Mehr

Ist es möglich, die Länge jedes Segments mit dem Openlayers Measure Control anzuzeigen?


Ich versuche, ein OpenLayers-Messwerkzeug zu erstellen, das die Länge jedes Segments über jedem Segment und die Gesamtlänge der Messung wie unten gezeigt anzeigt:

Ich habe dieses Beispiel verwendet http://openlayers.org/dev/examples/measure.html. Ich kann im Beispiel sehen, dass die erstellte Geometrie ein großer LineString ist.

Daher war mein allgemeiner Gedanke, das Measure-Steuerelement dazu zu bringen, für jeden Benutzerklick außer dem ersten ein neues Liniensegment (LineString) zu erstellen, dann ein Attribut mit der Segmentlänge hinzuzufügen und es mit dem Label-Parameter im Stil anzuzeigen.

Aber ich weiß nicht, ob es mit dem aktuellen Design der Maßnahmensteuerung kollidiert oder ob dies der richtige Ansatz für mein Problem ist?

Alle Kommentare oder Anleitungen wären dankbar.


Deine Vorschläge klingen gut. Außerdem verfügt jedes Geometrieobjekt über eine distanceTo()-Funktion, die wie folgt verwendet werden kann:

Geometrie.AbstandTo(andereGeometrie)

BEARBEITEN:

Nach weiterem Nachdenken und Testen des Beispiels denke ich, dass es für Sie am einfachsten ist, eine neue Ebene zu Beschriftungszwecken hinzuzufügen. Möglicherweise eine Ebene von nur Punkten, für die Sie labelXOffset und labelYOffset auf die Hälfte des Abstands zwischen jedem Punkt in Ihrer Messlinie setzen würden. Aber ich glaube nicht, dass Sie die Etiketten drehen können.

Schauen Sie sich an, wie dieses Messwerkzeug ist, es ist wahrscheinlich das Beste, was Sie tun können: http://chamaps.com/watervliet/

Schau dir an, wie er es macht: http://chamaps.com/watervliet/js/map.js

var lineStyle = new OpenLayers.Style(); lineStyle.addRules([ new OpenLayers.Rule({ Symbolizer: linemeasureStyles })]); var linemeasureStyleMap = new OpenLayers.StyleMap({ "default": lineStyle }); var length = new OpenLayers.Control.Measure(OpenLayers.Handler.Path, { displaySystem: "english", geodesic: true, persist: true, handlerOptions: { layerOptions: { styleMap: linemeasureStyleMap } }, textNodes: null, callbacks: { create: function () { this.textNodes = []; layerRuler.removeFeatures(layerRuler.features); mouseMovements = 0; }, modify: function (point, line) { if (mouseMovements++ < 5) { return; } var len = line.geometry.components.length; var from = line.geometry.components[len - 2]; var to = line.geometry.components[len - 1]; var ls = new OpenLayers.Geometry.LineString([von, bis ]); var dist = this.getBestLength(ls); if (!dist[0]) { return; } var total = this.getBestLength(line.geometry); var label = dist[0].toFixed(2) + " " + dist[1]; var textNode = this.textNodes[len - 2] || null; if (textNode && !textNode.layer) { this.textNodes.pop(); textNode = null; } if (!textNode ) { var c = ls.getCentroid(); textNode = new OpenLayers.Feature.Vector( new OpenLayers.Geometry.Point(cx , c.y), {}, { label:", fontColor: "#FF0000", fontSize: "14px", fontFamily: "Arial", fontWeight: "bold", labelAlign: "cm" }); this.textNodes.push(textNode); layerRuler.addFeatures([textNode]); } textNode.geometry.x = (von.x + bis.x) / 2; textNode.geometry.y = (von.y + bis.y) / 2; textNode.style.label = Label; textNode.layer.drawFeature(textNode); this.events.triggerEvent("measuredynamic", { measure: dist[0], total: total[0], units: dist[1], order: 1, Geometrie: ls }); } } });

hatte das gleiche Problem und fand keine Tools, die mir die Lösung geben würden, also habe ich den LineString genommen (der nicht der ist)Feature, aber die Geometrie des Features =>Merkmal.Geometrie), holen Sie sich die Scheitelpunkte und speichern Sie sie in einem Array (Punkte)

function onFeatureSelectLineString(event) { var feature = event.feature; var Punkte = feature.geometry.getVertices();

Ich speichere dann alle Daten aus dem Segment, die ich für relevant halte (Entfernung, Geschwindigkeit, Start- / Endzeiten [meine ist eine Tracking-Anwendung]) in einem zweidimensionalen ArraysegmentdataArray[segmentCount][Attribut]oder, wenn Sie nur Abstand wollen,segmentdataArray[segmentCount]. Abhängig von der Gesamtpunktzahl kann es notwendig sein, Daten im Array zu speichern (wenige Punkte, keine Mühe, ein wenig Overhead ist kein ernsthaftes Problem).

var segmentdataArray = new Array(points.length-1); for (var i=0;i<(points.length);i++) { //ersten Punkt überspringen segmentdataArray[i-1] = point[i-1].distanceTo(point[i-1]); // starte bei segmentdataArray[0] }

Jetzt, da wir unsere Daten haben, müssen wir wissen, auf welches Segment der Benutzer geklickt hat. Leider habe ich keine native Methode, Funktion oder Eigenschaft gefunden, die diese Informationen liefert (bitte korrigieren Sie mich bitte, wenn ich falsch liege).

