3维城市模型的数据获取方法评述
文章编号:0494-0911(2000)11-0004-03
中图分类号:P 208 文献标识码:B
3维城市模型的数据获取方法评述
孙 敏1,2
,陈 军
1
(1.国家基础地理信息中心,北京100044; 2.中南工业大学国土测绘所,湖南长沙410083)
Review of Data Capture Method in 3D City Model
SU N M in,CHE N J un
摘要:随着GIS 向3维领域的不断发展,3维城市模型的研究近年得到了飞速的发展,人们在3维对象建模、基于影像的对象重构
以及数据获取方面进行了较深入的研究,其中以对数据获取的研究最为广泛且深入。由于3D C M (City M od el )的建立需要大量的第3维空间数据和纹理数据,如何高效批量地获取这些数据,是3D C M 构建的重要前提。通过查阅大量文献,对目前有关3D CM 的数据获取方法进行了评述,指出了目前3维城市模型数据获取的合理途径。
关键词:3维城市模型;GIS;数据获取
收稿日期:2000-03-10
一、引言
3维城市模型(3D CM )的构建需要真3维的空间数据(包括平面位置、高程或高度数据)和真实影像数据(包括建筑物侧面纹理),而现有2D GIS 中除了2维空间数据之外,并不具有第3维空间数据和纹理数据,如何获取这些数据成了一个难点。所需获取的数据具体为:建筑物高度数据、纹理数据、D EM 数据等。在2D GI S 中一般只有建筑物层数一项属性可以作为高度信息,而建筑物层数所反映的高度信息与实际差别太大,所以需要人们专门获取。为了突出可视的景观信息,3D CM 建立过程中,建筑物等对象一定需要纹理数据(一般为图像),但由于现代城市建筑物往往鳞次栉比,对于一个大型城市来说要获取数以万计的建筑物高度和纹理信息,如果用人工的方法,将是一项十分艰巨的工作。DEM 数据在3D CM 是一种基础数据,如何快速大批量地获取高精度DT M 数据也是目前人们研究的热点。另外,建筑物等的空间3维几何特征,在现有的2D G IS 中很少反映,需要进行专门的获取,目前主要研究从影像进行3维建筑物等对象的几何特征(或几何要素)的提取。下面作者从建筑物高度数据获取、纹理数据获取、DEM 数据获取、3维对象几何要素数据获取以及其他数据获取等几方面进行评述。
二、建筑物高度数据获取
建筑物高度数据获取,目前主要有如下几种方式:1.在2D GIS 数据库基础上按层数粗略求算建筑物高度[1]
。这种方法获取的建筑物高度数据只是一个估计值,且所有建筑物只能用平顶表达,或者人为地加一个修饰性屋顶(如图1(a ))。
2.用人工或半自动的方式借助软件基于影像获取(以建筑物屋顶数据为主)
[2]
。通过该方法获取的数据重构的建
筑物形状接近实际,但工作量仍然很大(如图1(b))。
3.以研究算法为主,从影像中直接提取建筑物高度以及其他信息[3]。这是一种高效的方法,但目前还不适于进行大批量数据的自动处理(如图1(c))。
图1 高度数据获取方法
4.用Airbo rne L aser Scanner 结合空中影像,经过算法处理提取建筑物高程、纹理以及其他数据;该方法获取速度快,但后续处理工作量大,费用可观,是一种很有发展前途的方法(如图1(d))。
5.用L aser rang er finder 结合CCD 相机从地面获取建筑物高度及纹理数据;该方法获取速度快、但工作量大,且后续处理工作量也很大[4,5]。
三、纹理数据获取
由于航空影像很容易得到,因此地形纹理与建筑物顶部纹理较易获取,相对而言建筑物侧面纹理的获取遇到了与建筑物高度获取同样的问题,目前学者们提出的获取方法可以概括为如下几种:
1.由计算机做简单模拟绘制。这种方法采用了矢量纹理,其优点是数据量少、建立的模型浏览速度快,但缺乏真实感(如图2(a))。
2.地面摄影像片直接提取。这种方法需要用相机拍摄大量的建筑物侧面照片,其获取速度慢,且涉及数据量大,后续处理工作量也很大,但所建模型真实感强(如图2(b))。
3.根据摄影像片由计算机生成。对具有相似的纹理的建筑物,使用计算机提取其特征纹理,对这些建筑物进行批
4 测 绘 通 报 2000年 第11期
量处理,可以大大减少纹理获取量和后续处理的工作量,但与前一种相比较,模型真实感较弱(如图2(d))。
4.由空中影像获取。这一方法主要获取地面影像(如图2(c ))。另外,由于在空中影像中也含有部分建筑物的侧面纹理,为了减少工作量可以对这些纹理进行提取并加以处理,但这种方式所获取的纹理变形较大,
真实感也较差。
图2 纹理数据获取方法
四、DEM 数据获取
DEM 数据在景观模型中起着举足轻重的作用,2D G IS 中DEM 一般由离散高程点通过T IN 构造生成,这种方法精度高但获取费时。目前学者们的主要研究方向转向一方面由高分辨率影像获取,另一方面由机载激光扫描仪获取两条途径。现有3D CM 中DEM 数据的获取途径主要有以下几方面:
1.直接使用2D GIS 中DEM 。由于其通过实测高程点构T I N 得来,因而精度最高,但缺点是获取与更新速度太慢,不宜用于构建和维护一个大型3D CM 系统。
2.通过处理航摄影像(包括高分辨率影像)生成。其精度受分辨率和量测手段限制,但获取速度较快。
3.由A ir bo rne Laser Scanner 直接扫描并经后续处理得到。其优点是:直接测量地面要素高程,无须人工干预进行自动快速的数据处理,获取速度最快,且不受天气影响;其缺点是精度低,需要专门处理算法[6]
。
4.用合成孔径雷达(SA R )获取数字高程模型[7]。其优点是:不受白天黑夜以及天气的影响,分辨率高(可以达到水平1.5m ,垂直2m ),但数据获取成本高,目前不易推广。
五、3维对象几何要素数据获取
在城市环境中尽管很多建筑物具有相似的外形,但往往不同的建筑物具有不同的几何外形特征。在2D G IS 中一般只用建筑物的地面轮廓线来表达建筑物,这种表达只反映了建筑物本身很少部分的信息。在3D CM 中除了建筑物的基本平面位置及高度信息外,还需表达建筑物的色彩纹理与几何外形特征,这些几何外形特征往往体现3维对象特别是建筑物对象的独特风格。但由于城市环境中建筑物成百上千,如果逐次用传统测量方法,其工作量之大令人难以忍受。因而有许多学者在如何获取建筑物的几何外形特征(或要素方面)进行了深入研究,具代表性的工作有如下几种:
1.将2D G IS 中的建筑物轮廓线与建筑物高度(由层数计算或其他方式得到)结合,用简单几何体表达建筑物外形特征[8]。这种方法最简便,同时3维数据量最少,但也与实际相差最大。
2.使用航空影像进行交互式获取[2]。由于航空影像真实地反映了城市建筑的所有顶部信息,同时也反映了建筑物的部分侧面信息以及大部分建筑物附属信息,因而可以运用数字化结合人工交互的方式获取建筑物的外形特征。这种方法能较真实地获取所需要的信息,但由于需要人工干预,工作量相当大。
3.使用航空影像以及地面摄影对建筑物特征线进行自动提取[9]。这种方式获取速度最快,但获取几何信息不够完整,需要人工作大量后续处理,目前还难以达到实用。
4.在地面使用激光扫描仪与G PS,通过测距求算获取[5]。这种方式获取速度也较快,且所获取几何信息相当精确,但工作量相当大,是一种具有发展前景的方法。
5.使用高分辨率卫星影像进行建筑物的自动提取。高分辨率影像卫星的出现,使得人们很容易快速获取一个实时的,不低于1m 分辨率的城区影像图,对于高分辨率卫星影
像目前可用要素法非常有效地判别建筑物,因而是最有发展潜力的一种方法。
六、其他数据获取
