Technology

ArcGIS 10.5 大数据应用模板

GeoAnalytics矢量大数据应用模板

案例一：结合GeoEvent实时数据源与Python API生成追踪线

关键词：实时；GeoEvent；流服务；Python API；

实时数据是大数据分析中最重要的数据来源之一，而Python API又提供了
简单方便的Web端调用大数据分析工具的接口，本案例将示范如何通过 GeoEvent接入实时流服务，并将结果要素服务输入大数据分析工具Reconstruct Tracts，通过在浏览器中调用Python API来生成追踪线。本案例中使用的数据源为在线的流服务，实时记录了美国西雅图市公交车的运行情况：https://geoeventsample3.esri.com:6443/arcgis/rest/services/SeattleBus/StreamServer

  1. 在GeoEvent Manager中通过订阅WebSocket端口建立Input输入：
    wss://geoeventsample3.esri.com:8443/arcgis/ws/services/SeattleBus/StreamServer/subscribe

  2. 在GeoEvent Manager中建立Output输入，选择输出到Spatiotemporal Big Data Store中，并创建结果要素服务：

  3. 在GeoEvent Manager中建立GeoEvent服务：

  4. 在Portal中查看对应的结果及地图服务是否已生成：

  5. 启动Jupyter Notebook，通过Python API调用GeoAnalytics矢量大数据分析工具Reconstruct Tracts：

  6. 在Portal中查看生成的结果：

图1. 所有巴士运行情况

图2. 不同线路的巴士运行情况

案例二：时空立方体及新兴时空热点分析

关键词：时空立方体；新兴时空热点；ArcGIS Pro；

时空立方体将时空事件点聚合到时空条柱上，可直观的可视化同时具有时间和空间属性的大数据，新兴时空热点分析工具可识别出其中的趋势，发现时空热点及冷点。本案例将示范如何在ArcGIS Pro中进行新兴时空热点分析。本案例中使用的数据源为美国纽约市出租车记录，并通过在GeoAnalytics Server中注册为Big Data File Shares的方式调用：http://www.nyc.gov/html/tlc/html/about/trip_record_data.shtml

  1. 在Pro中调用GeoAnalytics大数据工具Create Space Time Cube，生成NetCDF文件（该大数据工具目前只能通过Pro调用，不能通过Portal Map Viewer中的分析工具栏调用）：

  2. 将生成的NetCDF文件输入Emerging Hot Spot Analysis工具，进行新兴时空热点分析，并通过Visualize Space Time Cube in 3D进行三维可视化：

  3. 调用GeoAnalytics大数据工具Aggregate Points，利用数据中的“Trip distance”行驶距离属性，生成1km聚合格网：

  4. 将新兴时空立方体结果与行驶距离聚合结果共同展示对比：

图3. 出租车的时空热（冷）点与行驶距离对比

案例三：利用ModelBuilder生成地铁客流示意图

关键词：ModelBuilder；ArcGIS Pro；示意线；

利用ModelBuilder建模是地理设计中重要的实现手段，本案例将示范如何在Pro中用ModelBuilder建立模型，自动化的调用GeoAnalytics大数据分析工具来生成地铁客流的示意图。本案例中使用的数据源为英国伦敦市地铁进出站刷卡记录：
https://figshare.com/articles/Spatio-Temporal_Public_Transport_Networks/1452948/1

OpenStreetMap提供的伦敦市建筑物底图：
https://mapzen.com/data/metro-extracts/
Tweeter网站公布的带有GeoTag的tweeter数据：
https://dev.twitter.com/streaming/public

  1. 先利用GeoAnalytics大数据工具Summarize Attributes将地铁客流数据按照进出站位置汇总，统计出从X站进站—Y站出站的记录共有多少条；再利用XY To Line工具将汇总后的记录生成连线；

