در این مطلب، ویدئو AutoGIS 2019 درس 6.1 بازیابی داده های OpenStreetMap با استفاده از OSMnx در پایتون با زیرنویس فارسی را برای دانلود قرار داده ام. شما میتوانید با پرداخت 15 هزار تومان ، این ویدیو به علاوه تمامی فیلم های سایت را دانلود کنید.اکثر فیلم های سایت به زبان انگلیسی می باشند. این ویدئو دارای زیرنویس فارسی ترجمه شده توسط هوش مصنوعی می باشد که میتوانید نمونه ای از آن را در قسمت پایانی این مطلب مشاهده کنید.
مدت زمان فیلم: 00:47:47
قسمتی از زیرنویس این فیلم:
00:00:02,060 –> 00:00:04,610
اما بیایید این درس این هفته را مرور کنیم2
00:00:04,610 –> 00:00:07,790
و سپس در پایان می توانم
3
00:00:07,790 –> 00:00:09,590
چند کلمه در مورد تکلیف نهایی بگویم،
4
00:00:09,590 –> 00:00:13,250
بنابراین امروز
5
00:00:13,250 –> 00:00:15,860
ابتدا نحوه بازیابی داده های OpenStreetMap و
6
00:00:15,860 –> 00:00:19,340
سپس نحوه تجزیه و تحلیل آن
7
00:00:19,340 –> 00:00:22,460
شبکه جاده ای را بررسی خواهیم کرد. در مورد این قسمتها،
8
00:00:22,460 –> 00:00:26,570
سپس یا این موضوعات
9
00:00:26,570 –> 00:00:34,340
در تمرین پوشش داده میشوند و از آنجایی که بیشتر
10
00:00:34,340 –> 00:00:36,680
شما زودتر آمدید، ما بررسی کردیم که میتوانید
11
00:00:36,680 –> 00:00:39,350
نمونه را راهاندازی کنید، بنابراین
12
00:00:39,350 –> 00:00:42,350
من قبل از آخر هفته دارم
13
00:00:42,350 –> 00:00:47,629
این طرح اضافی را ایجاد کردم، اما مرتبط نیست.
14
00:00:47,629 –> 00:00:54,590
با ذخیره دائمی روح ما
15
00:00:54,590 –> 00:00:57,140
همیشه به سمت شما می آید، به خصوص
16
00:00:57,140 –> 00:00:59,660
اگر در اینجا کار می کنید،
17
00:00:59,660 –> 00:01:02,989
متأسفانه این کار برای ما مفید نبوده است،
18
00:01:02,989 –> 00:01:12,200
همچنین امیدوار بودیم یادآوری
19
00:01:12,200 –> 00:01:14,479
کنیم که چیزی را در آنجا آویزان نگذارید،
20
00:01:14,479 –> 00:01:19,029
همیشه آخرین نوت بوک های خود را فشار دهید
21
00:01:19,350 –> 00:01:21,840
که هر کدام کار کنند. زمان و البته برخی از
22
00:01:21,840 –> 00:01:24,120
شما پس از آن شروع به کار با
23
00:01:24,120 –> 00:01:29,150
رایانه های خود کرده اید که در
24
00:01:29,150 –> 00:01:31,979
محیط زیر نوت بوک ها خوب است.
25
00:01:31,979 –> 00:01:34,260
این ورودی با بازیابی اطلاعات OpenStreetMap شروع می شود.
26
00:01:34,260 –> 00:01:39,720
نوت بوک jupiter پس
27
00:01:39,720 –> 00:01:41,580
اکنون زمان آن رسیده است که بگوییم آیا
28
00:01:41,580 –> 00:01:45,420
مشکلی در یافتن این
29
00:01:45,420 –> 00:01:50,660
مطالب درسی دارید،
30
00:01:55,530 –> 00:01:59,280
خوب است، بنابراین اگر مشکل اساسی وجود ندارد،
31
00:01:59,280 –> 00:02:01,470
بیایید خیلی خوب شروع کنیم، بله
32
00:02:01,470 –> 00:02:03,840
OpenStreetMap
33
00:02:03,840 –> 00:02:09,869
موضوع مورد علاقه شخصی من است، شاید حداقل همه شما چه کسی
34
00:02:09,869 –> 00:02:11,820
بوده اید. به این آهنگهای نقشه
35
00:02:11,820 –> 00:02:14,880
که در اطراف هلسینکی سازماندهی کردهایم، برخی
36
00:02:14,880 –> 00:02:17,730
از شما و سپس شاید به طور کلی چند نفر
37
00:02:17,730 –> 00:02:19,680
از شما که تا به حال
38
00:02:19,680 –> 00:02:23,100
دادههای OpenStreetMap را ویرایش کردهاید، خوب است، بله،
39
00:02:23,100 –> 00:02:30,209
خیلی از افراد حاضر،
40
00:02:30,209 –> 00:02:33,860
بنابراین OpenStreetMap نقشهای از
41
00:02:33,860 –> 00:02:36,930
نوع جهان است. مشابه هر چیزی که ما
42
00:02:36,930 –> 00:02:39,090
نقشه های گوگل در اینجا داریم نقشه های دیگران را
43
00:02:39,090 –> 00:02:42,390
می کشد اما منبع باز است، بنابراین یک پایگاه داده با
44
00:02:42,390 –> 00:02:44,070
مجوز منبع باز است و سپس می توانید
45
00:02:44,070 –> 00:02:55,170
از نقشه خیابان باز به عنوان پس زمینه استفاده کنید
46
00:02:55,170 –> 00:03:02,000
همه ما می توانیم این نقشه را ارائه دهیم و سپس
47
00:03:02,000 –> 00:03:04,380
به ویژه از هلسینکی دادهها از
48
00:03:04,380 –> 00:03:09,209
