Vairāk

Atlasīt pēc atribūta noteiktā apgabalā (izmantojot opciju Atlasīt pēc atrašanās vietas?)

Atlasīt pēc atribūta noteiktā apgabalā (izmantojot opciju Atlasīt pēc atrašanās vietas?)


Man ir karte ar četriem slāņiem. Divi no šiem slāņiem aptver visu štatu, bet pārējie divi koncentrējas uz jomu, kas mani faktiski interesē štatā.

Es mēģinu atlasīt pēc atribūta ar vienu no lielākajiem fokusētajiem slāņiem.

Vai ir kāds veids, kā es varu atlasīt pēc atribūta, bet tikai mazākos slāņos? Es domāju, ka ir kāds veids, iespējams, izmantojot opciju Atlasīt pēc atrašanās vietas, taču, šķiet, nevaru saprast, kas tas ir.

Ceru, ka ArcMap GUI ir veids, kā to izdarīt, nevis jebkurš Python skripts, lai gan esmu diezgan pārliecināts, ka, izmantojot Python skriptu, tas būtu daudz vieglāk.


Jā, ja vēlaties to darīt tikai ar atlasēm, jums ir jāizpilda vairākas atlases un jāmaina metode/sākotnējā kopa.

Vispirms atlasiet pēc atrašanās vietas, izmantojot savas mazākās robežas. Vai arī, ja jums ir divi, kas nedaudz pārklājas, jūs atlasāt visu vienā un pēc tam veicat citu atlasi, izmantojot metodi “atlasīt no pašlaik atlasītajām funkcijām”, kā aprakstīts sadaļā Doto objektu atrašana gan daudzstūrī, gan buferī. Palīdzības faili atlasīšanai pēc atrašanās vietas sniedz pārskatu (ar attēlu) par dažādām metodēm.

Kad esat sašaurinājis savu atlases kopu, pamatojoties uz atrašanās vietām, varat pārslēgties uz Atlasīt pēc atribūta un izmantot to pašu procesu - mainiet metodi uz izvēli tikai no pašlaik atlasītās kopas ar vēlamajiem atribūtu kritērijiem. Atlases pēc atribūta palīdzības failos ir parādīti līdzīgi pieejamo metožu piemēri.

Abi rīki ļauj:

  • izveidot pilnīgi jaunu izlasi
  • pievienot izlasei
  • noņemt no atlases
  • izvēlieties no pašreizējās izvēles

Kamēr jūs neko neatceļat, jūs varat izveidot ļoti sarežģītas atlases kopas atkarībā no veicamo darbību skaita; līdzīgi sarežģītiem SQL vaicājumiem, bet katra daļa darbojas atsevišķi.


Jūs minat Python skriptus, kas būtu labs veids, kā to risināt.

Tomēr, ja jūs vēl neesat pazīstams ar Python, varat apskatīt Model Builder, jo tas atvieglos GUI, lai sāktu darbu.

Šeit ir ātrs modeļa piemērs, kurā slāņa sašaurināšanai tiek izmantota atlase pēc atribūtiem, pēc tam šī rezultāta izmantošana atlasīšanai pēc atrašanās vietas:

Cerams, ka plūsmai no kreisās uz labo ir jēga un tas automatizē procesu, ko Kriss ir izklāstījis savā atbildē.


Jums vajadzētu būt iespējai izlaist *, bet, ja pareizi atceros, atkarībā no tā, kuru jQuery versiju izmantojat, tas var radīt kļūdainus rezultātus.

Ņemiet vērā, ka, lai nodrošinātu saderību ar selektoru API (document.querySelector <, visi>), citātus ap atribūta vērtību (22) šajā gadījumā nedrīkst izlaist.

Turklāt, ja jQuery skriptos daudz strādājat ar datu atribūtiem, iespējams, vēlēsities izmantot HTML5 pielāgoto datu atribūtu spraudni. Tas ļauj rakstīt vēl lasāmāku kodu, izmantojot .dataAttr ('foo'), un pēc minifikācijas tiek iegūts mazāks faila lielums (salīdzinot ar .attr ('data-foo') izmantošanu).


Piekļuves iespējas

Pērciet vienu rakstu

Tūlītēja piekļuve pilnam rakstam PDF formātā.

Nodokļa aprēķins tiks pabeigts izrakstīšanās laikā.

Abonējiet žurnālu

Tūlītēja tiešsaistes piekļuve visiem jautājumiem no 2019. gada. Abonēšana tiks automātiski atjaunota katru gadu.

Nodokļa aprēķins tiks pabeigts izrakstīšanās laikā.


Pielāgots no šīs ziņas par JSON apstrādi ar jq, jūs varat izmantot izvēli (bool) šādi:

Lai iegūtu tikai vārdu straumi:

Lai iegūtu atbilstošu (atslēgas nosaukums, "name" atribūtu) pāru straumi, apsveriet:

Man bija līdzīgs saistīts jautājums: Ko darīt, ja vēlaties, lai tiktu atgriezts sākotnējais objekta formāts (ar atslēgu nosaukumiem, piemēram, FOO, BAR)?

