CN117171258A

CN117171258A - 基于gis定位ar管网信息展示方法、系统及存储介质

Info

Publication number: CN117171258A
Application number: CN202311147369.0A
Authority: CN
Inventors: 王稳; 魏生灿; 张胜波; 廖能飞; 姜建国; 卢文碧; 王伟; 段轩; 胡鑫
Original assignee: CRCC Harbour and Channel Engineering Bureau Group Co Ltd
Current assignee: CRCC Harbour and Channel Engineering Bureau Group Co Ltd
Priority date: 2023-09-07
Filing date: 2023-09-07
Publication date: 2023-12-05
Anticipated expiration: 2043-09-07
Also published as: CN117171258B

Abstract

本发明公开了基于GIS定位AR管网信息展示方法、系统及存储介质；元胞自动机算法结合GIS系统；定义元胞：每个元胞包含三维位置(x,y,z)、管道类型；(1)高精度定位管网信息：通过元胞自动机算法结合GIS系统，能够模拟管道系统中的流动和交互过程，实时监测管道流量、压力和运行状态等参数。这样的定位方法能够准确地展示管道的位置和属性，为城市管网的维护和管理提供高精度的定位信息。(2)最优化管道节点位置：利用Levenberg‑Marquardt算法与GIS系统结合，优化管道节点位置，最小化观测数据和估计数据之间的误差。这样的优化过程能够提高管网信息的准确性和一致性，避免因定位误差而导致的管道损坏和经济损失。

Description

基于GIS定位AR管网信息展示方法、系统及存储介质

技术领域

本发明涉及管网定位技术领域，特别涉及基于GIS定位AR管网信息展示方法、系统及存储介质。

背景技术

随着城市化进程的快速推进，城市内的管网布置变得日益复杂，涵盖了供电、雨水、污水、给排水、消防、燃气等多种管道。为了保持城市整洁美观，管网常被埋藏在路面之下，使得检查和维修过程不得不挖开路面，操作繁琐。这样的挖掘过程也带来了一系列问题，如管道相互纵横交错、连接点密集，导致准确定位变得困难，不当的挖掘可能造成严重的经济损失。目前的管网定位手段单一，难以直接且准确地定位管道，往往出现找错或找不准的情况。

目前，针对管网定位问题，通常采用图表方式或单一的定位器来进行定位，依赖传统的定标点加距离的方式。然而，这种方法往往只停留在数据表层，难以实现对管道位置的直接、准确定位。管网的复杂性导致在挖掘关键连接点时，很难精确知道各个管道之间的物理要素(例如压力)，从而容易出现挖掘失误，造成严重的经济损失。

因此随着城市化进程的加速，城市管网的复杂性日益突显。各种管道的纵横交错和位置复杂性使得管网的维护和定位变得异常困难。传统的定位手段在解决这一问题上显得不足，为了提高管网的管理效率和减少损失，亟需一种更直观、高效的管网定位与辅助挖掘及展示技术。

为此，本申请提出基于GIS定位AR管网信息展示方法、系统及存储介质。

发明内容

有鉴于此，为了解决管网定位问题，本申请提出了基于GIS定位AR管网信息展示方法、系统及存储介质，这是一种双轨制管网定位的综合性技术。该技术由两个轨道组成，结合元胞自动机算法与Levenberg-Marquardt算法，实现管网的直观高精度定位和挖掘优化。

上述所提出的技术及其效果是这样实现的：

第一方面

基于GIS定位AR管网信息展示方法，采用双轨制实施如下两个轨道的内容：

(1)一个轨道：元胞自动机算法结合GIS系统(Geographic Information System或Geo－Information system，GIS，地理信息系统)；

定义元胞：每个元胞包含三维位置(x,y,z)、管道类型、流量和压力属性，表示在GIS系统中的地理位置和管道状态。

确定邻域：通过管道连接关系，确定每个元胞的邻域，包括与之相连的管道节点和连接点。

定义转移函数：转移函数F(Cell)根据元胞自身属性和邻域状态计算元胞在下一个时刻的状态，包括位置和管道属性的变化。

(2)第二个轨道：Levenberg-Marquardt算法与GIS系统；

定义目标函数：采用均方误差作为目标函数E来衡量观测数据和估计数据之间的误差。

确定参数：将管道节点的位置作为优化的参数P，通过Levenberg-Marquardt算法对其进行优化。

初始参数设置：使用先验信息初始化管道节点位置，形成初始估计位置P^0。

定义误差函数：根据目标函数E，定义误差函数E(P)用于计算观测数据和估计数据之间的误差。

迭代优化：运行Levenberg-Marquardt算法，更新管道节点位置，最小化目标函数E(P)。

具体来说：为了解决城市管网的定位需求，本申请采用了双轨制的方法。第一个轨道使用元胞自动机算法结合GIS系统来模拟管道系统中的流动和交互过程，实现对管道流量、压力和运行状态等参数的实时模拟和监测。

在第一个轨道中，本申请定义了元胞(Cell)来表示管道节点和连接点。每个元胞包含位置(x,y,z)、管道类型、流量和压力等属性。本申请根据管道连接关系确定每个元胞的邻域，即与之相连的管道节点和连接点。通过定义转移函数F(Cell)，本申请可以根据元胞自身属性和邻域的状态计算元胞在下一个时刻的状态，其中转移函数考虑了位置、管道类型、流量和压力的影响。

在GIS系统中，本申请创建了空间数据库，将元胞作为空间对象存储，并将元胞的位置和属性与地理位置关联起来。通过在GIS系统中实现元胞自动机算法，本申请可以模拟管道系统中的流动和交互过程，通过迭代得到管道流量、压力和运行状态等参数的实时变化。

第二个轨道使用Levenberg-Marquardt算法与GIS系统结合来优化管道节点的位置，以最小化观测数据和估计数据之间的误差。本申请将观测数据和估计数据之间的误差定义为目标函数E，采用均方误差作为目标函数。参数P表示管道节点的位置集合，本申请通过Levenberg-Marquardt算法不断更新管道节点位置，使得目标函数逐渐收敛到最小值。

初始参数设置为先验信息来初始化管道节点位置，然后定义误差函数E(P)来计算观测数据和估计数据之间的误差。观测数据来自第一个轨道的模拟结果，估计数据来自第二个轨道的管道节点位置优化结果。