Mein Ansatz bestand darin, die aktuelle Mausposition in "globalen" Variablen (außerhalb deklariert) zu speichernFunktion init(), verfügbar für alle Javascript-Funktionen in diesem Skript).

var mouseLat, mouseLon;

einmal drinnenonFeatureSelect()Funktion, erzeuge ich einen Punkt aus global lat + lon (Mausposition beim Klicken, der CLOSE TO ist, aber nicht unbedingt AUF dem LineString) und berechne dieEntfernungNachdie LineString-Geometrie

var clickPoint = new OpenLayers.Geometry.Point(mouseLon, mouseLat); // kürzeste Entfernung vom angeklickten Punkt zur LineString-Geometrie var distance = feature.geometry.distanceTo(clickPoint);

Ich erstelle dann einen 4-seitigen, "quadratischen" LineString*lineStringTempum den Mausklick und schneiden (splitMIT) das OriginalMerkmal.Geometrie(Linienzeichenfolge). Das Ergebnis einer Aufteilung ist ein Null-Array (wenn sich die Geometrien nicht berühren) oder ein Array mit mindestens 2 Geometrien, aber normalerweise 3 Linienfolgen, da meine Box den ursprünglichen LineString in 2 große Linienfolgen und eine sehr kleine, die "innerhalb" ist, aufteilt mein Quadrat.

var splitFeatures = feature.geometry.splitWith(lineStringTemp);

Wenn Ihre Box zu groß ist, haben Sie mehr als 3 Segmente, eines wird für jeden zusätzlichen Punkt erstellt, an dem sich beide Geometrien schneiden. Sie können Zeit in die Ergebnisüberprüfung investieren oder auch nicht (mit einem kleineren Kästchen erneut aufteilen, wenn Sie als Ergebnis einer Aufteilung mehr als 4 Geometrien erhalten).

In 99% der Fälle reicht ein Quadrat um den Mausklickpunkt mit einer Seitenlänge von 1,42 mal ("spiel mit deinen Dreiecken, euklid") des kleinsten Abstands zwischen Mausklick und Linienzug gut aus. Das einzige Problem ist, dass Sie die Entfernung in Grad umrechnen müssen, um dieses Quadrat erstellen zu können.

Breitengrade sind parallel und der Abstand zwischen jedem Grad beträgt immer 111,2 km. Was den Längengrad angeht, kann 1 Grad Länge 9000+ km am Äquator darstellen, im Gegensatz zu einigen Zentimetern, wenn man "auf" einem der Pole (Nord oder Süd) steht.

// Abstand zwischen Grad Lat = 111,2 km (konstant - Lats sind parallel zueinander) var latDegreeKm = 111,2; // Abstand zwischen Grad Lon variieren (viel kleiner näher an den Polen) var pointTemp = new OpenLayers.Geometry.Point((mouseLon+1), mouseLat); var lonDegreeKm = pointTemp.distanceTo(clickPoint); // 1,42:1 = ungefähres Verhältnis zwischen Beinen / Hypothenuse in gleichschenkligem Rechteck (90-45-45) Dreieck var degreeLat = 1,42 * distance / latDegreeKm; var GradLon = 1,42 * Distanz / lonDegreeKm; var lineStringTemp = new OpenLayers.Geometry.LineString([ new OpenLayers.Geometry.Point((mouseLon+lonDegreeKm), (mouseLat+degreesLat)), new OpenLayers.Geometry.Point((mouseLon-lonDegreeKm), (mouseLat+degreesLat)) , new OpenLayers.Geometry.Point((mouseLon-lonDegreeKm), (mouseLat-degreesLat)), new OpenLayers.Geometry.Point((mouseLon+lonDegreeKm), (mouseLat-degreesLat)) ]);

Ich nehme dann die erste geteilte Linienfolge (splitFeatures[0]) und zählen seine Punkte. Ich weiß jetzt, wo die Trennung stattfand (PunkteTemp.Länge - 2ist der hinweis aufsegmentdataArray[], wenn Sie es verwenden, in diesem Beispiel bin ich es nicht)

var splitFeatures = feature.geometry.splitWith(lineStringTemp); if (splitFeatures) { var attribute = {name: "FirstSegment", type: "LineString"}; var pointsTemp = splitFeatures[0].getVertices(); var PunkteTempCount = PunkteTemp.Länge; var lineStringSegment = new OpenLayers.Geometry.LineString([points[pointsTempCount-2], points[pointsTempCount-1] ]); var lineStringSegmentLength = lineStringSegment.getLength(); var featureTemp = new OpenLayers.Feature.Vector(lineStringSegment, Attribute); //var featureTemp = new OpenLayers.Feature.Vector(splitFeatures[0], Attribute); // Alternate teilt Linienzug und zeigt den ersten Teil LayerTemp.addFeatures(featureTemp); content += "

 Segmentlänge: "+lineStringSegmentLength+"
 splitFeatures count: "+splitFeatures.length+"

 featureTemp.geometry: "+featureTemp.geometry+"

 feature.geometry: "+ Merkmal.Geometrie; popup = new OpenLayers.Popup.FramedCloud("chicken", featureTemp.geometry.getBounds().getCenterLonLat(), new OpenLayers.Size(100,100), content, null, true, onFeatureUnselect); popup.setBackgroundColor('weiß'); featureTemp.popup = popup; map.addPopup (Popup); } Else { alert( "kein SPLIT OCCURED"); }

Achtung, wenn Sie mit dem Teilen und Anzeigen von Linien beginnen, erhalten Sie ein Array mit Geometrien, die in Features konvertiert werden müssen, bevor sie auf einem Layer platziert und auf der Karte angezeigt werden, wie oben in:

var featureTemp = new OpenLayers.Feature.Vector(splitFeatures[0], Attribute); layerTemp.addFeatures(featureTemp);

Hinweis 2 selbst: siehe Code zMapaAlunosCaminho06a.php


Einfluss von Prompt Timing und Meldungen eines Audio-Navigationssystems auf das Fahrverhalten auf einer Stadtautobahn mit fünf Ausfahrten

Führen Sie ein Fahrsimulatorexperiment durch, um das Timing von Navigationsaufforderungen und Navigationsaufforderungsmeldungen zum Fahrverhalten auf einer Stadtautobahn mit fünf Ausfahrten zu untersuchen.

