DevGang
Авторизоваться

«Мыслительный процесс» геолокационной аналитики

Представьте, что вы являетесь участником игры «жизнь и смерть» в стиле Squid-game (шоу Netflix). Вам нужно выбрать только два поля данных, которые присутствуют в большинстве данных вокруг нас. Я могу с уверенностью сказать, что два поля данных о местоположении - широта и долгота - могут вас спасти.

Хорошо, теперь, когда вы выжили, давайте продолжим очень интересную тему геолокационной аналитики. В этой истории я опишу мыслительный процесс, который вам понадобится при работе с геолокационной аналитикой.

Обычно писатели начинают с красивой визуализации, чтобы привлечь внимание читателя. Но, пожалуйста, извините меня, так как я начинаю с беспорядочной визуализации.

Расположение Airbnb в Нью-Йорке (изображение автора с помощью Google Maps)
Расположение Airbnb в Нью-Йорке (изображение автора с помощью Google Maps)

Вы можете спросить, что это за визуализация? Позвольте мне сначала ответить на этот вопрос. На этой визуализации показаны все офисы Airbnb в Нью-Йорке. Цель состоит в том, чтобы проанализировать, как локации Airbnb распределены по городу Нью-Йорк.

Несмотря на то, что цель этой аналитики разумна, и было задействовано множество методов программирования, таких как Google Map API / Javascript / Node-JS, результат все равно выглядит беспорядочным. Что еще хуже, загрузка этой визуализации занимает много времени и может привести к сбою вашего браузера.

Давайте посмотрим, как аналитика местоположения может помочь избежать беспорядка. Напоминаем, что наша цель - проанализировать, как локации Airbnb распределены по Нью-Йорку. Вот мыслительный процесс, который полезен при выполнении анализа местоположения.

Разберитесь в географии

При использовании геолокационной аналитики важно понимать географию. Это поможет вам понять контекст. Для этого также может потребоваться быстрый урок географии в Интернете или других источниках.

В нашем примере география, которую мы хотим проанализировать, - это Нью-Йорк. Итак, вот краткий курс по Нью-Йорку. Географически Нью-Йорк - это город с 5 районами, 59 районами сообщества и сотнями кварталов.

Источник - https://www1.nyc.gov/site/planning/data-maps/city-neighborhoods.page
Источник - https://www1.nyc.gov/site/planning/data-maps/city-neighborhoods.page

Вы можете зайти на сайт Нью-Йорка и понять географию города. На этот раз вложения в изучение географии помогут вам эффективно и увлекательно представить свои результаты.

Думая о географии математическими терминами

Теперь, когда у вас есть приблизительное представление о географии, вам нужно начать рассматривать ее с математической точки зрения. Если вы внимательно посмотрите на карту выше, вы увидите математические фигуры, называемые многоугольниками. И из всех математических форм - квадратов, прямоугольников, треугольников и т. д. - многоугольники волшебны. Поскольку их можно буквально использовать для обозначения любой географической области на Земле.

Возьмем для примера микрорайон Морнингсайд-Хайтс. На изображении ниже слева вы видите окрестности на Google Maps. Справа вы видите математический многоугольник, имеющий ту же форму, что и окрестности Морнингсайд-Хайтс.

Географическая зона в виде многоугольника (источник Google-Maps)
Географическая зона в виде многоугольника (источник Google-Maps)

Теперь вы можете перевести определение многоугольника в широту и долготу. Определение многоугольника района Морнингсайд-Хайтс будет примерно таким.

Многоугольник Определение района Морнингсайд Хайтс (изображение автора)
Многоугольник Определение района Морнингсайд Хайтс (изображение автора)

Существуют различные источники, которые позволят вам получить определение многоугольника для любой географии на Земле. Например, определение многоугольника всех районов Нью-Йорка доступно на веб-сайте правительства города. Когда у вас будет вся информация о многоугольниках, вы можете нанести их на карту Google.

Ниже показана многоугольная карта каждого района Нью-Йорка.

Многоугольная карта Нью-Йорка (Источник Google Map + Автор)
Многоугольная карта Нью-Йорка (Источник Google Map + Автор)

Как только вы создадите многоугольную карту любой географии, вы почувствуете, что контролируете любую проблему с аналитикой местоположения.

Применение алгоритма геолокации

Хорошо, в данный момент вы поняли географию и усвоили ее математическое определение. Итак, вы только сейчас можете придумать алгоритм анализа местоположения.

И это также подходящее время, чтобы перемотать назад и вспомнить нашу цель - проанализировать, как местоположения Airbnb распределены по городу Нью-Йорк. Разбивка означает, что в некоторых частях (или районах) больше местоположений AirBnB, чем в других. С аналитической точки зрения это означает, что у некоторых полигонов больше точек широты и долготы по сравнению с другими полигонами. Для этого потребуется назначить многоугольнику точку широты и долготы.

Один из очень полезных алгоритмов анализа местоположения - Point-In-Polygon. Он найдет многоугольник, который инкапсулирует точку широты и долготы. Вот анимация того, как разные точки широты и долготы назначаются разным полигонам.

Точечно-полигональный алгоритм (Источник изображения - Автор)
Точечно-полигональный алгоритм (Источник изображения - Автор)

Выбор правильной визуализации

Практически вся геолокационная аналитика в конечном итоге представлена ​​в виде визуализации карты. Однако это не просто карта того, что мы видим в ожидании поездки на Uber. Они более сложные, поскольку должны охватывать весь интеллект, полученный с помощью алгоритмов анализа местоположения.

В нашем случае результат работы алгоритма «точка в многоугольнике» - это определение соседнего многоугольника и количество локаций Airbnb в многоугольнике. Эти данные могут помочь нам наложить тепловую карту на географическую. Хорошо, это не игра слов, но обе визуализации (тепловая карта и географическая карта) содержат слово «карта».

Вот так будет выглядеть наложенная тепловая карта на географическую карту.

Тепловая карта на географической карте (Источник Google Map + автор)
Тепловая карта на географической карте (Источник Google Map + автор)

Красиво! Намного лучше, чем беспорядочная визуализация, с которой мы начали. Благодаря этому мы можем четко визуализировать, в каких районах больше (красный цвет) местоположений AirBnB по сравнению с другими (зеленый цвет). Например, вы можете видеть, что на Манхэттене меньше локаций Airbnb. Возможно, это связано с тем, что в этом районе больше офисных зданий, а не жилых.

Таким образом,

  1. Аналитика местоположения не просто использует широту и долготу, но и использует их вместе с некоторыми интеллектуальными алгоритмами.
  2. Чтобы эффективно использовать аналитику местоположения, важно уделять время пониманию интересующей географии.
  3. Перевод географии в математические термины потребует от вас поиска данных определения многоугольника.
  4. Выбирать алгоритм анализа местоположения следует только после того, как вы разберетесь с географией и ее математическим определением.
  5. Большая часть аналитики местоположения потребует визуализации, которая выходит за рамки простого отображения карты.

Источник:

#Data Science #Data Visualization
Комментарии
Чтобы оставить комментарий, необходимо авторизоваться

Присоединяйся в тусовку

Поделитесь своим опытом, расскажите о новом инструменте, библиотеке или фреймворке. Для этого не обязательно становится постоянным автором.

Попробовать

В подарок 100$ на счет при регистрации

Получить