其中，整合两个轨道的数据信息后，本申请将它们输入至DS理论中进行数据融合和决策。在DS理论中，本申请考虑不同数据源的不确定性和权重，通过数据融合得到融合后的管网信息F_opt。

最终，根据DS理论的输出F_opt，本申请得到高精度定位的AR管网图像展示，显示管道的准确位置、流量、压力等信息。这种方法能够提供更直观、准确的管网定位和监测，帮助城市管理部门更好地维护和管理城市管网，从而提高城市管网的稳定性和效率。同时，该方法还能减少管网检修过程中对路面的破坏，降低了维修成本，为城市建设和发展带来积极的影响。通过双轨制管网定位技术能够实现管网的高精度定位和优化挖掘，减少管网维护过程中的损失和破坏。该方法结合了元胞自动机算法和Levenberg-Marquardt算法，有效地处理了管网定位和优化问题。同时，通过GIS系统的支持，定位结果能够直观地展示在AR管网图像上，显示管道的准确位置、流量和压力信息，为城市管理部门提供了重要的参考依据，提高了城市管网的管理水平与效率。预计该技术在城市管网领域将发挥重要作用，并有望推广应用于其他领域。

第二方面

基于GIS定位AR管网信息展示系统：包括控制器模块，所述控制器模块用于执行如上述所述的展示方法；所述控制器模块电性连接有如下模块：

数据采集模块：负责收集城市管网的相关数据，包括供电管道、雨水管道、污水管道、给水管道、消防管道、燃气管道、通讯管道、小区智能化管道等在内的管道信息，以及这些管道的位置、流量、压力等参数数据。数据采集可以通过传感器、监测设备、GIS系统等手段进行。

GIS数据库模块：在GIS系统中创建和维护城市管网的空间数据库，将管道节点和连接点作为元胞进行存储，将其位置和属性与地理位置进行关联。这个模块将允许对管道数据进行空间查询和分析。

元胞自动机模拟模块：负责实现第一个轨道的元胞自动机算法。该模块利用管网数据和GIS数据库中的管道属性信息，根据自定义的转移函数，模拟管道系统中的流动和交互过程，计算出管道的流量、压力和运行状态等参数的实时变化。

Levenberg-Marquardt优化模块：负责实现第二个轨道的Levenberg-Marquardt算法。该模块使用管网数据和GIS数据库中的管道位置信息，根据目标函数和误差函数，通过迭代优化管道节点的位置，使得目标函数逐渐收敛到最小值，得到最优的管道节点位置。

数据融合和决策模块：负责实现整合两个轨道和DS理论输出管网信息的过程。该模块将第一个轨道的模拟结果作为观测数据集，将第二个轨道得到的最优的管道节点位置作为估计数据集，根据DS理论计算权重和进行数据融合，得到融合后的管网信息。

AR管网展示模块：负责根据DS理论输出的管网信息，设计和展示高精度定位的AR管网图像。该模块将虚拟管道的信息与实际场景相结合，通过AR技术在现实场景中显示管道的准确位置、流量、压力等信息，使用户可以直观地了解管网的运行状况。

用户界面模块：提供用户与系统交互的界面，使用户能够对管网信息展示系统进行操作和查询。用户界面可以包括图形界面、地图界面等，以便用户可以轻松地浏览和查询管网信息。

数据存储和管理模块：负责对采集的管网数据和系统运行过程中产生的信息进行存储和管理，确保数据的安全和完整性。

第三方面

一种存储介质，所述存储介质内存储有用于执行如上述所述的展示方法的程序指令。

这种存储介质是一种用于存储计算机程序的媒体，可以是硬件设备或者可移动存储介质。在这种存储介质中，存储有用于执行上述展示方法的程序指令。这些程序指令是计算机编程语言的代码，用于描述实现上述GIS定位AR管网信息展示方法的各个模块的功能和逻辑。

具体而言，该存储介质中存储的程序指令包括但不限于以下内容：

数据采集模块的程序指令：用于实现数据采集模块，收集城市管网的相关数据，并将数据保存在系统中。

GIS数据库模块的程序指令：用于创建和维护GIS数据库，将管道节点和连接点作为元胞进行存储，建立管道的空间关联。

元胞自动机模拟模块的程序指令：用于实现元胞自动机算法，根据转移函数模拟管道系统中的流动和交互过程。

Levenberg-Marquardt优化模块的程序指令：用于实现Levenberg-Marquardt算法，进行管道节点位置的优化和更新。

数据融合和决策模块的程序指令：用于实现数据融合和决策过程，将观测数据和估计数据进行融合，得到融合后的管网信息。

AR管网展示模块的程序指令：用于实现AR技术，将虚拟管道信息与实际场景相结合，展示管道的准确位置、流量、压力等信息。

用户界面模块的程序指令：用于实现用户与系统交互的界面，使用户能够对管网信息展示系统进行操作和查询。

数据存储和管理模块的程序指令：用于实现对采集的管网数据和系统运行过程中产生的信息进行存储和管理。

这些程序指令将被计算机系统读取和执行，使得整个GIS定位AR管网信息展示系统能够运行，完成管网数据的定位、模拟、优化和展示等功能。通过该存储介质内的程序指令，用户可以实现对管网信息的高精度定位和直观展示，为城市管理和规划提供重要的决策依据。

与现有技术相比，本发明所提出的基于GIS定位AR管网信息展示方法、系统及存储介质的有益效果是：

(1)高精度定位管网信息：通过元胞自动机算法结合GIS系统，能够模拟管道系统中的流动和交互过程，实时监测管道流量、压力和运行状态等参数。这样的定位方法能够准确地展示管道的位置和属性，为城市管网的维护和管理提供高精度的定位信息。

(2)最优化管道节点位置：利用Levenberg-Marquardt算法与GIS系统结合，优化管道节点位置，最小化观测数据和估计数据之间的误差。这样的优化过程能够提高管网信息的准确性和一致性，避免因定位误差而导致的管道损坏和经济损失。

(3)数据融合和决策：通过DS理论对观测数据和估计数据进行数据融合和决策，考虑不同数据源的不确定性和权重，得到融合后的管网信息。这样的数据融合过程能够综合利用多个数据来源的信息，提高管网信息的可信度和全面性。

(4)实时AR展示管网信息：通过DS理论的输出，得到高精度定位的AR管网图像展示，将虚拟管道信息与实际场景相结合，显示管道的准确位置、流量、压力等信息。这样的AR展示方式使得管网信息直观可视化，方便决策者和运维人员实时了解管道的运行状态。

