Datenquelle: Simulierte Daten basierend auf mehr als 50 wichtigen städtischen Hotspots in Paris (Eiffelturm, La Défense, Sacré-Coeur, große Bahnhöfe, Geschäftsviertel) mit 168 einzigartigen Zeitprofilen (24 Stunden x 7 Tage).
Verwendete Werkzeuge:
– Uber H3 hexagonale räumliche Indizierung zur geografischen Diskretisierung
– Probabilistische Dichtemodellierungs-Engine (speziell angefertigt)
– Gaußsche Interpolation für eine reibungslose Verlaufsvisualisierung
– Node.js für Backend-Wahrscheinlichkeitsberechnungen
– DeckGL mit WebGL-Shadern zum Rendern von mehr als 17.000 dynamischen Punkten in Echtzeit
– GPU-Beschleunigung für Rechenleistung
Methodik:
Jeder Hotspot weist zeitliche Aktivitätsmuster auf, die je nach Stunde und Wochentag variieren. Die Simulation modelliert, wie sich die städtische Dichte über die 105 km² von Paris über einen kompletten Wochenzyklus hinweg verschiebt, und nutzt dabei den exponentiellen Abfall für die Einflussausbreitung von jedem Quellpunkt aus.
GitHub-Repository in Kommentaren verfügbar.
Von Glass-Caterpillar-70
1 Kommentar
GitHub Repo (process and explanation there) :
[https://github.com/yvann-ba/realtime-paris-density-simulation.git](https://github.com/yvann-ba/realtime-paris-density-simulation.git)
btw i’m building a BIGG geospatial/AI project with my father :
it’s a planetary-scale architecture with real earth data, where you can interact with everything like a video game (drive vehicles, add/edit roads & trees) All in Real-Time
Basically Google Earth + Minecraft = our project
would love feedbacks/advices on our project, just send me a dm on linkedin if you’re up to share XP pleasee ((:
[https://www.linkedin.com/in/yvann-barbot/](https://www.linkedin.com/in/yvann-barbot/)