Der psychologische Zustand des Fahrers und der Betrieb des Fahrzeugs wurden durch die prompten Timings und Nachrichten beeinflusst.

Zwischen promptem Timing und prompten Meldungen des Systems bestand ein Interaktionseffekt, der die Wirkung auf den psychologischen Zustand des Fahrers und den Fahrzeugbetrieb anpasste.

Die auf dem Fahrsimulator basierenden Erkenntnisse bilden die Grundlage für die Entwicklung einheitlicher Richtlinien für Audio-Navigationsübertragungen.


Die nachrichtenbasierte Architektur von ALE umfasst drei Schichten:

Anwendungsschicht. Diese Schicht bietet ALE eine Schnittstelle zu R/3, um Nachrichten mit Daten an oder von externen (oder anderen R/3-)Systemen zu erzeugen oder zu empfangen.

Verteilungsschicht. Die Verteilungsschicht filtert und konvertiert Nachrichten, die Daten basierend auf vordefinierten oder benutzerdefinierten Regelsätzen enthalten. Diese Konvertierungen können erfolgen, um die Kompatibilität zwischen verschiedenen Releases von R/3 und R/2 sicherzustellen.

Kommunikationsschicht. Die ALE-Kommunikation erfolgt sowohl synchron als auch asynchron. Synchrone Nachrichtenübertragungen werden typischerweise zum direkten Lesen von Steuerdaten verwendet, während asynchrone Nachrichtenübertragungen zum Senden oder Empfangen von Anwendungsdaten verwendet werden. Es ist auch möglich, einen Pseudo-Echtzeit-Austausch von Anwendungsdaten mit transaktionalen Remote Function Calls (tRFC) zu erreichen, auf die ich später in dieser Artikelserie näher eingehen werde.

ALE-Szenarien lassen sich in drei Kategorien einteilen: Stammdaten, Bewegungsdaten und Steuerdatenverteilung. Obwohl die zugrunde liegenden Prinzipien für die verschiedenen Kategorien gleich sind, gibt es Unterschiede in ihren Funktionen und Konfigurationen. SAP liefert über 200 ALE-Szenarien aus, und damit gibt es ungefähr 200 Anwendungsbereiche, die die ALE-Technologie für die Datenverteilung oder -kommunikation nutzen können. Eine Teilmenge dieser Szenarien wird von R/3 für Electronic Data Interchange (EDI) unterstützt.


Herumspielen mit Barnyard

Ortszeit

Die Konfigurationsdirektive localtime wird verwendet, um Barnyard so zu konfigurieren, dass alle Ereigniszeitstempel unter Verwendung der lokalen Zeitzone wiedergegeben werden. Sie wird in der Konfigurationsdatei mit folgender Syntax angegeben:

Standardmäßig rendert Barnyard alle Zeitstempel mit der koordinierten Weltzeit (UTC). UTC wurde als Standard ausgewählt, um die Korrelation von Ereignissen zu erleichtern, die an verschiedenen geografischen Standorten aufgetreten sind. Darüber hinaus beseitigt die Verwendung von UTC ein Problem, das zweimal im Jahr für diejenigen von uns auftritt, die die Sommerzeit verwenden. Wenn wir alle Ereignisse mit einem Zeitstempel in der lokalen Zeitzone versehen, haben wir zweimal im Jahr falsche Informationen über den Zeitpunkt und die Reihenfolge der Ereignisse. Im Frühjahr scheinen zwei Ereignisse, die nur wenige Minuten auseinander liegen, mehr als eine Stunde voneinander entfernt zu sein. Im Herbst scheinen einige Ereignisse vor anderen Ereignissen eingetreten zu sein, während sie in Wirklichkeit später eingetreten sind. Obwohl dies wie ein geringfügiges Problem erscheinen mag, wird es bei der Untersuchung eines Vorfalls, der zu einem dieser Zeitpunkte aufgetreten ist, äußerst wichtig.


Mitgliedschaften

The University of Auckland, 38 Princes Street, Auckland, 1010, Neuseeland

Ben Halstead, Yun Sing Koh & Patricia Riddle

Auckland University of Technology, Auckland, Neuseeland

Technische Universität Eindhoven, Eindhoven, Niederlande

LTCI, Télécom Paris, Institut Polytechnique de Paris, Paris, Frankreich

Sie können auch in PubMed Google Scholar nach diesem Autor suchen

Sie können auch in PubMed Google Scholar nach diesem Autor suchen

Sie können auch in PubMed Google Scholar nach diesem Autor suchen

Sie können auch in PubMed Google Scholar nach diesem Autor suchen

Sie können auch in PubMed Google Scholar nach diesem Autor suchen

Sie können auch in PubMed Google Scholar nach diesem Autor suchen

Korrespondierender Autor


Wertesätze

Wertesätze für Kontenpläne

Ein Wertesatz ist eine Sammlung von Kontenwerten, die einem Segment einer Kontenplanstrukturinstanz zugeordnet sind. Berücksichtigen Sie beim Erstellen von Wertesätzen die folgenden wichtigen Entscheidungen:

Modulbezeichnung

Die Modulbezeichnung wird verwendet, um Wertesätze zu kennzeichnen und die Wertesätze bei Upgrades und anderen Prozessen zu unterscheiden. Beim Erstellen von Wertemengen für einen Kontenplan kann das Modul als Hauptbuch angegeben werden, um seinen Verwendungszweck in einem Buchhaltungsflexfield, im Grunde ein Kontenplan, eindeutig zu identifizieren.