附图说明

为了更清楚地说明本申请实施例或现有技术中的技术方案，下面将对实施例或有技术描述中所需要使用的附图作简单地介绍，显而易见地，下面描述中的附图仅仅是本申请的一些实施例，对于本领域普通技术人员来讲，在不付出创造性劳动的前提下，还可以根据这些附图获得其他的附图。

图1为本发明的逻辑示意图；

图2为本发明的实施例六的运行程序示意图；

图3为本发明的实施例六的运行程序示意图。

具体实施方式

为使本发明的上述目的、特征和优点能够更加明显易懂，下面结合附图对本发明的具体实施方式做详细的说明。在下面的描述中阐述了很多具体细节以便于充分理解本发明。但是本发明能够以很多不同于在此描述的其它方式来实施，本领域技术人员可以在不违背本发明内涵的情况下做类似改进，因此本发明不受下面公开的具体实施例的限制；

因此随着城市化进程的加速，城市管网的复杂性日益突显。各种管道的纵横交错和位置复杂性使得管网的维护和定位变得异常困难。传统的定位手段在解决这一问题上显得不足，为了提高管网的管理效率和减少损失，亟需一种更直观、高效的管网定位与辅助挖掘及展示技术；为此，请参阅图1，本具体实施方式将提供相关技术方案以解决上述技术问题：

基于GIS定位AR管网信息展示方法，包括GIS系统，包括并列同步实施的Track-1和Track-2：

Track-1：使用元胞自动机算法结合GIS系统对管道节点和连接点作为元胞，每个元胞具有位置、管道类型、流量和压力属性；定义元胞之间的邻域关系并模拟管道系统中的流动和交互过程；

根据转移函数来计算每个元胞在下一个时刻的位置和管道属性的变化，通过GIS系统将元胞作为空间对象存储并与地理位置关联，建立管网信息的空间数据库，输出观测数据集A和估计数据集B；

Track-2：引入Levenberg-Marquardt算法定位管道节点位置，将管道节点的位置作为优化参数，使用均方误差作为目标函数来衡量观测数据和估计数据之间的误差；通过GIS系统将最优的管道节点位置输出为参数集P；

还包括Track-3：将观测数据集A、估计数据集B和参数集P作为参数，输入至DS理论中进行数据融合和决策。

具体的，在Track-1中，本具体实施方式采用元胞自动机算法来模拟管道系统的流动和交互过程。每个元胞表示一个管道节点或连接点，具有位置、管道类型、流量和压力等属性。元胞之间的邻域关系由管道的连接关系确定，这样的设计能够准确地表示管道之间的关联性。转移函数F(Cell)被定义为元胞在下一个时刻位置和管道属性的变化，它考虑了元胞内部流动和交互过程所受到的位置、管道类型、流量和压力等因素。这样的转移函数能够根据元胞自身属性和邻域的状态来计算元胞在下一个时刻的状态，从而模拟出管道系统中的实时运行情况。通过GIS系统，本具体实施方式将元胞作为空间对象存储，并将元胞的位置和属性与地理位置关联起来，建立管网信息的空间数据库。这样的数据库能够实现管道信息的实时监测和更新，为后续的定位和优化提供数据基础。

具体的，Track-2：Levenberg-Marquardt算法定位管道节点位置，在Track-2中，本具体实施方式引入Levenberg-Marquardt算法来定位管道节点的位置。将管道节点的位置作为优化参数，使用均方误差作为目标函数来衡量观测数据和估计数据之间的误差。目标函数E(P)定义为观测数据集A和估计数据集B之间的差异，通过迭代优化，不断更新管道节点位置，使得目标函数逐渐收敛到最小值。这样的算法能够找到最优的管道节点位置，从而实现管网信息的高精度定位。

具体的，Track-3：DS理论的数据融合和决策，在Track-3中，本具体实施方式将观测数据集A、估计数据集B和参数集P作为参数输入至DS理论中进行数据融合和决策。DS理论通过考虑不同数据源的不确定性和权重，对观测数据和估计数据进行融合，得到融合后的管网信息F_opt。设定融合权重为w，未知数据权重为1-w，数据融合结果F_opt＝DS(A,B,P,w)。这样的数据融合过程能够综合利用多个数据来源的信息，提高管网信息的可信度和全面性，得到更加准确和可靠的管网信息展示结果。

基于GIS定位AR管网信息展示方法通过元胞自动机算法结合GIS系统模拟管道系统流动和交互过程，Levenberg-Marquardt算法优化管道节点位置，以及DS理论进行数据融合和决策，实现了对城市管网的高精度定位和AR图像展示。该方法将为城市管网管理和规划提供重要的决策支持，提高管网运行的效率和安全性，减少损失和风险。

进一步优选的：本具体实施方式的GIS系统为以下任意一种：

(1)Esri ArcGIS:一款地理信息系统软件，提供了丰富的地理空间数据管理和分析功能，可以用于创建空间数据库、进行地理数据可视化和展示。

(2)QGIS:一款开源的地理信息系统软件，包括数据编辑、地图制作和空间分析等，适用于各种地理信息应用场景。

(3)Autodesk AutoCAD Map 3D:结合了AutoCAD的绘图功能和GIS的地理信息分析功能，支持多种数据格式，可用于管网信息展示与管理。

(4)Bentley Map:适用于各种GIS应用场景，包括土地管理、城市规划、基础设施管理等，可以配合使用AR技术展示管网信息。

(5)SuperMap GIS:提供了全面的GIS功能和工具，支持多种数据格式和地理空间分析，适用于管网信息展示和管理。

以上所述具体实施方式的各技术特征可以进行任意的组合，为使描述简洁，未对上述具体实施方式中的各个技术特征所有可能的组合都进行描述，然而，只要这些技术特征的组合不存在矛盾，都应当认为是本说明书记载的范围。

实施例一

为使本发明的上述具体实施方式更加明显易懂，接下来将采用实施例的形式对本发明做详细的应用性的说明。本发明能够以很多不同于在此描述的其它方式来实施，本领域技术人员可以在不违背本发明内涵的情况下做类似改进，因此本发明不受下面公开的实施例的限制。