Jq nodrošina to_entries un from_entries, lai konvertētu starp objektiem un atslēgu vērtību pāru masīviem. Tas kopā ar karti ap atlasīto

Šīs funkcijas konvertē starp objektu un atslēgu vērtību pāru masīvu. Ja to_entries tiek nodots objektam, tad katram k: v ierakstam ievadē izvades masīvā ietilpst <"key": k, "value": v>.

from_entries veic pretēju konversiju, un with_entries (foo) ir to_entries saīsinājums | karte (foo) | from_entries, noderīga, lai veiktu kādu darbību ar visām objekta atslēgām un vērtībām. from_entries kā atslēgas pieņem atslēgu, atslēgu, nosaukumu, nosaukumu, vērtību un vērtību.


Papildu: masveida mērķauditorijas atlase pēc vairākām atrašanās vietām

Google Ads ļauj vienlaikus pievienot lielapjoma sarakstu ar līdz pat 1000 mērķauditorijas atlases vietām, nevis pievienot katru atrašanās vietu pa vienam. Mēs piedāvājam arī rīkus lielapjoma rediģēšanai. Noklikšķiniet uz opcijas zemāk, lai uzzinātu vairāk.

  1. Lapas izvēlnē kreisajā pusē noklikšķiniet uz Atrašanās vietas.
  2. Noklikšķiniet uz tās kampaņas nosaukuma, kuru vēlaties rediģēt, un pēc tam noklikšķiniet uz zilās zīmuļa ikonas.
  3. Atzīmējiet izvēles rūtiņu blakus Pievienot vairākas atrašanās vietas.
  4. Lodziņā ielīmējiet vai ierakstiet līdz 1000 atrašanās vietu nosaukumus, pēc kuriem vēlaties atlasīt mērķauditoriju (ar katru atrašanās vietu atsevišķā rindā), un pievienojiet atrašanās vietas no vienas valsts vienlaikus. Skatiet mērķauditorijas atlases vietu sarakstu.
    • Lai atlasītu mērķauditoriju vairāk nekā 1000 atrašanās vietu, varat vairākas reizes lielapjomā pievienot mērķauditorijas atlasi pēc atrašanās vietas. Piemēram, ja vēlaties atlasīt mērķauditoriju pēc 1200 atrašanās vietām, pievienojiet pirmos 1000 mērķauditorijas atlases vietu. Kad esat pabeidzis, pievienojiet atlikušās 200 atrašanās vietas.
    • Lai atlasītu mērķauditoriju pēc pilsētas vai pasta indeksa, iekļaujiet arī pilnu valsts vai štata nosaukumu, piemēram, Oksforda, Anglija vai 94103, Kalifornija.
  5. Ja vēlaties ierobežot rezultātus tikai vienā valstī, noklikšķiniet uz lauka zem atrašanās vietas ievades lodziņa un atlasiet vēlamo valsti.
  6. Klikšķis Meklēt.
  7. Pārskatīšanas panelī tiks parādītas visas jūsu meklēšanai atbilstošās atrašanās vietas. Pārskatiet rezultātus un pēc tam noklikšķiniet Mērķis Visi lai atlasītu visas jūsu meklēšanai atbilstošās atrašanās vietas, vai Izslēgt visus lai izslēgtu visas jūsu meklēšanai atbilstošās atrašanās vietas. Lai pārskatīšanas panelī atlasītu mērķauditoriju pēc atsevišķām atrašanās vietām, noklikšķiniet uz Mērķis blakus vietai, kuru vēlaties pievienot kā mērķi.
    • Ja meklējāt mērķauditorijas atlasi pēc atrašanās vietas, tās atradīsit lodziņā, kurā ievadījāt atrašanās vietu sarakstu.
    • Noklikšķinot uz pelēkās pogas “x”, pārskatīšanas panelī tiks noņemtas visas atrašanās vietas, kā arī esošās mērķauditorijas atlase pēc atrašanās vietas vai atrašanās vietas izslēgšana.
  8. Sadaļā “Mērķauditorijas atlase” redzēsit tikko pievienotos mērķauditorijas atlases pēc atrašanās vietas.
  9. Klikšķis Saglabāt.

Atribūts Specifikācija Paraugu vērtības
Adreses 1. rindiņa Pilnīga un precīza atrašanās vietas adrese (ne vairāk kā 80 rakstzīmes). Upes iela 43
Adreses 2. rindiņa Pastkastes vai komplekta numurs, ja nepieciešams (ne vairāk kā 80 rakstzīmes). B3
Pilsēta/priekšpilsēta Atrašanās vieta ir pilsēta. Melburna
Štats/province Atrašanās vietas štats vai province. Jaunā Dienvidvelsa
Pasta indekss Atrašanās vietas pasta indekss. Ja tas sākas ar nulli, pārliecinieties, vai izklājlapas formatējums nenoņem nulli kā pirmo ciparu. 6437
Valsts Valsts kods. Varat arī izmantot ISO 3166-1 alfa-2 valsts kodu. ĀS

Izmantojiet ģeogrāfiskās mērķauditorijas atlases tabulu, lai atrastu visas atrašanās vietas, pēc kurām varat atlasīt mērķauditoriju, un to, kā uz tām atsaukties savā veidnē.


