Mehr

Wie berechnet ArcGIS Live Traffic in einem Netzwerk-Dataset?

Wie berechnet ArcGIS Live Traffic in einem Netzwerk-Dataset?


Ich erstelle einen Netzwerkanalysedienst in ArcGIS 10.2 mit Live-Datenverkehr. Der Verkehr wird in vier Klassen eingeteilt (Stop and Go, Slow, Moderat und Free Flow). Ich weiß, dass, wenn der Dienst historischen Verkehr verwendet, der Verkehr anhand des freien Flusses und der Reisegeschwindigkeit berechnet wird. Im Live-Verkehr habe ich nur Reisegeschwindigkeit, aber das Ergebnis des Verkehrs in der Karte zeigt die vier Klassen. Wie berechnet der Dienst Live-Traffic und zeigt ihn in meinem Dienst an?


Nächste Einrichtungen finden (Netzwerkanalyst)

Findet eine oder mehrere Einrichtungen, die einem Vorfall am nächsten sind, basierend auf Reisezeit, Entfernung oder anderen Kosten und gibt die beste Route, die gewählte Einrichtung und die Wegbeschreibung zwischen dem Vorfall und der Einrichtung aus. Mit diesem Tool können Sie beispielsweise das nächstgelegene Krankenhaus zu einem Unfall, die nächsten Polizeiautos zu einem Tatort oder das nächstgelegene Geschäft zur Adresse eines Kunden finden.

Bei der Suche nach nächstgelegenen Einrichtungen können Sie angeben, wie viele Einrichtungen Sie finden möchten und ob die Fahrtrichtung darauf zu oder von ihnen weg ist. Wenn Ihr Netzwerk-Dataset Verkehr unterstützt, können Sie auch die Tageszeit angeben, um die Reisezeiten für diese Uhrzeit und dieses Datum zu berücksichtigen. Mit diesem Tool können Sie beispielsweise zu einer bestimmten Tageszeit nach Krankenhäusern innerhalb einer 15-minütigen Fahrtzeit vom Unfallort suchen. Krankenhäuser, deren Anfahrt aufgrund der Verkehrslage länger als 15 Minuten dauert, werden nicht in die Ergebnisse einbezogen.

Die Werkzeuge "Nächste Einrichtungen suchen" und "Nächste Einrichtung erstellen" sind ähnlich, aber sie wurden für unterschiedliche Zwecke entwickelt. Verwenden Sie Nächste Einrichtungen suchen, wenn Sie einen Geoverarbeitungs-Service einrichten, um den Einrichtungsprozess zu vereinfachen. Verwenden Sie andernfalls Make Closest Facility Layer .

Um einen Geoverarbeitungs-Service für die nächstgelegene Einrichtung mit Find Closest Facilities zu erstellen, müssen Sie nur ein Werkzeug einrichten und können das Werkzeug direkt als Service veröffentlichen. Im Gegensatz dazu müssen Sie ein Modell mit dem Werkzeug Layer der nächstgelegenen Einrichtung erstellen erstellen, es ordnungsgemäß mit verschiedenen anderen Werkzeugen verbinden und das Modell veröffentlichen, um einen Geoverarbeitungsservice für die nächstgelegene Einrichtung zu erstellen. Unter Übersicht über die Geoverarbeitungsservice-Beispiele von Network Analyst erfahren Sie, wie Sie einen Service für die nächstgelegene Einrichtung mithilfe von Lernprogrammdaten einrichten. Eine weitere Option, die in Betracht gezogen werden sollte, ist der ArcGIS Online-Service für die nächstgelegene Einrichtung. Es handelt sich um einen Dienst, der wie ein Geoverarbeitungswerkzeug in ArcMap ausgeführt wird, auf den von anderen Anwendungen aus zugegriffen werden kann, und der hochwertige Straßendaten für einen Großteil der Welt enthält.


Die Verzögerungszeit von Barrieren wird nicht zur Reisezeit hinzugefügt, wenn die nächste Einrichtung gefunden wird

Mein Name ist Fuad Ishaq und ich lebe im Westjordanland, Palästina, wo Bewegung und Transport eingeschränkt und von verschiedenen Arten von Hindernissen betroffen sind. Ich habe einen Netzwerkdatensatz erstellt, um die Analyse durchzuführen, um die Auswirkungen verschiedener Arten von Hindernissen zu untersuchen, wie zum Beispiel: , Straßensperren, Erdhügel, Mauerbarrieren, Straßentore usw. hinsichtlich der Wirtschaftlichkeit und der tatsächlichen Kosten für den Transport … also habe ich den Netzwerkdatensatz aus dem Straßensystem erstellt und die Straßenkontrollpunkte als Barrieren mit Verzögerungszeit als zusätzliche Kosten hinzugefügt. Ich habe die nächstgelegene Einrichtung erstellt Analyseschicht, der Zweck dieses Netzwerks besteht darin, die Fahrzeit zu berechnen, die benötigt wird, um von Ort A nach B durch diese Barrieren zu gelangen, indem die Verzögerungszeit zur Fahrzeit addiert wird. Das Problem ist, dass das System die Verzögerungszeit nicht zur Reisezeit hinzufügt.

Der Verzögerungszeitwert wird in einem Feld in der Checkpoint Barrier Layer gespeichert, sein Name ist Attr_TravelTime .

