CN112117700A - 水下电缆路线规划工具 - Google Patents

Abstract

本公开涉及水下电缆路线规划工具。提供了一种水下电缆路线规划技术，用于使用模型自动地生成水下电缆路线。就此而言，一个或多个处理器可以接收测深数据，并且还可以接收多个现有水下电缆路线的现有路线数据。基于测深数据和现有路线数据，可以生成用于确定水下电缆路线的模型。这样，当接收到对连接第一位置和第二位置的水下电缆路线的请求时，可以使用该模型以基于第一位置、第二位置和测深数据来生成一个或多个潜在水下电缆路线。

Description

水下电缆路线规划工具

相关申请的交叉引用

本申请要求2019年9月20日提交的美国临时专利申请No.62/903,230的提交日期的权益，其公开内容通过引用合并于此。

技术领域

本公开涉及水下电缆路线规划工具。

背景技术

为了跨诸如海洋、河流、湖泊的水体承载电信信号，可以在水下，例如在海床上铺设电缆。在规划水下电缆路线时，需要考虑多个因素。例如，这些因素可能包括物理限制、领土限制、规定等。这样，规划水下电缆路线需要大量的时间和人力。如果不考虑所有因素，可能会导致自然资源和人力资源的利用效率低下、环境破坏、对石油管道的干扰等。即使进行了周密的规划，以后也可能会发现现有的水下电缆路线具有易于导致中断的故障的某些部分。维修故障也可能需要大量的时间、资源和精力。

发明内容

本公开提供了由一个或多个处理器接收测深数据；由一个或多个处理器接收多个现有水下电缆路线的现有路线数据；以及基于测深数据和现有路线数据，生成用于确定水下电缆路线的模型。

该方法可以进一步包括由一个或多个处理器基于所接收的测深数据，生成沿着多个现有水下电缆路线铺设电缆的速度数据，其中，模型可以是进一步基于速度数据来生成。

该方法可以进一步包括由一个或多个处理器基于所接收的测深数据，生成沿着多个现有水下电缆路线的电缆类型数据，其中，模型可以是进一步基于电缆类型数据来生成。

该方法可以进一步包括由一个或多个处理器接收用于铺设水下电缆线路的预定最佳实践规则，其中，生成模型可以是进一步基于预定最佳实践规则。预定最佳实践规则可以包括以下中的至少一个：管道穿过的规则、处置水下山区的电缆松弛的规则、基于水深的电缆类型的规则。

该方法可以进一步包括由一个或多个处理器基于沿着多个现有水下电缆路线的船舶交通，生成多个现有水下电缆路线的中断数据，其中，生成模型可以是进一步基于中断数据。该方法可以进一步包括由一个或多个处理器跟踪沿着多个现有水下电缆路线的随时间推移的船舶的位置；由一个或多个处理器基于船舶的位置，确定一个或多个船舶在沿着多个现有水下电缆路线的一个或多个特定位置处停留了预定时长；以及由一个或多个处理器基于船舶在特定位置处停留了预定时长，确定中断已在特定位置处发生。

该方法可以进一步包括由一个或多个处理器接收多个现有水下电缆路线的成本信息，其中，模型是进一步基于成本信息来生成。成本信息可以包括以下中的至少一个：电缆成本、船舶成本、领土成本

该方法可以进一步包括由所述一个或多个处理器生成表示地球表面的网格；由一个或多个处理器将所接收的测深数据映射在网格上；由一个或多个处理器将所接收的现有路线数据映射在网格上；其中，模型可以是通过将所映射的测深数据和所映射的现有路线数据用作训练输入来生成。

该方法可以进一步包括由一个或多个处理器接收对连接第一位置和第二位置的水下电缆路线的请求；以及由一个或多个处理器基于第一位置、第二位置和测深数据使用模型来生成一个或多个潜在水下电缆路线。

该方法可以进一步由一个或多个处理器生成表示地球表面的网格；由一个或多个处理器向网格上的每个点分配基于所接收的测深数据的一个或多个预定效率值；其中，所述模型可以被进一步配置为通过最小化总效率得分来生成所述一个或多个潜在水下电缆路线。

该方法可以进一步包括由一个或多个处理器使用模型，确定连接第一位置和第二位置的多个潜在路径的距离，其中，生成一个或多个潜在水下电缆路线可以是进一步基于距离。

该方法可以进一步包括由一个或多个处理器生成表示地球表面的网格；以及由一个或多个处理器提供一个或多个潜在水下电缆路线以用于在网格上显示。

该方法可以进一步包括由一个或多个处理器使用模型确定一个或多个潜在水下电缆路线中的每一个的距离；以及由一个或多个处理器提供一个或多个潜在水下电缆路线中的每一个的距离以用于显示。

该方法可以进一步包括由一个或多个处理器使用模型，估计一个或多个潜在水下电缆路线的成本；以及由一个或多个处理器提供一个或多个潜在水下电缆路线的所估计的成本以用于显示。

该方法可以进一步包括由一个或多个处理器接收对一个或多个潜在水下电缆路线中的一个的选择，其中，一个或多个潜在水下电缆路线可以是多个水下电缆路线；由一个或多个处理器基于选择来优化模型。

本公开进一步提供一种包括一个或多个处理器的系统。该一个或多个处理器被配置为接收测深数据；接收用于多个现有水下电缆路线的现有路线数据；基于测深数据和现有路线数据，生成用于确定潜在水下电缆路线的模型；接收对连接第一位置和第二位置的水下电缆路线的请求；以及基于第一位置、第二位置和所接收的测深数据使用模型，生成一个或多个潜在水下电缆路线。该系统可以进一步包括显示器，该显示器被配置为在表示地球表面的网格上输出一个或多个潜在水下电缆路线。

本公开还进一步提供由一个或多个处理器接收测深数据；由一个或多个处理器接收用于多个现有水下电缆路线的现有路线数据；以及由一个或多个处理器基于测深数据和现有路线数据，生成用于确定潜在水下电缆路线的模型；由一个或多个处理器接收对连接第一位置和第二位置的水下电缆路线的请求；以及由一个或多个处理器基于第一位置、第二位置和测深数据使用模型，生成一个或多个潜在水下电缆路线。