在Track-1中，包括：

定义元胞Cell：每个元胞包含属性如下：

位置：x,y,z；表示元胞在GIS系统中的三维地理位置。

管道类型：type；表示元胞对应的管道类型。

流量：flow；表示元胞中流过的液体流量。

压力：pressure；表示元胞中的液体压力。

其中，位置表示元胞在GIS系统中的三维地理位置，管道类型表示元胞对应的管道类型，流量表示元胞中流过的液体流量，压力表示元胞中的液体压力。

确定邻域：对每个元胞的邻域为其相连的管道节点和连接点这样的定义可以保证元胞之间的相互关系和管道系统的连通性被准确地表达。

定义转移函数：设转移函数根据元胞自身属性和邻域的状态来计算元胞在下一个时刻的状态：转移函数为F(Cell)，其中F是转移函数，Cell是元胞；转移函数F(Cell)根据元胞自身属性和邻域的状态来计算元胞在下一个时刻的状态。转移函数用于模拟元胞内部的流动和交互过程，并受到每个元胞包含的位置属性、管道类型属性、流量属性和压力属性的影响。

转移函数为：

F(Cell)＝(x′,y′,z′,flow′,pressure′)

其中：

(x',y',z')：元胞在下一个时刻的位置；

flow'：元胞在下一个时刻的流量；

pressure'：元胞在下一个时刻的压力。

在GIS系统中创建空间数据库，将元胞作为空间对象存储，将元胞的位置和属性与地理位置关联；在GIS系统中执行元胞自动机算法，按照转移函数模拟管道系统中的流动和交互过程，输出观测数据集A和估计数据集B。

具体的，优选使用gvSIG型系统，该型GIS系统中会提供专门的工具和功能来创建空间数据库。首先需要定义元胞的属性，包括位置、管道类型、流量和压力，并根据这些属性创建元胞对象。然后，将这些元胞对象作为空间对象存储在空间数据库中。这样，每个元胞都对应着GIS系统中的一个空间对象，可以通过空间数据库进行管理和查询。

为了将元胞的位置和属性与地理位置关联需要将元胞的位置信息与地理坐标系统进行对应。在GIS系统中会提供投影和地理坐标转换的功能，可以将元胞的位置转换为地理坐标，并将其与实际地理位置进行关联。这样，每个元胞就能够在地图上准确显示其位置，并与实际地理特征进行关联。

在GIS系统中执行元胞自动机算法需要编程实现。首先定义好转移函数F(Cell)，根据元胞自身属性和邻域的状态来计算元胞在下一个时刻的状态。然后，本实施例通过迭代的方式，不断更新每个元胞的属性，模拟管道系统中的流动和交互过程。在每一次迭代中，根据转移函数F(Cell)，计算每个元胞在下一个时刻的位置和管道属性的变化。这样，本实施例可以模拟出管道流量、压力和运行状态等参数的实时变化。

在执行元胞自动机算法的过程中，每次迭代后，本实施例可以得到每个元胞在不同时刻的属性信息。这些信息就构成了观测数据集A，其中包括了管道系统在实际运行中的状态数据。

同时，本实施例还可以记录元胞自动机算法在模拟过程中得到的管道属性估计结果，即每个元胞在模拟中的状态数据。这些估计结果组成了估计数据集B，其中包括了管道系统在模拟中的状态数据。

示例性的，Track-1的运行步骤为：

设初始时刻t0，两个元胞的属性如下：

元胞1(管道节点)：位置：(x1,y1,z1)；管道类型：type1；流量：flow1压力：pressure1；

元胞2(连接点)：位置：(x2,y2,z2)；管道类型：type2；流量：flow2压力：pressure2

在每次迭代中，根据转移函数F(Cell)计算每个元胞在下一个时刻的位置和管道属性的变化。

第一次迭代(t＝t0+Δt)：根据元胞1的属性和邻域状态，计算元胞1在t0+Δt时刻的位置和管道属性变化，得到：

(x1',y1',z1')：元胞1在t0+Δt时刻的新位置；

flow1'：元胞1在t0+Δt时刻的新流量；

pressure1'：元胞1在t0+Δt时刻的新压力；

同样，根据元胞2的属性和邻域状态，计算元胞2在t0+Δt时刻的位置和管道属性变化，得到：

(x2',y2',z2')：元胞2在t0+Δt时刻的新位置；

flow2'：元胞2在t0+Δt时刻的新流量；

pressure2'：元胞2在t0+Δt时刻的新压力；

第二次迭代(t＝t0+2Δt)：根据元胞1的属性和邻域状态，计算元胞1在t0+2Δt时刻的位置和管道属性变化，得到：

(x1”,y1”,z1”)：元胞1在t0+2Δt时刻的新位置；

flow1”：元胞1在t0+2Δt时刻的新流量；

pressure1”：元胞1在t0+2Δt时刻的新压力；

同样，根据元胞2的属性和邻域状态，计算元胞2在t0+2Δt时刻的位置和管道属性变化，得到：

(x2”,y2”,z2”)：元胞2在t0+2Δt时刻的新位置；

flow2”：元胞2在t0+2Δt时刻的新流量；

pressure2”：元胞2在t0+2Δt时刻的新压力；

通过不断迭代，本实施例可以模拟出管道系统中元胞的位置、流量和压力在时间上的实时变化过程。这些数据将构成观测数据集A，为后续的数据融合和决策提供实际管道运行状态的参考。同时，本实施例也可以根据转移函数F(Cell)和初始参数，推算出元胞的位置和属性在模拟过程中的估计结果，这将构成估计数据集B，为后续的管道节点优化提供数据支持。

在GIS系统中执行元胞自动机算法，按照定义的转移函数F(Cell)模拟管道系统中的流动和交互过程。通过迭代，模拟出管道流量、压力和运行状态等参数的实时变化，并将模拟结果输出为观测数据集A和估计数据集B。通过Track-1的执行，本实施例能够获得管道系统在不同时刻的状态信息，为后续的定位和优化提供重要的数据支持。同时，由于采用了GIS系统的空间数据库，管道系统的信息能够以空间对象的形式进行存储和展示，使得管道系统的管理和维护更加直观和高效。

以上所述实施例仅表达了本发明的相关实际应用的实施方式，其描述较为具体和详细，但并不能因此而理解为对发明专利范围的限制。应当指出的是，对于本领域的普通技术人员来说，在不脱离本发明构思的前提下，还可以做出若干变形和改进，这些都属于本发明的保护范围。因此，本发明专利的保护范围应以所附权利要求为准。

