拱墅区学区分析之三（数据处理篇）

工具选型

处理平台

在数据处理方面，FME的优势我在不同场合强调过多次。针对我日常中的数据处理+分析，FME简直完美。所以本次的学区分析，依然是使用FME作为主力工具。

处理流程介绍

在学区分析的数据处理这一部分，主要分两块： 1、学区点面属性融合； 2、建筑物底面融合。 针对这样的需求，我用了这样的两个模板来进行数据处理：

模板介绍

学区属性关联

这一步较简单，模板如下图所示：

唯一需要注意的一点就是：在基于空间关系进行属性挂接的时候，有许多转换器可以选择。但考虑到双学区的存在，需要使用支持列表类的转换器。在这里，就用到了支持列表的SpatialRelator。 步骤简介： 1、提取学校所在位置的坐标； 2、进行学校、学区的空间叠加； 3、将列表炸开，得到每个学校的学区。

建筑物底面融合

互联网上获取的建筑物底面，有如图下所示的问题：

上图中标红的部分，都是需要合并起来的，针对这种情况，我使用用FME写了如下的模板来对数据进行处理：

融合后的建筑物，可以提取其中心点坐标，来作为我们导航的起点。 步骤简介： 1、获取每条边的角度； 2、筛选出垂直水平边； 3、根据是否有垂直、水平边对数据进行分类； 4、融合数据。

总结

如今的时代，我们却的并不是数据，是将多源数据整合的能力，时髦一点的叫数据治理。数据只是基础材料，想要发挥出作用，需要有能处理数据分析数据的手段。