أكثر

إنشاء موقع عشوائي داخل شبكة من موقع معين ومسافة معينة


بالنسبة لدراسة اختيار الموائل ، أحاول تحديد مدى توفرها. تعيش الأنواع الخاصة بي على طول المسطحات المائية ويمكنني تقييم المسافات التي تم نقلها بين موقعين متتاليين باستخدام محلل الشبكة (حساب المسافات بين النقاط المتتالية على طول الأنهار (المضلع) باستخدام ArcGIS Desktop؟).

أود الحصول على موقع محتمل يمكن أن يصل إليه الحيوان في نفس المسافة.

لفهم أفضل: لدي موقع A والمسافة d من الموقع A إلى B لدي شبكة من الأنهار والأجسام المائية الأخرى

أريد الآن الحصول على الموقع C باستخدام A كموقع بداية والمسافة d كمسافة على طول الشبكة.

هل هذا ممكن ، وإذا كان الأمر كذلك ، فكيف؟


لقد وجدت الحل (أو واحدًا): يحتاج المرء إلى أداة "منطقة الخدمة" في محلل الشبكة. أولاً ، يجب أن يكون لديك بعض المتطلبات الأساسية:

أ) إنشاء شبكة في محلل الشبكة. يجب أن يكون لديك طول الطرق / الأنهار / إلخ. كسمة مضافة أثناء إعداد المحلل ، سمها ، على سبيل المثال "المسافة"

ب) أنت بحاجة إلى عمود في ملف الموقع الخاص بك والذي يجب حساب المسافة لكل موقع (لذلك إذا كان لديك عدة مسافات لكل موقع ، فيجب أن يكون كل منها في سطر جديد) ، قم بتسميته ، على سبيل المثال "New_Dist")

أ) افتح محلل الشبكة واختر "منطقة الخدمة" ، وافتحه كشريط جديد

ب) انقر فوق الرمز مباشرة إلى منطقة الخدمة. افتح "Accumulation" ، وسترى اسم سمة الطول التي أعددتها في Network Analyst (مثل "Distance"). افحصها

ج) افتح "عام" ، وألغ تحديد "إنشاء المضلعات" (يستغرق الأمر وقتًا طويلاً ويجعلك تبتعد عن طريقك)

د) افتح "إنشاء الخط" ، انقر فوق "إنشاء الخط"

ج) أغلقه.

هـ) انقر فوق "المرافق" وقم بتحميل مواقعك فيه. لقد استخدمت معرف الموقع (ليس معرف OBJECTID ولكن معرفي الخاص حتى لا يتم الخلط بينه وبين أي شيء آخر) ، وأضفت إلى الحقل "فواصل_المسافات" الحقل الذي يحتوي على مسافاتك (على سبيل المثال "New_Dist")

و) قم بتحميله ثم اتركه يعمل. سيكون بطيئًا ولكن ليس بطيئًا جدًا. يجب أن يكون تحميل المواقع سريعًا نوعًا ما. إذا لم يكن الأمر كذلك ، فتحقق مما إذا كان لديك فهرس مكاني (انتقل إلى الكتالوج ، وافتحه وتحقق من الخصائص. إذا لم يتم إنشاء فهرس مكاني ، فقم ببنائه الآن. يعمل بشكل أسرع).

ز) تصدير الخطوط

ح) انضم إلى الملف الجديد باستخدام "معرف_المرفق" مع "مرفق منطقة الخدمة" باستخدام "OBJECT_ID". هذا ضروري لأن السطور نفسها تحتوي على القليل من المعلومات ، لذا عليك الانضمام إليها.

ط) أضف العمود الجديد X و Y.

ي) احسب X = "X End of line" في "Calculate Geometry" من الجدول و Y = "Y End of Line"

ك) تصدير الجدول على هذا النحو

ل) استيراد الجدول مرة أخرى إلى gis باستخدام "Display X و Y" ، ثم تصديره كملف جديد.

م) نظرًا لأن المسافة الحقيقية تتكون في أجزاء على طول الاحتمالات المختلفة على طول الشبكة ولكنك تريد فقط معرفة الموقع النهائي ، فأنت بحاجة الآن إلى إضافة عمود آخر إلى جدول الملف الجديد ، قم بتسميته كما يحلو لك ولكن خذ أنها "تعويم". استخدم حاسبة الحقول باستخدام "Break_Dis" - "ToCumul" ثم حدد فقط تلك التي تكون = <0. هذه هي المواقع ذات المسافة التقريبية التي تريدها.


كيف تجد كل الجيران لنقطة معينة في تثليث delaunay باستخدام scipy.spatial.Delaunay؟

لقد كنت أبحث عن إجابة لهذا السؤال ولكن لا يمكنني العثور على أي شيء مفيد.

أنا أعمل مع مكدس الحوسبة العلمية بيثون (scipy ، numpy ، matplotlib) ولدي مجموعة من النقاط ثنائية الأبعاد ، والتي أحسب لها Delaunay traingulation (wiki) باستخدام scipy.spatial.Delaunay.

أحتاج إلى كتابة دالة ، إذا أعطيت أي نقطة أ ، ستعيد جميع النقاط الأخرى التي هي رؤوس أي بسيط (أي مثلث) يكون a أيضًا رأسًا له (جيران a في المثلث). ومع ذلك ، فإن التوثيق الخاص بـ scipy.spatial.Delaunay (هنا) سيء للغاية ، ولا يمكنني أن أفهم طوال حياتي كيف يتم تحديد البساطة أو سأقوم بذلك. حتى مجرد شرح لكيفية تنظيم مصفوفات الجيران والرؤوس ومصفوفات vertex_to_simplex في إخراج Delaunay سيكون كافيًا لدفعني إلى المضي قدمًا.


يمكنك استخدام على سبيل المثال r.nextInt (101)

للحصول على "بين رقمين" أكثر عمومية ، استخدم:

يمنحك هذا رقمًا عشوائيًا بين 10 (ضمنيًا) و 100 (حصريًا)

بافتراض أن الحد العلوي هو الحد الأعلى والحد الأدنى هو الحد الأدنى ، يمكنك إنشاء رقم عشوائي ، r ، بين الحدين باستخدام:

إذا كنت بحاجة إلى إنشاء أكثر من قيمة واحدة ، فما عليك سوى استخدام حلقة for لذلك

إذا كنت تريد تحديد نطاق أكثر ملاءمة ، مثل من 10 إلى 100 (كلاهما في النطاق)

في حالتك سيبدو مثل هذا:

لا تحتوي Java على مولد عشوائي بين قيمتين بنفس طريقة Python. في الواقع لا يتطلب الأمر سوى قيمة واحدة لإنشاء العشوائية. ما عليك القيام به ، إذن ، هو إضافة رقم واحد إلى الرقم الذي تم إنشاؤه ، مما سيؤدي إلى أن يكون الرقم ضمن النطاق. على سبيل المثال:


مقدمة

الخدمة المستندة إلى الموقع (LBS) هي نوع من خدمات المعلومات التي توفر للمستخدمين مواقع جغرافية تقع بواسطة الأجهزة المحمولة والشبكة اللاسلكية. توجد معلومات ثروة في بيانات الموقع ، مثل اهتمامات المستخدم وهوايات المستخدم ونمط سلوك المستخدم. يمكن توظيف LBS في عدد من التطبيقات ، بما في ذلك: الإعلان المستند إلى الموقع [1] ، وخدمات الطقس الشخصية ، والترفيه [2] ، والحياة الشخصية وما إلى ذلك. يمكن للتنبؤ أو التوصية الفعالة بالموقع أن تجعل المستخدمين يتمتعون بتجربة جيدة.

إن التقدم في الحصول على الموقع وتقنيات الاتصالات المتنقلة يمكّن الناس من استخدام بيانات الموقع مع الشبكات الاجتماعية الموجودة على الإنترنت بطرق متنوعة. يمكن للأشخاص مشاركة موقعهم الحالي وتسجيل طرق السفر باستخدام GPS لمشاركة تجارب السفر في GeoLife [3]. يعطي Zheng [4] نظرة عامة على استخراج بيانات المسار ، بما في ذلك المعالجة المسبقة لبيانات المسار ، وتعدين الأنماط والتصنيف ، ويستكشف الروابط والارتباطات والاختلافات بين هذه التقنيات الحالية وأيضًا بعض مجموعات بيانات المسار العام معروضة. يطرح Zheng [5] نهجًا للعثور على الرحلات المرشحة من الفئة k ضمن بيانات المسار غير المؤكدة. تُستخدم البيانات التاريخية لاستنتاج رحلة السفر وتقلل من عدم اليقين بشأن مسار المستخدم.

