En direct de la séance plénière de la conférence utilisateur 2018 : Session du matin Partie 2

CandaceLoya

<\/HEAD>

Et nous revoilà avec l'équipe Customer Advocacy partageant leurs commentaires ci-dessous ! Si vous avez manqué la session du matin, vous pouvez lire les points forts Live from the 2018 User Conference Plenary: Morning Session<\/A>.<\/P>

10:55 - Acte II 6 Vide9o d'ouverture<\/a><\/li>11:01 - ArcGIS Online<\/a><\/li>Intervenante : Jennifer Bell<\/a><\/li>11:12 - Enterprise GIS 6 Inspirer une nouvelle ère de solveurs de proble8mes avec Location Intelligence<\/a><\/li>Socie9te9 : Cobb County Government<\/a><\/li>Intervenants : Sharon Stanley, Felicia Alingu, Lynn Biggs, Jennifer Lana, et Lt. J.D. Lorens - Cobb P.D.<\/a><\/li>11:22 - ArcGIS Pro Editing and 3D<\/a><\/li>Intervenante : Madeline Schueren<\/a><\/li>11:28 - Enterprise Sites<\/a><\/li>Intervenante : Shannon Kalisky<\/a><\/li>11:35 - ArcGIS Pro - Artificial Intelligence (AI)<\\/a><\\/li><\\n<li style=\"list-style-type:disc; margin-left:75px; margin-bottom:1px;\">Intervenants : Rohit Singh, Esri et Chris Buscaglia, Esri<\\/a><\\/li>\n11h40 - Restauration du Lower Catskill Aqueduct de New York avec GIS & BIM<\\/a><\\/li>\nSocie9te9 : Mott MacDonald<\\/a><\\/li>\nIntervenants : Cory Dippold et Anthony Renteria<\\/a><\\/li>\n11h49 - Gestion du re9seau utilitaire ArcGIS<\\/a><\\/li>\nIntervenants : Remi Myers, Esri et Sarayana Kesavan, Esri<\\/a><\\/li>\n11h53 - Suivi de localisation<////a></////li>////nEn utilisant le style de dessin Relationship, elle démontre comment ce style évalue deux attributs pour aider à explorer les relations entre les attributs, dans ce cas, en comparant le niveau de développement au nombre d'espèces menacées et en montrant où les deux valeurs sont élevées et basses pour le développement humain qui menace d'autres espèces de vie.<\/SPAN><\/P>

<\/P>

 <\/SPAN><\/P><\/P><\/P>Elle passe ensuite à raconter l'histoire en utilisant la fonction Edges dans

ArcGIS Online<\/A> pour le Smart Mapping 3D<\/SPAN> du New York City Energy Score. Ici, elle montre la note que chaque bâtiment reçoit qui représente son efficacité énergétique.<\/SPAN><\/SPAN><\/P><\/P><\/P>

11h12 - Enterprise GIS – Inspirer une nouvelle ère de résolveurs de problèmes avec Location Intelligence<\/H1>Entreprise : Cobb County Government<\/H3>Intervenants : Sharon Stanley, Felicia Alingu, Lynn Biggs, Jennifer Lana, et Lt. J.D. Lorens - Cobb P.D.<\/H4> <\/SPAN><\/P>https:\/\/www.youtube.com\/embed\/UY0yxh_Jrbo?feature=oembed

11h35 - ArcGIS Pro - Intelligence Artificielle (IA)

Intervenants : Rohit Singh, Esri et Chris Buscaglia, Esri

 

Rohit, remercie Bern et donne une démonstration d'exemple pour détecter les piscines à l'aide d'imagerie infrarouge afin de développer des données d'entraînement et la détection d'objets pour créer le modèle d'entraînement qui fournit des informations sur les propriétés ayant des piscines. L'apprentissage profond de ce type peut également être utilisé pour détecter les piscines négligées qui présentent un risque de reproduction des moustiques.<\/SPAN><\/P>