Innerhalb der Feature-Class Road System gibt es ein Feld namens TravelTime .

Wenn Sie die Barriere mit dem Network Analyst "Create Network Location Tool" erstellen und die Lösungsschaltfläche ausführen, wird die Verzögerungszeit zur Reisezeit hinzugefügt, aber wenn ich die Barrieren aus einer Feature-Class oder einem anderen Shapefile lade, wird die Verzögerungszeit nicht hinzugefügt Reisezeit, also was ist das Problem.

Ich brauche Ihre Hilfe, um herauszufinden, warum die Verzögerungszeit nicht zur Reisezeit hinzugefügt wird, danke.


Benutzerdefinierte Workflows

Jedes der Kästchen in Abbildung 3.2 stellt wichtige Leistungsparameter dar, die die Arbeitsablaufbelastung des Systems anpassen. Diese wichtigen Leistungsparameter werden basierend auf Entscheidungen ausgewählt, die Sie beim Veröffentlichen des Kartenservices treffen. Leistungsbaselines werden basierend auf der Komplexität Ihrer Datenstruktur oder Anwendungsfunktionen angepasst, und die Anzeigeleistung wird durch die endgültige Designauswahl der Systemarchitektur bestimmt. Wenn Sie Ihre Anzeigekonfiguration auswählen, werden die Verarbeitungslasten (Servicezeiten) des Workflows entsprechend angepasst.


Erforderliche Parameter

Ursprünge

Gibt die Startpunkte an, von denen aus zu den Zielen zu reisen.

Sie können eine einfache Komma- und Semikolon-basierte Syntax verwenden, wenn Sie die Eingabestandorte mit ihren Längen- und Breitengradwerten im WGS84-Koordinatensystem übergeben und nicht für jeden Standort zusätzliche Felder übergeben müssen.

Einfache Syntax für Ursprünge

Beispiel mit einfacher Syntax

  • url — Geben Sie eine REST-Abfrageanforderung an ein beliebiges ArcGIS Server-Feature, eine Karte oder einen Geoverarbeitungs-Service an, der ein JSON-Feature-Set zurückgibt. Diese Eigenschaft ist optional. Es müssen jedoch entweder Features oder eine URL angegeben werden.
  • Features — Geben Sie ein Array von Features an. Diese Eigenschaft ist optional. Es müssen jedoch entweder die Features oder die URL-Eigenschaft angegeben werden.

    Geometrie —Geben Sie die Eingabepunktgeometrie mit den x- und y-Eigenschaften zusammen mit einer SpatialReference-Eigenschaft an. Wenn die SpatialReference-Eigenschaft für das gesamte JSON definiert ist, muss diese Eigenschaft nicht für jede Geometrie definiert werden. Dadurch wird die Größe der JSON-Eingabe verringert, wenn die Eingabe viele Funktionen enthält, und die Leistung verbessert. Diese Eigenschaft ist nicht erforderlich, wenn sich die Koordinaten im Standard-Raumbezug WGS84 befinden. Wenn sich die Koordinaten in einem anderen Raumbezug befinden, müssen Sie die bekannte ID (WKID) des Raumbezugs angeben. Siehe geografisches Koordinatensystem und projiziertes Koordinatensystem, um WKID-Werte nachzuschlagen.

Als bewährte Methode wird empfohlen, die SpatialReference explizit anzugeben und sie für die gesamte JSON anstelle jeder einzelnen Geometrie anzugeben.

Attribute für Herkunft

Beim Angeben der Startpunkte können Sie für jeden Startpunkt Eigenschaften festlegen – wie z. B. seinen Namen oder die Anzahl der Ziele, die vom Startpunkt aus gesucht werden sollen – mithilfe der folgenden Attribute:

Der Name des Ursprungs. Der Name kann eine eindeutige Kennung für den Ursprung sein. Wenn outputType esriNAODOutputStraightLines oder esriNAODOutputNoLines ist, wird der Name in das Feld Name der Ausgabezeile aufgenommen (der Name der Ausgabezeile ist Ursprungsname – Zielname). Der Name ist auch in den Ausgabeursprüngen als Feld Name enthalten.

Wird der Name nicht angegeben, wird automatisch ein eindeutiger Name mit dem Präfix Location generiert.

Die ObjectID des Ursprungs. Die ObjectID ist eine eindeutige Kennung für den Ursprung. Wenn der outputType esriNAODOutputStraightLines oder esriNAODOutputNoLines ist, wird die ObjectID in die Ausgabezeilen (als OriginID-Feld) eingeschlossen. Wenn outputType esriNAODOutputSparseMatrix ist, wird die ObjectID in die Ausgabematrix aufgenommen. Die ObjectID ist auch in den Ausgabeursprüngen enthalten (als ObjectID-Feld) und kann verwendet werden, um zusätzliche Informationen aus den Werkzeugausgaben mit dem Attribut Ihrer Ursprünge zu verknüpfen. Wird die ObjectID nicht angegeben, wird in der Ausgabe automatisch eine eindeutige ID generiert.

Die maximale Anzahl von Zielen, die für den Startpunkt gefunden werden sollen.

Wenn kein Wert angegeben wird, wird der Wert aus dem Parameter defaultTargetDestinationCount verwendet.

