CN113268688A - 用于交叉航线的渲染方法及系统 - Google Patents
用于交叉航线的渲染方法及系统 Download PDFInfo
- Publication number
- CN113268688A CN113268688A CN202110579219.1A CN202110579219A CN113268688A CN 113268688 A CN113268688 A CN 113268688A CN 202110579219 A CN202110579219 A CN 202110579219A CN 113268688 A CN113268688 A CN 113268688A
- Authority
- CN
- China
- Prior art keywords
- priority
- route
- rendering
- user
- routes
- Prior art date
- Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
- Granted
Links
- 238000009877 rendering Methods 0.000 title claims abstract description 79
- 238000000034 method Methods 0.000 title claims abstract description 47
- 230000000694 effects Effects 0.000 claims abstract description 31
- 239000013598 vector Substances 0.000 claims description 34
- 230000035772 mutation Effects 0.000 claims description 10
- 238000012545 processing Methods 0.000 claims description 10
- 238000007781 pre-processing Methods 0.000 claims description 9
- 108090000623 proteins and genes Proteins 0.000 claims description 8
- 238000012544 monitoring process Methods 0.000 claims description 5
- 239000007787 solid Substances 0.000 claims description 2
- 230000007614 genetic variation Effects 0.000 claims 2
- 238000007726 management method Methods 0.000 abstract description 2
- 238000010586 diagram Methods 0.000 description 9
- 230000006399 behavior Effects 0.000 description 7
- 230000007774 longterm Effects 0.000 description 6
- 230000002068 genetic effect Effects 0.000 description 4
- 206010064571 Gene mutation Diseases 0.000 description 3
- 238000004364 calculation method Methods 0.000 description 3
- 230000006870 function Effects 0.000 description 3
- 230000008569 process Effects 0.000 description 3
- 239000000463 material Substances 0.000 description 2
- 238000010187 selection method Methods 0.000 description 2
- 238000004458 analytical method Methods 0.000 description 1
- 238000013528 artificial neural network Methods 0.000 description 1
- 230000003542 behavioural effect Effects 0.000 description 1
- 230000009286 beneficial effect Effects 0.000 description 1
- 230000008859 change Effects 0.000 description 1
- 238000013135 deep learning Methods 0.000 description 1
- 238000011161 development Methods 0.000 description 1
- 238000005516 engineering process Methods 0.000 description 1
- 238000011156 evaluation Methods 0.000 description 1
- 230000010006 flight Effects 0.000 description 1
- 230000008303 genetic mechanism Effects 0.000 description 1
- 230000003287 optical effect Effects 0.000 description 1
- 230000009467 reduction Effects 0.000 description 1
- 238000005070 sampling Methods 0.000 description 1
Images
Classifications
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F16/00—Information retrieval; Database structures therefor; File system structures therefor
- G06F16/90—Details of database functions independent of the retrieved data types
- G06F16/95—Retrieval from the web
- G06F16/957—Browsing optimisation, e.g. caching or content distillation