Validierungstyp

Weisen Sie Kontenplan-Wertemengen eine der folgenden Validierungsarten zu:

Unabhängig: Die Werte werden beim Ausfüllen der Segmente in einer Kontenkombination unabhängig ausgewählt.

Tabelle: Die Werte werden in einer externen Tabelle gespeichert, um die Pflege und den Austausch von Referenzdaten zu erleichtern.

Formatzuweisungen

Wertesätze für Kontenpläne müssen den Wertdatentyp Zeichen verwenden. Der Wert-Untertyp ist auf Text eingestellt. Diese beiden Einstellungen unterstützen Werte, die sowohl Zahlen als auch Zeichen sind, die typisch für Werte sind. Legen Sie die maximale Länge des Wertesatzes so fest, dass er der Länge des Kontenplansegments entspricht, dem es zugeordnet ist. Best Practices empfehlen, Werte auf Nur Großbuchstaben oder numerische Werte zu beschränken, die standardmäßig mit Nullen gefüllt sind.

Sicherheitsregeln

Wenn Flexfield-Datensicherheitsregeln auf das dem Wertesatz zugeordnete Kontenplansegment angewendet werden sollen, muss die Option Sicherheit aktivieren für den zugeordneten Wertesatz ausgewählt werden. Weisen Sie außerdem einen Datensicherheitsressourcennamen zu, um die automatische Erstellung eines Datensicherheitsobjekts für den Wertesatz zu ermöglichen. Das Datensicherheitsobjekt wird bei der Definition von Flexfield-Datensicherheitsregeln verwendet.

Wertdefinition

Nachdem diese grundlegenden Merkmale für den Wertesatz definiert wurden, können dem Satz auf der Seite Werte verwalten Werte hinzugefügt werden.

Geben Sie den Wert und die Beschreibung ein. Stellen Sie den Wert so ein, dass er der Länge und dem Typ des Wertesatzes entspricht.

Geben Sie an, ob der Wert aktiviert ist, und geben Sie das Start- und Enddatum an.

Ordnen Sie die folgenden Attribute zu: Zusammenfassung , Buchung zulassen , Budgetierung zulassen .

Wenn der Wertesatz mit einem natürlichen Kontosegment verwendet wird, müssen Sie das Attribut Kontoart setzen. Wählen Sie eine der folgenden Optionen: Vermögenswert, Verbindlichkeit, Eigenkapital, Einnahmen oder Aufwand.

Andere Attribute, die Sie festlegen können, sind Third Party Control Account , Reconcile und Financial Category , die mit Oracle Transactional Business Intelligence-Berichten verwendet werden.

Mit dem Attribut Drittpartei-Kontrollkonto können Sie detaillierte Salden von Drittparteien für eine Kontokombination pflegen. Gültige Drittanbieterinformationen müssen der Journalzeile zugeordnet werden, wenn es sich bei dem Konto um ein Drittanbieter-Kontrollkonto handelt. Das Hauptbuch verhindert, dass manuelle Journalbuchungen auf Kontrollkonten von Drittanbietern gebucht werden. Dadurch wird sichergestellt, dass Journalzeilen, die auf Kontrollkonten wie das Lieferantenhaftungskonto und das Debitorenforderungskonto buchen, mit gültigen Fremdinformationen in den jeweiligen Nebenbüchern verknüpft sind.

Sie können eine der folgenden Optionen auswählen:

Kundenkontrollkonto: Kundeninformationen sind erforderlich, wenn solche Konten in Nebenbuchtransaktionen oder Nebenbuchjournalen verwendet werden.

Lieferantenkontrollkonto: Lieferanteninformationen sind erforderlich, wenn solche Konten in Nebenbuchtransaktionen oder Nebenbuchjournalen verwendet werden.

Kontrollkonto von Drittanbietern : Informationen von Drittanbietern sind erforderlich, wenn solche Konten in Nebenbuchtransaktionen oder Nebenbuchjournalen verwendet werden.

Manuelle GL-Buchungen einschränken: Informationen von Drittanbietern sind nicht erforderlich, wenn solche Konten in Nebenbuchtransaktionen oder Nebenbuchbuchungen verwendet werden.

Nein: Kein Kontrollkonto.

Das Hauptbuch verhindert manuelle Journalbuchungen auf allen Konten, deren Attribut Fremdkontrollkonto auf einen anderen Wert als Nein gesetzt ist.

Erstellen Sie einen Wertesatz für Ihren Kontenplan

Erstellen Sie Ihre Wertesätze, bevor Sie Ihren Kontenplan erstellen. Ein Wertesatz kann von verschiedenen Kontenplänen oder von verschiedenen Segmenten desselben Kontenplans gemeinsam genutzt werden.

