что такое lat и lon

lat/lon

Смотреть что такое «lat/lon» в других словарях:

South Buffalo, Buffalo, New York — (lat,lon)South Buffalo is a predominantly Irish American neighborhood, which makes up the southern third of Buffalo, New York. It has one of the largest concentrations of Irish Americans west of the Hudson River outside of Chicago, many of whom… … Wikipedia

Mapa de wikipedistas — Wikipedia:Mapa de wikipedistas Saltar a navegación, búsqueda Contenido 1 Wikipedistas del mundo, ¡salud! 2 Usuarios registrados en el mapa 3 Usuarios que quieren agregarse al mapa … Wikipedia Español

Deegree — Entwickler: lat/lon Aktuelle Version: 2.2 (22. Dezember 2008) Betriebssystem: Java Plattform Kategorie: Geoinformationssystem … Deutsch Wikipedia

Lambert-93 — Projection conique conforme de Lambert Pour les articles homonymes, voir Lambert. Ne doit pas être confondu avec Projection azimutale équivalente de Lambert. La projection conique conforme de Lambert, ou plus simplement, la projection de… … Wikipédia en Français

Lambert93 — Projection conique conforme de Lambert Pour les articles homonymes, voir Lambert. Ne doit pas être confondu avec Projection azimutale équivalente de Lambert. La projection conique conforme de Lambert, ou plus simplement, la projection de… … Wikipédia en Français

Lambert 93 — Projection conique conforme de Lambert Pour les articles homonymes, voir Lambert. Ne doit pas être confondu avec Projection azimutale équivalente de Lambert. La projection conique conforme de Lambert, ou plus simplement, la projection de… … Wikipédia en Français

Projection conique conforme de Lambert — Pour les articles homonymes, voir Lambert. Ne doit pas être confondu avec Projection azimutale équivalente de Lambert. La pro … Wikipédia en Français

Projection de Lambert — Projection conique conforme de Lambert Pour les articles homonymes, voir Lambert. Ne doit pas être confondu avec Projection azimutale équivalente de Lambert. La projection conique conforme de Lambert, ou plus simplement, la projection de… … Wikipédia en Français

Projection de lambert — Projection conique conforme de Lambert Pour les articles homonymes, voir Lambert. Ne doit pas être confondu avec Projection azimutale équivalente de Lambert. La projection conique conforme de Lambert, ou plus simplement, la projection de… … Wikipédia en Français

Wikipedia:Graphic Lab/Resources/Creating shaded relief (GRASS, 3DEM) — See also: Wikipedia:Graphic Lab/Resources/Optimizing shaded relief using GIMP (old) The object of this tutorial is to create (composite) relief shadows resulting from a digital elevation model (DEM) created using the programs 3DEM or GRASS GIS.… … Wikipedia

Источник

Работа с геолокациями в режиме highload

При разработке ПО часто возникают интересные задачи. Одна из таких: работа с гео-координатами пользователей. Если вашим сервисом пользуются миллионы пользователей и запросы к РСУБД происходят часто, то выбор алгоритма играет важную роль. О том как оптимально обрабатывать большое количество запросов и искать ближайшие гео-позиции рассказано под катом.

Задача поиска ближайшего соседа

В процессе разработки сервиса push-уведомлений Pushwoosh возникла достаточно известная задача. Имеется много геозон. Геозона задается географическими координатами. Когда пользователь проходит мимо одной из таких геозон(например закусочная) ему должно приходить push-уведомление(«Йоу, заходи к нам и подкрепись с 20% скидкой). Для простоты будем считать радиус всех геозон одинаковым. В условиях большого количества геозон и большого количества пользователей(у нас их 500 миллионов!), которые постоянно перемещаются — поиск ближайшей геозоны должен осуществляться максимально быстро. В англоязычной литературе эта задача известна как Nearest neighbor search. На первый взгляд кажется, что чтобы решить эту задачу нужно посчитать расстояния от пользователя до каждой геозоны и сложность данного алгоритма линейна O(n), где n — количество геозон. Но давайте решим эту задачу за логарифм O(log n)!

Географические координаты

Нужно обратить внимание что x — это долгота, y — широта(Google Maps, Яндекс.Карты и все остальные сервисы указывают долготу первой).

Географические координаты можно перевести в пространственные — просто точка (x,y,z). Кому интересно более подробно можно посмотреть википедию.
Количество знаков после запятой определяет точность:

Если нужна точность до одного метра, то следует хранить 5 знаков после запятой.

