tr.geologyidea.com
Daha

PostGIS, psql ile çalışmıyor mu?

PostGIS, psql ile çalışmıyor mu?


We are searching data for your request:

Forums and discussions:
Manuals and reference books:
Data from registers:
Wait the end of the search in all databases.
Upon completion, a link will appear to access the found materials.


Birkaç tablo, bir tetikleyici ve bir tetikleyici işlevi oluşturan bir sql betiğim var. "Sorgu" bölümünde çalıştırdığımda tüm komutlar pgAdmin'de çalışıyor. Amacım, tüm bu komutları bir komut dosyasına koymak, böylece veritabanını herhangi bir makinede nispeten kolay ve hızlı bir şekilde kurabilirim. Komut dosyasını psql üzerinden çalıştırmayı denediğimde, kullanmaya çalıştığım tüm satırlarda aşağıdaki hataları alıyorumCoğrafyatürleri:

HATA: "coğrafya" türü mevcut değil

Mantıklı değil çünkü aynı sorguları kopyalayıp pgAdmin'in sorgu düzenleyicisine yapıştırabiliyorum ve gayet iyi çalışıyor. psql, PostGIS'i desteklemiyor mu? Veya belki de PostGIS'in en yeni sürümü olan 1.5.3 değil, yeni sürümü içerir.Coğrafyatürler? Bunu düzeltmek için yapabileceğim bir şey var mı?

Sorgularımdan birine bir örnek:

CREATE TABLE source_imagery ( id SERIAL PRIMARY KEY, image_type VARCHAR(1000), image_path VARCHAR(1000), border GEOGRAPHY(POLYGON, 4326), image_time TIMESTAMP, Catalog_time TIMESTAMP DEFAULT CURRENT_TIMESTAMP );

Hata mesajı:

HATA: "coğrafya" türü mevcut değil SATIR 5: sınır GEOGRAPHY(POLYGON, 4326), ^

PGAdmin, coğrafya türünü içeren işlemlerde kesinlikle başarılı oluyorsa, o zaman sadece psql ve PgAdmin'in gerçekten aynı veritabanına bağlı olduğundan emin olmayı önerebilirim. psql tarafından bildirilen hata sunucudandır, psql sadece habercidir. psql'yi çağırdığınızda uzamsal olarak etkinleştirilmiş bir veritabanı mı belirtiyorsunuz? Değilse, bkz. http://postgis.net/docs/postgis_installation.html#templatepostgis


Hata mesajı, istemciden değil, veritabanı sunucusundan gelir (sizin durumunuzda psql). Bağlandığınız veritabanının coğrafya türü yok. Önce PostGIS'i bu veritabanına kurun veya PostGIS'in zaten kurulu olduğu bir veritabanına bağlanın.


Linux (psql) tüm veritabanlarını listelemez, ancak pgadmin listeler

Veritabanlarının listesini psql komut satırında görüntülediğimde 4 veritabanının listesini görüyorum:

Ancak pgAdmin'de veritabanlarını görüntülediğimde.. Görmek istediğim veritabanlarını görüyorum:

  1. myDatabase
  2. postgres
  3. şablon0
  4. şablon1
  5. myDatabase2
  6. myDatabase3
  7. myDatabase4

Bu nasıl mümkün olabilir? Tüm veritabanlarının sahibi aynı "postgres"


Çözüm

Dizine, dizin oluşturmada ST_Force2D işlevini kullanarak, geom'u zaten 2B olarak kullanan kayıtlarını sıralamasını söyleyebilirsiniz, böylece veritabanının sorgu zamanında yapmasına gerek kalmaz:

ST_Force2D'yi CREATE INDEX'te çıkarmazsanız, daha sonra WHERE yan tümcesinde kullanmadığınız sürece benzer bir etkiye sahip olacaktır. Uzun lafın kısası: sütunların indekslenme şekli ve nasıl sorgulandıkları eşleşmelidir, aksi takdirde indeks muhtemelen kullanılmayacaktır.

Cevaplayan: Anonim

İlgili Makaleler

Sorumluluk Reddi: Bu içerik, yaratıcı ortak lisans cc-by-sa 3.0 kapsamında paylaşılmaktadır. StackExchange Web Sitesi Ağı'ndan oluşturulur.


