资讯频道 → 移动开发
阅读更多

10顶
1踩

移动开发

翻译新闻 5个实用的地理位置API推荐

2011-11-17 18:05 by 资深编辑 luiang1018 评论(3) 有9040人浏览
API 地理位置服务
如果你经常关注技术领域，你可能对一些大的地理位置（Geoloaction）服务已经很熟悉了，比如Google地图、Foursquare、Bing地图，甚至Twitter的地理位置服务，也知道他们的API运用。本文介绍的一些API并不为许多人所熟知，但是在开发一些需要实现定位功能的应用程序及服务时它们可能会相当有用。

1. Geoloqi


Geoloqi是一款基于GPS的完全可定制应用程序。它可以让你根据自己所处的地理位置设置备忘录、规则以及消息。Geoloqi由波特兰的Amber Case和Aaron Parecki合作开发，旨在提供多方面的地理位置服务。它围绕了这样一个理念——“地理围墙（geofence）”，即当你进入某一地理区域时，Geoloqi能够触发一些行为。例如，当你接近某个地理位置时，Geoloqi可帮助你收到一条关于所要做事情的短信提醒；查找到附近区域相关的维基百科条目；或者发送一条信息给好友让他们知道你在附近。

Geologi API于去年夏天推出，尽管还没有自己的iPhone或Android应用，但已受到很多企业的关注。该API可帮助在应用程序中实现非常复杂的地理位置功能。

2. InfoChimps Geo API Suite


InfoChimps工具包括了多套位置API，也可以称之为Geo API套件。InfoChimps Geo API使得开发者无需开发维护自己的地理信息系统，也无需使用不同的语法去查询不同第三方的数据源，只需要调用其API，就可以从不同的信息来源（比如，维基百科、Twitter），完成基于经纬度、地理名称、人口调查等等的查询。查询的结果可以直接可视化在地图上（Shema格式信息），并提供不同的缩放层次。

3. SimpleGeo


SimpleGeo则完全专注于其API，似乎欲在位置数据上与InfoChimps直接竞争。十月份Urban Airship收购了它——这是一家专门为移动领域的开发者提供开发工具的公司。

SimpleGeo拥有三套可为应用程序增添位置功能的API：SimpleGeo、SimpleGeo Context（可以就某一特定位置提供天气、人口或周遭环境数据）以及SimpleGEO Places（包含商业清单和景点的一个数据库）。同时它还提供了一个数据库，可用于自定义托管你的地图位置。

在SimpleGeo被收购后关于其所专注的业务似乎面临着一些非议，不过，Urban Airship公司的CEO Scott Kveto承诺，该公司将继续为开发者提供地理位置服务。然而，其产品和价格可能会有所变化（此前，根据SimpleGeo的声明，该公司所有的2千万个地点信息都可免费使用）。Urban Airship公司本月完成了它的新一轮融资，因此前景应该很好。

4. Snapr


Snapr是一个照片共享应用程序，你可以在地图上标出你的照片。Snapr的地图API让开发人员可以在其应用程序中添加带地理标记的照片分享功能。这应该是一个有趣的API，你可以与本文介绍的其他API一起使用。

5. Stikki


Stikki只想着把一件事情做好，那就是：为实际的位置增加虚拟的备忘录。举例说明，你可以给自己设一个到达某特定位置的私信提醒，或者分享一个该地方的公开故事。创始人Joshua Ellis在这篇博客中解释了他的想法。值得注意的是，Stikki完全由HTML5开发，不需要用到任何移动设备，甚至它还没有任何的原生应用。

为了更好的实现其想法，Stikki一开始便推出了它的API。与Snapr一样，可以和其他API一起结合使用。

关于Infrastructure App

这些API中有一个共同点就是，专注于为其他应用程序提供后端服务（Snapper和Stikki例外）。我们可以将这些应用称为Infrastructure（基础架构）App，不要与“架构即服务（IaaS）”混淆。Infrastructure App能够将应用的某些组件外包给云，它们与另两个趋势的发展不谋而合，它们分别是：API优先的公司（例如Klout）和“数据即服务（Daas）”。

Via  siliconangle
  • 大小: 17.1 KB
  • 大小: 11.6 KB
  • 大小: 1.8 KB
  • 大小: 7.1 KB
  • 大小: 9.5 KB
10
顶
1
踩
评论 共 3 条 请登录后发表评论
3 楼 忍者战神 2011-11-18 11:25
      
2 楼 fuwajian 2011-11-18 10:26
首先，想使用这些地理位置的API，得依赖GPS吧，也就是得在移动终端上开发，其API不能在这些平台上调用也就失去意义了是不~
1 楼 black.angel 2011-11-18 08:59
好东西，收了。

发表评论

您还没有登录,请您登录后再发表评论

相关推荐

  • tensorflow/core/platform/cpu_feature_guard.cc:140] Your CPU supports instructions that this T

    主要介绍了tensorflow/core/platform/cpu_feature_guard.cc:140] Your CPU supports instructions that this T的相关知识，本文给大家介绍的非常详细，对大家的学习或工作具有一定的参考借鉴价值,需要的朋友可以参考下

  • I tensorflow/core/platform/cpu_feature_guard.cc:141] Your CPU supports instructions that this Tensor

    问题：使用tensorflow出现 I tensorflow/core/platform/cpu_feature_guard.cc:141] Your CPU supports instructions that this TensorFlow binary was not compiled to use: AVX2 这不是错误，只是警告说，如果您从源代码构建TensorFlow，则在您的计算机上可以更快。 就像警告说的那样，仅在需要使TF更快时才应使用这些标志编译TF。 您可以使用TF环境变量TF

  • python tensorflow 检测 cpu 占用率太高_Tensorflow安装与配置

    深度学习，我采用的是Tensorflow框架，编译环境是Pycharm一、首先安装python【1】可以用python官网下载python对应版本进行安装【2】用Anaconda进行python的安装Anaconda可以理解为一个复合着常用库的python解释器等在我们在Pycharm进行代码编写时，要选择解释器。如果你单纯的安装了Python，那就需要安装第三方库，然而无论是在命令行中还是在Py...