- G06F16/9577—Optimising the visualization of content, e.g. distillation of HTML documents
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F16/00—Information retrieval; Database structures therefor; File system structures therefor
- G06F16/20—Information retrieval; Database structures therefor; File system structures therefor of structured data, e.g. relational data
- G06F16/29—Geographical information databases
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06N—COMPUTING ARRANGEMENTS BASED ON SPECIFIC COMPUTATIONAL MODELS
- G06N3/00—Computing arrangements based on biological models
- G06N3/12—Computing arrangements based on biological models using genetic models
- G06N3/126—Evolutionary algorithms, e.g. genetic algorithms or genetic programming
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06Q—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES; SYSTEMS OR METHODS SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES, NOT OTHERWISE PROVIDED FOR
- G06Q10/00—Administration; Management
- G06Q10/04—Forecasting or optimisation specially adapted for administrative or management purposes, e.g. linear programming or "cutting stock problem"
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06Q—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES; SYSTEMS OR METHODS SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES, NOT OTHERWISE PROVIDED FOR
- G06Q50/00—Information and communication technology [ICT] specially adapted for implementation of business processes of specific business sectors, e.g. utilities or tourism
- G06Q50/40—Business processes related to the transportation industry
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T15/00—3D [Three Dimensional] image rendering
- G06T15/005—General purpose rendering architectures
Landscapes
- Engineering & Computer Science (AREA)
- Physics & Mathematics (AREA)
- Theoretical Computer Science (AREA)
- General Physics & Mathematics (AREA)
- Business, Economics & Management (AREA)
- Databases & Information Systems (AREA)
- Health & Medical Sciences (AREA)
- Life Sciences & Earth Sciences (AREA)
- Biophysics (AREA)
- Strategic Management (AREA)
- General Engineering & Computer Science (AREA)
- Human Resources & Organizations (AREA)
- Data Mining & Analysis (AREA)
- Economics (AREA)
- Marketing (AREA)
- General Business, Economics & Management (AREA)
- Tourism & Hospitality (AREA)
- Evolutionary Biology (AREA)
- Bioinformatics & Computational Biology (AREA)
- Bioinformatics & Cheminformatics (AREA)
- General Health & Medical Sciences (AREA)
- Game Theory and Decision Science (AREA)
- Operations Research (AREA)
- Quality & Reliability (AREA)
- Entrepreneurship & Innovation (AREA)
- Development Economics (AREA)
- Computer Graphics (AREA)
- Remote Sensing (AREA)
- Primary Health Care (AREA)
- Physiology (AREA)
- Genetics & Genomics (AREA)
- Artificial Intelligence (AREA)
- Biomedical Technology (AREA)
- Computational Linguistics (AREA)
- Evolutionary Computation (AREA)