实施例二

本实施例递进至实施例一：在Track-2中：

定义目标函数：采用均方误差作为目标函数来衡量观测数据和估计数据之间的误差，它计算观测值和估计值之间的差异，将其平方后求和得到误差的量化指标，设目标函数为E，其中E是均方误差：

E＝Σ(A-B)²

确定参数：将管道节点的位置作为优化的参数：这意味着本实施例要寻找最优的管道节点位置，使得目标函数E最小化。

P＝P1,P2,...,Pn

Pi：第i个管道节点的位置；

初始参数设置：为Levenberg-Marquardt算法设置初始管道节点位置估计，需要设置初始管道节点位置的估计值。这个初始估计位置可以通过先验信息来初始化，即通过先前的经验或者预测来得到初始的管道节点位置。使用先验信息来初始化节点位置：

初始估计位置P⁰＝P1⁰,P2⁰,...,Pn⁰

定义误差函数：为了实现优化过程，本实施例定义误差函数E(P)。其中P是管道节点位置的集合，ai表示观测数据集A中的第i个观测数据，bi表示估计数据集B中的第i个估计数据。误差函数E(P)计算观测数据和估计数据之间的差异，然后将其平方后求和：

ai表示第i个观测数据，bi表示第i个估计数据；

m表示观测数据的总数，即观测数据集A$和估计数据集B中的数据个数；

i表示观测数据集A和估计数据集B中每个数据的索引，取值范围从1到m；

迭代优化：Levenberg-Marquardt算法是一种非线性优化算法，通过不断更新管道节点位置P来最小化目标函数E(P)。算法通过计算目标函数E(P)对管道节点位置P的雅可比矩阵J，并结合误差向量λ，来计算下一步的迭代更新方向δ。运行Levenberg-Marquardt算法，不断更新管道节点位置，使得目标函数逐渐收敛到最小值，通过迭代更新管道节点位置，最小化目标函数E(P)：

进一步的，在Track-2中，运行Levenberg-Marquardt算法用于优化管道节点位置，使得目标函数E(P)最小化。Levenberg-Marquardt算法是一种非线性最小二乘优化算法，适用于解决非线性优化问题，如优化管道网络中节点的位置。

运行Levenberg-Marquardt算法的过程如下：

S1、初始化参数：首先，设置初始管道节点位置的估计值P^0，可以通过先验信息或其他方法来得到。同时，选择一个初始的调节参数λ，并设置一个收敛准则，用于判断算法是否达到了最小值。

S2、计算目标函数和误差向量：根据给定的管道节点位置P，计算目标函数E(P)，以及观测数据集A和估计数据集B之间的误差向量λ。目标函数E(P)表示观测数据集A和估计数据集B之间的误差，通过计算两者之间的差值并平方后求和得到。

S3、计算雅可比矩阵：计算目标函数E(P)对管道节点位置P的雅可比矩阵J。雅可比矩阵J描述了目标函数E(P)在管道节点位置P处的局部变化率，它是一个m×n的矩阵，其中m是观测数据的总数，n是管道节点的个数。

S4、更新调节参数λ：根据误差向量λ和雅可比矩阵J，调整调节参数λ的值。通过不断调整λ来控制迭代步长，以实现在不同迭代阶段的收敛性和稳定性。

S5、计算更新方向δ：利用雅可比矩阵J、误差向量λ和调节参数λ，计算更新方向δ。更新方向δ表示在当前管道节点位置P下，目标函数E(P)下降最快的方向，通过δ来指导下一步的迭代更新。

S6、更新管道节点位置：根据更新方向δ和当前管道节点位置P，计算新的管道节点位置Pk+1：

P^k+1＝P^k-(J^TJ+λI)¹J^Tδ

其中，P^k是第k次迭代的管道节点位置，J是目标函数E(P)对管道节点位置P的雅可比矩阵，λ是观测数据与估计数据之间的误差向量，δ是调节参数。

S7、判断终止条件：检查是否满足收敛准则，如果目标函数E(P)的下降量小于预设阈值，或者迭代次数达到预设的最大次数，则终止迭代。通过不断调整δ来控制迭代步长实现在不同迭代阶段的收敛性和稳定性。

S8、迭代过程：如果终止条件不满足，则将Pk+1作为新的管道节点位置，继续进行迭代，重复步骤2到步骤7，直到满足终止条件。

具体的，迭代过程中，通过不断调整λ来控制迭代步长，以实现在不同迭代阶段的收敛性和稳定性。当目标函数E(P)达到最小值或者满足收敛准则时，算法停止迭代，得到最优的管道节点位置P，从而使得管道网络的准确性最大化。通过Track-2中的Levenberg-Marquardt算法优化管道节点位置后，本实施例可以得到高精度的管道网络布局信息。这将为展示AR管网信息提供准确的位置、流量和压力数据，从而实现基于GIS定位AR管网信息展示系统的目标，为城市的管网维护和管理提供更高效、直观的工具和决策支持。

具体的，在Levenberg-Marquardt算法中，终止条件包括以下两个方面：

(1)目标函数下降量的阈值：设置一个预设的目标函数下降量的阈值，例如设为ε。当目标函数E(P)的下降量小于等于ε时，可以认为算法已经达到了足够小的误差，可以终止迭代，认为已经找到了较优的管道节点位置。

(2)迭代次数的限制：为了避免算法无限迭代而不收敛，通常还会设置一个最大的迭代次数N。如果迭代次数达到了N次，但目标函数的下降量仍然没有达到预设的ε，那么算法也会终止。

综合考虑上述两个终止条件，Levenberg-Marquardt算法在目标函数下降量小于ε或迭代次数达到N时，会终止迭代过程，即认为已经找到了相对优化的管道节点位置。这样可以在保证算法有足够收敛性的前提下，避免不必要的计算开销和时间消耗。通常，在实际应用中，ε和N的取值会根据具体情况进行调整，以平衡算法的精度和计算效率。

Levenberg-Marquardt算法通过不断迭代优化管道节点位置，使得目标函数E(P)逐渐收敛到最小值，从而得到高精度的管道网络布局信息。这些优化后的管道节点位置可以用于展示AR管网信息，显示管道的准确位置、流量和压力信息，为城市的管网维护和管理提供更高效、直观的工具和决策支持。

