- 综合排序
- 最热优先
- 最新优先
- 来自专栏程序猿DD
每日一皮：中关村地铁站和普通地铁站的区别
细品！ 往期推荐 每日一皮：当我在处理别人的代码时... 每日一皮：产品经理的黑话，你听过几个？ 每日一皮：程序员的日常“黑话” 每日一皮：程序员的神逻辑... 每日一皮：鼓励师招到了，原来是这样的... 皮到了就点个在看呗 👇👇👇
35110编辑于 2023-04-17 - 来自专栏相约机器人
自制全息伦敦地铁站数据可视化
已经下载了几个开源数据集，决定使用伦敦地铁站和深度数据。
1.4K30发布于 2019-08-15 - 来自专栏工业数字孪生
西安智慧地铁站，图扑数字孪生新应用
水务层级能耗数据可视化根据现场水务施工的 CAD 图，对站内、站外管网水务设备进行图扑软件数字孪生建模，2D 面板显示站内的用水情况、水压信息、消防泵房的用水等数据。 安防层级安防可视化图扑软件借助 HT for Web 技术赋能，对地铁站内的设备监管进行数字化升级。将被动防御转为主动防御，及时发现车站内的异常人员，并进行劝退，保障其他乘客的生命安全。 支持人工点选查看设备信息，包括设备的运行状态、机器温度状态、故障异常信息显示、报警异常显示等信息，通过 2D 看板直观了解设备情况。 对地铁站安防、消防等系统的智慧管理，保障了乘客出行的安全。自动扶梯、照明设备的智慧管理不仅能减少能源消耗，还能带来舒适的出行体验，提高人们出行的获得感。 在西安、天津、广东、成都等城市都可以感受到智慧地铁站带给我们的便利，站内可视化大屏不仅能自助购票，还能帮助我们规划出行线路，带给我们更多的便利。
1.3K20编辑于 2022-09-16 - 来自专栏HT
基于HTML5 Canvas 实现地铁站监控
鉴于监控系统在国内的需求量较大，对于大范围的监控，如：地铁站，更是需要监控系统来防止意外的发生，我们今天来给大家介绍一下如何创建一个地铁站监控系统的前端部分。 http://www.hightopo.com/demo/metro/demo2.html 进入页面右键“审查元素”可查看例子源代码。 本例的动态效果如下： ? JSON 场景，并用 HT 封装的 DataModel.deserialize(json) 来反序列化，并将反序列化的对象加入 DataModel： ht.Default.xhrLoad('demo2. = dataModel.getDataByTag('fan2'); var camera1 = dataModel.getDataByTag('camera1'); var camera2 = dataModel.getDataByTag /3); camera2.setRotation(camera2.getRotation() + deltaRotation/3); camera3.setRotation(camera3
1.2K50发布于 2018-01-03 - 来自专栏工业数字孪生
图扑数字孪生地铁站，助力智慧出行
元宇宙站厅运用图扑软件自主研发引擎 HT for Web 渲染出地铁站的数字孪生体，以 CAD 图、现场照片、设备图片等为素材，制作地铁站的三维模型，1：1 还原地铁站内部各项设备。 图扑结合独到的图形数字技术实现的线上地铁站是线下地铁站的复现和升级。采用人工建模将线下物理设备搬至线上，突破空间限制，创造沉浸式体验，浏览者可足不出户获得亲临现场的全新感受。 所见即所得，720° 交互，可通过手机触摸操作浏览地铁站也可通过键盘 WSAD 操作。 利用图扑软件智慧地铁站解决方案将烟囱林立的数据系统进行整合，不仅能实现对乘客的语音购票指导、智能问询等功能，还能打通地铁站的各个专业系统，使各部门人员快速响应，实现车站的一体化、数字化管理。 图扑软件 HT 还支持视频融合，将 2D 视频图像融合到场景的 3D 模型中，为用户提供直观的视频图像和简单的视图控制。通过室内监控视频与三维场景叠加展示，可如临其境查看现场情况。
90020编辑于 2022-11-09 - 来自专栏HT
基于 Web 端 3D 地铁站可视化系统
，烟雾报警，电梯运行情况等等，帮助我们直观的了解当前的地铁站。 系统中为了帮助用户更直观友好的浏览当前地铁站，提供了三种交互模式： 第一人称模式 -- 操作就类似行人或车在行进的效果，可以通过键盘鼠标控制前进后退。 自动巡检模式 -- 该模式下用户不需要任何操作，场景自动前进后退来巡查当前地铁站的场景。 鼠标操作模式 -- 左键旋转场景，右键平移场景。 本篇文章通过对地铁站可视化场景的搭建，动画代码的实现，交互模式的原理解析，以及主要功能点的实现进行阐述，帮助我们了解如何使用 HT 实现一个简单的地铁站可视化。 ，三种交互模式为互斥的关系，以下是 3D 交互注册事件代码: 1 g3d.mi((e) = >{ 2 let { 3 g2d, 4 dm2d 5