- Molecular Biology (AREA)
- Computing Systems (AREA)
- Mathematical Physics (AREA)
- Software Systems (AREA)
- Processing Or Creating Images (AREA)
Abstract
本发明公开了一种用于交叉航线的渲染方法及系统，涉及航空信息化管理领域。包括：预先定义包含航线特征与优先级数值之间对应关系的优先级规则，并定义包含优先级数值与填充区宽度之间对应关系的填充规则；初始化待渲染的全部航线的优先级数值，使全部航线的优先级数值相同，并渲染包含全部航线的平面交叉图；根据优先级规则确定每条航线的优先级，将全部航线渲染出具有层次关系的立体交叉效果；根据填充规则确定每条航线的填充区宽度，对立体交叉效果进行调整。本发明适用于交叉航线的渲染，能够突出目标航线，提高多航线叠加时的观感，从而提高用户查看航线的效率，便于新开航线的策略规划。
Description
技术领域
本发明涉及航空信息化管理领域，尤其涉及用于交叉航线的渲染方法及系统。
背景技术
随着中国民用航空技术的日益发展，每年民航市场交易额达数千亿人民币，地方政府每年仍面临着开通大量新航线的需求，目前，为了给开通新航线提供开航指导，无论是地方政府还是航空公司通常都是将相关航线的航线信息绘制在网络地图上，便于直观显示航线信息，以便进行新开航线的策略规划。
目前，将航线渲染在地图上的方式通常为直接以线条代表航线，直接在地图上进行渲染，当航线数量较多时，就会在地图上存在大量的航线交叉点，导致各个航线之间盘根错节，混在在一起难以区分，影响观感，降低用户查看航线的效率，从而影响新开航线的策略规划。
发明内容
本发明所要解决的技术问题是针对现有的航线渲染方法在面对大量航线时，未对航线的显示顺序进行区分，从而导致用户查看航线的效率，影响新开航线的策略规划的问题，提供一种用于交叉航线的渲染方法及系统。
本发明解决上述技术问题的技术方案如下：
一种用于交叉航线的渲染方法，包括：
预先定义包含航线特征与优先级数值之间对应关系的优先级规则，并定义包含优先级数值与填充区宽度之间对应关系的填充规则；
初始化待渲染的全部航线的优先级数值，使全部所述航线的优先级数值相同，并渲染包含全部所述航线的平面交叉图；
根据所述优先级规则确定每条所述航线的优先级，根据每条所述航线的优先级将全部所述航线渲染出具有层次关系的立体交叉效果；
根据所述填充规则确定每条所述航线的填充区宽度，根据每条所述航线的填充区宽度对所述立体交叉效果进行调整。
本发明解决上述技术问题的另一种技术方案如下：
一种用于交叉航线的渲染系统，包括：
预处理单元，用于预先定义包含航线特征与优先级数值之间对应关系的优先级规则，并定义包含优先级数值与填充区宽度之间对应关系的填充规则；
第一渲染单元，用于初始化待渲染的全部航线的优先级数值，使全部所述航线的优先级数值相同，并渲染包含全部所述航线的平面交叉图；
第二渲染单元，用于根据所述优先级规则确定每条所述航线的优先级，根据每条所述航线的优先级将全部所述航线渲染出具有层次关系的立体交叉效果；
第三渲染单元，用于根据所述填充规则确定每条所述航线的填充区宽度，根据每条所述航线的填充区宽度对所述立体交叉效果进行调整。
本发明的有益效果是：本发明提供的渲染方法及系统适用于交叉航线的渲染，首先通过绘制渲染平面交叉图，为每个航线赋予优先级，再通过优先级调整航线的渲染效果，使不同的航线具有不同顺序的显示效果，能够突出目标航线，并且通过调整航线填充区的宽度，能够提高多航线叠加时的观感，从而提高用户查看航线的效率，便于新开航线的策略规划。
本发明附加的方面的优点将在下面的描述中部分给出，部分将从下面的描述中变得明显，或通过本发明实践了解到。
附图说明
图1为本发明用于交叉航线的渲染方法的实施例提供的流程示意图；
图2为本发明用于交叉航线的渲染方法的实施例提供的平面交叉效果示意图；
图3为本发明用于交叉航线的渲染方法的实施例提供的立体交叉效果示意图；
图4为本发明用于交叉航线的渲染方法的实施例提供的填充区宽度调整示意图；
图5为本发明用于交叉航线的渲染方法的实施例提供的留白处理示意图；
图6为本发明用于交叉航线的渲染系统的实施例提供的结构框架示意图。
具体实施方式
以下结合附图对本发明的原理和特征进行描述，所举实施例只用于解释本发明，并非用于限定本发明的范围。
以下各实施方式中公开的示例，航线可以渲染在地图上，地图图像可以由地图服务器提供，例如，可以通过插件调用地图服务，通过网页显示地图，然后通过网页渲染技术对地图进行航线的渲染。
如图1所示，为本发明用于交叉航线的渲染方法的实施例提供的流程示意图，该渲染方法用于交叉航线的渲染，包括：
S1，预先定义包含航线特征与优先级数值之间对应关系的优先级规则，并定义包含优先级数值与填充区宽度之间对应关系的填充规则。
需要说明的是，航线特征指的是可以用于评价航线的价值的属性，例如，可以包括：航线的更新时间、航线热度和航线的运营年限等。
航线特征与优先级数值之间对应关系可以根据实际需求设置。当仅选择一个航线特征时，可以直接定义该航线特征与优先级数值之间的关系，例如，假设选择航线的热度作为航线特征，假设从100到0表示热度依次降低，那么可以设置0～20之间的热度对应的优先级数值为5，表示最低优先级；21～40之间的热度对应的优先级数值为4，表示优先级稍低；41～60之间的热度对应的优先级数值为3，表表示中等优先级；61～80之间的热度对应的优先级数值为2，表示优先级稍高；81～100之间的热度对应的优先级数值为1，表示最高优先级。
又例如，当仅选择至少两个航线特征时，可以先通过预设的算法根据全部航线的特征值计算出一个特征总值，再定义航线特征总值与优先级数值之间的关系，具体对应方法可以参照单个航线特征时的对应方法，在此不再赘述。
应理解，航线在绘制时可以通过具有一定宽度的直线或曲线表示，填充区宽度可以为直线或曲线的宽度。填充区宽度与优先级之间的关系可以根据实际需求设置，例如，1级优先级为最高优先级，此时对应的填充区宽度可以最大，可以为a；2级优先级为稍高优先级，此时对应的填充区宽度可以比a小，可以为b；以此类推，从而保证高优先级的航线具有最佳的显示效果。
S2，初始化待渲染的全部航线的优先级数值，使全部航线的优先级数值相同，并渲染包含全部航线的平面交叉图。
对于不同的航线，由于其绘制的时机不同，因此，现有的绘制方式都是通过按照先后顺序层层叠加，后绘制的航线在最顶层显示，而航线的绘制先后顺序并不能反映出航线的重要性和价值，有的航线较为重要或价值较高，但因为绘制较早，因此被众多的航线层层压在最下层，导致显示受限，通过人为挑选的方式也不现实，因此，本实施方式不考虑各个航线的绘制时间和优先级，认为所有的航线都在一个水平面上，具有相同的优先级，因此，可以快速的绘制出平面交叉图，绘制效率高。如图2所示，给出了一种示例性的平面交叉图，图中的圆圈表示航点，图中各个航线的优先级相同，不存在层级关系，存在多个交叉点。