在3D CM 中为了增强真实感,人们还需要考虑以下数据的获取: 植被、大型树木等的相关数据,需要结合野外调查与现有数据库获取或由计算机做简单的模拟绘制,或直接从航空影像中提取; 各种景观中必要的修饰对象数据,需要通过野外调查或人为确定,如雕塑、大型装饰物、云雾参数等。
另外,由于以下数据的获取及表达存在着相当的困难,所以目前的研究工作尚未涉及或很少考虑,但这些对象往往非常重要,也是人们十分关注的,在3D CM 中如何较好地表达这些对象是值得人们深入研究的问题: 道路以及桥梁、过街天桥、人行地道; 各种大型工业设施;各种复杂建构筑物,如露天体育馆、大型雕塑、电视塔等。
七、建议方案
通过以上评述,作者针对几种较典型的不同层次的需求,提出自己的建议,具体如下:
1.简单的3维电子地图
有许多学者在从事3维电子地图的研究[8],为了达到基于3维图形界面的快速浏览的目的,3维电子地图要求以最少量的数据反映较真实的3维城市面貌,同时数据获取成本不能过高,此时数据采集可采用如下方案:
1.只将城市建筑物表达成3维模型,因此只须考虑建筑物的3维数据;
2.建筑物高度数据按2D GIS 的层数求算,一般可按建筑物的不同类型分别给予适当的层高估计值;
3.建筑物纹理易采用颜色代替,或可通过矢量方式添加一定的条纹;
4.不采用DEM 数据。
52000年 第11期 测 绘 通 报
基于以上数据获取方案,基本上完全利用现有的2D G IS 中的数据即能构建3维城市电子地图,3D CM的数据获取基本上无需额外的费用。
2.具真实感的3维城市模型
具真实感的3维城市模型主要提供任意浏览与动画功能。因此需要3维对象的真实纹理以及D EM数据。但由于其主要目的是提供可视功能,因此对数据的精度要求较低,考虑到构建过程中的费用及构建周期,此时数据采集可采用如下方案:
1.对建筑物侧面纹理采取地面摄影由计算机生成的方法,在摄影过程中尽可能仅获取具不同纹理的建筑物侧面纹理,对纹理相同或相近的建筑物由计算机根据摄影纹理生成。一方面这种方法花费较少,另一方面,经过计算机处理的纹理,可基本去除由于地面摄影过程中受地面其他事物(如树木)影像产生的干扰。
2.对建筑物高度采取结合2D GI S中所记录层数与地面影像上的层数信息相结合的方法求得。
3.DEM数据可通过激光扫描仪获取。
4.对建筑物的第3维几何特征数据,可基于高分辨率卫星影像进行提取。
5.对城市环境中的树木、雕塑等对象可采用假定参数,以模型符号的方式表达。
3.具操作与分析功能的3维城市模型
具操作与分析功能的3维城市模型往往要求提供给产生实践可信的分析成果,因此要求数据精度高,同时也要求景观表达真实,是目前人们理想中的3维城市模型,其数据获取方法可采用如下方案:
1.建筑物侧面纹理可采用与上一类同样的获取方法;
2.建筑物高度可采用人工或半自动方式基于影像通过摄影测量方法得到;
3.DEM数据可通过航摄影像采用较精确的手段获取;
4.建筑物第3维几何特征数据,同样可基于高分辨率卫星影像进行提取;
5.对城市环境的树木等对象可采用参数模型,对雕塑等复杂对象按需要进行简单的实际测量。
数据获取是3D CM构建中一项十分重要的工作,直接涉及到3D CM构建的成本及效果,以上建议方案有待结合实际做进一步的论证。 参考文献:
[1] YOSHIDA T,KARASUYAM A Y,OKAZAKI Y.T hree-
Dimen sional Object M odeling in a Th ree-dimen sional Urban
M ap[A].Proceedings of U M3'98International Work shop on
Ur ban M ulti-M edia/3D M appin g[C].Tokyo:University of
T okyo,1998.55-62.
[2] LI C,IKEU CHI K,SAKAU CHI M.Build ing3-D In formation
Acquisition from2-D Spatio-temporal Imag e[A].Proceedin gs of UM3'98Intern ational Work shop on U rban M ulti-M edia/ 3D M apping[C].T okyo:University of T okyo,1998.118-124.
[3] GRUEN A,XINHUA W.Cr eation of a3D City M odel of
Zurich w ith C C-modeler[A].Spatial Information Science,
Techn ology and its Applications-RS,GPS,GIS,T heir
In tegration and Applications[C].W uhan:Publishin g House
of W uhan Technical University of Su rveying and M apping,
1998.249-259.
[4] KOBAYASHI T,SAT AKE M,et al.A S tu dy of Urban
M onitor ing w ith an X-band Airborn e S AR[A].Proceedin gs
of U M3'98Intern ational Works hop on Urb an M ulti-M edia/
3D M apping[C].T okyo:University of Tok yo,1998.20-22.
[5] SHIBAS AKI R.Interface of M obile3D GIS by fus ing L ive
Video Images[A].Proceedings of U M3'98Intern ational W orksh op on Urban M ulti-media/3D M apping[C].T okyo:
Un iversity of T okyo,1998.23-30.
[6] VINCENT T AO C.T ow ar ds S ens or Integr ated Tech nology to
Fas t S patial Data Acquistion[A].Proceed ings of UM3'98 International W orksh op on Ur ban M ulti-m edia/3D M apping
[C].Tokyo:University of Tok yo,1998.97-104.
[7]ZHAO H,S HIBAS AKI R.Autom ated Registration of Ground-
b as ed Las er Range Images for Recons tructing Urban3D Object
[J].IAPRS,1997,32(3-4W2):35-41.
[8] ANS GAR B,U WE W.E xtr actin g Buildin gs from Digital
S urface M odels[J].IAPRS,1997,32(3-4W2):27-34.
[9] M AEJ IM A K,SHIM IZU H,KATO T,et al.3D Vis ual
Sim ulation of In creas ing Urb an Density us ing GIS and its
Application[A].Proceedings of U M3'98Intern ational
W or ksh op on Urban M ulti-M edia/3D M apping[C].T okyo:
Un iversity of T okyo,1998.139-142.
