Apakah ada metode SIG yang dijelaskan untuk membuat daerah tangkapan berdasarkan jarak mengemudi terdekat?

11

yaitu. kombinasi poligon Voronoi dengan isochrones, sehingga poligon Voronoi didasarkan pada jarak mengemudi bukan jarak Euclidean. Apakah ada nama atau metode yang dijelaskan untuk ini?


sumber
1
Saya tidak tahu nama pasti untuk ini, tetapi analogi yang tepat untuk jarak Euclidean tidak selalu mungkin untuk rute mengemudi. Pertimbangkan jalan satu arah: mereka menyebabkan beberapa lokasi jalan sedemikian rupa sehingga jarak tidak mematuhi ketimpangan segitiga.
Anthony -GISCOE-

Jawaban:

3

Saya tidak berpikir ada nama untuk teknik yang tepat ini, tetapi mudah-mudahan beberapa dari yang berikut ini akan memberikan beberapa opsi:

Secara umum, ada banyak teknik interpolasi untuk bergerak antara representasi titik dan permukaan kontinu, seperti yang diilustrasikan metode interpolasi TIN . Permukaan kontinu kemudian dapat diklasifikasikan berdasarkan nilai untuk menghasilkan isochrones.

Pada jaringan seperti jalan, jika jarak di sepanjang tepi diketahui, Anda dapat menghitung jarak ke lokasi mana pun menggunakan sesuatu seperti algoritma A * - sekali lagi data ini dapat dipartisi berdasarkan jarak ke isochrones.

scw
sumber
Interpolasi off-road tidak ada artinya kecuali Anda secara eksplisit mengizinkan perjalanan off-road. Dalam hal itu, jawaban yang benar bukanlah interpolasi per se , tetapi dihitung dengan prosedur jarak-biaya (contohnya algoritma A *) untuk perjalanan di luar jalan, bukan untuk perjalanan di sepanjang "tepi" jalan. IDW maupun kriging tidak cocok di sini.
whuber
Interpolasi off-road bisa saja ada untuk tujuan presentasi. Bayangkan peta kota yang menunjukkan rumah sakit mana yang harus Anda kunjungi berdasarkan waktu mengemudi.
johanvdw
(Lagi pula dalam hal itu IDW atau kriging adalah teknik yang buruk. Lebih baik gunakan poligon voronoi untuk hanya menghubungkan waktu perjalanan yang sama)
johanvdw
1
Saya telah memperbarui metode untuk menyebutkan menggunakan TIN untuk interpolasi (simpan semuanya dalam vektor). Karena pendekatan ini dimaksudkan sebagai teknik visualisasi untuk memberikan gambaran keseluruhan waktu pergerakan, bukan biaya sebenarnya point-to-point, saya pikir IDW atau sejenisnya baik-baik saja: tidak akurat dalam arti ilmiah, tetapi itu sering bukan maksud peta seperti ini (mis. mysociety.org/2007/more-travel-maps , definition-marketing.com/IMG/jpg/courbe-isochrone.jpg ).
scw
1
Saya menggunakan frase interpolasi agar konsisten dengan perangkat lunak, tetapi saya setuju bahwa ini benar-benar pendekatan generalisasi kartografi: area lain di mana penggunaan beragam GIS mulai dari artistik hingga ilmiah dapat menyebabkan ketidaksesuaian konseptual.
scw
2

Saya bisa melihat dua cara untuk mengatasi masalah ini. Seseorang cukup mudah. Yang lain membutuhkan banyak data pendukung.

Algoritma langsung akan mengandalkan lambung cembung daripada poligon voronoi. Bangun cembung lambung titik akhir vektor dan simpul untuk segmen jalan yang termasuk dalam batas waktu drive Anda. Lalu, gunakan cembung cembung ini untuk memilih jaringan yang terhubung di dalam cembung cembung Anda yang berada di luar batas waktu drive Anda. Ini adalah kantong-kantong di dalam area umum Anda yang tidak dapat dijangkau dalam waktu perjalanan (mis. Cut-off satu arah, subdivisi interior yang kompleks, dll.). Bangun cembung cembung untuk masing-masing jaringan saku terisolasi ini dan gunakan lambung ini sebagai cincin interior ke cembung cembung asli Anda.

Perhatikan bahwa algoritma khusus ini menjadi jauh lebih kompleks jika Anda menggunakan kurva yang benar, karena kurva yang sebenarnya bisa jatuh di luar cembung cembung yang dibangun oleh verteks Anda.

Untuk algoritme data pendukung, Anda menggunakan partisi tanah. Parsel adalah pembagian tanah yang paling jelas, tetapi belum tentu efektif untuk setiap skenario. Berdasarkan jaringan solusi Anda, setiap paket ditentukan untuk diakses dari atau tidak dapat diakses ke jaringan solusi. Jika parsel dapat diakses, Anda letakkan di dalam area tangkapan. Jika tidak, di luar. Pada area dengan planimetrics yang dikembangkan ini bisa sangat mudah; cukup sertakan jalur masuk dan jalan pribadi sebagai komponen jaringan jalan. Jika partisi menyentuh jaringan solusi, itu dapat diakses. Salah satu kesulitan di sini adalah memastikan bahwa semua partisi yang berpotensi diakses menyentuh jaringan. Misalnya, jika Anda memiliki parsel kesamaan interior di subdivisi, Anda harus menggabungkannya dengan parsel atau parsel yang menyentuh jaringan. Tetapi Anda mungkin memiliki daerah, seperti jalur interior di taman besar, yang tidak dapat diakses sama sekali yang tidak menyentuh jaringan. Seperti saya katakan, banyak data pendukung, tetapi algoritma yang sangat efektif begitu Anda memiliki data.

tuan-castillo
sumber