کیفیت بسیار بالایی برخوردار هستند، ما قبلاً از این
49
00:03:09,209 –> 00:03:12,630
دادهها زمانی که در حال انجام کدگذاری جغرافیایی بودیم استفاده میکردیم، بنابراین اگر
50
00:03:12,630 –> 00:03:17,430
کامپالا را جستجو کنیم، نوع منطقه کامپالا را به ما میدهد،
51
00:03:17,430 –> 00:03:19,320
سپس میتوانیم
52
00:03:19,320 –> 00:03:20,880
جستجو کنیم. برای کشورهای کامپالا و مواردی از این قبیل،
53
00:03:20,880 –> 00:03:24,420
و اگر همه شما فقط برای نشان دادن میدانید،
54
00:03:24,420 –> 00:03:27,200
55
00:03:28,920 –> 00:03:32,670
بنابراین اگر به عنوان یک مشارکتکننده ثبتنام کنید
56
00:03:32,670 –> 00:03:36,390
، ابزارهای مختلفی برای
57
00:03:36,390 –> 00:03:41,730
ویرایش ویرایش این پایگاه داده وجود دارد، اکنون
58
00:03:41,730 –> 00:03:44,100
ویرایشگر ID را باز میکنم که در مرورگر کار میکند،
59
00:03:44,100 –> 00:03:47,130
بنابراین میتوانید ببینید چه چیزی
60
00:03:47,130 –> 00:03:49,590
ساختار داده واقعی است، بنابراین ما
61
00:03:49,590 –> 00:03:53,400
خطوط نقاط و چند ضلعی ها آشنا به نظر می رسد
62
00:03:53,400 –> 00:03:56,610
و سپس این اشیاء
63
00:03:56,610 –> 00:03:59,760
مختلف انواع مختلفی از ویژگی ها را دارند، بنابراین در اینجا
64
00:03:59,760 –> 00:04:01,530
خوب است که پویا است، ما اکنون
65
00:04:01,530 –> 00:04:04,920
در ساختمان فیزیکی نشسته ایم، بنابراین یک
66
00:04:04,920 –> 00:04:08,730
شی چند ضلعی است و نامی دارد که دارد
67
00:04:08,730 –> 00:04:12,450
آدرسی که میتوانیم ساعات کار را اضافه
68
00:04:12,450 –> 00:04:15,209
کنیم، بنابراین میتوانید به اینجا بروید
69
00:04:15,209 –> 00:04:19,108
و هندسهها را ویرایش کنید و ویژگیهای
70
00:04:19,108 –> 00:04:21,209
این انواع مختلف اشیاء را ویرایش کنید و
71
00:04:21,209 –> 00:04:22,860
امروز یاد خواهیم گرفت که چگونه میتوانیم
72
00:04:22,860 –> 00:04:26,070
این هندسهها و ویژگیها را
73
00:04:26,070 –> 00:04:29,460
با استفاده از بستهای به نام OS M
74
00:04:29,460 –> 00:04:32,190
و X به پایتون واکشی کنیم. نکته جالب در مورد این داده این
75
00:04:32,190 –> 00:04:33,960
است که به طور مشابه در حالت بیدار
76
00:04:33,960 –> 00:04:36,540
در سراسر جهان در دسترس است و البته اگر
77
00:04:36,540 –> 00:04:39,090
از جایی در دسترس نباشد، می توانیم فقط
78
00:04:39,090 –> 00:04:41,460
برویم و آن را اضافه و ویرایش کنیم تا wh کاری که
79
00:04:41,460 –> 00:04:44,070
ما در این افزونههای نقشه انجام دادهایم این است که
80
00:04:44,070 –> 00:04:46,200
مناطقی وجود دارد که برای مثال
81
00:04:46,200 –> 00:04:49,530
پزشکان بدون مرز یا صلیب سرخ قرار است
82
00:04:49,530 –> 00:04:52,229
به عنوان مثال یک
83
00:04:52,229 –> 00:04:54,390
کمپین واکسیناسیون انجام دهند یا زلزلهای رخ
84
00:04:54,390 –> 00:04:57,000
85
00:04:57,000 –> 00:04:59,880
داده است و دادههای دیجیتالی آشکارا در دسترس نیست و سپس مردم وجود دارد. فعال کردن رفتن و
86
00:04:59,880 –> 00:05:03,360
ویرایش جادهها، ساختمانها، آبراهها،
87
00:05:03,360 –> 00:05:05,310
مناطق مسکونی و غیره در
88
00:05:05,310 –> 00:05:07,550
OpenStreetMap به طوری که میتوان آنها را
89
00:05:07,550 –> 00:05:12,090
تجزیه و تحلیل کرد و
90
00:05:12,090 –> 00:05:15,270
برای اهداف تصمیمگیری استفاده کرد، به عنوان مثال، بنابراین این یک
91
00:05:15,270 –> 00:05:18,570
مقدمه سریع برای باز کردن دادههای نقشه خوراک است،
92
00:05:18,570 –> 00:05:21,000
به عنوان مثال، سپس برنامهریز مسیر
93
00:05:21,000 –> 00:05:22,860
درست برعکس مسکن از
94
00:05:22,860 –> 00:05:26,010
دادههای نقشه خیابان باز بهعنوان مبنای تحلیل شبکه
95
00:05:26,010 –> 00:05:28,410
استفاده میکند، بهعنوان مثال، اگر
96
00:05:28,410 –> 00:05:30,630
مسیری را از اینجا به خانه خود انتخاب کنید، نحوه
97
00:05:30,630 –> 00:05:33,060
پیادهروی از ساختمان تا ایستگاه
98
00:05:33,060 –> 00:05:35,100
اتوبوس بر اساس شبکه خیابان نقشه خیابان
99
00:05:35,100 –> 00:05:37,169
باز است، دادههای دیگری
100
00:05:37,169 –> 00:05:37,759
اضافه میشود.
