空间统计说历史:奥德修斯的归家之路

荷马同学的《伊利亚特》在叙述完史上最强半神阿喀琉斯击杀特洛伊第一高手赫克托尔的传奇之战后,以赫克托尔的葬礼为结局,就结束了。但是骄傲不逊的阿喀琉斯,用希腊联军统帅阿伽门农的话来说“在众神所宠爱的军阀之中,我最痛恨这个家伙 (all the warlords loved by the gods, I hate him the most.)”所以也就注定了他的悲剧收场——

我灰常喜欢皮特演的阿喀琉斯——就不要在意那些细节了。

虽然特洛伊战争中有无数的历史谜案,但是我一直觉得阿喀琉斯之死是最大的悬案之一,史上最强半神(他的母亲被预言将生下第四代神王——能够像二代神王克罗洛斯推翻一代神王乌拉洛斯、三代神王宙斯推翻二代神王克罗洛斯一样,预言中,他的母亲海女神忒提斯将生下新的一代神王,从而推翻三代神王宙斯的统治。结果预言泄露,宙斯将忒提斯嫁给了凡人国王珀琉斯,凡人和神只能生下half a god(半神),所以宙斯摆脱了被推翻的命运。但是这个有神王命的家伙,也成为了史上最强半神——以半神的能力,多次在正面战场击败神明。)

然后这个史上最强半神,居然让一个花花公子帕里斯一箭射杀——虽然有阿喀琉斯之踵一说,但是一只蚂蚁,就算知道了巨龙的弱点,也不可能有这个能力。当然神话里面给出了一个合理的解释:太阳神阿波罗附体帕里斯,所以一箭射杀了阿喀琉斯……好吧,虾神表示:

上面的内容都不重要——只是虾神自己对希腊神话的一点小小的见解而已,下面进入正文。

特洛伊战争之后,希腊的头号智者、联军总参谋长奥德修斯(就是这个家伙出了的木马计,屠掉了特洛伊)在回家的过程中,经历了千难万险(——嗯,和虾神外出去见客户然后连挤带换乘N趟地铁回家的感觉差不多)回到了自己的国家。荷马同学根据他的这个历程,又写了一本书,就是荷马史诗第二部《奥德赛》。

自古以来,奥德赛都被认为是实际的地理著作,荷马在里面描述了很多地点地名——当然,真假我们不做考证了,这里我通过空间统计的方法,来看看总参谋长奥德修斯同学的回家之路。

奥德赛书里面是这样描述的:

那实际上,奥德修斯同学的老家伊达卡(Ithaca :也翻译为伊萨卡岛)与特洛伊的位置,如下所示:

从这样对比,除非上面按照奥德赛里面绘制出来的地图,南北对调一下,才能够与实际地图贴合,不过既然是神话,就不要在意那些细节了说不定太古洪荒时期,地球就是这样的呢……

那么我把奥德赛的地图按照特洛伊和伊萨卡的距离为参照,做一下简要配准,用以计算奥德修斯的总旅程数量,如下所示:

配准之后,计算奥德修斯的总体旅程数,发现,他的总旅程达到了12500多公里——活生生的一个神话版本的二万五千里长征啊!

接下去,我们可以看看,奥德赛的旅行,是否具有规律——或者说,荷马同学在设计他的跋涉路线的时候,是否有一定的规律,最简单的方法,就做一个全局的空间自相关,属性就用奥德修斯造访的地方的顺序为属性来计算,计算结果如下:

好嘛……Z得分为0.49,P值高达0.6,严重的随机……所以可见,荷马同学在设定奥德修斯的旅行路线的时候,为了突出他回家的辛苦,对所有的目的地的选择,都是很讲究的。虽然不知道那个时候是否有随机这一概念,但是今天我们用空间统计的方法,计算的结果,是完全随机,可见荷马写作时候的独具匠心。

然后计算一线性平均方向,发现了一个很有意思的地方:

13段路程,平均的旅行长度是1046公里……,平均方向居然是由西北向东南方向,这个似乎有些让人费解,那么我把图叠加到真实的世界地图上,大家再来看下面的结果:

撇开神话地图,在真实的地图上,发现奥德赛的整个旅程,都在地中海之间漂泊……而且有到达了北非的迹象。

当然,神话只是神话,里面种种假设,也都是虾神一家之言……大家就当看了个洋葱新闻好了,千万不要当真哦……

时间: 2024-10-10 19:39:12

空间统计说历史:奥德修斯的归家之路的相关文章

白话空间统计之九:方向分布(标准差椭圆)

终于写到我最喜欢的一个的工具(算法)了,方向分布是虾神我接触的第一个空间统计工具,也是每次讲空间统计必须要讲的一个,也是对点数据分析中很有用的一个工具. 点模式的分析中,一般会考察如下五种内容: 1.点的疏密,包括点数据的分布探索,是否一致.均匀或者不均匀. 2.点的方位,包括点的分布和方向. 3.点的数量:多少(极值和均值). 4.点的大小:代表的含义(如点一个点代表多少人口). 5.其他,如点的一些动态变化等. (关于点数据分析的其他详细的内容,请看虾神以前的文章,或者再公众号里面回复"点分

