Suite

Comment ArcGIS calcule-t-il le trafic en direct dans un jeu de données réseau ?

Comment ArcGIS calcule-t-il le trafic en direct dans un jeu de données réseau ?


Je crée un service d'analyste de réseau dans ArcGIS 10.2 avec un trafic en direct. Le trafic est classé en quatre classes (stop and go, slow, modéré et free flow). Je sais que lorsque le service utilise le trafic historique, le trafic est calculé en utilisant le flux libre et la vitesse de déplacement. Dans le trafic en direct, je n'ai que la vitesse de déplacement, mais le résultat du trafic sur la carte montre les quatre classes. Comment le service calcule et affiche le trafic en direct dans mon service ?


Trouver les installations les plus proches (analyste de réseau)

Trouve une ou plusieurs installations les plus proches d'un incident en fonction du temps de trajet, de la distance ou d'un autre coût et affiche le meilleur itinéraire, l'installation choisie et les itinéraires entre l'incident et l'installation. Par exemple, vous pouvez utiliser cet outil pour trouver l'hôpital le plus proche d'un accident, les voitures de police les plus proches d'une scène de crime ou le magasin le plus proche de l'adresse d'un client.

Lors de la recherche des ressources les plus proches, vous pouvez spécifier le nombre de ressources à rechercher et si la direction de déplacement est vers ou loin d'elles. Si votre jeu de données réseau prend en charge le trafic, vous pouvez également spécifier l'heure du jour pour tenir compte des temps de trajet pour cette heure et cette date. Par exemple, vous pouvez utiliser cet outil pour rechercher des hôpitaux à moins de 15 minutes en voiture du lieu d'un accident à une heure donnée de la journée. Les hôpitaux qui mettent plus de 15 minutes à atteindre en fonction des conditions de circulation ne seront pas inclus dans les résultats.

Les outils Rechercher les installations les plus proches et Créer une couche d'installations les plus proches sont similaires, mais ils sont conçus à des fins différentes. Utilisez Rechercher les ressources les plus proches si vous configurez un service de géotraitement, cela simplifie le processus de configuration. Sinon, utilisez Make Closest Facility Layer .

Pour créer un service de géotraitement des ressources les plus proches à l'aide de Rechercher les ressources les plus proches , vous n'avez besoin de configurer qu'un seul outil et vous pouvez publier l'outil directement en tant que service. En revanche, vous devez créer un modèle avec l'outil Créer une couche d'installation la plus proche, le connecter correctement à divers autres outils et publier le modèle pour créer un service de géotraitement de l'installation la plus proche. Consultez Présentation des exemples de service de géotraitement Network Analyst pour savoir comment configurer un service de ressource la plus proche à l'aide des données du didacticiel. Une autre option à considérer est le service ArcGIS Online Closest Facility. Il s'agit d'un service qui s'exécute comme un outil de géotraitement dans ArcMap, est accessible à partir d'autres applications et comprend des données routières de haute qualité pour une grande partie du monde.


Le temps de retard sur les barrières n'est pas ajouté au temps de trajet lors de la recherche de l'installation la plus proche

Je m'appelle Fuad Ishaq et je vis en Cisjordanie, en Palestine, où les déplacements et les transports sont restreints et affectés par différents types de barrières. J'ai créé un ensemble de données réseau pour exécuter l'analyse afin d'examiner les effets de différents types de barrières telles que : , barrages routiers, monticule de terre, barrières murales, barrières routières, etc. couche d'analyse, le but de ce réseau est de calculer le temps de trajet qu'il faut pour voyager de la localité A à B à travers ces barrières en ajoutant le temps de retard au temps de trajet. Le problème est que le système n'ajoute pas le temps de retard au temps de trajet.

La valeur du temps de retard est stockée dans un champ situé dans la couche barrière de point de contrôle, son nom est Attr_TravelTime .

À l'intérieur de la classe d'entités Road System, il existe un champ appelé TravelTime .

Autre chose, lors de la création de la barrière à l'aide de Network Analyst "créer l'outil de localisation du réseau" et de l'exécution du bouton de résolution, cela ajoute le temps de retard au temps de trajet, mais lorsque je charge les barrières à partir d'une classe d'entités ou d'un autre fichier de formes, cela n'ajoutera pas le temps de retard Temps de trajet, alors quel est le problème.

J'ai besoin de votre aide pour comprendre pourquoi cela n'ajoute pas le temps de retard au temps de trajet, merci.


Flux de travail personnalisés

Chacune des cases de la figure 3.2 représente les paramètres de performance clés qui ajusteront les charges de flux de travail sur le système. Ces paramètres de performances clés sont sélectionnés en fonction des décisions que vous prendrez lors de la publication du service de carte. Les lignes de base des performances sont ajustées en fonction de la complexité de votre structure de données ou des fonctions de votre application, et les performances d'affichage sont déterminées par la sélection finale de la conception de l'architecture du système. Au fur et à mesure que vous choisissez votre configuration d'affichage, les charges de traitement du flux de travail (temps de service) seront ajustées en conséquence.


Paramètres requis

Origines

Spécifie les points de départ à partir desquels voyager vers les destinations.

Vous pouvez utiliser une syntaxe simple basée sur des virgules et des points-virgules si vous transmettez les emplacements d'entrée en utilisant leurs valeurs de longitude et de latitude dans le système de coordonnées WGS84 et n'avez pas besoin de transmettre de champs supplémentaires pour chaque emplacement.

Syntaxe simple pour les origines

Exemple utilisant une syntaxe simple

  • url — Spécifiez une requête de requête REST à n'importe quelle entité, carte ou service de géotraitement ArcGIS Server qui renvoie un jeu d'entités JSON. Cette propriété est facultative. Cependant, les fonctionnalités ou l'url doivent être spécifiés.
  • features — Spécifiez un tableau de fonctionnalités. Cette propriété est facultative. Cependant, la propriété features ou url doit être spécifiée.

    géométrie —Spécifiez la géométrie du point d'entrée contenant les propriétés x et y ainsi qu'une propriété spatialReference. Si la propriété spatialReference est définie pour l'ensemble du JSON, il n'est pas nécessaire de définir cette propriété pour chaque géométrie. Cela réduit la taille du JSON d'entrée si l'entrée a beaucoup de fonctionnalités et améliore les performances. Cette propriété n'est pas requise si les coordonnées sont dans la référence spatiale par défaut WGS84. Si les coordonnées se trouvent dans une référence spatiale différente, vous devez spécifier l'ID connu de la référence spatiale (WKID). Voir le système de coordonnées géographiques et le système de coordonnées projetées pour rechercher les valeurs WKID.