<\/P>

Chris nous emmène en voyage à New Orleans avec des visuels de propriétés délabrées depuis avant l'ouragan Katrina. Images capturées par des entrepreneurs de la ville au niveau de la rue. <\/SPAN><\/P> <\/SPAN><\/P>En utilisant AI avec le NOUVEAU Property Condition Survey et ArcGIS Pro, il peut identifier un quartier à New Orleans qui n'a pas été classé avec des catégories de délabrement. En intégrant avec la clé d'entraînement dans Microsoft Custom Vision, en utilisant des photos d'entraînement prêtes à l'emploi axées sur les graffitis, les fenêtres barricadées et les cours envahies par la végétation, l'AI peut être entraînée avec un modèle de délabrement dans Custom Vision, classifiant ces images avec des couches résultantes qui peuvent être utilisées dans ArcGIS. <\/SPAN><\/P>Regarder ces propriétés spécifiques montre le score global de probabilité de délabrement, priorisant plus efficacement les quartiers nécessitant des évaluations. <\/SPAN>En moins d'une minute, Chris est capable de classifier 600 propriétés pour moins d'un dollar en utilisant ArcGIS et AI ensemble pour résoudre des problèmes difficiles afin de comprendre une variété de conditions de quartier.<\/SPAN><\/P> <\/SPAN><\/P>Écrit par Matt Ball<\/A>, Rédacteur chez Esri<\/P>

En utilisant des flux de travail d'apprentissage profond,

Rohit Singh<\/A> a démontré la détection automatique des piscines dans les zones résidentielles d'une ville. En utilisant ArcGIS Pro avec les images NAIP du Living Atlas, il a commencé par étiqueter des piscines échantillons. Ensuite, ces données d'échantillon d'entraînement s'intègrent avec Jupyter Notebook et l'API ArcGIS pour Python pour s'intégrer avec PyTorch et la bibliothèque FastAI afin d'entraîner un modèle de détection d'objets. Le modèle aide à trouver les piscines dans toute la ville. Les outils d'analyse d'ArcGIS online nous permettent de relier les piscines aux parcelles. Ensuite, nous examinons les propriétés qui n'ont pas enregistré de piscines dans la base de données du cadastre, aidant la ville à générer un rapport avec les propriétés nécessitant une vérification sur le terrain.<\/P>

<\/P>

Chris Buscaglia<\/A> a montré l'identification des zones de délabrement à New Orleans, détectant graffitis, fenêtres barricadées et cours envahies par la végétation. Le résultat a montré des bâtiments nécessitant une vérification supplémentaire sur le terrain. Au lieu de prendre des centaines d'heures, il a pu classifier des centaines de photos en quelques minutes.<\/P><\/BLOCKQUOTE>

<\/P>

11h40 - Restauration du Lower Catskill Aqueduct de New York City avec GIS & BIM<\/H1>Entreprise : Mott MacDonald<\/H3>Intervenants : Cory Dippold et Anthony Renteria<\/SPAN><\/H4>Écrit par Matt Ball<\/A><\/SPAN><\/P>

Cory Dippold et Anthony Renteria de Mott MacDonald ont présenté l'intégration du GIS et du BIM pour la maintenance planifiée du Lower Catskill Aqueduct.<\/P>

