CN113865589B - 一种基于地形坡度的长距离快速路径规划方法 - Google Patents

一种基于地形坡度的长距离快速路径规划方法 Download PDF

Info

Publication number
CN113865589B
CN113865589B CN202110974717.6A CN202110974717A CN113865589B CN 113865589 B CN113865589 B CN 113865589B CN 202110974717 A CN202110974717 A CN 202110974717A CN 113865589 B CN113865589 B CN 113865589B
Authority
CN
China
Prior art keywords
path planning
node
path
slope
information
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.)
Active
Application number
CN202110974717.6A
Other languages
English (en)
Other versions
CN113865589A (zh
Inventor
洪中华
孙鹏飞
周汝雁
潘海燕
张云
徐利军
韩彦岭
王静
杨树瑚
Current Assignee (The listed assignees may be inaccurate. Google has not performed a legal analysis and makes no representation or warranty as to the accuracy of the list.)
Shanghai Ocean University
Original Assignee
Shanghai Ocean University
Priority date (The priority date 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 date listed.)
Filing date
Publication date
Application filed by Shanghai Ocean University filed Critical Shanghai Ocean University
Priority to CN202110974717.6A priority Critical patent/CN113865589B/zh
Publication of CN113865589A publication Critical patent/CN113865589A/zh
Application granted granted Critical
Publication of CN113865589B publication Critical patent/CN113865589B/zh
Active legal-status Critical Current
Anticipated expiration legal-status Critical

Links

Classifications

    • G—PHYSICS
    • G01—MEASURING; TESTING
    • G01C—MEASURING DISTANCES, LEVELS OR BEARINGS; SURVEYING; NAVIGATION; GYROSCOPIC INSTRUMENTS; PHOTOGRAMMETRY OR VIDEOGRAMMETRY
    • G01C21/00—Navigation; Navigational instruments not provided for in groups G01C1/00 - G01C19/00
    • G01C21/20—Instruments for performing navigational calculations
    • G—PHYSICS
    • G01—MEASURING; TESTING
    • G01C—MEASURING DISTANCES, LEVELS OR BEARINGS; SURVEYING; NAVIGATION; GYROSCOPIC INSTRUMENTS; PHOTOGRAMMETRY OR VIDEOGRAMMETRY
    • G01C21/00—Navigation; Navigational instruments not provided for in groups G01C1/00 - G01C19/00
    • G01C21/26—Navigation; Navigational instruments not provided for in groups G01C1/00 - G01C19/00 specially adapted for navigation in a road network
    • G01C21/34—Route searching; Route guidance
    • G01C21/3453—Special cost functions, i.e. other than distance or default speed limit of road segments

Landscapes

  • Engineering & Computer Science (AREA)
  • Radar, Positioning & Navigation (AREA)
  • Remote Sensing (AREA)
  • Automation & Control Theory (AREA)
  • Physics & Mathematics (AREA)
  • General Physics & Mathematics (AREA)
  • Instructional Devices (AREA)

Abstract

本发明涉及一种基于地形坡度的长距离快速路径规划方法，属于路径规划技术领域。包括如下步骤：选用现有的地理信息地图，生成兴趣区坡度信息并将地表属性信息映射至坡度信息上，构建兼具地形坡度信息和地表属性信息的网格化的地理信息地图，作为路径规划的数据基础；设置路径参数并根据车型设置可行阈值，用改进A星算法对上一步构建的地理信息地图进行路径搜索、规划；综合评估上一步的路径规划，形成最终的路径规划方案，并将其可视化。本发明运用数据分析手段和改进的A星算法，进行针对三维环境下路径规划评估和预测，并提供可视化路径规划方案，适用于范围大、地形变化复杂的路径规划任务。