Yöntemler

Katılımcılar

Katılımcılar, Washington Eyaleti Ruhsatlandırma Departmanı kayıtlarından toplanan, toplum temelli bir yetişkin ikiz örneğinden geldi. Ayrıntılı bir açıklama başka bir yerde mevcuttur [28]. Örneklem, Seattle, WA çevresindeki dört ilçe Puget Sound bölgesinde yaşayan ikiz çiftlerin 2497 bireysel üyesinden oluşuyordu (nüfus 3.3 milyon 2600 km 2 [1000 mi 2 ]) (Şekil 1). Adresler ve sosyodemografik bilgiler, boy, kilo, genel sağlık, genel tıbbi durumlar ve yaşam tarzı davranışları ile ilgili öğeler dahil olmak üzere anket verileri, Mayıs 2010 ile Temmuz 2012 arasında uygulanan bir Sağlık ve Refah anketinden alınmıştır. Anket, bir Twin Registry kayıt anketini takip etmiştir ve 11.822 Sicil üyesine gönderildi. Bu çalışma için yalnızca Puget Sound bölgesinde yaşayanlar seçildiğinde yanıt oranı %74 idi. Katılımcılar, anketin tamamlanmasının bir parçası olarak yazılı bilgilendirilmiş onay verdi ve tüm çalışma prosedürleri Washington Üniversitesi kurumsal inceleme kurulu tarafından onaylandı.

Çalışmadaki 2497 katılımcının yerleşim yerlerini gösteren dört Puget Sound bölgesi ilçesinin haritası. Ek, nüfus sayımı sistemine göre yerleşim birimi yoğunluklarının arka planına karşı Seattle Şehri'ni yakınlaştırır (US Census ACS 2016). Kesin katılımcı XY konumları, kimliksizleştirme amacıyla ± 1 km rastgele bir değerle titreştirildi (bazı katılımcıların konumlarının neden Washington Gölü'nde gösterildiğini açıklıyor)

Fiziksel aktivite ve sosyodemografik önlemler

MVPA ve yürüme olmak üzere iki farklı fiziksel aktivite türünü değerlendirdik. MVPA iki anket sorusundan elde edilmiştir: (1) “Son 4 hafta içinde, tipik bir hafta içinde kaç gün boyunca en az 20 dakika şiddetli egzersiz yaptınız? Ağır egzersiz aşırı terlemeye veya nefes almada veya kalp atış hızında büyük artışlara neden olur ve koşma, kucak yüzme, aerobik dersleri ve hızlı bisiklete binme gibi aktiviteleri içerir” ve (2) “Son 4 hafta içinde, tipik bir haftada kaç gün yaptınız? En az 30 dakika boyunca orta derecede egzersiz yapın? Orta düzeyde egzersiz, yalnızca hafif terlemeye veya solunum veya kalp atış hızında hafif ila orta dereceli artışlara neden olur ve tempolu yürüyüş, zevk için bisiklete binme, golf ve dans gibi aktiviteleri içerir. Kombine şiddetli ve orta şiddette egzersizin haftalık dakika sayısı (20 dakika şiddetli egzersiz × gün sayısı) + (30 dakika orta düzeyde egzersiz × gün sayısı) olarak hesaplandı. Analizler için MVPA, önerilen fiziksel aktivite eşiği olan haftada <150 ve ≥ 150 dakika olarak ikiye ayrıldı [2, 29].

Yürüme iki soruyla değerlendirildi: (1) “Tipik bir haftada kaç gün rekreasyon, egzersiz yapmak, bir yerlere gidip gelmek veya mahallenizdeki başka herhangi bir nedenle yürüyorsunuz?” ve (2) “Mahallenizde yürüdüğünüzde, her yürüdüğünüzde ortalama olarak yaklaşık kaç dakika yürüyorsunuz?” Dakika cinsinden yanıt seçenekleri, < 15, 15, 30, 45, 60, 75 ve > 90'ı içeriyordu. Soru, yanıtlayıcıların her tür yürüyüşü, tempolu veya gündelik, aynı zamanda faydacı veya eğlenceyi içerebilecekleri şekilde ifade edildi. onların değerlendirmesi. Haftalık yürüyüş dakika sayısı (gün sayısı × her seferinde ortalama yürüyüş dakika sayısı) olarak hesaplandı. Katılımcılar “15 dakikadan az” veya “90 veya daha fazla” dakika yanıtladığında, ortalama dakika sayısı için hesaplama sırasıyla 10 veya 90 kullandı. Analizler için yürüyüş de haftada < 150 ve ≥ 150 dk olarak ikiye ayrıldı.