En tant que meilleure pratique, il est recommandé de spécifier explicitement la spatialReference et de la spécifier pour l'ensemble du JSON au lieu de chaque géométrie individuelle.

Attributs pour les origines

Lorsque vous spécifiez les origines, vous pouvez définir des propriétés pour chacune, telles que son nom ou le nombre de destinations à rechercher à partir de l'origine, à l'aide des attributs suivants :

Le nom de l'origine. Le nom peut être un identifiant unique pour l'origine. Si outputType est esriNAODOutputStraightLines ou esriNAODOutputNoLines , le nom est inclus dans le champ Nom des lignes de sortie (le nom des lignes de sortie sera nom d'origine – nom de destination). Le nom est également inclus dans les origines de sortie en tant que champ Nom.

Si le nom n'est pas spécifié, un nom unique précédé de Location est automatiquement généré.

L'ObjectID de l'origine. L'ObjectID est un identifiant unique pour l'origine. Si outputType est esriNAODOutputStraightLines ou esriNAODOutputNoLines , l'ObjectID est inclus dans les lignes de sortie (en tant que champ OriginID). Si outputType est esriNAODOutputSparseMatrix , l'ObjectID est inclus dans la matrice de sortie. L'ObjectID est également inclus dans les origines de sortie (en tant que champ ObjectID) et peut être utilisé pour joindre des informations supplémentaires des sorties d'outils à l'attribut de vos origines. Si l'ObjectID n'est pas spécifié, un ID unique est automatiquement généré dans la sortie.

Le nombre maximum de destinations à rechercher pour l'origine.

Si aucune valeur n'est spécifiée, la valeur du paramètre defaultTargetDestinationCount est utilisée.

Ce champ vous permet de spécifier un nombre différent de destinations à rechercher pour chaque origine. Par exemple, en utilisant ce champ, vous pouvez trouver les trois destinations les plus proches d'une origine et les deux destinations les plus proches d'une autre origine.

Si vous souhaitez arrêter la recherche de destinations une fois que la recherche a dépassé une certaine valeur d'impédance, spécifiez un champ Cutoff_[Impédance] pour votre origine.

L'impédance est le nom de l'attribut d'impédance dans votre analyse, ou le nom d'impédance de votre mode de déplacement si vous spécifiez un mode de déplacement. Cet attribut vous permet de spécifier une valeur seuil différente pour chaque destination.

Par exemple, à l'aide de cet attribut, vous pouvez spécifier de rechercher des destinations à moins de cinq minutes de trajet depuis une origine et de rechercher des destinations à moins de huit minutes de trajet depuis une autre origine.

Les unités de la coupure sont les mêmes que les unités de votre attribut d'impédance. Si aucune valeur n'est spécifiée, la valeur du paramètre defaultCutoff est utilisée.

Si vous avez plusieurs attributs de coût de réseau, vous verrez plusieurs champs Cutoff_[Impédance]. Par conséquent, vous pouvez avoir plusieurs champs Cutoff_[Impédance] basés sur le temps ou la distance. Les valeurs de champ que vous fournissez ne sont référencées que si l'attribut de coût référencé dans le nom du champ est utilisé dans l'analyse comme attribut d'impédance, il n'est pas utilisé si l'attribut est utilisé dans l'analyse comme attribut d'accumulation.

Consultez la liste des attributs d'impédance de coupure pris en charge par le service.

Spécifie la direction dans laquelle un véhicule peut s'écarter de l'origine.

L'un des nombres entiers répertoriés dans la colonne Valeur codée du tableau suivant doit être spécifié comme valeur de cet attribut. Les valeurs de la colonne Paramètre sont les noms descriptifs des valeurs d'attribut CurbApproach que vous avez peut-être vues lors de l'utilisation du logiciel d'extension ArcGIS Network Analyst.

Le véhicule peut quitter l'origine dans les deux sens, donc un demi-tour est autorisé à l'origine. Ce réglage peut être choisi s'il est possible et pratique pour votre véhicule de faire demi-tour à l'origine. Cette décision peut dépendre de la largeur de la route et de la quantité de trafic ou si l'origine dispose d'un parking où les véhicules peuvent entrer et faire demi-tour.

Toutes les combinaisons d'arrivée et de départ sont autorisées avec l'approche de trottoir de chaque côté du véhicule.

Lorsque le véhicule quitte l'origine, l'origine doit être sur le côté droit du véhicule. Un demi-tour est interdit. Ceci est généralement utilisé pour les véhicules tels que les bus qui doivent partir de l'arrêt de bus sur le côté droit.

La combinaison d'arrivée et de départ autorisée pour l'approche du trottoir du côté droit du véhicule est affichée.

Lorsque le véhicule quitte l'origine, l'origine doit être sur le côté gauche du véhicule. Un demi-tour est interdit. Ceci est généralement utilisé pour les véhicules tels que les bus qui doivent partir de l'arrêt de bus sur le côté gauche.

La combinaison d'arrivée et de départ autorisée pour l'approche du trottoir du côté gauche du véhicule est affichée.

Lorsque le véhicule quitte l'origine, l'origine peut être de chaque côté du véhicule cependant, lors de son départ, le véhicule doit continuer dans la même direction dans laquelle il est arrivé. Un demi-tour est interdit.

Les combinaisons d'arrivée et de départ autorisées pour l'approche de trottoir sans demi-tour sont affichées.

L'attribut CurbApproach est conçu pour fonctionner avec les deux types de normes de conduite nationales : circulation à droite (États-Unis) et circulation à gauche (Royaume-Uni). Tout d'abord, considérons un incident sur le côté gauche d'un véhicule. Il est toujours du côté gauche, que le véhicule se déplace sur la moitié gauche ou droite de la route. Ce qui peut changer avec les normes de conduite nationales, c'est votre décision d'aborder un incident dans l'une des deux directions, c'est-à-dire qu'il se retrouve du côté droit ou gauche du véhicule. Par exemple, si vous souhaitez arriver à un incident et ne pas avoir de voie de circulation entre le véhicule et l'incident, choisissez 1 (Côté droit du véhicule) aux États-Unis et 2 (Côté gauche du véhicule) au Royaume-Uni.