Description

一种基于地形坡度的长距离快速路径规划方法
技术领域
本发明涉及一种基于地形坡度的长距离快速路径规划方法，属于路径规划技术领域。
背景技术
车辆行进在三维环境中的路径规划，其主要目标是在已知或者部分未知的环境中规划出从起始点到终点的安全可通行路径。而实车演练的路径规划方法，不仅人力物力财力消耗大，而且人员和车辆的安全也难以保障，因此本发明开发了一种符合实际地形环境的路径规划软件。
研究车辆的路径规划，须结合地形坡度和地表属性对车辆行进速度和行进路径的综合影响。针对地理信息地图的静态环境，通过该区域的地表属性，将其映射至DEM地图地形格网，所用的路径规划算法通常有栅格法、A星算法、贪心算法等。
栅格法是最常用的环境建模方法，在室内和室外的环境建模中均被广泛应用，其原理是将整个地图的二维环境空间进行细化，形成一组网格，网格包含人为指定的信息，这些含有信息的网格被称为环境单元。规划对应的单位栅格，设定坐标轴上的单位长度为单位栅格大小，细化后即可形成栅格地图，并对应实际环境定义环境单元，但是其无法体现地形高低变化。
A星算法是一种经典的启发式全局搜索算法，通过启发函数引导算法的搜索方向，是建立在Dijkstra和BFS算法基础上的最短路径搜索算法，也是解决许多搜索问题的有效算法。算法中的距离估算值与实际值越接近，最终搜索速度越快，但随着距离增加，估算的时间也会大大增加。
贪心算法又称贪婪算法，其在对问题求解时，不从整体最优上加以考虑，总是做出在当前看来是最好的选择，贪心算法不是对所有问题都能得到整体最优解，而仅仅是在某种意义上的局部最优解。
因此现有的路径规划算法都适用于小范围数据集的路径规划任务，而不适用于范围大、地形变化复杂的路径规划任务。
发明内容
本发明的目的在于提供一种基于地形坡度的长距离快速路径规划方法，，运用数据分析手段和改进的A星算法，进行针对三维环境下路径规划评估和预测，并提供可视化路径规划方案。
技术方案：
一种基于地形坡度的长距离快速路径规划方法，包括如下步骤：
步骤100：选用现有的地理信息地图，生成兴趣区坡度信息并将地表属性信息映射至坡度信息上，构建兼具地形坡度信息和地表属性信息的网格化的地理信息地图，作为路径规划的数据基础；
步骤200：设置包括起点和终点的路径参数并根据车型设置可行阈值，用改进A星算法对步骤100构建的地理信息地图进行路径搜索、规划，改进A星算法采用由优先级队列和二维数组混合的数据结构，使用优先级队列进行A星算法中启发代价函数最小值的查找；使用状态空间进行A星算法中节点是否存在于节点容器中的判断，通过比较车型可通行阈值和地理信息地图可通行指数来判断网格节点是否可以到达，并且在搜索中只有在前导点和终点之间的距离小于100时才启用中间检测，否则不检查节点是否达到终点；
步骤300：综合评估步骤200的路径规划，形成最终的路径规划方案，并将其可视化。
进一步的，步骤100中选用的数字高程模型为SRTM1、GSDEM-30、AW3D30之一；生成的数字高程模型通过三维重建方法。
进一步的，步骤100中兴趣区坡度信息Slope由如下公式生成：
其中Zi,j表示栅格单元(i,j)对应的高程值，Slopewe、Slopesn和Slopei,j分别表示栅格单元(i,j)在X方向的斜率、Y方向的斜率和栅格单元(i,j)的斜率；
并通过如下公式将地表属性信息映射至坡度信息上：
GIMi,j＝Slopei,j*SAIi,j，其中GIMi,j表示地理信息地图栅格单元(i,j)的可通行指数，SAIi,j表示栅格单元(i,j)对应的地表属性系数。
进一步的，步骤200中路径规划的具体步骤如下：
步骤201：设置开放列表OpenList和关闭列表CloseList，分别使用优先级队列和二维数组进行初始化，其中，OpenList存储起点和正在等待搜索的节点，CloseList存储已被搜索过的节点；
步骤202：若OpenList为空，则搜索路径结束，形成路径规划；若不为空，则执行步骤203；
步骤203：从OpenList中寻找启发值最小的节点时，取得优先级队列首位的节点，即启发值最小的节点，则执行步骤204；
步骤204：根据状态空间，判断所述节点在CloseList中状态，若在状态空间中该节点状态为已搜索，则搜索路径结束，形成路径规划；若在状态空间中该节点状态为未被搜索，在状态空间中将所述节点状态设置为已搜索，并执行步骤205；
