Agrupando os recursos de ponto WGS84 (aspectos de transformação de projeção)
We are searching data for your request:
Upon completion, a link will appear to access the found materials.
Minha pergunta é bastante trivial e foi discutida muitas vezes antes (como aqui), mas em nosso caso ela tem os confusos requisitos extras ...
A lista de feições de ponto 2d esparsamente distribuídas é armazenada na tabela Postgis. Os pontos são descritos com o par de coordenadas geográficas (lat, lon) (WGS84, srid = 4326). Esses dados são passados pelo Django ORM para o software de clustering a fim de determinar os locais com alta densidade de pontos. E parece que este software (ainda não escolhido, mas obviamente deveria ser scipy ou scikit-learn) consome apenas dados puros (mas não uma matriz de distância).
Portanto, isso é um problema, porque no nosso caso
- somos obrigados a limitar o diâmetro do cluster com uma determinada quantidade de métrica unidades (por exemplo, menos de 10 quilômetros), enquanto nossos dados contêm apenas as unidades geográficas WGS84;
- é impossível projetar nossos dados WGS84 para qualquer projeção zonal UTM, uma vez que os dados são amplamente distribuídos por todo o hemisfério (e não há nenhuma projeção UTM "global" pelo que eu sei).
Agora estou procurando uma abordagem que possa atender aos requisitos mencionados e produzir os clusters com os recursos desejados (consulte o item 1) para dados WGS84 fornecidos.