Avec la circulation à droite, l'approche du trottoir qui laisse le véhicule le plus proche de l'origine est le côté droit du véhicule. Avec la circulation à gauche, l'approche du trottoir qui laisse le véhicule le plus proche de l'origine est le côté gauche du véhicule.

La direction dans laquelle un point se déplace. Les unités sont des degrés et sont mesurées dans le sens des aiguilles d'une montre à partir du nord géographique. Ce champ est utilisé en conjonction avec le champ BearingTol.

Les données de relèvement sont généralement envoyées automatiquement à partir d'un appareil mobile équipé d'un récepteur GPS. Essayez d'inclure des données de relèvement si vous chargez un emplacement d'entrée qui se déplace, comme un piéton ou un véhicule.

L'utilisation de ce champ a tendance à empêcher l'ajout d'emplacements aux mauvais bords, ce qui peut se produire lorsqu'un véhicule se trouve à proximité d'une intersection ou d'un viaduc, par exemple. Le relèvement aide également l'outil à déterminer de quel côté de la rue se trouve le point.

La valeur de tolérance de relèvement crée une plage de valeurs de relèvement acceptables lors de la localisation de points mobiles sur une arête à l'aide du champ Relèvement. Si la valeur du champ Relèvement se situe dans la plage des valeurs acceptables générées à partir de la tolérance de relèvement sur une arête, le point peut y être ajouté en tant qu'emplacement de réseau, sinon, le point le plus proche sur l'arête la plus proche est évalué.

Les unités sont en degrés et la valeur par défaut est 30. Les valeurs doivent être supérieures à 0 et inférieures à 180. Une valeur de 30 signifie que lorsque Network Analyst tente d'ajouter un emplacement de réseau sur une arête, une plage de valeurs de relèvement acceptable est généré 15 degrés de chaque côté du bord (gauche et droite) et dans les deux directions numérisées du bord.

Ce champ n'est utilisé dans le processus de résolution que si les champs Bearing et BearingTol ont également des valeurs. Cependant, la saisie d'une valeur de champ NavLatency est facultative, même lorsque des valeurs sont présentes dans Bearing et BearingTol . NavLatency indique le coût attendu entre le moment où les informations GPS sont envoyées d'un véhicule en mouvement à un serveur et le moment où l'itinéraire traité est reçu par l'appareil de navigation du véhicule.

Les unités de NavLatency sont les mêmes que les unités de l'attribut d'impédance.

Syntaxe des origines

Syntaxe pour spécifier les origines à l'aide de la structure JSON pour les fonctionnalités

Syntaxe pour spécifier les origines à l'aide d'une URL renvoyant une réponse JSON

Exemples d'origines

Exemple 1 : Spécification des géométries d'origine dans la référence spatiale Web Mercator à l'aide de la structure JSON.

L'exemple montre également comment spécifier l'attribut Origins Name pour chaque origine et spécifier un nombre différent de destinations à rechercher pour chaque origine à l'aide de l'attribut TargetDestinationCount.

Exemple 2 : Spécification des origines à l'aide d'une URL

L'URL effectue une requête pour quelques entités à partir d'un service de carte. Une URL interrogeant les fonctionnalités d'un service d'entités peut également être spécifiée.

Destinations

Spécifie les emplacements des points d'arrivée vers lesquels se déplacer à partir des origines.

Vous pouvez utiliser une syntaxe simple basée sur des virgules et des points-virgules si vous transmettez les emplacements d'entrée en utilisant leurs valeurs de longitude et de latitude dans le système de coordonnées WGS84 et n'avez pas besoin de transmettre de champs supplémentaires pour chaque emplacement.

Syntaxe simple pour les destinations

Exemple utilisant une syntaxe simple

  • url — Spécifiez une requête de requête REST à n'importe quelle entité, carte ou service de géotraitement ArcGIS Server qui renvoie un jeu d'entités JSON. Cette propriété est facultative. Cependant, les fonctionnalités ou l'url doivent être spécifiés.
  • features — Spécifiez un tableau de fonctionnalités. Cette propriété est facultative. Cependant, la propriété features ou url doit être spécifiée.

    géométrie —Spécifiez la géométrie du point d'entrée contenant les propriétés x et y ainsi qu'une propriété spatialReference. Si la propriété spatialReference est définie pour l'ensemble du JSON, il n'est pas nécessaire de définir cette propriété pour chaque géométrie. Cela réduit la taille du JSON d'entrée si l'entrée a beaucoup de fonctionnalités et améliore les performances. Cette propriété n'est pas requise si les coordonnées sont dans la référence spatiale par défaut WGS84. Si les coordonnées se trouvent dans une référence spatiale différente, vous devez spécifier l'ID connu de la référence spatiale (WKID). Voir le système de coordonnées géographiques et le système de coordonnées projetées pour rechercher les valeurs WKID.

En tant que meilleure pratique, il est recommandé de spécifier explicitement la spatialReference , et de la spécifier pour l'ensemble du JSON au lieu de chaque géométrie individuelle.

Attributs des destinations

Lorsque vous spécifiez les destinations, vous pouvez définir des propriétés pour chacune, telles que son nom, à l'aide des attributs suivants :

Le nom de la destination. Le nom peut être un identifiant unique pour la destination. Si outputType est esriNAODOutputStraightLines ou esriNAODOutputNoLines , le nom est inclus dans le champ Nom des lignes de sortie (le nom des lignes de sortie sera nom d'origine – nom de destination). Le nom est également inclus dans les destinations de sortie en tant que champ Nom.

Si le nom n'est pas spécifié, un nom unique précédé de Location est automatiquement généré.

L'ObjectID de la destination. L'ObjectID est un identifiant unique pour la destination. Si outputType est esriNAODOutputStraightLines ou esriNAODOutputNoLines , l'ObjectID est inclus dans les lignes de sortie (en tant que champ DestinationID). Si outputType est esriNAODOutputSparseMatrix , l'ObjectID est inclus dans la matrice de sortie. L'ObjectID est également inclus dans les destinations de sortie (en tant que champ ObjectID) et peut être utilisé pour joindre des informations supplémentaires des sorties d'outils à l'attribut de vos destinations. Si l'ObjectID n'est pas spécifié, un ID unique est automatiquement généré dans la sortie.

Spécifie la direction dans laquelle un véhicule peut arriver à destination.

