Generalizer

Il y a deux raisons typiques d'utiliser Quand le groupe change (avancé). La première concerne les données entrantes qui sont destinées à être traitées en groupes (et qui sont déjà classées ainsi). Dans ce cas, c'est la structure qui dicte l'utilisation de Regrouper par - et non des considérations de performance.

La seconde raison possible est le potentiel gain de performances.

Les gains de performance sont plus visibles quand les données sont déjà triées (ou lues en utilisant une déclaration SQL ORDER BY) puisque moins de travail est requis de la part de FME. Si les données doivent être ordonnées, elles peuvent être triées dans le traitement (bien que la surcharge de traitement supplémentaire puisse annuler tout gain).

Le tri devient plus difficile en fonction du nombre de flux de données. Il peut être quasiment impossible de trier des flux de données multiples dans l'ordre correct, car toutes les entités correspondant à une valeur Regrouper par doivent arriver avant toute entité (de tout type d'entité ou jeu de données) appartenant au groupe suivant. Dans ce cas, l'utilisation de Regrouper par avec Lorsque toutes les entités sont reçues peut être une approche équivalente et plus simple.

Note: De multiples types d'entités et entités de multiples jeux de données ne vont généralement pas arriver dans l'ordre correct.

Comme pour beaucoup de scénarios, tester différentes approches dans votre projet avec vos données est le seul moyen sûr d'identifier le gain de performance.

Douglas

L'algorithme de Douglas-Peucker supprime les sommets qui provoquent une déviation inférieure à la tolérance de généralisation, mais l'emplacement des sommets restants n'est pas modifié. Ainsi, cet algorithme est bon pour réduire le nombre de points d'une ligne, il n'est pas très bon pour préserver la forme ou la relation spatiale de la ligne par rapport à d'autres entités. Lorsqu'il est utilisé sur des polygones, le point de départ n'est jamais supprimé.

Paramètres correspondants :

• Tolérance de généralisation
• Préserver les limites communes
• Tolérance des limites partagées
• Préservation des segments chemins

Douglas avec ajustement de l'arc

L'algorithme Douglas avec ajustement d'arc effectue les mêmes opérations que l'algorithme de Douglas, mais il tente également d'ajuster des arcs circulaires aux données, ce qui entraîne souvent un nombre réduit de sommets. Tous les arcs ajoutés seront dans la tolérance de généralisation de l'entrée originale. Cet algorithme supprimera toujours un nombre de points supérieur ou égal à celui qui serait supprimé par l'algorithme de Douglas, mais le résultat peut être un IFMEPath au lieu d'un IFMELine.

Paramètres correspondants :

• Tolérance de généralisation
• Préserver les limites communes
• Tolérance des limites partagées
• Préservation des segments chemins

Thin

L'algorithme Thin supprime les sommets qui se trouvent à une distance inférieure à la tolérance de généralisation d'un sommet adjacent. Les points de début et de fin ne sont jamais déplacés, sauf si la longueur totale de l'entité à amincir est inférieure à la tolérance, auquel cas l'entité est remplacée par une entité ponctuelle contenant la coordonnée finale.

Paramètres correspondants :

• Tolérance de généralisation

Thin No Point

L'algorithme Thin No Point supprime les sommets qui se trouvent à une distance inférieure à la tolérance de généralisation d'un sommet adjacent. Les points de début et de fin ne sont jamais déplacés, même lorsque la longueur totale de l'entité à amincir est inférieure à la tolérance, auquel cas l'entité est remplacée par une entité linéaire reliant le premier point au dernier point.

Paramètres correspondants :

• Tolérance de généralisation
• Préserver les limites communes
• Tolérance des limites partagées
• Préservation des segments chemins

Deveau

L'algorithme de Deveau supprime les sommets qui contribuent le moins à la forme globale de l'entité, et peut introduire de nouveaux sommets à des positions qui ne figurent pas à l'origine dans l'entité. Le comportement inhérent de l'algorithme est tel qu'il invalide la coordonnée z des sommets, ainsi que toute mesure. Par conséquent, les entités de sortie seront toujours en 2D et ne comporteront aucune mesure. Le paramètre Facteur de lissage et le paramètre Angulositédoivent être spécifiés.