Iestatiet mērķauditorijas atlasi pēc atrašanās vietas

Noklikšķiniet uz tālāk esošās opcijas, lai iegūtu norādījumus par mērķauditorijas atlasi pēc atrašanās vietas. Ņemiet vērā, ka pieejamie mērķauditorijas atlases veidi dažādās valstīs atšķiras.

Ieteicamais laiks uzdevumam: 5-7 minūtes

  1. Lapas izvēlnē kreisajā pusē noklikšķiniet uz Kampaņas.
  2. Noklikšķiniet uz tās kampaņas nosaukuma, kuru vēlaties rediģēt.
  3. Lapas izvēlnē kreisajā pusē noklikšķiniet uz Iestatījumi.
  4. Noklikšķiniet uz nolaižamās bultiņas blakus vienumam “Atrašanās vietas”.
  5. Ievadiet tās valsts nosaukumu, kuras mērķauditoriju vēlaties atlasīt.
  6. Klikšķis Saglabāt lai pievienotu atrašanās vietu.

Ir vērts paturēt prātā, ka, izvēloties nelielu atrašanās vietu, jūsu reklāmas var tikt rādītas tikai ar pārtraukumiem vai netiek rādītas vispār. Tas ir tāpēc, ka mazi mērķi var neatbilst mūsu mērķauditorijas atlases kritērijiem.

  1. Lapas izvēlnē kreisajā pusē noklikšķiniet uz Atrašanās vietas.
  2. Noklikšķiniet uz tās kampaņas nosaukuma, kuru vēlaties rediģēt.
  3. Noklikšķiniet uz zilā zīmuļa ikonas.
  4. Ievadiet tās atrašanās vietas nosaukumu, pēc kuras vēlaties atlasīt mērķauditoriju. Ja ievadāt pilsētas nosaukumu, pievienojiet arī valsts nosaukumu. Jūs nevēlaties atlasīt mērķauditoriju Parīzē, Francijā, ja mēģināt pārdot kovboju cepures klientiem Parīzē, Teksasā.
  5. Klikšķis Saglabāt lai pievienotu atrašanās vietu.

Tālāk ir norādīts, kā vienlaikus iestatīt mērķauditorijas atlasi pēc atrašanās vietas vairākām kampaņām.

  1. Lapas izvēlnē kreisajā pusē noklikšķiniet uz Kampaņas, tad Iestatījumi.
  2. Atzīmējiet izvēles rūtiņu blakus visām kampaņām, kuras vēlaties mainīt.
  3. Noklikšķiniet uz Rediģēt nolaižamajā izvēlnē, pēc tam izvēlieties Mainīt atrašanās vietas.
  4. Parādītajā lodziņā izvēlieties, vai atlasītajām kampaņām iestatīt jaunas atrašanās vietas vai pievienot šīm kampaņām jaunas, papildu atrašanās vietas.
  5. Teksta laukā ierakstiet atrašanās vietu. Pēc atrašanās vietas atlasīšanas tiks parādīti papildu teksta lauki, kuros varēsit pievienot citas atrašanās vietas.
  6. Pēc izvēles: iesakām noklikšķināt Priekšskatīt lai redzētu, kā mainīsies jūsu kampaņu atrašanās vieta.
  7. Klikšķis Piesakies.

Kampaņas iestatījumu lapā varat noklikšķināt uz filtra ikonas, lai tiktu rādītas tikai kampaņas, kas atbilst noteiktiem kritērijiem. Tas var atvieglot lielapjoma izmaiņu veikšanu noteiktās kampaņās.

Rādiusa izvēle

Mērķauditorijas atlasei ir vērts atcerēties, ka, izvēloties nelielu rādiusu, jūsu reklāmas var tikt rādītas tikai ar pārtraukumiem vai vispār netiek rādītas. Tas ir tāpēc, ka mazi mērķi var neatbilst mūsu mērķauditorijas atlases kritērijiem.

  1. Lapas izvēlnē kreisajā pusē noklikšķiniet uz Atrašanās vietas.
  2. Noklikšķiniet uz tās kampaņas nosaukuma, kuru vēlaties rediģēt.
  3. Noklikšķiniet uz zilā zīmuļa ikonas un pēc tam atlasiet Rādiuss.
  4. Meklēšanas lodziņā ievadiet tās atrašanās vietas adresi, kuru vēlaties izmantot rādiusa centram. Ievadiet rādiusu, pēc kura vēlaties atlasīt mērķauditoriju, un nolaižamajā izvēlnē atlasiet mērvienību.
  5. Pārbaudiet karti, lai pārliecinātos, ka mērķauditorija tiek atlasīta pareizajā apgabalā. Kad esat gatavs, noklikšķiniet uz Saglabāt lai pievienotu rādiusa mērķi.
  6. Klikšķis Saglabāt.

jūs iegūsit visus elementus ar šo atribūtu.