附图说明

图1是示出根据本公开的方面，用于规划水下电缆路线的示例性系统的框图。

图2是根据本公开的方面，用于生成潜在水下电缆路线的示例性流程图。

图3是根据本公开的方面，示出示例性网格系统的图形示意图。

图4是根据本公开的方面，用于提取特征的示例性流程图。

图5是根据本公开的方面，示出示例性输入和输出的图形示意图。

图6是根据本公开的方面，用于优化水下电缆路线规划模型的示例性流程图。

具体实施方式

概览

提供了一种用于自动地生成潜在水下电缆路线的系统。就此而言，可以接收测深数据和现有水下电缆路线，并且可以基于测深数据和现有路线数据来生成模型。一旦生成模型，当接收到对连接第一位置和第二位置的水下电缆路线的请求时，该模型可以被用来基于第一位置、第二位置和测深数据，生成一个或多个潜在水下电缆路线。

可以将关于包括多个现有水下电缆路线的区域的信息用作训练输入，以及将多个现有水下电缆路线的地理坐标用作训练输出来生成模型。这些关于区域的信息可以包括这些区域的测深数据。由于现有水下电缆路线是先前优化的结果，因此可以训练模型以辨识这些优化中的模式。在某些情况下，所接收的测深数据和所接收的现有路线数据在被用作训练输入之前，可以首先被映射到表示地球表面的网格。

此外，可以通过将效率参数用作训练输入特征来生成模型。在使用网格系统来表示地球表面或地球的水下表面的情况下，可以基于各种效率参数，将一个或多个预定效率值分配给网格上的每个网格元素，诸如每个点和/或每个线。例如，效率参数可以包括测深、电缆铺设速度、电缆类型、电缆中断率和成本信息。在使用多个效率参数的情况下，可以通过执行分配给每个网格元素的不同效率参数的效率值的总和或加权总和，确定每个网格元素的聚合效率参数。此外，可以通过在沿着路线的每个点处执行聚合效率值的总和或加权总和，确定每个现有水下电缆路线的总效率得分。因此，使用现有水下电缆路线和分配的预定效率值，可以训练该模型以选择网格上形成更有效率的潜在水下电缆路线的点。例如，可以训练该模型以最小化包括一个或多个效率参数的损失函数，从而得到具有较低的总效率得分的一个或多个潜在水下电缆路线。另外，可以进一步训练该模型以选择网格上、最小化潜在水下电缆路线的总距离的点。

在某些情况下，可以基于测深数据来得出某些效率参数。例如，较高的水深可能需要较少的时间和/或资源量以铺设电缆，因此可以将较高的预定效率值分配给具有较高水深的点。这种相关性可以由数学函数或具有预定值的查找表来表达。例如，可以基于测深值来得出电缆铺设速度和电缆类型。在其他情况下，某些效率参数可能不是基于测深数据来得出。例如，关于电缆铺设速度和电缆类型的数据可以替代地接收，而不是基于测深值来得出。如下文示例中所述，还可以以除基于测深数据外的其他方式得出或接收成本信息、电缆中断率等。

一旦被训练，该模型可以被用来生成潜在水下电缆路线。例如，可以接收对连接第一位置和第二位置的水下电缆路线的请求。基于第一位置、第二位置和测深数据，该模型可以生成一个或多个潜在水下电缆路线。该模型可以进一步使用效率参数，诸如电缆铺设速度、电缆类型、中断率、成本信息等，以生成一个或多个潜在水下电缆路线。例如，该模型可以最小化包括一个或多个效率参数的损失函数，诸如通过选择连接第一位置和第二位置的点以最小化该路线的总效率得分。另外，该模型可以进一步被配置为通过最小化该路线的总距离来生成潜在水下电缆路线。

一旦生成，则可以将一个或多个潜在水下电缆路线提供为输出。例如，可以将一个或多个潜在水下电缆路线的地理坐标提供为文件。作为另一示例，可以提供一个或多个潜在水下电缆路线以显示，诸如被映射到表示地球表面的网格上。可以提供有关一个或多个潜在水下电缆路线的附加信息以显示，诸如总距离、成本、电缆类型、铺设电缆所需的时间、领土信息等。

可以通过进一步训练来优化该模型。例如，多个潜在水下电缆路线可以由该模型生成，并提供以显示。诸如具有水下电缆路线规划知识的人的用户可以选择潜在水下电缆路线中的一个。用户可以基于有关该模型生成的潜在路线的信息，或基于包括模型未考虑的因素的个人知识或经验来进行选择。然后，可以将关于包括所选择路线的区域的信息用作训练输入，而所选择路线可以被用作训练输出。这样，可以训练该模型以从这样的选择中学习，所述选择是人类优化的结果。

该技术生成潜在水下电缆路线，这些路线经过优化以有效率利用自然资源并提高安全性。通过建立同时考虑多种因素的模型，可以在更短的时间内执行路线规划，从而减少了人力。该模型可以基于人类反馈和新开发的电缆路线进行完善和更新。此外，尽管用于构建模型的数据量可能很大，但是用户可以将简单的信息输入到模型中，并且向用户呈现易于理解的信息。

示例性系统

图1示出了用于生成水下电缆路线的示例性系统。不应当将其视为限制本公开的范围或本文所述特征的有用性。在该示例中，系统100可以包括通过网络150，与一个或多个计算设备160、170以及存储系统140通信的一个或多个计算设备110。每个计算设备110、160、170可以包含通常存在于通用计算设备中的一个或多个处理器、存储器和其他组件。例如，计算设备110的存储器130可以存储可由一个或多个处理器120访问的信息，包括可以由一个或多个处理器120执行的指令134。

存储器130还可以包括可以由处理器检索、操纵或存储的数据132。存储器可以是能够存储可由处理器访问的信息的任何非暂时性类型，诸如硬盘驱动器、存储卡、ROM、RAM、DVD、CD-ROM、能写入的存储器以及只读存储器。例如，数据132可以包括测深数据、电缆铺设速度数据、电缆类型数据、最佳实践规则、船舶交通数据、现有电缆路线数据、成本信息、参数、阈值、用于生成水下电缆路线的模型等。

指令134可以是将由一个或多个处理器直接执行的任何指令集，诸如机器代码，或间接执行的任何指令集，诸如脚本。就此而言，术语“指令”、“应用”、“步骤”和“程序”在本文中可以互换地使用。指令可以以目标代码格式存储以供处理器直接处理，或者以任何其他计算设备语言存储，包括脚本或独立源代码模块的集合，这些脚本或独立源代码模块的集合按需进行解释或预先编译。在下文中，将更详细地说明指令的功能、方法和例程。例如，指令134可以包括如何处理数据、生成模型、使用模型来生成水下电缆路线、生成显示等。

