本文主要是介绍GEE数据集——2019、2020、2021、2022和2023年全球固定宽带和移动（蜂窝）网络性能Shapefile 格式数据集，希望对大家解决编程问题提供一定的参考价值，需要的开发者们随着小编来一起学习吧！
全球固定宽带和移动（蜂窝）网络性能¶
全球固定宽带和移动（蜂窝）网络性能，分配给缩放级别 16 网络墨卡托图块（赤道处约 610.8 米 x 610.8 米）。数据以 Shapefile 格式和 Apache Parquet 格式提供，其几何形状以众所周知的文本 (WKT) 表示，投影在 EPSG:4326 中。下载速度、上传速度和延迟是通过适用于 Android 和 iOS 的 Ookla 应用程序的 Speedtest 收集的，并对每个图块进行平均。测量结果将被过滤为包含 GPS 质量定位精度的结果。前言 – 人工智能教程
数据集的可用年份：2019、2020、2021、2022和2023
引文¶
Speedtest® by Ookla® Global Fixed and Mobile Network Performance Maps.
Based on analysis by Ookla of Speedtest Intelligence® data for [DATA TIME PERIOD].
Provided by Ookla and accessed [DAY MONTH YEAR]. Ookla trademarks used under license
and reprinted with permission.
在此处查找 GitHub 项目和数据集： https: //github.com/teamookla/ookla-open-data您还可以从 AWS 开放数据注册表下载数据集： https: //registry.opendata.aws/speedtest-global-performance /
瓦片¶
Ookla平台每月进行数亿次速度测试。为了创建可管理的数据集，我们将原始数据聚合到图块中。数据图块的大小被定义为“缩放级别”（或“z”）的函数。当 z=0 时，一块图块的大小就是整个世界的大小。在 z=1 时，图块在垂直和水平方向上分成两半，形成覆盖地球的 4 个图块。随着缩放级别的增加，这种图块分割会持续下去，导致当我们放大给定区域时图块会呈指数级减小。根据这个定义，图块大小实际上是根据Web 墨卡托投影(EPSG:3857) 的地球宽度/高度的一部分。因此，图块大小根据纬度略有不同，但图块大小可以以米为单位进行估计。
出于这些图层的目的，使用缩放级别 16 (z=16) 进行平铺。这相当于赤道处大约 610.8 米 x 610.8 米的图块（18 角秒块）。每个瓷砖的几何形状在现场以WGS 84 (EPSG:4326)表示tile。
平铺属性¶
每个图块包含以下相邻属性：
| 字段名称 | 类型 | 描述 |
|---|---|---|
| 平均d_kbps | 整数 | 在磁贴中执行的所有测试的平均下载速度，以每秒千位表示。 |
| 平均ukbps | 整数 | 在图块中执行的所有测试的平均上传速度，以每秒千位表示。 |
| 平均纬度毫秒数 | 整数 | 在图块中执行的所有测试的平均延迟（以毫秒为单位） |
| 测试 | 整数 | 在图块中进行的测试数量。 |
| 设备 | 整数 | 在磁贴中贡献测试的唯一设备的数量。 |
| 四键 | 文本 | 代表图块的四键。 |
四键¶
四键可以充当图块的唯一标识符。这对于在空间上连接多个时期（季度）的数据、创建更粗略的空间聚合而不使用地理空间函数、空间索引、分区以及存储和导出切片几何形状的替代方案非常有用。
层数¶
两层作为单独的文件集分布：
performance_mobile_tiles- 包含从具有 GPS 质量位置和蜂窝连接类型（例如 4G LTE、5G NR）的移动设备进行的测试的图块。performance_fixed_tiles- 包含从具有 GPS 质量位置和非蜂窝连接类型（例如 WiFi、以太网）的移动设备进行的测试的图块。
时间段和更新频率¶
图层是根据一个季度（三个月）的数据生成的，文件将每季度更新和添加一次。一个/year=2020/quarter=1/时期（即 2020 年第一季度）将包括 之前或之后生成的所有2020-01-01数据2020-04-01。
数据会定期重新汇总，以遵守适用于某些司法管辖区的法律规定的数据主体访问请求 (DSAR)，包括但不限于《通用数据保护条例》(GDPR)、《加州消费者隐私法》(CCPA) 和《Lei Geral》 de Proteção de Dados (LGPD)。因此，在不同时间访问的数据可能会导致测试总数、图块和生成的性能指标发生变化。
地球引擎片段¶
var mobile_20210101 = ee.FeatureCollection("projects/sat-io/open-datasets/network/mobile_tiles/2022-01-01_performance_mobile_tiles");
var fixed_20210101 = ee.FeatureCollection("projects/sat-io/open-datasets/network/fixed_tiles/2022-01-01_performance_fixed_tiles");
示例代码：https://code.earthengine.google.com/? scriptPath=users/sat-io/awesome-gee-catalog-examples:global-utilities-assets-amenities/GLOBAL-FIXED-MOBILE-NETWORK-PERFORMANCE
不同季度的移动和固定图块的地球引擎文件按以下格式排列，因为季度是 3 个月间隔，将月份变量替换为 01,04,07,10（代表 3 个月间隔）
