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。
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:
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。
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。
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。