DeepSeek智能时空数据分析(二):3秒对话式搞定“等时圈”绘制

序言:时空数据分析很有用,但是GIS/时空数据库技术门槛太高

时空数据分析在优化业务运营中至关重要,然而,三大挑战仍制约其发展:技术门槛高,需融合GIS理论、SQL开发与时空数据库等多领域知识;空间数据缺乏直观可视化工具,导致分析结果难以高效传达;现有产品成本高昂,限制了中小企业应用。

本系列文章将借助DeepSeek等大模型的能力,通过NL2SQL等免费/低成本 AI GIS智能体能力,帮助不熟悉SQL、GIS但是有空间数据分析需求的读者实现最常用的分析功能。

前序文章

系列1:《DeepSeek智能时空数据分析(一):筛选特定空间范围内的POI数据》

等时圈的应用场景

什么是等时圈?
等时圈是指从某一地点出发,通过特定交通方式(如步行、骑行、驾车等)在固定时间内可到达的地理空间范围,类似于用时间刻画的“等高线”,反映了交通耗时和便利程度。
在这里插入图片描述

等时圈有什么用处?
在空间分析中,其核心作用是通过时间维度量化区域可达性,辅助决策者优化城市资源配置。
例如:在交通规划中评估路网效率,确定公共交通覆盖盲区;在公共服务布局中分析学校、医院等设施的服务半径;在城市群研究中测算核心城市辐射范围,支撑产业转移和人口迁移策略。该方法突破了传统距离缓冲区的局限性,结合实时路况和交通方式,使分析更贴近实际出行场景。

QGIS等传统方法绘制等时圈有何缺点?
1、学习成本高,对于非gis专业人员,为了画个等时圈学2天QGIS,投入产出比不高;
2、数据割裂,使用不便;用QGIS等传统gis软件绘制等时圈再导出数据再导入其他数据平台使用,非常麻烦;
3、地理数据规格不一致:等时圈数据和业务数据2个平台产生,坐标系不一致导致错位,处理麻烦;

借助DeepSeek,3秒话式搞定“等时圈”绘制

NL2SQL绘制等时圈
1、工具准备:
笔者使用的是阿里云DataV Atlas,大学生免费/个人开发者9.9(工具获取可以参考之前文章);也可以使用任意其他接入DeepSeek的时空数据分析工具;

2、NL2SQL绘制等时圈
在这里插入图片描述
步骤一:打开DataV Atlas,添加一个SQL数据源;
在这里插入图片描述
步骤二:打开DataV Atlas的DeepSeek AI助手,输入等时圈绘制提示词:“以上海虹桥火车站为中心点,绘制半径10公里的圆形”;
在这里插入图片描述
步骤三:等待DeepSeek AI助手输出反馈,可以发现DeepSeek理解空间分析意图非常出色;

思路总结:
上海虹桥火车站的经纬度约为 121.39465, 31.20208。
使用 ST_MakePoint 创建点几何对象,并用 ST_SetSRID 设置为 WGS84 坐标系(EPSG:4326)。
使用 ST_Buffer 函数生成半径为 10 公里(10000 米)的圆形区域,其中通过 ::geography 确保缓冲区计算基于地理单位(米)。
最终将结果转换回几何类型并返回。

在这里插入图片描述
步骤四:执行DeepSeek AI助手输出的Postgrel SQL,成功绘制等时圈;

3、绘制等时圈标签文字
通常需要在等时圈外部绘制半径距离文字,方便理解,同样可以通过DeepSeek NL2SQL加上:

步骤一:新增加一个SQL数据源,再输入提示词:“以上海虹桥机场1号楼为中心点,沿着正东方向10公里生成1个距离标注点几何,并记录距离包含单位字段文本,如“10km”;”
在这里插入图片描述
DeepSeek给出了完整Postgre SQL思考过程和可执行代码,也是我们学习空间数据建模的一个入门好办法。
思考过程:

根据需求,以上海虹桥机场1号楼为中心点,使用其经纬度坐标(121.339287, 31.145867)作为起点,沿着正东方向生成一个距离为10公里的点。可以使用PostGIS的ST_Project函数完成这一操作,并通过添加一个文本字段标注该距离为’10km’。

Postgre SQL:

-- 使用ST_Project函数沿正东方向生成点,距离为10公里
SELECT '10km' AS "distance", -- 添加距离标注字段ST_SetSRID(ST_Project(ST_MakePoint(121.339287, 31.145867), 10000, radians(90)), 4326)::geometry AS "geom"
;

