من المتوقع أيضًا أن يعرف محللو وفنيو نظم المعلومات الجغرافية ما يلي:

  • إنتاج رسم الخرائط
  • إنشاء البيانات
  • تصميم وإنشاء قاعدة البيانات الجغرافية
  • تحرير البيانات
  • البنية
  • التوقعات
  • تحليل نظم المعلومات الجغرافية
  • المعالجة الجغرافية
  • التقاط بيانات GPS
  • تفسير التصوير الجوي
  • الإسناد الجغرافي
  • تحويل البيانات
  • تنفيذ البيانات الوصفية

يتوقع أرباب العمل أيضًا أن يكون لدى محللي نظم المعلومات الجغرافية خبرة في:

  • نظام إدارة قاعدة بيانات واحد على الأقل غير مكاني (Microsoft Access و Oracle و MySQL وما إلى ذلك)
  • Microsoft Office (Excel و Word و Outlook و PowerPoint و Access).

أخيرًا ، تتطلب معظم إعلانات الوظائف أيضًا أن يكون محللو GIS حاصلين على درجة البكالوريوس في الجغرافيا أو نظم المعلومات الجغرافية (GIS) أو رسم الخرائط أو علوم الكمبيوتر أو أي تخصص ذي صلة. (يمكن أن تكون التخصصات ذات الصلة هي هندسة المناظر الطبيعية والتخطيط الحضري والجيولوجيا وما إلى ذلك.). في كثير من الحالات ، سيقبل أصحاب العمل شهادة في مجال غير ذي صلة مع دليل على إكمال برنامج شهادة GIS أو تجربة يمكن إثباتها مع GIS.بينما تتطلب وظائف فني نظم المعلومات الجغرافية غالبًا سنوات قليلة جدًا من الخبرة ، فمن المعتاد أن ترى أصحاب العمل يحتاجون إلى 3 سنوات على الأقل من الخبرة في نظم المعلومات الجغرافية لمحللي نظم المعلومات الجغرافية. ومع ذلك ، لا تدع هذه الأرقام تثنيك عن التقدم لشغل أي منصب. في معظم الحالات ، تكون هذه المؤهلات "مرغوبة" للمرشح "المثالي". المرشحون "المثاليون" نادرون ، لذلك يقبل أصحاب العمل كثيرًا المرشحين الأقل تأهيلًا ، وهنا يمكنك التألق بخبراتك ومهاراتك.

بالإضافة إلى الحد الأدنى من مجموعات المهارات ، يتم سرد المهارات التالية بشكل شائع في الإعلانات الخاصة بمناصب محلل نظم المعلومات الجغرافية:

  • SQL
  • البرمجة / البرمجة النصية باستخدام بايثون
  • ArcGIS Server / SDE
  • نموذج بناء
  • تريمبل باثفايندر
  • ArcGIS Mobile
  • أوتوكاد وتكامل نظم المعلومات الجغرافية و CAD
  • أدوبي فوتوشوب
  • أدوبي أكروبات برو
  • Adobe Illustrator
  • خبرة في تطوير تطبيقات الويب (Net أو Java أو Python أو PHP أو HTML أو JavaScript أو Flex)

أخيرًا ، لا يتعلق الأمر بالقدرات التقنية فقط ، حيث يبحث أصحاب العمل أيضًا عن أفراد نظم المعلومات الجغرافية الذين:

  • يمكنه تعلم التقنيات الجديدة والمهارات والأنظمة الأساسية / الإضافات البرمجية بسرعة مع الحد الأدنى من الإشراف
  • يجيدون حل المشكلات واستكشاف الأخطاء وإصلاحها
  • لديهم دوافع ذاتية ونشطة
  • يمكن تعدد المهام وتحقيق التوازن بين الأولويات مع عبء العمل
  • يمكن أن تكون مرنة في العمل على المشاريع / الأحداث غير المخطط لها
  • يمكن أن يعمل بشكل مستقل ويعمل بشكل جيد في بيئة الفريق
  • قادرون على توصيل مفاهيم نظم المعلومات الجغرافية المعقدة للمستخدمين المبتدئين.
  • أظهر الاهتمام بالتفاصيل والعملية
  • إظهار المبادرة في العمل بكفاءة والبحث عن عمل
  • اتباع نهج يركز على العميل / القيمة المضافة
  • لديهم مهارات اتصال شفهية وكتابية قوية

خبرة المجال ، لا تكن مجرد فارس في نظم المعلومات الجغرافية ، تعرف على كيفية تطبيقها على بعض الحكومات أو الصناعة مثل التحليل البيئي ، والمرافق ، والتخطيط والتنمية الحضرية ، والتسويق ، وما إلى ذلك. مهما كانت اهتماماتك ، تعلم كيفية استخدام نظم المعلومات الجغرافية في منطقتك . سيجعلك شخصًا أكثر قيمة وإثارة للاهتمام من مجرد شخص يعرف كيفية استخدام ArcGIS.