من أجل تحسين تجربة خدمة الموقع ، من الضروري معرفة موقع المستخدم مسبقًا. على سبيل المثال ، إذا كان من الممكن توقع ظهور المستخدم في الموقع "ب" في الساعة 6:00 مساءً بناءً على المواقع السابقة التي تمت زيارتها ، فيمكن لموفر خدمة LBS إرسال معلومات التوصية أو الإعلانات الخاصة بالمطاعم في الموقع "ب" إلى المستخدم مسبقًا. يطرح Xue [6] خوارزمية SubSyn للتنبؤ بالموقع. تتحلل بيانات المسار التاريخي للمستخدم إلى مجموعة المسار الفرعي ، مما يزيد من عدد المسارات وحجم بيانات التدريب ، ويتم تحسين أداء التنبؤ. أما بالنسبة لتنبؤ المسار ، فإن طريقة ماركوف موديل [7،8] مستخدمة على نطاق واسع وفكرتها المركزية هي بناء سلسلة ماركوف للمضاربة. تم طرح خوارزمية SMLP (خوارزمية توقع موقع مستخدم الهاتف المحمول المدرك اجتماعيًا) بواسطة Yu [9]. إنه يدمج علاقة المستخدم مع نموذج ماركوف للتنبؤ بالموقع. على الرغم من أن الخوارزمية تتطلب مساحة أقل من نموذج ماركوف ، إلا أن نتائج التنبؤ تتأثر بشدة بتقسيم المنطقة. يقترح ليان [10] خوارزمية CEPR (الاستكشاف التعاوني ونموذج الإرجاع الدوري) التي تتبنى تقنية التصفية التعاونية ويستخدم السلوك التاريخي للمستخدم للتنبؤ بالموقع والتوصية به. كما أنها تعطي تحليل الارتباط [11] بين المعلومات الإحصائية للمستخدم وإمكانية التنبؤ بالموقع على بيانات جوالا (https://snap.stanford.edu/data/loc-gowalla.html). تم اعتماد شجرة البادئة وإستراتيجية البحث الإرشادي لتنفيذ توصية الرحلة الشخصية بواسطة Zhang [12]. يستخدم Wu [13] حقل Markov Random للتنبؤ بالتعليق التوضيحي لسجلات الموقع ومصير المستخدم ، ويتم تحقيق أداء أفضل عند وجود المزيد من سجلات المستخدم. تستخدم Nghia [14] عامل المصفوفة لتحديد الميزات والتنبؤ بموقع المستخدم. على الرغم من أن الخوارزمية يمكنها التنبؤ بالموقع الجغرافي في الوقت الفعلي ، إلا أن مجموعة البيانات الخاصة بها تتكون من تغريدات تحتوي على الكثير من المعلومات الدلالية. تتأثر النتائج بمشاعر الناس وتعبيراتهم الذاتية.

تقوم Gambs [15] بتوسيع نموذج تنقل يسمى Mobility Markov Chain (MMC) لتضمين ن المواقع التي تمت زيارتها السابقة للتنبؤ بالموقع التالي. ومع ذلك ، لا يمكن التنبؤ بالموقع في أي فترة زمنية. يقدم ماثيو [16] طريقة هجينة للتنبؤ بالتنقل البشري على أساس نماذج ماركوف المخفية (HMMs). يستخدم خوارزمية للأمام لحساب احتمالية التسلسلات الممكنة وإرجاع المكان التالي من التسلسل ذي الاحتمال الأعلى. لكن النتائج التجريبية على GeoLife ليست راضية عن أعلى دقة @ 5 من 26.40. يقترح Qiao [17] نموذج تنبؤ هجين قائم على Markov يحتوي على ثلاث مراحل: اكتشاف نمط التنقل ، ومتنبئ Markov متغير الترتيب وحساب تشابه المستخدمين المستند إلى نمط التنقل. يتم استخراج بيانات مسار الإنسان من حركة البيانات لشبكة LTE (تطور طويل الأمد). يجب إجراء التقييمات التجريبية الشاملة للمقارنة مع الأعمال الأخرى ذات الصلة على مجموعات البيانات المختلفة. يقترح Huang [18] نموذجًا تنبؤيًا يأخذ في الاعتبار تغييرات النشاط. يتم تنفيذه لمستخدمين تم اختيارهما من مجموعة بيانات GeoLife ويتم تحسين الأداء. نتائج الدراسة محدودة بالتغطية المكانية والزمانية لمجموعة البيانات المستخدمة ويجب تطبيقها للتنبؤ بحركة الإنسان في أيام مختلفة من الأسبوع ببيانات ذات جودة أفضل.

بالإضافة إلى ذلك ، يتم استخدام العديد من الأساليب الأخرى أيضًا لبناء نموذج التنبؤ ، مثل الطريقة القائمة على قواعد الارتباط [19] وما إلى ذلك. ومع ذلك ، فإن كل هذه الاستراتيجيات الحالية لا يمكنها التنبؤ بناءً على الوقت الفعلي.

GeoLife (https://www.microsoft.com/en-us/download/details.aspx؟id=52367) هي البيانات شائعة الاستخدام للخدمة القائمة على الموقع ، والتي تسجل مجموعة واسعة من تحركات المستخدمين في الهواء الطلق ، بما في ذلك ليس فقط روتين الحياة ولكن أيضًا بعض وسائل الترفيه والأنشطة الرياضية. يمكن استخدام مجموعة بيانات المسار هذه في العديد من مجالات البحث ، مثل التنقيب عن نمط التنقل ، والتعرف على نشاط المستخدم ، والشبكات الاجتماعية القائمة على الموقع ، والتوصية بالموقع.

في هذه الورقة ، نتناول مسألة التنبؤ بموقع المستخدم على السلاسل الزمنية المستمرة بناءً على بيانات المسار التاريخي وإعطاء التحسين على نموذج ماركوف الأصلي. يتم محاكاة التسلسل الزمني المنفصل للتسلسل المستمر بواسطة نموذج خليط غاوسي.


تحليل الشكل المكاني وعلاقته بالنظرية الجغرافية

دبليو بانج ، "الجغرافيا النظرية"دراسات لوند في الجغرافيا ، السلسلة جرقم 1 (1962) ص. 171.

ب. هاجيت ، التحليل المكاني في الجغرافيا البشرية (لندن: إي أرنولد المحدودة ، 1965) ، الصفحات 15-16.

د. هارفي ، "المسلمات السلوكية وبناء النظرية في الجغرافيا البشرية ،"سلسلة أوراق الندوة أرقم 6 (بريستول ، إنجلترا: قسم الجغرافيا ، جامعة بريستول ، 1967) ، الصفحات 7-8.

F. Lukermann ، الجغرافيا بين العلوم (Mimeographed، Minneapolis / Kalamata، 1964)، p. 26.

تمت مراجعة هذه الأساليب التقليدية للتحليل الإحصائي في L.J King ، التحليل الإحصائي في الجغرافيا (إنجليوود كليفس: شركة برنتيس هول ، 1969).

يتم تقديم مقدمات الهندسة الإقليدية في نصوص مثل ، H. S.M Coxeter ، مقدمة في الهندسة (نيويورك: John Wiley and Sons، Inc.، 1961) H.G Forder، الهندسة (لندن: مكتبة جامعة هاتشينسون ، 1950).

باتشي ، ر. ، "مقاييس المسافة القياسية والطرق ذات الصلة للتحليل المكاني ،" أوراق ، جمعية العلوم الإقليمية ، المجلد. 10 (1963) ، ص 83 - 132.

انظر ، D.M.Y. Somerville ، مقدمة في هندسة الأبعاد N (نيويورك: منشورات دوفر ، 1958) أيضًا ، هـ هـ. هارمان ، التحليل العاملي الحديث (شيكاغو: مطبعة جامعة شيكاغو ، 1962) ، الفصل 4.

K. J. Dueker ، "Spatial Data Systems ،"التقارير الفنية رقم 4 ، 5 ، 6 ، نظم المعلومات الحضرية والنقل (إيفانستون ، إلينوي: قسم الجغرافيا ، جامعة نورث وسترن ، 1966).

للحصول على مناقشات أخرى حول البيانات المكانية وأنظمة الإحداثيات ، راجع دبليو آر توبلر ، "حسابات الإحداثيات الجغرافية: الجزء الأول: الاعتبارات العامة ،"التقرير الفني رقم 2، ONR Task No. 389–137، Contract Nonr 1224 (48) (Ann Arbor: Department of Geography، University of Michigan، 1964) M. B. Teitz، معلومات استخدام الأراضي لحكومة كاليفورنيا: التصنيف والمخزون (بيركلي: معهد التنمية الحضرية والإقليمية ، 1965) D.F Cooke and W. H. Maxfield، تطوير ملف قاعدة جغرافية واستخداماته لرسم الخرائط (ورقة مقدمة في الاجتماع السنوي لجمعية نظم المعلومات الحضرية والإقليمية ، نيويورك ، 1967) T. Hägerstrand ، "الكمبيوتر والجغرافي ،"المعاملات والأوراق، Institute of British Geographers، No. 42 (1967)، pp.1–19.

ج.س.بندات وأ.ج.بيرسول ، قياس وتحليل البيانات العشوائية (نيويورك: جون وايلي وأولاده ، 1966) ، الفصل الأول.

J.W Harbaugh and F. W. Preston، "Fourier Series Analysis in Geology،" in B. J.L Berry and D.F Marble (Eds.)، التحليل المكاني (Englewood Cliffs، N.J .: Prentice-Hall، Inc.، 1968)، pp.218–38.

هاربو وبريستون ، مرجع سابق استشهد.، الحاشية 12 ، ص. 233.