83510编辑于 2022-05-10 - 来自专栏Python绿色通道
分析了3447个地铁站，发现了地铁命名的秘密
# 选取上海地铁站名字包含路的数据 df2 = df1[df1['station'].str.contains('路')] print(df2) 有210个，约占上海地铁的三分之二，路的七分之二。 # 选取重庆地铁站名字包含家的数据 df2 = df1[df1['station'].str.contains('家')] print(df2) 武汉共有17个，重庆共有20个。 (df2) 一共有21个城市，地铁站名包含门。 ('门')] print(df2) # 选取南京的地铁站 df1 = df_station[df_station['city'] == '南京'] # 选取南京地铁站名字包含门的数据 df2 = df1 ] # 选取西安地铁站名字包含门的数据 df2 = df1[df1['station'].str.contains('门')] print(df2) 输出如下。
76760发布于 2019-05-06 - 来自专栏数据森麟
183条地铁线路，3034个地铁站，发现中国地铁名字的秘密。
# 选取上海地铁站名字包含路的数据 df2 = df1[df1['station'].str.contains('路')] print(df2) 有210个，约占上海地铁的三分之二，路的七分之二。 # 选取重庆地铁站名字包含家的数据 df2 = df1[df1['station'].str.contains('家')] print(df2) 武汉共有17个，重庆共有20个。 (df2) 一共有21个城市，地铁站名包含门。 ('门')] print(df2) # 选取南京的地铁站 df1 = df_station[df_station['city'] == '南京'] # 选取南京地铁站名字包含门的数据 df2 = df1 ] # 选取西安地铁站名字包含门的数据 df2 = df1[df1['station'].str.contains('门')] print(df2) 输出如下。
65220发布于 2019-09-27 - 来自专栏HT
如何管好地铁站见新质生产力 | 图扑数字孪生
客流热力 利用 HT 数据可视化技术展示地铁站内乘客流动密度和分布情况，通过不同的颜色来表示地铁站内不同区域的客流量大小，从而直观呈现出乘客在地铁站内的聚集状况和流动趋势。 通过实时监测客流热力图，地铁站运营管理人员可以了解各时段乘客分布情况，及时调整地铁运力布局。 1）实时监控视频展示，根据地铁站 CAD 图在三维场景中摆放各摄像头点位图标，或对接各摄像头经纬度数据生成点位图标。点击图标以弹窗形式展示该摄像头实时监控视频。 2）电子巡更，在三维场景中标记地铁站中关键位置的巡更点，巡更点状态正常为绿色，异常为红色，鼠标悬浮将以标签的形式展示其对应的基本信息，在三维车站内进行巡更模拟，以第一人称视角同步当前巡更人员视角，规划巡更路线
54010编辑于 2024-04-13 - 来自专栏hightopo
基于 HTML5 WebGL 的地铁站 3D 可视化系统 顶
，烟雾报警，电梯运行情况等等，帮助我们直观的了解当前的地铁站。 系统中为了帮助用户更直观友好的浏览当前地铁站，提供了三种交互模式： 第一人称模式 -- 操作就类似行人或车在行进的效果，可以通过键盘鼠标控制前进后退。 自动巡检模式 -- 该模式下用户不需要任何操作，场景自动前进后退来巡查当前地铁站的场景。 鼠标操作模式 -- 左键旋转场景，右键平移场景。 本篇文章通过对地铁站可视化场景的搭建，动画代码的实现，交互模式的原理解析，以及主要功能点的实现进行阐述，帮助我们了解如何使用 HT 实现一个简单的地铁站可视化。 '); // 隐藏摄像头 2d 面板 g2d.isVisible(cameraPanel) && cameraPanel.s('2d.visible', false);
1.4K30发布于 2019-05-10 - 来自专栏CDA数据分析师
爬取183条地铁线路，3034个地铁站，发现中国地铁名字的秘密...