101
00:05:37,759 –> 00:05:43,999
جدول زمانی ترافیک و از این قبیل خوب است، اما
102
00:05:43,999 –> 00:05:45,770
ما میتوانیم در مورد OpenStreetMap
103
00:05:45,770 –> 00:05:49,339
برای کل روز صحبت کنیم، اما اینکه چگونه
104
00:05:49,339 –> 00:05:53,300
با این پایگاه داده تعامل خواهیم داشت، پس از آن یک بسته
105
00:05:53,300 –> 00:05:57,620
پایتون است. Kage به نام OS Emma در مرحله بعدی بیایید
106
00:05:57,620 –> 00:06:03,259
ببینیم این پیوند پیوندها من را به کجا میبرد، بنابراین
107
00:06:03,259 –> 00:06:06,800
من در ایمیلی که برای شما فرستادم از شما خواستم
108
00:06:06,800 –> 00:06:11,059
ویدیوی YouTube را بررسی کنید که هنریک
109
00:06:11,059 –> 00:06:14,389
در حال مصاحبه با جف بوئینگ است که
110
00:06:14,389 –> 00:06:16,129
توسعهدهنده این بسته است، بنابراین اگر
111
00:06:16,129 –> 00:06:19,729
این کار را نکردید. با این حال آن را تماشا کنید، آیا شما آن را تماشا میکنید، اما
112
00:06:19,729 –> 00:06:23,029
اساساً کاری که این بسته
113
00:06:23,029 –> 00:06:25,370
انجام میدهد این است که میتوانید نوعی
114
00:06:25,370 –> 00:06:27,919
چند ضلعی ناحیه اداری را دانلود کنید، مانند آنچه که اکنون
115
00:06:27,919 –> 00:06:29,740
منطقه کامپالا را دیدیم، بنابراین میتوانید
116
00:06:29,740 –> 00:06:32,659
این مناطق را دانلود کنید و سپس از
117
00:06:32,659 –> 00:06:34,849
مناطق یا مناطق مشخص شده میتوانید
118
00:06:34,849 –> 00:06:37,729
خیابان را دانلود کنید. داده های شبکه برای
119
00:06:37,729 –> 00:06:39,800
اهداف تجزیه و تحلیل شبکه،
120
00:06:39,800 –> 00:06:41,959
امروزه می توانید به عنوان مثال
121
00:06:41,959 –> 00:06:44,120
ردپای ساختمان،
122
00:06:44,120 –> 00:06:46,249
چند ضلعی های پوشش زمین هر نوع داده ای را که
123
00:06:46,249 –> 00:06:47,649
در OpenStreetMap دارید دانلود کنید
124
00:06:47,649 –> 00:06:51,319
و سپس انکس osm دارای قابلیت هایی
125
00:06:51,319 –> 00:06:54,339
برای تعمیر توپولوژی شبکه
126
00:06:54,339 –> 00:06:58,069
است که در هنگام انجام مسیریابی و سپس انجام مسیریابی مهم است.
127
00:06:58,069 –> 00:07:01,789
چند ابزار
128
00:07:01,789 –> 00:07:04,819
برای تجزیه و تحلیل شبکه وجود دارد و سپس همراه
129
00:07:04,819 –> 00:07:07,099
با بسته دیگری به نام Network X
130
00:07:07,099 –> 00:07:12,229
و فقط به عنوان یک کنجکاوی می توانیم آن را
131
00:07:12,229 –> 00:07:14,930
هم نزدیک ببینیم. d از توسعهدهنده اصلی این
132
00:07:14,930 –> 00:07:16,879
دوره، هندریک لی
133
00:07:16,879 –> 00:07:19,669
در ارائه ویژگیهای osm و X کاملاً فعال بوده است، بنابراین
134
00:07:19,669 –> 00:07:21,649
اکثر این بستههایی که ما استفاده میکنیم
135
00:07:21,649 –> 00:07:24,110
توسط افراد برای
136
00:07:24,110 –> 00:07:25,909
اهداف تحقیقاتی خود توسعه داده شدهاند و سپس آنها را
137
00:07:25,909 –> 00:07:28,300
آنلاین قرار میدهند، افراد دیگر شروع به
138
00:07:28,300 –> 00:07:30,919
مشارکت میکنند. بحث بسیار خوبی است
139
00:07:30,919 –> 00:07:34,039
که جف و هانکا آن
140
00:07:34,039 –> 00:07:38,960
ویدیوی دیگر یوتیوب را دارند،
141
00:07:38,960 –> 00:07:42,240
بنابراین جف توضیح می دهد که چگونه باید
142
00:07:42,240 –> 00:07:44,699
این بسته را برای تحقیقات خود توسعه دهد، بنابراین او یک
143
00:07:44,699 –> 00:07:49,470
استادیار استاد مرتبط با
144
00:07:49,470 –> 00:07:53,250
مطالعات شهری است، بنابراین شما می توانید تجزیه و تحلیل های
145
00:07:53,250 –> 00:07:56,370
واقعاً مرتبط با طراحی شهری را انجام دهید. و
146
00:07:56,370 –> 00:07:58,830
تجزیه و تحلیل شبکه حمل و نقل
147
00:07:58,830 –> 00:08:06,330
با این بسته mmm ما به آنجا می رویم بله
148
00:08:06,330 –> 00:08:07,830
پس این هم لینک لینک
149
00:08:07,830 –> 00:08:10,080
ویدیو 25 دقیقه است پس الان آن را نمی بینیم
150
00:08:10,080 –> 00:08:12,840
اما شاید قبل از انجام تمرین این هفته آن را تماشا کنید
151
00:08:12,840 –> 00:08:14,759
و
152
00:08:14,759 –> 00:08:17,460
همچنین یک مقاله علمی منتشر شده است در
153
00:08:17,460 –> 00:08:19,530
محیط کامپیوتر و سیستم های شهری
154
00:08:19,530 –> 00:08:23,520
که جف ابزار اصلی را توضیح داده
155
00:08:23,520 –> 00:08:25,759
است و چگونه می توان از آن برای
156
00:08:25,759 –> 00:08:28,380
اهداف تحلیل حمل و نقل استفاده کرد.