jūs iegūsit tikai tos, kuru vērtība ir 1.

lai iegūtu visu to elementu sarakstu, kuriem ir atribūts data-foo

Ja vēlaties iegūt elementu ar datu atribūtu, kuram ir kāda noteikta vērtība, piem

un es vēlos iegūt div ar datu-foo iestatījumu uz & quot2 & quot2

Bet šeit parādās pagrieziens, ja es vēlos saskaņot datu attirubte vērtību ar kāda mainīgā vērtību, piemēram, es vēlos iegūt elementu, ja atribūts data-foo ir iestatīts uz i

lai jūs varētu dinamiski atlasīt elementu ar konkrētu datu elementu, izmantojot veidņu literāļus

Ņemiet vērā, pat ja jūs nerakstāt vērtību virknē, tā tiek pārveidota par virkni, piemēram, ja es rakstu

un pēc tam pārbaudiet elementu Chrome izstrādātāja rīkā, un tas tiks parādīts zemāk

Varat arī veikt savstarpēju verificēšanu, konsolē ierakstot zemāk esošo kodu

kāpēc esmu uzrakstījis “dataFoo”, lai gan atribūts ir data-foo iemesla dēļ datu kopas rekvizīti tiek pārvērsti par camelCase rekvizītiem

Es atsaucos uz zemāk esošajām saitēm

Šī ir mana pirmā atbilde par stackoverflow, lūdzu, dariet man zināmu, kā es varu uzlabot savu atbildes rakstīšanas veidu.


Tieši tā darbosies, izmēģiniet tālāk norādītās metodes

Izvēlieties 2 opciju sprūda opcija ir jāizmanto

Izmantojot jquery-2.1.4, Es atradu šādu atbildi, kas man noderētu:

Ja jums ir virknes vērtība, izmēģiniet šādas darbības:

Citi piemēri man nedarbojās, tāpēc es pievienoju šo atbildi.

Lai iestatītu atlases vērtību ar atlasītu aktivizēšanu:

Lai iestatītu opciju no darbības jomas:

Šis kods izmanto selektoru, lai uzzinātu atlasīto objektu ar nosacījumu, pēc tam mainiet atlasīto atribūtu, izmantojot attr ().

Turklāt pēc atribūta iestatīšanas atlasītajam iesaku pievienot notikumu change (), to darot, kods tiks aizvērts, lai mainītu lietotāja izvēli.

Atbildot uz manu jautājumu par dokumentāciju. Esmu pārliecināts, ka ir arī citi veidi, kā to paveikt, taču tas darbojas un šis kods tiek pārbaudīts.

Es to izmantoju, kad zinu saraksta indeksu.

Tas ļauj mainīt sarakstu un aktivizēt izmaiņu notikumu. ": N. (N)" tiek skaitīts no indeksa 0


Funkciju atrašana

Varat izmantot atribūtu vērtības, lai atrastu līdzekļus, kuru atribūti atbilst jūsu norādītajai vērtībai.

Soļi

  1. Noklikšķiniet uz rīka Atrast, lai atvērtu dialoglodziņu Atrast, un noklikšķiniet uz cilnes Funkcijas.
  2. Ievadiet vērtību, kuru vēlaties atrast. Teksta meklējumiem meklēšanas vaicājumā varat norādīt rakstzīmju apakškopu. Piemēram, Dails atradīs tādus mačus kā Dalasa, Kendela un Dalams.
  3. Nosakiet slāni (-us), kas (-i) tiks izmantoti meklēšanā, un to, vai tiks izmantoti visi lauki vai konkrēts lauks.
  4. Pēc izvēles atzīmējiet izvēles rūtiņu Atrast līdzekļus, kas ir līdzīgi vai satur meklēšanas virkni.

Ja šī opcija ir atzīmēta, meklēšanas meklēšanas iespējas izmantos operatoru LIKE, nevis EQUALS operatoru. Tas ir noderīgi, ja nezināt konkrētu pareizrakstību vai vēlaties ievadīt daudz garāku vai pilnīgu meklēšanas teksta virkni. Šī opcija darbojas tikai ar laukiem, kas definēti kā teksts vai virknes.


7. Atrašanās vietas analīzes metodes, paņēmieni un atrašanās vietas datu nozares pielietojumi

Kustību un apmeklējumu analīze

Nosakiet kājāmgājēju satiksmes tendences, lai noteiktu populāras apskates vietas vai bieži ceļotus maršrutus. Viena izplatīta gājēju satiksmes vizualizācijas metode ir siltuma kartes.

Izmantojot gūto atziņu, uzņēmumi varētu analizēt mazumtirdzniecības vai reklāmas vietu iespējamo trafiku un rentabilitāti, novērtēt maksimālās dienas vai laikus.

Uzņēmumi varētu arī veikt kustības trafika analīzi, lai atklātu auditorijas uzvedību un apmeklējumu modeli. Šie atklājumi sniedz lielāku dziļumu, segmentējot auditoriju un klientus.