<\/P>

Le système d'approvisionnement en eau de New York City commence bien au-dessus de la ville dans les bassins versants qui alimentent les réservoirs gérés par le Department of Environmental Protection (DEP). 500 millions de gallons d'eau <\/SPAN>circulent <\/SPAN>chaque jour à travers des aqueducs qui s'étendent sur plus de 120 miles. Les douze derniers miles du Catskill Aqueduct, qui a plus de 120 ans, ont été ciblés pour réparation. Les fissures et l'altération météorologique dans ce segment, connu sous le nom de Lower Catskill Aqueduct, seront réparés sur une période de dix ans.<\/P><\/P>Le projet est né numérique avec la création d'un jumeau numérique. Mott MacDonald a sondé le sous-sol et la surface de l'aqueduc en utilisant un scanner LiDAR pour capturer les détails de l'aqueduc. Les conditions existantes sont chargées dans ArcGIS Online ainsi que les documents contractuels originaux datant de 1911. Le processus a détaillé les actifs connus pour les évaluations techniques, et il a également découvert certains actifs inconnus, tels que des points d'accès aux regards qui avaient été recouverts par la végétation au fil des années suivantes. Le transfert de toutes les informations vers ArcGIS Online a facilité le partage avec le DEP, et ce partage se poursuivra tout au long du processus de maintenance, offrant une visibilité sur l'avancement et la performance du travail.<\/P><\/P>Il y a tout un aspect building information modeling (BIM) dans ce projet. Le modèle contextuel du projet est créé dans Autodesk InfraWorks avec toutes les informations sur les actifs qui correspondent aux données LiDAR et aux images satellites. Les données ont été importées dans Autodesk InfraWorks pour fournir un modèle contextuel du projet.<\/P><\/P>Le modèle BIM est créé dans Autodesk Revit. Le modèle numérique est importé à nouveau dans InfraWorks pour créer le modèle contextuel. Maintenant, pour la première fois, ils peuvent intégrer le modèle Revit dans ArcGIS avec un transfert complet en haute fidélité. Le modèle peut être orbité et exploré, regardant les caractéristiques à la fois au-dessus et en dessous du sol.<\/P><\/P>De nouveaux outils dans ArcGIS Online permettent à Mott MacDonald de découper le modèle GIS et révéler le modèle BIM détaillé sous terre. Ces nouveaux outils permettent aux utilisateurs de sectionner et couper à travers le modèle comme jamais auparavant, supprimant les données GIS pour révéler les données planimétriques pour une vue du modèle technique au sein du GIS.<\/P><\/P>Une petite section de l'aqueduc qui n'est plus utilisée a permis à Mott MacDonald de tester l'utilisation du LiDAR pour créer une capture réaliste de l'intérieur de l'aqueduc. Ces informations ont été chargées dans GIS pour examiner les défauts et quantifier fissures et éclats afin qu'ils soient envoyés aux entrepreneurs pour réparation. Ces informations détaillées aideront l'entrepreneur à accélérer les réparations tout en fournissant une base de données complète des défauts pour créer un paquet travail entrepreneur.<\/P><\/P>La combinaison des données GIS et BIM permet d'explorer davantage le modèle. Un environnement unique pour naviguer autour du projet. Cela permet à ceux qui ne sont pas praticiens du BIM ou GIS d'explorer le modèle technique.<\/P><\/BLOCKQUOTE><\/P>"Bienvenue dans le nouveau Workflow chez Mott MacDonald." ~ Cory Dippold<\/SPAN><\/P><\/P>

11h49 - Gestion du réseau utilitaire ArcGIS<\/H1>Intervenants : Remi Myers, Esri et Sarayana Kesavan, Esri<\/H4> <\/SPAN><\/P>Dans une démonstration collaborative, Remi et Saranya montrent une carte de base utilisant la solution ArcGIS Network Management Solution pour aider Truckee Donner Public Utility District à fournir électricité et eau à près de 25 000 clients dans le nord de la Californie.<\/SPAN><\/P> <\/SPAN><\/P>Sarayana zoome sur un quartier vu d'en haut voyant systèmes électriques et hydrauliques, vannes, interrupteurs, banques contenant transformateurs, lignes connectives, et comment elle peut facilement reconfigurer un poteau d'un endroit à<\/P> un autre pour un projet d'élargissement routier.<\/SPAN><\/P><\/P>Remi explique comment les hôpitaux, tels que l'hôpital Tahoe Forest, sont alimentés par plusieurs sources électriques afin de réduire les risques d'accidents et pannes d'équipement. En élargissant les vues cartographiques pour examiner le terrain et les modèles météorologiques historiques grâce à un marqueur historique, ils peuvent déterminer qu'une source électrique supplémentaire peut être acheminée depuis une sous-station proche vers l'hôpital.<\/SPAN><\/P> <\/SPAN><\/P>Sarayana et Remi démontrent ensuite comment ils peuvent facilement cartographier et créer un modèle type pour alimenter un parcours de golf en électricité puis passer en mode modèle 3D afin d'observer potentiels problèmes liés au terrain ainsi que tout risque provenant du réseau hydraulique voisin.<\/SPAN>
style="margin-bottom: .0001pt;">Pour conclure leur démonstration, ils montrent à quel point un utilisateur sur le terrain peut facilement accéder aux mêmes données depuis un appareil mobile en utilisant Explorer.<\/SPAN><\/P> <\/SPAN><\/P>Ressources GeoNet supplémentaires :<\/SPAN><\/P>Electric and Gas<\/A><\/P>

Water Utilities<\/A><\/P>

<\/P>

11h53 - Suivi de localisation<\/H1>Intervenant : Craig Gillgrass<\/H4><\/P>Craig utilise une application de suivi de localisation pour configurer son profil afin d’être suivi uniquement lorsqu’il travaille et désactive le suivi lorsqu’il n’est pas en service.<\/P>https:\/\/www.youtube.com\/embed\/Emj6n28BwL0?feature=oembed

Anonymous User

Clustering sure makes maps look slick!

 

Configure clustering—ArcGIS Online Help | ArcGIS 

 

 

Check out the new smart mapping style - relationship:

 

Style numbers—ArcGIS Online Help | ArcGIS