优选的：

观测数据集A：{a1,a2,...,am}

估计数据集B：{b1,b2,...,bm}

其中，ai表示第i个观测数据，bi表示第i个估计数据，m表示观测数据的总数。

本实施例的目标是通过优化管道节点位置P＝{P1,P2,...,Pn}来使目标函数E(P)最小化，其中Pi表示第i个管道节点的位置。

目标函数E(P)的表达式为：

E＝∑(A-B)²

其中，ai和bi分别是观测数据集A和估计数据集B中的第i个数据。

Levenberg-Marquardt算法通过迭代优化的方式来逐步更新管道节点位置，使得目标函数E(P)逐渐减小，最终达到一个较优的位置估计。

算法的迭代更新过程如下：

设置初始管道节点位置估计P^0＝{P1^0,P2^0,...,Pn^0}，可以根据先验信息来初始化节点位置。

设置初始的调节参数δ，通常可以设置为一个较小的正数，用于调整迭代步长。

对于每次迭代k，计算目标函数E(P)对管道节点位置P的雅可比矩阵J，并计算误差向量：

λ＝(a1-b1,a2-b2,...,am-bm)

根据雅可比矩阵J、误差向量λ和调节参数δ，计算更新的管道节点位置Pk+1：

P^k+1＝P^k-(J^TJ+λI)¹J^Tδ

计算更新后的目标函数E(Pk+1)，并判断目标函数下降量是否满足终止条件。如果下降量小于预设的阈值ε，或者迭代次数达到最大迭代次数N，则停止迭代，将Pk+1作为最终的优化结果。

如果目标函数下降量仍然较大且迭代次数未达到最大次数N，则增大δ，继续进行下一次迭代。

迭代过程会不断调整管道节点位置，使得目标函数E(P)逐渐减小，直到满足终止条件为止。最终得到的管道节点位置Pk+1即为优化后的结果，可以用于更准确地展示管网信息的AR图像。这样可以提高管网信息展示的精度和准确性，使得用户能够更直观地了解管道的位置、流量和压力信息。

实施例三

本实施例递进至实施例二：在Track-3中：

信息交互：将观测数据集A和估计数据集B以及最优的管道节点位置作为参数集P输入至DS理论中；

数据融合和决策：DS理论根据不同数据源的不确定性和权重，进行数据融合和决策，得到融合后的管网信息F_opt：

F_opt＝DS(A,B,P,w)

融合权重为w，未知数据权重为1-w。

具体的，在Track-3中，本实施例进行信息交互和数据融合决策的过程，以实现更准确的管网信息展示。首先，本实施例将观测数据集A和估计数据集B，以及通过Track-2得到的最优的管道节点位置P作为参数集，输入至DS(Dempster-Shafer)理论中。DS理论是一种用于处理不确定性和不完全信息的推理和决策方法。它基于概率论和集合论，能够将不同来源的信息进行融合，得到更全面和可信的结果。在本实施例的场景中，DS理论可以用于将来自不同数据源的观测数据集A和估计数据集B进行融合，同时考虑到管道节点位置的信息，得到更精确的管网信息。

数据融合和决策的过程如下：

S1、确定融合权重w和未知数据权重1-w：这些权重是用来控制不同数据源的重要性，根据实际情况和数据质量来设置。

S2、利用DS理论进行数据融合：将观测数据集A和估计数据集B作为证据，管道节点位置P作为假设，利用DS理论来进行数据融合。DS理论中的证据对应于本实施例的观测数据集A和估计数据集B，假设对应于管道节点位置P。

S3、计算DS理论的信任度：通过DS理论的推理规则，计算出每个假设(管道节点位置P)的信任度。信任度表示该假设在融合后的结果中的重要性和可信程度。

S4、得到融合后的管网信息Fopt：根据DS理论计算得到的信任度，对管道节点位置和其他管网信息进行权衡和决策，得到最终的融合结果Fopt。这个结果反映了不同数据源的信息融合后的综合效果，具有更高的精确性和可信度。

通过Track-3的信息交互和数据融合决策，本实施例可以得到高精度定位的AR管网图像展示信息。融合后的管网信息Fopt可以显示管道的准确位置、流量和压力等信息，使得管网信息展示更加直观和全面，为用户提供更好的体验和决策依据。同时，DS理论的应用也使得管网信息的展示更具可信度和鲁棒性，对于管网设计、维护和管理等方面具有重要的应用价值。

优选的，确定融合权重w和未知数据权重1-w时，考虑根据数据质量和数据来源的可靠性来设置重要性指标：

(1)数据精确度：数据精确度是指数据与真实值之间的接近程度，即数据的准确程度。在管网信息展示场景中，不同数据源可能有不同的数据采集方法和精确度。例如，传感器采集的观测数据可能具有较高的精确度，而基于模拟和推算的估计数据可能具有一定的误差。因此，可以将数据精确度作为重要性指标，将数据精确度较高的数据源赋予较高的权重w，而将数据精确度较低的数据源对应的未知数据权重设置为1-w。

(2)举例说明：假设本实施例有两个数据源A和B，其中数据源A是通过传感器实时采集得到的观测数据，具有较高的精确度；数据源B是通过模拟和推算得到的估计数据，精确度较低。在这种情况下，可以根据数据精确度来设置权重w和未知数据权重1-w。假设数据源A的精确度为0.9，数据源B的精确度为0.6，可以将w设置为0.9，1-w设置为0.1，这样在数据融合过程中，数据源A的信息将更加重要，对融合结果产生更大的影响。

进一步优选的：设数据融合函数DS是线性组合的形式，表示为：

DS(A,B,P,w)＝w*A+(1-w)*B

其中，A表示观测数据集，B表示估计数据集，P表示管道节点位置参数集，w表示融合权重。设观测数据集A为[a1,a2,...,am]，估计数据集B为[b1,b2,...,bm]，管道节点位置参数集P为[P1,P2,...,Pn]，其中Pi表示第i个管道节点的位置。在进行数据融合时，需要根据指标(例如数据精确度)来设定融合权重w。设数据精确度较高的观测数据集A的权重为0.9，未知数据集B的权重为1-0.9＝0.1。

设观测数据集A为[3.5,2.8,4.1,3.9]，估计数据集B为[3.0,2.5,4.0,3.7]，管道节点位置参数集P为[P1,P2,P3,P4]。

设融合权重w为0.9，未知数据权重1-w为0.1。

则根据数据融合函数：

F_opt＝DS(A,B,P,w)＝0.9*A+0.1*B

F_opt＝0.9*[3.5,2.8,4.1,3.9]+0.1*[3.0,2.5,4.0,3.7]

