DeepSeek智能时空数据分析(二):3秒对话式搞定“等时圈”绘制

news2025/4/22 17:46:21

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.coloradmin.cn/o/2340257.html

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,一经查实,立即删除!

相关文章

STM32学习2

一、OLED 1.1 OLED介绍 OLED(Organic Light Emitting Diode):有机发光二极管 OLED显示屏:性能优异的新型显示屏,具有功耗低、相应速度快、宽视角、轻薄柔韧等特点 0.96寸OLED模块:小巧玲珑、占用接口少…

LabVIEW液压系统远程监控与故障诊断

开发了一种基于LabVIEW的远程液压系统监控解决方案,通过先进的数据采集与分析技术,有效提升工程机械的运作效率和故障响应速度。该系统结合现场硬件设备和远程监控软件,实现了液压系统状态的实时检测和故障诊断,极大地提升了维护效…

Idea中实用设置和插件

目录 一、Idea使用插件 1.Fitten Code智能提示 2.MyBatisCodeHelperPro 3.HighlightBracketPair‌ 4.Rainbow Brackets Lite 5.GitToolBox(存在付费) 6.MavenHelperPro 7.Search In Repository 8.VisualGC(存在付费) 9.vo2dto 10.Key Promoter X 11.CodeGlance…

Java写数据结构:栈

1.概念: 一种特殊的线性表,其只允许在固定的一端进行插入和删除元素操作。进行数据插入和删除操作的一端称为栈顶,另一端称为栈底。栈中的数据元素遵守后进先出LIFO(Last In First Out)的原则。 压栈:栈的插…

机器学习-08-推荐算法-案例

总结 本系列是机器学习课程的系列课程,主要介绍机器学习中关联规则 参考 机器学习(三):Apriori算法(算法精讲) Apriori 算法 理论 重点 MovieLens:一个常用的电影推荐系统领域的数据集 23张图&#x…

LLM中的N-Gram、TF-IDF和Word embedding

文章目录 1. N-Gram和TF-IDF:通俗易懂的解析1.1 N-Gram:让AI学会"猜词"的技术1.1.1 基本概念1.1.2 工作原理1.1.3 常见类型1.1.4 应用场景1.1.5 优缺点 1.2 TF-IDF:衡量词语重要性的尺子1.2.1 基本概念1.2.2 计算公式1.2.3 为什么需…

Office文件内容提取 | 获取Word文件内容 |Javascript提取PDF文字内容 |PPT文档文字内容提取

关于Office系列文件文字内容的提取 本文主要通过接口的方式获取Office文件和PDF、OFD文件的文字内容。适用于需要获取Word、OFD、PDF、PPT等文件内容的提取实现。例如在线文字统计以及论文文字内容的提取。 一、提取Word及WPS文档的文字内容。 支持以下文件格式: …

HXBC编译相关错误

0、Keil MDK报错:Browse information of one or more files is not available----解决方法: 1、使用cubemax生成的工程中,某些引脚自定义了的,是在main.h中,要记得移植。 注意:cubemax生成的spi.c后,在移植的时候,注意hal_driver下面要对应增加hal_stm32H7xxxspi.c …

运维概述(linux 系统)

1、运维的基本概念 2、企业的运行模式 3、计算机硬件 运维概述 运维岗位的定义 在技术人员(写代码的)之间,一致对运维有一个开玩笑的认知:运维就是修电脑的、装网线的、背锅的岗位。 IT运维管理是指为了保障企业IT系统及网络…

C语言 数据结构 【堆】动态模拟实现,堆排序,TOP-K问题

引言 堆的各个接口的实现(以代码注释为主),实现堆排序,解决经典问题:TOP-K问题 一、堆的概念与结构 堆 具有以下性质 • 堆中某个结点的值总是不大于或不小于其父结点的值; • 堆总是一棵完全二叉树。 二…

模型加载常见问题

safetensors_rust.SafetensorError: Error while deserializing header: HeaderTooLarge 问题代码: model AutoModelForVision2Seq.from_pretrained( "/data-nvme/yang/Qwen2.5-VL-32B-Instruct", trust_remote_codeTrue, torch_dtypetorc…