S3，根据优先级规则确定每条航线的优先级，根据每条航线的优先级将全部航线渲染出具有层次关系的立体交叉效果。
需要说明的是，每条航线都是不同的，不同的航线对应的特征值也是不同的，因此不同的航线具有不同的优先级，如图3所示，给出了一种示例性的立体交叉效果示意图，图中A航线的优先级较高，而B航线的优先级较低，此时可以将B航线置低，将A航线置顶，优选地，可以针对每个交叉点，按照航线的优先级顺序调整交叉点处的航线显示层级，从而减少计算量，实现不同航线之间的立体交叉效果。
应理解，由于航线不同于道路等，航线图通常错综复杂，如果在开始绘制航线时就按照优先级绘制航线，那么就涉及不同航线的优先级之间的反复比对，导致计算量激增，从而降低了绘制效率，因此通过优先级绘制航线并不常见，只是按照绘制的先后顺序显示航线的层级顺序，而在以相同的优先度绘制完航线后，再对航线的显示次序进行调整，能够有效降低数据处理量，从而实现高效的航线渲染。
S4，根据填充规则确定每条航线的填充区宽度，根据每条航线的填充区宽度对立体交叉效果进行调整。
例如，如图4所示，给出了一种示例性的对填充区宽度进行调整的示意图，图中，图中A航线的优先级较高，而B航线的优先级较低，此时，可以将A航线以较粗的宽度进行渲染，将B航线以较细的宽度进行渲染，从而便于直观地注意到那些优先级较高的航线。
本实施例提供的渲染方法适用于交叉航线的渲染，首先通过绘制渲染平面交叉图，为每个航线赋予优先级，再通过优先级调整航线的渲染效果，使不同的航线具有不同顺序的显示效果，能够突出目标航线，并且通过调整航线填充区的宽度，能够提高多航线叠加时的观感，从而提高用户查看航线的效率，便于新开航线的策略规划。
可选地，在一些可能的实施方式中，定义包含航线特征与优先级数值之间对应关系的优先级规则，具体包括：
选择航线N个维度的特征，根据N个维度的特征生成M个一维向量，从M个一维向量中选取最优解；
根据一维向量的最优解确定每个特征的权值；
根据权值分别对每条航线的特征进行加权求和，得到每条航线的特征值；
根据每条航线的特征值所处的优先级范围，确定每条航线的优先级；
其中，N＞1，M＞1。
需要说明的是，最优解的选取方法可以根据实际需求选择，例如，可以通过神经网络、深度学习算法或遗传算法等方法求取最优解，最优解的目标也是可以根据用户需求设置的，而选取的N个维度的特征也与最优解的目标相关，例如，最优解的目标可以为盈利能力最大、营收增长率最快或航线热度最高等，假设最优解的目标为盈利能力最大，那么选取的特征可以跟盈利能力相关，例如，选取航线的历年营收数据和航线开通航班数量等作为特征。
应理解，选取的航线不同，最终得到的权值可能存在偏差，因此，可以选择较为热门的航线作为权值计算的基础，也可以选择多条航线分别计算权值，然后通过取平均的方式，得到平均值，作为每个特征的权值。
例如，假设以某航线为基础，计算权值，选取的特征为年度收入总额和航班数量，分别用a和b代替，那么可以选择历年的数据，选取了M年，就生成M个一维向量，分别是(a1，b1)，(a2，b2)，……，(aM，bM)。
由于计算得到的特征值可能是离散的，因此可以通过划定范围的方式，将相差不大的航线划分为相同的优先级，从而防止出现过多的优先级导致处理效率降低。
通过上述方式求取权值并计算每条航线的优先级，能够使航线的显示效果更佳符合用户的需求，精确地突出显示优先级较高的航线，提高显示的准确度。
可选地，在一些可能的实施方式中，选择航线N个维度的特征，根据N个维度的特征生成M个一维向量，从M个一维向量中选取最优解，具体包括：
初始化进化代数计数器，并设置最大进化代数；
选择航线N个维度的特征，根据N个维度的特征随机生成M个一维向量作为个体，生成初始群体；
计算初始群体中每个个体的适应度；
根据适应度对初始群体进行选择运算，并对初始群体进行交叉运算，并将个体中每个维度的特征作为基因，对初始群体进行基因的变异运算，得到下一代群体；
重复计算下一代群体的适应度，并进行选择运算、交叉运算和变异运算，直到进化代数计数器达到最大进化代数，将最终得到的具有最大适应度的个体作为一维向量的最优解。
需要说明的是，遗传算法是模拟达尔文生物进化论的自然选择和遗传学机理的生物进化过程的计算模型，是一种通过模拟自然进化过程搜索最优解的方法。适应度是表示某一个体对环境的适应能力，也表示该个体繁殖后代的能力。遗传算法的适应度函数也叫评价函数，是用来判断群体中的个体的优劣程度的指标，它是根据所求问题的目标函数来进行评估的，本领域技术人员可以根据实际需求选择和设置，在此不再赘述。
选择运算的目的是把优化的个体(或解)直接遗传到下一代或通过配对交叉产生新的个体再遗传到下一代，基于适应度进行选择，可以通过适应度比例方法、随机遍历抽样法或局部选择法实现。
交叉运算是指把两个父代个体的部分结构加以替换重组而生成新个体的操作，可以提高遗传算法的搜索能力。
变异运算是对群体中的个体串的某些基因座上的基因值作变动，可以包括实值变异和二进制变异等。
下面给出选择运算、交叉运算和变异运算的示例。
可以将适应度前5％的个体中选出一定的数量进行配对，作为双亲产生后代，适应度越高，产生的后代越多。
在同一代被选出的作为双亲的个体交换两者间的部分基因，例如，可以随机产生一个交换位置，假设一维向量为(a，b，c，d)，可以选择c作为交换位置，将c与其他被选出的个体的c进行交换。
对交叉后的种群中的每个个体以一定的概率随机第改变其基因，实现变异操作。
执行完上述运算后，将本次迭代中的双亲及生成的后代按适应度排序，选取前30％作为下一代的初始种群。
通过上述方法选择一维向量的最优解，能够得到较为精确的最优解结果，虽然在渲染速度有所降低，但是提高了渲染的准确性和精确度，能够为用户开通新航线进行决策时提供更为可靠的数据。
可选地，在一些可能的实施方式中，根据权值分别对每条航线的特征进行加权求和，得到每条航线的特征值之前，还包括：
创建包含每个用户的画像数据的用户画像数据集；
通过监控每个用户浏览数据的方式捕捉每个用户的行为特征，将行为特征加入用户画像数据集中对应用户的画像数据中；
根据当前访问的用户端，从用户画像数据集中调取对应的当前用户的画像数据；
根据当前用户的画像数据对每个特征的权值进行调整。
应理解，对于不同的用户而言，其需求可能不同，例如，有的用户可能更关心航线的短期营收能力，有的用户可能更关心航线的长期营收能力，因此通过建立用户画像数据集，根据用户行为特征对航线渲染时的依据进行调整，能够使得渲染效果更佳符合用户的需求。
用户画像数据的维度可以根据实际需求设置，例如，可以包含：航线短期盈利能力、航线长期盈利能力、航线盈利增长趋势、航线热度和航线开通时间等维度设置用户画像。而航线的特征与这些用户画像的维度是相关的，因此可以通过用户的行为特征对航线的特征的权重进行调整。
例如，假设用户对航线的长期盈利能力较为关注，那么可以通过网页插件捕捉用户的操作数据和浏览历史，通过对用户的历史数据进行采集和分析，发现用户点击长期盈利能力强的航线次数多，停留时间长，那么可以确定该用户对航线的长期盈利能力较为关注。
