Lisää

Kuinka luoda OD -tiematriisi QGIS: ssä?

Kuinka luoda OD -tiematriisi QGIS: ssä?


Etsin tarvittavia vaiheita alkuperä-kohde (OD) -matriisin tuottamiseksi.

Etsin matriisia tie etäisyydet. Etäisyysmatriisityökalu tuottaa vain euklidisia etäisyyksiä. QGIS Roadgraph -laajennus tuottaa lyhyimmän tien etäisyyden yksi lähtö N -määränpäähän. Tarvitsen tiedoston, joka sisältää etäisyydet kaikki lähtökohdat pohjoiseen lähimpään kohteeseen. Minulla on paljon alkuperää, joten analyysien toistaminen Roadgraphilla ei ole vaihtoehto. Kiitos taas.

Etsin vaiheittaista kuvausta alusta alkaen (eli kolmella muotoilutiedostollani: alkuperät, kohteet, tieverkosto).


QGIS sisältää kaikki tarvittavat algoritmit, mutta matriisien luomiseen ei ole vielä graafista käyttöliittymää. Joillakin Python -tiedoilla verkkoanalyysikirjaston dokumentaation pitäisi päästä alkuun.


PÄIVITYS - QGIS3:

Koska tämä näyttää olevan tärkeä aihe, haluaisin jakaa vastaukseni samanlaiseen kysymykseen.

Jos käytät nykyistä versiota QGIS (3), voit käyttää laajennusta QNEAT3. Se tarjoaa useita käsittelyalgoritmeja jotka tuottavat alkuperä-kohdematriisit (OD-matriisi) rivikerroksena, taulukkona tai csv-tiedostona laatikosta. Kaikki algoritmit perustuvatdijkstra ()menetelmäqgis.analyysimoduuli, joten kaikki kustannukset lasketaan lyhyimpien polkujen perusteella ja käytetään C ++ -koodia nopeampaan toteutukseen.

Saat lisätietoja laajennuksesta osoitteessa qgis -laajennusten arkisto ja laajennuksissa dokumentointi.


Luulen, että pgRouting olisi paras vaihtoehto sinulle. Voisitko katsoa nämä viestit ja sanoa, onko tämä yleensä se, mitä etsit?

Monien lähtö- ja kohdereittien luominen pgRouting-toiminnolla (Otto Costerin vastaus) Jos vastasit kyllä, lisäsilmukka olisi välttämätön, tee laskelmat kaikille kohteille


QGIS: ssä on ylimmän palkin etäisyysmatriisityökalu: vektori/analyysityökalut/etäisyysmatriisityökalu (toivon, että käännös on oikea alueellisen versioni vuoksi).

Toivottavasti se auttaa


Laske etäisyysmatriisi

Bing Maps Distance Matrix -sovellusliittymä tarjoaa matka -ajan ja etäisyydet joukolle lähtö- ja määräpaikkoja. Palautetut etäisyydet ja ajat perustuvat Bing Maps Route -sovellusliittymän laskemiin reitteihin. Ajat perustuvat ennakoiviin liikennetietoihin pyynnössä määritetyn aloitusajan mukaan. Etäisyysmatriisit voidaan laskea ajo-, kävely- ja julkisen liikenteen reiteille. Tämä sovellusliittymä voi myös luoda etäisyysmatriiseja, jotka sisältävät valinnaisesti histogrammin matka -ajoista tietyn ajanjakson aikana ja määritetyn aikavälin, joka ottaa huomioon ennustettu liikenne kyseisinä aikoina.

Etäisyysmatriiseja käytetään useissa erityyppisissä sovelluksissa. Yleisin on käyttää algoritmeja, jotka ratkaisevat matkustavan myyntiongelman (TSP) ja ajoneuvon reititysongelman (VRP). Joitakin muita yleisiä sovelluksia ovat:

  • Hakutulosten lajittelu niiden todellisen matkaetäisyyden tai ajan mukaan.
  • Määritä saapumisajat matka -aikojen perusteella.
  • Laske työmatka -aikojen ero sijaintien välillä. Esimerkki: Olemme siirtymässä uuteen toimistoon, mikä vaikutus on henkilöstömme työmatka -aikoihin?
  • Ryhmittelytiedot matka -ajan ja etäisyyksien perusteella. Esimerkki: Etsi kaikki asunnot, jotka sijaitsevat 1 kilometrin säteellä kulmakaupasta.