Sosyodemografik değişkenler yaş, cinsiyet, ırk (Beyaz ve Beyaz olmayan), eğitim düzeyi (lise mezunu, lise mezunu veya genel denklik diploması, bazı kolej ve Lisans veya üstü) ve geçmişteki toplam hane geliriydi. yıl (< 20.000–29.999$30.000–39.999$40.000–49.999$50.000–59.999$60.000–69.999$70.000–79.999$ ve ≥ 80.000$).

BE değişkenleri

Yapılı çevre değişkenleri, önceki çalışmaların genel olarak yürüyüş ve fiziksel aktivite ile ilişkilendirdiği dört alandan geldi: bölgesel bağlam, mahalle kompozisyonu, destinasyonlar ve ulaşım [17, 30, 31]. Bölgesel bağlam arazi (yani eğim) açısından tanımlandı, çünkü Puget Sound bölgesi özellikle tepelik ve Seattle'da değil, çünkü Seattle en büyük, en yoğun gelişmiş şehri olduğu için yaşıyor. Mahalle kompozisyonu için değişkenler, konut birimlerinin ve işlerin yoğunluğunu, mahalle ticaret merkezlerinin varlığını ve konut mülk değerlerini içeriyordu. Destinasyonlar alt kategorilere ayrıldı: gıda kaynakları (ör. bakkallar, restoranlar), perakende satış ve hizmet (ör. genel mallar, sağlık merkezleri), spor ve fitness tesisleri (ör. takım veya solo sporlar), açık alan (ör. parklar) , ve eğitim tesisleri (örneğin, okullar). Ulaşım, hem altyapıyı (örn. caddeler, kavşaklar) hem de trafik koşullarını (örn. araç trafiği hacimleri, otobüs yolculuğu) içeriyordu. BE değişkenlerinin listesi ve ilgili önlemler Ek dosya 1'de sunulmuştur.

Bölgesel arazi eğimi, USGS Ulusal Yükseklik Veri Kümesinden alınmıştır (NED 1/3 yay-saniye raster verileri, 2012). Mahalle kompozisyonu verileri, Puget Sound'un dört ilçesindeki denetçinin vergi parseli verilerinden geldi: King (2010), Snohomish (2009), Pierce (2009) ve Kitsap (2009). İstihdam verileri, Urban Form Laboratory (UFL) ekibi tarafından geliştirildi [32]. Fitness, hizmetler ve perakende için gıda kaynakları ve tesislerine ilişkin veriler ticari satıcı InfoUSA'dan (2011) geldi ve UFL tarafından sınıflandırıldı [33]. Park verileri, UFL (2012) tarafından ilçe ve yerel yargı verilerine dayalı olarak geliştirilmiştir [34]. Okul verileri, Ulusal Eğitim İstatistikleri Merkezi'nden geldi [35]. Sokaklar ve kavşaklar OpenStreetMap verilerinden türetilmiştir (https://www.openstreetmap.org/#map=5/51.500/-0.100 2015). Trafik hacimleri ve bisiklet tesisleri Puget Sound Bölge Konseyi'nden geldi (http://www.psrc.org/data/transportation/bikeped-data 2006). Otobüs yolcuları (2010, 2011) bölgenin toplu taşıma acentelerinden geldi.

BE önlemler

Yaygın olarak kullanılan iki yarıçap, ev mahallesini tanımladı [10, 30, 31, 36, 37]. Yakın mahalle, ev parselinden 833 m (0,5 mil) uzaklıkta, 10 dakikalık bir yürüme mesafesine karşılık gelir ve 1666 m (1 mil), 20 dakikalık bir yürüyüş içinde genişletilmiş mahalleyi tanımlar. “Sosis” ağı, yakalanan maruz kalma alanlarını arabelleğe alır [36]. Tamponlar, önce her bir davalının ev parselinin 833 m ve 1666 m'si içinde geçilebilen sokak bölümleri belirlenerek, ardından sokak merkez çizgilerinin 100 m'si içindeki alanlar belirlenerek ve tampon içindeki boşluklar doldurularak oluşturulur.

