Avstand og peiling: LuckyTemplates geospatial analyse

Denne opplæringen tar sikte på å diskutere hvordan man beregner avstand og peiling i LuckyTemplates og hvordan man effektivt kan bruke dem for.

Du kan finne mange avstandsberegninger på nettet. For denne demonstrasjonen vil jeg bruke et forenklet eksempel på en løsning jeg trengte å bygge for et av mine forsyningskjedenettverksprosjekter.

Jeg viser også beregningen av den rette linjeavstanden fra et leveringsdepot til servicesteder.

Her har jeg en slicer for å velge en avstand ved hjelp av en. Dette tillater dynamisk analyse av kundene, flyter, vekt, inntekter og enhver annen verdi innenfor den valgte avstanden.

Storsirkelavstandsberegningen også kjent som Haversine- formelen er kjernemålet for denne opplæringen. Hvis du mestrer denne teknikken, kan du takle alle nødvendige avstander og peiling.  

Selv om jeg foretrekker å gjøre de fleste beregninger i Power Query, er det nødvendig å bruke et DAX-mål når du trenger å analysere dataene dynamisk basert på den valgbare avstanden.

Hvis tilgjengelig, kan den faktiske avstanden være det foretrukne alternativet. Du vil imidlertid ikke trenge dette i mange tilfeller, da den rette linjeavstanden vil være tilstrekkelig. 

Google eller Bing API kan brukes til å legge til avstanden i Power Query for både den faktiske og rettlinjede avstanden. Det er en god praksis å ha flere verktøy i den geospatiale verktøykassen. Imidlertid vil ikke bruk av API til LuckyTemplates bli diskutert i denne opplæringen. 

Innholdsfortegnelse

• Forstå scenariet
• Analyserer datasettet for avstand og peiling
• Avstand og peileberegning: Opprette demodataene
• Legge til kolonnene
• Peiling og orientering
• R Skript for beregning av avstand og peiling
• Legge til kartbilder
• Konklusjon

Forstå scenariet

Jeg ble bedt om å hjelpe til med tildeling av pakkeskap til nærmeste bedrift til bedrift til serviceingeniørers hjemmeadresser.

Serviceingeniørene jobbet i forhåndsdefinerte arbeidsområder som kunne endre seg over tid og startet den jobben hjemmefra.

Over natten skjedde påfylling av hastereservedeler til pakkeskapene. Morgenen etter skulle ingeniøren hente reservedelene fra pakkeskapet på vei til arbeidsområdet sitt. 

Normalt bruker jeg GIS (Geographic Information System) programvare for å gjøre denne typen analyser. Men nå skal jeg prøve å gjøre det med LuckyTemplates for å få en dynamisk allokeringsmodell. Jeg brukte også både rettlinjeavstanden og peileberegninger. 

I  GIS brukes peilingsvinkel for navigasjon eller retning. I dette eksemplet la jeg til peilingen som er konvertert til en retning ( Orientering ) fordi avstanden i seg selv ikke tilbyr den fullstendige løsningen. 

Det nærmeste pakkeskapet kan være plassert i motsatt retning fra arbeidsområdet. Så jeg ønsket å vise retningen også.

Dette gjør det mulig å begrense utvalget for skaptildelingen basert på tilsvarende geografiske overskrifter med arbeidsområdet. 

Som et eksempel er arbeidsområdet nord for hjemmet hans. Så den foretrukne plasseringen av pakkeskapet bør være i samme retning. 

Analyserer datasettet for avstand og peiling

I dette forenklede eksemplet omfatter datasettet adresser i Nederland og de gratis pakkeoppbevaringsstedene.

Denne inneholder kolonner for breddegrad og lengdegrad (til og fra ) , Depot , Navn , Delerverdi og Etterspørsel .

Ved siden av den innledende tabellen er de beregnede kolonnene og avstandsberegningene i Excel. Først regnet jeg ut radianene.