步骤205：删除所述启发值最小节点，优先级队列自行重排；
步骤206：遍历所述节点周边8个节点，根据可通行指数判断周边节点是否可通行，去除不可通行的节点后，通过遍历优先级队列OpenList，判断可通行的节点是否存在于OpenList中，如果存在于OpenList中，则执行步骤207；如果不存在于OpenList，则执行步骤208；
步骤207：将所述节点插入OpenList，执行步骤209；
步骤208：计算所述节点的新的启发值，如果该值小于所述节点原先的启发值，更新所述节点信息，执行步骤209；
步骤209：将所述节点设置为步骤205中所述节点的子节点，并计算所述节点的启发值，优先级队列自行重排；
步骤210：判断所述节点是否为终点，若是则搜索路径结束，形成路径规划；若不是则返回执行步骤206。
进一步的，步骤300中，根据路径规划，结合路径节点的地表属性信息分析经过量化的路径长度和曲折度，完成路径规划评估，并将路径规划中的信息序列化，并根据地表属性信息用颜色标识路径规划线路、可通行区域、不可通行区域和曲折度，完成路径规划方案可视化，用户通过人机交互方式选择并确定最终路径规划方案。
有益效果：
1)本发明采用数字高程模型结合地表属性信息方式，形成地理信息地图，并综合多种车型可通行阈值，以此为数据基础和条件依据进行路径规划。
2)采用基于优先级队列和状态空间的改进A星算法进行路径规划，改变传统路径规划只适用于小规模短路径的现状，针对解决长距离路径规划效率问题，使用优先级队列和状态空间，极大提升长距离路径规划任务的效率，使其满足于路径规划的任务需求，保障顺利高效的完成其路径规划任务。
3)对路径规划结果进行评估，针对路径长度和曲折度进行量化估计，并可视化，根据用户选择最终确定路径规划方案。
附图说明
图1为本发明的系统结构示意图；
图2为本发明的路径规划算法流程图；
图3为本发明的路径规划方案示意图；
其中：①为OpenList，②为CloseList，③为遍历策略操作，1为起点、2为路径规划线路，3为终点。
具体实施方式
下面结合附图和具体实施例对本发明进行详细说明：
如图1至图3所示，一种基于地形坡度的长距离快速路径规划方法，包括如下步骤：
步骤100：选用现有的地理信息地图，生成兴趣区坡度信息并将地表属性信息映射至坡度信息上，构建兼具地形坡度信息和地表属性信息的网格化的地理信息地图，作为路径规划的数据基础；
步骤200：设置包括起点和终点的路径参数并根据车型设置可行阈值，用改进A星算法对步骤100构建的地理信息地图进行路径搜索、规划，改进A星算法采用由优先级队列和二维数组混合的数据结构，使用优先级队列进行A星算法中启发代价函数最小值的查找；使用状态空间进行A星算法中节点是否存在于节点容器中的判断，通过比较车型可通行阈值和地理信息地图可通行指数来判断网格节点是否可以到达，并且在搜索中只有在前导点和终点之间的距离小于100时才启用中间检测，否则不检查节点是否达到终点；
步骤300：综合评估步骤200的路径规划，形成最终的路径规划方案，并将其可视化。
步骤100中选用的数字高程模型为SRTM1、GSDEM-30、AW3D30之一；生成的数字高程模型通过三维重建方法。
步骤100中兴趣区坡度信息Slope由如下公式生成：
其中Zi,j表示栅格单元(i,j)对应的高程值，Slopewe、Slopesn和Slopei,j分别表示栅格单元(i,j)在X方向的斜率、Y方向的斜率和栅格单元(i,j)的斜率；
并通过如下公式将地表属性信息映射至坡度信息上：
GIMi,j＝Slopei,j*SAIi,j，其中GIMi,j表示地理信息地图栅格单元(i,j)的可通行指数，SAIi,j表示栅格单元(i,j)对应的地表属性系数。
步骤200中路径规划的具体步骤如下：
步骤201：设置开放列表OpenList和关闭列表CloseList，分别使用优先级队列和二维数组进行初始化，其中，OpenList存储起点和正在等待搜索的节点，CloseList存储已被搜索过的节点；
步骤202：若OpenList为空，则搜索路径结束，形成路径规划；若不为空，则执行步骤203；