当该用户再次访问航线图时，可以通过用户端的唯一识别码或者预先注册的识别码识别出该用户，在根据优先级对航线的显示效果进行调整和渲染之前，对航线特效的权值进行调整，将与航线长期盈利能力相关的特征赋予更高的权重，从而使得针对不同的用户，显示的航线图更加具有针对性，更加个性化，符合不同用户的查阅需求，从而更好地帮助用户做出开通航线的决策。
可选地，在一些可能的实施方式中，还包括：
确定平面交叉图中包含的全部交叉点；
将包含的航线数量大于预设数量的交叉点作为目标交叉点；
判断优先级最高的航线中是否包含目标交叉点，如果包含，则以目标交叉点为中心，对预设范围进行留白处理。
如图5所示，给出了一种示例性的留白处理示意图，预设数量可以根据实际需求设置，假设D航线的优先级最高，目标交叉点为x点，x点处的航线较多，显示杂乱，可以将x点作为中心，将虚线范围内进行留白处理，仅保留最高级别的航线D，通过留白处理，能够更加突出优先级最高的航线，从而便于用户查阅。
可以理解，在一些实施例中，可以包含如上述各实施方式中的部分或全部。
如图6所示，为本发明用于交叉航线的渲染系统的实施例提供的结构框架示意图，该渲染系统用于交叉航线的渲染，包括：
预处理单元10，用于预先定义包含航线特征与优先级数值之间对应关系的优先级规则，并定义包含优先级数值与填充区宽度之间对应关系的填充规则；
第一渲染单元20，用于初始化待渲染的全部航线的优先级数值，使全部航线的优先级数值相同，并渲染包含全部航线的平面交叉图；
第二渲染单元30，用于根据优先级规则确定每条航线的优先级，根据每条航线的优先级将全部航线渲染出具有层次关系的立体交叉效果；
第三渲染单元40，用于根据填充规则确定每条航线的填充区宽度，根据每条航线的填充区宽度对立体交叉效果进行调整。
本实施例提供的渲染系统适用于交叉航线的渲染，通过首先绘制渲染平面交叉图，为每个航线赋予优先级，通过优先级调整航线的渲染效果，使不同的航线具有不同顺序的显示效果，能够突出目标航线，并且通过调整航线填充区的宽度，能够提高多航线叠加时的观感，从而提高用户查看航线的效率，便于新开航线的策略规划。
可选地，在一些可能的实施方式中，预处理单元10具体用于选择航线N个维度的特征，根据N个维度的特征生成M个一维向量，从M个一维向量中选取最优解；根据一维向量的最优解确定每个特征的权值；根据权值分别对每条航线的特征进行加权求和，得到每条航线的特征值；根据每条航线的特征值所处的优先级范围，确定每条航线的优先级；
其中，N＞1，M＞1。
可选地，在一些可能的实施方式中，预处理单元10具体用于初始化进化代数计数器，并设置最大进化代数；选择航线N个维度的特征，根据N个维度的特征随机生成M个一维向量作为个体，生成初始群体；计算初始群体中每个个体的适应度；根据适应度对初始群体进行选择运算，并对初始群体进行交叉运算，并将个体中每个维度的特征作为基因，对初始群体进行基因的变异运算，得到下一代群体；重复计算下一代群体的适应度，并进行选择运算、交叉运算和变异运算，直到进化代数计数器达到最大进化代数，将最终得到的具有最大适应度的个体作为一维向量的最优解。
可选地，在一些可能的实施方式中，预处理单元10还用于创建包含每个用户的画像数据的用户画像数据集；通过监控每个用户浏览数据的方式捕捉每个用户的行为特征，将行为特征加入用户画像数据集中对应用户的画像数据中；根据当前访问的用户端，从用户画像数据集中调取对应的当前用户的画像数据；根据当前用户的画像数据对每个特征的权值进行调整。
可选地，在一些可能的实施方式中，还包括：
第四渲染单元，用于确定平面交叉图中包含的全部交叉点；将包含的航线数量大于预设数量的交叉点作为目标交叉点；判断优先级最高的航线中是否包含目标交叉点，如果包含，则以目标交叉点为中心，对预设范围进行留白处理。
可以理解，在一些实施例中，可以包含如上述各实施方式中的部分或全部。
本发明的实施例还提供了一种存储介质，存储介质被设置为存储用于执行以下步骤的代码：
预先定义包含航线特征与优先级数值之间对应关系的优先级规则，并定义包含优先级数值与填充区宽度之间对应关系的填充规则；
初始化待渲染的全部航线的优先级数值，使全部航线的优先级数值相同，并渲染包含全部航线的平面交叉图；
根据优先级规则确定每条航线的优先级，根据每条航线的优先级将全部航线渲染出具有层次关系的立体交叉效果；
根据填充规则确定每条航线的填充区宽度，根据每条航线的填充区宽度对立体交叉效果进行调整。
可选地，存储介质还被设置为存储用于执行以下步骤的程序代码：
定义包含航线特征与优先级数值之间对应关系的优先级规则，具体包括：
选择航线N个维度的特征，根据N个维度的特征生成M个一维向量，从M个一维向量中选取最优解；
根据一维向量的最优解确定每个特征的权值；
根据权值分别对每条航线的特征进行加权求和，得到每条航线的特征值；
根据每条航线的特征值所处的优先级范围，确定每条航线的优先级；
其中，N＞1，M＞1。
可选地，存储介质还被设置为存储用于执行以下步骤的程序代码：选择航线N个维度的特征，根据N个维度的特征生成M个一维向量，从M个一维向量中选取最优解，具体包括：
初始化进化代数计数器，并设置最大进化代数；
选择航线N个维度的特征，根据N个维度的特征随机生成M个一维向量作为个体，生成初始群体；
计算初始群体中每个个体的适应度；
根据适应度对初始群体进行选择运算，并对初始群体进行交叉运算，并将个体中每个维度的特征作为基因，对初始群体进行基因的变异运算，得到下一代群体；
重复计算下一代群体的适应度，并进行选择运算、交叉运算和变异运算，直到进化代数计数器达到最大进化代数，将最终得到的具有最大适应度的个体作为一维向量的最优解。
可选地，存储介质还被设置为存储用于执行以下步骤的程序代码：根据权值分别对每条航线的特征进行加权求和，得到每条航线的特征值之前，还包括：
创建包含每个用户的画像数据的用户画像数据集；
通过监控每个用户浏览数据的方式捕捉每个用户的行为特征，将行为特征加入用户画像数据集中对应用户的画像数据中；
根据当前访问的用户端，从用户画像数据集中调取对应的当前用户的画像数据；
根据当前用户的画像数据对每个特征的权值进行调整。
可选地，存储介质还被设置为存储用于执行以下步骤的程序代码：还包括：
确定平面交叉图中包含的全部交叉点；
将包含的航线数量大于预设数量的交叉点作为目标交叉点；
判断优先级最高的航线中是否包含目标交叉点，如果包含，则以目标交叉点为中心，对预设范围进行留白处理。
本发明的实施例还提供了一种计算机设备，计算机设备用于执行上述实施方式中公开的存储在上述存储介质中的程序，从而通过显示部件对渲染后的航线图进行显示。
需要说明的是，上述各实施方式是与在先方法实施例对应的产品实施例，对于产品实施方式的说明可以参考上述各方法实施方式中的对应说明，在此不再赘述。
读者应理解，在本说明书的描述中，参考术语“一个实施例”、“一些实施例”、“示例”、“具体示例”、或“一些示例”等的描述意指结合该实施例或示例描述的具体特征、结构、材料或者特点包含于本发明的至少一个实施例或示例中。在本说明书中，对上述术语的示意性表述不必针对的是相同的实施例或示例。而且，描述的具体特征、结构、材料或者特点可以在任一个或多个实施例或示例中以合适的方式结合。此外，在不相互矛盾的情况下，本领域的技术人员可以将本说明书中描述的不同实施例或示例以及不同实施例或示例的特征进行结合和组合。