اقرأ مجلات ومواقع GIS

تعد بوابات ومجلات مواقع نظم المعلومات الجغرافية (GIS) طريقة رائعة للتعرف على الاتجاه الذي تتحرك فيه الصناعة ، والموضوعات الساخنة وكيفية قيام الأشخاص والمنظمات بتطبيق نظم المعلومات الجغرافية. كما أنها مفيدة لمواكبة آخر الأخبار المتعلقة بنظم المعلومات الجغرافية. لذا ، استكشف بعض المجلات والمواقع المتوفرة. تتضمن بعض المصادر الأكثر شهرة ما يلي:

حضور اجتماعات مجموعة المستخدمين

لقد قلت هذا في رسالتي السابقة ، لكنني سأقولها مرة أخرى لأنها مهمة: تقريبًا كل شخص أعرفه يعمل في نظم المعلومات الجغرافية حصل على وظيفته الأولى أو اللاحقة نتيجة للتواصل في مجموعة مستخدمين محلية أو إقليمية. ابحث عن واحد واحضرهم كثيرًا. اطرح أسئلة وتحدث إلى الناس - هؤلاء هم (أو سيكونون) زملائك وأقرانك.

للبدء ، تحقق من مواقع الويب التالية لمعرفة ما إذا كانت هناك مجموعة مستخدمين في منطقتك:

إذا لم تكن هناك & # 8217t مجموعة مستخدمين محلية أو إقليمية في منطقتك ، فابدأ واحدة. ربما يكون هناك الكثير من العاملين في نظم المعلومات الجغرافية الذين يعملون في منطقتك ويرغبون في حضور مجموعة مستخدمين. هذه طريقة رائعة لإجراء اتصالات في صناعة نظم المعلومات الجغرافية بسرعة كبيرة. يمكن للعديد من الوكالات الاستفادة من غرف الاجتماعات مجانًا. سيغتنم معظم البائعين المحليين فرصة تسويق منتجاتهم في غرفة مليئة بالعملاء المحتملين ، لذلك يمكن للبائعين المساعدة في ملء فتحات العروض التقديمية ونشر الكلمة. بقليل من اللباقة ، يمكنك عادةً الحصول على بائع لرعاية الوجبات الخفيفة إذا كان يقدمها.

احصل على تجربة من العالم الحقيقي وقم ببناء محفظة

ذكرت في رسالتي السابقة الحاجة إلى اكتساب خبرة في العالم الحقيقي لتمييزك عن غيرك من المرشحين للوظائف الذين لديهم خبرة في العمل في نظام المعلومات الجغرافية فقط. اليوم ، تقوم المزيد من المدارس بدمج نظم المعلومات الجغرافية في مناهجها ، كما أن المزيد من المدارس تقدم دورات وشهادات نظم المعلومات الجغرافية أكثر مما كانت تفعل قبل بضع سنوات. هذا يعني أنه من المحتمل أن يكون هناك المزيد من الأشخاص الذين يتنافسون معك على وظيفة نظم المعلومات الجغرافية ، لذا فإن ما يميزك عن الآخرين هو تجربتك.

لذا احصل على تجربة واقعية ، واقرأ ما كتبته في رسالتي السابقة حيث إنه من المهم تطوير مهارات العالم الحقيقي التي ستميزك عن منافسيك.

بالإضافة إلى ذلك ، قم ببناء محفظة من عملك يمكنك أن تأخذها إلى المقابلات. تتكون محفظتي الأولى من نسخ مطبوعة 8.5 × 11 من الخرائط التي قمت بإنشائها ، والنصوص التي كتبتها ، والتقارير أو المستندات التي قمت بتطويرها. لقد وضعت هذه العناصر في أكمام بلاستيكية شفافة مصنوعة لمجلد 3 ثقوب وأحضرت الموثق معي لإجراء المقابلات. لاحقًا ، قمت بعمل ملفات PDF لخرائطي وتقاريري ونصوصي وقمت بنسخها على أقراص مضغوطة لأعطيها لأصحاب العمل المحتملين عند إجراء المقابلات - لكنني ما زلت أحضر ملفي حتى أتمكن من إظهار هذه العناصر أثناء المقابلة.