Her BE değişkeni için alınan ölçüler, sayı (örneğin, konut birimleri, bireysel varış noktaları, otobüs yolcuları), uzunluk (örneğin sokaklar), alan (örneğin parklar), yoğunluk (örneğin, mahalledeki konut birimlerinin brüt yoğunluğu) içermektedir. , mahallenin konut parsellerindeki net konut yoğunluğu) ve katılımcıların evlerinden en kısa rota mesafesi. 86 başlangıç ​​BE önlemi vardı. Bölgesel bağlam alanı 2 değişkenli 2 ölçüye sahipti, mahalle kompozisyon alanı 5 değişkenli 13 ölçüye sahipti, destinasyonlar alanı 41 değişkenli 56 ölçüye ve ulaşım alanı 5 değişkenli 15 ölçüye sahipti (Ek dosya 1). OpenStreetMap'e dayalı olarak, ağ arabelleği ve mesafe ölçümleri, R 2.15.3'te programlı sarmalayıcılar kullanılarak PostgreSQL 9.3.8 ve PostGIS 2.1.3'te (PostGIS Geliştirme Grubu, 2008) hesaplanmıştır.

Coğrafi kodlama

InfoUSA varış noktası verilerinden (ayrıntılar için Ek dosya 1'e bakın) ikizlerin ev adresleri ve yemek işletmeleri, fitness ve spor tesisleri, genel hizmetler ve perakende işletmeleri, StreetMapUSA Premium (http: //www.esri.com/data/streetmap 2014). İkizlerin adresleri için, %60'ı 100'lük bir eşleşme puanı kullanılarak bir binanın çatı noktasıyla eşleştirildi, %20'si sokak adresi enterpolasyonuyla ve %20'si manuel olarak eşleştirildi. InfoUSA destinasyonları için, minimum 60 coğrafi kodlama eşleşme puanı, yiyecek destinasyonlarının %36'sının manuel coğrafi kodlamasını gerektiriyordu (n = 8293), fitness destinasyonlarının %33'ü (n = 1550) ve perakende satış noktalarının %37'si (n = 7534). %3'ten daha azı eşsiz kaldı.

Analizler

Tanımlayıcı istatistikler ortalama, standart sapma ve aralık veya yüzde olarak hesaplandı. Tahmin modelleri, iki ayrı sonuç olarak MVPA ve yürümeyi ve yakın komşuluk (833 m) ve genişletilmiş komşuluk (1666 m) içindeki BE değişkenlerini öngörücü olarak kullandı. Dört modelin tümü, yordayıcı olarak sosyodemografik değişkenleri içeriyordu. Tüm analizler ikizleri tekil olarak ele aldı ve gerektiğinde ikiz çiftler içindeki korelasyonları kontrol etti.

Modelleme dört adımdan oluşuyordu. İlk olarak, BE değişkenlerinin sayısını azaltmak için, ilk 86 ölçü, Pearson korelasyon katsayıları kullanılarak iki komşuluk boyutundaki iki sonuç değişkeni ile ilişkilendirildi. Korelasyonlar küçüktü ve dört modelin her biri için ilk 25 ölçü (korelasyon katsayısı > 0.09) korundu. Değişkenler daha sonra çoklu bağlantı için test edildi ve yüksek korelasyonlu değişkenlerden sadece biri (> 0.8) modellere dahil edilmek üzere tutuldu. Modellere girilen BE değişkenlerinin son sayısı modele bağlı olarak 9 ile 16 arasında değişmektedir.

İkinci olarak, Hosmer ve Lemeshow uyum iyiliği testini [38] kullanarak sürekli ve kategorik formları karşılaştırarak bağımsız değişkenler için en uygun formu değerlendirdik. Sonuç olarak, alternatif formların tahmin yeteneğini geliştirmediğini bulduk ve basitlik için sosyodemografik ve BE değişkenlerini sürekli formda tuttuk. İstisnalar, katılımcıların evlerinden en yakın BE özelliğine (örneğin, gençlik veya solo spor tesisleri) olan mesafeyi ölçen BE değişkenleriydi ve bu değişkenler, örneklemin büyük bir kısmını (%25-37) korumak için kategorize edilmesi gerekiyordu. 1666 m genişletilmiş mahalleden daha büyük mesafeler. Kategorize edilen mesafe değişkenleri sürekli formda modellenmiştir.

Veriler, sırasıyla tahmin modellerini geliştirmek ve yapay olarak yüksek model uyumu tahminlerinden kaçınarak model uyumunu belirlemek için eğitim ve doğrulama veri kümelerine bölünmüştür. İkiz çiftlerin üçte ikisi eğitim veri seti için ve üçte biri doğrulama veri seti için rastgele seçildi. Bireylerin değil ikiz çiftlerin kullanılması, eğitim ve doğrulama veri kümelerinin birbirinden bağımsız olmasını sağladı.