Paramètres correspondants :

• Tolérance de généralisation
• Préserver les limites communes
• Tolérance des limites partagées
• Préservation des segments chemins
• Facteur de lissage
• Angulosité

Wang

L'algorithme de Wang élimine et exagère les coudes jusqu'à ce qu'une entité linéaire n'aie plus de virage plus petit que la valeur de tolérance fournie.

Paramètres correspondants :

• Tolérance de généralisation
• Préserver les limites communes
• Tolérance des limites partagées
• Préservation des segments chemins

McMaster

L'algorithme de McMaster calcule un nouvel emplacement pour chaque point en prenant d'abord la valeur moyenne des coordonnées x et y du point et d'un certain nombre de points voisins. Il fait ensuite glisser le point moyen vers le point d'origine en fonction d'une valeur de déplacement spécifiée. L'effet global est que chaque point sera tiré vers ses points voisins.

Paramètres correspondants :

• Préserver les limites communes
• Tolérance des limites partagées
• Préservation des segments chemins
• Nombre de voisins
• Pourcentage de décalage

McMaster Weighted Distance

L'algorithme de distance pondérée de McMaster effectue les mêmes opérations que l'algorithme de McMaster, mais il utilise la pondération inverse de la distance pour prendre en compte la distance entre chaque voisin et le point à déplacer. L'effet global est que les points les plus éloignés auront moins d'"attraction" que les points proches.

Le paramètre Coefficient de pondération est utilisé uniquement par l'algorithme de distance pondérée de McMaster. Il est utilisé pour déterminer le poids de chaque point voisin.

Note: Pour les lignes, les algorithmes de McMaster ne modifient pas les N premiers et derniers points (où N est le nombre de voisins), car ils n'ont pas assez de voisins pour que les calculs de moyenne puissent fonctionner. Pour les polygones, un enveloppement est utilisé pour que chaque point du polygone soit modifié. Dans le cas de polygones adjacents et de l'option Conserver les limites partagées, les parties colinéaires de leurs limites seront lissées ensemble. Les autres parties de leurs limites seront lissées comme des lignes. Cela signifie qu'aucun enveloppement ne sera utilisé pour les polygones adjacents.

Paramètres correspondants :

• Préserver les limites communes
• Tolérance des limites partagées
• Préservation des segments chemins
• Nombre de voisins
• Pourcentage de décalage
• Coefficient de pondération

NURBfit

L'algorithme NURBfit ajustera les lignes en utilisant des courbes B-Spline de degré polynomial donné. Les lignes résultantes suivront ces courbes avec une longueur de segment donnée. Plus le degré est élevé, plus la ligne est lisse. Un exemple d'utilisation est le lissage des lignes de contour pour éliminer les pointes et simuler le travail d'un artisan cartographe.

Paramètres correspondants :

• Préserver les limites communes
• Tolérance des limites partagées
• Préservation des segments chemins
• Degré du polynôme
• Longueur de segment

Fillet

L'algorithme Fillet remplacera les coins linéaires d'une ligne par des coins en arc avec le rayon Fillet donné. Si un arc avec le rayon de congé spécifié ne tient pas sur un coin, ce coin sera ignoré.

Point d'inflexion

L'algorithme d'inflexion calcule l'emplacement des points d'inflexion le long d'une ligne et renvoie la liste de ces points. Les points d'inflexion sont des mesures de la sinuosité d'une ligne.

Paramètres correspondants :

• Nombre de voisins

Distance orthogonale de régression

Cet algorithme remplace la géométrie de l'entité par une ligne qui minimise la distance orthogonale entre elle et les points de la géométrie originale. La distance orthogonale est la plus courte distance (perpendiculaire) entre un point et une ligne.

Paramètres correspondants :

• None