Por ejemplo, creo que esto utiliza algunos datos sobre bienes raíces. Así que puedes analizar el precio en ciertas áreas, en ciertos períodos de tiempo, basándote en ciertos criterios, y de inmediato obtienes un resultado de dónde podría ser una buena idea invertir, cómo van los precios, hacer alguna evaluación de mercado. Otro buen ejemplo de usar H3 para este tipo de visualización es el Auto-Tuner de Política de Movilidad. Esta es una aplicación que encontré, no la he usado, pero ilustra bastante bien los ahorros de CO2 en ciertas partes de la ciudad. Así que verifica el tráfico, tiene sus propios datos, por supuesto, pero puedes ver claramente qué partes de la ciudad tienen las mayores emisiones de CO2 en ciertas partes del día. Así que esta también es una buena herramienta para quizás municipios de la ciudad o algunas instituciones gubernamentales para averiguar qué quieren hacer.
Y esto también funciona de la misma manera. Tienes tu aplicación React, tienes tu propio estado, gestionas ese estado de la manera que mostramos en el ejemplo anterior. Y tienes tu UI que es muy reactiva, y tu mapa que reacciona a tus actualizaciones en tus controles. Y si están compartiendo el estado, hace que sea bastante fácil y eficiente y de alto rendimiento visualizar estos cambios. Así que puedes ver aquí nuestro ejemplo, otro ejemplo es la aplicación que estoy construyendo aquí en Fused. Utiliza edificios de overture. Así que aquí es un poco diferente a las aplicaciones que he mostrado antes, porque el código que está a la izquierda está procesando los datos y dándote el resultado de esa salida en el lado derecho. Así que lo que esta visualización está mostrando es en realidad cómo puedes combinar dos conjuntos de datos y visualizar un mapa 3D para quizás demostrar, en este ejemplo específico, qué riesgo de desastre hay en estos edificios específicos. Así que edificios específicos son obtenidos de los datos de overture, y el riesgo es capturado de los datos de NSI. Y combinamos esos dos datos para averiguar quizás cuáles son los edificios más amenazados por terremotos, y visualizar eso de manera bastante eficiente y de alto rendimiento en nuestro mapa.
Así que estamos hablando de conclusiones clave aquí. A continuación, queremos hablar sobre cómo construir un mapeo declarativo basado en estado. Así que trata tu mapa como un componente React, controla tu estado de vista, visibilidad de capas, filtros de datos, a través de props y hooks, en lugar de llamadas WebGL imperativas, lo cual sería una pesadilla hacer. Así que, ¿por qué es importante? Reduce el código repetitivo, hace trivial sincronizar los controles de la UI con las actualizaciones del mapa. Mostramos esto en un ejemplo muy simple. Pero te mostré cómo aplicaciones complejas están construyendo eso. Y el principio es bastante el mismo. Por supuesto, con la sobrecarga de diferentes capas, grandes conjuntos de datos, UIs complejas, vienen otros problemas, pero esos son los problemas que ya estamos resolviendo en diferentes partes de la web. Nada nuevo ahí. Y el beneficio es aprovechar la aceleración de la GPU para descargar tareas pesadas, geometría, agregación y animaciones a la GPU a través de WebGL. Puedes alimentar formatos de datos binarios en capas basadas en mosaicos. Y esto es algo que va más allá de lo que demostramos antes. Pero si estás interesado, solo contáctame, y voy a hablar de ello un poco más directamente. Una de las cosas principales es que puedes mantener tus 60 cuadros por segundo, incluso con millones de puntos.
Comments