Kun teet pyynnön käyttämällä jotakin seuraavista URL -malleista, vastaus palauttaa etäisyysmatriisiresurssin, joka sisältää joko matriisimatriisisoluryhmän tai tiedot etämatriisin laskemiseen tehdystä asynkronisesta pyynnöstä. Jokainen etäisyysmatriisisolu sisältää alkuperä- ja määränpään sijainnin ja indeksin, johon se liittyy, matka -ajan ja matkan. Jos pyydetään etäisyysmatriisihistogrammia, siihen sisällytetään lähtöaika sille, milloin histogrammi sisältää solun, johon se liittyy. Lisätietoja etäisyysmatriisiresurssista on kohdassa Etäisyysmatriisin tiedot. Voit myös tarkastella esimerkki -URL- ja vastausarvoja Esimerkit -osiossa.

Laske etäisyysmatriisin maantieteellinen saatavuus alla olevasta travelMode -parametrista.


Olen tutkinut pyyntösi https://maps.googleapis.com/maps/api/distancematrix/xml?origins=12413&destinations=12211&key=YOUR_API_KEY

Huomaa, että lähtö- ja kohdeparametrit 12413 ja 12211 ovat hyvin epäselviä arvoja. Sinun on annettava tarkemmat osoitteet saadaksesi tuloksia. Distance Matrix -sovellusliittymä geokoodaa 12413 ja 12211 sisäisesti.

Esimerkiksi 12413 koodataan geokoodilla "Kairo, NY 12413, USA" Yhdysvaltain postinumeroksi. Näet tämän Geocoder -työkalussa:

12211 geokoodataan "Albany, NY 12211, USA":

Molemmissa tapauksissa se ei ole Kambodžan PIN -koodi, kuten odotat.

Vielä enemmän, kun yritän löytää postinumero 12413 tai 12211 Kambodžasta komponenttisuodatuksen avulla, saan ZERO_RESULTS:

Yritykset saada postinumeroa koordinaatin käänteisestä geokoodauksesta Kambodžassa johtavat myös ZERO_RESULTS:

Vaikka saman koordinaatin paikka löytyy:

Se on "Phnom Penh", jonka paikkatunnus on ChIJ42tqxz1RCTERuyW1WugOAZw.

Kaikki nämä tosiasiat huomioon ottaen näyttää siltä, ​​että Googlella ei ole tietokantaansa Kambodžan pin -kooditietoja.

Voin ehdottaa, että käytät sovelluksessa automaattista täydennystä. Tällä tavalla käyttäjä voi valita ehdotetun osoitteen ja voit käyttää käyttäjän valitsemaa paikkatunnusta etäisyysmatriisipyyntöjen suorittamiseen. Tutustu myös geokoodauksen parhaisiin käytäntöihin virallisissa asiakirjoissa:


Käytä reittiohjeiden sovellusliittymää saadaksesi "reitin" GeoPoint X: stä GeoPoint Y: hen. Saat luettelon pisteistä, jotka edustavat viivoja (jalat tai segmentit), jotka sinun on otettava päästäksesi Y: lle X: stä.

Voit mitata pisteiden väliset etäisyydet, mutta TEE EI Tee se, koska XML- tai JSON -tulos tahtoa sisältää reitin kokonaispituuden. Voit piirtää moniviivan kartalle kunkin viivan tietojen avulla.

Ei näytä olevan Android -sovellusliittymää, vain sovellusliittymä, joka palauttaa jäsennettävän XML- tai JSON -tiedoston. Kuten mitä täällä tehdään: Google Mapsin reittiohjeet - mikä sovellusliittymä?


2 Vastausta 2

OSRM -matriisi on erittäin nopea (sekuntia 300 sijainnille), mutta se tarjoaa vain ajoajat. Etäisyyksien saamiseksi sinun on soitettava säännöllinen reittipalvelu jokaiselle koordinaattiparille (tuntia).

Muita itse isännöityjä vaihtoehtoja ovat GraphHopper (ei matriisia, toistuvat reitille kutsut) ja Valhalla (etäisyys- ja aikamatriisi).

Jos sinun on valmisteltava matriisi vain kerran, käyttömaksullinen matriisipalvelu voisi olla parempi vaihtoehto. Sekä GraphHopper että Valhallan Mapzen tarjoavat yhden, tarkista, tuetaanko matriisin kokoa ja mitä se maksaa.