最终等时圈和标注点完成绘制,效果如下:
在这里插入图片描述

其他

本文用到的个空间分析工具对学习者如高校学生都是免费的,可以自行获取学习使用;个人开发者可以选择低成本版本或者看有没有免费试用。
AI时空数据分析工具DataV Atlas可以参考之前介绍文章获取;https://blog.csdn.net/guoweish/article/details/146253025?spm=1011.2124.3001.6209

本文来自互联网用户投稿,该文观点仅代表作者本人,不代表本站立场。本站仅提供信息存储空间服务,不拥有所有权,不承担相关法律责任。如若转载,请注明出处:http://www.mzph.cn/news/902699.shtml

如若内容造成侵权/违法违规/事实不符,请联系多彩编程网进行投诉反馈email:809451989@qq.com,一经查实,立即删除!

相关文章

【Linux网络】应用层自定义协议与序列化及Socket模拟封装

📢博客主页:https://blog.csdn.net/2301_779549673 📢博客仓库:https://gitee.com/JohnKingW/linux_test/tree/master/lesson 📢欢迎点赞 👍 收藏 ⭐留言 📝 如有错误敬请指正! &…

基于大模型的结肠癌全病程预测与诊疗方案研究

目录 一、引言 1.1 研究背景与意义 1.2 研究目的与创新点 二、结肠癌概述 2.1 流行病学特征 2.2 发病机制与危险因素 2.3 临床症状与诊断方法 三、大模型技术原理与应用现状 3.1 大模型的基本原理 3.2 在医疗领域的应用情况 3.3 在结肠癌预测中的潜力分析 四、术前…

【UML建模】starUML工具

一.概述 StarUML是一款UML工具,允许用户创建和管理UML(统一建模语言)模型,广泛应用于软件工程领域。它的主要功能包括创建各种UML图:如用例图、类图、序列图等,支持代码生成与反向工程,以及提供…

模板元编程(Template Metaprogramming, TMP)

C 模板元编程(Template Metaprogramming, TMP) 模板元编程是一种利用 C 模板系统在 编译期间 完成计算、类型操作和代码生成的编程范式。其核心优势在于通过 零运行时开销 实现高效、类型安全的代码。以下是模板元编程的详细分步解析。 1. 编译时计算 …

Android Build Variants(构建变体)详解

Android Build Variants(构建变体)是 Android 开发中用于生成不同版本应用程序的一种机制。它允许开发者根据不同的需求,如不同的应用市场、不同的功能模块、不同的环境配置等,从同一个代码库中生成多个不同的 APK。 组成部分 B…

26考研|数学分析:数项级数

数项级数这一章的开始,开启了新的关于“级数”这一新的概念体系的学习进程,此部分共包含四章的内容,分别为数项级数、函数项级数、幂级数以及傅里叶级数。这一章中,首先要掌握级数的相关概念与定义,重难点在于掌握判断…

拥抱健康生活,解锁养生之道

在生活节奏日益加快的当下,健康养生已成为人们关注的焦点。科学的养生方法,能帮助我们增强体质、预防疾病,以更饱满的精神状态拥抱生活。 合理饮食是养生的基石。《黄帝内经》中提到 “五谷为养,五果为助,五畜为益&…

房地产安装工程师简历模板

模板信息 简历范文名称:房地产安装工程师简历模板,所属行业:其他 | 职位,模板编号:XUCP9X 专业的个人简历模板,逻辑清晰,排版简洁美观,让你的个人简历显得更专业,找到好…

HTML5 详细学习笔记

1. HTML5 简介 HTML5 是最新的 HTML 标准&#xff0c;于 2014 年 10 月由 W3C 完成标准制定。它增加了许多新特性&#xff0c;包括语义化标签、多媒体支持、图形效果、离线存储等。 1.1 HTML5 文档基本结构 <!DOCTYPE html> <html lang"zh-CN"> <h…

【网络入侵检测】基于Suricata源码分析NFQ IPS模式实现

【作者主页】只道当时是寻常 【专栏介绍】Suricata入侵检测。专注网络、主机安全,欢迎关注与评论。 1. 概要 👋 本文聚焦于 Suricata 7.0.10 版本源码,深入剖析其 NFQ(Netfilter Queue)模式的实现原理。通过系统性拆解初始化阶段的配置流程、数据包监听机制的构建逻辑,以…