白话空间统计之九:方向分布(标准差椭圆)修正版

文章用红色字体标记出来的内容是修正后的内容,感谢四川的杨同学对我曾经的错误提出指正. 最终写到我最喜欢的一个的工具(算法)了.方向分布是虾神我接触的第一个空间统计工具,也是每次讲空间统计必需要讲的一个,也是对点数据分析中非常实用的一个工具. 点模式的分析中,通常会考察例如以下五种内容: 1.点的疏密.包含点数据的分布探索,是否一致.均匀或者不均匀. 2.点的方位.包含点的分布和方向. 3.点的数量:多少(极值和均值). 4.点的大小:代表的含义(如点一个点代表多少人口). 5.其它,如点的一些动

白话空间统计之十:标准距离

前言:热烈庆祝虾神人生第三十三个七夕虐狗节,正好文章又发到第十话.双喜临门-- 好了,言归正传,昨天我们讲了方向分布工具,这个工具会生成一个标准差椭圆.当中有这种一句话描写叙述: "短半轴表示数据分布的范围,短半轴越短,表示数据呈现的向心力越明显.反之,短半轴越长,表示数据的离散程度越大" 那么可能会带来一个这种疑问(不知道大家有没有,反正我有),假设说,这些数据表现出了明显的向心力,也就是在中心附近进行了聚集.那么他们的分散和聚集程度究竟是怎么样的呢?有没有方法进行度量呢? 所以今天

白话空间统计之:空间自相关

白话空间统计之:空间自相关 空间自相关,肯定是空间统计里面第一个拦路虎了,很多人遇上了这个高大上的词汇,立刻就发现,这五个字我好像都认识,但是到底说了啥?不知道. 如果翻开各种教材,从统计学到数学到物理学,各种解释都摆出了一副"老子就是高大上学霸,屌丝学渣勿扰"的样子,这个东西真得就那么难么?虾神我就不信了,所以:I have a dream,就是写出一个最接地气的空间统计解释来.(好大的宏愿,阿弥陀佛老天保佑,别吹炸了.) 首先,要明白一下空间自相关这个神奇的概念,不得不先说一个神奇

白话空间统计之:Moran's I(莫兰指数)

前两天聊了空间统计学里面的两个经典概念,今天来说说第一篇文章留下的大坑:Moran's I. 首先,Moran's I这个东西,官方叫做:莫兰指数,是澳大利亚统计学家帕特里克·阿尔弗雷德·皮尔斯·莫兰(Patrick Alfred PierceMoran)(好长的名字,不过一般都简称为:帕克·莫兰,就是下图这位中年帅哥了),在1950年提出的.这一年,朝鲜战争爆发. 莫兰同学1917年出生在澳大利亚的悉尼,后来考入了剑桥大学,第二次世界大战的时候,加入了盟军,并且因为在数学和物理学上面的特长,被

白话空间统计之四:P值和Z值(上):零如果

本来今天想要讲讲软件操作的,后来发现好像还有好几个重要的指标没有说,干脆等所有说完在讲操作吧.否则操作出来的结果会发现大量的"不明觉厉". 首先是空间统计里面非常神奇的两个值:P值和Z值. 要说这两个值之前.还是要复习一下统计学的概念.毕竟空间统计的理论基础还是建立在经典统计学上面的. 首先,统计学里面.有一个叫做"零如果"的概念很厉害,一定要说说. 零如果(null hypothesis),有时候又称原如果,官方的解释是:指进行统计检验时预先建立的如果.也就是说,

空间统计之七:中心要素

写到这一章,空间统计系列的内容已经写了七章了,前面的所有内容包括了空间统计的几个基本理论基础,如空间自相关.空间异质性.莫兰指数.空间关系概念化以及他们之间的量化度量方式P值和Z得分等,那么空间统计学与经典统计学在理论上的不同点,就说得差不多了.毕竟空间统计学还是发源于经典统计学上面的,经典统计学上面的很多概念,在空间统计学里面也照样能用得上,所以从今天开始,我们会介绍一些经典统计学上的概念内容在空间统计学上代表的意义和作用. 要说到统计,大部分人脑子里面马上就会蹦出一堆的折线图.饼状图.柱状图

白话空间统计之:Moran's I(莫兰指数)

前两天聊了空间统计学里面的两个经典概念,今天来说说第一篇文章留下的大坑:Moran's I. 首先,Moran's I这个东西.官方叫做:莫兰指数,是澳大利亚统计学家帕特里克·阿尔弗雷德·皮尔斯·莫兰(Patrick Alfred PierceMoran)(好长的名字.只是一般都简称为:帕克·莫兰,就是下图这位中年帅哥了).在1950年提出的.这一年,朝鲜战争爆发. 莫兰同学1917年出生在澳大利亚的悉尼,后来考入了剑桥大学.第二次世界大战的时候,增加了盟军,而且由于在数学和物理学上面的特长,被

白话空间统计十五:多距离空间聚类分析 (Ripley's K 函数) (上)

空间分析里面,最重要的一个概念就是距离,不同的距离会导致不同的结果.在研究的时候,有种叫做"空间尺度"的概念,这个有兴趣的话,请自行百度(老规矩:百度知道的东西别问我). 所以,在研究聚类的时候,最重要的就是确定不同数据之间的距离,否则就会如下: 聚类分析中,要素之间的距离是个很重要的参数:也就是说两个要素相隔多远才算是聚成一类呢?在任何一种聚类算法中,探索一个合适的距离,都是比较纠结的事情.专家提出了各种算法,都想要优化这个距离探索的过程,以便有效的降低计算开销. 同样一份数据,在不