Geohashing

Пусть у нас есть сервис, которым пользуются миллионы людей, и мы хотим хранить их географические координаты. Очевидный подход в данном случае завести в таблице два поля — широта/долгота. Можно использовать double precision(float8), который занимает 8 байт. В итоге нам потребуется 16 байт для хранения координат одного пользователя.

Но есть и другой подход, который называется geohashing. Идея простая. Широта и долгота кодируется в число, которое затем кодируется в base-32. Карта разбивается на матрицу размера 4×8 и каждой ячейке присваивается некоторый символ(alphanumeric).

Чтобы повысить точность, каждая ячейка разбивается на более мелкие, при этом к коду добавляются символы(если быть точным цифры, а после происходит кодирование в base-32).

Разбиение можно производить до необходимой точности. Такой код уникален для каждой точки.

Подробно алгоритм построения я описывать не буду, о нем можно почитать в википедии. Его идея похожа на арифметическое кодирование. Данный код обратим. Многие технологии уже имеют встроенные методы для работы с гео-хешами, например, MongoDB.

Пример: координаты 57.64911,10.40744 будут закодированы в u4pruydqqvj (11 символов). Если требуется меньшая точность, то и код будет меньше.

Особенность данного кода в том, что ОБЫЧНО близлежащие точки имеют одинаковый префикс. И можно посчитав разницу между гео-хешами определить близость двух точек. Но к сожалению данный алгоритм не точен, это хорошо видно из предыдущих изображений. Ячейки с кодами 7 и 8 находятся дальше друг от друга, чем ячейки 2 и 8.

В качестве примера приведу картинку, где гео-хеш дает неверный результат(geohashdelta — разность между геохешами без base32)

Если точностью в задаче можно пренебречь, то можно создать в таблице поле geohash, добавить по нему индекс и производить поиск за логарифм.

Полный перебор

Можно написать хранимую процедуру

Но в итоге будет Seq Scan, что очень не приятно.

K-d tree и R tree

Что делать, когда точностью пренебречь не получается? Для этого уже есть специальная структура данных K-d tree. Можно перевести широту и долготу в (x,y,z) построить по ним дерево и производить поиск по дереву в среднем за логарифм.

PostGIS

PostGIS — это расширение, которое значительно расширяет обработку географических объектов в РСУБД PostgreSQL.

Для решения нашей задачи будет использовать трехмерную систему координат SRID 4326(WGS 84). Данная система координат определяет координаты относительно центра масс Земли, погрешность составляет менее 2 см.

Если у вас ubuntu-подобная система, то PostGIS можно установить из пакета(для PostgreSQL 9.1):

И подключить необходимые экстеншены:

С помощью \dx можно посмотреть все установленные экстеншены.

Создадим отношение с индексом по полю location

После чего для поиска ближайшей геозоны можно воспользоваться следующим запросом

Здесь — distance operator. Мы посчитали дистанцию и нашли ближайшие 10 геозон!
СТОП скажите Вы! Ведь данный запрос должен просмотреть все записи в таблице и посчитать расстояние до каждой геозоны O(n).

Давайте посмотрим EXPLAIN ANALYZE запроса

Index Scan! Где же магия?

GiST-индекс реализованный PostGIS поддерживает distance operator при поиске. Также данный индекс может быть составным!

Данный функционал можно реализовать и без использования PostGIS, воспользовавшись индексом btree-gist, но PostGIS предоставляет удобные методы для перевода широты и долготы в WGS 84.

Источник

Отображение координат и входных данных в виде LatLon или LonLat?

Я пытаюсь понять, если это проблема для других, или каждый вход / выход должен быть помечен, чтобы пользователь не запутался и просто пошел с этим?

Я думаю, что почти все произносят это как «LatLon».

Это потому, что это в алфавитном порядке по сравнению с «LonLat»?

Должна ли строка состояния в картографическом приложении отображать La, Lo или Lo, Lat?

Должен ли он быть помечен как односторонний и позволить пользователю справиться с этим?

И то же самое с вводом, как правильно упорядочить поля?

Вы должны взглянуть на стандарт ISO 6709. Вот запись в Википедии: ISO 6709

Основным пунктом является то, что порядок всегда должен быть широтой и долготой.

[редактировать сейчас, когда у меня есть копия 6709: 2008]

Для обмена данными используйте DD, но для обратной совместимости допустимо использование sexagesimal.