步骤203：从OpenList中寻找启发值最小的节点时，取得优先级队列首位的节点，即启发值最小的节点，则执行步骤204；
步骤204：根据状态空间，判断所述节点在CloseList中状态，若在状态空间中该节点状态为已搜索，则搜索路径结束，形成路径规划；若在状态空间中该节点状态为未被搜索，在状态空间中将所述节点状态设置为已搜索，并执行步骤205；
步骤205：删除所述启发值最小节点，优先级队列自行重排；
步骤206：遍历所述节点周边8个节点，根据可通行指数判断周边节点是否可通行，去除不可通行的节点后，通过遍历优先级队列OpenList，判断可通行的节点是否存在于OpenList中，如果存在于OpenList中，则执行步骤207；如果不存在于OpenList，则执行步骤208；
步骤207：将所述节点插入OpenList，执行步骤209；
步骤208：计算所述节点的新的启发值，如果该值小于所述节点原先的启发值，更新所述节点信息，执行步骤209；
步骤209：将所述节点设置为步骤205中所述节点的子节点，并计算所述节点的启发值，优先级队列自行重排；
步骤210：判断所述节点是否为终点，若是则搜索路径结束，形成路径规划；若不是则返回执行步骤206。
步骤300中，根据路径规划，结合路径节点的地表属性信息分析经过量化的路径长度和曲折度，完成路径规划评估，并将路径规划中的信息序列化，并根据地表属性信息用颜色标识路径规划线路、可通行区域、不可通行区域和曲折度，完成路径规划方案可视化，用户通过人机交互方式选择并确定最终路径规划方案。
实施例1：使用Sentinel-1SAR图像干涉法生成分辨率为20m的DEM。Sentinel-1数据来源于https://scihub.esa.int/，它有13139*13245个单元数据，相当于实际面积约69610.4平方千米，在本实施例中只计算数字高程模型的坡度值没有考虑坡向，并假设车辆的投影区域为一个网格单元。结合该区域的地表属性信息，将其映射至地形网格，以此构建地理信息地图，结合多车型可通行阈值，在分析兴趣区地理信息特征的基础上，划分可行区和不可行区，评估车辆是否适合不同车型，确定哪些网格区域可通行，哪些障碍物区域不可通行，以便后续路径规划。
基于数字高程模型和地表属性信息等构件的地理信息地图，结合不同车型可通行阈值设定；采用改进A星算法，利用优先级队列和状态空间的混合数据结构和优化的检索策略提升效率，在数据结构优化方面，改进的A星算法采用了优先级队列和二维数组混合的数据结构，降低了数据处理的时间成本。OpenList具有频繁的插入、删除、更新和检索操作，特别是在OpenList中寻找启发式值最小的节点的过程非常耗时，因此使用优先级队列作为OpenList的容器，查找最小启发式值节点和删除过程的时间复杂度从O(n)降低到O(1)，虽然在构造优先级队列的过程中，时间复杂度从O(1)增加到O(log(n))，但是总的时间复杂度降低了，CloseList有频繁的插入和检索操作，它们的时间复杂度分别为O(1)和O(n)。Closellist中没有删除操作，所以检索时间会随着节点数量的增加而增加，2D状态数组存储地图中每个点的检索状态，因此CloseList检索过程的时间复杂度从原来的O(n)降低到O(1)，极大地提高了检索速度；在搜索策略优化方面，由于实际检索到的点并不是路径规划开始时的终点，所以不需要检查是否到达终点。中间检测只有在前导点和终点之间的距离小于100时才启用，这也减少了检索时间。设计了在搜索全局最优路径的初始阶段不检查是否到达目的地的优化搜索策略，提高了执行效率。无论短距离、中距离和长距离路径规划任务，尤其在进行长距离路径规划任务时，效率提高幅度相对于传统的A星算法可达550倍，可快速完成多情况路径规划任务，满足路径规划任务的时间需求。
结合路径长度和曲折程度，针对路径规划结果进行路径规划方案评估，用户可根据规划的路径合理选择行进的路径，最终路径规划方案所呈现的路径皆在可通行区域范围内，在满足路径规划的高效需求同时，通过软件根据地表属性信息为路径标识不同颜色，做到可视化，保障用户的安全。
以上所述仅为本发明的较佳实施例而已，并不用于限制本发明，凡在本发明的原则和精神之内所作的任何修改、等同替换和改进等，均应包含在本发明的保护范围之内。