F_opt＝[0.9*3.5+0.1*3.0,0.9*2.8+0.1*2.5,0.9*4.1+0.1*4.0,0.9*3.9+0.1*3.7]

F_opt＝[3.15,2.57,4.09,3.83]

最终得到融合后的管网信息F_opt为[3.15,2.57,4.09,3.83]。其中，F_opt中的每个元素代表了相应管道节点位置的估计值，该值是根据观测数据集A和估计数据集B，并结合融合权重w得到的。融合后的F_opt能够更全面、准确地反映管网信息，提供了高精度定位的AR管网图像展示。

实施例四

本实施例递进至实施例三：在Track-3中的数据融合和决策阶段，还包括：

1)计算信任度和不确定性：对于每个观测数据ai，根据其可信程度和不确定程度进行计算；设B表示所有可能的情况，则对于每个观测数据ai，它的信任度Bel(ai)和不确定性Pl(ai)为：

/>

其中w(Bj)表示设Bj的权重，表示为观测数据ai对设Bj的支持程度；

对于每个观测数据ai，本实施例根据其可信程度和不确定程度进行计算。假设存在一组可能情况B，每个情况Bj都可能支持或不支持观测数据ai。观测数据ai的信任度Bel(ai)可以通过计算所有支持情况Bj的权重w(Bj)的和得到。而不确定性Pl(ai)可以通过计算所有不支持观测数据ai的情况Bj的权重w(Bj)的和得到。

2)计算证据合成：根据信任度和不确定性计算出证据合成的结果，对于所有可能的情况B，信任度和不确定性的组合被称为证据合成，记为m(B)：

根据信任度和不确定性计算出证据合成的结果m(B)。对于所有可能情况B，证据合成m(B)可以通过计算Bel(B)除以(1-Σw(Bj))得到。

3)计算冲突度量：用于衡量不同数据源之间的冲突程度及数据的不一致性：

C＝1-∑_BjBel(Bj)

C表示冲突度量；

冲突度量C用于衡量不同数据源之间的冲突程度及数据的不一致性。冲突度量C可以通过计算1减去Σ(Bel(Bj)/Bel(Bj))得到。

4)计算信任度修正：根据冲突度量对信任度进行修正：

根据冲突度量对信任度进行修正。修正后的信任度Bel'(B)可以通过计算Bel(B)除以(1+C)得到。

5)计算最终信任度和不确定性：经过信任度修正后，计算最终的信任度和不确定性：

最终信任度：Belfinal(B)；

不确定性：Plfinal(B)。

经过信任度修正后，计算最终的信任度和不确定性。最终信任度Belfinal(B)可以通过计算所有支持情况Bj的权重w(Bj)与修正后的信任度Bel'(B)的乘积，并计算其和得到。不确定性Plfinal(B)可以通过计算所有不支持观测数据ai的情况Bj的权重w(Bj)与修正后的信任度Bel'(B)的乘积，并计算其和得到。

这样，通过上述计算过程，本实施例得到了最终的信任度Belfinal(B)和不确定性Plfinal(B)，这些值可以用来权衡不同数据源的重要性，为最终的数据融合和决策提供依据。最终的信任度和不确定性用于生成融合后的管网信息F_opt，从而实现高精度定位的AR管网图像展示。

具体的，在Track-3中的数据融合和决策阶段是整个管网信息展示系统中至关重要的一步。该阶段的目标是将来自不同数据源的观测数据集A和估计数据集B进行融合，并根据其信任度和不确定性进行决策，得到最终的管网信息F_opt。这样做的目的是为了充分利用不同数据源的信息，提高管网信息的准确性和可靠性，使得AR管网图像展示能够提供更全面、直观、准确的管道定位、流量和压力信息，为城市管网的管理和维护提供有力支持。

进一步的，在数据融合和决策阶段，B表示所有可能的情况，也可以理解为所有可能的假设或者方案。具体来说，B是一个集合，其中包含了多个不同的情况或者假设，每个情况都对应着一种数据的组合或者来源。

示例性的，假设本实施例要进行管网信息展示系统中的数据融合和决策，其中涉及到不同传感器对管道流量进行测量。本实施例可以将B定义为所有可能的传感器测量数据组合的集合。假设本实施例有三个传感器分别是传感器A、传感器B和传感器C，每个传感器可以测量管道的流量。

B＝{B1,B2,B3,...,Bn}

其中，B1表示只使用传感器A的测量数据，B2表示只使用传感器B的测量数据，以此类推，Bn表示使用所有传感器的测量数据。在这个例子中，B包含了多种情况，即不同传感器组合的数据来源，本实施例需要对每个情况进行信任度和不确定性的计算，并进行数据融合和决策，得到最终的管网信息。通过这种方式，本实施例可以充分利用不同传感器的数据，提高管网信息的准确性和可靠性。

优选的，B表示所有可能的情况，可以等同于估计数据集B，或二者平替应用；数据集A和估计数据集B以及最优的管道节点位置作为参数集P输入至DS理论中，其中估计数据集B就是代表了所有可能的情况，即不同的假设或方案。这些不同的假设或方案对应着对管网信息的不同估计或预测。在DS理论中，本实施例根据不同数据源的不确定性和权重，对估计数据集B进行数据融合和决策，得到最终的管网信息F_opt。这个过程中，本实施例利用了估计数据集B中不同情况的信息，从而得到更加准确和可靠的管网信息。所以，B在这里指代了估计数据集B中的所有可能情况或假设，用于进行数据融合和决策，从而得到管网信息的最终结果。

优选的，在数据融合和决策阶段，需要进行以下几个重要步骤：

S1、计算信任度和不确定性：通过对每个观测数据ai进行计算，得到其信任度Bel(ai)和不确定性Pl(ai)。这样做是为了评估不同数据源的可信程度和数据的可靠性，从而对不同数据进行加权，使得在融合过程中更加关注可信度高的数据。

S2、计算证据合成：通过信任度和不确定性的计算，对所有可能的情况B进行证据合成，得到m(B)。这一步是为了综合考虑所有可能的数据情况，并对其进行合理的组合，得到综合的证据支持。