Там есть раздел под названием «Координаты широты и долготы не уникальны» с картинкой.

Существует очень сильная формулировка о порядке координат для отображения (не чередование). В нем говорится, что навигаторы традиционно используют порядок широты и долготы, и изменение порядка может поставить под угрозу безопасность. Используйте шестнадцатеричные, символы направления вместо +/- и т. Д. Значения Z следуют за долготой. Значения сетки / плоскости должны использовать порядок, указанный в определении CRS.

34 ° 05’09,76 «с.ш. 117 ° 02’01,23» в.д. 829,1 м

(Ха! Я начал писать пример и автоматически записал значение долготы первым)

Для представления позиции на глобусе требуется не два, а три значения, которые на земле обычно представлены (широта, долгота, высота). Компьютеры обычно работают в декартовых пространствах, как и наши бумажные карты, которые легче понять как (x, y) координаты, отсюда и конфликт.

Порядок следовал некоторому историческому соглашению для сферических координат, которые отображаются на географические координаты следующим образом:

Общее упорядочение (r, θ, φ) ( стандарт ISO в физическом сообществе, хотя и не рассматривается в другом месте ) упрощается до (θ, φ), когда вы предполагаете, что мы работаем над единичной сферой, и, следовательно, (широта, долгота).

Предыдущие два ответа уже охватывают историю, вот только мои два цента о стандартах:

Если вы присмотритесь, любой EPSG CRS определяет порядок осей, который должен соблюдаться в любой полезной нагрузке, помеченной для использования CRS. Например, все, что публикует данные в формате epsg: 4326 (WGS 84 geographic 2D), должно иметь координаты, выраженные как (широта, долгота). Вы можете проверить реестр EPSG самостоятельно (найдите код 4326 и посмотрите в разделе Ellipsoidal CS / Axes).

Однако параметры AXIS являются необязательными, и значения по умолчанию, согласно этой спецификации, являются

Источник

Отображение координат и входных данных как LatLon или LonLat?

Я пытаюсь понять, является ли это проблемой для других или каждый ввод / вывод должен быть помечен, чтобы пользователь не запутался и просто согласился?

Думаю, почти все произносят это слово как «LatLon».

Это потому, что это в алфавитном порядке по сравнению с «LonLat»?

Должна ли строка состояния в картографическом приложении отображать La, Lo или Lo, Lat?

Следует ли просто пометить его как односторонний и позволить пользователю разобраться с этим?

И то же самое с вводом, как правильно упорядочить поля?

Вам следует взглянуть на стандарт ISO 6709. Вот запись в википедии: ISO 6709

Главное, чтобы порядок всегда был широтой и долготой.

[отредактируйте теперь, когда у меня есть копия 6709: 2008]

Для обмена данными используйте DD, но для обратной совместимости допустимо шестидесятеричное число.

Есть раздел под названием «Координаты широты и долготы не уникальны» с картинкой.

О порядке координат для дисплей (не обмен). В нем говорится, что навигаторы традиционно использовали порядок широты и долготы, и изменение порядка могло поставить под угрозу безопасность. Используйте шестидесятеричные символы направления, а не +/- и т. Д. Значения Z следуют за долготой. Значения сетки / плоскости должны использовать порядок, указанный в определении CRS.

34 ° 05’09.76 «N 117 ° 02’01.23» W 829,1м

(Ха! Я начал записывать образец и сначала автоматически записал значение долготы)

Для представления позиции на глобусе требуются не два, а три значения, которые на Земле обычно представлены (широта, долгота, высота). Компьютеры обычно работают в декартовых пространствах, как и наши бумажные карты, которые легче понять как координаты (x, y), отсюда и конфликт.

Порядок следовал некоторому историческому соглашению для сферических координат, которые отображаются на географические координаты следующим образом:

Обычный порядок (r, θ, φ) (стандарт ISO в физическом сообществе, но не установлен нигде в другом месте) упрощается до (θ, φ), когда вы предполагаете, что мы работаем над единичной сферой, и, следовательно, (широта, долгота).

Предыдущие два ответа уже охватывают историю, вот только мои два цента о стандартах:

Для обмена данными порядок координат определяется выбором CRS., как это продвигается OGC в своей инструкции по политике порядка Axis.

