fire.api.niv package

Module contents

API-modul til fire niv-underkommandoer.

Submodules

Funktionalitet til fire niv udtræk-observationer

fire.api.niv.udtræk_observationer.OBSKLASSE = {NivMetode.MGL: <class 'fire.api.model.observationer.GeometriskKoteforskel'>, NivMetode.MTL: <class 'fire.api.model.observationer.TrigonometriskKoteforskel'>}: Oversætter mellem nivellementsmetode og observationsklasse.

fire.api.niv.udtræk_observationer.brug_alle_på_alle(operationer: Iterable[Callable], objekter: Iterable[Any]) → Iterator[Any]: Udfør hver operation på hvert objekt og returnér resultaterne.

fire.api.niv.udtræk_observationer.filterkriterier(nøjagtigheder: Iterable[Nøjagtighed]) → Mapping[int, float]: Returnerer en dictionary med en spredning for hver kombination af nivellementsmetode og valgte nøjagtigheder.

fire.api.niv.udtræk_observationer.klargør_geometrifiler(geometrifiler: Iterable[str]) → List[Geometry]

Returnerer samlet liste med hvert lag i hver fil.

Hver geometrifil kan have flere features eller lag.

Åbn og konvertér indhold af geometrifiler.

fire.api.niv.udtræk_observationer.observationer_inden_for_spredning(resultatsæt: Set[GeometriskKoteforskel | TrigonometriskKoteforskel], spredninger: Mapping[int, float]) → Iterator[GeometriskKoteforskel | TrigonometriskKoteforskel]

fire.api.niv.udtræk_observationer.opstillingspunkter(observationer: Iterable[Observation]) → List[Punkt]: Returnerer unikke opstillingspunkter for observationerne.

fire.api.niv.udtræk_observationer.polygoner(punkter: Iterable[Punkt], buffer: int) → Iterator[Geometry]: Returnerer en søgeklar liste med Geometry-instanser til søgning i databasen.

fire.api.niv.udtræk_observationer.punkter_til_geojson(data: DataFrame) → dict: Konvertér punkter til geojson-tekststreng.

fire.api.niv.udtræk_observationer.sigtepunkter(observationer: Iterable[Observation]) → List[Punkt]: Returnerer unikke sigtepunkter for observationerne.

fire.api.niv.udtræk_observationer.søgefunktioner_med_valgte_metoder(forberedt_søgefunktion: Callable, metoder: List[NivMetode]) → Iterator[Callable]: Returnerer en søgefunktion med fastsatte argumenter for hver metode.

fire.api.niv.udtræk_observationer.timestamp() → str

class fire.api.niv.enums.NivMetode(value, names=None, *, module=None, qualname=None, type=None, start=1, boundary=None)

Bases: Enum

MGL = 1

MTL = 2

MotoriseretGeometriskNivellement = 1

MotoriseretTrigonometriskNivellement = 2

class fire.api.niv.enums.Nøjagtighed(value, names=None, *, module=None, qualname=None, type=None, start=1, boundary=None)

Bases: Enum

D = 3

Detail = 3

K = 2

Kvalitet = 2

P = 1

Præcision = 1

Nivellementskriterier og hjælpefunktionalitet.

Nøjagtighedskrav (også kaldet forkastelseskriterier) for nivellementmålinger samt de erfarede og i databasen indtastede empiriske spredninger per afstandsenhed, som bruges som á priori-spedninger for en given opmåling.

Nøjagtighedskrav:

Metode | MGL | MGL | MTL | MTL |

|-----------|-----------------|--------------------|---------------|--------------------| | Præcision | 2.0 | 0.6 | 2.0 | 1.5 | | Kvalitet | 2.5 | 1.0 | 2.5 | 2.0 | | Detail | 3.0 | 1.5 | 3.0 | 3.0 | | Eksternt | 5.0 | | | |

fire.api.niv.kriterier.EMPIRISK_SPREDNING: Mapping[Tuple[Nøjagtighed, NivMetode], float] = {(Nøjagtighed.D, NivMetode.MGL): 1.5, (Nøjagtighed.D, NivMetode.MTL): 3.0, (Nøjagtighed.K, NivMetode.MGL): 1.0, (Nøjagtighed.K, NivMetode.MTL): 2.0, (Nøjagtighed.P, NivMetode.MGL): 0.6, (Nøjagtighed.P, NivMetode.MTL): 1.5}: Implementerer empiriske spredninger (brugt á priori) jævnfør nøjagtighedskrav i modulets dokumentation.

fire.api.niv.kriterier.FORKASTELSESKRITERIUM: Mapping[Tuple[Nøjagtighed, NivMetode], float] = {(Nøjagtighed.D, NivMetode.MGL): 3.0, (Nøjagtighed.D, NivMetode.MTL): 3.0, (Nøjagtighed.K, NivMetode.MGL): 2.5, (Nøjagtighed.K, NivMetode.MTL): 2.5, (Nøjagtighed.P, NivMetode.MGL): 2.0, (Nøjagtighed.P, NivMetode.MTL): 2.0}: Implementerer forkastelseskriterier jævnfør nøjagtighedskrav i modulets dokumentation.

fire.api.niv.kriterier.mildeste_kvalitetskrav(nøjagtigheder: List[Nøjagtighed], metoder: List[NivMetode], mapping: dict = {(Nøjagtighed.D, NivMetode.MGL): 1.5, (Nøjagtighed.D, NivMetode.MTL): 3.0, (Nøjagtighed.K, NivMetode.MGL): 1.0, (Nøjagtighed.K, NivMetode.MTL): 2.0, (Nøjagtighed.P, NivMetode.MGL): 0.6, (Nøjagtighed.P, NivMetode.MTL): 1.5}) → float: Returnerer mildeste (højeste værdi) kvalitets-kriterium i enheden [mm / km ** (1/2)] ud fra kombination af flere mulige kombinationer af nøjagtighed og metoder.