数据132可以由一个或多个处理器120根据指令134进行检索、存储或修改。例如，尽管本文所述的主题不受任何特定数据结构的限制，但是数据可以以作为具有许多不同字段和记录的表或XML文档，被存储在计算机寄存器、关系数据库中。数据还可以以任何计算设备可读格式进行格式化，诸如但不限于二进制值、ASCII或Unicode。此外，数据可以包括足以识别相关信息的任何信息，诸如数字、描述性文本、专有代码、指针、对存储在其他存储器中——诸如其他网络位置处——的数据的引用，或由函数使用来计算相关数据的信息。

一个或多个处理器120可以是任何常规处理器，诸如商业上可获得的CPU。可替代地，处理器可以是专用组件，诸如专用集成电路(“ASIC”)或其他基于硬件的处理器。尽管不是必需的，但是计算设备110可以包括专用硬件组件以更快或更有效率地执行特定的计算过程，诸如解码视频、将视频帧与图像进行匹配、使视频失真、编码失真的视频等。

尽管图1在功能上将计算设备110的处理器、存储器和其他元件示为在同一块内，但是处理器、计算机、计算设备或存储器实际上可以包括可以存储或可以不存储在同一物理壳体内的多个处理器、计算机、计算设备或存储器。例如，存储器可以是位于不同于计算设备110的壳体中的硬盘驱动器或其他存储介质。因此，对处理器、计算机、计算设备或存储器的引用将被理解为包括对可能并行操作或可能不并行操作的处理器、计算机、计算设备或存储器的集合的引用。例如，计算设备110可以包括作为负载平衡服务器场、分布式系统等操作的服务器计算设备。此外，尽管下文所述的一些功能被指示为在具有单个处理器的单个计算设备上发生，但是本文所述的主题的各个方面可以由例如通过网络150传送信息的多个计算设备实现。

计算设备110、160、170中的每一个可以处于网络150的不同节点，并且能够直接和间接地与网络150的其他节点通信。尽管在图2中仅描述了几个计算设备，但是应当意识到，典型的系统可以包括大量连接的计算设备，每个不同的计算设备位于网络150的不同节点。可以使用各种协议和系统，互连本文所述的网络150和中介节点，使得该网络可以是互联网、万维网、特定内联网、广域网或局域网的一部分。网络可以利用标准通信协议，诸如以太网、WiFi和HTTP、一个或多个公司专有的协议以及前述的各种组合。尽管如上所述在传送或接收信息时获取了某些优点，但是本文所述的主题的其他方面不限于信息传送的任何特定方式。

作为示例，计算设备110可以是服务器计算设备，而计算设备160、170可以是客户端计算设备。例如，计算设备110可以包括能够经由网络150与存储系统140以及计算设备160、170通信的Web服务器。例如，计算设备110可以是可以使用网络150来向用户传送信息并且在诸如计算设备160的显示器165的显示器上向用户呈现信息的服务器计算设备。

客户端计算设备160、170中的每一个可以类似于服务器计算设备110配置，具有如上所述的一个或多个处理器、存储器和指令。客户端计算设备160、170中的每一个可以是旨在供用户使用的个人计算设备，并且具有通常连同个人计算设备使用的所有组件。例如，如所示，客户端计算设备160包括处理器161(例如，中央处理单元CPU)、存储数据163和指令164的存储器162(例如，RAM和内部硬盘驱动器)、诸如显示器165的显示器(例如，具有屏幕的监视器、触摸屏、投影仪、电视或可操作来显示信息的其他设备)以及用户输入设备166(例如鼠标、键盘、触摸屏或麦克风)。客户端计算设备160还可以包括用于录制视频流和/或捕获图像的照相机167、扬声器、网络接口设备以及用于使这些元件彼此连接的所有组件。客户端计算设备160还可以包括位置确定系统，诸如GPS 168。位置确定系统的其他示例可以基于无线接入信号强度、诸如地标的地理对象的图像、诸如光或噪声水平的语义指示符等来确定位置。

尽管客户端计算设备160、170可以分别包括全尺寸的个人计算设备，但是它们可以替代地包括能够通过诸如互联网的网络，与服务器无线地交换数据的移动计算设备。仅作为示例，客户端计算设备160、170可以是移动电话或诸如启用无线的PDA、平板电脑、上网本、智能手表、头戴式计算系统的设备或能够经由互联网获取信息的任何其他设备。作为示例，用户可以使用小键盘、小型键盘、麦克风、通过相机使用视觉信号或触摸屏来输入信息。

与存储器130一样，存储系统140可以是能够存储可由服务器计算设备110访问的信息的任何类型的计算机化存储，诸如硬盘驱动器、存储器卡、ROM、RAM、DVD、CD-ROM、可写入存储器和只读存储器。另外，存储系统140可以包括分布式存储系统，其中，数据被存储在物理上可以位于相同或不同地理位置的多个不同存储设备上。如所示，存储系统140可以经由网络150连接到各种计算设备，和/或可以直接连接到计算设备110、160、170中的任何一个。

示例方法

除了上述示例性系统之外，现在描述示例方法。可以使用上述系统、其改进或具有不同配置的多种系统中的任何一种来执行这些方法。应当理解到，下述方法所涉及的操作不必以所描述的精确顺序执行。相反，可以以不同的顺序或同时地处置各种操作，并且可以添加或省略操作。

图2示出了用于使用模型来生成潜在水下电缆路线的示例性流程图200。流程图200可以由诸如图1所示的一个或多个处理器120的一个或多个处理器执行。例如，如流程图200所示，处理器120可以接收数据并做出各种确定。

参考图2，在框210，可以接收测深数据。例如，图1的处理器120可以从数据库、通过网络从另一计算设备等接收测深数据。所接收的测深数据可以被存储在存储器中，诸如图1所示的存储器130的数据132。所接收的测深数据可以包括与水下地形或测高相关的任何数据。例如，所接收的测深数据可以包括水深数据。所接收的测深数据可以是全球性的，并且包括地球上诸如湖泊、河流、海洋等的许多水体中的任何一个的数据。可替代地，测深数据可以是区域性的，并且包括诸如特定的海洋、某些领土边界内的区域等的仅一个或多个特定感兴趣区域的数据。