Horn، L.H and Bryson، R.A، "Harmonic Analysis of the Annual March of Precision،" Annals، Association of American Geographers، Vol. 50 (1960)، pp. 157 - 71 Sabbagh، M. E. and Bryson، R.A، "Aspects of the Precision Climatology of Canada Investigated by the Method of Harmonic Analysis،" Annals، Association of American Geographers، Vol. 52 (1962) ، الصفحات 426-40 Peixoto ، J. P. ، Saltzman ، B. ، and Teweles ، S. ، "Harmonic Analysis of the Topography along Parallels of the Earth،" Journal Geophysical Research، Vol. 69 (1964) ، الصفحات 1501 - 05 انظر أيضًا ، Stone، R. O. and Dugundji، J.، "A Study of Microrelief - its Mapping، Classification، and Quantification by Means of a Fourier Analysis،" Engineering Geology، Vol. 1 (1965) ، ص 89 - 187.

Casetti، E.، "Analysis of Spatial Association by Trigonometric Polynomials،" Canadian Geographer، Vol. 10 (1966) ، ص 199 - 204.

دبليو آر توبلر ، "تعميم الخريطة العددية وملاحظات حول تحليل التوزيعات الجغرافية ،"مناقشة ورقة رقم 8 (آن أربور: جامعة ميتشيغان المشتركة بين جامعة الجغرافيين الرياضيين ، 1966).

Warntz، W. and Neft، D. S.، "مساهمات في منهجية إحصائية لتوزيعات Areal" ، مجلة العلوم الإقليمية ، المجلد. 2 (1960) ، الصفحات 47-66 D. S. Neft ، "التحليل الإحصائي للتوزيعات المساحية ،"سلسلة مونوغرافرقم 2 (فيلادلفيا: المعهد الإقليمي لبحوث العلوم ، 1967).

دبليو وارنتز ، نحو جغرافيا السعر: دراسة في الجغرافيا الاقتصادية (فيلادلفيا: مطبعة جامعة بنسلفانيا ، 1959) دبليو وارنتز ، "الجغرافيا الكبيرة وجبهات الدخل ،"سلسلة مونوغرافرقم 3 (فيلادلفيا: المعهد الإقليمي لبحوث العلوم ، 1965).

هذا هو الحال ، على سبيل المثال ، مع Clark، C.، “Urban Population Densities،” Journal Royal Statistical Society، Series A، Vol. 114 (1951) ، الصفحات 490-96 Berry، B.J.L، Simmons، J.W، and Tennant، R.J، “Urban Population Densities: Structure and Change،” Geographical Review، Vol. 53 (1963) ، ص 389-405.

إم ف. داسي ، "نموذج عشوائي للمناطق الاقتصادية ،"ورقة مناقشة رقم 4 (إيفانستون ، إلينوي: قسم الجغرافيا ، جامعة نورث وسترن ، 1965).

انظر أ.المحكمة ، التوزيعات السكانية والإمكانيات الذاتية (نورثريدج ، كاليفورنيا: قسم الجغرافيا ، كلية سان فرناندو فالي الحكومية ، 1966 ، mimeo.) جورفيتش ، ب. ل. ، "كثافة سكان مدينة وكثافة احتمالية الحجم العشوائي ،" الجغرافيا السوفيتية ، المجلد. 8 (1967) ، ص 722 - 30.

Dacey ، M.F ، "أنماط النقاط العشوائية ثنائية الأبعاد: مراجعة وتفسير ،" أوراق ، جمعية العلوم الإقليمية ، المجلد. 13 (1964) ، ص 41 - 55.

داسي ، إم إف ، "قانون بواسون الاحتمالي المعدل لنمط النقاط أكثر انتظامًا من العشوائي" ، حوليات ، رابطة الجغرافيين الأمريكيين ، المجلد. 54 (1964) ، ص 559-65.

داسي ، إم إف ، "ترتيب المسافة في نمط نقطة عشوائية غير متجانسة" ، الجغرافي الكندي ، المجلد. 9 (1965) ، ص.144-153.

داسي ، إم ف ، "قانون احتمالية مركبة لنمط أكثر تشتتًا من العشوائية مع عدم تجانس مساحي ،" الجغرافيا الاقتصادية ، المجلد. 42 (1966) ، ص 172 - 79.

D. Harvey ، "بعض المشكلات المنهجية في استخدام Neyman Type A والتوزيعات الاحتمالية ذات الحدين السالبة لتحليل أنماط النقطة المكانية ،"المعاملات والأوراق، معهد الجغرافيين البريطانيين ، العدد 44 (1968) ، الصفحات 85-99 م. دراسة تجريبية للتوزيع المساحي للمنازل في بورتوريكو (Evanston، Ill: Department of Geography، Northwestern University، mimeo. 1967).

على سبيل المثال ، كولدورف ، جي ، "احتمالات الهجرة" ، Lund Studies in Geography ، السلسلة ب ، المجلد. 14 (1955)، 45 pp Morrill، R. L. and Pitts، F.R، "الزواج والهجرة وحقل المعلومات المتوسط: دراسة في التفرد والعموم ،" حوليات ، رابطة الجغرافيين الأمريكيين ، المجلد. 57 (1967) ، ص 401 - 22.

للحصول على النتائج المتعلقة بتوزيع غاما للمسافات ، انظر Dacey، M.F، “Order Neighbor Statistics for a Class of Random Patterns in Multidimensional Space،” Annals، Association of American Geographers، Vol. 53 (1963) ، ص 505 - 15 النتائج الأخرى معطاة التقارير الفنية، رقم 3 ، 5 ، 6 ، مشروع نظم المعلومات الجغرافية (إيفانستون ، إلينوي: قسم الجغرافيا ، جامعة نورث وسترن ، 1965).

انظر P. Greig-Smith، علم البيئة النباتية الكمي (لندن: بتروورثس ، 1964 ، التحرير الثاني.) هولجيت ، بي ، "اختبارات العشوائية على أساس طرق المسافة ،" بيوميتريكا ، المجلد. 52 (1965) ، الصفحات من 345 إلى 53 أو. بيرسون ، "طرق المسافة ،"Studia Forestalia Suecica، No. 15، 1964، 68 pp Burns، M.A، "On the Spatial Distribution of Foraminifera،" مساهمات من مؤسسة Cushman لأبحاث Foraminiferal ، المجلد. 19 (1968) ، الصفحات 1-11 دبليو جي وارن ، مساهمات في دراسة عمليات النقطة المكانية (أطروحة دكتوراه غير منشورة ، جامعة نورث كارولينا ، 1962) فيرثرون ، د. ، "المسافات بين النقاط العشوائية في دائرتين متراكزتين ،" Biometrika ، المجلد. 51 (1964) ، ص 275 - 77.

انظر على سبيل المثال ، Goodall، D.W، “Plotless Tests of Interspecific Association،” Journal of Ecology، Vol. 53 (1965) ، ص 197 - 210.

انظر على سبيل المثال ، Berg، W. F.، "المجاميع في التوزيعات العشوائية أحادية وثنائية الأبعاد" Philosophical Magazine Series 7، Vol. 36 (1945) ، ص. 337 ماك ، سي ، "العدد المتوقع للتجمعات في توزيع عشوائي لـ n من النقاط ،" وقائع جمعية كامبريدج الفلسفية ، المجلد. 46 (1950) ، الصفحات 285 - 92 Naus، J.، “Clustering of Random Points in Two Dimensions،” Biometrika، Vol. 52 (1965) ، ص 263 - 67.

بيندات وبييرسول ، مرجع سابق استشهد.، الحاشية 11 ، ص. 19. ربما ينبغي الإشارة إلى الوظيفة الواردة هنا ، بالمعنى الدقيق للكلمة ، كدالة تغاير تلقائي ، انظر التعليقات على هذه النقطة بواسطة Curry، L.، “Central Places in the Random Spatial Economy،” Journal of Regional Science، Vol. 7 (1967) ، ص. 220.

Matern ، B. ، "التباين المكاني" Meddelanden Fran Statens Skogsforskningsinstitut ، المجلد. 49 (1960) ، 144 صفحة.

دبليو آر توبلير ، طيف الولايات المتحدة 40 (Ann Arbor: Department of Geography، University of Michigan، 1967، mimeo.) R. A. Bryson and J.A Dutton، "The Variance Spectra of Certain Natural Series،" in W.L Garrison and D.F Marble (Eds.)، الجغرافيا الكمية (Evanston، Ill: Northwestern University، Department of Geography، 1967)، pp.1-24.

Whittle ، P. ، "حول تباين تباين العائد مع حجم قطعة الأرض ،" Biometrika ، المجلد. 43 (1956) ، ص 337 - 43 Whittle ، P. ، "الارتباط الطبوغرافي ، وظائف التباين في قانون القوة ، والانتشار ،" Biometrika ، المجلد. 49 (1962) ، ص 305 - 14.

بيندات وبييرسول ، مرجع سابق استشهد.، الحاشية السفلية ، 11 ، ص. 22.

انظر على سبيل المثال ، D.R Cox and P.A.W Lewis، التحليل الإحصائي لسلسلة الأحداث (لندن: ميثوين وشركاه المحدودة ، 1966) جي إم جينكينز ودي جي واتس ، التحليل الطيفي وتطبيقاته (سان فرانسيسكو: هولدن داي ، إنك ، 1968).