In diesem Feld können Sie eine unterschiedliche Anzahl von Zielen angeben, die für jeden Ausgangspunkt gefunden werden sollen. Mit diesem Feld können Sie beispielsweise die drei nächstgelegenen Ziele von einem Ausgangspunkt und die zwei nächsten Ziele von einem anderen Ausgangspunkt finden.

Wenn Sie die Suche nach Zielen beenden möchten, sobald die Suche einen bestimmten Impedanzwert überschritten hat, geben Sie ein Cutoff_[Impedance]-Feld für Ihren Ausgangspunkt an.

Die Impedanz ist der Impedanzattributname in Ihrer Analyse oder der Impedanzname Ihres Reisemodus, wenn Sie einen Reisemodus angeben. Mit diesem Attribut können Sie für jedes Ziel einen anderen Cutoff-Wert angeben.

Mit diesem Attribut können Sie beispielsweise angeben, dass nach Zielen innerhalb von fünf Minuten Fahrzeit von einem Ausgangspunkt und nach Zielen innerhalb von acht Minuten Fahrzeit von einem anderen Ausgangspunkt gesucht werden soll.

Die Einheiten des Cutoffs sind die gleichen wie die Einheiten Ihres Impedanzattributs. Wenn kein Wert angegeben wird, wird der Wert aus dem Parameter defaultCutoff verwendet.

Wenn Sie über mehrere Netzwerkkostenattribute verfügen, werden mehrere Felder Cutoff_[Impedance] angezeigt. Folglich haben Sie möglicherweise mehr als ein zeit- oder entfernungsbasiertes Cutoff_[Impedance]-Feld. Die von Ihnen angegebenen Feldwerte werden nur referenziert, wenn das im Feldnamen referenzierte Kostenattribut in der Analyse als Impedanzattribut verwendet wird, es wird nicht verwendet, wenn das Attribut in der Analyse als Akkumulationsattribut verwendet wird.

Sehen Sie sich die Liste der vom Dienst unterstützten Cutoff-Impedanzattribute an.

Gibt die Richtung an, in der ein Fahrzeug vom Ursprung abfahren darf.

Als Wert dieses Attributs muss eine der ganzen Zahlen angegeben werden, die in der Spalte Codierter Wert in der folgenden Tabelle aufgeführt sind. Die Werte in der Spalte Einstellung sind die beschreibenden Namen für CurbApproach-Attributwerte, die Sie möglicherweise bei der Verwendung der Erweiterungssoftware ArcGIS Network Analyst gesehen haben.

Das Fahrzeug kann den Ausgangspunkt in beide Richtungen verlassen, daher ist eine Kehrtwende am Ausgangspunkt zulässig. Diese Einstellung kann gewählt werden, wenn es für Ihr Fahrzeug möglich und sinnvoll ist, am Ausgangspunkt zu wenden. Diese Entscheidung kann von der Breite der Straße und dem Verkehrsaufkommen abhängen oder ob der Ausgangspunkt einen Parkplatz hat, auf den Fahrzeuge einfahren und wenden können.

Alle Ankunfts- und Abfahrtskombinationen sind mit der Bordsteinkante Beidseitig zulässig.

Wenn das Fahrzeug den Ausgangspunkt verlässt, muss sich der Ausgangspunkt auf der rechten Fahrzeugseite befinden. Eine Kehrtwende ist verboten. Dies wird typischerweise für Fahrzeuge wie Busse verwendet, die von der Bushaltestelle auf der rechten Seite abfahren müssen.

Die zulässige Ankunfts- und Abfahrtskombination für die rechte Seite des Fahrzeugbordsteins wird angezeigt.

Wenn das Fahrzeug den Ausgangspunkt verlässt, muss sich der Ausgangspunkt auf der linken Seite des Fahrzeugs befinden. Eine Kehrtwende ist verboten. Dies wird typischerweise für Fahrzeuge wie Busse verwendet, die von der Bushaltestelle auf der linken Seite abfahren müssen.

Die zulässige Ankunfts- und Abfahrtskombination für die linke Fahrzeugbordsteinanfahrt wird angezeigt.

Wenn das Fahrzeug den Ausgangspunkt verlässt, kann sich der Ausgangspunkt auf beiden Seiten des Fahrzeugs befinden, bei der Abfahrt muss das Fahrzeug jedoch in der gleichen Richtung weiterfahren, in der es angekommen ist. Eine Kehrtwende ist verboten.

Die zulässigen Ankunfts- und Abfahrtskombinationen für den Bordsteinanflug ohne Wenden werden angezeigt.

Das Attribut CurbApproach ist für beide Arten von nationalen Fahrnormen ausgelegt: Rechtsverkehr (USA) und Linksverkehr (Großbritannien). Betrachten Sie zunächst einen Vorfall auf der linken Seite eines Fahrzeugs. Es befindet sich immer auf der linken Seite, egal ob das Fahrzeug auf der linken oder rechten Fahrbahnhälfte fährt. Was sich mit den nationalen Fahrnormen ändern kann, ist Ihre Entscheidung, sich einem Unfall aus einer von zwei Richtungen zu nähern, dh er landet auf der rechten oder linken Seite des Fahrzeugs. Wenn Sie beispielsweise zu einem Vorfall gelangen möchten und keine Fahrspur zwischen dem Fahrzeug und dem Vorfall vorhanden ist, wählen Sie 1 (Rechte Fahrzeugseite) in den USA und 2 (Linke Fahrzeugseite) in Großbritannien.