在框220处，可以接收多个现有水下电缆路线的现有路线数据。例如，处理器120可以从数据库、通过网络从另一计算设备等接收现有路线数据。所接收的现有路线数据可以被存储在存储器中，诸如图1所示的存储器130的数据132。所接收的现有路线数据可以包括与多个现有水下电缆路线有关的任何数据。例如，用于现有水下电缆路线的现有路线数据可以包括沿着现有水下电缆路线的各个点的地理坐标。这样的地理坐标可以是GPS坐标、经度、纬度等。例如，可以将电缆路线的地理坐标提供为路线位所列表(RPL)。现有路线数据可以是全球性的，并且可以包括世界各地的任意数目的现有水下电缆路线的数据，也可以是区域性的，并且限于特定感兴趣区域的数据。

在某些情况下，所接收的测深数据和所接收的现有路线数据在被用来训练模型之前，可以被准备为训练数据。为此，可以将所接收的现有路线数据与所接收的测深数据相关。例如，图3是在网格系统上，将所接收的测深数据与所接收的现有路线数据相关的简化图形表示。

如图3所示，可以生成网格300来表示地球表面和/或地球的水下表面。例如，网格300包括纬度线和经度线，诸如纬度线310和经度线320。进一步如所示，纬度线和经度线可以在各个点相交，诸如由纬度线310和经度线320之间的相交形成的点330。相交点330可以对应于地球表面上的坐标[x,y]。尽管为了便于说明，在网格300中仅示出了一些经度线、纬度线和相交点，但是在实际情况下，网格300可以被细粒度化并且包括大量的经度线、纬度线和相交点。例如，在实际情况中认为合适的话，网格可以包括相距一米之内、相距几米之内等的线。此外，尽管线被示为笔直的，但是在其他情况下，网格中的线可以是弯曲的，诸如沿着水体的边界。

然后，可以将所接收的测深数据映射到网格300上。这样，对于网格300上的每个点可能会有一个测深值。例如，如所示，相交点330现在可以包括值集[x,y,z]，其中，x和y是地球表面的地理坐标，而z是水深。在所接收的测深数据的粒度比网格300更细的情况下，可能会丢弃附加测深值。在所接收的测深数据的粒度不如网格300细的情况下，可以使用外推法来在网格300上生成中间测深值点。

进一步如图3所示，还可以将所接收的多个现有水下电缆路线上的现有路线数据映射到网格300上。例如，基于地球表面的地理坐标，将现有水下电缆路线340和现有水下电缆路线350映射到网格300上。这样，沿着现有水下电缆路线340、350的每个点都可以包含值集[x,y,z]，其中x和y是地球表面的地理坐标，而z是水深。给定路线可以由网格300的元素——诸如由点和/或线——来近似或表示。例如，可以根据诸如最小平方差或其他适当近似的某些测量参数)来近似给定路线。在所接收的现有路线数据的粒度比网格300更细的情况下，可以丢弃附加现有路线数据点。在所接收的现有路线数据的粒度不如网格300细的情况下，可以使用外推法以沿着现有水下电缆路线生成中间点。

返回图2，在框230中，基于测深数据和现有路线数据，可以生成用于确定水下电缆路线的模型。就此而言，可以通过将所接收的测深数据和现有路线数据用作训练数据来训练机器学习模型以生成模型。由于现有水下电缆路线可能是先前执行的优化的结果，因此可以使用这些现有水下电缆路线来训练机器学习模型，以学习可能从优化产生的模式。此外，就此而言，模型可以是多种类型的模型中的任何一种。作为一些示例，该模型可以是诸如线性回归模型的回归模型、神经网络模型、随机森林模型、决策树模型等。

可使用监督训练方法来训练模型。例如，可以将包括多个现有水下电缆路线的区域中的地理坐标和测深数据用作训练输入，而将现有水下电缆路线的地理坐标和测深数据用作训练输出。可以以多种方式中的任何一种来选择该区域。例如，可以选择具有围绕现有水下电缆路线340的一些任意边界的区域342。作为另一示例，可以选择具有与现有水下电缆路线350所处的水体相对应的边界的区域352。因此，训练该模型以辨识导致优化路线的现有水下电缆路线的测深数据中的模式。例如，可以训练该模型以辨识现有水下电缆路线避开水深浅于预定值的区。如上所述，测深数据和现有路线数据可以在被用作训练数据之前首先被映射到同一系统，诸如网格300。

此外，可以训练该模型以进一步基于一个或多个效率参数来生成水下电缆路线。例如，诸如水下深度的某些条件可以对应于铺设电缆所需的某些时间量和/或某些资源量。这些条件可以被用作效率参数。例如，可以基于对应的测深值，将一个或多个预定效率值分配给网格300上的每个点和/或线。例如，可以将较高的预定效率值分配给具有较高水深的点，所述具有较高水深的点要求铺设电缆所需的较低的时间和/或资源量。可替代地，可以定义关系，使得可以将较低的预定效率值分配给具有较低水深的点。因此，基于分配给沿着现有水下电缆路线的每个点的预定效率值，现有水下电缆路线可以具有总效率得分。例如，总效率得分可以是分配给沿着现有水下电缆路线的点的预定效率值的总和或加权总和。因此，可以使用现有水下电缆路线来训练模型，以生成优化总效率的潜在水下电缆路线。就此而言，取决于如何分配效率值，优化可以使总效率得分最小化或最大化。例如，该模型可以被配置为通过使具有各种效率参数的损失函数最小化——诸如通过选择沿着潜在水下电缆路线的预定效率值的总和或加权总和导致最小化总效率得分的网格上的点——来生成该路线。

就此而言，图4示出了流程图400，该流程图示出了如何提取各种特征以训练模型来生成有效率的水下电缆路线。例如，流程图400中所示的每个特征可以以任何组合被用作模型中的效率参数。流程图400可以由诸如图1所示的一个或多个处理器120的一个或多个处理器执行。例如，如流程图400所示，处理器120可以接收数据并做出各种确定。

参考图4，在框410中，可以基于所接收的测深数据来生成用于水下铺设电缆的速度数据。速度数据可以是诸如船舶的船只在铺设水下电缆时可以达到的速度。例如，电缆铺设速度可能取决于水的深度，其中，在较深的水中的速度可能比在浅水中的速度更快。此外，对于某些预定的水深，电缆铺设速度可能是已知的。因此，基于已知值和/或已知关系，可以对沿着现有水下电缆路线的每个点、对一个或多个感兴趣区域中的每个点或对网格300上的每个点和/或线，生成电缆铺设速度。例如，基于已知值和/或已知关系，可以生成具有与每个水深或水深范围相对应的速度值的查找表。然后，为了生成网格300上的点的速度值，处理器120可以访问查找表，并找到与该节点处的水深或水深范围相对应的速度值。可替代地或附加地，可以生成诸如线性或非线性函数的数学函数以表示速度值和水深之间的对应关系。