Szenario

Sie erstellen einen Unternehmenswertsatz, der in Ihrem Kontenplan für Ihr Unternehmen Vision Corporation verwendet werden soll. Folge diesen Schritten:

Gehen Sie im Arbeitsbereich Einrichtung und Wartung zu den folgenden Punkten:

Funktionsbereich: Strukturen der Finanzberichterstattung

Aufgabe: Kontenplan-Wertesätze verwalten

Klicken Sie im Abschnitt Suchergebnisse auf das Symbol Erstellen.

Geben Sie auf der Seite Wertesatz erstellen einen eindeutigen Wertesatzcode, Vision Corporation, und eine optionale Beschreibung, Unternehmenswerte für Vision Corporation . ein

Wählen Sie Hauptbuch aus der Liste im Feld Modul.

Wählen Sie als Validierungstyp Unabhängig aus.

Wählen Sie als Validierungsdatentyp Zeichen aus.

Überlegungen zur Aktivierung wichtiger Flexfield-Segmente für Business Intelligence

Ein Schlüsselflexfield, der in der Datenbank als für Oracle Business Intelligence (BI) aktiviert registriert ist, enthält eine BI-aktiviert-Einstellung für jede seiner Segmentinstanzen. Wenn eine Segmentinstanz BI-fähig ist, steht sie für die Verwendung in Oracle Business Intelligence zur Verfügung.

Die folgenden Aspekte sind wichtig für das Verständnis BI-aktivierter wichtiger Flexfield-Segmente.

Abflachung von Geschäftskomponenten zur Verwendung von BI-fähigen Segmenten in Oracle BI

Segmente entzerren, um Duplizierung und Komplexität in der abgeflachten Komponente zu vermeiden

Zuordnen von Attributen von abgeflachten Geschäftskomponenten zu logischen Objekten in Oracle BI

Verwalten der Labels, die Segmente logischen Objekten in Oracle BI zuordnen

Nachdem Sie ein Business Intelligence-fähiges Flexfield bereitgestellt haben, verwenden Sie den Prozess Oracle Fusion Data Extensions for Transactional Business Intelligence importieren, um die Flexfield-Änderungen in das Oracle Business Intelligence-Repository zu importieren. Benutzer können die neu generierten Attribute in Business-Intelligence-Anwendungen nutzen. Weitere Informationen zu logischen Objekten und dem Import finden Sie im Oracle Transactional Business Intelligence Administrator's Guide.

Abflachen

Wenn Sie ein Business Intelligence-fähiges Schlüsselflexfield bereitstellen, generiert der Bereitstellungsprozess einen zusätzlichen Satz vereinfachter Geschäftskomponenten zur Verwendung in Business Intelligence. Die abgeflachten Geschäftskomponenten enthalten nur Attribute für Business Intelligence-fähige Segmentinstanzen.

Wenn Sie einem Segment ein Label zugewiesen haben, enthalten die reduzierten Komponenten ein einzelnes Attribut, das alle Segmentinstanzen mit diesem Label repräsentiert. Wenn Sie kein Label zugewiesen haben, enthalten die abgeflachten Komponenten ein separates Attribut für jede BI-aktivierte Segmentinstanz in jeder Struktur.

Zuordnung zu logischen Objekten in Business Intelligence

Sie können die Berichterstellung vereinfachen, indem Sie ähnliche Segmente als einzelnes logisches Objekt in Business Intelligence darstellen. Wenn Sie Segmenten, die in unterschiedlichen Strukturen denselben Zweck erfüllen, ein Label zuweisen, können Sie die Segmente zu einem einzigen Attribut zusammenfassen. Dadurch werden Duplizierungen und der zusätzliche Arbeitsaufwand und die Komplexität, die sich aus dem Reduzierungsprozess ergeben, vermieden. Zum Beispiel kann eine Organisation mehr als eine Definition ihres wichtigsten Flexfields für die Buchhaltung haben, um unterschiedliche Anforderungen für die Buchhaltungsberichterstattung zu unterstützen. Eine US Accounting Flexfield-Struktur kann ein Segment namens Subaccount haben, um Projektausgaben zu verfolgen. Dieselbe Art von Informationen kann in einer britischen Flexfield-Buchungsstruktur mit einem Segment namens Project verfolgt werden. Gleichen Sie diese beiden Segmente aus, um eine einzelne Werteliste für die Berichterstellung zu erstellen.

Nicht gekennzeichnete Segmente werden nicht über Kontextwerte hinweg ausgeglichen, daher enthalten die abgeflachten Komponenten ein separates Attribut für jedes Segment für jede Struktur. Es ist möglicherweise nicht möglich, ähnlich gekennzeichnete Segmente zu entzerren, wenn sie inkompatible Datentypen oder Wertesatztypen aufweisen.

Weisen Sie einem Segment eine Bezeichnung zu, um das entsprechende Attribut in den abgeflachten Komponenten einem logischen Objekt in Oracle Business Intelligence zuzuordnen. Die Verwendung von Labels zum Zuordnen von Segmenten zu logischen BI-Objekten minimiert die Schritte zum Importieren des Flexfields in Oracle Business Intelligence. Das Zuweisen eines Labels zu einem Segment dient dazu, das Attribut strukturübergreifend abzugleichen und das abgeglichene Attribut auf Business Intelligence abzubilden.

Labels verwalten

Sie können Segmenten je nach Bedarf ein vordefiniertes Label (falls verfügbar) zuweisen oder Labels für die Zuweisung erstellen. Geben Sie einen Code, einen Namen und eine Beschreibung an, um jedes Etikett zu identifizieren. Geben Sie im Feld BI-Objektname den Namen des logischen Objekts in Oracle Business Intelligence ein, dem die Segmentbezeichnung beim Import zugeordnet werden soll. Die Angabe des logischen BI-Objekts minimiert die Schritte zum Importieren des Flexfields in Oracle Business Intelligence und hilft, kontextsensitive Segmente über Strukturen hinweg auszugleichen.