* ee.FeatureCollection("projects/sat-io/open-datasets/network/mobile_tiles/Year-month-01_performance_mobile_tiles")
* ee.FeatureCollection("projects/sat-io/open-datasets/network/fixed_tiles/Year-month-01_performance_mobile_tiles")
栅格数据集¶
作为处理该数据集的一部分，我进一步将这些数据集转换为 32 位浮点栅格，这些栅格以 610m 分辨率生成，并且 avg_d_kbps、avg_u_kbps、avg_lat_ms、devices、tests 等要素属性在这些图像的波段中转换。每个季度的开始和结束日期都会进一步添加到图像中，但矢量到光栅转换过程中不会保留四边形信息。结果是固定和移动数据集的两个图像集合。
地球引擎片段¶
var fixed = ee.ImageCollection("projects/sat-io/open-datasets/network/raster_tiles/performance_fixed_tiles"),vis_fixed = {"opacity":1,"bands":["avg_d_kbps"],"min":1007.8523559570312,"max":125438.453125,"palette":["b40a01","ff3608","ffc46c","fff8a7","cbff87","52ff58","3bff89","35ffda","1f4fff"]},mobile = ee.ImageCollection("projects/sat-io/open-datasets/network/raster_tiles/performance_mobile_tiles"),vis_mobile = {"opacity":1,"bands":["avg_d_kbps"],"min":829.6676025390625,"max":102469.4453125,"palette":["b40a01","ff3608","ffc46c","fff8a7","cbff87","52ff58","3bff89","35ffda","1f4fff"]};
var fixed_image = fixed.first()
var mobile_image = mobile.first()Map.centerObject(fixed_image,2)Map.addLayer(fixed_image,vis_fixed,'Average Fixed Download Speed in kbps');Map.addLayer(mobile_image,vis_mobile,'Average Mobile Download Speed in kbps')var Stranger_Things=
[{"featureType": "all","elementType": "all","stylers": [{"invert_lightness": true},{"saturation": "-9"},{"lightness": "0"},{"visibility": "simplified"}]},{"featureType": "landscape.man_made","elementType": "all","stylers": [{"weight": "1.00"}]},{"featureType": "road.highway","elementType": "all","stylers": [{"weight": "0.49"}]},{"featureType": "road.highway","elementType": "labels","stylers": [{"visibility": "on"},{"weight": "0.01"},{"lightness": "-7"},{"saturation": "-35"}]},{"featureType": "road.highway","elementType": "labels.text","stylers": [{"visibility": "on"}]},{"featureType": "road.highway","elementType": "labels.text.stroke","stylers": [{"visibility": "off"}]},{"featureType": "road.highway","elementType": "labels.icon","stylers": [{"visibility": "on"}]}
]
Map.setOptions('Stranger_Things', {Stranger_Things: Stranger_Things})示例代码：https://code.earthengine.google.com/? scriptPath=users/sat-io/awesome-gee-catalog-examples:global-utilities-assets-amenities/GLOBAL-FIXED-MOBILE-NETWORK-PERF-光栅
执照¶
这些数据集根据 Attribution-NonCommercial-ShareAlike 4.0 International (CC BY-NC-SA 4.0) 提供
提供者：奥克拉
GEE 策展人：Samapriya Roy
关键词：：分析、宽带、城市、市政、基础设施、互联网、网络流量、电信、瓦片
最后更新：2023-09-18
这篇关于GEE数据集——2019、2020、2021、2022和2023年全球固定宽带和移动（蜂窝）网络性能Shapefile 格式数据集的文章就介绍到这儿，希望我们推荐的文章对编程师们有所帮助！