可以训练模型以基于速度数据生成有效率的水下电缆路线。例如，较高的电缆铺设速度会减少沿路线铺设电缆所需的时间量，进而可以减少资源使用，诸如燃料和人力。因此，可以基于对应的速度数据，将预定效率值分配给沿着现有水下电缆路线的每个点、一个或多个感兴趣区域中的每个点或网格300上的每个点和/或线。例如，可以将较高的预定效率值分配给具有较高电缆铺设速度的点，所述具有较高电缆铺设速度的点要求铺设电缆所需的较低时间和/或资源量。因此，现有水下电缆路线的总效率得分可以进一步基于沿着现有水下电缆路线的每个点处的速度数据。这样，可以使用现有水下电缆路线来训练模型，以生成潜在水下电缆路线，该潜在水下电缆路线通过增加总电缆铺设速度来最大化总效率得分。例如，该模型可以被配置为通过最小化包括电缆铺设速度作为参数的损失函数来生成潜在水下电缆路线。

在框420处，可以基于所接收的测深数据来生成电缆类型数据。电缆类型可以包括许多不同的属性，诸如不同的材料、不同的传送速度、传送模式等。例如，适当的电缆类型可能取决于水深、水的温度、水的成分、水流速度等。此外，对于某些预定的深度范围，所需或推荐的电缆类型可能是已知的。因此，基于已知值和/或已知关系，可以对沿着现有水下电缆路线的每个点、对一个或多个感兴趣区域中的每个点，或者对网格300上的每个点和/或线，生成电缆类型。例如，基于已知值和/或已知关系，可以生成具有与每个水深或水深范围相对应的一种或多种所需或推荐的电缆类型的查找表。然后，为了确定网格300上的点的电缆类型，处理器120可以访问查找表，并且找到与该节点处的水深或水深范围相对应的一种或多种电缆类型。可替代地或附加地，可以生成诸如线性或非线性函数的数学函数以表示速度值和水深之间的对应关系。

可以训练模型以基于电缆类型数据生成有效率的水下电缆路线。例如，某些电缆类型在使用更少材料量、消耗更少的能量、比其他类型更环保和/或更便宜等方面可能更为有效率。因此，可以基于对应所需电缆类型，将预定效率值分配给沿着现有水下电缆路线的每个点、一个或多个感兴趣区域中的每个点或网格300上的每个点和/或线。例如，可以将较高的预定效率值分配给可以使用利用更少材料、消耗更少能量、更环保和/或更便宜的电缆类型的点。因此，现有水下电缆路线的总效率得分可以进一步基于沿着现有水下电缆路线的每个点处的电缆类型数据。这样，可以使用现有水下电缆路线来训练模型，以生成潜在水下电缆路线，该潜在水下电缆路线通过优选可以使用更有效率的电缆类型的点来最大化总效率得分。例如，模型可以被配置为通过最小化包括电缆类型作为参数的损失函数来生成潜在水下电缆路线。

在框430处，可以对现有水下电缆路线生成中断数据。中断可能作为水下电缆的故障或损坏的结果发生。中断数据可以基于船舶交通数据来生成。船舶交通数据可以包括卫星图像、雷达图像和其他信号。例如，自动识别系统(AIS)是船舶交通服务(VTS)使用的自动跟踪系统。就此而言，船舶上的诸如收发器或应答器的AIS装置可以广播信息，诸如船舶的唯一识别或签名以及其地理位所、航向、速度等。这样，可以通过位于沿着海岸线的AIS基站，或者当不在地面网络的范围内时，通过提供有能够在大量船舶签名之间进行区分的特殊AIS接收器的卫星来跟踪配备有AIS收发器的船舶。

例如，当沿着现有水下电缆路线发生中断时，船舶可能会在中断位置停留较长的时间段以维修中断。典型的维修时间可能在12到36小时之间。这样，船舶交通数据可以被用来跟踪随时间推移的船舶的位置。基于随时间推移的跟踪的位置，可以确定船舶是否在沿着现有水下电缆路线的点停留了预定的时长，这指示在该点处的中断。例如，可以基于诸如在12到36个小时之间的平均维修时间来设置预定时长。

另外，可以将一种或多种特定类型的船舶识别为维修船舶。例如，可以通过船舶广播的AIS信号中的唯一识别和/或签名来识别维修船舶。因此，在某些情况下，可以监视仅被识别为维修船舶的船舶的交通数据，这可能比监视所有船舶的交通更为有效率。此外，可以将一个或多个位置识别为维修船舶历史上或可能停靠的港口。因此，在某些情况下，可以监视仅来自这些位置的船舶的交通数据。可替代地，与其他位置相比，可以高水平地监视——诸如以更频繁的时间间隔跟踪——来自这些位置的船舶的交通数据。

此外，随着时间的推移，沿着现有水下电缆路线的每个点处的中断率可以通过跟踪时间段内在该点处已发生的维修数目来确定。因此，另外，可以基于沿着现有水下电缆路线的每个点的中断率来生成热图。

可以训练模型以基于中断数据来生成有效率的水下电缆路线。例如，具有较高中断率的位置可能指示需要更多的自然资源和人力资源来维护该位置的电缆，导致资源利用效率低下。因此，可以将预定效率值分配给沿着现有水下电缆路线的每个点。例如，可以将较高的预定效率值分配给中断率较低的点。因此，现有水下电缆路线的总效率得分可以进一步基于沿着现有水下电缆路线的每个点的中断率。这样，可以使用现有水下电缆路线来训练模型，以生成潜在水下电缆路线，该潜在水下电缆路线通过优选具有较低中断率的点或避开具有较高中断率的点来最大化总效率得分。例如，该模型可以被配置为通过最小化包括中断率作为参数的损失函数来生成水下电缆路线。附加地或可替代地，对于具有高中断率的点，该模型可以提供附加信息，诸如指示在这些点附近的区域中，何处附加装甲、埋葬、旁路或湿网。