L'un des nombres entiers répertoriés dans la colonne Valeur codée du tableau suivant doit être spécifié comme valeur de cet attribut. Les valeurs de la colonne Paramètre sont les noms descriptifs des valeurs d'attribut CurbApproach que vous avez peut-être vues lors de l'utilisation du logiciel d'extension ArcGIS Network Analyst.

Le véhicule peut arriver à destination dans les deux sens. Ce réglage peut être choisi s'il est possible et pratique pour le véhicule de faire demi-tour à destination. Cette décision peut dépendre de la largeur de la route et de la quantité de trafic ou si la destination dispose d'un parking où les véhicules peuvent entrer et faire demi-tour.

Toutes les combinaisons d'arrivée et de départ sont autorisées avec l'approche de trottoir de chaque côté du véhicule.

Lorsque le véhicule arrive à destination, la destination doit être sur le côté droit du véhicule. Un demi-tour est interdit. Ceci est généralement utilisé pour les véhicules tels que les bus qui doivent arriver à l'arrêt de bus sur le côté droit.

La combinaison d'arrivée et de départ autorisée pour l'approche du trottoir du côté droit du véhicule est affichée.

Lorsque le véhicule arrive à destination, la destination doit être sur le côté gauche du véhicule. Un demi-tour est interdit. Ceci est généralement utilisé pour les véhicules tels que les bus qui doivent arriver à l'arrêt de bus sur le côté gauche.

La combinaison d'arrivée et de départ autorisée pour l'approche du trottoir du côté gauche du véhicule est affichée.

Lorsque le véhicule arrive à destination, la destination peut être de chaque côté du véhicule cependant, lorsqu'il part, le véhicule doit continuer dans la même direction dans laquelle il est arrivé. Un demi-tour est interdit.

Les combinaisons d'arrivée et de départ autorisées pour l'approche en bordure sans demi-tour sont affichées.

L'attribut CurbApproach est conçu pour fonctionner avec les deux types de normes de conduite nationales : circulation à droite (États-Unis) et circulation à gauche (Royaume-Uni). Tout d'abord, considérons un incident sur le côté gauche d'un véhicule. Il est toujours du côté gauche, que le véhicule se déplace sur la moitié gauche ou droite de la route. Ce qui peut changer avec les normes de conduite nationales, c'est votre décision d'aborder un incident dans l'une des deux directions, c'est-à-dire qu'il se retrouve du côté droit ou gauche du véhicule. Par exemple, si vous souhaitez arriver à un incident et ne pas avoir de voie de circulation entre le véhicule et l'incident, choisissez 1 (Côté droit du véhicule) aux États-Unis et 2 (Côté gauche du véhicule) au Royaume-Uni.

Avec la circulation à droite, l'approche du trottoir qui laisse le véhicule le plus proche de la destination est le côté droit du véhicule. Avec la circulation à gauche, l'approche du trottoir qui laisse le véhicule le plus proche de la destination est le côté gauche du véhicule.

La direction dans laquelle un point se déplace. Les unités sont des degrés et sont mesurées dans le sens des aiguilles d'une montre à partir du nord géographique. Ce champ est utilisé en conjonction avec le champ BearingTol.

Les données de relèvement sont généralement envoyées automatiquement à partir d'un appareil mobile équipé d'un récepteur GPS. Essayez d'inclure des données de relèvement si vous chargez un emplacement d'entrée qui se déplace, comme un piéton ou un véhicule.

L'utilisation de ce champ tend à empêcher l'ajout d'emplacements aux mauvais bords, ce qui peut se produire lorsqu'un véhicule se trouve à proximité d'une intersection ou d'un viaduc, par exemple. Le relèvement aide également l'outil à déterminer de quel côté de la rue se trouve le point.

La valeur de tolérance de relèvement crée une plage de valeurs de relèvement acceptables lors de la localisation de points mobiles sur une arête à l'aide du champ Relèvement. Si la valeur du champ Relèvement se situe dans la plage des valeurs acceptables générées à partir de la tolérance de relèvement sur une arête, le point peut y être ajouté en tant qu'emplacement de réseau, sinon, le point le plus proche sur l'arête la plus proche est évalué.

Les unités sont en degrés et la valeur par défaut est 30. Les valeurs doivent être supérieures à 0 et inférieures à 180. Une valeur de 30 signifie que lorsque Network Analyst tente d'ajouter un emplacement de réseau sur une arête, une plage de valeurs de relèvement acceptable est généré 15 degrés de chaque côté du bord (gauche et droite) et dans les deux directions numérisées du bord.

Ce champ n'est utilisé dans le processus de résolution que si les champs Bearing et BearingTol ont également des valeurs. Cependant, la saisie d'une valeur de champ NavLatency est facultative, même lorsque des valeurs sont présentes dans Bearing et BearingTol . NavLatency indique le coût attendu entre le moment où les informations GPS sont envoyées d'un véhicule en mouvement à un serveur et le moment où l'itinéraire traité est reçu par l'appareil de navigation du véhicule.

Les unités de NavLatency sont les mêmes que les unités de l'attribut d'impédance.

Exemples de syntaxe pour les destinations

Syntaxe pour spécifier les destinations à l'aide de la structure JSON pour les fonctionnalités.

Syntaxe pour spécifier des destinations à l'aide d'une URL renvoyant une réponse JSON.

Exemples de destinations

Exemple 1 : Spécification de la géométrie des destinations dans la référence spatiale Web Mercator à l'aide de la structure JSON.

L'exemple montre également comment spécifier l'attribut Name.

Exemple 2 : Spécification de destinations à l'aide d'une URL

L'URL effectue une requête pour quelques entités à partir d'un service de carte. Une URL interrogeant les fonctionnalités d'un service d'entités peut également être spécifiée.

Jeton

Utilisez ce paramètre pour spécifier un jeton qui fournit l'identité d'un utilisateur disposant des autorisations pour accéder au service. La page des services d'accès fournit plus d'informations sur la manière dont un tel jeton d'accès peut être obtenu.

Exemple (remplacez <yourToken> par un jeton valide) :

Utilisez ce paramètre pour spécifier le format de réponse. Le paramètre peut avoir comme arguments json ou pjson, par exemple, f=json . La valeur pjson est utilisée pour imprimer la réponse JSON dans un joli format.