# 选取上海地铁站名字包含路的数据 df2 = df1[df1['station'].str.contains('路')] print(df2) 有210个，约占上海地铁的三分之二，路的七分之二。 # 选取重庆地铁站名字包含家的数据 df2 = df1[df1['station'].str.contains('家')] print(df2) 武汉共有17个，重庆共有20个。 (df2) 一共有21个城市，地铁站名包含门。 ('门')] print(df2) # 选取南京的地铁站 df1 = df_station[df_station['city'] == '南京'] # 选取南京地铁站名字包含门的数据 df2 = df1 ] # 选取西安地铁站名字包含门的数据 df2 = df1[df1['station'].str.contains('门')] print(df2) 输出如下： ?
1.6K30发布于 2019-05-09 - 来自专栏HT
H5 + WebGL 实现的地铁站 3D 可视化系统
，烟雾报警，电梯运行情况等等，帮助我们直观的了解当前的地铁站。 系统中为了帮助用户更直观友好的浏览当前地铁站，提供了三种交互模式： 第一人称模式 -- 操作就类似行人或车在行进的效果，可以通过键盘鼠标控制前进后退。 自动巡检模式 -- 该模式下用户不需要任何操作，场景自动前进后退来巡查当前地铁站的场景。 鼠标操作模式 -- 左键旋转场景，右键平移场景。 本篇文章通过对地铁站可视化场景的搭建，动画代码的实现，交互模式的原理解析，以及主要功能点的实现进行阐述，帮助我们了解如何使用 HT 实现一个简单的地铁站可视化。 (e) = >{ 2 let { 3 g2d, 4 dm2d 5 } = this; 6 // 为点击类型 7 if (e.kind
92320发布于 2019-11-12 - 来自专栏HT
基于 HTML5 WebGL 的地铁站 3D 可视化系统
，烟雾报警，电梯运行情况等等，帮助我们直观的了解当前的地铁站。 系统中为了帮助用户更直观友好的浏览当前地铁站，提供了三种交互模式： 第一人称模式 -- 操作就类似行人或车在行进的效果，可以通过键盘鼠标控制前进后退。 自动巡检模式 -- 该模式下用户不需要任何操作，场景自动前进后退来巡查当前地铁站的场景。 鼠标操作模式 -- 左键旋转场景，右键平移场景。 本篇文章通过对地铁站可视化场景的搭建，动画代码的实现，交互模式的原理解析，以及主要功能点的实现进行阐述，帮助我们了解如何使用 HT 实现一个简单的地铁站可视化。 (e) = >{ 2 let { 3 g2d, 4 dm2d 5 } = this; 6 // 为点击类型 7 if (e.kind
1K20发布于 2019-09-29 - 来自专栏华章科技
183条地铁线路，3034个地铁站，发现中国城市地名的秘密
# 选取上海地铁站名字包含路的数据 df2 = df1[df1['station'].str.contains('路')] print(df2) 有210个，约占上海地铁的三分之二，路的七分之二。 # 选取重庆地铁站名字包含家的数据 df2 = df1[df1['station'].str.contains('家')] print(df2) 武汉共有17个，重庆共有20个。 (df2) 一共有21个城市，地铁站名包含门。 ('门')] print(df2) # 选取南京的地铁站 df1 = df_station[df_station['city'] == '南京'] # 选取南京地铁站名字包含门的数据 df2 = df1 ] # 选取西安地铁站名字包含门的数据 df2 = df1[df1['station'].str.contains('门')] print(df2) 输出如下。
90431发布于 2019-05-09 - 来自专栏拓端tecdat