在框440处，可以为现有水下电缆路线生成距离数据，并将其用于训练模型。例如，可以基于测深数据和/或沿着路线的点的地理坐标来确定每个现有水下电缆路线的总距离。由于较短的距离需要较少的自然资源和人力资源，诸如燃料、劳动力、电缆材料等，因此可以将距离数据用作训练输入，以便模型可以学习以优选具有较短距离的路径。例如，可以基于总距离来分配预定效率值，诸如对于较短的总距离的较高的预定效率值。就此而言，可以使用现有水下电缆路线来训练模型，以生成潜在水下电缆路线，该潜在水下电缆路线通过优选具有较短距离的潜在路径而最大化总效率得分。例如，该模型可以被配置为通过最小化包括总距离作为效率参数的损失函数来生成潜在水下电缆路线。

作为在框410、420、430、440中生成速度数据、电缆类型数据、中断数据、距离数据的替代方案，在某些情况下，可以接收这些数据中的一些或全部。例如，可以由处理器120从数据库、通过网络从另一计算设备等接收速度数据、电缆类型数据、中断数据、距离数据中的一个或多个。在另一示例中，可以对多个现有水下电缆路线接收速度数据和/或电缆类型数据，但是可以对网格300上的其他点，诸如通过外推法生成速度数据和/或电缆类型数据。

还可以接收其他信息来训练模型。继续图4，在框450，可以接收成本信息。例如，可以对于现有水下电缆路线，接收不同类型电缆、船舶燃料、人工、领土许可等的成本。这样，可以将预定效率值分配给沿着现有水下电缆路线的每个点、感兴趣区域中的每个点或网格300上的每个点和/或线。例如，可以将较高的预定效率值分配给成本较低的点。因此，现有水下电缆路线的总效率得分可以进一步基于沿着现有水下电缆路线的每个点处的成本信息。这样，可以使用现有水下电缆路线来训练模型，以生成潜在水下电缆路线，该潜在水下电缆路线通过优选具有较低成本的点来最大化总效率得分。例如，该模型可以被配置为通过最小化包括成本作为参数的损失函数来生成水下电缆路线。

在框460处，可以接收用于铺设水下电缆的预定最佳实践规则。可以从各种组织获取这种预定的最佳实践规则，这些组织可以基于安全性、环境、效率和其他原因来设置规则。作为示例性规则，国际准则可以规定必须垂直于输油管道铺设水下电缆。另一个示例性规则可以规定必须如何处置山区的电缆松弛。此外，可能存在用于基于水深来使用的电缆类型的最佳实践规则。这些最佳实践规则可以被用作训练输入，以便模型可以学习辨识遵循这些规则的现有水下电缆路线中的模式。例如，代替获取区域中的所有输油管道的图，该模型可以辨识出该区域中的所有现有水下电缆都沿着同一方向铺设。基于必须垂直于输油管道铺设水下电缆的最佳实践规则，该模型可以推断出该区域中的输油管道的存在和方向，从而可以在没有实际了解输油管道的情况下，继续生成沿着该方向的水下电缆路线。

更进一步地，可以使用其他类型的数据来训练模型。例如，还可以使用捕鱼数据来训练模型。就此而言，可以使用诸如卫星图像、雷达图像、AIS信号和其他信号的船舶交通数据来分析捕鱼活动。例如，捕鱼活动可能会影响水下电缆。例如，捕鱼网可能会缠绕在电缆上并引起故障，从而可能导致中断。这样，可以随时间跟踪捕鱼船舶交通以确定捕鱼活动的水平。可以将预定效率值分配给沿着现有水下电缆路线的每个点、一个或多个感兴趣区域中的每个点，或者网格300上的每个点和/或线。例如，可以将更高的预定效率值分配给捕鱼活动水平较低的点。

另外，可以将诸如不同类型的捕鱼船只、装置和/或移动模式的不同类型的捕鱼船舶和/或活动与损坏水下电缆的不同风险水平相关联。就此而言，可以利用现有水下电缆线路的位置附近或位置处的捕鱼船舶的交通数据以及这些位置附近或这些位置处的电缆中断率来训练模型，以辨识由不同类型的捕鱼船舶和/或活动对水下电缆线路带来的不同风险水平。因此，可以进一步基于捕鱼船舶的类型和/或活动，将预定效率值分配给沿着现有电缆路线的每个点、一个或多个感兴趣区域中的每个点或网格300上的每个点和/或线。

现有水下电缆路线的总效率得分可以进一步基于沿着现有水下电缆路线的每个点处的捕鱼活动水平、捕鱼船舶类型和/或捕鱼活动类型。这样，可以使用现有水下电缆路线来训练模型，以通过优选具有捕鱼活动水平较低的点和/或具有对水下电缆较高风险的某些类型的捕鱼船舶或捕鱼活动不太常见的点来生成最大化总效率得分的潜在水下电缆路线。例如，该模型可以被配置为通过最小化损失函数来生成水下电缆路线，该损失函数包括捕鱼活动水平、捕鱼船舶类型和/或捕鱼活动类型作为参数。

在模型对诸如点或线的每个网格元素考虑诸如图3和4所述的多个效率参数的实例中，然后可以对每个网格元素，确定聚合效率值。例如，网格元素的聚合效率值可以是基于电缆铺设速度分配给该网格元素的预定效率值、基于电缆类型分配给该网格元素的预定效率值、基于中断数据分配给该网格元素的预定效率值和/或基于成本分配给该网格元素的预定效率值等的总和或加权总和。然后，可以将沿着路线的所有网格元素的聚合效率值的总和或加权总和相加以获取该路线的总效率得分。以这种方式，可以执行基于多个效率参数的路线优化。

一旦生成模型，就可以将模型加载到一个或多个计算设备上以供使用。例如，该模型可以被加载在存储器130上，并且可以由处理器120使用来生成潜在水下电缆路线。可替代地或附加地，该模型可以被加载到存储器162上并且由处理器161使用以生成潜在水下电缆路线。

返回图2，在框240，可以接收对水下电缆路线的请求。例如，可以由处理器120从用户或者通过诸如计算设备160的用户设备接收该请求。例如，用户可以使用用户输入设备166录入该请求。在某些情况下，可以诸如在显示器165上生成对请求的提示。可替代或附加地，可以由处理器161从用户输入设备166接收该请求。