لذا قم بإنشاء محفظة واجلبها معك لإجراء المقابلات. إنه يوفر طريقة رائعة لإظهار خبرتك في مناقشة وإظهار مهاراتك في رسم الخرائط. سوف يميزك هذا عن معظم المسابقات التي ستظهر فقط في مقابلة مع نسخة من سيرتهم الذاتية.

المهارات المساعدة

في هذه الأيام ، يمكن لأي شخص يتقدم لوظيفة GIS استخدام ArcGIS Desktop. آسف ولكن هذه المهارة وحدها لا تجعلك مميزًا بعد الآن (إنه لا يجعلني مميزًا بعد الآن أيضًا). لذلك سيسأل أرباب العمل المحتملون عما يمكنك فعله أيضًا.

يعرف أي شخص في GIS يستحق مساعدته كيفية إنشاء قاعدة بيانات وإدارتها. سواء كان ذلك من خلال Microsoft Access أو SQL Server أو Oracle أو MySQL أو PostGreSQL ، إذا كنت لا تعرف كيفية استخدام قاعدة البيانات ، فتعلم.

إذا لم تكن معتادًا على قواعد البيانات ، فتعلم Microsoft Access. إنه نظام قاعدة بيانات جيد يسهل تعلمه واستخدامه. بالإضافة إلى أن العديد من المنظمات تستخدمه بشكل شائع والعديد من الأشخاص يمتلكونه بالفعل على أجهزة الكمبيوتر الخاصة بهم - لأنه يأتي مع العديد من إصدارات Microsoft Office.

إذا لم يكن لديك نسخة من Microsoft Access ولا يمكنك تبرير شرائها ، فإن Open Office Base يقدم العديد من نفس الميزات مثل Microsoft Access ويمكن أن يكون بمثابة بديل مناسب للتعرف على قواعد البيانات. يمكنك تنزيل Open Office من: http://www.openoffice.org/

من هناك يمكنك الترقية إلى مجموعة العمل وأنظمة المؤسسة مثل Microsoft SQL Server و Oracle و MySQL و PostGreSQL وما إلى ذلك. تقدم جميع أنظمة إدارة قواعد البيانات هذه إصدارات مجانية للتطوير أو للاستخدام الشخصي يمكنك تنزيلها للحصول على خبرة في استخدامها. انظر الروابط أدناه لكل تطبيق برمجي:

نموذج بناء

هناك العديد من الإجراءات التي نقوم بها بشكل روتيني في نظم المعلومات الجغرافية والتي يمكن أن تكون متكررة يدويًا. ضع في اعتبارك المثال حيث يتم إعطاؤك قرصًا به 100 ملف شكل موجودة في إسقاط WGS84 وتحتاج إلى استيرادها إلى مكتبة بيانات GIS (قاعدة بيانات جغرافية). للقيام بذلك ، ستحتاج إلى إعادة عرضها على النظام الإحداثي الذي تستخدمه (NAD 83 ، UTM Zone 11). يمكنك القيام بذلك يدويًا في ArcCatalog أو ArcMap ولكن سيكون من الأفضل إنشاء سير عمل يمكنه أتمتة العملية وتنفيذها 100 مرة.

Model Builder مثالي لهذا النوع من المهام. ModelBuilder هو تطبيق تستخدمه لإنشاء ، وتحرير ، وإدارة تدفقات العمل التي تربط معًا تسلسلات من أدوات المعالجة الجغرافية ، حيث تغذي الأدوات مخرجات أداة ما إلى أداة أخرى كمدخلات. ModelBuilder هي لغة برمجة مرئية لبناء تدفقات العمل هذه.