Claims (5)

1.一种基于地形坡度的长距离快速路径规划方法，其特征在于：包括如下步骤：
步骤100：选用现有的地理信息地图，生成兴趣区坡度信息并将地表属性信息映射至坡度信息上，构建兼具地形坡度信息和地表属性信息的网格化的地理信息地图，作为路径规划的数据基础；
步骤200：设置包括起点和终点的路径参数并根据车型设置可行阈值，用改进A星算法对步骤100构建的地理信息地图进行路径搜索、规划，改进A星算法采用由优先级队列和二维数组混合的数据结构，使用优先级队列进行A星算法中启发代价函数最小值的查找；使用状态空间进行A星算法中节点是否存在于节点容器中的判断，通过比较车型可通行阈值和地理信息地图可通行指数来判断网格节点是否可以到达，并且在搜索中只有在前导点和终点之间的距离小于100时才启用中间检测，否则不检查节点是否达到终点；
步骤300：综合评估步骤200的路径规划，形成最终的路径规划方案，并将其可视化。
2.如权利要求1所述的基于地形坡度的长距离快速路径规划方法，其特征在于；所述的步骤100中选用的数字高程模型为SRTM1、GSDEM-30、AW3D30之一；生成的数字高程模型通过三维重建方法。
3.如权利要求1所述的基于地形坡度的长距离快速路径规划方法，其特征在于；所述的步骤100中兴趣区坡度信息Slope由如下公式生成：
其中Zi,j表示栅格单元(i,j)对应的高程值，Slopewe、Slopesn和Slopei,j分别表示栅格单元(i,j)在X方向的斜率、Y方向的斜率和栅格单元(i,j)的斜率；
并通过如下公式将地表属性信息映射至坡度信息上：
GIMi,j＝Slopei,j*SAIi,j，其中GIMi,j表示地理信息地图栅格单元(i,j)的可通行指数，SAIi,j表示栅格单元(i,j)对应的地表属性系数。
4.如权利要求1所述的基于地形坡度的长距离快速路径规划方法，其特征在于；所述的步骤200中路径规划的具体步骤如下：
步骤201：设置开放列表OpenList和关闭列表CloseList，分别使用优先级队列和二维数组进行初始化，其中，OpenList存储起点和正在等待搜索的节点，CloseList存储已被搜索过的节点；
步骤202：若OpenList为空，则搜索路径结束，形成路径规划；若不为空，则执行步骤203；
步骤203：从OpenList中寻找启发值最小的节点时，取得优先级队列首位的节点，即启发值最小的节点，则执行步骤204；
步骤204：根据状态空间，判断所述节点在CloseList中状态，若在状态空间中该节点状态为已搜索，则搜索路径结束，形成路径规划；若在状态空间中该节点状态为未被搜索，在状态空间中将所述节点状态设置为已搜索，并执行步骤205；
步骤205：删除所述启发值最小节点，优先级队列自行重排；
步骤206：遍历所述节点周边8个节点，根据可通行指数判断周边节点是否可通行，去除不可通行的节点后，通过遍历优先级队列OpenList，判断可通行的节点是否存在于OpenList中，如果存在于OpenList中，则执行步骤207；如果不存在于OpenList，则执行步骤208；
步骤207：将所述节点插入OpenList，执行步骤209；
步骤208：计算所述节点的新的启发值，如果该值小于所述节点原先的启发值，更新所述节点信息，执行步骤209；
步骤209：将所述节点设置为步骤205中所述节点的子节点，并计算所述节点的启发值，优先级队列自行重排；
步骤210：判断所述节点是否为终点，若是则搜索路径结束，形成路径规划；若不是则返回执行步骤206。
5.如权利要求1所述的基于地形坡度的长距离快速路径规划方法，其特征在于；所述的步骤300中，根据路径规划，结合路径节点的地表属性信息分析经过量化的路径长度和曲折度，完成路径规划评估，并将路径规划中的信息序列化，并根据地表属性信息用颜色标识路径规划线路、可通行区域、不可通行区域和曲折度，完成路径规划方案可视化，用户通过人机交互方式选择并确定最终路径规划方案。
CN202110974717.6A 2021-08-18 2021-08-18 一种基于地形坡度的长距离快速路径规划方法 Active CN113865589B (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN202110974717.6A CN113865589B (zh) 2021-08-18 2021-08-18 一种基于地形坡度的长距离快速路径规划方法

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN202110974717.6A CN113865589B (zh) 2021-08-18 2021-08-18 一种基于地形坡度的长距离快速路径规划方法

Publications (2)

Publication Number Publication Date
CN113865589A CN113865589A (zh) 2021-12-31
CN113865589B true CN113865589B (zh) 2023-12-01

Family

ID=78988175

Family Applications (1)

Application Number Title Priority Date Filing Date
CN202110974717.6A Active CN113865589B (zh) 2021-08-18 2021-08-18 一种基于地形坡度的长距离快速路径规划方法

Country Status (1)

Country Link
CN (1) CN113865589B (zh)

Families Citing this family (2)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN114578798B (zh) * 2022-02-24 2023-05-12 苏州驾驶宝智能科技有限公司 一种陆空两栖飞车的自主驾驶系统
CN116703016B (zh) * 2023-04-28 2023-12-26 北京大数据先进技术研究院 一种运输任务路径的存储、使用方法及装置