Analytique Environics

Données : Canada—Démographie avancée

Première entreprise de services de marketing et d'analyse au Canada, Environics Analytics (EA) aide ses clients à transformer les données et les analyses en informations, en stratégie et en résultats. EA propose une gamme complète de services analytiques - du fournisseur de données au conseil stratégique - et fournit des rapports en vente libre, des logiciels en tant que service spécialement conçus et une grande variété d'approches de modélisation. Son équipe de spécialistes du marketing quantitatif, de modélisateurs et de géographes est experte pour aider les organisations à identifier leurs défis commerciaux, à développer des solutions basées sur les données et à réussir à chaque étape de leur parcours analytique.

Données : États-Unis—Démographie avancée

Dirigée par le démographe en chef Kyle R. Cassal, l'équipe de développement de données d'Esri a une histoire d'excellence de 35 ans en matière d'intelligence de marché. Les économistes, statisticiens, démographes, géographes et analystes de l'équipe produisent des estimations et des prévisions démographiques et socioéconomiques indépendantes pour les États-Unis. L'équipe développe des modèles et des méthodologies démographiques exclusifs pour créer des ensembles de données éprouvés sur le marché, dont beaucoup sont maintenant des références de l'industrie telles que la segmentation des tapisseries, les dépenses de consommation, le potentiel du marché et les données démographiques mises à jour annuelles. Esri Demographics alimente la plate-forme ArcGIS via des cartes Web dynamiques, l'enrichissement des données, des rapports et des infographies.


Qu'est-ce qu'ArcGIS ?

Qu'est-ce qu'ArcGIS est un logiciel de système d'information géographique (SIG) qui permet de traiter et d'analyser des informations géographiques en visualisant des statistiques géographiques grâce à la création de couches de cartes telles que les données climatiques ou les flux commerciaux. Il est utilisé par une multitude d'institutions et de départements universitaires, tant en sciences humaines qu'en sciences, pour développer et illustrer des recherches révolutionnaires. De plus, il est utilisé par plusieurs gouvernements et institutions privées/commerciales dans le monde entier.

Le système a la capacité de créer des informations géographiques accessibles dans toute une entreprise, une institution, de manière privée ou publique sur Internet. Par conséquent, le logiciel fonctionne essentiellement comme une plate-forme permettant de relier, de partager et d'analyser des informations géographiques.

Comment ça marche?

Comme de nombreux logiciels SIG, ArcGIS crée des cartes qui nécessitent des catégories organisées en couches. Chaque couche est enregistrée spatialement de sorte que lorsqu'elles sont superposées, le programme les aligne correctement pour créer une carte de données complexe. La couche de base est presque toujours une carte géographique, extraite d'une gamme de sources en fonction de la visualisation requise (satellite, carte routière, etc.). Ce programme en a beaucoup à la disposition des utilisateurs et contient également des couches de flux en direct, y compris des détails sur le trafic.

Les trois premières couches sont appelées couches d'entités ou de vecteurs, chacune contenant des fonctions individuelles distinguées à travers la plate-forme. Ceux-ci sont:

  • points (comme des points de repère, des bâtiments)
  • lignes (comme les routes et autres schémas 1D)
  • polygones (comme les informations politiques et le recensement géographique, appelés données 2D)
  • images raster (une couche vectorielle de base comme une photo aérienne)

Les données peuvent être corrélées avec au moins une de ces couches spatiales et peuvent être à la fois cartographiées et analysées, que ce soit par le biais de caractéristiques telles que les changements démographiques ou via des tableaux de données.

Cependant, ce qui distingue cette méthode de ses concurrents, c'est la plate-forme complexe grâce à cette cartographie et les données peuvent être effectuées. Par conséquent, il s'agit d'un programme de grande envergure soumis aux dernières améliorations et mises à jour. Il est actuellement disponible sur les ordinateurs de bureau Microsoft Windows, bien que le programme en ligne soit accessible sur de nombreux systèmes d'exploitation. Comme il fonctionne comme une plate-forme, les utilisateurs ne doivent pas parcourir des pages d'informations et des ressources de données sont disponibles pour réduire et extraire des informations spécifiques à partir d'ensembles de données géographiques beaucoup plus volumineux. En résumé, il s'agit d'une solution unique pour la gestion et l'analyse des données filtrées par la construction de cartes. Toute personne ayant des connaissances de base en informatique et un intérêt pour la cartographie peut apprendre ArcGIS en seulement 2 semaines.

Graphiques et données complexes

Il vous permet de créer rapidement des cartes et des modèles visuels époustouflants, tels que des rendus en trois dimensions et des cartes de flux de population. À l'aide d'une fonction glisser-déposer, des feuilles de calcul de données peuvent être chargées immédiatement sur le cloud et visualisées. Il existe également un bon outil de cartographie qui suggère les meilleurs styles, classifications et couleurs pour s'adapter à vos données.

L'imagerie est proposée en haute résolution, obtenue à partir de sources récentes et historiques du monde entier, permettant la construction de cartes historiques ainsi que de données démographiques et d'observations d'informations récentes. Les phénomènes de surface, tels que l'altitude, la température, les précipitations, etc., peuvent également être entièrement intégrés dans de telles cartes et modèles visuels avec des outils étonnants pour l'analyse de surface.

Où est-il utilisé ?

En tant que plate-forme de pointe, l'ensemble d'applications et d'outils au cœur de ce programme est utilisé par une majorité d'entreprises, d'institutions et de services traitant de l'analyse de l'information géographique. Pourtant, la facilité de son interface a également vu sa valeur augmenter dans les médias et l'utilisation journalistique.

ArcGIS est doté d'une solide réputation et d'un historique. Ce simple fait en fait un logiciel de base pour différentes entreprises spécialisées dans les systèmes d'information géographique. En particulier, il est utilisé par les gouvernements étatiques et locaux du monde entier, y compris aux États-Unis.

Types de logiciels

Ce logiciel se présente sous de nombreuses incarnations différentes, du package de bureau standard à un programme entièrement basé sur le Web. Le package de bureau comprend le package de base pour publier et gérer les informations et les données, donnant également accès aux options en ligne et « Entreprise ». La version en ligne comprend de nombreuses fonctions nécessaires pour créer des applications Web et des cartes Web à l'aide d'informations géographiques. Il existe une galerie de cartes de base et de styles parmi lesquels choisir, ainsi qu'une multitude de piles de données à visualiser.

Bien entendu, vous pouvez également saisir vos données personnelles. Les avantages du programme en ligne incluent le partage de contenu pendant et en dehors de votre organisation. Les groupes peuvent accéder à des cartes personnelles sur invitation, ce qui permet une collaboration. Des éléments supplémentaires de la plate-forme logicielle incluent des applications, telles que des outils de navigation, de collecte et d'arpentage, ainsi qu'un explorateur rapide et des outils de main-d'œuvre pour un travail de terrain coordonné.