Python地铁站点客流量预测：随机森林极限梯度提升回归器XGBoost|数据分享
本文将通过展示地铁站点客流量预测，并结合一个Python随机森林极限梯度提升回归器XGB实例的代码数据，为读者提供一套完整的实践数据分析流程。 数据可视化结果： 12月1日-12月7日地铁站点日客流量预测结果： 由十二月份一号到七号的预测数据画出的图表观察得出，站点135与137的客流量普遍较高，地铁工作人员应该在人流量多的站点多安排值班人员进行巡逻 特别的，图中12月7号147站点出现不同寻常的高峰客流量，考虑意外因素等情况造成的客流量增多，这一天我们可以提前预警并采取相应的安保措施，保证当天地铁站点的秩序。 此外，我们将verbosity设置为2，以便在训练过程中获得详细的输出，并将n_jobs设置为-1，以利用所有可用的处理器核心。 y_predictions = tpot.predict(X_test) r2 = sklearn.metrics.r2_score(y_test, y_predictions) mae = sklearn.metrics.mean_absolute_error
1.1K10编辑于 2024-08-12 - 来自专栏崔哥的专栏
基于redis的geo类型实现“附近的xx”功能
', 'id'=>1, 'long'=>116.495676, 'lat'=>39.908789], ['name'=>'2北京大望路地铁站', 'id'=>2, 'long'=>116.475835 查询 $r = $redis->geoRadiusByMember('list', 1, 1800, 'km', [ 'count' => 100, // 'store'=>'list2' ', $start, ($start + $max) - 1, true);//分数升序，取全部 var_dump(array_keys($r)); //todo:cw where id in(1,2) $j=[ ['name'=>'1北京四惠地铁站', 'id'=>1, 'long'=>116.495676, 'lat'=>39.908789], ['name'=>'2北京大望路地铁站 ', 'id'=>2, 'long'=>116.475835, 'lat'=>39.908278], ['name'=>'3北京国贸地铁站', 'id'=>3, 'long'=>116.459729
49530编辑于 2022-12-13 - 来自专栏万物皆可联
科技新模式｜轨道交通可视化运维，远程监控也能智慧把守
可视化等名词在我们现在信息化和数字化的大背景下已经是耳熟能详，日常生活的交通，出行，吃穿等可能都可以用信息化的方式来为我们表达，在传统的可视化监控领域，一般都是基于 Web SCADA 的前端技术来实现 2D ，视频监控，烟雾报警，电梯运行情况等等，帮助我们直观的了解当前的地铁站。 监控功能展示及介绍 1.视频监控 当点击场景中的摄像头之后右侧顶部会显示出当前摄像头的监控画面: 2.烟雾报警监控 烟雾报警会根据后台实时传递过来的状态值来变换当前烟雾报警模型的颜色，红色为报警状态: 4.场景监控交互 3D 场景中交互是比较简单的，主要是点击摄像头展示 2D 监控面板，在 2D 界面中主要是切换三种交互模式，三种交互模式为互斥的关系。 当然地铁站还可以与 VR 进行结合，在各地科技展会中我们可以见到各种 VR 场景操作，HT 中也可以结合 VR 设备进行操作，可以戴上设备在地铁站中漫游，让人有身临其境的感觉，由于场景本身的轻量化，所以
1.1K5446发布于 2020-09-03 - 来自专栏算法修养
