欢迎阅读 “Call for Code 技术”迷你系列的第五次连载,我将在此明确并讨论 Call for Code 中的六个核心技术领域之一。您将了解该项技术,知道如何在 IBM Cloud 中充分利用该技术,以及在哪里能找到最佳资源来激发创新。

当务之急是,如果您尚未接受 Call for Code 挑战赛并加入我们的社区,请赶快采取行动。

在这第五次连载中,我将介绍如何利用交通和天气技术,以便大家能够将这些技术融入到 Call for Code 解决方案中。虽然在分析时,交通和天气数据都可以发挥作用,但让我们把它们分为两种不同的类别,并分别加以讨论。

天气资源

利用天气数据能做什么?看一下这篇博客,其中详细介绍了 The Weather Company 提供的天气订阅源及易于使用的 API。正在打造 Call for Code 应用程序的开发者可以在有限时间内使用这些内容。这是个千载难逢的机会,这些 API 包含各种各样的出色数据,从预报到恶劣天气都涵盖在内,如果您要在解决方案中整合天气,这些将会成为必备资源

如果您要寻找历史天气数据,可查看此 NOAA 页面,了解本地或全球数据摘要,这些摘要按照长度进行划分,并且还包含雷达成像。

交通资源

您是否想知道”交通运输与自然灾害有何关联?”虽然乍看可能不相关,但当涉及到运输时,了解交通效率(有时是存在的欠缺)可能会帮助您在发生自然灾害时制定资源计划或应急计划。

就像天气数据集一样,交通和运输也存在数据集。您可以在 data.gov 中精确搜索要查找的内容,而仅仅是在城市政府数据集中搜索” traffic”,就会产生 200 多个资源,可立即供您转换以及采取所需的任何操作。

围绕交通和天气技术构建 Call for Code 应用

观看视频

开始在 Call for Code 中使用交通和天气数据

如果您还没有 IBM Cloud 帐户,第一步是进行注册,两分钟内即可完成。只需确保使用有效的电子邮件地址,因为在创建任何服务之前,都必须先确认您的电子邮件地址。

IBM 员工 Scott D’Angelo 提供了一个不错的天气相关 Code Pattern,其中讨论了如何使用 Watson Machine Learning 来预测山火强度。该 Code Pattern 逐步指导您创建和训练一个模型,从美国宇航局获得数据,并预测特定地区的山火强度。

这个主题是不是有点似曾相识?有可能!Call for Code 2018 挑战赛季军得主 Team Lali 就是利用物联网设备、Watson Machine Learning 和 AI 创建了一个与山火防范有关的解决方案,用于识别山火风险较高的区域。

在交通方面,Scott D’Angelo 还创建了一个 Code Pattern,用于分析旧金山市的交通数据。该解决方案利用 Watson Studio 和 Jupyter Notebooks 功能将所有这些数据整合在一起。您可以轻松调整该 Code Pattern 来分析上面提到的 data.gov 网站中的其他城市数据。

Call for Code 的独特理念是:将交通和天气数据整合在一起,在恶劣天气即将到来时帮助人们撤离某个区域。您可以使用 The Weather Company API 来识别恶劣天气,通过与某一城市的交通/运输数据结合使用,可在需要快速撤离的情况下找到离开城市的最佳路线。

本周,我们了解了交通和天气数据,以及如何在 Call for Code 提交方案中利用这些资源。我还向您提供了两个优秀的 Code Pattern,它们真正展示了在 IBM Cloud 上使用交通和天气数据的一些不错的用例。

如果您错过了“Call for Code 技术”迷你系列其他文章,请一定要阅读:

同时,也欢迎大家关注我在 GitHub 上的工作。

>>更多“围绕交通和天气技术构建 Call for Code 应用”的技术资源

其他资源

本文翻译自:Building Call for Code apps around traffic and weather technology(2019-05-09)

加入讨论