PyTorch 深度学习实战(37):分布式训练(DP/DDP/Deepspeed)实战

在上一篇文章中,我们探讨了混合精度训练与梯度缩放技术。本文将深入介绍分布式训练的三种主流方法:Data Parallel (DP)、Distributed Data Parallel (DDP) 和 DeepSpeed,帮助您掌握大规模模型训练的关键技术。我们将使用PyTorch在CIFAR-10分类…

微信小程序通过mqtt控制esp32

目录 1.注册巴法云 2.设备连接mqtt 3.微信小程序 备注 本文esp32用的是MicroPython固件,MQTT服务用的是巴法云。 本文参考巴法云官方教程:https://bemfa.blog.csdn.net/article/details/115282152 1.注册巴法云 注册登陆并新建一个topic&#xff…

1.Vue3 - 创建Vue3工程

目录 一、 基于vue-cli 脚手架二、基于vite 推荐2.1 介绍2.2 创建项目2.3 文件介绍2.3.1 extensions.json2.3.2 脚手架的根目录2.3.3 主要文件 src2.3.3.1 main.js2.3.3.2 App.vue 组件2.3.3.3 conponents 2.3.4 env.d.ts2.3.5 index.html 入口文件2.3.6 package2.3.7 tsconfig…

AI编写的“黑科技风格、自动刷新”的看板页面

以下的 index.html 、 script.js 和 styles.css 文件&#xff0c;实现一个具有黑科技风格、自动刷新的能源管理系统实时监控看板。 html页面 <!DOCTYPE html> <html lang"zh-CN"> <head><meta charset"UTF-8"><meta name&q…

11-DevOps-Jenkins Pipeline流水线作业

前面已经完成了&#xff0c;通过在Jenkins中创建自由风格的工程&#xff0c;在界面上的配置&#xff0c;完成了发布、构建的过程。 这种方式的缺点就是如果要在另一台机器上进行同样的配置&#xff0c;需要一项一项去填写&#xff0c;不方便迁移&#xff0c;操作比较麻烦。 解…

【JavaWeb后端开发03】MySQL入门

文章目录 1. 前言1.1 引言1.2 相关概念 2. MySQL概述2.1 安装2.2 连接2.2.1 介绍2.2.2 企业使用方式(了解) 2.3 数据模型2.3.1 **关系型数据库&#xff08;RDBMS&#xff09;**2.3.2 数据模型 3. SQL语句3.1 DDL语句3.1.1 数据库操作3.1.1.1 查询数据库3.1.1.2 创建数据库3.1.1…

Github 热点项目 Jumpserver开源堡垒机让服务器管理效率翻倍

Jumpserver今日喜提160星&#xff0c;总星飙至2.6万&#xff01;这个开源堡垒机有三大亮点&#xff1a;① 像哆啦A梦的口袋&#xff0c;支持多云服务器一站式管理&#xff1b;② 安全审计功能超硬核&#xff0c;操作记录随时可回放&#xff1b;③ 网页终端无需装插件&#xff0…

第七届传智杯全国IT技能大赛程序设计赛道 国赛(总决赛)—— (B组)题解

1.小苯的木棍切割 【解析】首先我们先对数列排序&#xff0c;找到其中最小的数&#xff0c;那么我们就保证了对于任意一个第i1个的值都会大于第i个的值那么第i2个的值也比第i个大&#xff0c;那么我们第i1次切木棍的时候一定会当第i个的值就变为了0的&#xff0c;第i1减去的应该…

Netty前置基础知识之BIO、NIO以及AIO理论详细解析和实战案例

前言 Netty是什么&#xff1f; Netty 是一个基于 Java 的 ​高性能异步事件驱动网络应用框架&#xff0c;主要用于快速开发可维护的协议服务器和客户端。它简化了网络编程的复杂性&#xff0c;特别适合构建需要处理海量并发连接、低延迟和高吞吐量的分布式系统。 1)Netty 是…