不同类型的数据常常激起我的好奇心，因此在 Microsoft 检测到的道路上跌跌撞撞提供了一个有趣的练习。我将道路路径数据集与全球人口数据集混合在一起，以进行一些可视化。微软发布了一组 ML 检测的道路约 5000 万公里。我从 Open Street 地图中添加了额外的缺失区域。我发现这些模式很吸引人，所以我分享是为了激发其他人的好奇心和好奇心。
使用 Uber H3 单元，可以连接不同的数据。我使用分辨率为 4 的六边形/五边形，其平均边长约为 24.5 公里——人口数据也以这种方式分段，以便于组合。
对于大约 50GB 的数据和约 17 亿个字符串顶点，我结合使用了脚本与 R、SQL Server 和 QGIS。我使用了各种旧的个人项目脚本来完成这项工作，并在三角学和 QGIS 符号学方面学到了一些新知识。全部基于我自己的代码和方法，因此不保证准确性或精确度！我在我的个人桌面上本地运行，所以没有速度记录，但我很高兴它是高效的并且在机器容量范围内。
最终结构是大约 40m 的记录，其中包含 H3 索引、方向 (0–359)、角度距离和间隔计数的字段。给定起始数据量，我通过分解数据、分批执行计算、汇总结果并聚合到最终状态来工作。这意味着没有大量的工作数据积累，这对于在国产硬件上工作很重要。最终数据小于900GB。
在生成可视化效果时，我将结果加入到 H3 参考表中。这意味着数据只存储一次（标准化）以防止膨胀。H3参考表包含：主导国家、人口、质心坐标。
大洋洲道路数据集横跨澳大利亚的比例 4 六角形可在下方查看。显然，方向分布受道路密度的影响很大。