لماذا تعلمها؟ يعد Model Builder مهارة رئيسية في تحليل نظم المعلومات الجغرافية للأسباب التالية:

  • يعد تنفيذ إجراءات مثل استيراد 100 ملف شكل يدويًا أمرًا شاقًا وليس استخدامًا جيدًا لوقتك.
  • غالبًا ما تتطلب التحليلات المعقدة الكثير من إجراءات المعالجة الجغرافية وستجد غالبًا أنك قد تحتاج إلى تكرار التحليل. إذا كنت بحاجة إلى إجراء تحليل معقد مرة أخرى ولم تقم بإنشاء نموذج ، فسيتعين عليك إعادة تنفيذ جميع مهام المعالجة الجغرافية يدويًا وتأمل في تدوين ملاحظات جيدة حقًا عن خطوات المعالجة الخاصة بك.
  • إذا كنت تعمل باستخدام مجموعات بيانات كبيرة ، فقد تستغرق مهام المعالجة الجغرافية وقتًا طويلاً. في هذه الحالة ، من الأفضل إنشاء نموذج لأداء هذه المهام بعد ساعات بدلاً من القيام بكل مهمة خطوة بخطوة (يدويًا) وانتظار فترات طويلة للمخرجات.
  • يمكن دمج النماذج في ArcGIS Toolboxes وتوزيعها بسهولة على المستخدمين الآخرين حتى يتمكنوا من تكرار التحليل بسرعة.
  • يمكن تحميل النماذج إلى خوادم ArGIS لتمكين معالجة الملفات على الخادم أو في السحابة.
  • أخيرًا ، يعرف أصحاب العمل المتمرسون نموذج Builder ويظهر إما كمهارة مطلوبة أو مرغوبة في إعلانات الوظائف.

لبدء تعلم Model Builder ، قم بزيارة الروابط التالية:

ArcGIS Server

إذا كنت تسعى للحصول على وظيفة GIS في مؤسسة كبيرة مع برنامج GIS موجود ، فهناك فرصة أن يتم سؤالك عن تجربتك مع منتج ArcGIS Server من ESRI. ArcGIS Server هو تطبيق خادم ويب يسمح لك بمشاركة موارد GIS (الخرائط والكرات الأرضية والأدوات ومهام سير عمل المعالجة الجغرافية وما إلى ذلك) عبر الويب. تتم استضافة هذه الموارد على ArcGIS Serve لتسهيل مشاركة البيانات التي تتم إدارتها مركزيًا ، وتدعم العديد من المستخدمين ، وتحتوي على أحدث المعلومات.

مهارات ArcGIS Server مطلوبة هذه الأيام وهي مهارة أساسية لمعرفة ما إذا كان بإمكانك ذلك. ومع ذلك ، فإن تعلم ArcGIS Server ليس سهلاً. يتطلب تثبيت ArcGIS Server وإدارته وتشغيله معرفة القليل عن كيفية إدارة خادم الملفات وخادم الويب وأذونات الدليل النشط. من الناحية الواقعية ، فإن أفضل طريقة للتعرف على ArcGIS Server هي أخذ فصل دراسي. تقدم العديد من البرامج الشخصية وعبر الإنترنت دورة تدريبية في الحرم الجامعي الافتراضي ArcGIS Server يحتوي ESRI على دورات تدريبية في ArcGIS Server أيضًا.

إذا لم تكن على دراية بـ ArcGIS Server ، قم بزيارة الروابط أدناه للحصول على مقدمة عامة لـ ArcGIS Server وإمكانياته.

إذا لم تتمكن من الحصول على خبرة في العمل مع ArcGIS Server ، فإن أحد الأشياء التي يمكنك القيام بها (بالإضافة إلى مراجعة الروابط أعلاه) هو التسجيل للحصول على حساب شخصي مجاني على www.arcgis.com. ArcGIS.com هو نظام أساسي عبر الإنترنت قائم على الاشتراك لمشاركة المعلومات الجغرافية والخرائط. يقدم ESRI حسابًا شخصيًا مجانيًا يوفر وصولًا محدودًا إلى الميزات ومساحة تخزين تبلغ 2 جيجابايت. باستخدام هذا الحساب ونسخة من ArcGIS ، يمكنك تحميل البيانات والخرائط إلى ArcGIS.com وتجربة القليل مما يشبه العمل مع ArcGIS Server من منظور المستخدم.

بالإضافة إلى ذلك ، فإن مراجعة النماذج والمعلومات على ArcGIS Server Javascript API توفر منظورًا حول كيفية برمجة تطبيقات الويب لـ ArcGIS Server.

نعم ، إنه ليس منتج ESRI ، ولكن يمكن أن يكون Microsoft Excel مكونًا مهمًا في سير عمل تنقية البيانات. أستخدمها كثيرًا لعرض البيانات ومعالجتها وتنظيفها قبل استيرادها إلى ArcGIS لأنها قوية وسريعة ويمكن استخدامها لإجراء العديد من تغييرات البيانات بسرعة وسهولة.