Citations (5)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN107228668A (zh) * 2017-05-17 2017-10-03 桂林电子科技大学 一种基于规则网格dem数据的路径规划新方法
CN110132260A (zh) * 2019-05-28 2019-08-16 南京大学 一种面向复杂地表空间的行人步行导航路径规划方法
DE102019134487A1 (de) * 2019-01-28 2020-07-30 GM Global Technology Operations LLC System und verfahren einer algorithmischen lösung zum erzeugen einer glatten fahrzeuggeschwindigkeitstrajektorie für ein autonomes fahrzeug mit räumlichen geschwindigkeitsbegrenzungen
CN111982129A (zh) * 2020-08-24 2020-11-24 哈尔滨工业大学 一种基于月面数字高程地图的综合全局路径规划方法
CN112325892A (zh) * 2020-10-10 2021-02-05 南京理工大学 一种基于改进a*算法的类三维路径规划方法

Patent Citations (5)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN107228668A (zh) * 2017-05-17 2017-10-03 桂林电子科技大学 一种基于规则网格dem数据的路径规划新方法
DE102019134487A1 (de) * 2019-01-28 2020-07-30 GM Global Technology Operations LLC System und verfahren einer algorithmischen lösung zum erzeugen einer glatten fahrzeuggeschwindigkeitstrajektorie für ein autonomes fahrzeug mit räumlichen geschwindigkeitsbegrenzungen
CN110132260A (zh) * 2019-05-28 2019-08-16 南京大学 一种面向复杂地表空间的行人步行导航路径规划方法
CN111982129A (zh) * 2020-08-24 2020-11-24 哈尔滨工业大学 一种基于月面数字高程地图的综合全局路径规划方法
CN112325892A (zh) * 2020-10-10 2021-02-05 南京理工大学 一种基于改进a*算法的类三维路径规划方法

Non-Patent Citations (2)

* Cited by examiner, † Cited by third party
Title
PSO-based robot path planning for multisurvivor rescue in limited survival time;Geng N et al.;Mathematical Problems in Engineering;全文 *
基于改进A*算法的越野路径规划研究;吴天羿;许继恒;刘建永;廖伟;计算机应用研究;30(6);全文 *

Also Published As

Publication number Publication date
CN113865589A (zh) 2021-12-31

Similar Documents

Publication Publication Date Title
US20200340813A1 (en) Map feature extraction system for computer map visualizations
CN113865589B (zh) 一种基于地形坡度的长距离快速路径规划方法
US10606962B2 (en) Horizontal optimization of transport alignments
CN102865872A (zh) 路径生成系统、路径生成方法以及程序
US7844417B2 (en) GIS-based rapid population assessment tool
CN109840660A (zh) 一种车辆特征数据处理方法及车辆风险预测模型训练方法
CN112033413B (zh) 一种基于结合环境信息的改进a*算法的路径规划方法
CN113723715B (zh) 公交线网自动匹配道路网络方法、系统、设备及存储介质
CN112734176B (zh) 一种充电站建站方法、装置、终端设备和可读存储介质
CN109992923B (zh) 一种基于变分辨率成本表面的分阶段输电线路路径规划方法
US20200264000A1 (en) Terrain analysis for automatic route determination
CN112797995B (zh) 具有时空特性态势信息的车辆应急导航方法
CN112114584A (zh) 一种球形两栖机器人的全局路径规划方法
Yang et al. Feature selection in conditional random fields for map matching of GPS trajectories
CN113724279A (zh) 路网自动划分交通小区的系统、方法、设备及存储介质
CN113780475B (zh) 一种基于gis环境下山岭隧道模型融合方法
Patel et al. Smart adaptive mesh refinement with NEMoSys
CN111080080B (zh) 一种村镇地质灾害风险预估方法及系统
Nourzad et al. Ensemble methods for binary classifications of airborne LiDAR data
CN110033459B (zh) 顾及地物完整性的大规模点云快速分块方法
Mekni et al. Semantically-enhanced virtual geographic environments for multi-agent geo-simulation
JP3656852B1 (ja) 防災事業計画支援方法とそのシステム
KR100953485B1 (ko) 항공 레이저 측량 데이터의 병렬 처리 시스템 및 그 방법
Demir et al. GIS-based procedural modeling in contemporary urban planning practice
Mekni Integration of GIS Data for Visualization of Virtual Geospatial Environments

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