Wenn einem BI-aktivierten Segment keine Labels zugewiesen sind oder der BI-Objektname auf dem zugewiesenen Label in Business Intelligence nicht vorhanden ist, müssen Sie das Segment beim Importieren in Oracle Business Intelligence manuell dem erforderlichen logischen Objekt zuordnen. Außerdem können Segmente ohne Labels nicht über Strukturen hinweg ausgeglichen werden. Die abgeflachten Komponenten enthalten ein separates Attribut für jedes nicht gekennzeichnete Segment in jeder Struktur.

Importieren in das Oracle Business Intelligence Repository

Nachdem Sie ein Business Intelligence-fähiges Flexfield bereitgestellt haben, importieren Sie die Flexfield-Änderungen in das Oracle Business Intelligence-Repository, um die neu vereinfachten Business-Komponenten in Business Intelligence zu verwenden. Propagieren Sie dann die Flexfield-Objektänderungen. Wenn Sie die Metadaten in das Oracle Business Intelligence-Repository importieren, müssen Sie dies als Benutzer FUSION_APPS_BI_APPID tun.

Um Flexfield-Änderungen in das Oracle Business Intelligence-Repository in Oracle Cloud-Implementierungen zu importieren, führen Sie den Prozess Oracle Fusion Data Extensions for Transactional Business Intelligence importieren aus. Weitere Informationen zum Import finden Sie im Administratorhandbuch für Oracle Transactional Business Intelligence.

Kontenplansegmente für Business Intelligence konfigurieren

Um das Flexfield der Oracle Hauptbuchhaltung in der Oracle Fusion Transaction Business Intelligence (BI) Repository-Datei (RPD) für Oracle Fusion Financials zuzuordnen, füllen Sie die Werte in der Benutzeroberfläche von Manage Key Flexfields aus. Diese Werte aktivieren die Kontenplansegmente für Oracle Fusion Transactional BI. Die Werte liefern auch das Mapping mit BI-Objektnamen, die als Dimensionen für jedes der Kontenplansegmente verwendet werden.

Führen Sie diese Schritte aus, um die BI-aktivierte Option für alle Kontenplansegmente auszuwählen, die Sie im RPD zuordnen möchten.

Verwenden Sie im Arbeitsbereich Einrichtung und Wartung Folgendes:

Funktionsbereich: Strukturen der Finanzberichterstattung

Aufgabe: Kontenplanstrukturen verwalten

Geben Sie GL# in das Feld Key Flexfield Code ein.

Klicken Sie auf Strukturinstanzen verwalten .

Klicken Sie auf den entsprechenden Kontenplan und dann auf das Symbol Bearbeiten.

Klicken Sie auf das entsprechende Segment und dann auf das Symbol Bearbeiten.

Wählen Sie die BI-aktivierte Option aus.

Klicken Sie auf Speichern. Dies sollte für alle Segmente in jeder Kontenplanstrukturinstanz durchgeführt werden, die Sie im RPD abbilden möchten.

Führen Sie diese Schritte aus, um einen BI-Objektnamen für jede Segmentbezeichnung anzugeben. Dieser Name ist der logische Tabellenname im RPD, der als Dimension für das entsprechende Segment verwendet wird.

Verwenden Sie im Arbeitsbereich Einrichtung und Wartung Folgendes:

Funktionsbereich: Strukturen der Finanzberichterstattung

Aufgabe: Kontenplanstrukturen verwalten

Geben Sie GL# in das Feld Key Flexfield Code ein.

Wählen Sie das Menü Aktionen und klicken Sie auf Segmentbezeichnungen verwalten .

Füllen Sie das Feld BI-Objektname für alle Segmentbezeichnungen aus, die im RPD zugeordnet werden müssen. Füllen Sie die Felder aus, wie in dieser Tabelle gezeigt.

Dim - Natürliches Kontosegment

Stellen Sie das Flexfield mithilfe der Schaltfläche „Flexfield bereitstellen“ auf der Seite „Key Flexfields verwalten“ bereit. Weitere Informationen zur Verwendung von Schlüssel- und beschreibenden Flexfields in Oracle Fusion Transactional BI finden Sie im Oracle Fusion Transactional Business Intelligence-Administratorhandbuch.

FAQs zu Wertesätzen

Was passiert, wenn Sie Durchschnittssalden verwenden und einen Segmentwert erstellen?

Der neue Segmentwert wird sowohl zum Würfel für Standardsalden als auch zum Würfel für durchschnittliche Tagessalden hinzugefügt.


4 DISKUSSIONEN UND SCHLUSSFOLGERUNG

Wir haben verschiedene grafische Ansätze verwendet und ihre Eigenschaften für Untergruppenprobleme untersucht. Wir haben auch versucht, einige Methoden zu verbessern, um Fehler zu korrigieren oder Grafiken für die Einstellung der Untergruppenanalyse anzupassen.