C语言结构体和union内存对齐

在C语言的世界里&#xff0c;结构体&#xff08;struct&#xff09;和联合体&#xff08;union&#xff09;的内存布局一直是困扰许多开发者的难题。当我们定义一个结构体时&#xff0c;编译器会按照特定的规则为每个成员分配内存空间&#xff0c;这些规则被称为内存对齐。看似…

本地部署DeepSeek-R1模型接入PyCharm

以下是DeepSeek-R1本地部署及接入PyCharm的详细步骤指南,整合了视频内容及官方文档核心要点: 一、本地部署DeepSeek-R1模型 1. 安装Ollama框架 ​下载安装包 访问Ollama官网(https://ollama.com/download)Windows用户选择.exe文件,macOS用户选择.dmg包。 ​安装验证 双击…

IEEE综述 | 车道拓扑推理20年演进:从程序化建模到车载传感器

导读 车道拓扑推理对于高精建图和自动驾驶应用至关重要&#xff0c;从早期的程序化建模方法发展到基于车载传感器的方法&#xff0c;但是很少有工作对车道拓扑推理技术进行全面概述。为此&#xff0c;本文系统性地调研了车道拓扑推理技术&#xff0c;同时确定了未来研究的挑战和…

开源模型应用落地-语音合成-MegaTTS3-零样本克隆与多语言生成的突破

一、前言 在人工智能技术飞速发展的今天,文本转语音(TTS)技术正以前所未有的速度改变着人机交互的方式。近日,字节跳动与浙江大学联合推出了一款名为MegaTTS3 的开源TTS模型,再次刷新了行业对高质量语音合成的认知。作为一款轻量化设计的模型,MegaTTS3以仅0.45亿参数 的规…

Python爬虫实战:移动端逆向工具Fiddler经典案例

一、引言 在移动互联网迅猛发展的当下,移动端应用产生了海量的数据。对于开发者而言,获取这些数据对于市场调研、竞品分析、数据挖掘等工作具有重要意义。Fiddler 作为一款功能强大的 Web 调试代理工具,能够有效捕获、分析和修改移动端的网络请求,为开发者深入了解移动端网…

AutoGPT超详细教程

AutoGPT超详细教程 AutoGPT 是一个强大的AI代理管理平台&#xff0c;允许用户通过直观的界面构建、部署和自动化复杂工作流程。其核心是ForgeAgent&#xff0c;它管理代理逻辑、工具集成和任务执行&#xff0c;并通过文件存储抽象层安全访问文件。用户可通过CLI创建代理、运行…

【Python网络爬虫实战指南】从数据采集到反反爬策略

目录 前言技术背景与价值当前技术痛点解决方案概述目标读者说明 一、技术原理剖析核心概念图解核心作用讲解关键技术模块说明技术选型对比 二、实战演示环境配置要求核心代码实现案例1&#xff1a;静态页面抓取&#xff08;电商价格&#xff09;案例2&#xff1a;动态页面抓取&…

矩阵运营的限流问题本质上是平台与创作者之间的流量博弈

矩阵运营的限流问题本质上是平台与创作者之间的流量博弈&#xff0c;要系统性解决这一问题&#xff0c;需从技术规避、内容优化、运营策略三个维度构建防御体系。以下结合平台算法逻辑与实战案例&#xff0c;深度解析限流成因及破解之道&#xff1a; 一、技术层&#xff1a;突…

【分布式理论17】分布式调度3:分布式架构-从中央式调度到共享状态调度

文章目录 一、中央式调度器1. 核心思想2. 工作流程3. 优缺点4. **典型案例&#xff1a;Google Borg** 二、两级调度器1. **核心思想**2. **工作流程**3. 优缺点4. **典型案例&#xff1a;Hadoop YARN** 三、共享状态调度器1. **核心思想**2. **工作流程**3. 优缺点4. **典型案例…

QSPI flash xip模式运行

背景&#xff1a; 在做一个项目&#xff0c;调研p-sram当ram用在cadence qspi接口下是否正常&#xff0c;首先用qspi-flash xip模式验证控制器是否支持flash的xip模式。 一、更改步骤&#xff1a; 1.1首先配置链接脚本 默认链接脚本 OUTPUT_FORMAT("elf32-littlearm&q…