Pincus، M. J. and Dobrin، M. B. Geological Application of Optical Data Processing، Journal of Geophysical Research، Vol. 71 (1966) ، ص 4861-69 باور ، أ. ، فونتانيل ، أ ، وغراو ، "تطبيق التصفية الضوئية في الضوء المتماسك لدراسة الصور الجوية للأنهار الجليدية في جرينلاند" ، مجلة علم الجليد ، المجلد. 6 (1967) ، ص 781 - 93.

توبلر ، مرجع سابق استشهد.، حاشية سفلية 16. تم توضيح مناقشة أحدث حول وظائف الترجيح الخطي كمرشحات تردد منفصلة في دبليو آر توبلر ، "الخرائط والمصفوفات ،"مجلة العلوم الإقليمية، المجلد. 7 ، رقم 2 ، الملحق (1967) ، ص 275 - 80.

Dougherty، E.L and Smith، S. T. استخدام البرمجة الخطية لتصفية بيانات الخرائط الرقمية ، "الجيوفيزياء ، المجلد. 31 (1966) ، ص 253 - 59.

Darby، E.K and Davies، E.B. تحليل وتصميم المرشحات ثنائية الأبعاد للبيانات ثنائية الأبعاد ، "التنقيب الجيوفيزيائي ، المجلد. 15 (1967) ، ص 383-406.

انظر على سبيل المثال ، بياناتهم: Curry، L.، “A Note on Spatial Association،” The Professional Geographer، Vol. 18 (1966) ، الصفحات 97-99 Curry، L.، "Quantitative Geography،" The Canadian Geographer، Vol. 2 (1967)، pp.265-79 J.N Rayner، "Correlation between Surfaces by Spectral Methods،" in D.F Merriam and N.C Cooke (Eds.)، "Computer Applications in the Earth Sciences: Colloquium on Trend Analysis،"مساهمة الكمبيوتر 12 (Kansas Geological Survey، 1967)، pp. 31–37 W. R. Tobler، "Spectral Analysis of Spatial Series،"الإجراءاتالمؤتمر السنوي الرابع لنظم وبرامج معلومات التخطيط العمراني (بيركلي ، 1966) ، ص 179 - 85.

R. A. Bryson و J. A. Dutton ، "أطياف التباين لسلسلة طبيعية معينة ،"مرجع سابق استشهد.، الحاشية 34 Rayner، J. N.، “A Statistical Model for the Explanatory Description of Large Scale Time and Spatial Climate،” Canadian Geographer، Vol. 11 (1967) ، ص 67-86 توبلر ، مرجع سابق استشهد.، الحاشية 34.

على سبيل المثال ، بارتليت ، إم إس ، "التحليل الطيفي لعمليات النقطة ثنائية الأبعاد" ، Biometrika ، المجلد. 51 (1964)، pp. 299 - 311 Gudmundsson، G.، Spectral Analysis of Magnetic Surveys، The Geophysical Journal، Vol. 13 (1967) ، pp. 325 - 37 Hannan، E.J، "Spectral Analysis for Geophysical Data،" The Geophysical Journal، Vol. 11 (1966)، pp. 225 - 36 Leese، J.A and Epstein، E.S. تطبيق التحليل الطيفي ثنائي الأبعاد للتقدير الكمي للصور السحابية الساتلية ، "مجلة الأرصاد الجوية التطبيقية ، المجلد. 2 (1963) ، الصفحات 629-44 بيرسون ، و. وآخرون، "طيف اتجاه الرياح المولدة من البحر كما هو محدد من البيانات التي تم الحصول عليها بواسطة مشروع مراقبة الموجات المجسمة ،" أوراق الأرصاد الجوية بجامعة نيويورك ، المجلد. 2 (1960) إف دبليو بريستون ، "أطياف القدرة ثنائية الأبعاد لتصنيف أشكال الأرض" ، في دي إف ميريام (محرر) ، "تطبيقات الكمبيوتر في ندوة علوم الأرض حول إجراءات التصنيف ،"مساهمة الكمبيوتر 7 (Kansas Geological Survey، 1966)، pp.64–69 Priestely، M.B، “تحليل العمليات الثابتة ثنائية الأبعاد ذات الأطياف غير المستمرة” Biometrika، Vol. 51 (1964) ، ص 195 - 217.

توبلر ، مرجع سابق استشهد.، الحاشية 34.

Clark، C.، “Urban Population Densities،” Journal Royal Statistical Society Series A، Vol. 114 (1951) ، ص 490-96 بيري ، ب. وآخرون، "الكثافة السكانية الحضرية: الهيكل والتغيير ،" مراجعة جغرافية ، المجلد. 53 (1963) ، ص 389-405.

B. E. Newling ، سكان الحضر: رياضيات البنية والعمليات (ورقة مقدمة في اجتماع جمعية الجغرافيين الأمريكيين ، سانت لويس ، 1967).

دبليو سي كرومبين و إف إيه جرايبيل ، مقدمة للنماذج الإحصائية في الجيولوجيا (نيويورك: شركة ماكجرو هيل بوك ، 1965) ، ص 319-57.

F. K. هير ، "التمثيل الكمي لحقول الضغط القطبي الشمالي ،" في ندوة الغلاف الجوي القطبي: الجزء الأول ، الأرصاد الجوية (نيويورك: مطبعة بيرغامون ، 1958).

R.J. Chorley و P. Haggett ، "Trend Surface Mapping in Geographical Research ،"المعاملات والأوراق، معهد الجغرافيين البريطانيين ، العدد 37 (1965) ، ص 47-67.

بي غولد ، "على الخرائط الذهنية ،"ورقة مناقشة رقم 9 (آن أربور: MICMAG ، 1966) K.J. Fairbairn and G. Robinson، تطبيق لرسم خرائط الاتجاه السطحي لتوزيع المخلفات من الانحدار (ملبورن ، أستراليا: جامعة موناش ، 1967 mimeo.) ب. هاجيت ، رسم خرائط الاتجاه في المقارنات بين الأقاليم (ورقة مقدمة في European R. S.A، The Hague، 1967).

دبليو آر توبلر ، تعليقات على تحليل الاتجاه الجغرافي (آن أربور: قسم الجغرافيا ، جامعة ميشيغان ، 1968 ، mimeo.).

كاسيتي و آر كاي سمبل ، "طريقة للفصل التدريجي للاتجاهات المكانية ،"ورقة مناقشة رقم 11 (آن أربور: MICMAG ، 1968).

كاسيتي وسمبل ، مرجع سابق استشهد.، الحاشية 53 ، ص. 4.

دبليو وارنتز ، "المسافة وقيم الأرض كبيانات لتقديم المشكلات المرتبطة بمجالات الارتباط المكاني المستمرة لمعاملات الارتباط ،"أوراق هارفارد في الجغرافيا النظريةرقم 10 (1968).

Orloci، L.، “Geometric Models in Ecology I،” Journal of Ecology، Vol. 54 (1966) ، ص 193 - 215.

إمبري ، "برامج تحليل العوامل والمتجهات لتحليل البيانات الجيولوجية ،"التقرير الفني رقم 6، تطبيقات الحاسوب في مشروع علوم الأرض (Evanston، Ill: Department of Geography، Northwestern University، 1963).

بي آر جولد ، "حول التفسير الجغرافي لقيم الذات ،"المعاملات والأوراق، معهد الجغرافيين البريطانيين ، العدد 42 (1967) ، ص 53-86.

Kutzbach ، J. E. ، "المتجهات الذاتية التجريبية لضغط مستوى سطح البحر ودرجة حرارة السطح ومجمعات هطول الأمطار فوق أمريكا الشمالية ،" مجلة الأرصاد الجوية التطبيقية ، المجلد. 6 (1967) ، ص 791 - 802.

آر إن شيبارد وجي دي كارول ، "تمثيل حدودي لهياكل البيانات غير الخطية ،" في P.R. كريشنايا (محرر) ، تحليل متعدد المتغيرات (نيويورك: Academic Press ، 1966) ، ص 561-92.

روزنفيلد ، "معالجة الصور"بروك. المؤتمر السنوي الثالث لنظم وبرامج معلومات التخطيط العمراني (شيكاغو ، 1965) ، ص 49-52 انظر أيضًا ، جي سي تشينج وآخرون (محرران) ، التعرف على الأنماط التصويرية (واشنطن دي سي: Thompson Book Co.، 1968) A.G. Arkadev and E.M Braverman، أجهزة الكمبيوتر والتعرف على الأنماط (واشنطن العاصمة: شركة Thompson Book ، 1967).

هاجيت ، "نماذج الشبكات في الجغرافيا" ، في آر جيه كورلي وبي. هاجيت (محرران) ، نماذج في الجغرافيا (لندن: ميثوين وشركاه المحدودة ، 1967) ، ص 656-62.

توبلير ، و. ، "المرشحات الجغرافية وعكساتها" ، التحليل الجغرافي ، المجلد. 1 (1969) ج. راينر ، تطبيق تقنيات فورييه في الجغرافيا (ورقة مقدمة في الاجتماع السنوي لجمعية الجغرافيين الأمريكيين ، واشنطن العاصمة ، 1968).