Es ist wichtig anzumerken, dass die betrachteten grafischen Ansätze nur beschreibend sind und keine Anpassungen an potenzielle Auswahlfehler von Punktschätzungen, überhöhte Fehler vom Typ 1 aufgrund mehrerer Tests oder reduzierte gleichzeitige Abdeckungswahrscheinlichkeiten von Konfidenzintervallen vornehmen. Diese Folgen mehrfacher Tests und selektiver Schätzungen können erheblich werden, wenn die Zahl der berücksichtigten Untergruppen zunimmt. In explorativen Umgebungen, in denen die Definition und Auswahl von Untergruppen post-hoc erfolgt und möglicherweise datengesteuert ist, können häufige Fehlerraten oder Abdeckungswahrscheinlichkeiten sowieso nicht kontrolliert werden. Werden dagegen die zu berücksichtigenden Subgruppen vordefiniert (oder unabhängig von Outcome-Daten ausgewählt), steht ein breites Spektrum an statistischen Ansätzen zur Verfügung, um die damit verbundene Multiplizität zu berücksichtigen. 3, 47 Die meisten der betrachteten grafischen Ansätze können verwendet werden, um multiplizitätsbereinigte Behandlungseffekte und Unsicherheitsmaße darzustellen. Man kann zum Beispiel simultane Konfidenzintervalle auf der Grundlage der Bonferroni-Korrektur, Konfidenzintervalle nach der Auswahl, 46 Schätzungen der Behandlungseffekte nach der Modellmittelung, 48 fehlerbereinigte Schätzungen 21 usw. verwenden. Vergleichsdiagramme, die sowohl die angepassten als auch die unangepassten Schätzungen zeigen, können ebenfalls wertvolle Erkenntnisse liefern.

In diesem Artikel stellen wir Tools zur Visualisierung wesentlicher Informationen zu Subgruppen als Effektgrößenschätzungen und Subgruppenstichprobengrößen zur Verfügung. Die betrachteten Ansätze sind nur deskriptiv und dienen als explorative Werkzeuge zur Hypothesengenerierung für zukünftige Untersuchungen.

Die Wahl der Visualisierungsmethode hängt ab von: der Art der Biomarker, die die Subgruppen definieren, der Art der Ergebnisvariablen, der Stichprobengröße und dem Ziel der Subgruppenanalyse. Wir haben beispielsweise gesehen, dass Konturdiagramme und STEPP nur für kontinuierliche Kovariaten geeignet sind, während die anderen Diagramme die Verwendung von binären oder kategorialen Kovariaten zulassen. Andererseits könnten Galbraith-Plots besonders für den Fall einer sehr großen Anzahl von Untergruppen geeignet sein, und Forest-Plots können nicht nur die Schätzungen des Behandlungseffekts, sondern auch die durchschnittliche Reaktion in jedem Behandlungsarm zeigen. Da manche Grafiken nicht alle Informationen darstellen, kann die Kombination mehrerer Plots von Vorteil sein.

In dieser Arbeit haben wir uns auf nicht interaktive grafische Anzeigen konzentriert. Wir erkennen die Nützlichkeit des Hinzufügens von Interaktivität, die die Flexibilität der untersuchten Grafiken verbessern kann. Zum Beispiel gibt es Arbeiten an interaktiven Mosaikdiagrammen 49 , die eine einfache Einbeziehung vieler Untergruppen-definierender Kovariaten ermöglichen, wodurch das Problem der überlappenden Kennzeichnung vermieden wird. Interaktive UpSet-Plots ermöglichen den Einschluss/Ausschluss von Kovariaten, deren Sortierung nach verschiedenen Merkmalen und die Anzeige zusätzlicher Variablen, was diese Grafik zu einem leistungsstarken Analysewerkzeug macht (https://caleydo.org/tools/upset/). Galbraith-Diagramme können von der Interaktivität profitieren, wenn eine große Anzahl von Kovariaten verwendet wird, indem die Maus über die Punkte bewegt wird, um die entsprechenden Labels und Subgruppeneffektgrößen anzuzeigen. Das kürzlich erschienene Subscreen-Paket 50, 51 ermöglicht die Analyse von Tausenden von Untergruppen mit Hilfe eines Scatterplots und ermöglicht dem Benutzer die Anzeige zusätzlicher Informationen dank interaktiver Tools wie dem Shiny R-Paket. 52 Bestehende interaktive Ansätze können an die Subgruppenanalyse angepasst oder die in diesem Artikel vorgestellten Grafiken um Interaktivität ergänzt werden.

Schließlich enthielt der von uns zur Veranschaulichung verwendete Datensatz Informationen zu Todesursachen. Der betrachtete Endpunkt in der Analyse in diesem Artikel war jedoch der Tod aller Ursachen zusammen. Darüber hinaus wurden vier Behandlungsoptionen zur Behandlung der Patienten verwendet, aber wir haben sie in zwei Kategorien zusammengefasst. Diese Anpassungen ermöglichten es uns, die Analyse in der typischen Situation zu gestalten, in der eine experimentelle Behandlung mit einer Kontrolle verglichen wird. Modifikationen der betrachteten Grafiken könnten untersucht werden, um den Vergleich mehrerer Behandlungen oder mehrerer Endpunkte zu ermöglichen. Auch hier kann Interaktivität in diesen Situationen helfen, die Daten zu untersuchen und zu verstehen.


In-Situ- und Remote-Methoden zur Ressourcencharakterisierung

Simon P. Neill , M. Reza Hashemi , in Fundamentals of Ocean Renewable Energy , 2018

7.3.1 X-Band-Radar

X-Band-Radare sind auf den meisten großen Forschungsschiffen und auf vielen Offshore-Anlagen installiert. Ihre ursprüngliche Verwendung ist für die Schiffsverkehrssteuerung und Navigation. Durch Hinzufügen einiger Hardware- und Softwarekomponenten können jedoch X-Band-Radare zur Messung von Wellen und Strömen verwendet werden (z. B. [ 22 ]). X-Band ist ein Segment des Mikrowellen-Funkbereichs des elektromagnetischen Spektrums im Frequenzbereich 8–12 GHz.

