【2016Esri全球用户大会主题亮点】GIS Apps的交响乐

Esri推出超30款跨领域Apps,分为外业、办公与社区应用,涵盖工作分配、路径规划、数据采集及分析等功能。通过联合使用,可提升团队协作效率。
部署运行你感兴趣的模型镜像

截至目前,Esri已推出了超过30个服务于不同领域的Apps,很多人已经开始使用,通过各种各样的apps将我们聚集在组织周围,就像由各种乐师组成了交响乐队一样,当一种乐器独奏时很动听,但当它们合奏起来就成了美妙的交响乐。


大家看到上面的图会不会觉得这些图形摆放得像手风琴的按键,大会的演讲人将apps定义成不同类型的乐器,每一种都能演奏出动人的旋律,同样的,我们的Apps在不同的领域都可以出色的解决相应的问题。

这些apps根据应用领域的不同划分为三类:外业、办公和社区应用,下面就来看看这些apps如何组合应用的。

 

1、   外业应用

外业领域apps包括WorkForce、Navigator、Collector、Survey123和Drone2Map,野外工作时可以将这几个apps结合应用,例如我们利用WorkForce分配工作并了解工作人员的状态,外业人员可以通过它获得任务;


在执行外业工作时,人员需要Navigator进行路径规划,可以使用自己的带有具体地点和路线的细粒度数据;


对于数据的获取,我们有三个利器,Collector可以在地图中添加数据,Survey123支持智能手机端的数据录入,Drone2Map是一个全新的app,它可将无人机获取的影像处理为2D或3D产品载入到我们的平台中。


2、   办公应用

办公相关的app非常丰富,这些apps让我们更好的浏览和理解地理信息,首先,专业的GIS应用程序ArcMap和ArcGIS Pro可以制作丰富的高质量的地理信息产品。


第二类是可视化应用,包括ArcGISEarth、Explore和Operations Dashboard,可用于可视化2D、3D以及各种监测状态数据。


第三类是关于分析的应用,包括Insights、Maps for Office、Business Analyst等。


第四类是设计相关的应用,包括Maps for Adobe CC、CityEngine、GeoPlanner,Maps for Adobe CC可将众多精美的地图带到设计工作流中,而CityEngine和GeoPlanner让设计师更好的规划和设计城市。

 3、 社区应用

在社区应用中共享信息非常重要,个人可以使用StoryMap和Configurable Apps来进行分享,如果你是政府工作人员,还可以使用OpenData发布权威的地图。

我们还有众多的apps实现组织中众包,如Photo Survey,这些应用可以提高大众参与程度,使组织决策更高效。


4、应用构建器

利用ConfigurableApps、StoryMap、Web AppBuilder和AppStudio,你无需写一行代码就可以搭建自己的应用。


Esri提供了大量的通用的、专业的以及具有行业特点的apps服务于用户,这些apps是完全开放的资源,客户或者合作伙伴可以从中提取资源订制自己的应用。

当你将apps联合起来应用你就联合了众多组织中不同部门的人群,帮助他们更加高效协作起来,共同演奏一场辉煌的音乐会。

 欢迎关注我们的极客说了解更多



您可能感兴趣的与本文相关的镜像

AutoGPT

AutoGPT

AI应用

AutoGPT于2023年3月30日由游戏公司Significant Gravitas Ltd.的创始人Toran Bruce Richards发布,AutoGPT是一个AI agent(智能体),也是开源的应用程序,结合了GPT-4和GPT-3.5技术,给定自然语言的目标,它将尝试通过将其分解成子任务,并在自动循环中使用互联网和其他工具来实现这一目标

基于数据驱动的 Koopman 算子的递归神经网络模型线性化,用于纳米定位系统的预测控制研究(Matlab代码实现)内容概要:本文围绕“基于数据驱动的 Koopman 算子的递归神经网络模型线性化,用于纳米定位系统的预测控制研究”展开,提出了一种结合数据驱动方法与Koopman算子理论的递归神经网络(RNN)模型线性化方法,旨在提升纳米定位系统的预测控制精度与动态响应能力。研究通过构建数据驱动的线性化模型,克服了传统非线性系统建模复杂、计算开销大的问题,并在Matlab平台上实现了完整的算法仿真与验证,展示了该方法在高精度定位控制中的有效性与实用性。; 适合人群:具备一定自动化、控制理论或机器学习背景的科研人员与工程技术人员,尤其是从事精密定位、智能控制、非线性系统建模与预测控制相关领域的研究生与研究人员。; 使用场景及目标:①应用于纳米级精密定位系统(如原子力显微镜、半导体制造设备)中的高性能预测控制;②为复杂非线性系统的数据驱动建模与线性化提供新思路;③结合深度学习与经典控制理论,推动智能控制算法的实际落地。; 阅读建议:建议读者结合Matlab代码实现部分,深入理解Koopman算子与RNN结合的建模范式,重点关注数据预处理、模型训练与控制系统集成等关键环节,并可通过替换实际系统数据进行迁移验证,以掌握该方法的核心思想与工程应用技巧。
基于粒子群算法优化Kmeans聚类的居民用电行为分析研究(Matlb代码实现)内容概要:本文围绕基于粒子群算法(PSO)优化Kmeans聚类的居民用电行为分析展开研究,提出了一种结合智能优化算法与传统聚类方法的技术路径。通过使用粒子群算法优化Kmeans聚类的初始聚类中心,有效克服了传统Kmeans算法易陷入局部最优、对初始值敏感的问题,提升了聚类的稳定性和准确性。研究利用Matlab实现了该算法,并应用于居民用电数据的行为模式识别与分类,有助于精细化电力需求管理、用户画像构建及个性化用电服务设计。文档还提及相关应用场景如负荷预测、电力系统优化等,并提供了配套代码资源。; 适合人群:具备一定Matlab编程基础,从事电力系统、智能优化算法、数据分析等相关领域的研究人员或工程技术人员,尤其适合研究生及科研人员。; 使用场景及目标:①用于居民用电行为的高效聚类分析,挖掘典型用电模式;②提升Kmeans聚类算法的性能,避免局部最优问题;③为电力公司开展需求响应、负荷预测和用户分群管理提供技术支持;④作为智能优化算法与机器学习结合应用的教学与科研案例。; 阅读建议:建议读者结合提供的Matlab代码进行实践操作,深入理解PSO优化Kmeans的核心机制,关注参数设置对聚类效果的影响,并尝试将其应用于其他相似的数据聚类问题中,以加深理解和拓展应用能力。
评论
成就一亿技术人!
拼手气红包6.0元
还能输入1000个字符
 
红包 添加红包
表情包 插入表情
 条评论被折叠 查看
添加红包

请填写红包祝福语或标题

红包个数最小为10个

红包金额最低5元

当前余额3.43前往充值 >
需支付:10.00
成就一亿技术人!
领取后你会自动成为博主和红包主的粉丝 规则
hope_wisdom
发出的红包
实付
使用余额支付
点击重新获取
扫码支付
钱包余额 0

抵扣说明:

1.余额是钱包充值的虚拟货币,按照1:1的比例进行支付金额的抵扣。
2.余额无法直接购买下载,可以购买VIP、付费专栏及课程。

余额充值