Si cela vous intéresse, recherchez un fournisseur de formation ArcGIS en ligne ou un kit d'apprentissage à votre rythme qui vous aidera à apprendre les bases et à devenir un pro.

Remarque : Il s'agit d'un blog invité par Yashraj Singh Shaktawat, SEO Executive, Edunbox.


Comment ArcGIS calcule-t-il le trafic en direct dans un jeu de données réseau ? - Systèmes d'information géographique

Toutes les données géospatiales ne sont pas créées de la même manière. La qualité des données fait référence à la capacité d'un ensemble de données donné à satisfaire l'objectif pour lequel il a été créé. Avec les quantités volumineuses de données géospatiales créées et fournies à la communauté cartographique, les utilisateurs individuels du système d'information géographique (SIG) doivent veiller à ce que les données utilisées pour leur projet soient adaptées à la tâche à accomplir.

Deux attributs principaux caractérisent la qualité des données. Précision La proximité d'une mesure par rapport à sa valeur réelle, souvent exprimée sous forme de probabilité. décrit à quel point une mesure est proche de sa valeur réelle et est souvent exprimée sous forme de probabilité (par exemple, 80 pour cent de tous les points sont à +/- 5 mètres de leur emplacement réel). Précision La variance d'une valeur lorsque des mesures répétées sont prises. fait référence à la variance d'une valeur lorsque des mesures répétées sont prises. Une montre peut être correcte au 1/1000 ème de seconde (précise) mais peut être lente de 30 minutes (pas précise). Comme vous pouvez le voir sur la Figure 5.12 « Exactitude et précision », les fléchettes bleues sont à la fois précises et exactes, tandis que les fléchettes rouges sont précises mais imprécises.

Figure 5.12 Exactitude et précision

Plusieurs types d'erreurs peuvent survenir lorsque les exigences d'exactitude et/ou de précision ne sont pas satisfaites lors de la saisie et de la création des données. Précision de position La probabilité qu'une entité se trouve à +/- unités de son emplacement réel sur terre (précision de position absolue) ou de sa position par rapport à d'autres entités cartographiées (précision de position relative). est la probabilité qu'une entité soit à +/- unités de son emplacement réel sur terre (précision de position absolue) ou de son emplacement par rapport à d'autres entités cartographiées (précision de position relative). For example, it could be said that a particular mapping effort may result in 95 percent of trees being mapped to within +/− 5 feet for their true location (absolute), or 95 percent of trees are mapped to within +/− 5 feet of their location as observed on a digital ortho quarter quadrangle (relative).

Speaking about absolute positional error does beg the question, however, of what exactly is the true location of an object? As discussed in Chapter 2 "Map Anatomy", differing conceptions of the earth’s shape has led to a plethora of projections, data points, and spheroids, each attempting to clarify positional errors for particular locations on the earth. To begin addressing this unanswerable question, the US National Map Accuracy Standard (or NMAS) suggests that to meet horizontal accuracy requirements, a paper map is expected to have no more than 10 percent of measurable points fall outside the accuracy values range shown in Figure 5.13 "Relation between Positional Error and Scale". Similarly, the vertical accuracy of no more than 10 percent of elevations on a contour map shall be in error of more than one-half the contour interval. Any map that does not meet these horizontal and vertical accuracy standards will be deemed unacceptable for publication.

Figure 5.13 Relation between Positional Error and Scale

Positional errors arise via multiple sources. The process of digitizing paper maps commonly introduces such inaccuracies. Errors can arise while registering the map on the digitizing board. A paper map can shrink, stretch, or tear over time, changing the dimensions of the scene. Input errors created from hastily digitized points are common. Finally, converting between coordinate systems and transforming between data points may also introduce errors to the dataset.

The root-mean square (RMS) error is frequently used to evaluate the degree of inaccuracy in a digitized map. This statistic measures the deviation between the actual (true) and estimated (digitized) locations of the control points. Figure 5.14 "Potential Digitization Error" illustrates the inaccuracies of lines representing soil types that result from input control point location errors. By applying an RMS error calculation to the dataset, one could determine the accuracy of the digitized map and thus determine its suitability for inclusion in a given study.

Figure 5.14 Potential Digitization Error

Positional errors can also arise when features to be mapped are inherently vague. Take the example of a wetland (Figure 5.15 "Defining a Wetland Boundary"). What defines a wetland boundary? Wetlands are determined by a combination of hydrologic, vegetative, and edaphic factors. Although the US Army Corps of Engineers is currently responsible for defining the boundary of wetlands throughout the country, this task is not as simple as it may seem. In particular, regional differences in the characteristics of a wetland make delineating these features particularly troublesome. For example, the definition of a wetland boundary for the riverine wetlands in the eastern United States, where water is abundant, is often useless when delineating similar types of wetlands in the desert southwest United States. Indeed, the complexity and confusion associated with the conception of what a “wetland” is may result in difficulties defining the feature in the field, which subsequently leads to positional accuracy errors in the GIS database.

Figure 5.15 Defining a Wetland Boundary

In addition to positional accuracy, attribute accuracy The difference between information as recorded in an attribute table and the real-world features they represent. is a common source of error in a GIS. Attribute errors can occur when an incorrect value is recorded within the attribute field or when a field is missing a value. Misspelled words and other typographical errors are common as well. Similarly, a common inaccuracy occurs when developers enter “0” in an attribute field when the value is actually “null.” This is common in count data where “0” would represent zero findings, while a “null” would represent a locale where no data collection effort was undertaken. In the case of categorical values, inaccuracies occasionally occur when attributes are mislabeled. For example, a land-use/land-cover map may list a polygon as “agricultural” when it is, in fact, “residential.” This is particularly true if the dataset is out of date, which leads us to our next source of error.

Temporal accuracy The potential error related to the age or timeliness of a dataset. addresses the age or timeliness of a dataset. No dataset is ever completely current. In the time it takes to create the dataset, it has already become outdated. Regardless, there are several dates to be aware of while using a dataset. These dates should be found within the metadata. The publication date will tell you when the dataset was created and/or released. The field date relates the date and time the data was collected. If the dataset contains any future prediction, there should also be a forecast period and/or date. To address temporal accuracy, many datasets undergo a regular data update regimen. For example, the California Department of Fish and Game updates its sensitive species databases on a near monthly basis as new findings are continually being made. It is important to ensure that, as an end-user, you are constantly using the most up-to-date data for your GIS application.