6 测 绘 通 报 2000年 第11期
重庆市三维两江四岸三维仿真模型数据标准-090117
重庆市城市规划三维仿真模型数据标准（试行） 1范围 本标准规定了三维仿真模型的术语、基本规定、成果内容及相关要求、建模要求及三维动画制作要求。 本标准适用两江四岸规划区及其他重点控制区域（以下简称规划控制区）的现状三维模型、城市设计三维成果，以及规划控制区内的新建、改造建设项目三维模型成果制作。 2术语 2.1现状三维模型 指真实反映现状地形、基础设施、自然景观以及建筑外观和风格的虚拟现实模型。 2.2城市设计三维模型 指侧重于城市空间形态和环境的整体构思和安排，表达规划编制范畴的城市空间布局、景观形象、地形、基础设施以及建筑设计的虚拟现实模型。 2.3建设项目三维模型 指在行政审批环节中反映的建设项目的建筑体量、建筑外形和风格、外立面及建筑布局的规划方案虚拟现实模型。 3基本规定 3.1基础地形建模要求 1）城市规划区域的数字高程模型必须采用1:500地形图，地表纹理信息根据规划设计方案的景观设计材质库中选取相应的图片。 2）城市建成区域的数字高程模型必须采用1:500地形图，地表纹理信息由实地拍摄的数码照片，拍照应使用500万像素以上的广角照相机。 3）其他区域的数字高程模型可采用用1:2000或1:1万地形图，地表纹理信息由1:2000真彩色正射影像或分辨率不小于1m的彩色卫星影像图片获取。 3.2空间参考系要求 1）大地基准：必须采用重庆市独立坐标系。 2）高程基准：必须采用1956年黄海高程系。 4成果内容及相关要求 4.1成果文件内容 三维模型成果必须经过烘培，能够真实而艺术地反映地形地貌、基础设施、自然景观以及建筑外观和设计风格。三维成果必须包含以下内容： 1）三维渲染整体效果图，图像分辨率不小于2048×2048，图片格式采用*.tif。 2）带材质贴图且经过烘培的三维仿真模型，文件格式为3DS MAX 7.0或以上的*.max，贴图为tif格式。 3）对于建设项目三维模型，必须提交项目总平面、剖面图、立面图、平面图等电子文件，文件格式为AutoCAD2005的*.dwg格式。 4）对于城市设计成果，必须提交相应三维动画（A VI）资料。
STATA面板大数据模型操作命令要点
STATA 面板数据模型估计命令一览表 一、静态面板数据的STATA 处理命令 εαβit ++=x y it i it 固定效应模型 μβit +=x y it it ε αμit +=it it 随机效应模型 （一）数据处理 输入数据 ●tsset code year 该命令是将数据定义为“面板”形式 ●xtdes 该命令是了解面板数据结构 ●summarize sq cpi unem g se5 ln 各变量的描述性统计（统计分析） ●gen lag_y=L.y /////// 产生一个滞后一期的新变量
gen F_y=F.y /////// 产生一个超前项的新变量 gen D_y=D.y /////// 产生一个一阶差分的新变量 gen D2_y=D2.y /////// 产生一个二阶差分的新变量 （二）模型的筛选和检验 ●1、检验个体效应（混合效应还是固定效应）（原假设：使用OLS混合模型）●xtreg sq cpi unem g se5 ln,fe 对于固定效应模型而言，回归结果中最后一行汇报的F统计量便在于检验所有的个体效应整体上显著。在我们这个例子中发现F统计量的概率为0.0000，检验结果表明固定效应模型优于混合OLS模型。 ●2、检验时间效应（混合效应还是随机效应）（检验方法：LM统计量） （原假设：使用OLS混合模型） ●qui xtreg sq cpi unem g se5 ln,re (加上“qui”之后第一幅图将不会呈现) xttest0
可以看出，LM检验得到的P值为0.0000，表明随机效应非常显著。可见，随机效应模型也优于混合OLS模型。 ●3、检验固定效应模型or随机效应模型（检验方法：Hausman检验） 原假设：使用随机效应模型（个体效应与解释变量无关） 通过上面分析，可以发现当模型加入了个体效应的时候，将显著优于截距项为常数假设条件下的混合OLS模型。但是无法明确区分FE or RE的优劣，这需要进行接下来的检验，如下： Step1：估计固定效应模型，存储估计结果 Step2：估计随机效应模型，存储估计结果 Step3：进行Hausman检验 ●qui xtreg sq cpi unem g se5 ln,fe est store fe qui xtreg sq cpi unem g se5 ln,re est store re hausman fe (或者更优的是hausman fe,sigmamore/ sigmaless) 可以看出，hausman检验的P值为0.0000，拒绝了原假设，认为随机效应模型的基本假设得不到满足。此时，需要采用工具变量法和是使用固定效应模型。
数学建模常用各种检验方法
各种检验方法 1.单个总体2 Nμσ的均值μ的检验: (,) 2 σ已知,关于均值的检验用ztest命令来实现. [h,p,ci]=ztest(x,mu,sigma,alpha,tail) 2 σ已知,关于均值的检验用ttest命令来实现. [h,p,ci]=ttest(x,mu,alpha,tail) 2.两个正态总体均值差的检验（t 检验） 还可以用t 检验法检验具有相同方差的2 个正态总体均值差的假设。在Matlab 中 由函数ttest2 实现，命令为： [h,p,ci]=ttest2(x,y,alpha,tail) 3.分布拟合检验 在实际问题中，有时不能预知总体服从什么类型的分布，这时就需要根据样本来检 验关于分布的假设。下面介绍2χ检验法和专用于检验分布是否为正态的“偏峰、峰度 检验法”。 2 χ检验法 0 H ：总体x的分布函数为F(x) , 1 H : 总体x的分布函数不是F(x). 在用下述χ 2检验法检验假设0 H 时，若在假设0 H 下F(x)的形式已
知，但其参数 值未知，这时需要先用极大似然估计法估计参数，然后作检验。 偏度、峰度检验 4．其它非参数检验 Wilcoxon秩和检验 在Matlab中，秩和检验由函数ranksum实现。命令为： [p,h]=ranksum(x,y,alpha) 其中x，y可为不等长向量，alpha为给定的显著水平，它必须为0和1之间的数量。p返回 产生两独立样本的总体是否相同的显著性概率，h返回假设检验的结果。如果x和y的总 体差别不显著，则h为零；如果x和y的总体差别显著，则h为1。如果p 接近于零，则可对 原假设质疑。 5．中位数检验 在假设检验中还有一种检验方法为中位数检验,在一般的教学中不一定介绍,但在 实际中也是被广泛应用到的。在Matlab中提供了这种检验的函数。函数的使用方法简单， 下面只给出函数介绍。 signrank函数
剖析大数据分析方法论的几种理论模型