Die von Marineradaren erzeugten Bilder erkennen nicht nur harte Ziele wie Schiffe und Küsten, sondern auch Reflexionen von der Meeresoberfläche, die als „Sea Clutter“ bekannt sind [ 23 ]. Bei einer Windgeschwindigkeit von mehr als ca. 3 m/s wird die Rückstreuung von der Meeresoberfläche in Radarbildern sichtbar [ 24 ]. Solche Reflexionen von Wellen sind meistens auf Resonanz zwischen den Radarwellen und den Strukturen an der Wasseroberfläche zurückzuführen (Bragg-Scatter) [ fünfzehn ]. Da die Radarwellenlänge im Zentimeterbereich liegt, reflektieren nur sehr kurze Wasserwellen die Radarwellen. Das Basissignal (die sehr kurzen Wellen) wird jedoch durch längere Wellen moduliert. Aus Navigationsgründen wird dieser Seegang als störend behandelt und verworfen, enthält jedoch wertvolle Informationen über den tatsächlichen Seegang. Mit entsprechender Software ist es möglich, dieses Signal zu analysieren, um Informationen über Wellenhöhe, Wellenlänge, Wellenperiode und Oberflächenströmungen zu gewinnen. X-Band-Radarsysteme scannen die Meeresoberfläche in Echtzeit mit hoher zeitlicher (1–2 s) und räumlicher (5–10 m) Auflösung. An area of sea surface of several square kilometres can therefore be continuously monitored. X-band radar systems can be installed on moving vessels or on fixed platforms offshore or at coastal sites.

The main limitations of X-band radar are the limited range, and the requirement for sufficient sea clutter (and associated significant wave height) to allow imaging of the waves. Due to the limited range of X-band radar, a fixed platform would have to be installed reasonably close to the area of interest, or the system would have to be mounted on a vessel. The need to install a fixed offshore platform would sacrifice some of the inherent advantages of X-band radar as a remote-sensing technique, such as easy installation and onshore maintenance, and would represent considerably increased cost. X-band radar systems are also sensitive to interference from rainfall, and indeed this radar frequency is used by weather radars to monitor rainfall.


Pedestrian network repair with spatial optimization models and geocrowdsourced data

Pedestrian infrastructure is an essential part of the urban fabric. Typically, it is carefully planned and maintained by governments and local experts, who recognize the benefits to health, well-being, and even economics associated with a walkable environment. Pedestrian walkway characteristics, including running slope, cross slope, curb cuts, cross walks, sidewalk widths, and signalization are a part of the comprehensive design elements used by most municipalities. However, barriers or obstacles, including temporary obstructions, construction detours, and surface irregularities make this infrastructure difficult for individuals with a mobility impairment or vision impairment to use. Crowdsourcing can assist these individuals by providing information about transient and permanent navigation obstacles, through an accessibility mapping system. Accessibility mapping systems, several examples of which are discussed in this paper, provide routing functions to make navigation easier for individuals with a mobility impairment or vision impairment. A geocrowdsourced accessibility system can also identify deficiencies in a pedestrian network dynamically, and can provision routing and obstacle avoidance functions in real-time, with data about transient events provided by the public. This paper is based upon previous geocrowdsourced data quality studies, and presents a modeling methodology to identify high-value routing corridors in a dynamic geocrowdsourced accessibility system. The corridor measurement can help civic employees from city public works and transportation departments prioritize maintenance of a pedestrian infrastructure, including the rectification of obstacles identified through crowdsourcing. In this paper, we augment geocrowdsourcing data quality metrics with input from subject matter experts trained in orientation and mobility services, and discuss the accessibility elements that could directly influence the usability of the pedestrian infrastructure. We also present a cost optimization model to measure the value of a pedestrian network segment. Lastly, this paper analyzes how the value of a network segment in a geocrowdsourced accessibility system changes with network conditions and how this relates to prioritization of maintenance tasks through optimization criteria.

This is a preview of subscription content, access via your institution.


Real-time Monitoring of Subsea Gas Pipelines, Offshore Platforms, and Ship Inspection Scores Using an Automatic Identification System

The aim of this research is to develop an algorithm and application that can perform real-time monitoring of the safety operation of offshore platforms and subsea gas pipelines as well as determine the need for ship inspection using data obtained from automatic identification system (AIS). The research also focuses on the integration of shipping database, AIS data, and others to develop a prototype for designing a real-time monitoring system of offshore platforms and pipelines. A simple concept is used in the development of this prototype, which is achieved by using an overlaying map that outlines the coordinates of the offshore platform and subsea gas pipeline with the ship’s coordinates (longitude/latitude) as detected by AIS. Using such information, we can then build an early warning system (EWS) relayed through short message service (SMS), email, or other means when the ship enters the restricted and exclusion zone of platforms and pipelines. The ship inspection system is developed by combining several attributes. Then, decision analysis software is employed to prioritize the vessel’s four attributes, including ship age, ship type, classification, and flag state. Results show that the EWS can increase the safety level of offshore platforms and pipelines, as well as the efficient use of patrol boats in monitoring the safety of the facilities. Meanwhile, ship inspection enables the port to prioritize the ship to be inspected in accordance with the priority ranking inspection score.


Schau das Video: Openlayers 6 # - Debugging Techniques (Oktober 2021).