The fourth type of accuracy in a GIS is logical consistency A trait exhibited by data that is topologically correct. . Logical consistency requires that the data are topologically correct. For example, does a stream segment of a line shapefile fall within the floodplain of the corresponding polygon shapefile? Do roadways connect at nodes? Do all the connections and flows point in the correct direction in a network? In regards to the last question, the author was recently using an unnamed smartphone application to navigate a busy city roadway and was twice told to turn the wrong direction down one-way streets. So beware, errors in logical consistency may lead to traffic violations, or worse!

The final type of accuracy is data completeness The trait of a dataset comprehensively including all features required to ensure accurate mapping results. . Comprehensive inclusion of all features within the GIS database is required to ensure accurate mapping results. Simply put, all the data must be present for a dataset to be accurate. Are all of the counties in the state represented? Are all of the stream segments included in the river network? Is every convenience store listed in the database? Are only certain types of convenience stores listed within the database? Indeed, incomplete data will inevitably lead to incomplete or insufficient analysis.


Méthodes

Accessibility indicators take into account the number of opportunities one can reach and how difficult it is to reach them. Opportunities represent the attractiveness of a location as a destination: for commuting trips, the appeal of a location could be the number of jobs, for shopping trips the number of shops, etc. In this paper, we use residential population as a proxy for the availability of opportunities, because we have access to detailed data based on official data. Population living outside the FUA is not taken into account. Day-time population would be a better proxy, but that is not yet available on a pan-European level using sufficiently detailed input data such as workplace based employment, students per school and/or mobile phone locations.

We calculate accessibility by car for each populated grid cell based on the driving time to all other populated grid cells in the FUA. Travel time is calculated at different times of a weekday – more specifically Tuesday – to take into account the variation of traffic over the course of a day and to capture the impact of congestion. The dataset includes two sets of results: the one refers to free flow conditions and the other to the morning peak of congestion.

The goal of this paper is to provide a comprehensive dataset of accessibility and congestion indicators for all major European cities using detailed road network and traffic data. Although a large share of daily trips in FUAs is made by public transport, active modes or a combination of different modes, it is beyond the scopes of this study to measure accessibility using other modes or considering different alternatives for door-to-door trips.

Data used

The analysis is conducted at the level of FUAs that include both the city and its commuting zone 11 . Accessibility combines travel time between origin and destination zones with size of population, while trips between all zones are considered.

Origin-destination zones within the cities

The FUA population is distributed to 500 m by 500 m grid cells. The data are based on the 1 km 2 population grid for year 2011 provided by EUROSTAT 10 which were the most recent grid population data available at the moment of the analysis. From the 1 km 2 grid a 100 m by 100 m grid has been derived 13 . The population estimates from the 100 m grid have been summed to 500 m by 500 m grid cells. From the population grid covering all Europe only the cells included in the FUAs with more than a quarter million people have been selected. This is the case for 310 cities.

These cities vary considerably in terms of population and number of grid cells to which the population is distributed. For example, the FUA of Brussels has 2.5 million residents distributed to almost ten thousand grid cells, Krakow has less than 1.4 million people distributed to more than ten thousand grid cells and the population of the FUA of Madrid is more than 6.5 million distributed to six and a half thousand grid cells. The largest FUAs are those of London and Paris with approximately twenty thousand grid cells and 11 million population.

Road network

Travel times between grid cells are calculated across the quickest routes on the full road network. The detailed representation of the road network by Multinet 14 allows to model routing precisely with the help of variables such as the following: classification of roads according to importance (e.g. highway, major road etc.) or according to type (e.g. normal road, assistance lane, parking ramp etc.), state of the road (e.g. construction status), geo-locational characteristics, direction of the road link, length of the road link, speed based on classification and type of the road etc.

We calculate travel times at different hours of the day to capture the change of driving speed due to traffic conditions. TomTom 14 provides data on relative speed corresponding to the percentage reduction of free flow speed due to traffic – free flow speed is measured in no-traffic conditions. Such data are provided for the road segments where there is a sufficient number of GPS measurements by vehicles (probes) to estimate daily speed variations and they are used to associate these links with one of 293 available speed profiles. Speed profiles correspond to a typical week of the year. They represent different patterns of variation of relative speed during a day and include 288 values of relative speed for one day, i.e. one value for every five minutes. Speed profiles and relative speed information are available for almost all highways and major roads in European cities while the coverage of the rest of the road classes varies from city to city.

Data pre-processing

The road network data were prepared using Python and ArcGIS to compute travel times and accessibility for each city independently. The road network of each FUA, and the surrounding area required to ensure connectivity, was stored in a separate file. Hence, it has been possible to run calculations for many cities in parallel. For this purpose, in ArcMap we joined spatially the shapefile of the complete road network with the shapefile of FUAs in Europe. In order to ensure network connectivity, for the selection of the road network we extended the limits of each FUA to the rectangle embedding the FUA’s polygon. Finally, a separate file was created with the road network of each FUA.

Speed profiles at the link level capture the speed variation over the course of a day. Once we selected each FUA’s network, we created a separate file with the traffic information for the links of the FUA.

Calculation of travel time

The calculation of driving time at this level of detail for many cities in parallel is very demanding computationally. We used the programming language Python and the NetworkX library for the development of network analysis algorithms. The road network is represented as a directed multigraph and every edge is associated with driving times corresponding to different traffic conditions. These driving times were used to calculate the shortest paths between origins and destinations.

We ran the calculations in a computer with 40 cores of 2.2 GHz and 128GB memory. For the majority of the cities considered it has been possible to have 40 instances running in parallel. Only during the processing of the bigger cities that required a lot of memory, the number of cores utilised had to be reduced.

The process to estimate shortest paths between populated grid cells is summarised in the following:

Speed in traffic conditions is calculated by averaging relative speed over the selected time period, hourly in this case. Then, for each road link, driving times in free flow and congestion conditions are estimated.

The full road network is loaded as a directed multigraph and the driving times calculated in the previous step are added as attributes of the links. They serve as the weights on which the shortest path estimation is based.