انظر Ward، J.H، “Hierarchical Grouping to Optimal an Objective Function،” Journal American Statistical Association، Vol. 58 (1963) ، الصفحات 236 - 44 Friedman، H. P. and Rubin، J. On Some Invariant Criteria for Grouping Data، ”Journal American Statistical Association، Vol. 62 (1967) ، الصفحات من 1159 إلى 78 ب.جي إل بيري ، "رياضيات الأقلمة الاقتصادية ،"الإجراءات، مؤتمر برنو حول الأقلمة الاقتصادية (برنو ، 1967) لانكفورد ، ب. م ، "الأقلمة: النظرية والخوارزميات البديلة ،" التحليل الجغرافي ، المجلد. 1 (1969).

تي دبليو أندرسون ، مقدمة في التحليل الإحصائي متعدد المتغيرات (نيويورك: جون وايلي وأولاده ، 1958) ، الفصل. 6.

جي إس سيبستين ، عمليات صنع القرار في التعرف على الأنماط (نيويورك: شركة ماكميلان ، 1962) دبليو إتش هايليمان ، "وظائف القرار الخطي مع تطبيق التعرف على الأنماط ،"إجراءات IRE (1962) ، الصفحات من 1501 إلى 1414 هـ. كاسيتي ، "التحليل التصنيفي والإقليمي من خلال التكرارات التمييزية ،"التقرير الفني رقم 12، تطبيقات الحاسوب في مشروع علوم الأرض (إيفانستون ، إلينوي: قسم الجغرافيا ، جامعة نورث وسترن ، 1964).

م.ف.داسي ، "هندسة نظرية المكان المركزي ،"Geografiska Annaler، المجلد. 47 ب (1965) ، ص 111 - 24.

ديسي ، مرجع سابق استشهد.، الحاشية 67 ، ص. 113.

M. J. Woldenberg ، "الترتيب المكاني في أنظمة Fluvial: قوانين هورتون المشتقة من التسلسلات الهرمية السداسية المختلطة لمناطق حوض الصرف ،"أوراق هارفارد في الجغرافيا النظرية، No. 13 (1968) Woldenberg، M.J، “Energy Flow and Spatial Order. التسلسلات الهرمية السداسية المختلطة للأماكن المركزية ، "مراجعة جغرافية ، المجلد. 58 (1968) ، ص 552 - 74.

Renyi ، A. ، "حول مشكلة أحادية البعد تتعلق بالملء العشوائي للمساحة ،" ترجمات مختارة في الإحصاء الرياضي والاحتمالات ، المجلد. 4 (1963) Capobianco ، M. F. ، "استخدام الاحتمالات لمقارنة أنظمة وقوف السيارات ،" Traffic Quarterly ، المجلد. 22 (1968) ، ص 137 - 44.

جيلبرت ، إي إن ، "احتمالية تغطية كرة بغطاء دائري N ،" Biometrika ، المجلد. 52 (1965) ، ص 323 - 30 ماركوس ، إيه إتش ، "هجرة متعددة المتغيرات مع عمليات وفاة متعددة وتطبيقات لحفر القمر ،" Biometrika ، المجلد. 54 (1967) ، الصفحات 251 - 61 Marcus، A.H، "A Stochastic Model of the Formation and Survival of Lunar Crivers، I. The Distribution of Diameter of Clean Craters،" Icarus، Vol. 3 (1964)، pp. 460 - 72 مشاكل التعبئة تمت مناقشتها أيضًا في Moran، P. A. P.، "ملاحظة حول الأبحاث الحديثة في الاحتمالية الهندسية" Journal Applied Probability، Vol. 3 (1966) ، ص 453 - 63.

على سبيل المثال ، ماركوس ، أ.هـ ، "نموذج عشوائي لتكوين وبقاء الفوهات القمرية ، II. التوزيع التقريبي لقطر جميع الحفر التي يمكن ملاحظتها ، "إيكاروس ، المجلد. 5 (1966) ، ص.165 - 77.

P. R. Gould ، "إجراءات البحث عن الفضاء في الجغرافيا والعلوم الاجتماعية ،"أوراق العمل رقم 1 (هونولولو: معهد أبحاث العلوم الاجتماعية ، جامعة هاواي ، 1966).

إس جوتر ، "حول احتمالية الكشف عن منطقة عن طريق البحث الخطي ،" نظرية الاحتمالية وتطبيقاتها ، المجلد. 9 (1964) ، ص 331 - 33.

لفت وولبرت الانتباه في بعض كتاباته حول النزاعات والقرارات المتعلقة بالمواقع إلى مشاكل مثل التأثير المتباين على المجموعات السكنية لمواقع الطرق السريعة J. Wolpert ، المغادرين من البيئة المعتادة في التحليل الموقعي (ورقة مقدمة في مركز كانساس للدراسات الإقليمية ، جامعة كانساس ، 1967) قد تكون أسئلة البحث واحتمالات الاتصال ذات صلة في هذا السياق.

نيمان وإي إل سكوت ، "نموذج عشوائي للأوبئة ،" في جيه جورلاند (محرر) ، النماذج العشوائية في الطب والبيولوجيا (ماديسون: جامعة ويسكونسن برس ، 1964) ، ص 45-83.

إل براون ، "نماذج لأبحاث الانتشار المكاني — مراجعة ،"التقرير الفني رقم 3, Spatial Diffusion Study (Evanston, Ill.: Dept. of Geography, Northwestern University, 1965).

Haggett, op. استشهد., footnote 62.

P. Haggett, “An Extension of the Horton Combinatorial Model to Regional Highway Networks,”مجلة العلوم الإقليمية، المجلد. 7, No. 2, Supplement (1967), pp. 281–90.

Werner, C. , “ The Law of Refraction in Transportation Geography: Its Multivariate Extension ,” Canadian Geographer , Vol. 12 ( 1968 ), pp. 28 – 40 .

M. F. Dacey, “Description of Line Patterns,” in Garrison and Marble, op. استشهد., footnote 34, pp. 277–87.

Gauthier, H. L. , “ Transportation and the Growth of the São Paulo Economy ,” Journal of Regional Science , Vol. 8 ( 1968 ), pp. 77 – 94 .

See for example, Smith, T. E. , “ Spatial Stochastic Process Models—A Method of Analyzing Spatial Point Phenomena ,” Papers and Proceedings Japan Section R. S. A. , Vol. 2 ( 1967 ), pp. 19 – 30 .

J. C. Hudson, Maps and Spatial Processes Describable with Markov Chains (Grand Forks: Dept. of Geography, Univ. of North Dakota, 1966, mimeo.).

D. W. Harvey, “Geographical Processes and the Analysis of Point Patterns,”Transactions and Papers, Institute of British Geographers, No. 40 (1966), p. 93.

Morgan, R. W. and Welsh, D. J. A. , “ A Two-Dimensional Poisson Growth Process ,” Journal Royal Statistical Society Ser. B , Vol. 27 ( 1965 ), pp. 497 – 504 .

M. A. Geisler, W. W. Haythorn, and W. A. Steger, “Simulation and the Logistics Systems Laboratory,”Rand Memorandum, RM-3281-PR (1962), p. 6.

T. Hägerstrand, Innovationsförloppet ur Korologisk Synpunkt (Lund, Sweden: C. W. K. Gleerup, 1953) W. L. Garrison, “Toward Simulation Models of Urban Growth and Development,”Lund Studies in Geography B, No. 24 (1962), pp. 91–108.

For example, Morrill, R. L. , “ The Development of Spatial Distributions of Towns in Sweden: An Historical-Predictive Approach ,” Annals , Association of American Geographers, Vol. 53 ( 1963 ), pp. 1 – 14 E. J. Taaffe et al, The Peripheral Journey to Work: A Geographic Consideration (Evanston, Ill.: North-western University Press, 1963).

Skellam, J. G. , “ Random Dispersal in Theoretical Populations ,” Biometrika , Vol. 38 ( 1951 ), pp. 196 – 218 .

See for example, A. E. Scheidegger, Theoretical Geomorphology (Berlin: Springer-Verlag, 1961).

K. E. F. Watt, Ecology and Resource Management (New York: McGraw-Hill Book Co., 1968), p. 261.

For an example of the use of such systems in a spatial in a problem, see, J. S. de Cani, “On the Construction of Stochastic Models of Population Growth and Migration,”مجلة العلوم الإقليمية، المجلد. 3, No. 2 (1961), pp. 1–13.

Newling, op. استشهد., footnote 47.

E. Casetti and G. J. Demko, “A Diffusion Model of Fertility Decline: An Application to Selected Soviet Data, 1940–65,” forthcoming in Demography. An alternative approach in which the coefficients of a logistic growth model are written as functions of distance is illustrated in, Casetti, E. and Semple, R. K. , “ Concerning the Testing of Spatial Diffusion Hypotheses ,” Geographical Analysis , Vol. 1 ( 1969 ).

Hyperbolic geometry is associated mainly with the work of Bolyai and Lobachevsky elliptic geometry with that of Gauss, Riemann, and Klein. H. S. M. Coxeter, Non-Euclidean Geometry (Toronto: University of Toronto Press, 3rd ed., 1967).

See, Coxeter, op. استشهد., footnote 96 H. Meschkowski, Noneuclidean Geometry (New York: Academic Press, Inc., 1964) S. Kulczycki, Non-Euclidean Geometry (New York: Pergamon Press, Inc., 1961).