Bei Rechtsverkehr ist die Bordsteinanfahrt, die das dem Ursprung am nächsten liegende Fahrzeug verlässt, die rechte Seite des Fahrzeugs. Bei Linksverkehr ist die Bordsteinanfahrt, die das dem Ursprung am nächsten liegende Fahrzeug verlässt, die linke Seite des Fahrzeugs.

Die Richtung, in die sich ein Punkt bewegt. Die Einheiten sind Grad und werden im Uhrzeigersinn vom wahren Norden aus gemessen. Dieses Feld wird in Verbindung mit dem BearingTol-Feld verwendet.

Peilungsdaten werden normalerweise automatisch von einem mobilen Gerät gesendet, das mit einem GPS-Empfänger ausgestattet ist. Versuchen Sie, Peilungsdaten einzuschließen, wenn Sie einen sich bewegenden Eingabeort laden, z. B. einen Fußgänger oder ein Fahrzeug.

Die Verwendung dieses Felds verhindert tendenziell das Hinzufügen von Positionen zu den falschen Kanten, was beispielsweise auftreten kann, wenn sich ein Fahrzeug in der Nähe einer Kreuzung oder einer Überführung befindet. Die Peilung hilft dem Werkzeug auch, zu bestimmen, auf welcher Straßenseite sich der Punkt befindet.

Der Peilungstoleranzwert erstellt einen Bereich akzeptabler Peilungswerte, wenn sich verschiebende Punkte an einer Kante mit dem Feld Peilung lokalisieren. Liegt der Wert im Feld Peilung im Bereich akzeptabler Werte, die aus der Peilungstoleranz an einer Kante generiert werden, kann der Punkt dort als Netzwerkposition hinzugefügt werden, andernfalls wird der nächste Punkt an der nächstnächsten Kante ausgewertet.

Die Einheiten sind in Grad und der Standardwert ist 30. Die Werte müssen größer als 0 und kleiner als 180 sein. Ein Wert von 30 bedeutet, dass beim Versuch von Network Analyst, eine Netzwerkposition an einer Kante hinzuzufügen, ein Bereich akzeptabler Peilungswerte ist 15 Grad zu beiden Seiten der Kante (links und rechts) und in beiden digitalisierten Richtungen der Kante erzeugt.

Dieses Feld wird nur im Berechnungsprozess verwendet, wenn die Felder Bearing und BearingTol ebenfalls Werte enthalten. Die Eingabe eines NavLatency-Feldwerts ist jedoch optional, selbst wenn Werte in Bearing und BearingTol vorhanden sind. NavLatency gibt an, wie viel Kosten voraussichtlich ab dem Zeitpunkt vergehen werden, an dem GPS-Informationen von einem fahrenden Fahrzeug an einen Server gesendet werden und ab dem Zeitpunkt, an dem die verarbeitete Route vom Navigationsgerät des Fahrzeugs empfangen wird.

Die Einheiten der NavLatency sind dieselben wie die Einheiten des Impedanzattributs.

Syntax für Ursprünge

Syntax zum Angeben von Ursprüngen mithilfe der JSON-Struktur für Funktionen

Syntax zum Angeben von Ursprüngen mithilfe einer URL, die eine JSON-Antwort zurückgibt

Beispiele für Herkunft

Beispiel 1: Angeben von Ursprungsgeometrien im Web Mercator-Raumbezug mithilfe der JSON-Struktur.

Das Beispiel zeigt auch, wie Sie das Name-Attribut des Ursprungs für jeden Ursprung angeben und eine andere Anzahl von Zielen angeben, die für jeden Ursprung mithilfe des Attributs TargetDestinationCount gesucht werden sollen.

Beispiel 2: Angeben von Ursprüngen mithilfe einer URL

Die URL führt eine Abfrage nach einigen Features von einem Kartendienst durch. Es kann auch eine URL angegeben werden, die Features von einem Feature-Service abfragt.

Reiseziele

Gibt die Endpunktpositionen an, zu denen von den Ursprüngen aus gereist werden soll.

Sie können eine einfache Komma- und Semikolon-basierte Syntax verwenden, wenn Sie die Eingabestandorte mit ihren Längen- und Breitengradwerten im WGS84-Koordinatensystem übergeben und nicht für jeden Standort zusätzliche Felder übergeben müssen.

Einfache Syntax für Ziele

Beispiel mit einfacher Syntax

  • url — Geben Sie eine REST-Abfrageanforderung an ein beliebiges ArcGIS Server-Feature, eine Karte oder einen Geoverarbeitungs-Service an, der ein JSON-Feature-Set zurückgibt. Diese Eigenschaft ist optional. Es müssen jedoch entweder Features oder eine URL angegeben werden.
  • Features — Geben Sie ein Array von Features an. Diese Eigenschaft ist optional. Es müssen jedoch entweder die Features oder die URL-Eigenschaft angegeben werden.

