- 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HT
基于 Web 端 3D 地铁站可视化系统
可视化场景，该 3D 场景从正面展示了一个地铁站的现实场景，包括地铁的实时运行情况，地铁上下行情况，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。 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。 预览地址：基于 HTML5 WebGL 的地铁站 3D 可视化系统 http://www.hightopo.com/demo/ht-subway/ 界面简介及效果预览 地铁运行效果 地铁从站外开到站内的效果为透明度逐渐增加
83510编辑于 2022-05-10 - 来自专栏hightopo
基于 HTML5 WebGL 的地铁站 3D 可视化系统 顶
可视化场景，该 3D 场景从正面展示了一个地铁站的现实场景，包括地铁的实时运行情况，地铁上下行情况，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。 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。 预览地址：基于 HTML5 WebGL 的地铁站 3D 可视化系统 http://www.hightopo.com/demo/ht-subway/ 界面简介及效果预览 地铁运行效果 ?
1.4K30发布于 2019-05-10 - 来自专栏HT
H5 + WebGL 实现的地铁站 3D 可视化系统
可视化场景，该 3D 场景从正面展示了一个地铁站的现实场景，包括地铁的实时运行情况，地铁上下行情况，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。 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。 预览地址：基于 HTML5 WebGL 的地铁站 3D 可视化系统 http://www.hightopo.com/demo/ht-subway/ 界面简介及效果预览 地铁运行效果 ?
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
可视化场景，该 3D 场景从正面展示了一个地铁站的现实场景，包括地铁的实时运行情况，地铁上下行情况，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。 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。 预览地址：基于 HTML5 WebGL 的地铁站 3D 可视化系统 http://www.hightopo.com/demo/ht-subway/ 界面简介及效果预览 地铁运行效果 ?
1K20发布于 2019-09-29 - 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。 http://www.nationalarchives.gov.uk/doc/open-government-licence/version/3/ D3.js实施 最棘手的部分是构建可视化。 选择使用D3.js并创建四个SVG，所有SVG都显示相同的数据，但旋转形成一个正方形的每一边。从浏览器捕获下面的图像，以不同的投影角度渲染所有四个数据集。 ? D3.js可视化显示0度，90度，180度和270度的相同数据 想将D3.js用于表示层的原因是为了提供与数据交互的功能，而以前在Pepper's Ghost 在线上看到的只是演示视频。 最后结果 可以在以下链接 https://penguinstrikes.github.io/content/pepper_ghost/index.html 上查看D3.js可视化，但需要自己的查看器才能看到效果
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
图扑软件应用自研 HT 产品，结合 3D 建模技术为南瑞集团构建的一套轻量化西安地铁数字化综合运维解决方案。 和 3D 的无缝融合等技术优势，在 GIS 系统中对海量的 POI 数据、交通流量数据、规划数据，现状数据等进行多样化的可视化展示。 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。 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
人防成本高：现在很多地方想到安全就想到要雇佣保安，每个保安每个月 800，每天 3 班倒，一班人员一年就需要将近 4 万元，相比于电子安防设备成本并不便宜，而且使用电子安防设备几年内就不太需要更换。 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。 Math.PI / 180 * 0.1; lastTime = time; fan1.setRotation(fan1.getRotation() + deltaRotation*3) () + deltaRotation/3); camera2.setRotation(camera2.getRotation() + deltaRotation/3); camera3. setRotation(camera3.getRotation() + deltaRotation/3); if (time - stairTime > 500) { stairIndex
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
Web3.0 时代将会更多的通过三维内容进行传播，图扑软件基于 WebGL 自主开发的 3D 引擎，占用内存小，浏览速度快。 在沉浸式 3D 地铁站中可以实现任意点位漫游、任意放大缩小、虚拟 IP 人物沉浸式巡检；还可以通过鼠标、键盘和手柄进行操作，支持 24 小时随时随地查看，可根据己方需求呈现各类酷炫的 3D 交互效果和灯光效果 图扑软件支持将 BIM 建筑数据叠加到 3D 场景中，也支持将 BIM 模型叠加到地图场景中，实现 BIM + GIS 的结合展示。 乘客点击智能大屏可以获取车站地理信息、车站周边信息、车站站厅 3D 结构、车站服务设施信息等，还可以进行换乘查询，高效规划出行路线。 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Python绿色通道
分析了3447个地铁站，发现了地铁命名的秘密
北京10号线第一，重庆3号线第二。 还是蛮怀念北京1张票，2块钱地铁随便做的时候。 可惜好日子一去不复返了。 去除重复换乘站数据。 减少了近400个地铁站。 接下来看一下哪个城市地铁站最多。 def create_door(door): """ 生成柱状图 """ attr = [j for j in door['city'][:3]] v1 = [j for j in door['line'][:3]] bar = Bar("地铁站最爱用“门”命名的城市", title_pos='center', title_top='18', width 具体的地铁站名数据。
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。
北京10号线第一，重庆3号线第二。 ? ? 还是蛮怀念北京1张票，2块钱地铁随便做的时候。 可惜好日子一去不复返了。 去除重复换乘站数据。 减少了近400个地铁站。 ? 接下来看一下哪个城市地铁站最多。 def create_door(door): """ 生成柱状图 """ attr = [j for j in door['city'][:3]] v1 = [j for j in door['line'][:3]] bar = Bar("地铁站最爱用“门”命名的城市", title_pos='center', title_top='18', width 具体的地铁站名数据。
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
车站监控 基于 BIM 技术的图扑智慧车站 3D 可视化更是将车站管理提升到了一个新的高度。通过 BIM 技术，可以构建出车站的详细三维模型，包括站台、站厅、设备以及站内房间等各个部分。 在此基础上，利用图扑 3D 可视化技术，可以将车站关键设备的监测数据以直观、生动的形式展示在一体化网页中。运维人员只需通过网页，就能实时掌握设备的运行状态、性能参数等信息，从而做出及时、准确的决策。 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。
54010编辑于 2024-04-13 - 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...