Izcelsmes un galamērķa pētījums (O-D pētījums)

Izcelsmes un galamērķa pētījums tiek izmantots, lai izprastu cilvēku ceļošanas modeļus. Tos parasti izmanto transporta plānošanai, tomēr to lietderība pārsniedz to.

Tradicionāli O-D pētījumi tiek veikti manuāli, veicot ceļa apsekojumus. GPS un izsekošanas tehnoloģijas pieaugums padara O-D pētījumus mazāk laikietilpīgus un sniedz daudz precīzākus rezultātus.

Iknedēļas interešu izsekošana

Viens no visspēcīgākajiem atrašanās vietas datu aspektiem ir tā spēja iegūt ieskatu par interesi un nodomu. Kad lietotāji apmeklē noteiktas vietas, var izdarīt pieņēmumus par viņu uzvedību, lai iegūtu iespējamu ieskatu, intereses, nodomu un daudz ko citu.

Lai to ilustrētu, apskatīsim šādu piemēru:

Divas ierīces ir redzamas, apmeklējot automašīnu salonus pēcpusdienā. Mēs redzam, ka abas ierīces pavada laiku katrā vietā, apmeklējot Peugeot (vidējā tirgus zīmols) un BMW un Mercedes-Benz (luksusa zīmoli). Mēs arī redzam, ka, pamatojoties uz viņu laika zīmogiem, indivīdi ir pavadījuši vairāk laika, apmeklējot luksusa zīmolus, aptuveni 1 stundu pie BMW un Mercedes, salīdzinot ar 5 minūtēm Peugeot.

Pamatojoties uz šo analīzi, var izdarīt pieņēmumus, ka šīs personas ir automašīnu tirgū un, iespējams, interesējas par luksusa automašīnām. Tas skaidri norāda uz interesi un nodomu, ko zīmoli var izmantot, lai gūtu ieskatu (piemēram, lai saprastu aizkavēšanās laiku), kā arī tirgotājiem (piemēram, lai izveidotu segmentus) un daudz ko citu.

Kad Covid-19 sāk mazināties un mēs virzāmies uz jaunu normu, mēs redzēsim izmaiņas cilvēku uzvedībā. Tāpēc būs svarīgi ātri analizēt un izprast jaunus ieradumus, pārvietošanās modeļus, intereses un uzvedību, kas varētu ietekmēt veidu, kādā uzņēmumi atsāk savu uzņēmējdarbību un turpina darboties.

Aplūkojot mazumtirdzniecības vietu (iepriekšējā gadījumā - IKEA Copenhagen un IKEA Stockholm) modeļus, atrašanās vietas datus var izmantot, lai novērtētu apmeklējumu indeksu vai komercdarbību noteiktās veikalu vietās, salīdzinot ar iepriekšējiem laika periodiem. Tā kā atrašanās vietas dati ir mainīgi (t.i., tie nepārtraukti mainās), ir svarīgi bāzes līniju vai normalizēt un izlīdzināt datus analīzei. Tehnikas, ko parasti izmanto statistiķi normalizēšanai un izlīdzināšanai, ietver:

Izlīdzināšanas piemērs (ņemiet vērā, ka S-G apzīmē Savitzky-Golay filtru)

Papildus konkrētu mazumtirdzniecības telpu aplūkošanai, ekonomiskā progresa izsekošanā var būt interesanti veikt līdzīgu analīzi par interesējošiem punktiem, piemēram: transporta mezgliem, rūpniecības kompleksiem, ražošanas parkiem, ceļu tīkliem, centrālajiem biznesa rajoniem utt. to savukārt var izmantot, lai prognozētu/izprastu ekonomisko aktivitāti, prognozētu pieprasījumu un saprastu, kā stratēģiju atsākšana ietekmē dažādas ekonomikas nozares.

Klasteru izsekošana

Klasteru analīze jeb klasterizācija attiecas uz objektu kopas sagrupēšanu tādā veidā, lai vienas grupas objekti (ko sauc par kopu) ir vairāk līdzīgi (kaut kādā ziņā) viens otram nekā citu grupu (klasteru) objekti. Visos gadījumos kopas ir jāgrupē pēc atribūta vai atribūtu kopas.

Atrašanās vietas datu kontekstā klasteru analīzi izmanto, lai izprastu noteiktas cilvēku grupas ar līdzīgām iezīmēm (piemēram, darba atrašanās vieta, noteiktās vietās pavadīts laiks utt.) Kustības modeļus.

Nesen mēs esam redzējuši dažus interesantus klasterizācijas lietojumus, piemēram:
• Izpratne par iespējamu slimības izplatīšanos no kopas
• Izpratne par transportu, ko izmanto cilvēki, kas dzīvo vienā apkārtnē
• Izpratne par cilvēku atrašanās vietām centrālajos biznesa rajonos (CBD)
• Izpratne par to cilvēku uzvedību, kuri devās uz koncertu
• Meklējot cilvēkus, kuri, visticamāk, ir ģimenes vai kolēģi

Dažas atrašanās vietas datu klastera analīzes metodes ietver:

A metode: uz ID balstīta analīze

Analizējot konkrētu notikumu vai vietu, piem. CBD strādājošo cilvēku mājas atrašanās vietas, jūs varat norobežot notikuma vietu un atrast unikālās ierīces šajā apgabalā. Izmantojot šos ierīču ID un vēsturiskos datus (vai arī turpmākos datus), varat noteikt, kuras atrašanās vietas šīs ierīces radīja, šīs ierīces saskaņojot ar noteiktiem apgabaliem, pilsētām, apkaimēm utt.