Etäisyystaulukoiden laskeminen ja hallinta - Tekniset tiedot

PTV xDima -moduuli tarjoaa toiminnot etäisyystaulukoiden laskemiseen ja hallintaan.

Dima -tiedostomuotojen tuonti ja vienti: Lisätietoja binaaritiedostomuodoista ja tekstitiedostomuodoista on saatavana.

Tiedoston muoto binaarinen sijaintitiedosto määritellään seuraavasti:

  • X-koordinaatti Xi ja Y-koordinaatti Yi jokaisesta sijainnista Li ovat
    tallennettu 4 tavun allekirjoitettuun kokonaislukuarvoon.
  • Tupelit XYi varten i = 1. n (sijaintien lukumäärä) tallennetaan lineaarisesti.

Tiedoston muoto binäärinen etäisyystaulukko määritellään seuraavasti:

  • Etäisyys dij ja ajoaika sij sijaintien välillä Li ja
    Lj kukin tallennetaan 4 tavun allekirjoitettuun kokonaislukuarvoon. Tuple alkaen
    etäisyyttä ja ajanjaksoa kutsutaan nimellä dpij.
  • Tupelit dpij varten i = 1. n (sijaintien lukumäärä) ja j = 1. n ovat
    tallennetaan lineaarisesti.
  • Esimerkiksi: Etäisyystaulukko, joka koostuu etäisyyksistä ja ajosta
    ajanjaksot kolmen sijainnin välillä tallennetaan seuraavasti:
    dp11,dp12,dp13,dp21,dp22,dp23,dp31,dp32,dp33

Seuraavat mahdolliset virhearvot tallennetaan korttelin etäisyysosaan:

  • -1: tuple dpij liittyvän suhteen suhdetta ei ole vielä laskettu.
  • -2: reitti liittyvän suhteen sijaintien välillä dpij ei löytynyt.

Tiedoston muoto tekstin sijaintitiedosto määritellään seuraavasti:

  • X-koordinaatti Xi ja Y-koordinaatti Yi jokaisesta sijainnista Li ovat
    tallennetaan erilliselle riville, erotettuna puolipisteellä ().

Tiedoston muoto tekstin etäisyystaulukko tiedosto määritellään seuraavasti:

  • Etäisyys dij ja ajoaika sij lähtöpaikan välillä Li
    ja jokainen kohde-sijainti Lj varten j = 1. n säilytetään erikseen
    rivit erotettu puolipisteellä (). Tuple etäisyydestä ja ajamisesta
    ajanjaksoa kutsutaan nimellä dpij.
  • Esimerkiksi: Etäisyystaulukko, joka koostuu etäisyyksistä ja ajosta
    ajanjaksot kolmen sijainnin välillä tallennetaan seuraavasti:
    dp11dp12dp13
    dp21dp22dp23
    dp31dp32dp33

Seuraavat mahdolliset virhearvot tallennetaan korttelin etäisyysosaan:

  • -1: tuple dpij liittyvän suhteen suhdetta ei ole vielä laskettu.
  • -2: reitti liittyvän suhteen sijaintien välillä dpij ei löytynyt.

PhD-puolustus: Korkean suorituskyvyn verkkoetäisyyslaskennat tila-analytiikkaan missä tahansa kaupassa