    Geometrie —Geben Sie die Eingabepunktgeometrie mit den x- und y-Eigenschaften zusammen mit einer SpatialReference-Eigenschaft an. Wenn die SpatialReference-Eigenschaft für das gesamte JSON definiert ist, muss diese Eigenschaft nicht für jede Geometrie definiert werden. Dadurch wird die Größe der JSON-Eingabe verringert, wenn die Eingabe viele Funktionen enthält, und die Leistung verbessert. Diese Eigenschaft ist nicht erforderlich, wenn sich die Koordinaten im Standard-Raumbezug WGS84 befinden. Wenn sich die Koordinaten in einem anderen Raumbezug befinden, müssen Sie die bekannte ID (WKID) des Raumbezugs angeben. Siehe geografisches Koordinatensystem und projiziertes Koordinatensystem, um WKID-Werte nachzuschlagen.

Als bewährte Methode wird empfohlen, die SpatialReference explizit anzugeben und sie für die gesamte JSON anstelle jeder einzelnen Geometrie anzugeben.

Attribute für Ziele

Wenn Sie die Ziele angeben, können Sie für jedes Ziel Eigenschaften festlegen, z. B. seinen Namen, indem Sie die folgenden Attribute verwenden:

Der Name des Ziels. Der Name kann ein eindeutiger Bezeichner für das Ziel sein. Wenn outputType esriNAODOutputStraightLines oder esriNAODOutputNoLines ist, wird der Name in das Feld Name der Ausgabezeile aufgenommen (der Name der Ausgabezeile ist Ursprungsname – Zielname). Der Name ist auch in den Ausgabezielen als Feld Name enthalten.

Wird der Name nicht angegeben, wird automatisch ein eindeutiger Name mit dem Präfix Location generiert.

Die ObjectID des Ziels. Die ObjectID ist ein eindeutiger Bezeichner für das Ziel. Wenn der outputType esriNAODOutputStraightLines oder esriNAODOutputNoLines ist, wird die ObjectID in die Ausgabezeilen (als DestinationID-Feld) eingeschlossen. Wenn outputType esriNAODOutputSparseMatrix ist, wird die ObjectID in die Ausgabematrix aufgenommen. Die ObjectID ist auch in den Ausgabezielen enthalten (als ObjectID-Feld) und kann verwendet werden, um zusätzliche Informationen aus Werkzeugausgaben mit den Attributen Ihrer Ziele zu verknüpfen. Wird die ObjectID nicht angegeben, wird in der Ausgabe automatisch eine eindeutige ID generiert.

Gibt die Richtung an, in der ein Fahrzeug am Ziel ankommen kann.

Als Wert dieses Attributs muss eine der ganzen Zahlen angegeben werden, die in der Spalte Codierter Wert in der folgenden Tabelle aufgeführt sind. Die Werte in der Spalte Einstellung sind die beschreibenden Namen für CurbApproach-Attributwerte, die Sie möglicherweise bei der Verwendung der Erweiterungssoftware ArcGIS Network Analyst gesehen haben.

Das Fahrzeug kann aus beiden Richtungen am Ziel ankommen. Diese Einstellung kann gewählt werden, wenn ein Wenden des Fahrzeugs am Zielort möglich und sinnvoll ist. Diese Entscheidung kann von der Breite der Straße und dem Verkehrsaufkommen abhängen oder ob das Ziel einen Parkplatz hat, auf den Fahrzeuge einfahren und wenden können.

Alle Ankunfts- und Abfahrtskombinationen sind mit der Bordsteinkante Beidseitig zulässig.

Wenn das Fahrzeug am Zielort ankommt, muss sich das Ziel auf der rechten Fahrzeugseite befinden. Eine Kehrtwende ist verboten. Dies wird typischerweise für Fahrzeuge wie Busse verwendet, die an der Bushaltestelle auf der rechten Seite ankommen müssen.

Die zulässige Ankunfts- und Abfahrtskombination für die rechte Seite des Fahrzeugbordsteins wird angezeigt.

Wenn das Fahrzeug am Zielort ankommt, muss sich das Ziel auf der linken Fahrzeugseite befinden. Eine Kehrtwende ist verboten. Dies wird typischerweise für Fahrzeuge wie Busse verwendet, die an der Bushaltestelle auf der linken Seite ankommen müssen.

Die zulässige Ankunfts- und Abfahrtskombination für die linke Fahrzeugbordsteinanfahrt wird angezeigt.

Wenn das Fahrzeug am Zielort ankommt, kann sich das Ziel auf beiden Seiten des Fahrzeugs befinden, bei der Abfahrt muss das Fahrzeug jedoch in der gleichen Richtung weiterfahren, in der es angekommen ist. Eine Kehrtwende ist verboten.

Die zulässigen Ankunfts- und Abfahrtskombinationen für den Bordsteinanflug ohne Wenden werden angezeigt.

Das Attribut CurbApproach ist für beide Arten von nationalen Fahrnormen ausgelegt: Rechtsverkehr (USA) und Linksverkehr (Großbritannien). Betrachten Sie zunächst einen Vorfall auf der linken Seite eines Fahrzeugs. Es befindet sich immer auf der linken Seite, egal ob das Fahrzeug auf der linken oder rechten Fahrbahnhälfte fährt. Was sich mit den nationalen Fahrnormen ändern kann, ist Ihre Entscheidung, sich einem Unfall aus einer von zwei Richtungen zu nähern, dh er landet auf der rechten oder linken Seite des Fahrzeugs. Wenn Sie beispielsweise zu einem Vorfall gelangen möchten und keine Fahrspur zwischen dem Fahrzeug und dem Vorfall vorhanden ist, wählen Sie 1 (Rechte Fahrzeugseite) in den USA und 2 (Linke Fahrzeugseite) in Großbritannien.