在本申请所提供的几个实施例中，应该理解到，所揭露的装置和方法，可以通过其它的方式实现。例如，以上所描述的方法实施例仅仅是示意性的，例如，步骤的划分，仅仅为一种逻辑功能划分，实际实现时可以有另外的划分方式，例如多个步骤可以结合或者可以集成到另一个步骤，或一些特征可以忽略，或不执行。
上述方法如果以软件功能单元的形式实现并作为独立的产品销售或使用时，可以存储在一个计算机可读取存储介质中。基于这样的理解，本发明的技术方案本质上或者说对现有技术做出贡献的部分，或者该技术方案的全部或部分可以以软件产品的形式体现出来，该计算机软件产品存储在一个存储介质中，包括若干指令用以使得一台计算机设备(可以是个人计算机，服务器，或者网络设备等)执行本发明各个实施例方法的全部或部分步骤。而前述的存储介质包括：U盘、移动硬盘、只读存储器(ROM，Read-OnlyMemory)、随机存取存储器(RAM，RandomAccessMemory)、磁碟或者光盘等各种可以存储程序代码的介质。
以上，仅为本发明的具体实施方式，但本发明的保护范围并不局限于此，任何熟悉本技术领域的技术人员在本发明揭露的技术范围内，可轻易想到各种等效的修改或替换，这些修改或替换都应涵盖在本发明的保护范围之内。因此，本发明的保护范围应以权利要求的保护范围为准。
Claims (10)
1.一种用于交叉航线的渲染方法，其特征在于，包括：
预先定义包含航线特征与优先级数值之间对应关系的优先级规则，并定义包含优先级数值与填充区宽度之间对应关系的填充规则；
初始化待渲染的全部航线的优先级数值，使全部所述航线的优先级数值相同，并渲染包含全部所述航线的平面交叉图；
根据所述优先级规则确定每条所述航线的优先级，根据每条所述航线的优先级将全部所述航线渲染出具有层次关系的立体交叉效果；
根据所述填充规则确定每条所述航线的填充区宽度，根据每条所述航线的填充区宽度对所述立体交叉效果进行调整。
2.根据权利要求1所述的用于交叉航线的渲染方法，其特征在于，定义包含航线特征与优先级数值之间对应关系的优先级规则，具体包括：
选择航线N个维度的特征，根据N个维度的所述特征生成M个一维向量，从M个所述一维向量中选取最优解；
根据所述一维向量的最优解确定每个所述特征的权值；
根据所述权值分别对每条所述航线的特征进行加权求和，得到每条所述航线的特征值；
根据每条所述航线的特征值所处的优先级范围，确定每条所述航线的优先级；
其中，N＞1，M＞1。
3.根据权利要求2所述的用于交叉航线的渲染方法，其特征在于，选择航线N个维度的特征，根据N个维度的所述特征生成M个一维向量，从M个所述一维向量中选取最优解，具体包括：
初始化进化代数计数器，并设置最大进化代数；
选择航线N个维度的特征，根据N个维度的所述特征随机生成M个一维向量作为个体，生成初始群体；
计算所述初始群体中每个个体的适应度；
根据所述适应度对所述初始群体进行选择运算，并对所述初始群体进行交叉运算，并将所述个体中每个维度的特征作为基因，对所述初始群体进行基因的变异运算，得到下一代群体；
重复计算所述下一代群体的适应度，并进行选择运算、交叉运算和变异运算，直到所述进化代数计数器达到最大进化代数，将最终得到的具有最大适应度的个体作为所述一维向量的最优解。
4.根据权利要求2所述的用于交叉航线的渲染方法，其特征在于，根据所述权值分别对每条所述航线的特征进行加权求和，得到每条所述航线的特征值之前，还包括：
创建包含每个用户的画像数据的用户画像数据集；
通过监控每个用户浏览数据的方式捕捉每个用户的行为特征，将所述行为特征加入所述用户画像数据集中对应用户的画像数据中；
根据当前访问的用户端，从所述用户画像数据集中调取对应的当前用户的画像数据；
根据所述当前用户的画像数据对每个所述特征的权值进行调整。
5.根据权利要求1至4中任一项所述的用于交叉航线的渲染方法，其特征在于，还包括：
确定所述平面交叉图中包含的全部交叉点；
将包含的航线数量大于预设数量的交叉点作为目标交叉点；
判断优先级最高的航线中是否包含目标交叉点，如果包含，则以所述目标交叉点为中心，对预设范围进行留白处理。
6.一种用于交叉航线的渲染系统，其特征在于，包括：
预处理单元，用于预先定义包含航线特征与优先级数值之间对应关系的优先级规则，并定义包含优先级数值与填充区宽度之间对应关系的填充规则；
第一渲染单元，用于初始化待渲染的全部航线的优先级数值，使全部所述航线的优先级数值相同，并渲染包含全部所述航线的平面交叉图；
第二渲染单元，用于根据所述优先级规则确定每条所述航线的优先级，根据每条所述航线的优先级将全部所述航线渲染出具有层次关系的立体交叉效果；
第三渲染单元，用于根据所述填充规则确定每条所述航线的填充区宽度，根据每条所述航线的填充区宽度对所述立体交叉效果进行调整。
7.根据权利要求6所述的用于交叉航线的渲染系统，其特征在于，所述预处理单元具体用于选择航线N个维度的特征，根据N个维度的所述特征生成M个一维向量，从M个所述一维向量中选取最优解；根据所述一维向量的最优解确定每个所述特征的权值；根据所述权值分别对每条所述航线的特征进行加权求和，得到每条所述航线的特征值；根据每条所述航线的特征值所处的优先级范围，确定每条所述航线的优先级；
其中，N＞1，M＞1。
8.根据权利要求7所述的用于交叉航线的渲染系统，其特征在于，所述预处理单元具体用于初始化进化代数计数器，并设置最大进化代数；选择航线N个维度的特征，根据N个维度的所述特征随机生成M个一维向量作为个体，生成初始群体；计算所述初始群体中每个个体的适应度；根据所述适应度对所述初始群体进行选择运算，并对所述初始群体进行交叉运算，并将所述个体中每个维度的特征作为基因，对所述初始群体进行基因的变异运算，得到下一代群体；重复计算所述下一代群体的适应度，并进行选择运算、交叉运算和变异运算，直到所述进化代数计数器达到最大进化代数，将最终得到的具有最大适应度的个体作为所述一维向量的最优解。
9.根据权利要求7所述的用于交叉航线的渲染系统，其特征在于，所述预处理单元还用于创建包含每个用户的画像数据的用户画像数据集；通过监控每个用户浏览数据的方式捕捉每个用户的行为特征，将所述行为特征加入所述用户画像数据集中对应用户的画像数据中；根据当前访问的用户端，从所述用户画像数据集中调取对应的当前用户的画像数据；根据所述当前用户的画像数据对每个所述特征的权值进行调整。
10.根据权利要求6至9中任一项所述的用于交叉航线的渲染系统，其特征在于，还包括：
第四渲染单元，用于确定所述平面交叉图中包含的全部交叉点；将包含的航线数量大于预设数量的交叉点作为目标交叉点；判断优先级最高的航线中是否包含目标交叉点，如果包含，则以所述目标交叉点为中心，对预设范围进行留白处理。