Iepriekš minētajā piemērā, norobežojot Sidnejas CBD apgabalu, jūs vispirms identificējat visus unikālos ierīču ID CBD apgabalā, un tāpēc tiek uzskatīts, ka tie darbojas šajā apgabalā. Šim nolūkam laiks ir svarīgs, un jūs varētu vēlēties aplūkot ierīces, kas redzamas šajā teritorijā vismaz 2 reizes darba dienās no pulksten 9:00 līdz 17:00. Pamatojoties uz to, pēc tam varat meklēt šo ierīču ID citos apgabalos (1. - 5. apgabals), lai noteiktu cilvēku skaitu, kas strādā CBD pēc apgabala.

B metode: Blīvuma algoritmi

Uz blīvumu balstīta lietojumprogrammu ar troksni telpiskā klasterizācija (DBSCAN) ir datu klasterizācijas algoritms. Tas ir uz blīvumu balstīts klasterizācijas neparametrisks algoritms: ņemot vērā punktu kopumu noteiktā telpā, tas sagrupē punktus, kas ir cieši kopā (punkti ar daudziem tuvējiem kaimiņiem), atzīmējot kā izņēmuma punktus, kas atrodas atsevišķi zema blīvuma reģionos (kuru tuvākie kaimiņi ir pārāk tālu).

Metodika ir īpaši noderīga ģeotelpiskajai analīzei, jo tā ļauj iestatīt kopas kritērijus (piemēram, vismaz 4 cilvēki 200 metru rādiusā). Atšķirībā no citām klasterizācijas metodēm, DBSCAN neprasa a priori norādīt datu kopu skaitu. DBSCAN var atrast patvaļīgas formas kopas. Tas pat var atrast kopu, ko ieskauj (bet nav savienots) cits kopums.

Šis algoritms ir bijis noderīgs cīņā pret COVID-19, sabiedrības veselības aizsardzības amatpersonām un epidemiologiem izmantojot šāda veida algoritmus, lai identificētu jaunas vai nezināmas kopas. Iepriekš minētajā piemērā, īpaši nosakot A un B kopu jomas, politikas veidotāji un medicīnas speciālisti var pieņemt apzinātākus lēmumus par to, kā optimizēt medicīnas resursu sadali pilsētās un valstīs.

Viens ātrs brīdinājums DBSCAN ir tas, ka tas nevar labi sagrupēt datu kopas ar lielām blīvuma atšķirībām.

Lai to izdarītu, mums jāaplūko OPTICS algoritms. Punktu pasūtīšana, lai identificētu klasterizācijas struktūru (OPTICS), ir algoritms uz blīvumu balstītu klasteru atrašanai telpiskajos datos. Tas ir ļoti līdzīgs DBSCAN, bet ļauj noteikt kopas dažāda blīvuma datos. Šī metodika ir ļoti spēcīga, jo tajā tiek izmantotas koku diagrammas metodes (sasniedzamības diagramma), kas meklē savienojumus starp dažādu ierīču ID.

Augšējais attēls ilustrē OPTICS. Augšējā kreisajā apgabalā ir parādīta datu kopas piemērs. Augšējā labajā daļā tiek attēlots OPTICS veidotais laiduma koks, bet apakšējā daļā - OPTICS aprēķinātā sasniedzamības diagramma. Dzeltenie punkti šajā attēlā tiek uzskatīti par troksni un nav piešķirti kopām.

Mobilitātes analīze

Mobilitātes analīze ir termins, ko bieži izmanto, plānojot vai izstrādājot operācijas. Daži labi piemēri ir gudra pilsētas plānošana, ceļojumu vadība vai transporta plānošana. Tādām struktūrām kā valdība ir jāveic mobilitātes analīze, lai pieņemtu gudrus lēmumus par pilsētu un pilsētu pārbūves projektiem, un konsultantu/mazumtirdzniecības analītikas firmas veic mobilitātes analīzi tirgus izpētei un fiksēšanai.

Iepriekš, kad dati par atrašanās vietu bija ierobežoti, organizācijām, lai pieņemtu lēmumus, bija jāpaļaujas uz aptuveniem datu punktiem (piemēram, izlases aptaujas un durvju skaitīšana). Bet, izmantojot atrašanās vietas datus, datu iegūšana nekad nav bijusi ātrāka, lētāka un uzticamāka!

Divi galvenie izmantošanas gadījumi, kad mobilās atrašanās vietas datus var izmantot mobilitātes analīzei, ir transporta plānošana un pilsētu plānošana.