P. G. Bergmann, The Riddle of Gravitation (New York: Charles Scribner's Sons, 1968), p. 68.

Bergmann, op. استشهد., footnote 98, p. 66, notes that in the Minkowski universe, “Lorentz frames are the analogs of the Cartesian coordinate systems of ordinary geometry. Their axes, both space and time, are all straight lines. …”

See J. L. Coolidge, A History of Geometrical Methods (Oxford: Clarendon Press, 1940, and New York: Dover Publication, Inc., 1963), pp. 355–56.

Coolidge, op. استشهد., footnote 100, pp. 355–87.

Coolidge, op. استشهد., footnote 100, pp. 410–16.

R. K. Luneburg, Mathematical Analysis of Binocular Vision (Princeton: Princeton University Press, 1947).

Luneburg, op. استشهد., footnote 103.

Blank, A. A. , “ Axiomatics of Binocular Vision. The Foundations of Metric Geometry in Relation to Space Perception,” and “Analysis of Experiments in Binocular Space Perception ,” Journal Optical Society of America , Vol. 48 ( 1958 ), pp. 328 – 34 , 911–28 Roberts, F. and Suppes, P. Some Problems in the Geometry of Visual Perception ,” Synthese , Vol. 17 ( 1967 ), pp. 173 – 201 Hoffman, W. C. , “ The Lie Algebra of Visual Perception ,” Journal of Mathematical Psychology , Vol. 3 ( 1966 ), pp. 65 – 98 .

M. D. Vernon (Ed.), Experiments in Visual Perception (Harmondsworth, England: Penguin Books, Ltd., 1966).

G. F. White (Ed.), “Papers on Flood Problems,”Research Paper No. 70 (Chicago: Department of Geography, University of Chicago, 1961) R. W. Kates, “Stimulus and Symbol: The View from the Bridge,”Journal of Social Issues، المجلد. 22, No. 4 (1966), pp. 21–28 T. F. Saarinen, “Perception of the Drought Hazard on the Great Plains,”Research Paper No. 106 (Chicago: Department of Geography, University of Chicago, 1966) J. Wolpert, “Migration as an Adjustment to Environmental Stress,”Journal of Social Issues، المجلد. 22, No. 4 (1966), pp. 92–102 D. Lowenthal (Ed.), “Environmental Perception and Behavior,”Research Paper No. 109 (Chicago: Department of Geography, University of Chicago, 1967).

K. Lynch, The Image of The City (Cambridge: M.I.T. Press, 1960) Gould, op. استشهد., footnote 51.

Tobler, W. R. , “ Geographic Area and Map Projections ,” Geographical Review , Vol. 53 ( 1963 ), pp. 59 – 78 .

See for example, Kruskal, J. B. , “ Multidimensional Scaling by Optimizing Goodness of Fit to a Nonmetric Hypothesis ,” Psychometrika , Vol. 29 ( 1964 ), pp. 1 – 27 Shepard, R. N. , “ The Analysis of Proximities: Multidimensional Scaling with an Unknown Distance Function ,” Psychometrika , Vol. 27 ( 1962 ), pp. 125 – 40 , 219–46 Shepard, R. N. , “ Metric Structures in Ordinal Data ,” Journal of Mathematical Psychology , Vol. 3 ( 1966 ), pp. 287 – 315 W. S. Torgerson, Theory and Methods of Scaling (New York: John Wiley and Sons, Inc., 1958) Torgerson, W. S. , “ Multidimensional Scaling of Similarity ,” Psychometrika , Vol. 30 ( 1965 ), pp. 379 – 93 see also, Attneave, F. , “ Dimensions of Similarity ,” American Journal of Psychology , Vol. 63 ( 1950 ), pp. 516 – 56 Krantz, D. H. , “ Rational Distance Functions for Multidimensional Scaling ,” Journal of Mathematical Psychology , Vol. 4 ( 1967 ), pp. 226 – 45 .

See G. H. Hardy et al, عدم المساواة (Cambridge, England: The University Press, 1952).

Shepard and Carroll, op. استشهد., footnote 60.

Hare, op. استشهد., footnote 49.

Hannan, op. استشهد., footnote 44 Lee, W. H. K. and Kaula, W. M. , “ A Spherical Harmonic Analysis of the Earth's Topography ,” Journal of Geophysical Research , Vol. 72 ( 1967 ), pp. 753 – 58 .

Kaula, W. M. , “ Theory of Statistical Analysis of Data Distributed over a Sphere ,” Reviews of Geophysics , Vol. 5 ( 1967 ), pp. 83 – 107 .

Tobler, op. استشهد., footnote 109, p. 59.

Tobler, op. استشهد., footnote 109, p. 59.

W. R. Tobler, The Geometry of Geography (Presentation at Faculty-Graduate Seminar, Univ. of Michigan, Winter 1968).

A. Delachet, Contemporary Geometry (New York: Dover Publications, Inc., 1962), p. 47.

Delachet, op. استشهد., footnote 119, pp. 63–66.

Bunge, op. استشهد., footnote 1, pp. 183–95.

G. Olsson, “Geography 1984,”Bristol Seminar Paper Series, No. 7A (1967).

Dacey, M. F. , “ A Probability Model for Central Place Locations ,” Annals , Association of American Geographers, Vol. 56 ( 1966 ), pp. 550 – 68 .

Harvey, op. استشهد., footnote 3, p. 8.

Dacey, M. F. , “ A County-Seat Model for the Areal Pattern of an Urban System ,” Geographical Review , Vol. 56 ( 1966 ), p. 542 .

L. Curry, “Central Places in the Random Spatial Economy,”مجلة العلوم الإقليمية، المجلد. 7, No. 2, Supplement (1967), p. 219.

See for example, R. G. Golledge, The Geographical Relevance of Some Learning Theories (Paper presented at Association of American Geographers, annual meeting, Washington, D. C., 1968) Wolpert, op. استشهد., footnote 75.

For example, Casetti, E. , “ Urban Population Density Patterns: An Alternate Explanation ,” Canadian Geographer , Vol. 11 ( 1967 ), pp. 96 – 100 R. G. Golledge, “Conceptualizing the Market Decision Process,”مجلة العلوم الإقليمية، المجلد. 7, No. 2, Supplement (1967), pp. 239–58.

Curry, op. استشهد., footnote 126, p. 236.

L. Curry, Geographical Dynamics and the Central Place Problem (Paper given at NSF Conference on Urban Geography Models, Cincinnati, 1968).

T. Hägerstrand, Innovation Diffusion as a Spatial Process, translated by A. Pred (Chicago: University of Chicago Press, 1967).

Dacey, op. استشهد., footnote 125, and op. استشهد., footnote 123.

A. Pred, “Behavior and Location,”Lund Studies in Geography, No. 27B (1967).

Pred, op. استشهد., footnote 133, p. 31.

It is informative to review some of the more recent work in ecology in which there are analogous attempts, although somewhat greater progress, at theorizing about animal behavior and spatial patterns. See, R. H. MacArthur and E. O. Wilson, “The Theory of Island Biogeography,”Monographs in Population Biology, No. 1 (Princeton, N. J.: Princeton University Press, 1967) R. Levins, “Evolutions in Changing Environments, Some Theoretical Explorations,”Monographs in Population Biology, No. 2 (Princeton, N. J.: Princeton University Press, 1968).

الملخص

ABSTRACT An interest in the relations between geography and geometry has been a continuing theme in geographic studies. A review of current research which is consistent with this theme reveals a greater emphasis now on the mathematics of spatial patterns and the properties of the geometries which are assumed. A challenge for geography is to combine this interest in geometries with the work on human behavior over space and to develop process theories from which the spatial patterns can be deduced.


The Geography of Logistics Firm Location: The Role of Accessibility

The organization of modern economies is built upon an efficient transport system and an increasing role is played by the logistics sector in overcoming the constraints of time and distance in modern supply chains. While a large body of literature is dedicated to the spatial distribution of firms and firm location choice in general, surprisingly little is still known about the location patterns of logistics firms, and more specifically about the role of accessibility in their location decisions. We use geo-referenced firm level data along with detailed information on transport infrastructure in order to investigate the geography of logistics firms in Spain. We place specific attention to the relationship between logistics firm location, accessibility, and urban structure. Our results show that these firms are located closer to highways and other transport infrastructure compared to other sectors and that the logistics sector is highly urbanized. Yet, they are also locating increasingly in suburban locations and to some extent in extra-urban locations with good accessibility while central cities of urban areas have experienced a declining share of logistics firms.

This is a preview of subscription content, access via your institution.


Data residency in Azure

Azure has more global regions than any other cloud provider—offering the scale and data residency options you need to bring your apps closer to your users around the world.

As a customer, you maintain ownership of customer data—the content, personal and other data you provide for storing and hosting in Azure services. You are also in control of any additional geographies where you decide to deploy your solutions or replicate your data.

Where a service's functionality requires global data replication, details are available below.

Microsoft secures your data using multiple layers of security and encryption protocols. Get an overview of how Microsoft uses encryption to secure your data.

By default, Microsoft Managed Keys protect your data, and customer data that persists on any physical media is always encrypted using FIPS 140-2 compliant encryption protocols. Customers can also employ customer-managed keys (CMK), double encryption and/or hardware security modules (HSM) for increased data protection.

All data traffic moving between datacenters is protected using IEEE 802.1AE MAC Security Standards, preventing physical "man-in-the-middle" attacks. To maintain resiliency, Microsoft uses variable network paths that sometimes cross Geo boundaries but replication of customer data between regions is always transmitted over encrypted network connections.