Если вы присмотритесь, любой EPSG CRS определяет порядок осей, который должен соблюдаться в любой полезной нагрузке, отмеченной для использования CRS. Например, все, что публикует данные в формате epsg: 4326 (географический 2D WGS 84), должно иметь координаты, выраженные как (широта, долгота). Вы можете проверить реестр EPSG самостоятельно (найдите код 4326 и посмотрите в разделе Ellipsoidal CS / Axes).

В ОСЬ параметры являются необязательными, а значения по умолчанию, согласно этой спецификации,

Это обычная проблема, вот еще одно предыдущее обсуждение:

На http://wiki.osgeo.org/wiki/Axis_Order_Confusion есть очень исчерпывающее обсуждение.

@wwnick предоставил вышеуказанную информацию в качестве комментария к повторяющемуся вопросу

В течение многих лет это создавало для меня большую проблему в AutoCAD 2D, усугубляемую тем фактом, что autocad считывает углы против часовой стрелки с 0 градусов, начиная с позиции 90d. Некоторое время мне нравилось думать, что я решил эту проблему, изменив ПСК таким образом, что x стал северным, а y восточным. Пока я продолжал создавать 2D-планы собственности, я никогда не сталкивался с моей ошибкой: ось z была направлена ​​неверно.

Источник

Геоаналитика с помощью Python и открытых данных: пошаговое руководство

Каждый бизнес желает знать, где сидит фазан целевая аудитория

Всем привет! Геоаналитика преследует меня вот уже 3 года, скоро пойдет 4-й. Начиналось все в компании Тандер (Магнит), где я в роли одного из Дата Сайнтистов проекта прогнозировала потенциальный оборот магазинов, а продолжается в Билайне, где я теперь уже занимаюсь предиктивом не только для ритейла, но и для других форматов. Помимо этого, мне удалось применить геоаналитику для анализа инвестиционной привлекательности коммерческой недвижимости, а также поработать с микробизнесом и предпринимателями, которые не обладают миллионными бюджетами для геомаркетинговых исследований, но в то же время, не очень хотят терять миллионы после выбора неудачного места открытия. Присаживайтесь поудобнее, надеюсь, будет полезно и интересно (а именно: предпринимателям, малому бизнесу, где важен правильный выбор локации и аналитикам того самого бизнеса)

В этой статье рассмотрим кейс «Как выбрать помещение для открытия кофейни?». В целом, данный подход масштабируется на любые виды бизнеса, где важна локация и то, что на ней происходит/находится.

Содержание:

Введение в геоаналитику и геомаркетинг

Работа с гексагонами: познакомимся с гексагонами (Uber H3), научимся их выгружать, визуализировать

Выгрузка, визуализация и анализ гео данных из OSM

Где открыть кофейню?

Бибилиотеки: geopandas, json, shapely, folium, osmnx, h3

Волшебство: пересечение (пространственный join) полигонов и точек, визуализация гео данных (нанесение точек/полигонов на карту osm и ее различное форматирование), поиск ближайших объектов и др.

Введение в геоаналитику и геомаркетинг

Геома́ркетинг (географический маркетинг) — маркетинговая дисциплина, направленная на взаимодействие с локальной аудиторией, выделенной по географическому признаку, с целью планирования, продвижения и осуществления деятельности в области сбыта продукции (wikipedia)

розничная торговля продуктами питания (FMCG)

здравоохранение (аптеки, частные клиники)

общепит (кафе, рестораны, бары)

банковский сектор и страхование

DIY (строительные магазины)

девелопмент торговых центров и др.

выбор оптимального размещения нового объекта

оценка потенциального объема продаж, определение класса (масс-маркет, бизнес, люкс) и состава реализуемой продукции/услуг

определение эффективного пути использования имеющегося объекта

выбор оптимальной локации для размещения наружной рекламы и др. маркетинговых оффлайн активностей

4 принципа масштабирования сети:

4 принципа масштабирования сети

1) Перехват трафика

Этот принцип подразумевает открытие сетевых точек в зонах с высоким пешеходным трафиком (важно: высокий пешеходный трафик не всегда равен большому количеству целевой аудитории (ЦА) => анализируем состав ЦА), а также вблизи уже открытых точек конкурентов (важно: конкурентное преимущество)

Эффект синергии достигается благодаря открытию смежных ниш бизнеса. Например: рядом с детскими товарами открывается магазин с товарами для дома/мам и пр.