Priority Applications (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202110579219.1A CN113268688B (zh) | 2021-05-26 | 2021-05-26 | 用于交叉航线的渲染方法及系统 |
Applications Claiming Priority (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202110579219.1A CN113268688B (zh) | 2021-05-26 | 2021-05-26 | 用于交叉航线的渲染方法及系统 |
Publications (2)
| Publication Number | Publication Date |
|---|---|
| CN113268688A true CN113268688A (zh) | 2021-08-17 |
| CN113268688B CN113268688B (zh) | 2023-09-05 |
Family
ID=77232923
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| CN202110579219.1A Active CN113268688B (zh) | 2021-05-26 | 2021-05-26 | 用于交叉航线的渲染方法及系统 |
Country Status (1)
| Country | Link |
|---|---|
| CN (1) | CN113268688B (zh) |
Citations (13)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| WO2014103142A1 (ja) * | 2012-12-25 | 2014-07-03 | 株式会社デンソー | 地図表示システム |
| WO2015134759A1 (en) * | 2014-03-07 | 2015-09-11 | Flir Systems, Inc. | Sailing user interface systems and methods |
| CN106651727A (zh) * | 2016-09-30 | 2017-05-10 | 深圳市华傲数据技术有限公司 | 航班信息的处理及展示方法、系统 |
| CN107067824A (zh) * | 2017-06-06 | 2017-08-18 | 南京航空航天大学 | 基于环境影响的终端区航线网络优化方法 |
| CN107679667A (zh) * | 2017-10-13 | 2018-02-09 | 南京航空航天大学 | 一种终端区航线规划优先级分类方法 |
| CN110160526A (zh) * | 2019-04-23 | 2019-08-23 | 北京海兰信数据科技股份有限公司 | 基于遗传算法的时间最短航线规划方法、燃油量最小航线规划方法、成本最低航线规划方法 |
| CN110321095A (zh) * | 2019-07-23 | 2019-10-11 | 海南太美航空股份有限公司 | 用于显示航线信息的终端、系统及方法 |
| US20200054399A1 (en) * | 2017-04-18 | 2020-02-20 | Intuitive Surgical. Operations, Inc. | Graphical user interface for monitoring an image-guided procedure |
| CN110866961A (zh) * | 2019-10-23 | 2020-03-06 | 海南太美航空股份有限公司 | 一种基于网络地图的航线绘制系统及电子设备 |
| CN112066998A (zh) * | 2020-08-25 | 2020-12-11 | 海南太美航空股份有限公司 | 用于航线地图的渲染方法及系统 |
| CN112097776A (zh) * | 2020-08-25 | 2020-12-18 | 海南太美航空股份有限公司 | 用于提高航线地图渲染效率的方法及系统 |
| CN112287056A (zh) * | 2020-11-04 | 2021-01-29 | 北京蒙泰华奥国际贸易有限公司 | 航管可视化方法、装置、电子设备及存储介质 |
| CN112802159A (zh) * | 2021-01-22 | 2021-05-14 | 北京世纪高通科技有限公司 | 航线的渲染方法、装置及存储介质 |
-
2021
- 2021-05-26 CN CN202110579219.1A patent/CN113268688B/zh active Active
Patent Citations (13)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| WO2014103142A1 (ja) * | 2012-12-25 | 2014-07-03 | 株式会社デンソー | 地図表示システム |
| WO2015134759A1 (en) * | 2014-03-07 | 2015-09-11 | Flir Systems, Inc. | Sailing user interface systems and methods |
| CN106651727A (zh) * | 2016-09-30 | 2017-05-10 | 深圳市华傲数据技术有限公司 | 航班信息的处理及展示方法、系统 |
| US20200054399A1 (en) * | 2017-04-18 | 2020-02-20 | Intuitive Surgical. Operations, Inc. | Graphical user interface for monitoring an image-guided procedure |
| CN107067824A (zh) * | 2017-06-06 | 2017-08-18 | 南京航空航天大学 | 基于环境影响的终端区航线网络优化方法 |
| CN107679667A (zh) * | 2017-10-13 | 2018-02-09 | 南京航空航天大学 | 一种终端区航线规划优先级分类方法 |
| CN110160526A (zh) * | 2019-04-23 | 2019-08-23 | 北京海兰信数据科技股份有限公司 | 基于遗传算法的时间最短航线规划方法、燃油量最小航线规划方法、成本最低航线规划方法 |
| CN110321095A (zh) * | 2019-07-23 | 2019-10-11 | 海南太美航空股份有限公司 | 用于显示航线信息的终端、系统及方法 |
| CN110866961A (zh) * | 2019-10-23 | 2020-03-06 | 海南太美航空股份有限公司 | 一种基于网络地图的航线绘制系统及电子设备 |