Bei Rechtsverkehr ist die Bordsteinanfahrt, die das dem Ziel am nächsten liegende Fahrzeug verlässt, die rechte Fahrzeugseite. Bei Linksverkehr ist die Bordsteinanfahrt, die das dem Ziel am nächsten liegende Fahrzeug verlässt, die linke Fahrzeugseite.

Die Richtung, in die sich ein Punkt bewegt. Die Einheiten sind Grad und werden im Uhrzeigersinn vom wahren Norden aus gemessen. Dieses Feld wird in Verbindung mit dem BearingTol-Feld verwendet.

Peilungsdaten werden normalerweise automatisch von einem mobilen Gerät gesendet, das mit einem GPS-Empfänger ausgestattet ist. Versuchen Sie, Peilungsdaten einzuschließen, wenn Sie einen sich bewegenden Eingabeort laden, z. B. einen Fußgänger oder ein Fahrzeug.

Die Verwendung dieses Felds verhindert tendenziell das Hinzufügen von Positionen zu den falschen Kanten, was beispielsweise auftreten kann, wenn sich ein Fahrzeug in der Nähe einer Kreuzung oder einer Überführung befindet. Die Peilung hilft dem Werkzeug auch, zu bestimmen, auf welcher Straßenseite sich der Punkt befindet.

Der Peilungstoleranzwert erstellt einen Bereich akzeptabler Peilungswerte, wenn sich verschiebende Punkte an einer Kante mit dem Feld Peilung lokalisieren. Liegt der Wert im Feld Peilung im Bereich akzeptabler Werte, die aus der Peilungstoleranz an einer Kante generiert werden, kann der Punkt dort als Netzwerkposition hinzugefügt werden, andernfalls wird der nächste Punkt an der nächstnächsten Kante ausgewertet.

Die Einheiten sind in Grad und der Standardwert ist 30. Die Werte müssen größer als 0 und kleiner als 180 sein. Ein Wert von 30 bedeutet, dass beim Versuch von Network Analyst, eine Netzwerkposition an einer Kante hinzuzufügen, ein Bereich akzeptabler Peilungswerte ist 15 Grad zu beiden Seiten der Kante (links und rechts) und in beiden digitalisierten Richtungen der Kante erzeugt.

Dieses Feld wird nur im Berechnungsprozess verwendet, wenn die Felder Bearing und BearingTol ebenfalls Werte enthalten. Die Eingabe eines NavLatency-Feldwerts ist jedoch optional, selbst wenn Werte in Bearing und BearingTol vorhanden sind. NavLatency gibt an, wie viel Kosten voraussichtlich ab dem Zeitpunkt vergehen werden, an dem GPS-Informationen von einem fahrenden Fahrzeug an einen Server gesendet werden und ab dem Zeitpunkt, an dem die verarbeitete Route vom Navigationsgerät des Fahrzeugs empfangen wird.

Die Einheiten der NavLatency sind dieselben wie die Einheiten des Impedanzattributs.

Syntaxbeispiele für Destinationen

Syntax zum Angeben von Zielen mithilfe der JSON-Struktur für Funktionen.

Syntax zum Angeben von Zielen mithilfe einer URL, die eine JSON-Antwort zurückgibt.

Beispiele für Reiseziele

Beispiel 1: Angeben der Zielgeometrie im Web Mercator-Raumbezug mithilfe der JSON-Struktur.

Das Beispiel zeigt auch, wie das Name-Attribut angegeben wird.

Beispiel 2: Angeben von Zielen mithilfe einer URL

Die URL führt eine Abfrage nach einigen Features von einem Kartendienst durch. Es kann auch eine URL angegeben werden, die Features von einem Feature-Service abfragt.

Zeichen

Verwenden Sie diesen Parameter, um ein Token anzugeben, das die Identität eines Benutzers bereitstellt, der über die Berechtigungen zum Zugriff auf den Dienst verfügt. Auf der Seite "Zugriff auf Dienste" finden Sie weitere Informationen darüber, wie ein solches Zugriffstoken erhalten werden kann.

Beispiel (ersetzen Sie <yourToken> durch ein gültiges Token):

Verwenden Sie diesen Parameter, um das Antwortformat anzugeben. Der Parameter kann als Argumente json oder pjson haben, zum Beispiel f=json . Der pjson-Wert wird zum Drucken der JSON-Antwort in einem hübschen Format verwendet.


Umweltanalytik

Daten: Kanada – Fortgeschrittene Demografie

Als führendes Marketing- und Analysedienstleistungsunternehmen in Kanada unterstützt Environics Analytics (EA) Kunden dabei, Daten und Analysen in Erkenntnisse, Strategien und Ergebnisse umzuwandeln. EA bietet das gesamte Spektrum analytischer Dienstleistungen – vom Datenlieferanten bis zur strategischen Beratung – und bietet rezeptfreie Berichte, speziell entwickelte Software-as-a-Service und eine Vielzahl von Modellierungsansätzen. Sein Team aus quantitativen Marketern, Modellierern und Geographen ist Experte darin, Unternehmen dabei zu unterstützen, ihre geschäftlichen Herausforderungen zu erkennen, datengesteuerte Lösungen zu entwickeln und in jeder Phase ihrer Analysereise erfolgreich zu sein.