عند تعلم نظم المعلومات الجغرافية ، فإننا نعمل مع مجموعات البيانات المعدة التي تم تنظيفها وتحسينها للعمل في تماريننا مع الحد الأدنى من المشكلات. في العالم الحقيقي ، البيانات فوضوية لأنها تحتوي على مزيج من القيم في مجموعة متنوعة من التنسيقات. تعد معرفة كيفية تنظيف مجموعة البيانات بسرعة من مهارات نظم المعلومات الجغرافية الأساسية. لذلك أستخدم excel لتغيير البيانات من الأحرف الكبيرة إلى الأحرف الصغيرة لاستبدال أجزاء من البيانات بقيم أخرى ، ولقطع البيانات ، ولجمع البيانات وتقسيمها. ومع ذلك ، نادرًا ما أقوم بإجراء هذه التغييرات يدويًا. بدلاً من ذلك ، أستخدم وظائف قوية في Excel تعمل على أتمتة هذه التصحيحات عبر الصفوف والأعمدة.

بينما يحتوي Excel على العديد من الوظائف ، عادةً ما أستخدم العديد منها فقط لتنظيف بياناتي. لذا تعلم كيفية استخدام الوظائف في Excel وكيفية كتابتها ونسخها ولصقها. على وجه الخصوص ، ابدأ بالوظائف التالية ، حيث يتم استخدامها بشكل شائع لمعالجة البيانات:

  • سلسل
  • غادر
  • حق
  • منتصف
  • تقليم
  • استبدل
  • يستبدل
  • العلوي
  • أدنى

لمعرفة المزيد حول وظائف Excel ، ما عليك سوى البحث في Google أو Bing عن "تعلم وظائف Excel". يوجد هنا أيضًا برنامج تعليمي جيد للبدء: http://blogs.mccombs.utexas.edu/the-most/2009/05/07/learn-excel-functions/

في رسالتي السابقة ، أوصيت بتعلم لغة البرمجة النصية لأن معرفة كيفية كتابة برنامج نصي يكون مفيدًا عندما تحتاج إلى تنظيف قواعد البيانات الضخمة أو تنفيذ إجراءات مثل تصحيح العناوين للحصول على دقة تشفير جغرافي أفضل ، وإعادة تنسيق البيانات ، وتصدير واستيراد مجموعات كبيرة من البيانات ، وغير ذلك يدويًا الأنشطة المتكررة التي يكلف بها موظفو نظم المعلومات الجغرافية بشكل روتيني.

في عام 2009 ، اقترحت أن Visual Basic for Applications (VBA) طريقة جيدة للبدء. نظرًا لأن ESRI قد أوقف دعم VBA في ArcGIS 10.x ولم يعد VBA هو الطريقة المفضلة للكتابة النصية في أحدث خطوط منتجاتهم.

اليوم ، البرمجة النصية في ESRI تدور حول Python. Python هي لغة برمجة مجانية ومتعددة المنصات ومفتوحة المصدر تُستخدم وتدعم على نطاق واسع في بيئات نظم المعلومات الجغرافية مفتوحة المصدر و esri. لقد أصبحت لغة البرمجة النصية المفضلة لمستخدمي المعالجة الجغرافية وقد تبنى ESRI بالكامل Python for ArcGIS. لذلك أنصح أي شخص في GIS لا يعرف بايثون & # 8217t لتعلم بايثون. فيما يلي بعض الارتباطات لبدء التعرف على Python في ArcGIS:

أخيرًا ، في حين أن ESRI قد لا يدعم VBA بعد الآن ، لا يزال VBA مستخدمًا على نطاق واسع في خط منتجات Microsoft Office على الرغم من استبداله ببطء بأدوات Microsoft Visual Studio للتطبيقات: http://msdn.microsoft.com/en-us/library/cc175562 (مقابل = 90) .aspx

تقارير لـ ArcGIS

في رسالتي السابقة ، كتبت عن مزايا تعلم تقارير Crystal. Crystal Reports هي أداة إعداد تقارير قوية يمكنها قراءة قواعد البيانات وجداول البيانات وإجراء الاستعلامات وفرز البيانات وتلخيصها وإنشاء ملفات PDF ذات مظهر احترافي أو تقارير حية. تم استخدام تقارير Crystal ليتم تضمينها في ArcGIS Desktop ، ولكن في ArcGIS 9.3 ، توقف ESRI عن تضمين منتج Crystal Reports الكامل ولم يعد معالج تقارير Crystal مضمّنًا في ArcGIS 10.x.