Additionally, to minimize privacy risk, Microsoft generates pseudonymous identifiers that enable Microsoft to offer a global cloud service (including operating and improving services, billing, and fraud protection). In all cases, pseudonymous identifiers cannot be used to directly identify an individual, and access to the customer data that identifies individuals is always protected as described above.

All Azure services can be used in compliance with the GDPR. If customers using Azure services choose to transfer content containing personal data across borders, they will need to consider the legal requirements that apply to such transfers. Microsoft provides customers with services and resources to help them comply with GDPR requirements that may apply to their operations.

Some Microsoft online services share data with third parties acting as its subprocessors. The publicly disclosed Microsoft Online Services Subprocessors List identifies subprocessors authorized to process customer data or personal data. All such subprocessors are contractually obligated to meet or exceed the contractual commitments Microsoft makes to its customers.

Microsoft will not provide any third party (a) direct, blanket, or unfettered access to customers' data (b) platform encryption keys used to secure data or the ability to break such encryption or (c) access to data if Microsoft is aware that the data is to be used for purposes other than those stated in the third party's request. Further information on Microsoft’s approach to legal disclosure of customer data in relation to government demands is available here.

Most Azure services enable you to specify the region where your customer data will be stored and processed. Microsoft may replicate to other regions for data resiliency, but Microsoft will not store or process customer data outside the selected Geo. You and your users may move, copy, or access your customer data from any location globally.

Datacenter region موقع Available to
شرق اسيا هونج كونج All customers and partners
Southeast Asia سنغافورة All customers and partners

In some cases, data for certain services may be stored outside of specified regions. See Additional information on this page for details.

Stored at rest in the Asia Pacific region. See Additional information for details.

To learn about product availability in the Asia Pacific geo, go to Products available by region and select Asia Pacific from the Regions dropdown menu.

Datacenter region موقع Available to
Australia Central كانبرا All customers and partners
Australia Central 2 كانبرا For Australia Central customers requiring in-country disaster recovery
Australia East نيو ساوث ويلز All customers and partners
Australia Southeast فيكتوريا All customers and partners

In some cases, data for certain services may be stored outside of specified regions. See Additional information on this page for details.

Stored at rest in Australia. See Additional information for details.

To learn about product availability in the Australia geo, go to Products available by region and select Australia from the Regions dropdown menu.

In some cases, data for certain services may be stored outside of specified regions. See Additional information on this page for details.

Stored at rest in Austria. See Additional information for details.

Datacenter region موقع Available to
Brazil South São Paulo State All customers and partners
Brazil Southeast ريو دي جانيرو Reserved for Brazil South customers requiring scenario-based in-country disaster recovery

In some cases, data for certain services may be stored outside of specified regions. See Additional information on this page for details.

Brazil South: Data replication to the US.

Brazil Southeast: Data replication to the Brazil South.

To learn about product availability in the Brazil geo, go to Products available by region and select Brazil from the Regions dropdown menu.

Datacenter region موقع Available to
Canada Central تورنتو All customers and partners
Canada East Quebec City All customers and partners

In some cases, data for certain services may be stored outside of specified regions. See Additional information on this page for details.

Stored at rest in Canada. See Additional information for details.

To learn about product availability in the Canada geo, go to Products available by region and select Canada from the Regions dropdown menu.

Datacenter region موقع Available to
وسط الهند بيون All customers and partners
جنوب الهند تشيناي All customers and partners
غرب الهند مومباي All customers and partners

In some cases, data for certain services may be stored outside of specified regions. See Additional information on this page for details.

Stored at rest in India. See Additional information for details.

To learn about product availability in the India geo, go to Products available by region and select India from the Regions dropdown menu.

In some cases, data for certain services may be stored outside of specified regions. See Additional information on this page for details.

Stored at rest in Chile. See Additional information for details.

Datacenter region موقع Available to
China East شنغهاي Organizations with a business presence in China
China East 2 شنغهاي Organizations with a business presence in China
China East 3 Jiangsu Organizations with a business presence in China
China North بكين Organizations with a business presence in China
China North 2 بكين Organizations with a business presence in China
China North 3 Hebei Organizations with a business presence in China

In some cases, data for certain services may be stored outside of specified regions.

Azure in China is a separate service sold and operated by 21Vianet. For customers of Azure operated by 21Vianet, this map outlines the locations of datacenters where 21Vianet stores customer data. 21Vianet may replicate customer data in at least two datacenters for data resiliency and availability but always within China. The exceptions below for regional and non-regional services do not apply.

In some cases, data for certain services may be stored outside of specified regions. See Additional information on this page for details.


The 13 Types Of Data

Data types are forking and splintering out as fast as lightening.

Adrian Brophy @ Xtrashot Photographic

Data is a thorny subject. For a start, we’re not sure how we are supposed to refer to it, that is - data is the plural of datum. Strictly speaking we should talk about data that ‘are’ not ‘is’ available to support a theory etc. The Guardian newspaper discussed the debate here and appeared to suggest that (split infinitives and nuances of idiomatic Latin notwithstanding) our day-to-day usage of the term is allowed to remained conveniently grammatically incorrect.

“For what it's worth, I can confidently say that this will probably be the only time I ever write the word ‘datum’ in a [blog] post. Data as a plural term may be the proper usage, but language evolves and we want to write in terms that everyone understands - and that don't seem ridiculous,” wrote Simon Rogers, in 2012, before moving to his position as data editor at Google.

So of the many different instances of individual datum (sorry, data) that exist, can we group them into distinct types, categories, varieties and classifications? In this world of so-called digital transformation and cloud computing that drives our always-on über-connected lifestyles, surely it would be useful to understand the what, when, where and why of data on our journey to then starting to appreciate the how factor.

1 - Big data

A core favorite, big data has arisen to be defined as something like: that amount of data that will not practically fit into a standard (relational) database for analysis and processing caused by the huge volumes of information being created by human and machine-generated processes.

“While definitions of ‘big data’ may differ slightly, at the root of each are very large, diverse data sets that include structured, semi-structured and unstructured data, from different sources and in different volumes, from terabytes to zettabytes. It’s about data sets so large and diverse that it’s difficult, if not impossible, for traditional relational databases to capture, manage, and process them with low-latency,” said Rob Thomas, general manager for IBM Analytics.

Thomas suggests that big data is a big deal because it’s the fuel that drives things like machine learning, which form the building blocks of artificial intelligence (AI). He says that by digging into (and analyzing) big data, people are able to discover patterns to better understand why things happened. They can also then use AI to predict how they may happen in the future and prescribe strategic directions based on these insights.

2 - Structured, unstructured, semi-structured data

All data has structure of some sort. Delineating between structured and unstructured data comes down to whether the data has a pre-defined data model and whether it’s organized in a pre-defined way.

Mat Keep is senior director of products and solutions at MongoDB. Keep explains that, in the past, data structures were pretty simple and often known ahead of data model design -- and so data was typically stored in the tabular row and column format of relational databases.

“However, the advance of modern web, mobile, social, AI, and IoT apps, coupled with modern object-oriented programming, break that paradigm. The data describing an entity (i.e. a customer, product, connected asset) is managed in code as complete objects , containing deeply nested elements . The structure of those objects can vary (polymorphism) – i.e. some customers have a social media profile that is tracked, and some don’t. And, with agile development methodologies, data structures also change rapidly as new application features are built,” said Keep.

As a result of all this polymorphism today, many software developers are looking towards more flexible alternatives to relational databases to accommodate data of any structure.

3 - Time-stamped data

Time-stamped data is a dataset which has a concept of time ordering defining the sequence that each data point was either captured (event time) or collected (processed time).

“This type of data is typically used when collecting behavioral data (for example, user actions on a website) and thus is a true representation of actions over time. Having a dataset such as this is invaluable to data scientists who are working on systems that are tasked with predicting or estimating next best action style models, or performing journey analysis as it is possible to replay a user's steps through a system, learn from changes over time and respond,” said Alex Olivier, product manager at marketing personalization software platform company Qubit.

4 - Machine data

Simply put, machine data is the digital exhaust created by the systems, technologies and infrastructure powering modern businesses.

Matt Davies, head of EMEA marketing at Splunk asks us to paint a picture and imagine your typical day at work, driving to the office in your connected car, logging on to your computer, making phone calls, responding to emails, accessing applications. Davies explains that all this activity creates a wealth of machine data in an array of unpredictable formats that is often ignored.

“Machine data includes data from areas as varied as application programming interfaces (APIs), security endpoints, message queues, change events, cloud applications, call detail records and sensor data from industrial systems,” said Davies. “Yet machine data is valuable because it contains a definitive, real time record of all the activity and behavior of customers, users, transactions, applications, servers, networks and mobile devices.”

If made accessible and usable, machine data is argued to be able to help organizations troubleshoot problems, identify threats and use machine learning to help predict future issues.

5 - Spatiotemporal data

Spatiotemporal data describes both location and time for the same event -- and it can show us how phenomena in a physical location change over time.

“Spatial data is the ‘spatio’ in spatiotemporal. It can describe point locations or more complex lines such as vehicle trajectories, or polygons (plane figures) that make up geographic objects like countries, roads, lakes or building footprints,” explained Todd Mostak, CEO of MapD.