Торговые точки должны быть кластеризованы (распределены на группы) как минимум по следующим категориям: бюджет района, тип населенного пункта (большой/малый, поселки и пр.), формат торговой точки. Это означает, что для каждой группы необходима индивидуальная стратегия масштабирования, ценообразования, ассортиментной политики и т.д.

Его величество, BIG DATA

Развитие технологий получения, обработки и хранения геоданных позволяют творить потрясающие вещи в рамках геомаркетинговых исследований.

Используя различные приложения вы делитесь своей геопозицией

Совершая звонки, смс, используя интернет, вы автоматом попадаете в базы данных телеком операторов, поисковых порталов, а также web-сервисов

Подключаясь к WIFI в кафе, ТЦ, вы тоже попадаете в чью-то базу

И это еще не весь список, но важно отметить, что в любом геомаркетинговом исследовании эти данные обезличены и выглядят примерно так: «в радиусе 500 м проживает 666 женщин и 999 мужчин»

Какую информацию может содержать геомаркетинговое исследование локации?

Трафик (автомобильный, пешеходный):

Активность (кол-во пешеходов, кол-во автомобилей, кол-во проживающих/работающих)

Экономическая активность: количество чеков по категориям покупок, средний чек (ОФД)

Интересы (основаны на поисковых запросах, часто посещаемых приложениях и пр.) и др.

Это действительно один из самых мощных способов снизить риск «вложить кучу денег в открытие, но прогадать с местом», а автоматизация процесса поиска потенциальных мест открытия и их анализа помогает быстрее масштабировать сеть. Федеральные сети уже давно сформировали собственные отделы геоаналитики и активно закупают данные. Но как быть предпринимателям и микро бизнесу, который не готов тратить миллионы?

Гексагоны (H3: Uber’s Hexagonal Hierarchical Spatial Index)

Uber опубликовал open source проект, с помощью которого можно легко и просто нанести на карту красивые шестиугольники 🙂 Подробнее.

Сделаем сразу импорт всех библиотек:

Посмотрим как выглядит гексагон для рандомной точки в г. Краснодар:

Подробнее про объекты карты, которые мы будем выгружать и анализировать.

Теперь, с помощью osmnx и h3 сотворим магию и сгенерим гексагоны внутри полигона г. Краснодара:

1) Выгрузим границы г. Краснодара из OSM

2) Сгенерим гексагоны внутри полигона:

Выгрузка, визуализация и анализ геоданных из OSM

Выгружаем объекты карты из OSM:

Spatial Join

Теперь, нам надо сджойнить полученные объекты с гексагонами:

Посмотрим как по городу распределены кофейни:

Выгрузим доступную инфу о жилых многоэтажных зданиях:

Давайте посчитаем сколько людей проживает в этих домах, основываясь на следующих предположениях:

Ok, Гугл: сколько в среднем квартир на этаже?

Гугл вещает, что кол-во квартир напрямую зависит от класса жилья:

Но мы здесь собрались не для того, чтобы парсить авито/циан, поэтому дальше будем использовать в среднем 10 квартир на этаж (доля бизнес и комфорт класса не так велика в Краснодаре)

Посмотрим что у нас вышло с плотностью «гипотетического» населения в Краснодаре:

ля какая красота (не сильно точные данные у OSM, но дареному коню в зубы не смотрят!)

Где открыть кофейню? Определяем лучшее место для поиска потенциального помещения

Где открыть кофейню? Вопрос для отдельной статьи, а сюда я пришла, чтобы показать вам пример как можно творить магию геаналитику на открытых данных. Логично, что одним из ключевых факторов будет много людей и мало конкурентов, т. е. я предлагаю вам рассчитать фичу население/кол-во кофеен в гексагоне. Так мы сможем выбрать ТОП гексагоны для поиска потенциальных мест для открытия кофейни. Итого:

Добавим фичу население/кол-во кофеен в гексагоне.

Выберем гексагон с наибольшим значением.

Выберем этот гексагон и его 6 соседей (быстро это можно сделать с помощью KDTree библиотеки scipy), чтобы на всякий пожарный не упустить ближайшие области из-за каких-либо перекосов в данных OSM (опционально).

Открываем авито/циан и ищем там помещение для кофейни.

Какие еще фичи можно рассчитать?

Количество якорей трафика (ТЦ, БЦ, фаст фуд рестораны, супермаркеты и т. д.) поделим на кол-во кофеен/на кол-во населения

Huff (а вот про модель Huff я расскажу позже 🙂

Моя первая статья на Habr. Не кидайте помидоры 🙂

Источник