  • python3.6安装tensorflow失败,Tensorflow安装失败，并显示“模块的编译时版本3.5与运行时版本3.6不匹配”。...

    I tried installing from pip:pip3 install --user --no-cache https://storage.googleapis.com/tensorflow/linux/cpu/tensorflow-1.4.0-cp36-cp36m-linux_x86_64.whlThen tried importing and got:Using TensorFlow...

  • I tensorflow/core/platform/cpu_feature_guard.cc:140] Your CPU supports instructions that this Tensor

    遇到了这个问题，意思是你的 CPU 支持AVX AVX2 （可以加速CPU计算），但你安装的 TensorFlow 版本不支持 解决： 1. 如果是初学者 或者 没有太大计算速度的需求，在开头加上这两行忽略这个警告即可 import os os.environ['TF_CPP_MIN_LOG_LEVEL'] = '2' 说明： os.environ["TF_CPP_MIN_LOG_LEVEL"] = '1' # 默认，显示所有信息 os.environ["TF_CPP_MIN_LOG_LEVE.

  • tensorflow cpu问题

    返回： 2019-05-23 14:33:04.952328: I tensorflow/core/platform/cpu_feature_guard.cc:140] Your CPU supports instructions that this TensorFlow binary was not compiled to use: AVX2 FMA 2019-05-23 14:33:0...

  • I tensorflow/core/platform/cpu_feature_guard.cc:142] Your CPU supports instructions that this Tensor

    其实这个也不是错误，这个只是一个tensorflow的warning而已，如果你不想去看到这个warning，其实就是给它创建一个环境变量就好了: export TF_CPP_MIN_LOG_LEVEL=2 这样就好了，但是因为这个只是临时创建的，所以我们需要创建一个永久性的环境变量的话，只需要这样做: #第一种方法: sudo vim ~/.bashrc #在最后面加上一行 export TF_CPP_MIN_LOG_LEVEL=2 #然后source一下就好了

  • 在线求助 tensorflow调试出现下列提示 怎么办

    2023-01-15 10:51:22.587331: I tensorflow/core/platform/cpu_feature_guard.cc:151] This TensorFlow binary is optimized with oneAPI Deep Neural Network Library (oneDNN) to use the following CPU instructions in performance-critical operations: AVX AVX2To enab

  • 【微机原理作业】8086 基本指令和程序结构

    循环结构和分支结构及其程序的实现方法。 8086 指令系统包括六大类指令： 1.数据传送指令 2.算术运算指令 3.逻辑运算和移位指令 4.串操作指令 5. 控制转移指令 6. 处理器控制指令 汇编程序有4种基本结构： 1.顺序结构 2.分支结构 3.循环结构 4.子程序............

  • 8086 Instruction Format Reference

    Instruction Format Reference Addressing Mode Byte MOD Field (determines how R/M operand is interpreted) 00 Use R/M Table 1 for R/M operand 01 Use R/M Table 2 with 8-bit signed displacement 1...

  • tensorflow-gpu SSE

    用pip install tensorflow-gpu后，运行时常常会报以下警告： 2017-05-06 08:09:33.780033: W tensorflow/core/platform/cpu_feature_guard.cc:45] The TensorFlow library wasn't compiled to use SSE4.1 instructions, but thes

  • Your CPU supports instructions that this TensorFlow binary was not compiled to use: AVX AVX2

    警告Your CPU supports instructions that this TensorFlow binary was not compiled to use: AVX AVX2解决办法

  • 汇编语言8086笔记

    学到的知识，很大的一部分会被忘却，而被忘记的知识的影子却保护你避免陷入很多的错觉。——伊顿公学校长威廉·考利 为什么要学习汇编语言？　　汇编语言是很多相关课程的重要基础，比如：操作系统、接口技术等。它是底层编程语言，是计算机系统提供给用户最快最有效的语言，也是能对硬件直接编程的语言。因此，对空间和时间要求很高的程序，或需要直接控制硬件的程序，必须使用汇编语言进行程序设计。 程序员是个大江湖之我来自编

  • 解决Tensorflow 使用时cpu编译不支持警告

    使用TensorFlow模块时，弹出错误Your CPU supports instructions that this TensorFlow binary was not compiled to use: AVX AVX2原因是下载TensorFlow的版本不支持cpu的AVX2编译。可能是因为安装时使用的pip install tensorflow ，这样默认会下载X86_64的SIMD版本。...

  • 解决 warning I tensorflow/core/platform/cpu_feature_guard.cc:141] Your CPU supports instructions that...

    只需要加载如下代码： import os os.environ['TF_CPP_MIN_LOG_LEVEL'] = '2' 转载于:https://www.cnblogs.com/zxj9487/p/9971641.html

  • Tensorflow使用CNN卷积神经网络以及RNN(Lstm、Gru)循环神经网络进行中文文本分类

    Tensorflow使用CNN卷积神经网络以及RNN(Lstm、Gru)循环神经网络进行中文文本分类 本案例采用清华大学NLP组提供的THUCNews新闻文本分类数据集的一个子集进行训练和测试http://thuctc.thunlp.org/  训练CNN、RNN\LSTM模型，读入中文文本数据，预测文本属于哪个类别：体育, 财经, 房产, 家居, 教育, 科技, 时尚, 时政, 游戏, 娱乐...

Global site tag (gtag.js) - Google Analytics