Deretter laget jeg de faktiske avstandsberegningene for både miles og kilometer ved hjelp av radianer og Haversine -formelen. 

Avstand og peileberegning: Opprette demodataene

Beregningene for peilingen resulterer i utgangspunktet i et desimaltall i grader. Så jeg må konvertere dette til noe mer praktisk.

Jeg opprettet en tabellkolonne med gradene fra 1-360. Jeg har også lagt til en kolonne for retningene i henhold til kompasset.

Dessuten la jeg til en SORT- kolonne for å sortere retningene med klokken i LuckyTemplates.

Etter det lastet jeg sourceNL- datasettet og orienteringstabellen i Power Query.

La oss ta en titt på sourceNL -tabellen.

Legge til kolonnene

Først la jeg til en indekskolonne . Når jeg gjør transformasjoner i editoren, legger jeg til en indekskolonne enten for referanse eller for sortering.

Deretter rundet jeg bredde- og lengdegraden til 4 sifre , noe som er viktig i større datasett. Ved å gjøre dette vil den returnere en nøyaktighet på 11 meter som fortsatt er nok.

Av hensyn til dette eksemplet har jeg lagt til hvert trinn i en egen beregnet kolonne for å vise kartet. Jeg regnet ut radianene til bredde- og lengdegradsverdiene, akkurat som det jeg gjorde i Excel.

Deretter brukte jeg Haversine- formelen for å beregne avstandene både i miles og kilometer.

Peiling og orientering

For peilingen er beregningen en annen formel som jeg tok fra nettet. Jeg justerte den litt for å passe til formålene mine for dette. 

I utgangspunktet er denne beregningen i radian. Det er helt ubrukelig. Så jeg må konvertere den.

Dette er pre-steget for lager . Dette er for å konvertere radianene til neste trinn i beregningen min.  

For neste trinn endret jeg de negative tallene og korrigerte dem ved å bruke denne beregningen.

Etter det rundet jeg peilingen for å få et helt tall.

Jeg slettet kolonnene Bearing (rad) , Bearing pre og Bearing . Deretter ga jeg nytt navn til Naar boven afronden-kolonnen til Bearing Roundup .

Jeg kan nå slå sammen kolonnen Bearing Roundup i denne tabellen med BEARING- kolonnen fra Orientation- tabellen.

Ved å gjøre dette vil jeg kunne få retningen.

Nå har jeg kolonnene for peiling ( Bearing Roundup ) og retning ( Orientation_Direction ) som jeg skal bruke for neste modell.

Her er resultatet i Power Query.

R Skript for beregning av avstand og peiling

For denne vil jeg bruke en løsning med et R-skript . Dette er et datasett med de beregnede avstandene i miles og kilometer.

Jeg kjører dette R-skriptet som er mye kortere og renere enn formlene.

Etter å ha kjørt R-skriptet har jeg nå 3 tabeller.

Her er utgangen. Jeg rundet det også av.

Som du kan se, er resultatene for R-skriptberegningen og Excel-beregningen like. 

Legge til kartbilder

Til slutt vil jeg legge til en visuell visning til sluttresultatet.

For å gjøre det, gjentok jeg trinnene i a. Jeg lastet tabellen med de 3 plasseringene. Jeg lastet også Orientation- tabellen og datasettet ( seleksjon NL ) med Sort -kolonnen. Så slo jeg sammen kolonner for Orienteringen .

Dette fullfører den endelige modellen.

Konklusjon

I denne rapporten har jeg valgt å vise retningen kunden har sett. Du kan snu dette eller vise begge i rapporten, avhengig av dine preferanser. Alt som trengs er å bytte fra og til bredde- og lengdegrad i beregningen.

Forhåpentligvis bidro denne opplæringen til en bedre forståelse av avstanden og peilingsberegninger generelt.

Sjekk ut koblingene nedenfor for flere eksempler og relatert innhold.

Jubel!

Paul