Daten: USA – Fortgeschrittene Demografie

Unter der Leitung von Chefdemograph Kyle R. Cassal kann das Datenentwicklungsteam von Esri auf eine 35-jährige Erfahrung in der Marktforschung zurückblicken. Die Ökonomen, Statistiker, Demographen, Geographen und Analysten des Teams erstellen unabhängige kleinräumige demographische und sozioökonomische Schätzungen und Prognosen für die Vereinigten Staaten. Das Team entwickelt exklusive demografische Modelle und Methoden, um markterprobte Datensätze zu erstellen, von denen viele heute Branchen-Benchmarks wie Tapisserie-Segmentierung, Verbraucherausgaben, Marktpotenzial und jährliche aktualisierte Demografie sind. Esri Demographics unterstützt die ArcGIS-Plattform durch dynamische Webkarten, Datenanreicherung, Berichte und Infografiken.


Was ist ArcGIS?

Was ArcGIS ist eine geografische Informationssystem-(GIS-)Software, die die Handhabung und Analyse geografischer Informationen durch Visualisierung geografischer Statistiken durch Layer-Building-Karten wie Klimadaten oder Handelsströme ermöglicht. Es wird von einer ganzen Reihe von akademischen Einrichtungen und Fakultäten sowohl in den Geistes- als auch in den Naturwissenschaften verwendet, um bahnbrechende Forschung zu entwickeln und zu veranschaulichen. Darüber hinaus wird es von mehreren Regierungen und privaten/kommerziellen Institutionen weltweit verwendet.

Das System hat die Fähigkeit, geografische Informationen zu erstellen, die in einem Unternehmen, einer Institution, privat oder öffentlich im Internet zugänglich sind. Daher funktioniert die Software im Wesentlichen als Plattform, auf der geografische Informationen verknüpft, geteilt und analysiert werden können.

Wie funktioniert es?

Wie viele GIS-Software erstellt ArcGIS Karten, die Kategorien erfordern, die als Layer organisiert sind. Jede Ebene wird räumlich registriert, sodass das Programm sie beim Übereinanderlegen richtig ausrichtet, um eine komplexe Datenkarte zu erstellen. Die Basisebene ist fast immer eine geografische Karte, die je nach benötigter Visualisierung (Satellit, Straßenkarte usw.) aus einer Reihe von Quellen gezogen wird. Dieses Programm stellt den Benutzern viele davon zur Verfügung und enthält auch Live-Feed-Layer einschließlich Verkehrsdetails.

Die ersten drei Layer werden als Feature- oder Vektorlayer bezeichnet und enthalten jeweils einzelne Funktionen, die sich durch die Plattform unterscheiden. Diese sind:

  • Punkte (wie Sehenswürdigkeiten, Gebäude)
  • Linien (wie Straßen und andere 1D-Schemata)
  • Polygone (wie politische Informationen und geografische Zählungen, sogenannte 2D-Daten)
  • Rasterbilder (eine Basisvektorebene wie ein Luftbild)

Daten können mit mindestens einer dieser räumlichen Schichten korreliert und sowohl kartiert als auch analysiert werden, sei es durch Merkmale wie demografische Veränderungen oder über Datentabellen.

Was diese Methode jedoch von ihren Mitbewerbern unterscheidet, ist die komplexe Plattform, durch die dieses Mapping und Daten durchgeführt werden können. Daher ist es ein umfangreiches Programm, das den neuesten Verbesserungen und Aktualisierungen unterliegt. Es ist derzeit auf Microsoft Windows-Desktops verfügbar, obwohl das Online-Programm auf vielen Betriebssystemen zugänglich ist. Da es als Plattform funktioniert, sollten Benutzer nicht durch Seiten mit Informationen waten und Datenressourcen stehen zur Verfügung, um spezifische Informationen aus viel größeren geografischen Datensätzen zu reduzieren und zu extrahieren. Zusammenfassend ist es eine One-Stop-Lösung für Datenmanagement und -analyse, die durch die Kartenerstellung gefiltert werden. Jeder mit grundlegenden Computerkenntnissen und Interesse an der Kartenerstellung kann ArcGIS in nur 2 Wochen erlernen.

Komplexe Grafiken und Daten

Es ermöglicht Ihnen, schnell beeindruckende visuelle Karten und Modelle zu erstellen, z. B. dreidimensionale Renderings und Bevölkerungsflusskarten. Per Drag-and-Drop-Funktion konnten Datentabellen sofort in die Cloud geladen und visualisiert werden. Es gibt auch ein gutes Mapping-Tool, das die besten Stile, Klassifizierungen und Farben für Ihre Daten vorschlägt.

Bildmaterial wird in hoher Auflösung angeboten, das sowohl aus aktuellen als auch aus historischen Quellen weltweit stammt und die Erstellung historischer Karten sowie aktueller demografischer Daten und Informationsbeobachtungen ermöglicht. Oberflächenphänomene wie Höhe, Temperatur, Niederschlag usw. können mit erstaunlichen Werkzeugen für die Oberflächenanalyse ebenfalls vollständig in solche visuellen Karten und Modelle integriert werden.