剖析大数据分析方法论的几种理论模型 做大数据分析的三大作用，主要是：现状分析、原因分析和预测分析。什么时候开展什么样的数据分析，需要根据我们的需求和目的来确定。 作者：佚名来源：博易股份|2016-12-01 19:10 收藏 分享 做大数据分析的三大作用，主要是：现状分析、原因分析和预测分析。什么时候开展什么样的数据分析，需要根据我们的需求和目的来确定。 利用大数据分析的应用案例更加细化的说明做大数据分析方法中经常用到的几种理论模型。 以营销、管理等理论为指导，结合实际业务情况，搭建分析框架，这是进行大数据分析的首要因素。大数据分析方法论中经常用到的理论模型分为营销方面的理论模型和管理方面的理论模型。 管理方面的理论模型： ?PEST、5W2H、时间管理、生命周期、逻辑树、金字塔、SMART原则等?PEST：主要用于行业分析 ?PEST：政治(Political)、经济(Economic)、社会(Social)和技术(Technological) ?P：构成政治环境的关键指标有，政治体制、经济体制、财政政策、税收政策、产业政策、投资政策、国防开支水平政府补贴水平、民众对政治的参与度等。?E：构成经济环境的关键指标有，GDP及增长率、进出口总额及增长率、利率、汇率、通货膨胀率、消费价格指数、居民可支配收入、失业率、劳动生产率等。?S：构成社会文化环境的关键指标有：人口规模、性别比例、年龄结构、出生率、死亡率、种族结构、妇女生育率、生活方式、购买习惯、教育状况、城市特点、宗教信仰状况等因素。
?T：构成技术环境的关键指标有：新技术的发明和进展、折旧和报废速度、技术更新速度、技术传播速度、技术商品化速度、国家重点支持项目、国家投入的研发费用、专利个数、专利保护情况等因素。 大数据分析的应用案例：吉利收购沃尔沃 大数据分析应用案例 5W2H分析法 何因(Why)、何事(What)、何人(Who)、何时(When)、何地(Where)、如何做(How)、何价(How much) 网游用户的购买行为： 逻辑树：可用于业务问题专题分析
16种常用数据分析方法
一、描述统计描述性统计是指运用制表和分类，图形以及计筠概括性数据来描述数据的集中趋势、离散趋势、偏度、峰度。 1、缺失值填充：常用方法：剔除法、均值法、最小邻居法、比率回归法、决策 树法。 2、正态性检验：很多统计方法都要求数值服从或近似服从正态分布，所以之前需要进行正态性检验。常用方法：非参数检验的K-量检验、P-P图、Q-Q图、W 检验、动差法。 二、假设检验 1、参数检验 参数检验是在已知总体分布的条件下（一股要求总体服从正态分布）对一些主要的参数（如均值、百分数、方差、相关系数等）进行的检验。 1）U验使用条件：当样本含量n较大时，样本值符合正态分布 2）T检验使用条件：当样本含量n较小时，样本值符合正态分布 A 单样本t检验：推断该样本来自的总体均数卩与已知的某一总体均数卩0 （常为理论值或标准值）有无差别； B 配对样本t 检验：当总体均数未知时，且两个样本可以配对，同对中的两者在可能会影响处理效果的各种条件方面扱为相似； C 两独立样本t 检验：无法找到在各方面极为相似的两样本作配对比较时使用。 2、非参数检验 非参数检验则不考虑总体分布是否已知，常常也不是针对总体参数，而是针对总体的某些一股性假设（如总体分布的位罝是否相同，总体分布是否正态）进行检验。 适用情况：顺序类型的数据资料，这类数据的分布形态一般是未知的。 A 虽然是连续数据，但总体分布形态未知或者非正态； B 体分布虽然正态，数据也是连续类型，但样本容量极小，如10 以下； 主要方法包括：卡方检验、秩和检验、二项检验、游程检验、K-量检验等。 三、信度分析检査测量的可信度，例如调查问卷的真实性。 分类： 1、外在信度：不同时间测量时量表的一致性程度，常用方法重测信度 2、内在信度；每个量表是否测量到单一的概念，同时组成两表的内在体项一致性如何，常用方法分半信度。 四、列联表分析用于分析离散变量或定型变量之间是否存在相关。对于二维表，可进行卡 方检验，对于三维表，可作Mentel-Hanszel 分层分析列联表分析还包括配对计数资料的卡方检验、行列均为顺序变量的相关检验。 五、相关分析 研究现象之间是否存在某种依存关系，对具体有依存关系的现象探讨相关方向及相关程度。 1、单相关：两个因素之间的相关关系叫单相关，即研究时只涉及一个自变量和一个因变量； 2、复相关：三个或三个以上因素的相关关系叫复相关，即研究时涉及两个或两个以
DEM三维模型Word版
在Arcgis中利用分层设色法实现DEM可视化分析，生成立体等高线、三维线框透视图、地形三维表面模型。 数据：汤国安ARCGIS数据里的DEM 分层设色法： 1、基于高程的分带设色 一、提取等高线 工具：空间分析里的，设置参数: 二、分层设色 对DEM进行分层设色。
生成的图： 2、基于高程数据的灰度影像 建立等立体等高线 打开ARCSCENE，添加等高线，在等高线的属性里面设置：
生成：
三维线框图 1、将等高线转换成点要素 执行命令【数据管理|要素|要素转点】 得到： 2、利用上述点建立TIN 执行命令【3D分析工具|TIN管理|建立TIN】 得到： 3、在Arcscene里面将TIN转换成三角形 执行命令【3D分析|转换|由TIN转出|TIN 三角形】，并调整填充颜色的显示得到：
地形三维表面模型 利用上述构成的三维线框图添加面的显示。 再把上述之前建立好的等高线加上来，并调整透明度【图层属性|符号系统|唯一值设置|高级|透明度】，得到 注：这里因为点数较少，所以得到的线框图比较简单，所以也就导致最后的三维表面模型有点生硬，不够贴合实际。 二、利用ARCGIS软件，基于地形晕渲法模拟一天中南京地形的光照变化（因为找到的南京地区的数据有问题，不能用，所以就用其他的DEM数据代替。） 1、提取坡度、坡向 利用【空间分析|表面|坡度、坡向】 得到：
2、利用山体阴影提取当地在不同太阳方位角和高度角（参考坡向和）得到的图： 太阳方位角=225°，高度角=15°方位角=315°，高度角=15° 太阳方位角=225°，高度角=60°方位角=315°，高度角=60° （注：可编辑下载，若有不当之处，请指正，谢谢!）
面板数据建模步骤
面板数据建模步骤 步骤一：分析数据的平稳性（单位根检验） 按照正规程序，面板数据模型在回归前需检验数据的平稳性。李子奈曾指出，一些非平稳的经济时间序列往往表现出共同的变化趋势，而这些序列间本身不一定有直接的关联，此时，对这些数据进行回归，尽管有较高的R平方，但其结果是没有任何实际意义的。这种情况称为称为虚假回归或伪回归（spurious regression）。他认为平稳的真正含义是：一个时间序列剔除了不变的均值（可视为截距）和时间趋势以后，剩余的序列为零均值，同方差，即白噪声。因此单位根检验时有三种检验模式：既有趋势又有截距、只有截距、以上都无。因此为了避免伪回归，确保估计结果的有效性，我们必须对各面板序列的平稳性进行检验。而检验数据平稳性最常用的办法就是单位根检验。首先，我们可以先对面板序列绘制时序图，以粗略观测时序图中由各个观测值描出代表变量的折线是否含有趋势项和（或）截距项，从而为进一步的单位根检验的检验模式做准备。 单位根检验方法的文献综述：在非平稳的面板数据渐进过程中,Levin andLin(1993) 很早就发现这些估计量的极限分布是高斯分布,这些结果也被应用在有异方差的面板数据中,并建立了对面板单位根进行检验的早期版本。后来经过Levin et al. (2002)的改进,提出了检验面板单位根的LLC 法。Levin et al. (2002) 指出,该方法允许不同截距和时间趋势,异方差和高阶序列相关,适合于中等维度(时间序列介于25～250 之间,截面数介于10～250 之间) 的面板单位根检验。Im et