图5是示出系统的示例性输入和输出的图形示意图。例如，可以在显示器165上生成网格300以供查看，用户可以使用网格300来选择请求水下电缆路线的区域或位置。该请求可以包括诸如水下电缆的开始位置的第一位置510以及诸如水下电缆的结束位置的第二位置520。可以将位置提供为地理坐标，诸如GPS、纬度、经度等。可替代地或附加地，请求可以选择要铺设水下电缆的区域，诸如所示的区域530。所请求的区域可以具有任意边界，也可以是水体、诸如国家边界之内的领土等的边界。请求可以另外包括其他信息。例如，该请求可以包括附加要求，诸如最大总距离、最大总成本、最大完成时间、首选电缆类型、首选领土等。

返回图2，在框250，可以使用该模型来生成一个或多个潜在水下电缆路线。就此而言，处理器120可以将基于该请求的信息提供为模型的输入。例如，如果尚未包括在请求中，则处理器120可以选择包括第一位置和第二位置的区域。可以选择具有围绕第一位置和第二位置的任意边界的区域，或者可以将该区域选择为包括第一位置和第二位置的整个水体。处理器120可以提供关于所选择区域的信息，诸如所选择区域的地理坐标和所选择区域的测深数据，作为模型的输入。处理器120可以进一步将请求中的附加信息提供到模型中。

处理器120可以将附加数据用作模型的输入。例如，可以为所选择区域生成或接收速度数据、电缆类型数据和/或中断数据，并将其用作模型的输入。此外，可以将为所选择区域接收的诸如成本信息、最佳实践规则等的任何附加信息用作模型的输入。另外，可以将基于测深数据、速度数据、电缆类型数据、中断数据、成本信息等分配给所选择区域中的每个点的预定效率值用作模型的输入。

处理器120可以从模型接收一个或多个潜在水下电缆路线作为输出。例如，模型可以输出沿着一个或多个潜在水下电缆路线的每个点的地理坐标。例如，可以将一个或多个潜在水下电缆路线的地理坐标提供为RPL。就此而言，模型可以基于所提供的输入来选择将最大化总效率得分的所选择区域内的点。为此，模型可以考虑所选择区域内的每个点处的一个或多个效率参数，诸如速度数据、电缆类型数据、中断数据、成本信息。例如，模型可以通过最小化包括这些效率参数的一个或多个损失函数来生成潜在路线。该模型可以进一步通过优选最小化潜在路线的总距离来选择这些点。该模型可以被配置为生成单个潜在水下电缆路线或多个潜在水下电缆路线。

除了一个或多个潜在水下电缆路线的地理坐标之外，处理器120还可以从模型接收附加输出。例如，该模型可以进一步被配置为生成该一个或多个潜在水下电缆路线的总距离作为输出。例如，该模型可以基于沿着潜在水下电缆路线的地理坐标和测深数据来计算总距离。另外，该模型可以被配置为例如基于速度数据、电缆类型数据、成本信息、总距离来生成一个或多个潜在水下电缆路线的总成本作为输出。该模型可以被配置为例如基于速度数据，生成铺设用于一个或多个潜在水下电缆路线的电缆的估计时间量作为输出。该模型可以生成附加或替代信息作为输出。

一旦从模型接收到一个或多个潜在水下电缆路线，处理器120就可以生成进一步的输出。例如，处理器120可以将包括潜在水下电缆路线的地理坐标和/或其他信息的文件输出到用于铺设电缆的船舶。附加地或可替代地，处理器120可以生成一个或多个潜在水下电缆路线的显示。例如，可以在诸如计算设备160的显示器165的用户设备上提供所生成的显示。

再次参考图5，生成显示，示出由模型生成为映射在网格300上的水下电缆路线540。此外，如所示，可以显示附加信息550。例如，如所示，附加信息可以包括起点和终点的地理坐标、估计距离、估计成本。尽管未示出，但所显示的附加信息可以进一步包括潜在路线将需要的电缆类型、铺设电缆的估计的时间量、潜在路线将穿过的领土边界、可能的输油管道和潜在水下电缆路线将穿过的山区等。

可以基于对一个或多个潜在水下电缆路线的选择来进一步训练模型。图6示出了用于进一步训练模型的示例性流程图600。流程图600可以由诸如图1所示的一个或多个处理器120的一个或多个处理器执行。例如，处理器120可以接收数据并做出各种确定，如流程图600所示。

参考图6，在框610，可以显示多个水下电缆路线。例如，可以在如图5所示的网格上，或者以一些其他格式显示多个水下电缆路线。

在框620，可以显示关于多个水下电缆路线的信息。例如，如上所述，这样的信息可以包括每个潜在水下电缆路线的地理坐标，和/或附加信息，诸如每个潜在水下路线的距离、每个潜在水下电缆路线的成本、铺设用于每个潜在水下电缆路线的电缆的时间量等。

在框630，可以接收对多个潜在水下电缆路线中的一个的选择。例如，诸如具有水下电缆铺设经验或知识的人的用户可以查看由该模型生成的多个潜在水下电缆路线，并在其中选择最佳选项。例如，选择可以基于向用户显示的信息，也可以基于其他信息，诸如用户的知识。例如，相对于具有更有效率的电缆类型的路线，用户可能优选具有更快电缆铺设速度的路线。作为另一个示例，用户可以知道特定的领土边界正在进行冲突，并且可以选择避开该特定边界的潜在水下电缆路线。

在框640，可以通过使用所选择的水下电缆路线进一步训练来优化模型。例如，可以从所选择的水下电缆路线中提取特征，并将其用作训练输入。这样的特征可以包括关于图4所述的任何示例。所选择的水下电缆路线的地理坐标可以被用作训练输出。通过更多的训练，模型可以学习以基于用户的选择来辨识模式。该选择可以基于模型已经考虑的因素在优化方面改进模型，和/或可以在模型未考虑但用户考虑的因素方面改进模型。例如，如果与具有更有效率的电缆类型的路线相比，大多数用户优选具有更快电缆铺设速度的路线，则该模型可以改变用于这些效率参数的权重。作为另一个示例，如果特定区域中的所有选择都避开了特定领土边界，则该模型可以学习以选择点以避开穿过该特定边界。

该技术生成为有效率利用自然资源并提高安全性而优化的水下电缆路线。通过构建同时考虑多种因素的模型，可以在更短的时间内执行路线规划，从而减少了人力。该模型可以基于人类反馈和新开发的电缆路线进行完善和更新。此外，尽管用于构建模型的数据量可能很大，但是用户可以将简单的信息输入到模型中，并且向用户呈现易于理解的信息。

