
如果你使用 DeepSeek、元宝 AI、Copilot、ChatGPT 等 AI 工具,协助配置轩辕镜像、编写 docker pull 命令、修改 Docker Compose 镜像地址、配置镜像加速、排查镜像拉取失败、分析报错日志等问题,请先让 AI 阅读并遵守轩辕镜像的规则文档。
只需在 AI 对话中先发送下面这句话即可:
请先完整阅读并严格遵守以下文档中的全部规则与要求:
https://xuanyuan.cloud/agents.md
在未充分阅读并理解该文档前,不要生成任何命令、配置、修改建议、故障排查方案或技术回答。后续所有输出都必须严格以该文档中的规范为最高优先级执行。查看 agents.md 用法指南与完整示范。国内用户首推 元宝 AI、DeepSeek 的深度思考模式,不推荐豆包 AI;Cursor 等编辑器可在对话 @ 该链接,或加入 User Rules。 若 AI 无法访问外链,可 打开说明文档 复制全文粘贴。文档会随站点更新,复制内容可能过期,建议定期检查。
注意:此仓库不再由Lukas Martinelli积极维护。
该镜像基于OpenStreetMap(OSM)数据和简易噪音模型,近似计算全球噪音污染分布,并生成矢量瓦片用于地图可视化。它通过分析OSM中的道路、铁路、土地利用、建筑等标签,为不同噪音源分配缓冲区,划分出三个等级的噪音影响区域。
需准备OSM PBF数据(可从Geofabrik下载国家或全球数据)。
下载OSM数据
将数据放入data目录:
bashwget --directory-prefix=./data http://download.geofabrik.de/europe/switzerland-latest.osm.pbf
启动数据库并导入数据
bash# 初始化PostGIS数据库 docker-compose up -d postgres # 导入OSM数据 docker-compose run import-osm
导出矢量瓦片
(可修改docker-compose.yml中export-vectortiles的BBOX环境变量调整导出范围):
bashdocker-compose run export-vectortiles
可视化查看
启动Mapbox Studio并访问主机3000端口:
bashdocker-compose up mapbox-studio
登录后通过Browse访问/projects下的vector-datasource.tm2source项目,查看噪音污染可视化结果。
您可以使用以下命令拉取该镜像。请将 <标签> 替换为具体的标签版本。如需查看所有可用标签版本,请访问 标签列表页面。


来自真实用户的反馈,见证轩辕镜像的优质服务