al. (1997) 还提出了检验面板单位根的IPS 法,但Breitung(2000) 发现IPS 法对限定性趋势的设定极为敏感,并提出了面板单位根检验的Breitung 法。Maddala and Wu(1999)又提出了ADF-Fisher和PP-Fisher面板单位根检验方法。 由上述综述可知，可以使用LLC、IPS、Breintung、ADF-Fisher 和PP-Fisher5种方法进行面板单位根检验。 其中LLC-T 、BR-T、IPS-W 、ADF-FCS、PP-FCS 、H-Z 分别指Levin, Lin & Chu t* 统计量、Breitung t 统计量、lm Pesaran & Shin W 统计量、ADF- Fisher Chi-square统计量、PP-Fisher Chi-square 统计量、Hadri Z统计量，并且Levin, Lin & Chu t* 统计量、Breitung t统计量的原假设为存在普通的单位根过程，lm Pesaran & Shin W 统计量、ADF- Fisher Chi-square统计量、PP-Fisher Chi-square统计量的原假设为存在有效的单位根过程，Hadri Z统计量的检验原假设为不存在普通的单位根过程。 有时，为了方便，只采用两种面板数据单位根检验方法，即相同根单位根检验LLC（Levin-Lin-Chu）检验和不同根单位根检验Fisher-ADF 检验（注：对普通序列（非面板序列）的单位根检验方法则常用ADF 检验），如果在两种检验中均拒绝存在单位根的原假设则我们说此序列是平稳的，反之则不平稳。 如果我们以T（trend）代表序列含趋势项，以I（intercept）代表序列含截距项，T&I代表两项都含，N（none）代表两项都不含，那么我们可以基于前面时序图得出的结论，在单位根检验中选择相应
多元线性回归模型的各种检验方法.doc
对多元线性回归模型的各种检验方法 对于形如 u X X X Y k k +++++=ββββΛΛ22110 （1） 的回归模型，我们可能需要对其实施如下的检验中的一种或几种检验： 一、 对单个总体参数的假设检验：t 检验 在这种检验中，我们需要对模型中的某个（总体）参数是否满足虚拟假设0 H ：j j a =β，做出具有统计意义（即带有一定的置信度）的检验，其中j a 为某个给定的已知数。特别是，当j a =0时，称为参数的（狭义意义上的）显著性检验。如果拒绝0H ，说明解释变量j X 对 被解释变量Y 具有显著的线性影响，估计值j β?才敢使 用；反之，说明解释变量j X 对被解释变量Y 不具有显 著的线性影响，估计值j β?对我们就没有意义。具体检验 方法如下： （1） 给定虚拟假设 0H ：j j a =β；
（2） 计算统计量 )?(?)?()(?j j j j j j Se a Se E t βββββ-=-= 的数值； 11?)?(++-==j j jj jj j C C Se 1T X)(X ，其中σβ （3） 在给定的显著水平α下（α不能大于1.0即 10%，也即我们不能在置信度小于90%以下的前提下做结论），查出双尾t （1--k n ）分布的临界值2/αt ； （4） 如果出现 2/αt t >的情况，检验结论为拒绝 0H ；反之，无法拒绝0H 。 t 检验方法的关键是统计量 )?(?j j j Se t βββ-=必须服从已 知的t 分布函数。什么情况或条件下才会这样呢？这需要我们建立的模型满足如下的条件（或假定）： （1） 随机抽样性。我们有一个含n 次观测的随机样(){}n i Y X X X i ik i i ,,2,1:,,,,21ΛΛ=。这保证了误差u 自身的随机性，即无自相关性，
试论3D建模数据的类型、采集方式及建模方法
试论3D建模数据的类型、采集方式及建模方法 1.3D建模数据类型 由于二维GIS数据模型与数据结构理论和技术的成熟，图形学理论、数据库理论技术及其它相关计算机技术的进一步发展，加上应用需求的强烈推动，三维GIS的大力研究和加速发展现已成为可能。因为地理空间在本质上就是三维的，在过去的几十年里，二维制图和GIS的迅速发展和广泛应用，使得不同领域的人们大都接受了将三维世界中的空间实体转化为二维投影的概念数据模型。但随着应用的深入和实践的需要又渐渐暴露出二维GIS简化世界和空间的缺陷，所以有关人员又不得不重新思考地理空间的三维本质特征和在三维空间概念下的一系列地理处理方法。 从三维GIS的角度出发考虑，三维地理空间应有如下不同于二维空间的基本特征： （1）几何坐标增加了第三维信息（Z坐标信息或H坐标信息），即垂向坐标信息。 （2）垂向坐标的增加导致了复杂的空间拓扑关系。其中突出的一点是无论是零维、一维、二维还是三维，在垂向上都具有复杂的拓扑关系；如果说二维拓扑关系在平面上是呈圆状发散伸展的话，那么三维拓扑关系就是在三维空间中的无穷延伸。 （3）三维地理空间中的地理对象具有丰富的内部信息（如属性分布，结构形式、关联特征等）。 过去十来年中，国内外学者围绕三维地理空间构模、三维地质空间构模、以及三维地理空间与三维地质空间集成构模，研究提出了二十余种三维空间数据模型。围绕这些不同特色的，模型的研究和比较，人们试图对三维空间模型机三维空间构模方法进行某种分类，如基于几何描述的分类和基于拓扑描述的分类等。 1.1基于几何描述的分类 若不区分准三维和真三维，则根据三维空间模型对地学空间目标的几何特征的描述是以表面描述方式还是以空间剖分方式，可以分为面元模型和体元模型两类。其中，面元模型采用面元对三维空间对象的表面进行连续或非连续几何描述和特征描述，不研究三维空间对象的内部特征；体元模型采用体元对三维空间对象的内部空间进行无缝完整的空间剖分，不仅描述三维空间对象的表面几何，还研究三维空间对象的内部特征。 基于这两类三维空间模型，形成了3类三维空间模型构模方法，即单一三维构模（single 3Dmodeling）、混合三维构模（compound 3D modeling）和集成三维构模（ intergral 3D modeling）。其中，单一三维构模是指采用单一的面元
面板数据模型设定检验方法
1：（ST ATA 的双固定效应）xi ：xtreg y x1 x2 i.year ,fe 2：变系数模型 （1）生成虚拟变量 tab id,gen(id) gen open1=id1*open gen open2=id2*open （2）变系数命令 xtreg y open1 open2。。。，fe 面板数据模型设定检验方法 4.1 F 检验 先介绍原理。F 统计量定义为 ()()/~, (30)/() R U U RSS RSS J F F J N k RSS N k -= -- 其中RSS r 表示施加约束条件后估计模型的残差平方和，RSS u 表示未施加约束条件的估计模型的残差平方和，J 表示约束条件个数，N 表示样本容量，k 表示未加约束的模型中被估参数的个数。在原假设“约束条件真实”条件下，F 统计量渐近服从自由度为( J , N – k )的F 分布。 以检验个体固定效应回归模型为例，介绍F 检验的应用。建立假设