除非另有说明，否则前述替代性示例不是互相排斥的，而是可以以各种组合实现以获得独特的优点。由于可以在不脱离权利要求所限定的主题的情况下，利用上文论述的特征的这些和其他变形以及组合，因此，对实施方式的前述描述应当以示例的方式而不是通过限制权利要求所限定的主题的方式进行。另外，提供本文所述的示例以及措词为“诸如”、“包括”等的分句不应当被解释为将权利要求的主题限于特定示例；相反，示例旨在仅示例许多可能的实施例之一。此外，不同附图中的相同附图标记可以识别相同或相似的元件。

Claims (20)

1.一种方法，包括：

由一个或多个处理器接收测深数据；

由所述一个或多个处理器接收多个现有水下电缆路线的现有路线数据；以及

基于所述测深数据和所述现有路线数据，生成用于确定水下电缆路线的模型。

2.根据权利要求1所述的方法，进一步包括：

由所述一个或多个处理器基于所接收的测深数据，生成沿着所述多个现有水下电缆路线铺设电缆的速度数据，其中，所述模型是进一步基于所述速度数据来生成的。

3.根据权利要求1所述的方法，进一步包括：

由所述一个或多个处理器基于所接收的测深数据，生成沿着所述多个现有水下电缆路线的电缆类型数据，其中，所述模型是进一步基于所述电缆类型数据来生成的。

4.根据权利要求1所述的方法，进一步包括：

由所述一个或多个处理器接收铺设水下电缆线路的预定最佳实践规则，其中，所述模型是进一步基于所述预定最佳实践规则来生成的。

5.根据权利要求4所述的方法，其中，所述预定最佳实践规则包括以下中的至少一个：管道穿过的规则、处置水下山区中的电缆松弛的规则以及基于水深的电缆类型的规则。

6.根据权利要求1所述的方法，进一步包括：

由所述一个或多个处理器基于沿着所述多个现有水下电缆路线的船舶交通，生成所述多个现有水下电缆路线的中断数据，其中，所述模型是进一步基于所述中断数据来生成的。

7.根据权利要求6所述的方法，进一步包括：

由所述一个或多个处理器跟踪沿着所述多个现有水下电缆路线的随时间推移的船舶的位置；

由所述一个或多个处理器基于所述船舶的所述位置，确定一个或多个船舶在沿着所述多个现有水下电缆路线的一个或多个特定位置处停留了预定时长；

由所述一个或多个处理器基于所述一个或多个船舶在所述一个或多个特定位置处停留了所述预定时长，确定中断已在所述一个或多个特定位置处发生。

8.根据权利要求1所述的方法，进一步包括：

由所述一个或多个处理器接收所述多个现有水下电缆路线的成本信息，其中，所述模型是进一步基于所述成本信息来生成的。

9.根据权利要求8所述的方法，其中，所述成本信息包括以下中的至少一个：电缆成本、船舶成本以及领土成本。

10.根据权利要求1所述的方法，进一步包括：

由所述一个或多个处理器生成表示地球表面的网格；

由所述一个或多个处理器将所接收的测深数据映射在所述网格上；

由所述一个或多个处理器将所接收的现有路线数据映射在所述网格上；

其中，生成所述模型包括将所映射的测深数据和所映射的现有路线数据用作训练输入。

11.根据权利要求1所述的方法，进一步包括：

由所述一个或多个处理器接收对连接第一位置和第二位置的水下电缆路线的请求；以及

由所述一个或多个处理器基于所述第一位置、所述第二位置和所述测深数据使用所述模型来生成一个或多个潜在水下电缆路线。

12.根据权利要求11所述的方法，进一步包括：

由所述一个或多个处理器生成表示地球表面的网格；

由所述一个或多个处理器向所述网格上的每个点分配基于所接收的测深数据的一个或多个预定效率值；

其中，所述模型进一步被配置为通过最小化总效率得分来生成所述一个或多个潜在水下电缆路线。

13.根据权利要求11所述的方法，进一步包括：

由所述一个或多个处理器使用所述模型，确定连接所述第一位置和所述第二位置的多个潜在路径的距离，其中，生成所述一个或多个潜在水下电缆路线是进一步地基于所述距离的。

14.根据权利要求11所述的方法，进一步包括：

由所述一个或多个处理器生成表示地球表面的网格；

由所述一个或多个处理器提供所述一个或多个潜在水下电缆路线以用于在所述网格上显示。

15.根据权利要求11所述的方法，进一步包括：

由所述一个或多个处理器使用所述模型，确定所述一个或多个潜在水下电缆路线中的每一个的距离；

由所述一个或多个处理器提供所述一个或多个潜在水下电缆路线中的每一个的距离以用于显示。

16.根据权利要求11所述的方法，进一步包括：

由所述一个或多个处理器使用所述模型，估计所述一个或多个潜在水下电缆路线的成本；

由所述一个或多个处理器提供所述一个或多个潜在水下电缆路线的所估计的成本以用于显示。

17.根据权利要求11所述的方法，进一步包括：

由所述一个或多个处理器接收对所述一个或多个潜在水下电缆路线中的一个的选择，其中，所述一个或多个潜在水下电缆路线是多个水下电缆路线；

由所述一个或多个处理器基于所述选择来优化所述模型。

18.一种系统，包括：

一个或多个处理器，所述一个或多个处理器被配置为：

接收测深数据；

接收多个现有水下电缆路线的现有路线数据；

基于所述测深数据和所述现有路线数据，生成用于确定潜在水下电缆路线的模型；

接收对连接第一位置和第二位置的水下电缆路线的请求；以及

基于所述第一位置、所述第二位置和所接收的测深数据使用所述模型来生成一个或多个潜在水下电缆路线。

19.根据权利要求18所述的系统，进一步包括：

显示器，所述显示器被配置为在表示地球表面的网格上输出所述一个或多个潜在水下电缆路线。

20.一种方法，包括：

由一个或多个处理器接收测深数据；

由所述一个或多个处理器接收多个现有水下电缆路线的现有路线数据；

由所述一个或多个处理器基于所述测深数据和所述现有路线数据，生成用于确定潜在水下电缆路线的模型；

由所述一个或多个处理器接收对连接第一位置和第二位置的水下电缆路线的请求；以及

由所述一个或多个处理器基于所述第一位置、所述第二位置和所述测深数据使用所述模型，生成一个或多个潜在水下电缆路线。

Images