Viime vuosikymmeninä on kehitetty tieverkkojen lyhyimpiä etäisyyslaskentamenetelmiä, joissa keskitytään siihen, kuinka nopeuttaa yhden lähteen ja kohdeparin etäkyselyn latenssia. Suuret analyysisovellukset tieverkoissa, mukaan lukien simulaatiot (esim. Evakuointisuunnittelu), logistiikka, sijaintiin perustuva mainonta ja kuljetussuunnittelu, edellyttävät menetelmiä, jotka tarjoavat suuren suorituskyvyn (eli etäisyyslaskut sekunnissa) ja mahdollisuuden "skaalata" käyttämällä suuria hajautetut tietojenkäsittelyklusterit. Vaikka yhden lähdekohdekyselyn viiveajan lyhentäminen johtaa paikkatietoanalyysikyselyn kokonaisvastausaikaan, se ei suinkaan riitä, koska näissä menetelmissä ei oteta huomioon sellaisia ​​näkökohtia kuin välimuistin tulokset, kyselyn optimointi, monisäikeiset , hajautetut järjestelmät jne.Tämä opinnäytetyö laajentaa laajasti etäisyyksien käyttöä tieverkoissa edellä mainittujen tavoitteiden saavuttamiseksi. Ensimmäisessä osassa esittelemme uuden kehyksen, jota kutsutaan nimellä All-Store Distance Oracle (ASDO) suurille tieverkoille, ja osoitetaan, kuinka se voidaan laskea tehokkaasti mille tahansa suurelle tieverkolle hajautetussa klusterissa. ASDO-esitys on tieverkon hyvin erotettu parinhajotus (WSPD), joka käyttää verkkoetäisyyttä euklidisen etäisyyden sijaan. ASDO-esitys hyötyy WSPD: n pienestä koosta, jonka ansiosta ASDO-esitys voi vastata $ epsilon $ -verkon etäisyyskyselyihin suurella suoritusteholla ja voidaan helposti upottaa mihin tahansa tietokantajärjestelmään, mukaan lukien RDBMS, sarakekeskeinen DBMS, ja avainarvomyymälät. Kokeelliset tulokset osoittavat, että USA: n tieverkon ASDO -esitys voidaan laskea muutamassa tunnissa käyttämällä vaatimatonta kokoluokkaa. Vertailun vuoksi voidaan todeta, että aiemmat tietokantakeskeiset lähestymistavat eivät skaalaudu suuriin tieverkkoihin tai ovat useita kertoja hitaampia kuin ehdotettu ASDO paikkatietokyselyissä. Toisessa osassa näytämme, kuinka hyödyllinen ASDO-esitys on todellisissa sovelluksissa arvioiden arkkitehtuureja useisiin yleisesti käytettyihin tila -analyyttisiin kyselyihin, kuten KNN, etäisyysmatriisi ja liikeradakyselyt. Yksi arkkitehtuuri on ASDO -esityksemme, joka on upotettu PostgreSQL: ään, ja toinen on teollisuudessa laajalti käytetty hybridiarkkitehtuuri. ASDO -esityksen upottaminen PostgreSQL: ään tukee monimutkaisten analyyttisten kyselyiden suorittamista tieverkoissa käyttämällä standardia SQL: tä. Tämä tekee ASDOn tuloksista helppokäyttöisiä, mutta silti ilmeikkäitä verrattuna perinteisiin menetelmiin, jotka vaativat laajaa kehitystyötä. Kokeelliset tulokset osoittavat, että ASDO-arkkitehtuurimme PostgreSQL: ssä voi laskea yli 60 000 maantieliikennettä sekunnissa suurella tieverkolla (esim. USA), mikä saavuttaa 20 kertaa enemmän läpimenoa verrattuna nykyaikaisiin lyhyimmän matkan laskentamenetelmiin. Kolmannessa osassa, koska jotkin sovellukset vaativat kykyä skaalautua suurille hajautetuille laskentaryhmille, esitetään kehys nimeltä SPDO, joka toteuttaa erittäin nopean hajautetun algoritmin spatiaalisten analyyttisten kyselyjen laskemiseen Apache Sparkista. Lähestymistapa laajentaa ASDO -esitystä, joka on nyt mukautettu käyttämään Sparkin joustavaa hajautettua tietojoukkoa (RDD). SPDO parantaa kapasiteettia vähintään kahdella suuruusluokalla, mikä tekee lähestymistavasta sopivan sovelluksiin, joiden on laskettava miljoonia verkkoetäisyyksiä sekunnissa. saimme meidät havaitsemaan, että ne yleensä keskittyvät paikalliselle alueelle, joka kattaa useita kaupunkeja, ja tarvitsevat suuren suorituskyvyn ratkaisun, kuten miljoonien lyhimpien etäisyyksien laskemisen sekunnissa. Neljännessä osassa esittelemme ensin ratkaisun, jota kutsutaan City Distance Oraclesiksi (CDO), jolla saavutetaan jopa 7 miljoonaa lyhyimmän matkan laskentaa sekunnissa hyödykekonetta kohti kaupunkitieverkossa. Seuraavaksi laajennamme CDO -esittelyä saadaksemme uuden etäisyyden oracle -järjestelmän (DOS) yleisille tieverkoille. Se voi ratkaista useimmat paikkatietoanalyyttiset kyselyt, ja sen suorituskyky saavuttaa 5 miljoonan etäisyyden laskelmat sekunnissa jopa koko USA: n tieverkossa. Lisäksi 10K X 10K alkuperä-etäisyysmatriisi (OD) voidaan laskea 20 sekunnissa.
Tarkastuslautakunta:

Puheenjohtaja: tohtori Hanan Samet Deanin edustaja: tohtori Shunlin Liang Jäsenet: tohtori Ramani Duraiswami tohtori David Mount tohtori Udaya Shankar


Abstrakti

Fossiilisista polttoaineista saatavan energian osan korvaaminen kiinteästä jätteestä peräisin olevalla bioenergialla voi olla lupaava tapa käsitellä kaksinkertaista jätteen kasaantumisen ja maailmanlaajuisen ilmastonmuutoksen kriisiä. Tässä tutkimuksessa ehdotamme hajautettua jätevesilietettä ja puumaisen biomassan kaasutusjärjestelmää Singaporessa. Arvioimme ehdotetun järjestelmän kasvihuonekaasupäästöjä ja vertaamme sitä olemassa olevaan järjestelmään elinkaaren arvioinnin avulla. Ehdotetun järjestelmän odotetaan vähentävän päästöjä vuosittain 137,0–164,1 kilotonnia hiilidioksidia2ekv. Sähkön talteenoton lisääminen, hiilen sitominen tuotetussa biopolttoaineessa ja lisäpolttoaineen käytön välttäminen jätevesilietteen poltossa ovat tärkeimmät tekijät päästöjen vähentämisessä. Ehdotettu järjestelmä pystyy lisäämään jätevesilietteen ja puupohjaisen biomassan sähkön nettotuotantoa 3–24%. Tämä voi johtaa sähkön talteenoton vuotuiseen kasvuun 12,1–74,8 GWh. Ehdotetun järjestelmän arvioidaan tuottavan vuosittain 34 kilotonnia biohiiltä. On havaittu, että hajauttaminen auttaa vähentämään vuotuista tonnikilometriä 4,23 miljoonalla tonnikilometrillä, mikä voisi vähentää jätteiden käsittelyyn tarvittavien maantieajoneuvojen määrää.


Abstrakti

Nopea kaupungistuminen muuttaa maisemia, mikä usein johtaa ekosysteemipalvelujen ja kaupunkielämän laadun heikkenemiseen. Kaukokartoitus- ja GIS -työkalut voivat tarjota arvokasta tietoa syventääksemme ymmärrystämme näiden muutosten dynamiikasta, jotta voimme suunnitella ja rakentaa kestäviä kaupunkeja tulevaisuutta varten. Käyttämällä kaukokartoitustietoja, sosioekonomisia tietoja ja kenttähavaintoja simuloimme Thimphun kaupungin maankäytön ja maanpeitteen muutosten avaruudellista dynamiikkaa. Simulaatiotulokset paljastavat, että Thimphun kaupungin maisema on muuttunut merkittävästi tutkimusjakson aikana ja muutostrendin ennustetaan jatkuvan vuoteen 2050 mennessä. (65,5%), minkä jälkeen paljaan maan peite kasvoi hieman. Päinvastoin, metsäpeite laski jyrkästi (15,25%) ja sen jälkeen maatalous (1,01%). Näiden muutosten päätekijät ovat nopea väestönkasvu, jonka laukaisee maaseudun kaupunkimuutto ja nopea demokratian jälkeinen sosioekonominen kehitys. Nämä muutokset ovat hajanaisia ​​metsien peittoa, lisääntynyttä maaperän/kuilujen eroosiota, pintavirtausta ja myrskyn aiheuttamia myrsky- ja viemäriviemäreitä, mikä heikentää kaupungin yleistä elämänlaatua. Normaalisti toimivan skenaarion mukaan vuoden 2050 ennusteanalyysi osoittaa, että rakennettu alue kuluttaa lähes koko kaupungin alueen (73,21%) ja metsät vähenevät merkittävästi laastareiksi, jotka muodostavat vain noin 16% kaupungista. Nämä havainnot vaativat kiireellistä tarvetta toteuttaa tehokasta suunnittelua erityisesti nykyisten metsä- ja vesivarojen suojelemiseksi edelleen huonontumiselta.