  2. 利用GeoAnalytics大数据工具Join Features将发布twitter的数据根据地理位置关联到建筑物底图上，模拟表示人口密度；

  1. 将两个流程在Pro的ModelBuilder中建立模型：

  2. 叠加显示地铁客流示意图及模拟人口密度图：

图4. 地铁客流示意图（线段粗细代表客流量）

图5. 中心地区人口密度（红色代表密度较高）与地铁客流量对比

RasterAnalytics栅格大数据应用模板

案例一：对连续数据源分析管理和历史展示（2D和3D）

关键词：镶嵌数据集；时间模块；

工具：ArcGIS Pro, Portal for ArcGIS, ArcGIS for Server
需求分析：原始数据具有时效性，可用于影像分析工具输入，不同时间的原始数据产出的最后的结果需要统一管理，并需要展示历史变化。
结果展示： 用户可以在Web端看见展示历史变化的服务。见附件“栅格时空展示2”。

  1. 原始数据可以是实际采集的某个时间点的矢量数据，如下图:
  1. 需求是针对这些点做出预测，例如针对点生成插值栅格，可以使用影像大数据提供的栅格工具，如下图所示：

  1. 运行工具生成结果如下图所示：

  2. 如果原始数据是持续采集的，那么后续生成的栅格需要统一管理，并且可以开启时间属性，展示历史数据。该功能需要借助镶嵌数据集管理栅格，将步骤一至步骤三生成的结果添加进同一个镶嵌数据集，然后对镶嵌数据集中footprint添加时间字段，记录每份原始数据记录的时间，然后对图层开启时间属性，最后展示结果见附件“栅格时空展示1”。

  1. 将开始时间属性的镶嵌数据集发布成为服务，如果后续有新采集数据，直接将该数据分析完成后的结果加入到镶嵌数据集中，前端服务即可随之跟新，所以用户只要维护一个服务，即可一直添加数据，展示历史变化。

案例二：将无人机数据接入平台

关键词：无人机

影像数据的获取方式越来越多，无人机的普及让影像处理也越来越私人化，对于无人机生产的小型范围数据可以直接利用Esri的Drone2Map来处理。
以下利用Drone2Map处理生成的正射影像和DSM栅格数据。

处理后的数据可以直接与平台对接，作为影像大数据处理输入。利用栅格分析Extractbands方法，将一二波段抽出融合，结果更加清晰的对比了土地和植被。结果以服务的形式直接托管在ArcGIS for Server上。

案例三：学校选址

关键词：分析任务链；

传统的桌面分析可以转移到Pro或者Portal中,可以利用影像大数据分析工具编辑器,建立整个工作链。
以学校选址为例，其中输入为三个栅格图层：高程图，到其他学校距离图以及到娱乐场所距离图。
利用栅格大数据工具中的Remap，将以上三个图层重分类，并进行加权叠加获取最后的结果图，其中粉红色区域为事宜的学校选址。

## 附录： python API 调用工具代码##
<!DOCTYPE html PUBLIC “-//W3C//DTD HTML 4.01//EN” “http://www.w3.org/TR/1999/REC-html401-19991224/strict.dtd">




# coding: utf-8

# In[3]:

from arcgis.gis import GIS

#
#连接到Portal并获取实时传入的GeoEvent结果要素图层作为工具输入
#
my_portal = GIS(“https://server111.esrichina.com/arcgis“, “portaladmin”, “password”, verify_cert=False)
bus_pts = my_portal.content.search(“seattle”, “Feature Layer”)[0]
bus_pts


# In[23]:

#
# 查看图层属性表中的字段
#
bus_layer = bus_pts.layers[0]
attri = bus_layer.query().df.head()
attri


# In[24]:

#
#执行reconstruct_tracks工具
#
from arcgis.geoanalytics.summarize_data import reconstruct_tracks
agg_result = reconstruct_tracks(bus_layer.url,
track_fields=‘BusNo’,
method=‘GEODESIC’,
output_name=‘Seattle Bus Tracks by PythonAPI’)


# In[25]:

#
# 查看生成的结果要素服务
#
agg_result


分享到： QQ空间 新浪微博 腾讯微博 微信 更多