Temporal data contains date and time information in a time stamp. Valid Time is the time period covered in the real world. Transaction Time is the time when a fact stored in the database was known.

“Examples of how analysts can visualize and interact with spatiotemporal data include: tracking moving vehicles, describing the change in populations over time, or identifying anomalies in a telecommunications network. Decision-makers can also run backend database calculations to find distances between objects or summary statistics on objects contained within specified locations,” said MapD’s Mostak.

6 - Open data

Open data is data that is freely available to anyone in terms of its use (the chance to apply analytics to it) and rights to republish without restrictions from copyright, patents or other mechanisms of control. The Open Data Institute states that open data is only useful if it’s shared in ways that people can actually understand. It needs to be shared in a standardized format and easily traced back to where it came from.

“Wouldn’t it be interesting if we could make some private data [shapes, extrapolated trends, aggregate values and analytics] available to the world without giving up the source and owner identification of that data? Some technologies are emerging, like multi-party computation and differential privacy that can help us do this,” said Mike Bursell, chief security architect at Red Hat.

Bursell explains that these are still academic techniques at the moment, but over the next ten years he says that people will be thinking about what we mean by open data in different ways. The open source world understands some of those questions and can lead the pack. The Red Hat security man says that it can be difficult for organizations that have built their business around keeping secrets. They now have to look at how they open that up to create opportunities for wealth creation and innovation.

7 - Dark data

Dark data is digital information that is not being used and lies dormant in some form.

Analyst house Gartner Inc. describes dark data as, "Information assets that an organization collects, processes and stores in the course of its regular business activity, but generally fails to use for other purposes."

8 - Real time data

One of the most explosive trends in analytics is the ability to stream and act around real time data. Some people argue that the term itself is something of a misnomer i.e. data can only travel as fast as the speed of communications, which isn’t faster than time itself… so, logically, even real time data is slightly behind the actual passage of time in the real world. However, we can still use the term to refer to instantaneous computing that happens about as fast as a human can perceive.

“Trends like edge computing and the impending rise of 5G are gaining their momentum based upon the opportunities thrown up by real time data. The power of immediacy with data is going to be the catalyst for realizing smart cities,” said Daniel Newman, principal analyst at Chicago-based Futurum Research.

Newman says that real time data can help with everything from deploying emergency resources in a road crash to helping traffic flow more smoothly during a citywide event. He says that real time data can also provide a better link between consumers and brands allowing the most relevant offers to be delivered at precise moments based upon location and preferences. “Real time data is a real powerhouse and its potential will be fully realized in the near term,” added Newman.

9 - Genomics data

Bharath Gowda, vice president for product marketing at Databricks points at genomics data as another area that needs specialist understanding. Genomics data involves analysing the DNA of patients to identify new drugs and improve care with personalized treatments.

He explains, ”The data involved [in genomics] is huge - by 2020 genomic data is expected to be orders of magnitude greater than the data produced by Twitter and YouTube. The first genome took over a decade to assemble. Today, a patient’s genome can be sequenced in a couple of days. However, generating data is the easy part. Turning data into insight is the challenge. The tools used by researchers cannot handle the massive volumes of genomic data.”

What are the issues here? According to Gowda, data processing and downstream analytics are the new bottlenecks that stop us getting more value out of genomic data. So what makes genomic data different?

“It requires significant data processing and needs to be blended with data from hundreds of thousands of patients to generate insights. Furthermore, you need to look at how you can unify analytics workflows across all teams - from the bioinformatics professional prepping data to the clinical specialist treating patients - in order to maximize its value,” said Gowda.

10 - Operational data

Colin Fernandes is product marketing director for EMEA region at Sumo Logic. Fernandes says that companies have big data, they have application logs and metrics, they have event data, and they have information from microservices applications and third parties.

The question is: how can they turn this data into business insights that decision makers and non-technical teams can use, in addition to data scientists and IT specialists?

“This is where operational analytics comes into play,” said Fernandes. “Analyzing operational data turns IT systems data into resources that employees can use in their roles. What’s important here is that we turn data from a specialist resource into assets that can be understood by everyone, from the CEO to line of business workers, whenever they have a decision to make.”

Fernandes points out that in practice, this means looking at new applications and business goals together to reverse engineer what your operational data metrics should be. New customer-facing services can be developed on microservices, but how do we make sure we extract the right data from the start? By putting this ‘operational data” mindset in place, we can arguably look at getting the right information to the right people as they need it.

11 - High-dimensional data

High-dimensional data is a term being popularized in relation to facial recognition technologies. Due to the massively complex number of contours on a human face, we need new expressions of data that are multi-faceted enough to be able to handle computations that are capable of describing all the nuances and individualities that exist across out facial physiognomies. Related to this is the concept of eigenfaces, the name given to a set of eigenvectors when they are used in computing to process human face recognition.

12 - Unverified outdated data

The previously quoted Mike Bursell of Red Hat also points to what he calls unverified outdated data. This is data that has been collected, but nobody has any idea whether it's relevant, accurate or even of the right type. We can suggest that in business terms, if you're trusting data that you haven't verified, then you shouldn't be trusting any decisions that are made on its basis. Bursell says that Garbage In, Garbage Out still holds… and without verification, data is just that: garbage.

“Arguably even worse that unverified data, which may at least have some validity and which you should at least know that you shouldn't trust, data which is out-of-date and used to be relevant. But many of the real-world evidence from which we derive our data changes, and if the data doesn't change to reflect that, then it is positively dangerous to use it in many cases,” said Bursell.

13 - Translytic Data

An amalgam of ‘transact’ and ‘analyze’, translytic data is argued to enable on-demand real-time processing and reporting with new metrics not previously available at the point of action. This is the opinion of Mark Darbyshire, CTO for data and database management at SAP UK.

Darbyshire says that traditionally, analysis has been done on a copy of transactional data. But today, with the availability of in-memory computing, companies can perform ‘transaction window’ analytics. This he says supports tasks that increase business value like intelligent targeting, curated recommendations, alternative diagnosis and instant fraud detection as well as providing subtle but valuable business insights.

According to SAP’s Darbyshire, “Translytic data requires a simplified technology architecture and hybrid transactional analytic database systems, which are enabled by the in-memory technology. This also provides the added benefit of simplicity of architecture – one system to maintain with no data movement. Companies who transact in real time with instant insight into the relevant key metrics that matter while they transact experience increased operational efficiency as well as faster access and improved visibility into its real-time data.”

This list is by no means meant to be exhaustive, such is the nature of information technology and the proliferation of data


Generate Random Numbers

Use rand , randi , randn , and randperm to create arrays of random numbers.

This example shows how to create an array of random floating-point numbers that are drawn from a uniform distribution in a specific interval.

This example shows how to create an array of random integer values that are drawn from a discrete uniform distribution on a specific set of numbers.

This example shows how to create an array of random floating-point numbers that are drawn from a normal distribution having a specified mean and variance.

This example shows how to create random points within the volume of a sphere.

Avoid repetition of random number arrays when MATLAB ® restarts.

Replace Discouraged Syntaxes of rand and randn .

Control Random Number Generation

This example shows how to use the rng function, which provides control over random number generation.

This example shows how to repeat arrays of random numbers by specifying the seed first. Every time you initialize the generator using the same seed, you always get the same result.

This example shows how to avoid repeating the same random number arrays when MATLAB restarts.

Control Multiple Streams or Substreams

This example shows how to use the RandStream class to control random number generation from the global stream.

This example uses RandStream to create multiple, independent random number streams.

This example shows how to use RandStream to create random number streams and substreams.


Spatial pattern analysis of manufacturing industries in Keraniganj, Dhaka, Bangladesh

Understanding industrial clustering and its patterns of development are important steps in linking regional policy development, strategic decision making, business site management, and fostering a country’s economic growth. A considerable variety of common location-based cluster measures are available in practice, including area-based measures and a variety of indicators based on analyses of point data. This study uses the geostatistical approaches kernel density, multi-distance Reply’s-K, and spatial autocorrelation, both global Moran’s-I and local Moran’s-I, to assess the degree of spatial clustering of manufacturing locations in Keranignaj, located at the southern periphery of the urban region of Dhaka, Bangladesh. Results indicated a non-random pattern for all manufacturing locations in the study region. Small-scale industries such as garment manufacturing, metal, and brick making have a strong presence in Keranignaj. Expansion of such industries were highly associated with proximity to a river, while food processing, rubber and plastics manufacturing industries were clustered in relation to road proximity. The spatial association Global Moran’s-I with higher positive coefficient value indicates homogeneity, or spatial auto-correlation, exist in the industrial locations studied here. Local Moran’s-I, which documents regional clustering, has yielded a statistically significant manufacturing cluster (0.05 level) for the manufacturing areas of Zinjira, Kaliganj, Mirerbagh, and Chunkutia. Since cluster-based economic development has recently been an area of increasing interest for both developed and developing nations, the outcomes from this study provide an insight into spatial processes of industrial development in Bangladesh, and the Dhaka area in particular, enabling planners and policymakers to make rational, informed decisions and strengthening the economic growth and capacity for development of micro-industries clusters for the area studied here and the region beyond.

This is a preview of subscription content, access via your institution.


شاهد الفيديو: Downloaden met EWEKA Intro 04 (شهر اكتوبر 2021).