| CN112066998A (zh) * | 2020-08-25 | 2020-12-11 | 海南太美航空股份有限公司 | 用于航线地图的渲染方法及系统 |
| CN112097776A (zh) * | 2020-08-25 | 2020-12-18 | 海南太美航空股份有限公司 | 用于提高航线地图渲染效率的方法及系统 |
| CN112287056A (zh) * | 2020-11-04 | 2021-01-29 | 北京蒙泰华奥国际贸易有限公司 | 航管可视化方法、装置、电子设备及存储介质 |
| CN112802159A (zh) * | 2021-01-22 | 2021-05-14 | 北京世纪高通科技有限公司 | 航线的渲染方法、装置及存储介质 |
Non-Patent Citations (6)
| Title |
|---|
| FOURONES: "航线图绘制工具 gcmap 详解", 《HTTPS://TRAVELAFTERWORK.COM/2019/03/03/GCMAP-INSTRUCTION/》 * |
| FOURONES: "航线图绘制工具 gcmap 详解", 《HTTPS://TRAVELAFTERWORK.COM/2019/03/03/GCMAP-INSTRUCTION/》, 3 March 2019 (2019-03-03) * |
| 朱丽纳: "多层航线复杂网络连通性分析与优化", 《中国优秀硕士学位论文全文数据库 工程科技Ⅱ辑》 * |
| 朱丽纳: "多层航线复杂网络连通性分析与优化", 《中国优秀硕士学位论文全文数据库 工程科技Ⅱ辑》, 15 January 2021 (2021-01-15), pages 031 - 48 * |
| 邱晓淯: "Linux环境嵌入式电子海图显示研究与实现", 《中国优秀硕士学位论文全文数据库 工程科技Ⅱ辑》 * |
| 邱晓淯: "Linux环境嵌入式电子海图显示研究与实现", 《中国优秀硕士学位论文全文数据库 工程科技Ⅱ辑》, 15 September 2011 (2011-09-15), pages 036 - 147 * |
Also Published As
| Publication number | Publication date |
|---|---|
| CN113268688B (zh) | 2023-09-05 |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| Krafta | Urban convergence: morphology and attraction | |
| US20220335353A1 (en) | Systems, methods, and program products for facilitating parcel combination | |
| CN107203774A (zh) | 对数据的归属类别进行预测的方法及装置 | |
| CN107230108A (zh) | 业务数据的处理方法及装置 | |
| CN111695042B (zh) | 基于深度游走和集成学习的用户行为预测方法及系统 | |
| CN110070134A (zh) | 一种基于用户兴趣感知的推荐方法及装置 | |
| CN109389321A (zh) | 一种价格评估方法及装置 | |
| CN106650930A (zh) | 模型参数优化的方法及装置 | |
| CN107944485A (zh) | 基于聚类群组发现的推荐系统及方法、个性化推荐系统 | |
| CN110135701A (zh) | 控制规则的自动生成方法、装置、电子设备及可读介质 | |
| CN112785005A (zh) | 多目标任务的辅助决策方法、装置、计算机设备及介质 | |
| Datta et al. | Spatial aggregation and compactness of census areas with a multiobjective genetic algorithm: a case study in Canada | |
| CN110321492A (zh) | 一种基于社区信息的项目推荐方法及系统 | |
| Pilehforooshha et al. | An integrated framework for linear pattern extraction in the building group generalization process | |
| Mouhib et al. | TSMAA‐TRI: A temporal multi‐criteria sorting approach under uncertainty | |
| JP2024038372A (ja) | 類似性及び行程期間を使用してサイトを示すための方法 | |
| CN113268688B (zh) | 用于交叉航线的渲染方法及系统 | |
| Li et al. | Assignment of seasonal factor categories to urban coverage count stations using a fuzzy decision tree | |
| Dostál et al. | Business applications of fuzzy logic | |
| CN113267192B (zh) | 提高交叉航线渲染效率的方法及系统 | |
| Mucchetti et al. | Bigquery ml | |
| CN112948678A (zh) | 文章召回方法及系统、文章推荐方法及系统 | |
| CN106096718A (zh) | 一种归一化pso随机优化算法及协同过滤推荐方法 | |
| CN112508725B (zh) | 一种基于社区结构的位置感知影响力最大化方法 | |
| Liu et al. | Personalized tourism product design focused on tourist expectations and online reviews: An integrated MCDM method |
Legal Events
| Date | Code | Title | Description |
|---|---|---|---|
| PB01 | Publication | ||
| PB01 | Publication | ||
| SE01 | Entry into force of request for substantive examination | ||
| SE01 | Entry into force of request for substantive examination | ||
| GR01 | Patent grant | ||
| GR01 | Patent grant |