157
00:08:28,380 –> 00:08:30,690
نکته اصلی او در اینجا این است که
158
00:08:30,690 –> 00:08:34,289
او ابزاری را برای انجام
159
00:08:34,289 –> 00:08:38,370
تجزیه و تحلیل شبکه تکرارپذیر ثابت ارائه کرده است، به عنوان
160
00:08:38,370 –> 00:08:40,440
مثال نوع دسترسی به داده یا
161
00:08:40,440 –> 00:08:42,630
دسترسی به داده یا دسترسی به داده هایی که
162
00:08:42,630 –> 00:08:45,990
می توانند با استفاده از معیارهای مشابه تجزیه و تحلیل شوند
163
00:08:45,990 –> 00:08:49,709
تا کنون یک چالش بوده است.
164
00:08:49,709 –> 00:08:52,170
به تجزیه و تحلیل شهری در مقیاس جهانی
165
00:08:52,170 –> 00:08:56,579
فکر کنید که چند نفر از شما ویدیو را تماشا کردید،
166
00:08:56,579 –> 00:08:59,190
من مجبور نیستم
167
00:08:59,190 –> 00:09:05,670
آن را خوب تماشا کرده باشم، شاید بعداً همه چیز را نشان
168
00:09:05,670 –> 00:09:08,790
دهم، اما
169
00:09:08,790 –> 00:09:15,390
به عنوان مثال فقط به نوعی نقشه های پر زرق و برق را نشان می دهم. بیایید
170
00:09:15,390 –> 00:09:18,390
از اینجا بررسی کنیم، بنابراین قبلاً از این دادهها
171
00:09:18,390 –> 00:09:23,010
با ضمیمه osm واکشی شدهاند و قبلاً
172
00:09:23,010 –> 00:09:24,540
با نگاه کردن به آنها میتوانید ببینید که
173
00:09:24,540 –> 00:09:26,910
جهتگیری ساختار در
174
00:09:26,910 –> 00:09:31,250
شهرهای مختلف متفاوت است و سپس کجاست،
175
00:09:31,250 –> 00:09:34,110
اینجا گرههایی
176
00:09:34,110 –> 00:09:36,750
از سانفرانسیسکو هستند. رنگی بر اساس
177
00:09:36,750 –> 00:09:39,750
توپولوژی، بنابراین ارتفاع، بنابراین شما می توانید
178
00:09:39,750 –> 00:09:41,880
داده های ارتفاع کوپه بر اساس
179
00:09:41,880 –> 00:09:44,339
Google API را نیز دریافت
180
00:09:44,339 –> 00:09:46,900
کنید و
181
00:09:46,900 –> 00:09:48,640
سپس بسته هایی برای انجام این
182
00:09:48,640 –> 00:09:52,780
نوع طراحی شهری خوب وجود دارد. یا نوع
183
00:09:52,780 –> 00:09:55,060
ساختار شهری معیارهای
184
00:09:55,060 –> 00:09:57,790
جهت گیری شبکه معابر در
185
00:09:57,790 –> 00:09:59,380
شهرهای مختلف و سپس
186
00:09:59,380 –> 00:10:02,080
بالطبع لایه های تمام لایه های
187
00:10:02,080 –> 00:10:04,480
شهرسازی بر نحوه
188
00:10:04,480 –> 00:10:07,030
ظهور و یا طراحی سازه شهری تأثیر می گذارد،
189
00:10:07,030 –> 00:10:10,660
بنابراین این گونه موارد
190
00:10:10,660 –> 00:10:13,870
هستند. توطئه های خوبی را که امروز پوشش نمی دهیم، اما
191
00:10:13,870 –> 00:10:16,420
برخی از دانش آموزان سال گذشته
192
00:10:16,420 –> 00:10:19,510
آنها را در تکلیف نهایی به کار بردند، بنابراین فقط به
193
00:10:19,510 –> 00:10:25,720
عنوان انگیزه، بله خوب است، بنابراین
194
00:10:25,720 –> 00:10:31,110
اگر دفترچه های یادداشت را
195
00:10:31,110 –> 00:10:38,740
از این قسمت باز دارید، شروع کنیم، بنابراین ما البته با وارد کردن شروع می کنیم.