H 0：αi =α。模型中不同个体的截距相同（真实模 型为混合回归模型）。 H 1：模型中不同个体的截距项αi 不同（真实模型为个体固定效应回归模型）。 F 统计量定义为： F = ) /()] ()/[()(k N NT SSE k N NT k NT SSE SSE u u r --------1= ) /()/()(k N NT SSE N SSE SSE u u r ----1 (31) 其中SSE r 表示约束模型，即混合估计模型的残差平方和，SSE u 表示非约束模型，即个体固定效应回归模型的残差平方和。非约束模型比约束模型多了N -1个被估参数。 以案例1为例，已知SSE r = 4824588，SSE u = 2270386， F = ) /()/()(11----N NT SSE N SSE SSE u u r =) /() /()(115105227038611522703864824588 ---- = 22510 182443= 8.1 (32) F 0.05(6, 87) = 1.8 因为F = 8.1 > F 0.05(14, 89) = 1.8，推翻原假设，比较上述两种模型，建立个体固定效应回归模型更合理。 4.2 Hausman 检验 对同一参数的两个估计量差异的显著性检验称作
面板数据模型设定检验方法
1：（STATA 的双固定效应）xi ：xtreg y x1 x2 i.year,fe 2：变系数模型 （1）生成虚拟变量 tab id,gen(id) gen open1=id1*open gen open2=id2*open （2）变系数命令 xtreg y open1 open2。。。，fe 面板数据模型设定检验方法 4.1 F 检验 先介绍原理。F 统计量定义为 ()()/~, (30)/() R U U RSS RSS J F F J N k RSS N k -=-- 其中RSS r 表示施加约束条件后估计模型的残差平方和，RSS u 表示未施加约束条件的估计模型的残差平方和，J 表示约束条件个数，N 表示样本容量，k 表示未加约束的模型中被估参数的个数。在原假设“约束条件真实”条件下，F 统计量渐近服从自由度为( J , N – k )的F 分布。 以检验个体固定效应回归模型为例，介绍F 检验的应用。建立假设
H 0：αi =α。模型中不同个体的截距相同（真实模 型为混合回归模型）。 H 1：模型中不同个体的截距项αi 不同（真实模型为个体固定效应回归模型）。 F 统计量定义为： F = ) /()] ()/[()(k N NT SSE k N NT k NT SSE SSE u u r --------1= ) /() /()(k N NT SSE N SSE SSE u u r ----1 (31) 其中SSE r 表示约束模型，即混合估计模型的残差平方和，SSE u 表示非约束模型，即个体固定效应回归模型的残差平方和。非约束模型比约束模型多了N -1个被估参数。 以案例1为例，已知SSE r = 4824588，SSE u = 2270386， F = )/()/()(11----N NT SSE N SSE SSE u u r =) /() /()(115105227038611522703864824588---- = 22510 182443 = 8.1 (32) F 0.05(6, 87) = 1.8 因为F = 8.1 > F 0.05(14, 89) = 1.8，推翻原假设，比较上述两种模型，建立个体固定效应回归模型更合理。 4.2 Hausman 检验 对同一参数的两个估计量差异的显著性检验称作
16种常用数据分析方法66337
一、描述统计 描述性统计是指运用制表和分类，图形以及计筠概括性数据来描述数据的集中趋势、离散趋势、偏度、峰度。 1、缺失值填充：常用方法：剔除法、均值法、最小邻居法、比率回归法、决策树法。 2、正态性检验：很多统计方法都要求数值服从或近似服从正态分布，所以之前需要进行正态性检验。常用方法：非参数检验的K-量检验、P-P图、Q-Q图、W检验、动差法。 二、假设检验 1、参数检验 参数检验是在已知总体分布的条件下（一股要求总体服从正态分布）对一些主要的参数(如均值、百分数、方差、相关系数等）进行的检验。 1）U验使用条件：当样本含量n较大时，样本值符合正态分布 2）T检验使用条件：当样本含量n较小时，样本值符合正态分布 A 单样本t检验：推断该样本来自的总体均数μ与已知的某一总体均数μ0 (常为理论值或标准值)有无差别； B 配对样本t检验：当总体均数未知时，且两个样本可以配对，同对中的两者在可能会影响处理效果的各种条件方面扱为相似； C 两独立样本t检验：无法找到在各方面极为相似的两样本作配对比较时使用。 2、非参数检验 非参数检验则不考虑总体分布是否已知，常常也不是针对总体参数，而是针对总体的某些一股性假设（如总体分布的位罝是否相同，总体分布是否正态）进行检验。 适用情况：顺序类型的数据资料，这类数据的分布形态一般是未知的。
A 虽然是连续数据，但总体分布形态未知或者非正态； B 体分布虽然正态，数据也是连续类型，但样本容量极小，如10以下； 主要方法包括：卡方检验、秩和检验、二项检验、游程检验、K-量检验等。 三、信度分析 检査测量的可信度，例如调查问卷的真实性。 分类： 1、外在信度：不同时间测量时量表的一致性程度，常用方法重测信度 2、内在信度；每个量表是否测量到单一的概念，同时组成两表的内在体项一致性如 何，常用方法分半信度。 四、列联表分析 用于分析离散变量或定型变量之间是否存在相关。 对于二维表，可进行卡方检验，对于三维表，可作Mentel-Hanszel分层分析。列联表分析还包括配对计数资料的卡方检验、行列均为顺序变量的相关检验。 五、相关分析 研究现象之间是否存在某种依存关系，对具体有依存关系的现象探讨相关方向及相关程度。 1、单相关：两个因素之间的相关关系叫单相关，即研究时只涉及一个自变量和一个因变量； 2、复相关：三个或三个以上因素的相关关系叫复相关，即研究时涉及两个或两个以上的自变量和因变量相关； 3、偏相关：在某一现象与多种现象相关的场合，当假定其他变量不变时，其中两个变量之间的相关关系称为偏相关。 六、方差分析
城市三维建模数据获取及方式研究