Abstrakti

Paikan valinta kiinteän yhdyskuntajätteen polttovoimalaitoksen asentamiseen kestävän kehityksen näkökulmasta on monikriteerinen päätös. Siihen vaikuttavien tekijöiden tunnistaminen tuo lisää etuja, kuten kustannusten alentamista ja yhteisön tyytymättömyyden poistamista. Tässä tutkimuksessa optimaalisen mallin tarjoamiseksi MSWI-voimalaitoksen asennuskriteerit kehitettiin kolmen tärkeimmän ympäristö-, taloudellisen ja sosiaalis-kulttuurisen kriteerin muodossa. Ensinnäkin päätöksentekokokeita ja arviointilaboratorioita (DEMATEL) on käytetty tekijöiden välisen suhteen tunnistamiseen. Sitten ne luokiteltiin tärkeyden mukaan sumean analyyttisen verkkoprosessin (FANP) avulla. Tulosten perusteella suurin ja vähiten merkitys on annettu maankäytön ja rautateiden tärkeimmille taloudellisille, sosiaalis-kulttuurisille ja alakriteereille. Lopuksi Rashtin piirikunnassa tehtiin tapaustutkimus saadun mallin tehokkuuden arvioimiseksi. Käyttäen paikkatietojärjestelmää, GIS: ää, otimme lopulliset painot kunkin alikriteerin kerroksiin ja peitimme ne. Lähtökartan tulokset osoittivat, että FANP- ja GIS -pohjaisen mallin kyky valita oikea paikka MSWI -voimalaitoksen asentamiseksi ja sen käyttö muissa vastaavissa tutkimuksissa.


Ajallisten (aikatietojen) muotoilu QGIS: ssä

Joten tämän vuoden ensimmäinen lukukausi on tehty ja pölytetty, nyt minulla on vapaa -aikaa. Bloggaa kaikki asiat!

Tämä on LinkedInissä aloitetun keskustelun jatko -viesti siitä, että näytetään ominaisuuksia, jotka ovat vanhempia tai uudempia, sitten tietty päivämäärä eri värejä. Suosittelen kaikkien katsomaan sen. Erittäin hyvä esitys.

Suosittelin, että voit käyttää sääntöpohjaista renderointimoottoria, mutta QGIS: n lausekemoottorilla ei ole vielä päivämäärätoimintoja. Kaikkea hyvää voimme lisätä niitä tarvittaessa Mutta toistaiseksi voimme tehdä sen eri tavalla.

Aiomme käyttää Spatialitea, mutta mikä tahansa tietokanta (syntaksi ja prosessi vaihtelevat).

Katsotaanpa tarkastuskerrosta, joka meillä on Spatialite -tietokannassamme QGIS: ssä:

Aika tylsää ja vaikea nähdä, mitä on tehty viimeisten 30 päivän aikana. Koska ilmaisumoottorin päivämäärien tuki puuttuu, meidän on käytettävä muita menetelmiä. Tässä esimerkissä käytämme todella kätevää DBManger -laajennusta, joka toimitetaan nyt QGIS: n kanssa versiosta 1.8 alkaen. Lataa se, muodosta yhteys tietokantaasi ja suorita seuraava kysely:

Kuten näet, kaikki mitä on 30 päivän sisällä, on nyt “ 30 päivän sisällä ” -merkkijonon ikäsarakkeessa, tai muuten sillä on “vanhempi ”. CASE -lausunnot voivat joskus olla erittäin tehokkaita asioita SQL: ssä.

Lataa se nyt QGIS: ään, tyyliin ja merkitse se uudella ikä sarake

Sinulla on nyt kerros, joka on tyyliin perustuva ikä, mutta on myös dynaaminen. Uuden tarkastuspisteen lisääminen muotoillaan nyt näiden sääntöjen mukaisesti. (Vaikka sinun on muokattava normaalia tarkastuskerrosta sen ollessa pois päältä, koska näkymät/kyselyt eivät ole muokattavissa – ilman asetuksia)

Joillekin se voi olla yksinkertainen asia, mutta joskus on vaikea löytää oikeita sanoja kuvaamaan mitä haluat, kun etsit tällaista asiaa. Joten toivottavasti tämä on auttanut muutamia ihmisiä aloittamaan aikansa/päivämäärään perustuvien tietojensa visualisoinnin QGIS: ssä.


Katso video: Kuinka luoda oma Sonic fanihahmo!