196
00:10:38,740 –> 00:10:42,270
ماژول هایی که ما به آنها نیاز داریم o
197
00:10:42,270 –> 00:10:47,820
sm و XS o XO اوه
198
00:10:47,820 –> 00:10:51,340
پس با OS m NX حداقل Howe
199
00:10:51,340 –> 00:10:54,340
دستور داده است تا بتوانیم آن را با این
200
00:10:54,340 –> 00:10:59,020
نام مستعار کوتاه شده Oh X وارد کنیم اگر
201
00:10:59,020 –> 00:11:01,090
روی رایانه خود کار می کنید احتمالاً نیاز
202
00:11:01,090 –> 00:11:04,120
به نصب این بسته دارید و وقتی
203
00:11:04,120 –> 00:11:05,950
این بسته را نصب میکنید، شبکههایی را نیز
204
00:11:05,950 –> 00:11:08,290
در شبکه X نصب میکند که ما
205
00:11:08,290 –> 00:11:13,390
در قسمت دوم درس از آنها استفاده
206
00:11:13,390 –> 00:11:15,640
207
00:11:15,640 –> 00:11:19,600
208
00:11:19,600 –> 00:11:21,430
خواهیم کرد. بنابراین در این
209
00:11:21,430 –> 00:11:23,830
درس ما هیچ داده ورودی نداریم، فقط
210
00:11:23,830 –> 00:11:29,860
همه چیز را به صورت آنلاین واکشی می کنیم، بنابراین در
211
00:11:29,860 –> 00:11:36,310
آموزش از compy به عنوان
212
00:11:36,310 –> 00:11:38,710
منطقه مورد علاقه استفاده کرده ایم، بنابراین بیایید از آن استفاده کنیم تا
213
00:11:38,710 –> 00:11:42,960
بتوانیم با مشخص کردن یک رشته اوپس
214
00:11:45,280 –> 00:11:46,880
[Music]
215
00:11:46,880 –> 00:11:49,220
فنر با یک رشته شروع کنیم. نام مکان در اینجا
216
00:11:49,220 –> 00:12:01,699
باید اکنون با این فنلاند راحت با
217
00:12:01,699 –> 00:12:04,430
comfy انجام دهید من قبلاً می دانم که این نوع
218
00:12:04,430 –> 00:12:07,699
پرس و جو کار می کند، اما اگر
219
00:12:07,699 –> 00:12:11,089
با منطقه جدیدی شروع می کنید، چگونه می
220
00:12:11,089 –> 00:12:14,779
دانید که این یک نام مکان معتبر است
221
00:12:14,779 –> 00:12:19,040
یا مانند آن، بنابراین می توانید بروید به نه من نه او،
222
00:12:19,040 –> 00:12:25,310
من فقط این رابط اسمی را نشان می دهم،
223
00:12:25,310 –> 00:12:27,560
بنابراین این همان کد نویسی جغرافیایی است
224
00:12:27,560 –> 00:12:31,490
که ما از آن استفاده کردیم، برای درمان های هفته و
225
00:12:31,490 –> 00:12:36,260
ما فقط می توانیم با چند جستار کوتاه آزمایش کنیم که
226
00:12:36,260 –> 00:12:38,779
آیا آنها چیزی را که
227
00:12:38,779 –> 00:12:44,000
واقعاً منطقی است اینترنت کار می کند یا خیر آزمایش کنیم. بنابراین
228
00:12:44,000 –> 00:12:47,360
اکنون اگر من برای compy Helsinki
229
00:12:47,360 –> 00:12:52,010
Finland جستجو کنم، می بینید که
230
00:12:52,010 –> 00:12:54,050
به اشک نیز اشاره دارد، به عنوان مثال
231
00:12:54,050 –> 00:12:56,480
ایستگاه مترو compy و مواردی از این قبیل،
232
00:12:56,480 –> 00:12:58,760
اما یک چند ضلعی مربوط به این نام مکان وجود دارد
233
00:12:58,760 –> 00:13:01,430
و این همان چیزی است که ما با
234
00:13:01,430 –> 00:13:05,870
آن تعامل خواهیم داشت و جایی که w در
235
00:13:05,870 –> 00:13:08,000
واقع دادهها را از
236
00:13:08,000 –> 00:13:11,839
یک AP ice یا یک رابط برنامهنویسی کاربردی
237
00:13:11,839 –> 00:13:15,110
به نام overpass API دریافت میکنند که
238
00:13:15,110 –> 00:13:17,000
یکی از راههای واکشی دادههای OpenStreetMap است
239
00:13:17,000 –> 00:13:19,040
، بعداً نحوه کارکرد آن را نشان خواهم داد، اما
240
00:13:19,040 –> 00:13:22,250
اساساً ما از overpass API استفاده میکنیم و سپس
241
00:13:22,250 –> 00:13:25,130
برای واکشی واقعی دادهها استفاده میکنیم. در ادامه
242
00:13:25,130 –> 00:13:27,949