龙源期刊网 https://www.360docs.net/doc/e78630584.html, 城市三维建模数据获取及方式研究 作者：曾秀芬贾振涛张睿 来源：《科技资讯》2014年第16期 摘要：随着科技的不断发展，城市的信息化成为了必然的趋势，数字城市的不断完善已 经成为城市壮大的新的契机，成为城市信息化建设的目标。数字三维城市已成为城市规划和管理中重要的手段。本文基于笔者多年从事数字城市的相关工作经验，以三维数字城市为研究对象。探讨了数字城市中三维建模的主要内容和相关建模方式，并以实例的方式实现了三维建筑物建模，结果表明该思路能满足实际应用。全文是笔者长期工作实践基础上的理论升华，相信对从事相关工作的同行能有所裨益。 关键词：数字城市三维建模信息化 中图分类号：P208 文献标识码：A 文章编号：1672-3791（2014）06（a）-0041-02 “数字城市”的概念来源于“数字地球”，它是“数字地球”的理念在城市的引用、延伸和拓展。由于在理解层面和切入角度上的差异，目前仍很难对“数字城市”内涵作确切的定义。但随着对“数字城市”理论与技术的研究及应用探索的不断深入，人们对它的认识将会逐渐趋向统一，并形成对它的标准定义。 三维模型能够真实、生动地表达三维空间信息，成为数字城市的研究重点。建筑物的三维建模作为主要的建模内容有着重要的地位，快速、逼真地建立建筑物的三维模型成为建模的研究重点。 三维地理信息系统的建立，可以和现有的二维地籍数据、规划数据、土地利用数据等结合，分别形成三维地籍系统、三维规划系统、三维土地利用系统等。这些三维系统具有快速的三维漫游、查询、定位、统计、分析、打印输出等功能，将更好地为“数字国土”服务。三维模型的快速建立与更新，对维护三维地理信息系统数据的现势性、直观性、更好地为国土资源利用提供更好的决策，具有十分重要的作用和意义。 1 三维建模技术现状 三维城市模型（3DCityModel，3ocM）是地理信息系统、数字摄影测量及其相关学科的研究热点之一。尽管3DCM的研究历史非常短暂，但人们针对不同的应用目的，构建了各种具 有不同功能的3DCM，具体分为以下几类。 1.1 遥感影像与DEM结合方式
卡方检验模型验证方法
卡方检验模型验证方法模型参数的验证方法主要使用卡方拟合度检验( Chi-square Goodness-of-fit Test )结合最大似然 估计( Maximum Likelihood Estimation )，并且使用QQ图（Quantile-Quantile Plot）证明验证结果。 具体的说，就是先假定采集的样本数据符合某一分布，通过最大似然估计方法估计出该分布的参数，然后代入并用卡方检验计算相对于该分布的偏差。实践中我们对于一组样本数据，计算所有常见分布的偏差值，选取偏差最小的分布做为该样本的拟合结果。另外，从QQ图直观上看，该分布做为拟合结果描绘出的曲线 必须近似为接近参考线的直线（见3.3），否则我们就将数据拆分为多个部分进行分段的拟合（如对终端请求包大小的拟合）。 1.1 卡方拟合度检验卡方检验是一种大样本假设检验法，用于检验随机事件中提出的样本数据是否符合某一给定分布。 它需要较 大量的样本数据及已知的待检验概率分布函数。 1.1.1 卡方检验原理对于一个服从二项分布的随机变量Y服从Binomial( n, p) ,均值为,方差 。 由中心极限定理，符合标准正态分布N (0, 1)，所以服从自由度为1的卡方分布。 设服从Binomial( n, p1 ), , , 则 有 所以 同理对于k个随机变量，均值分别为 ， 在数据拟合时，先对数据分组，每组数据的实际个数即为随机变量
，，，则数据拟合即为判断 是否符合分布， 该卡方分布的自由度为k-1-nep（k为随机变量个数，nep为估计参数的个数）。 1.1.2 卡方检验步骤：假定样本服从某一给定分布。根据样本数据用最大似然法估计分布的密度函数参数。设定置信度，对n个样本数据排序。 把排序后的数据分成k组，确定每组的上下限,（上下限确定方法不同对验证能力有影响， 每组数据不少于5个），为了方便起见，本项目中采用平均划分分组间隔，即使为常数， 对于所有的成立。 计算每组数据实际个数，第i组实际个数为。 计算每组数据期望个数，第i组期望个数为： 连续：，其中F(x)为待验证的概率分布函数， 离散：。 计算。 理论上说如果，则数据符合分布函数为F(x)的分布， 其中，nep为估计的参数的个数。但是由于实际采集的数据并非完全地符合某一分布， 总存在一定的偏差，计算出的值并不满足这个条件， 所以我们使用的拟合标准为采用卡方估计值最小的分布作为验证结果。
常用数据分析方法
常用数据分析方法 常用数据分析方法：聚类分析、因子分析、相关分析、对应分析、回归分析、方差分析；问卷调查常用数据分析方法：描述性统计分析、探索性因素分析、Cronbach’a信度系数分析、结构方程模型分析(structural equations modeling) 。 数据分析常用的图表方法：柏拉图(排列图)、直方图(Histogram)、散点图(scatter diagram)、鱼骨图（Ishikawa）、FMEA、点图、柱状图、雷达图、趋势图。 数据分析统计工具：SPSS、minitab、JMP。 常用数据分析方法: 1、聚类分析（Cluster Analysis） 聚类分析指将物理或抽象对象的集合分组成为由类似的对象组成的多个类的分析过程。聚类是将数据分类到不同的类或者簇这样的一个过程，所以同一个簇中的对象有很大的相似性，而不同簇间的对象有很大的相异性。聚类分析是一种探索性的分析，在分类的过程中，人们不必事先给出一个分类的标准，聚类分析能够从样本数据出发，自动进行分类。聚类分析所使用方法的不同，常常会得到不同的结论。不同研究者对于同一组数据进行聚类分析，所得到的聚类数未必一致。 2、因子分析（Factor Analysis） 因子分析是指研究从变量群中提取共性因子的统计技术。因子分析就是从大量的数据中寻找内在的联系，减少决策的困难。 因子分析的方法约有10多种，如重心法、影像分析法，最大似然解、最小平方法、阿尔发抽因法、拉奥典型抽因法等等。这些方法本质上大都属近似方法，是以相关系数矩阵为基础的，所不同的是相关系数矩阵对角线上的值，采用不同的共同性□2估值。在社会学研究中，因子分析常采用以主成分分析为基础的反覆法。 3、相关分析（Correlation Analysis） 相关分析（correlation analysis），相关分析是研究现象之间是否存在某种依存关系，并对具体有依存关系的现象探讨其相关方向以及相关程度。相关关系是一种非确定性的关系，例如，以X和Y分别记一个人的身高和体重，或分别记每公顷施肥量与每公顷小麦产量，则X 与Y显然有关系，而又没有确切到可由其中的一个去精确地决定另一个的程度，这就是相关关系。 4、对应分析（Correspondence Analysis） 对应分析(Correspondence analysis)也称关联分析、R-Q型因子分析，通过分析由定性变量构成的交互汇总表来揭示变量间的联系。可以揭示同一变量的各个类别之间的差异，以及不同变量各个类别之间的对应关系。对应分析的基本思想是将一个联列表的行和列中各元素的比例结构以点的形式在较低维的空间中表示出来。 5、回归分析 研究一个随机变量Y对另一个(X)或一组(X1，X2，…，Xk)变量的相依关系的统计分析方法。回归分析（regression analysis)是确定两种或两种以上变数间相互依赖的定量关系的一种统计分析方法。运用十分广泛，回归分析按照涉及的自变量的多少，可分为一元回归分析和多元回归分析；按照自变量和因变量之间的关系类型，可分为线性回归分析和非线性回归分析。 6、方差分析(ANOVA/Analysis of Variance) 又称“变异数分析”或“F检验”，是R.A.Fisher发明的，用于两个及两个以上样本均数差
(完整版)三维信息系统模型数据标准(转)