Üçüncüsü, geriye doğru eleme yaklaşımı, dört modelin her birine dahil edilecek ve “indeks değişkenleri” dediğimiz şeyi oluşturacak en iyi bağımsız değişken alt kümesini oluşturdu. İlk lojistik regresyon modeli, tüm sosyodemografik ve BE değişkenlerini içeriyordu. En büyük olan değişken P değer daha sonra kaldırıldı ve kalan tüm tahmin ediciler elde edilene kadar model yinelemeli olarak yeniden sığdı. P değerler ≤ 0,20 (geleneksel 0,05 eşiği, uygun öngörücüleri bulma gücünü azaltabilir). Bu dört faktör fiziksel aktivite ve yürüme ile geniş ölçüde ilişkili olduğundan, yaş ve cinsiyet, eğitim veya gelir veya her ikisi ile birlikte modellere dahil edildi [17]. Ne eğitim ne de gelir olmasaydı P ≤ 0.20, ardından en düşük olan değişken P değer yer aldı. Kümelenmiş sağlam standart hatalar, ikiz çift içindeki korelasyon nedeniyle varyans tahminlerini uygun şekilde şişirmeye hizmet etti.

Dördüncüsü, doğrulama veri setindeki uygunluk testi ve alıcı işletim karakteristiği (ROC) eğrilerini kullanarak en iyi alt küme modelini değerlendirdik. ROC eğrisi veya C-istatistiği (0.0–1.0) altındaki alan kullanıldı, burada 0,5, rastgele şansın ötesinde hiçbir tahmin yeteneği göstermedi ve 1.0, güçlü tahmin kabiliyetini gösterdi. En iyi alt küme modelinin ROC eğrisi, en iyi alt küme modelinin tahmin yeteneğinde önemli ölçüde farklılık gösterip göstermediğini belirlemek için yalnızca sosyodemografik değişkenleri içeren bir modelle karşılaştırıldı. Tüm analizlerde Stata/SE 12.1 (College Station, TX) kullanılmıştır.


Web haritalarını kullanırken, sizi katman içindeki özelliklerin kapsamına göre otomatik olarak yakınlaştıran katmanları mı yoksa görünümünüzü ayarlamayan katmanları mı tercih edersiniz?

Şu anda, içindekiler tablosunun nasıl çalışması gerektiği konusunda hararetli tartışmalar yaptığımız bir web haritası tasarlayan bir ekiple çalışıyorum.

Referans olarak, bu tamamen özel olarak oluşturulmuş bir uygulamadır, bu nedenle işlevsellik açısından istediğimizi yapmakta hemen hemen özgürüz. Verilerin kapsamı, daha küçük bir katmandaki yaklaşık 5 mil kareden orta büyüklükteki bir şehri kapsayana kadar değişmektedir.

İçindekiler tablosunda bir katmanı açmanın, katmanın kapsamına yakınlaştırması ve tüm özellikleri çizmesi gerektiğini düşünen bir koşul var. Onların argümanı, kullanıcının katman içindeki tüm özelliklerden haberdar olmasını sağlamanın önemli olduğudur.

Karşı taraf, bir katman değiştirildiğinde yakınlaştırma / uzaklaştırma yaparak kullanıcı deneyiminin olumsuz etkilendiğini düşünüyor. Kullanıcıların aynı anda birden fazla katmanı etkinleştirme olasılığının olup olmadığını belirlemek için bazı pazar araştırması sürecindeyiz.

Hem özellikle yukarıda açıklandığı gibi hem de genel olarak, bu yardımcının ToC tasarımı hakkındaki görüşünün ne olduğunu merak ediyorum -- insanların bir haritanın ToC'sinde gerçekten sevdiği şeyler ve insanların nefret ettiği şeyler nelerdir?



Yorumlar:

  1. Aibne

    Bu çok değerli bir görüş.

  2. Lorne

    Bir tanrı tarafından bilinir!

  3. Gladwin

    Bence o yanlış. Bunu kanıtlayabiliyorum. Bana PM'de yaz, tartış.

  4. Macnachtan

    Eşsiz tema, benim için ilginç :)

  5. Doura

    remarkably, the very valuable idea

  6. Ramsden

    Harika bir mesaj, beğendim :)



Bir mesaj yaz