با واکشی شبکه خیابانی واقعی شروع میکنیم،
243
00:13:27,949 –> 00:13:30,230
زیرا این همان
244
00:13:30,230 –> 00:13:32,329
هدف نهایی امروزی برای تجزیه و تحلیل
245
00:13:32,329 –> 00:13:36,730
شبکه نقشه خیابان است و اجازه دهید
246
00:13:39,210 –> 00:13:41,820
آن را نمودار بنامیم، ممکن است مجبور باشم مرورگر خود را مجدداً راهاندازی کنم
247
00:13:41,820 –> 00:13:46,500
و در سیستم عامل mnx یک نوع عملکرد اصلی
248
00:13:46,500 –> 00:13:50,880
این است که نمودار را از
249
00:13:50,880 –> 00:13:55,560
مکان واکشی کنیم و همچنین میتوانیم
250
00:13:55,560 –> 00:13:59,040
روشهای مرتبط دیگری برای واکشی نمودار
251
00:13:59,040 –> 00:14:01,770
از آدرس یا نمودار از نقطه وجود داشته باشد،
252
00:14:01,770 –> 00:14:03,570
اما اکنون از این نوع کوئری نام مکان
253
00:14:03,570 –> 00:14:06,810
برای شروع استفاده میکنیم و سپس میتوانیم
254
00:14:06,810 –> 00:14:10,280
نام مکان را به عنوان ورودی در آنجا قرار دهیم. و
255
00:14:10,280 –> 00:14:15,080
سپس من یک اشتباه تایپی دارم،
256
00:14:25,760 –> 00:14:28,010
بنابراین شما می توانید اجرا کنید، بیایید ببینیم که
257
00:14:28,010 –> 00:14:29,839
همه نوار را دریافت می کنند و در حالی که ما
258
00:14:29,839 –> 00:14:31,040
منتظر هستیم، یک پنجره مرورگر جدید باز می کنم
259
00:14:31,040 –> 00:14:34,570
زیرا اگر روزی را دریافت کنید، کمی کند
260
00:14:34,570 –> 00:14:38,560
می شود شما می توانید از قبل
261
00:14:38,560 –> 00:14:46,250
شروع کنید به کاوش در آنچه در
262
00:14:46,250 –> 00:14:53,720
آنجا داریم، ما در واقع در اینجا انجام می دهیم، بنابراین
263
00:14:53,720 –> 00:14:56,660
اول از همه از این
264
00:14:56,660 –> 00:15:04,579
نمودار OSF Mannix از تابع مکان استفاده می کنیم و
265
00:15:04,579 –> 00:15:07,850
در اینجا دوباره خوب است
266
00:15:07,850 –> 00:15:10,610
که اسناد را به خوبی بخوانید، بنابراین به مستندات بروید و
267
00:15:10,610 –> 00:15:12,290
درک کنید. بنابراین این دوباره یک نوع
268
00:15:12,290 –> 00:15:14,839
بسته سطح بالا است که
269
00:15:14,839 –> 00:15:18,139
انجام تجزیه و تحلیل نهایی را برای ما آسان می کند، اما
270
00:15:18,139 –> 00:15:20,779
ممکن است کمی پنهان باشد که
271
00:15:20,779 –> 00:15:24,139
واقعاً در آنجا چه می گذرد، بنابراین این روش
272
00:15:24,139 –> 00:15:30,410
از مکان گراف نامیده شد، بنابراین می توانید ببینید
273
00:15:30,410 –> 00:15:32,779
که یک گراف از آدرس براد
274
00:15:32,779 –> 00:15:35,300
از نمودار جعبه مرزی از نمودار فایل
275
00:15:35,300 –> 00:15:37,220
از بازی وجود دارد، بنابراین این همان چیزی است که ما
276
00:15:37,220 –> 00:15:40,100
در حال حاضر
277
00:15:40,100 –> 00:15:46,250
از آن استفاده می کنیم، دوباره مجموعه ای از پارامترها وجود دارد که می توانیم تعریف کنیم، اما
278
00:15:46,250 –> 00:15:48,230
اساساً حدس می زنم رشته پرس و جو
279
00:15:48,230 –> 00:15:50,930
تنها موردی است که به آن نیاز داریم. برای عبور
280
00:15:50,930 –> 00:15:53,110
و سپس اگر پارامتری برابر با آرگومان پیشفرض باشد، همیشه وجود دارد،
281
00:15:53,110 –> 00:15:56,870
282
00:15:56,870 –> 00:15:58,790
بنابراین این تنظیمات پیشفرض
283
00:15:58,790 –> 00:16:01,100
است که استفاده میشود، بنابراین اکنون در حال
284
00:16:01,100 –> 00:16:08,060
واکشی همه قطعات شبکه خصوصی از یک
285
00:16:08,060 –> 00:16:09,709
شبکه هستیم و سپس یک دسته
286
00:16:09,709 –> 00:16:15,470
دیگر وجود دارد. پارامترها اما نام مکانی
287