The shortest paths from all origins to all destinations are calculated using the Dijkstra algorithm 15 for different traffic (or no-traffic) conditions. Origins and destinations are the centroids of the grid cells and the actual shortest path calculated for each journey is the one between the closest nodes of the road network to the origin and destination respectively. Hence, travel times are calculated between all combinations of grid cells’ centroids in each FUA using the full road network.

To identify the peak congestion hour, we calculated travel times at different morning hours. The peak hour was the one with the lowest accessibility. For the vast majority of cities, the morning peak of congestion is between 08:00–09:00 am (local time). We used this time slot for all cities.

Now, we can calculate accessibility using different operationalisations to express the relationship with the estimated travel times and grid population.

Accessibility indicators

We calculated four accessibility indicators that quantify different underlying aspects relevant to the spatial relationships within cities:

Absolute accessibility: an absolute measure of opportunities reachable within a certain travel time

Transport performance: a relative measure of opportunities controlling for the size of city

Location indicator: a measure of a zone’s connectivity

Potential accessibility: a measure of a zone’s access to all opportunities

The formulation of the indicators 16,17,18,19 is the following:

Absolute accessibility measures accessible population within a certain travel time. Congestion has a negative impact on absolute accessibility by increasing travel time i.e. reducing the number of destinations reachable within the specified limit. The formula is as follows:

Pj the population of destination zone j

(_) a binary variable equal to 1 when travel time from zone je to zone j is smaller than the determined travel time limit κ (30 minutes in our case) and 0 otherwise, and

m the number of destination zones to be taken into account in the calculation (all in the specific case).

The 30 min time limit in absolute accessibility was used as the reference cut-off-point by the International Transport Forum 20 . This report estimated that “the share of the total population accessible to an average inhabitant within 30 minutes of driving is, on average, 50% for European metropolitan areas with 1 million inhabitants. For those with 6 million inhabitants, it is just 15%.” Absolute accessibility is affected by the size and density of the FUA.

Transport performance is a relative measure of accessibility which expresses the number of opportunities reachable within a certain travel time – i.e. absolute accessibility – with respect to the number of opportunities available within a certain radius 20 . It is calculated using the following formula:

Pj the population of destination zone j

(_) a binary variable equal to 1 when travel time from zone je to zone j is smaller than the determined travel time limit κ (30 minutes in our case) and 0 otherwise

(< ho >_) a binary variable equal to 1 when distance from zone je to zone j is smaller than the determined distance limit λ (10 kilometres radius) and 0 otherwise

m the number of destination zones to be taken into account in the calculation (all in the specific case).

In contrast to absolute accessibility that grows with the size and density of available opportunities within reach, transport performance has been developed to control for the number of nearby destinations. By increasing travel times, congestion reduces the number of accessible destinations and as a result transport performance drops.

The location indicator measures the average travel time from an origin to all destinations, weighted by the population of destinations. It is given by the following formula 17 :

tij the travel time from cell je to destination zone j

Pj the population of destination zone j

m the number of destination zones to be taken into account in the calculation (all in the specific case).

The indicator is expressed in time units. Congestion increases average travel times and as a result the location indicator.

Potential accessibility measures the sum of population accessible from the origin zone per unit of travel time. Potential accessibility is given by the following formula 17 :

tij the travel time from cell je to destination zone j

Pj the population of destination zone j

m the number of destination zones to be taken into account in the calculation (all in the specific case)

α is a parameter to control the decay function

Travel time is raised to the power of α to control for the importance of the role of distance, or time, between origin and destination. Values larger than 1 (i.e. a higher decay function parameter) increase the importance of relations over short distances 17 . By increasing travel times, congestion has a negative impact on the indicator.

A summary of accessibility indicators

Absolute accessibility depends on the pre-determined travel time threshold. This permits a direct physical interpretation (population reachable in 30 min) but the fixed travel time threshold makes the indicator dependent on population density and the population size of the city. Transport performance was developed 20 to address this issue by dividing the population reachable within a determined travel time by the total population within a determined distance. Potential accessibility indicates the average population reachable per unit of driving time. Without a pre-determined time threshold, it depends on the size, form and population distribution of the FUA. Finally, the location indicator measures travel time weighted by the population of destinations.

Accessibility at the level of FUA, city or commuting zone can be calculated as the population weighted average of accessibility according to the different indicators at grid level. The variation of the four indicators over the course of a weekday for the FUAs of Brussels, Madrid, Krakow and Seville is displayed in Fig. 1. The curves indicate the occurrence of morning traffic peak between 8:00 and 9:00 for the four cities but the afternoon peak appears to be smoother for Seville and Madrid. According to absolute accessibility, Madrid performs better than the other three cities in part because it is the largest one it also has the best road transport performance, offering good access to nearby destinations. Seville performs worse than Brussels according to absolute accessibility, as it is smaller, but better according to transport performance, meaning that its road network offers better access to nearby opportunities. Accessibility in Krakow is the lowest – of all four cities – according to all measures indicating that Krakow is the city with lower access to fewer opportunities, also outside the peak hour.

Hourly variation over the course of a day of the population-weighted average accessibility in Brussels, Krakow, Madrid and Seville according to the four indicators.

Brussels and Madrid seem to be the cities most affected by congestion among the four as the drop of the accessibility indicators is sharper than in Seville or Krakow. During both the morning and afternoon peaks, transport performance of Brussels falls below that of Krakow and average travel time in Brussels (measured by the location indicator) increases above that of Krakow.


Geographic Information Systems

The Geographic Information Systems division supports the Natrona County Citizens and government in their needs for information and decision making tools through the use of intelligent mapping software. The division creates and uses information such as Assessor data, road maintenance activities, zoning, and aerial photos to present maps for County related activities.

It is possible to connect existing county data to map features so that questions similar to "what addresses are within 500 feet of the proposed liquor license?" or "where in the county are the stop signs rated in poor condition?" or "what is the zoning in this area?" can be asked and displayed.

GIS is best when you can interact with the layers and the data. Here are a few local and statewide interactive GIS apps.

    - Natrona County, Casper, Bar Nunn, Evansville & Mills - Content specific to Assessor's data - Wyoming Geographic Information Science Center - A Discovery and Delivery portal for Wyoming data - Property Ownership in the State of Wyoming - Wyoming's natural, cultural, socioeconomic, and infrastructure resources - Discover the Cartography of the Past

Here is a sample of maps created by the GIS Department. Not finding what you are looking for? Contact Natrona County GIS and request a custom made map (fees apply) or try the GeoSMART online mapping tool.