CSU 1808 地铁 （Dijkstra）
ICPCCamp 有 n 个地铁站，用 1,2,…,n 编号。 如果乘坐第 i 段地铁来到地铁站 s，又乘坐第 j 段地铁离开地铁站 s，那么需要额外花费 |ci-cj | 分钟。注意，换乘只能在地铁站内进行。 Bobo 想知道从地铁站 1 到地铁站 n 所需要花费的最小时间。 Input 输入包含不超过 20 组数据。 每组数据的第一行包含两个整数 n,m (2≤n≤105,1≤m≤105). 保证存在从地铁站 1 到 n 的地铁线路（不一定直达）。 Output 对于每组数据，输出一个整数表示要求的值。 Sample Input 3 3 1 2 1 1 2 3 2 1 1 3 1 1 3 3 1 2 1 1 2 3 2 1 1 3 1 10 3 2 1 2 1 1 2 3 1 1 Sample Output
86880发布于 2018-04-27 - 来自专栏可以叫我才哥
北上广深合租房图鉴(自如篇)
18 1.合租房源基本情况 2.单间大小和房租分布 3.月租与房间大小、地铁站距离关系 4.北上广州地铁站房源最多的点 5.北上广深房源分布(map) 1.合租房源基本情况 我们爬取了自如北上广深合计 平均房租高达2,932元的北京，有26.38%的房源租金在2,500-2,999之间。 相比之下，广州有43,12%的房源租金低于1,500元，简直“羡慕”。 而上海和深圳则比较接近，大部分租金都在2,000-2,499之间！ ? 3.月租与房间大小、地铁站距离关系 当然了，房间面积越大房租越高嘛。 当距离地铁站距离在1km以内时，房租和地铁站距离之间似乎也并没有太大关系，毕竟步行都是10分钟以内吧。当距离地铁站距离超过1km之后，距离地铁站距离越近其月租便会明显上涨了。 ? 4.北上广州地铁站房源最多的点 在北京，顺义站附近的房源最多，不过由于顺义比较偏，其租金其实并不高。
1.3K40发布于 2021-08-05 - 来自专栏Datawhale专栏
基于Dijkstra算法的武汉地铁路径规划！
1.数据爬取 首先是需要获得武汉各个地铁的地铁站信息，通过爬虫爬取武汉各个地铁站点的信息，并存储到xlsx文件中 武汉地铁线路图，2021最新武汉地铁线路图，武汉地铁地图-武汉本地宝wh.bendibao.com 如果要做路径规划的话，我们还需要知道地铁站的位置信息 因此我们选择了高德地图的api接口 2.高德地图api接口配置 高德开放平台 | 高德地图 APIlbs.amap.com? /subway.xlsx',index=False) 4.得到地铁站之间的距离并构建图 计算各个地铁站的信息，并生成地铁站网络 现在我们得到了地铁站的经度和纬度 可以通过geopy.distance这个包来计算 =open('graph.pkl','wb') pickle.dump(graph,output) 5.得到当前位置距离最近的地铁站 我们要去找距离最近的地铁站 首先是获得位置的坐标 然后将当前的坐标遍历所有地铁站 找到最近的地铁站 longitude1,latitude1=get_location(site1,'武汉') longitude2,latitude2=get_location(site2,'武汉')
1.6K20发布于 2020-12-18
腾讯云开发者
Copyright © 2013 - 2026 Tencent Cloud. All Rights Reserved. 腾讯云 版权所有
深圳市腾讯计算机系统有限公司 ICP备案/许可证号：粤B2-20090059 
粤公网安备44030502008569号
腾讯云计算（北京）有限责任公司 京ICP证150476号 | 京ICP备11018762号