三维信息系统模型数据标准 总则 为了提高规划审批决策的科学性、规范性和高效性，为规范廊坊市报建单位项目方案三维数据的提交，特制定本技术规定。 范围 本规范适用建筑新建方案、改扩建项目方案虚拟三维模型制作及项目周边现状建筑物三维模型制作。方案三维模型是指在行政审批环节中反映建设项目的建筑体量、建筑外形风格、小区环境及建筑布局的规划方案虚拟现实模型。建设项目方案虚拟实景三维模型必须与报建方案总平图包含内容一致。 空间参照系要求 建成的方案三维模型场景空间参照系必须与系统中所用平面坐标系统和高程系统相一致。 平面坐标系统：1980西安坐标系。 高程系统：1985国家高程基准。 三维模型总体要求 1.1制作软件： 3ds max9 1.2 模型单位：必须采用米（m）作为单位，所有模型必须按照实际尺寸制作且模型坐标必须定位准确，不得存在闪面及
漏面现象，模型的scale值为1。模型坐落位置坐标要与项目用地红线图、地形图一致。（整数部分：X坐标6位，Y坐标7位，小数点后保留3-6位） 1.3 模型要求：能够完整反映出三维模型的外观及楼体上的的附属结构，精度控制合理，在保证三维模型视觉效果的前提下，减少模型面数、数据量和材质数，做到数据的精简（单体建筑物模型面数控制在2500以内）。 三维模型具体要求 2.1模型制作位置的确定（坐标必须定位准确） 导入模型的边界dwg文件，最终完成的模型位置必须与给定的范围位置保持一致。 2.2材质和贴图 2.2.1使用standard标准材质，材质类型使用blinn。除diffuse通道后可加贴图其他通道不能加贴图，其他参数也不能调节，用max默认设置。 2.2.2不能在max材质编辑器里对贴图进行裁切。 2.2.3纹理图片的格式采用tif文件格式，纹理图片的单位尺寸必须采用2的n次方。例如：32x32，64x128等。但图片的最大尺寸不要超过512x512，最小尺寸不要小于16。纹理图片的命名不能含有空格。 2.2.4不能在材质编辑器中对材质的透明度进行调节。表现
大数据数据分析方法 数据处理流程实战案例
方法、数据处理流程实战案例时代，我们人人都逐渐开始用数据的眼光来看待每一个事情、事物。确实，数据的直观明了传达出来的信息让人一下子就能领略且毫无疑点，不过前提是数据本身的真实性和准确度要有保证。今天就来和大家分享一下关于方法、数据处理流程的实战案例，让大家对于这个岗位的工作内容有更多的理解和认识，让可以趁机了解了解咱们平时看似轻松便捷的数据可视化的背后都是有多专业的流程在支撑着。 一、大数据思维 在2011年、2012年大数据概念火了之后，可以说这几年许多传统企业也好，互联网企业也好，都把自己的业务给大数据靠一靠，并且提的比较多的大数据思维。 那么大数据思维是怎么回事？我们来看两个例子： 案例1：输入法 首先，我们来看一下输入法的例子。 我2001年上大学，那时用的输入法比较多的是智能ABC，还有微软拼音，还有五笔。那时候的输入法比现在来说要慢的很多，许多时候输一个词都要选好几次，去选词还是调整才能把这个字打出来，效率是非常低的。 到了2002年，2003年出了一种新的输出法——紫光拼音，感觉真的很快，键盘没有按下去字就已经跳出来了。但是，后来很快发现紫光拼音输入法也有它的问题，比如当时互联网发展已经比较快了，会经常出现一些新的词汇，这些词汇在它的词库里没有的话，就很难敲出来这个词。
在2006年左右，搜狗输入法出现了。搜狗输入法基于搜狗本身是一个搜索，它积累了一些用户输入的检索词这些数据，用户用输入法时候产生的这些词的信息，将它们进行统计分析，把一些新的词汇逐步添加到词库里去，通过云的方式进行管理。 比如，去年流行一个词叫“然并卵”，这样的一个词如果用传统的方式，因为它是一个重新构造的词，在输入法是没办法通过拼音“ran bing luan”直接把它找出来的。然而，在大数据思维下那就不一样了，换句话说，我们先不知道有这么一个词汇，但是我们发现有许多人在输入了这个词汇，于是，我们可以通过统计发现最近新出现的一个高频词汇，把它加到司库里面并更新给所有人，大家在使用的时候可以直接找到这个词了。 案例2：地图 再来看一个地图的案例，在这种电脑地图、手机地图出现之前，我们都是用纸质的地图。这种地图差不多就是一年要换一版，因为许多地址可能变了，并且在纸质地图上肯定是看不出来，从一个地方到另外一个地方怎么走是最好的？中间是不是堵车？这些都是有需要有经验的各种司机才能判断出来。 在有了百度地图这样的产品就要好很多，比如：它能告诉你这条路当前是不是堵的？或者说能告诉你半个小时之后它是不是堵的？它是不是可以预测路况情况？ 此外，你去一个地方它可以给你规划另一条路线，这些就是因为它采集到许多数据。比如：大家在用百度地图的时候，有GPS地位信息，基于你这个位置的移动信息，就可以知道路的拥堵情况。另外，他可以收集到很多
空间数据分析模型
第7 章空间数据分析模型 7.1 空间数据 按照空间数据的维数划分，空间数据有四种基本类型：点数据、线数据、面数据和体数据。 点是零维的。从理论上讲，点数据可以是以单独地物目标的抽象表达，也可以是地理单元的抽象表达。这类点数据种类很多，如水深点、高程点、道路交叉点、一座城市、一个区域。 线数据是一维的。某些地物可能具有一定宽度，例如道路或河流，但其路线和相对长度是主要特征，也可以把它抽象为线。其他的 线数据，有不可见的行政区划界，水陆分界的岸线，或物质运输或思想传播的路线等。 面数据是二维的，指的是某种类型的地理实体或现象的区域范围。国家、气候类型和植被特征等，均属于面数据之列。 真实的地物通常是三维的，体数据更能表现出地理实体的特征。一般而言，体数据被想象为从某一基准展开的向上下延伸的数，如 相对于海水面的陆地或水域。在理论上，体数据可以是相当抽象的，如地理上的密度系指单位面积上某种现象的许多单元分布。 在实际工作中常常根据研究的需要，将同一数据置于不同类别中。例如，北京市可以看作一个点（区别于天津），或者看作一个面 （特殊行政区，区别于相邻地区），或者看作包括了人口的“体”。 7.2 空间数据分析 空间数据分析涉及到空间数据的各个方面，与此有关的内容至少包括四个领域。 1）空间数据处理。空间数据处理的概念常出现在地理信息系统中，通常指的是空间分析。就涉及的内容而言，空间数据处理更多的偏重于空间位置及其关系的分析和管理。 2）空间数据分析。空间数据分析是描述性和探索性的，通过对大量的复杂数据的处理来实现。在各种空间分析中，空间数据分析是 重要的组成部分。空间数据分析更多的偏重于具有空间信息的属性数据的分析。 3）空间统计分析。使用统计方法解释空间数据，分析数据在统计上是否是“典型”的，或“期望”的。与统计学类似，空间统计分析与空间数据分析的内容往往是交叉的。 4）空间模型。空间模型涉及到模型构建和空间预测。在人文地理中，模型用来预测不同地方的人流和物流，以便进行区位的优化。在自然地理学中，模型可能是模拟自然过程的空间分异与随时间的变化过程。空间数据分析和空间统计分析是建立空间模型的基础。 7.3 空间数据分析的一些基本问题 空间数据不仅有其空间的定位特性，而且具有空间关系的连接属性。这些属性主要表现为空间自相关特点和与之相伴随的可变区域 单位问题、尺度和边界效应。传统的统计学方法在对数据进行处理时有一些基本的假设，大多都要求“样本是随机的”，但空间数据可能不一定能满足有关假设，因此，空间数据的分析就有其特殊性（David,2003 ）。