Wo wird es verwendet?

Als branchenführende Plattform wird das Paket von Anwendungen und Tools, die für dieses Programm von zentraler Bedeutung sind, von einer Mehrheit von Unternehmen, Institutionen und Abteilungen verwendet, die sich mit der geografischen Informationsanalyse befassen. Aber auch die Benutzerfreundlichkeit der Benutzeroberfläche hat sich in der Medien- und journalistischen Nutzung bewährt.

ArcGIS hat einen guten Ruf und eine lange Geschichte. Diese einfache Tatsache macht es zu einer unverzichtbaren Software für verschiedene Unternehmen, die sich mit geografischen Informationssystemen befassen. Insbesondere wird es von staatlichen und lokalen Regierungen auf der ganzen Welt, einschließlich in den USA, verwendet.

Arten von Software

Diese Software gibt es in vielen verschiedenen Ausführungen, vom Standard-Desktop-Paket bis hin zu einigen vollständig webbasierten Programmen. Das Desktop-Paket umfasst das Basispaket zum Veröffentlichen und Verwalten von Informationen und Daten sowie den Zugriff auf die Online- und „Enterprise“-Optionen. Die Online-Version enthält viele Funktionen, die benötigt werden, um Web-Apps und Webkarten mit geografischen Informationen zu erstellen. Es gibt eine Galerie mit Basiskarten und Stilen zur Auswahl und auch eine ganze Reihe von Datenstapeln zur Visualisierung.

Selbstverständlich können Sie auch Ihre persönlichen Daten eingeben. Zu den Vorteilen des Online-Programms gehört das Teilen von Inhalten sowohl innerhalb als auch außerhalb Ihres Unternehmens. Gruppen können auf Einladungen auf persönliche Karten zugreifen, was eine Zusammenarbeit ermöglicht. Zusätzliche Teile der Softwareplattform umfassen Anwendungen wie Navigations-, Erfassungs- und Vermessungstools sowie einen schnellen Explorer und Mitarbeitertools für die koordinierte Feldarbeit.

Wenn Sie dies interessiert, suchen Sie nach einem Online-ArcGIS-Schulungsanbieter oder einem Lernkit zum Selbststudium, das Ihnen hilft, die Grundlagen zu erlernen und ein Profi zu werden.

Hinweis: Dies ist ein Gastblog von Yashraj Singh Shaktawat, SEO Executive, Edunbox.


Wie berechnet ArcGIS Live Traffic in einem Netzwerk-Dataset? - Geografisches Informationssystem

Nicht alle Geodaten werden gleichermaßen erstellt. Die Datenqualität bezieht sich auf die Fähigkeit eines bestimmten Datensatzes, das Ziel zu erfüllen, für das er erstellt wurde. Angesichts der enormen Mengen an Geodaten, die erstellt und der kartographischen Gemeinschaft zur Verfügung gestellt werden, müssen die einzelnen Benutzer von Geoinformationssystemen (GIS) darauf achten, dass die für ihr Projekt verwendeten Daten für die jeweilige Aufgabe geeignet sind.

Zwei Hauptattribute charakterisieren die Datenqualität. Genauigkeit Wie nahe eine Messung ihrem tatsächlichen Wert liegt, wird oft als Wahrscheinlichkeit ausgedrückt. beschreibt, wie nah eine Messung an ihrem tatsächlichen Wert liegt und wird oft als Wahrscheinlichkeit ausgedrückt (z. B. befinden sich 80 Prozent aller Punkte innerhalb von +/- 5 Metern um ihre wahre Position). Präzision Die Varianz eines Wertes bei wiederholten Messungen. bezieht sich auf die Varianz eines Wertes bei wiederholten Messungen. Eine Uhr kann auf 1/1000 Sekunde genau sein (genau), aber 30 Minuten langsam (nicht genau). Wie Sie in Abbildung 5.12 „Genauigkeit und Präzision“ sehen können, sind die blauen Pfeile sowohl präzise als auch genau, während die roten Pfeile präzise, ​​aber ungenau sind.

Abbildung 5.12 Genauigkeit und Präzision

Wenn die Genauigkeits- und/oder Genauigkeitsanforderungen bei der Datenerfassung und -erstellung nicht erfüllt werden, können verschiedene Fehlerarten auftreten. Positionsgenauigkeit Die Wahrscheinlichkeit, dass ein Feature innerhalb von +/- Einheiten entweder seiner wahren Position auf der Erde (absolute Positionsgenauigkeit) oder seiner Position im Verhältnis zu anderen kartierten Features (relative Positionsgenauigkeit) liegt. ist die Wahrscheinlichkeit, dass ein Feature innerhalb von +/- Einheiten entweder seiner wahren Position auf der Erde (absolute Positionsgenauigkeit) oder seiner Position in Bezug auf andere kartierte Features (relative Positionsgenauigkeit) liegt. 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.


Methoden

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:

Pj the population of destination zone j

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

n 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:

Pj the population of destination zone j

(_) a binary variable equal to 1 when travel time from zone ich 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 ich to zone j is smaller than the determined distance limit λ (10 kilometres radius) and 0 otherwise

n 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 ich to destination zone j

Pj the population of destination zone j

n 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 ich to destination zone j

Pj the population of destination zone j

n 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.


Schau das Video: Network Analyst: Creating Network Datasets