00:16:15,470 –> 00:16:18,319
که ما ارسال کردیم، رشته جستجوی
288
00:16:18,319 –> 00:16:21,790
رشته برای مکانهایی است که سپس
289
00:16:21,790 –> 00:16:26,000
جغرافیایی کدگذاری میشوند و از آن مکان سپس
290
00:16:26,000 –> 00:16:27,980
دادهها از آن دانلود میشود، بنابراین ما اکنون
291
00:16:27,980 –> 00:16:31,370
مجموعه دادههای شبکه از این
292
00:16:31,370 –> 00:16:35,209
کشور منطقه هلسینکی
293
00:16:35,209 –> 00:16:38,490
mm-hmm را میپوشیم و یک بار خروجی را دریافت کنید،
294
00:16:38,490 –> 00:16:42,839
یک گراف جهت دار خواهد بود و زمانی که این نمودار
295
00:16:42,839 –> 00:16:44,730
اجرا شود، نشان می دهد که یک
296
00:16:44,730 –> 00:16:48,810
شبکه x کلاس چندگرافی multi de
297
00:16:48,810 –> 00:16:54,329
Graaff است، بنابراین بیایید بررسی کنیم که
298
00:16:54,329 –> 00:16:56,339
در مورد چیست در حالی که امیدواریم
299
00:16:56,339 –> 00:17:02,720
خروجی ها در نهایت چیزی را برگردانند، بنابراین
300
00:17:02,720 –> 00:17:05,669
در اینجا متوجه می شویم که OS m و X از
301
00:17:05,669 –> 00:17:08,760
این بسته شبکه X استفاده می کند که
302
00:17:08,760 –> 00:17:11,280
در آموزش دوم استفاده خواهیم کرد و یک
303
00:17:11,280 –> 00:17:14,280
نوع شی وجود دارد که multi multi de
304
00:17:14,280 –> 00:17:17,280
Graaff است که اساساً برای ذخیره
305
00:17:17,280 –> 00:17:35,640
نمودارها است، بنابراین یک گراف چیست، بنابراین
306
00:17:35,640 –> 00:17:37,679
تعدادی گره داریم و سپس ما مقداری یال G داریم،
307
00:17:37,679 –> 00:17:40,860
بنابراین این واژگان در یک گراف است و
308
00:17:40,860 –> 00:17:43,799
سپس اغلب آنها نیز هدایت می شوند، بنابراین شما
309
00:17:43,799 –> 00:17:46,020
می توانید آنجا باشید، سپس می توانید دو
310
00:17:46,020 –> 00:17:48,809
راه بروید یا یک طرف و غیره، بنابراین زمانی است
311
00:17:48,809 –> 00:17:53,090
که ما وارد این نوع شبکه شبکه می شویم.
312
00:17:54,470 –> 00:18:00,210
دنیا و اگر
313
00:18:00,210 –> 00:18:02,309
برخی از این دوره های علوم کامپیوتر را
314
00:18:02,309 –> 00:18:05,429
گذرانده اید یا خواهید خواند، پس
315
00:18:05,429 –> 00:18:08,250
طراحی اینها یا پیاده سازی این
316
00:18:08,250 –> 00:18:10,650
الگوریتم ها برای یافتن کوتاه ترین
317
00:18:10,650 –> 00:18:13,130
مسیرها در شبکه یا یافتن
318
00:18:13,130 –> 00:18:15,660
محاسبه محاسبه فاصله و
319
00:18:15,660 –> 00:18:17,669
پیدا کردن گره های خاص و محاسبه
320
00:18:17,669 –> 00:18:20,690
محاسبه، دنیای متفاوتی است. این آمار شبکه
321
00:18:20,690 –> 00:18:23,690
mm-hmm
322
00:18:25,190 –> 00:18:28,110
یکی از راههای کاهش سنگینتر کردن پرس و جو
323
00:18:28,110 –> 00:18:31,620
این است
324
00:18:31,620 –> 00:18:33,570
که بعداً در درس مشخص شود، اما ما این را داریم،
325
00:18:33,570 –> 00:18:35,750
326
00:18:46,650 –> 00:18:49,770
بنابراین این پارامتر نوع شبکه وجود دارد،
327
00:18:49,770 –> 00:18:52,440
بنابراین اگر پاسخی دریافت نکردید، میتوانید
328
00:18:52,440 –> 00:18:56,760
آن را تایپ کنید. نوع شبکه برابر با
329
00:18:56,760 –> 00:19:00,299
درایو است که پس از آن فقط طول
330
00:19:00,299 –> 00:19:06,660
می کشد برخی از انواع جاده ها را از شبکه فیلتر می
331
00:19:06,660 –> 00:19:09,679
کند و فقط بر روی انواع خاصی تمرکز می کند،
332
00:19:09,679 –> 00:19:13,650
بنابراین
333
00:19:13,650 –> 00:19:15,900
اگر مجبور به انجام این کار نبودید، می توانید با این نمودار کوچکتر ادامه دهید، بنابراین اشکالی ندارد.