Transporta plānošana

Ņemot vērā Covid-19 un valdības noteiktos bloķēšanas pasākumus, tika slēgti visi lielākie mazumtirdzniecības veikali, un tika ietekmēta cilvēku mobilitāte. Tāpēc mēs redzējām, ka ir palielinājies vēsturisko datu un bāzes līnijas izmantošana salīdzinājumā ar iepriekšējā gada datiem.

Šodien, ieejot Covid-19 atveseļošanās fāzē, cilvēki sāk pārvietoties ārā (kaut arī salīdzinoši mazāk nekā iepriekš), un valdība var izmantot atrašanās vietas datus, lai izprastu jaunus pārvietošanās modeļus. Šajā jaunajā normā mobilitātes analīzi var izmantot resursu optimizēšanai vai transporta pakalpojumu labākai plānošanai. Piemēram, autobusu laikus un saņemšanas vietas var optimizēt, pamatojoties uz jaunu uzvedību vai pārslogotu līniju izkliedēšanu.

Izlases izcelsmes galamērķa paraugs Singapūrā, lai saprastu lietotāja mobilitāti

Parauga metodoloģija:

1. Uzskatiet visas autoostas par IP un aprēķiniet cilvēku blīvumu, kas gaida autobusu satiksmi pagājušajā un pašreizējā gadā. Tas palīdz noteikt, cik autobusu pakalpojumus var samazināt/palielināt dažādās vietās.

2. Pārveidojiet autoostā pamanītos atrašanās vietas punktus par galamērķa pāriem. Katram ierīces ID iegūstiet pirmo autoostas atrašanās vietu un pēdējo autoostas atrašanās vietu un laiku starp tiem.

3. Prognozējiet maršruta plānošanu, izmantojot četru soļu ceļojuma modeli:

Pilsētplānošana

Ekonomikai atsākoties pēc pandēmijas, cilvēki ar nepacietību gaida laiku brīvā dabā, tiekoties ar saviem ģimenes locekļiem un draugiem. Tādējādi nav šaubu, ka var sagaidīt mazumtirdzniecības veikalu vai pārtikas/dzērienu vietu skaita pieaugumu. Tomēr, vairāk cilvēkiem mijiedarbojoties, kopienas pārnešanas risks potenciāli palielinās, un, ja tas pasliktināsies, otrais koronavīrusa pieauguma vilnis nebūs pārāk tālu.

Izmantojot atrašanās vietas datus, valdības var veikt mobilitātes analīzi un saprast, kurās blīvās vietās varētu būt lielāks koronavīrusa pārnešanas risks, un pievienot ierobežojumus, lai novērstu vietu pārpildīšanu.

Metodoloģija lpp veiciet klasteru analīzi un atrodiet vietas, kas ir pārpildītas un kurām ir potenciāls koronavīrusa pārnešanas risks:

a. Veiciet DBSCAN klasterizāciju, lai atrastu lielu blīvu kopu izmēru. Vairāk par DBSCAN klasterizāciju var atrast šeit.
b. Veiciet klasterizāciju, izmantojot OPTICS.
c. DBSCAN kopas paraugs ar POSTGIS:

Auditoriju veidošana, kustību un attiecinājuma izpratne

Digitālās mērķauditorijas veidošana

Viens no veidiem, kā visbiežāk tiek izmantoti mobilās atrašanās vietas dati, ir reklamēšana un mērķauditorijas veidošana.

Tradicionāli reklāmdevēji atlasīja cilvēkus tikai, pamatojoties uz demogrāfiskajiem vai ģeogrāfiskajiem apstākļiem. Piemēram, Honda Motors mērķauditorija būtu vīrieši vecumā no 30 līdz 35 gadiem, kas dzīvo Kalifornijas pilsētās.

Tradicionālās pieejas problēma ir tāda, ka reklāmdevēji nezina, vai viņi mērķē uz cilvēkiem, kuri izrāda interesi par viņu produktiem vai pakalpojumiem. Bet, izmantojot atrašanās vietas datus, cilvēku interesi par produktu var saprast, izmantojot kustību modeļus un atzīmējot tos ar pareizu uzvedību.

Šo informāciju reklāmdevēji varētu izmantot, lai veiktu personalizētāku mērķauditorijas atlasi un savukārt potenciāli palielinātu savu reklamēšanas IA.

Auditorijām ir dažādas kategorijas, piemēram, automobiļu pircēji, restorānu pusdienas, pircēji, ceļotāji utt.

Iedomājieties, ka ierīces ID 1. jūlijā tiek apmeklēts Honda salonā. Šo ID var klasificēt kā automobiļu pircēju un vidēja tirgus automobiļu pircēju. Tagad dažas dienas pēc tam skaistumkopšanas salonā tika pamanīts tas pats ierīces ID, pēc tam esošā ierīces ID var tikt atzīmēta papildu uzvedība (skaistums). Ierīču ID pievienojot arvien vairāk uzvedības, reklāmdevēji var veidot noapaļotāku/pilnīgāku priekšstatu par savu mērķauditoriju un nodrošināt personalizētāku saturu.