北京10号线第一，重庆3号线第二。 ? ? 还是蛮怀念北京1张票，2块钱地铁随便做的时候。 去除重复换乘站数据。 减少了近400个地铁站。 ? 接下来看一下哪个城市地铁站最多。 def create_door(door): """ 生成柱状图 """ attr = [j for j in door['city'][:3]] v1 = [j for j in door['line'][:3]] bar = Bar("地铁站最爱用“门”命名的城市", title_pos='center', title_top='18', width 具体的地铁站名数据。
1.6K30发布于 2019-05-09 - 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
北京10号线第一，重庆3号线第二。 ? ? 还是蛮怀念北京1张票，2块钱地铁随便做的时候。 可惜好日子一去不复返了。 去除重复换乘站数据。 ，相较新周刊中3447个地铁站数据，减少了近400个地铁站。 def create_door(door): """ 生成柱状图 """ attr = [j for j in door['city'][:3]] v1 = [j for j in door['line'][:3]] bar = Bar("地铁站最爱用“门”命名的城市", title_pos='center', title_top='18', width 具体的地铁站名数据。
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。 （3）神经网络回归模型构建示例代码如下： #导入神经网络回归模块MLPRegressor。 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。 traffic_volume'].values, random_state=None) exported_pipeline = XGBRegressor(learning_rate=0.1, max_depth=3,
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
这里假设要实现的是“附近的地铁站”功能，key为list，member为地铁站id 首先，你需要在redis里维护一个geo的列表（本质上是sorted set），当每个地铁站的经纬度有更新时，就使用 , 'lat'=>39.908278], ['name'=>'3北京国贸地铁站', 'id'=>3, 'long'=>116.459729, 'lat'=>39.908432], ['name geoRadiusByMember('list', 1, 1800, 'km', [ 'count' => 100, // 'store'=>'list2', 'storedist'=>'list3' WITHHASH' ]); $page=$_GET['page']; $max=$_GET['max']; $start = ($page-1) * $max; $r=$redis->zRange('list3' , 'lat'=>39.908278], ['name'=>'3北京国贸地铁站', 'id'=>3, 'long'=>116.459729, 'lat'=>39.908432], ]; $arr
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
本系统采用图扑软件 （Hightopo，以下简称 HT） 的 HT for Web 产品来构造轻量化的 3D 可视化场景，该 3D 场景从正面展示了一个地铁站的现实场景，包括地铁的实时运行情况，地铁上下行情况 ，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。 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。 总结 工业互联网将人，数据和机器连接起来，地铁站 3D 可视化系统则是一个很好的展现，HT 的轻量化，数据的可视化，机器的可视化，资产的管理化帮助我们更好的监控。 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 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。不过当房间大小超过20-30平米区间的时候，房租似乎并没有涨上去哦~ ? 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 - 来自专栏可以叫我才哥
Python爬取自如北京2.3万条租房信息，发现快租不起房子了
希望大家都能有属于自己的房子~ 06 1.概述 2.数据采集-爬虫 2.1.房屋信息解析 2.2.房屋价格解析 3.数据处理-清洗 3.1.房屋名称数据清洗 3.2.房间信息数据清洗 3.3.位置信息数据清洗 3.1.房屋名称数据清洗 对于我们来说，“合租·李村东里3居室-北卧”其实包含了类型、小区、户型和卧室朝向等信息，需要进行分拆。 ·(.*)(\d居*室.*)-(.*)',x)[3]) df['卧室朝向'] = df['房屋名称'].apply(lambda x : re.split(r'(.*?) 层',x)[3]) ? 解析后获得的新数据 3.3.位置信息数据清洗 在位置信息中记录的是 小区距离地铁站的距离，我们需要的元数据是 地铁站和距离数字，同样也需要进行分拆。 5.5.房源距离地铁站距离直方图 其实大部分的房源距离最近地铁站步行距离较近，1000米以内。绝大多数的房源距离最近地铁站直线距离在1.5公里，感觉步行到地铁站也就15分钟以内。 ?
1.3K30发布于 2021-08-05
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