334
00:19:15,900 –> 00:19:25,740
در اینجا هنوز
335
00:19:25,740 –> 00:19:29,130
ساختار داده دیگری داریم، ما
336
00:19:29,130 –> 00:19:32,100
دو قاب داده سری ردیف دادهفریم
337
00:19:32,100 –> 00:19:35,840
و مانند آن داشتیم، اما اکنون یک
338
00:19:35,840 –> 00:19:42,210
نوع داده گراف شبکه X داریم و سپس بله همانطور
339
00:19:42,210 –> 00:19:44,460
که در آن زمان اشاره کردم بله بخش دوم دوم
340
00:19:44,460 –> 00:19:46,440
درس را چند
341
00:19:46,440 –> 00:19:49,260
الگوریتم کوتاه مرتب سازی بر روی
342
00:19:49,260 –> 00:19:51,750
این شبکه اعمال خواهیم کرد، اما بیایید
343
00:19:51,750 –> 00:19:56,460
با اصول اولیه ادامه دهیم و اغلب گام بعدی خوب این
344
00:19:56,460 –> 00:19:59,730
است که فقط داده ها را تجسم کنیم،
345
00:19:59,730 –> 00:20:06,000
بنابراین در OS M و X وجود دارد. روشی است
346
00:20:06,000 –> 00:20:11,789
به نام نمودار نمودار برای گراف، بنابراین شما
347
00:20:11,789 –> 00:20:14,059
می توانید آن را اجرا کنید و سپس
348
00:20:14,059 –> 00:20:16,799
شبکه ما را تجسم می کند، بنابراین می توانید
349
00:20:16,799 –> 00:20:22,169
این نقاط را کمی شفاف ببینید، بنابراین آنها
350
00:20:22,169 –> 00:20:24,900
گره هستند و سپس ما لبه ها را داریم،
351
00:20:24,900 –> 00:20:27,350
بنابراین خطوط، بنابراین اگر می خواهید بروید و
352
00:20:27,350 –> 00:20:29,520
هر بار که این گره را ایجاد می کنید، OpenStreetMap را ویرایش کنید،
353
00:20:29,520 –> 00:20:32,400
سپس در واقع به
354
00:20:32,400 –> 00:20:35,809
عنوان یک نقطه به پایگاه داده می رود و سپس اگر
355
00:20:35,809 –> 00:20:38,850
این یک جاده است، اینجا یک اتصال است،
356
00:20:38,850 –> 00:20:41,280
به اینجا می رود و سپس اگر این یک ردیف دیگر باشد،
357
00:20:41,280 –> 00:20:43,620
حتی اگر آنها روی هم بروند
358
00:20:43,620 –> 00:20:46,230
اما هیچ گره ای وجود ندارد ما همیشه
359
00:20:46,230 –> 00:20:48,900
به مردم یادآوری می کنیم که این ریشه ها را
360
00:20:48,900 –> 00:20:51,450
از همه شبکه ها بسازند، بنابراین بدون گره
361
00:20:51,450 –> 00:20:53,639
هیچ اتصالی وجود
362
00:20:53,639 –> 00:20:58,049
ندارد، بنابراین هیچ راهی برای چرخش از اینجا وجود ندارد، بنابراین
363
00:20:58,049 –> 00:21:00,419
این یک مشکل کیفیت داده است
364
00:21:00,419 –> 00:21:02,329
که ممکن است گاهی اوقات وقتی ما با آن مواجه شویم با
365
00:21:02,329 –> 00:21:06,739
استفاده از این مجموعه دادههای جمعآوریشده
366
00:21:07,909 –> 00:21:13,649
در حال حرکت، قبلاً در مورد آیتم مکان بحث کردهایم،
367
00:21:13,649 –> 00:21:16,769
اما آنها در سیستم عامل باز
368
00:21:16,769 –> 00:21:21,179
وجود دارد.
369
00:21:21,179 –> 00:21:27,509
370
00:21:27,509 –> 00:21:30,299
371
00:21:30,299 –> 00:21:36,419
نام مکان من فقط میتوانم آن را اجرا کنم و
372
00:21:36,419 –> 00:21:38,759
آن را آزمایش کنم و آن را در یک
373
00:21:38,759 –> 00:21:44,759
متغیر بسیار متغیر به نام ناحیه ذخیره میکنم و همانطور که
374
00:21:44,759 –> 00:21:48,629
نام روش به ما میگوید، در واقع
375
00:21:48,629 –> 00:21:51,509
یک قاب داده شاد پانداهای جو پاندا را
376
00:21:51,509 –> 00:21:56,879
دریافت میکنیم که با آن آشنا هستیم و سپس
377
00:21:56,879 –> 00:21:59,639
همانطور که قبلاً به سرعت ترسیم کردم، بنابراین
378
00:21:59,639 –> 00:22:01,679
یک ردیف داده دارد، یک هندسه چند ضلعی
379
00:22:01,679 –> 00:22:03,869
در ستون هندسه وجود دارد
380
00:22:03,869 –> 00:22:06,779
که نام مکان را دارد و سپس مختصات کادر محدود
381
00:22:06,779 –> 00:22:10,919
ایجاد شده توسط این تابع را دارد
382
00:22:10,919 –> 00:22:18,599
و سپس میتوانیم ناحیه را با استفاده از
383
00:22:18,599 –> 00:22:21,029
matplotlib فقط برای دیدن وصل کنیم، بنابراین اکنون هنوز
384
00:22:21,029 –> 00:22:23,459
در داخل است. این سیستم مختصات vgs 84 به
385
00:22:23,459 –> 00:22:26,849
همین دلیل است که کمی عجیب به نظر می رسد اما
386
00:22:26,849 –> 00:22:29,159
این تقریباً همان چند ضلعی است که
387
00:22:29,159 –> 00:22:32,159
در این api اسمی هنگام
388
00:22:32,159 –> 00:22:35,729
جستجوی قطب نما دیدیم و بر اساس این
389
00:22:35,729 –> 00:22:43,729
منطقه ما سپس شبکه را درست به علاوه واکشی کردیم.
390
00:22:46,120 –> 00:22:49,900
ما میتوانیم انواع دیگری از
391
00:22:49,900 –> 00:22:52,370
اشیاء را از OpenStreetMap با استفاده از همه
392
00:22:52,370 –> 00:22:56,770
یکسان و سابق واکشی کنیم، بنابراین از محل چاپ o X نقطهای وجود داشته باشد،
393
00:22:56,770 –> 00:23:02,690
بنابراین اگر خوب میدانید اگر
394
00:23:02,690 –> 00:23:04,730
قبلاً این درس را تماشا کردهاید یا
395
00:23:04,730 –> 00:23:07,780
قبلاً از OS m و X استفاده کردهاید، بنابراین قبلاً
396
00:23:07,780 –> 00:23:10,400
ساختمانهایی از روش مکان در
397
00:23:10,400 –> 00:23:12,770
نسخه قبلی OS M و X اکنون
398
00:23:12,770