Mērķauditoriju var veidot, norobežojot atbilstošas ​​IP vietas. Piemēram, lai izveidotu automobiļu mērķauditoriju vidējā tirgū, ierīču ID, kas tika pamanīti Honda salonos un arī tā konkurentos, piemēram, (Toyota un Hyundai), varētu tikt ierobežoti. Tāpēc pats par sevi saprotams, ka IP datu bāze ir nepieciešama, lai izveidotu mērķauditoriju, kas balstīta uz atrašanās vietu.

Kad esat apguvis pamatus, varat sākt pilnveidot, bet pievienot papildu algoritmus. Viens no algoritmiem, ko varētu pievienot, ir potenciālo strādnieku noņemšana no automašīnu veikala, lai mēs atlasītu potenciālos pircējus, nevis strādniekus. Lai to izdarītu, jūs vēlaties identificēt visus ierīču ID šajos veikalos (POI), kas laika gaitā pastāvīgi atrodas. Piemēram, ja ierīces ID tiek parādīts Honda dīlerī pirmdien, otrdien, ceturtdien un piektdien pēc nedēļas, iespējams, vēlēsities pieņemt, ka viņi ir dīlera darbinieki, un izslēgt tos no savas auditorijas.

Vēl viens svarīgs apsvērums ir tas, ka auditorijai ir dzīves cikls, kas atšķiras atkarībā no mērķauditorijas veida. Piemēram, persona, kas plāno iegādāties automašīnu, parasti pieņem 3-4 mēnešus, lai pieņemtu lēmumu. Tādējādi automašīnu pircēju dzīves cikls ir 3-4 mēneši, un pēc tam šī darbība tiks noņemta no ierīces ID. Gluži pretēji, ja persona izmanto Samsung tālruni, Samsung lietotāja uzvedība varētu būt derīga 1-2 gadus, jo cilvēki parasti pērk tālruņus, izmantojot līgumus.

Izpratne par kustībām un atribūtiku

Papildus mērķauditoriju izveidei, atrašanās vietas datiem ir liels potenciāls attiecībā uz OOH reklāmu.

OOH (Out Of Home Advertising), kā teikts vārdā, ir vienkārši reklāma, kad cilvēki atrodas ārpus mājas (piemēram, stendi, reklāmas automašīnā, pieturu dēļi utt.).

Tāpat kā iepriekš minētā digitālā reklāma, arī OOH reklāmas panākumus novērtē, saprotot, cik veiksmīgi reklāma veicināja skatītāja pirkšanu (tiešsaistē vai veikalā). To bieži dēvē par IA mērīšanu, attiecināšanu vai vēlmi uzglabāt. Atrašanās vietas dati ir ārkārtīgi noderīgi OOH reklāmdevējiem, kuri savu īpašumu skatītājus vēlas attiecināt atpakaļ uz fiziskām atrašanās vietām, piemēram, veikaliem, vai tieši atpakaļ uz pirkumiem tiešsaistē, izmantojot ierīces ID. Piemēram, ja 20 no 100 cilvēkiem, kuri redzēja Apple reklāmas stendu, devās uz tuvumā esošo ābolu veikalu, tad attiecinājuma līmenis uz veikalu ir 20%.

Iepriekš minēti divi izplatīti veidi, kā OOH reklāmdevēji izmanto atrašanās vietas datus.

1. Novērtējiet OOH kampaņas attiecinājumu:

Sakiet, piemēram, jums ir modes apģērbu veikals (H & ampM). Viņi uzsāka OOH kampaņu tajā pašā ceļā, kur atrodas, un vēlas uzzināt, cik cilvēku pēc reklāmas apmeklēja veikalu.

• Filtrējiet atrašanās vietas datus kampaņas laika periodā
• Filtrējiet datu punktus ap reklāmas vietu un veikala atrašanās vietu
• Klasificējiet datu punktus reklāmas atrašanās vietā kā A kopu un datu punktus veikala atrašanās vietā kā B kopu
• Ļaujiet total_devices = pēdas no kopas A
• Ļaujiet attributed_devices = atsevišķas ierīces A komplektā, kas ir B kopā, un notikuma laika zīmogs ir lielāks B kopā nekā A kopa
• Sadalīt attributed_devices/total_devices: tas jums piešķirs attiecinājuma procentu

2. Atrodiet pareizo vietu OOH reklāmai, lai ietekmētu cilvēku pirkšanas lēmumus:

Teiksim, piemēram, McDonalds vēlas palielināt rīta apmeklējumus noteiktā veikalā pilsētas centrā un plāno sākt kampaņu. Viņi vēlas atrast pareizo vietu, kur veikt OOH kampaņu. Šajā gadījumā:

• Paņemiet datu paraugus (1 diena vai 1 nedēļa)
• Atrodiet ierīces, kas pamanītas mērķa McDonalds un tās apkārtnē 1 nedēļu no rīta.
• Izmantojot ierīču ID, atrodiet transportu un maršrutus, ko tie izmanto, lai sasniegtu veikalu. Atrodiet visbiežāk izmantoto maršrutu.
• Atrodiet optimālās stendu atrašanās vietas kopīgajā maršrutā. Šīs būtu īstās vietas, lai palielinātu OOH attiecinājumu.