كبديل ، يقدم ESRI الآن تطبيقًا لإعداد التقارير مضمنًا في ArcGIS Desktop والذي يوفر الكثير من الوظائف نفسها التي قدمتها Crystal Reports. ومع ذلك ، لا يمكن الوصول إلى تطبيق التقارير أو استخدامه خارج ArcGIS Desktop ويجب استخدامه من واجهة مستخدم ArcGIS Desktop.

قد تتساءل عما إذا كان لا يزال من المهم معرفة Reports for ArcGIS. نعم ، نظرًا لأن الأمر لا يتعلق دائمًا بالخريطة ، فغالبًا ما لا يتعلق الأمر بالخريطة على الإطلاق. أعلم أننا دخلنا في نظم المعلومات الجغرافية GIS لأننا نرغب في إنشاء خرائط رائعة المظهر ، ولكن الخطأ الذي نرتكبه هو التفكير في أن كل شخص آخر يحب الخرائط أيضًا. عندما بدأت العمل في نظم المعلومات الجغرافية الحكومية ، اندهشت من عدد المرات التي طُلب مني فيها إنشاء تقرير يعرض نتائج تحليلاتي (على سبيل المثال ، تقرير يحتوي على جدول يلخص عدد الأفدنة من أنواع النباتات المختلفة التي ستتأثر تطوير مقترح). لا توجد خريطة ولا مضلعات على صورة جوية لطيفة & # 8211 فقط جدول أرقام يمثل نتائج تحليل جغرافي. كان لا يزال هناك الكثير من تحليلات نظم المعلومات الجغرافية الرائعة التي دخلت في إنشاء التقرير ، لكن المنتج النهائي لم يكن & # 8217t خريطة.

على الرغم من أن البرنامج قد يكون قد تغير ، إلا أن الحاجة لم تكن & # 8217t لذلك سأستمر في التوصية بتعلم كيفية تصميم وإنشاء تقارير لتحليلات نظم المعلومات الجغرافية الخاصة بك. اليوم ، سنحقق ذلك باستخدام Reports for ArcGIS. لمعرفة كيفية استخدام أدوات إعداد التقارير المتكاملة ، راجع الروابط التالية:

2013 خاتمة

بينما كتبت هذا المنشور في سياق اكتساب المهارات التي تحتاجها للحصول على وظيفة في نظم المعلومات الجغرافية ، فهذه مهارات مناسبة بنفس القدر لأولئك العاملين بالفعل في نظم المعلومات الجغرافية. تستمر الصناعة في التغيير بسرعة ، ويمكن أن تصاب بالصدأ بسرعة كبيرة إذا كنت لا تواكب ذلك. يجلب كل إصدار برنامج جديد ميزات جديدة توفر فرصًا جديدة لتعلم مهارة جديدة أو الإضافة إلى قاعدة المعرفة الحالية لدينا. على سبيل المثال ، تعلمت مؤخرًا كيفية كتابة ونشر تطبيقات ArcObjects في إطار عمل إضافة جديد لـ ESRI والتخطيط لمعرفة كيفية استخدام إطار عمل إعلان Python الجديد في ArcGIS 10.1.

يعد تعلم مهارات نظم المعلومات الجغرافية القابلة للتوظيف استثمارًا جيدًا للغاية. لا تزال وظائف نظم المعلومات الجغرافية تحتل مرتبة عالية جدًا في توقعات نمو الوظائف - يسرد مكتب إحصاءات العمل نموًا متوقعًا بنسبة 35٪ في وظائف "الجغرافيين" (http://www.bls.gov/ooh/life-physical-and-social- science / geographers.htm). سواء كنت تبحث عن وظيفتك الأولى في نظم المعلومات الجغرافية أو تتطلع إلى الانتقال إلى مؤسسة جديدة ، فإن هذه المهارات ستجعلك أكثر قابلية للتسويق من منافسيك المعتاد.

أخيرًا ، حاولت & # 8217 تحديد تلك المهارات التي أرى أنها مهمة للحصول على منصب GIS والحفاظ عليه. لقد ركزت أيضًا على المهارات التي يجب أن يعرفها محلل أو أخصائي نظم المعلومات الجغرافية. إذا كنت & # 8217 قد قرأت هذا ويمكنك التفكير في مهارات مهمة أخرى لم أذكرها ، فالرجاء ترك تعليق لإفادة المجتمع الأكبر.