S3、计算冲突度量：冲突度量C用于衡量不同数据源之间的冲突程度和数据的不一致性。冲突度量越高，表示数据之间的不一致性越大。这一步是为了发现数据之间的冲突，并考虑在数据融合中对其进行修正。

S4、计算信任度修正：根据冲突度量对信任度进行修正，得到Bel'(B)。这一步是为了调整不同数据源的信任度，使得数据融合过程更加合理和准确。

S5、计算最终信任度和不确定性：经过信任度修正后，计算最终的信任度Belfinal(B)和不确定性Plfinal(B)。这些值用于权衡不同数据源的重要性和可靠性，为最终的数据融合和决策提供依据。

数据融合和决策阶段的重要性在于综合考虑多源数据的信息，消除不一致性和冲突，得到更准确和可靠的管网信息。通过将不同数据源的观测数据和估计数据进行融合，可以弥补数据来源的局限性，提高数据的综合利用效率。同时，根据信任度和不确定性进行决策，可以降低由于数据不确定性带来的误差，提高管网信息的精确性和可靠性。这样，整个管网信息展示系统可以为城市管网的管理和维护提供更全面、直观、准确的信息支持。

实施例五

本实施例递进至实施例四：

在Track-3中，数据融合和决策阶段得到了最终的管网信息F_opt，其中包含了管道的准确位置、流量、压力等属性。现在本实施例将这些信息用于展示AR管网图像。

AR(增强现实)技术可以将虚拟信息与现实世界相结合，通过手机、平板电脑、AR眼镜等设备展示出来。对于AR管网信息展示系统，本实施例可以通过AR技术在现实世界中显示管道的准确位置、流量、压力等信息。

具体步骤如下：

S1、获取AR展示设备：用户需要使用配备AR功能的设备，如支持AR功能的手机、平板电脑或AR眼镜。

S2、获取管网信息：从数据融合和决策阶段得到的最终管网信息F_opt中提取出需要展示的管道准确位置、流量、压力等属性信息。

S3、场景识别与追踪：AR技术需要对现实世界进行场景识别与追踪，以便将虚拟信息准确地叠加在现实世界中。例如，识别道路、建筑物等场景。

S4、叠加管网信息：通过AR技术，将管道的准确位置、流量、压力等信息叠加在现实世界中的相应位置上。可以使用虚拟的管道模型或标签来表示管道的属性信息。

S5、交互与导航：用户可以与AR展示进行交互，例如通过手势或语音指令来控制展示内容。同时，可以提供导航功能，让用户能够更方便地查看和了解不同管道的信息。

通过以上步骤，用户可以通过AR展示设备在现实世界中观看到管道的准确位置、流量、压力等信息，实现高精度定位的AR管网图像展示。这样的展示方式能够帮助用户直观地了解管网信息，更方便地进行维护、管理和决策。同时，通过数据融合和决策阶段的处理，得到的管网信息更加准确和可靠，提高了管网信息展示的精度和实用性。

实施例六

请参阅图2～3：本实施例进一步提供一种存储介质，该存储介质内存储有能够实施如实施例一～五所述的方法的程序指令，其原理如下：

(1)displayARPipeNetwork(const std::vector<Cell>&F_opt)函数：

原理：该函数的原理是将管网信息F_opt通过AR技术和GIS系统的接口，叠加在现实世界中，实现AR管网图像展示。

详细说明：该函数利用AR技术和GIS系统的API，根据F_opt中每个元胞的位置和属性信息，将管道准确位置、流量、压力等属性叠加在现实世界的相应位置上。这样，当用户通过AR设备或应用观察现实场景时，就能在现实世界中看到AR管网图像，管道的位置和属性信息将与实际场景进行融合，实现高精度定位的AR管网图像展示。

(2)ARA::showPipeAtLocation(double x,double y,double z,std::stringtype,double flow,double pressure)函数(伪代码)：

原理：这是一个虚拟的API函数，用于将管网信息叠加在现实世界的相应位置上。

详细说明：在实际应用中，AR技术通常会提供类似的API函数，通过传入管道的位置坐标(x,y,z)、管道类型(type)、流量(flow)和压力(pressure)等属性信息，AR技术会将这些信息叠加在AR设备的相机视角中的对应位置上。这样，用户在观察现实场景时，就能够看到这些管道信息准确地叠加在现实世界的相应位置上，形成AR管网图像。

Claims

1.基于GIS定位AR管网信息展示方法，包括GIS系统，其特征在于：包括并列同步实施的Track-1和Track-2：

2.根据权利要求1所述的AR管网信息展示方法，其特征在于：在Track-1中：

定义元胞Cell：每个元胞包含属性如下：

位置：x,y,z；表示元胞在GIS系统中的三维地理位置；

管道类型：type；表示元胞对应的管道类型；

流量：flow；表示元胞中流过的液体流量；

压力：pressure；表示元胞中的液体压力；

确定邻域：对每个元胞的邻域为其相连的管道节点和连接点。

3.根据权利要求2所述的AR管网信息展示方法，其特征在于：在Track-1中：

定义转移函数：设转移函数根据元胞自身属性和邻域的状态来计算元胞在下一个时刻的状态：转移函数为F(Cell)，F是转移函数，Cell是元胞；

设元胞内部的流动和交互过程受到每个元胞包含的位置属性、管道类型属性、流量属性和压力属性的影响，转移函数为：

F(Cell)＝(x′,y′,z′,flow′,pressure′)

其中：

(x',y',z')：元胞在下一个时间步的位置；

flow'：元胞在下一个时刻的流量；

pressure'：元胞在下一个时间步的压力。

4.根据权利要求2或3所述的AR管网信息展示方法，其特征在于：在Track-1中：

5.根据权利要求2或3所述的AR管网信息展示方法，其特征在于：在Track-2中：

定义目标函数：采用均方误差作为目标函数来衡量观测数据和估计数据之间的误差，设目标函数为E，其中E是均方误差：

E＝Σ(A-B)²

确定参数：将管道节点的位置作为优化的参数：

P＝P1,P2,...,Pn

Pi：第i个管道节点的位置；

初始参数设置：为Levenberg-Marquardt算法设置初始管道节点位置估计，使用先验信息来初始化节点位置：

初始估计位置P⁰＝P1⁰,P2⁰,...,Pn⁰

定义误差函数：根据目标函数定义误差函数E(P)作为观测数据和估计数据之间的误差，其中P是管道节点位置的集合：

ai表示第i个观测数据，bi表示第i个估计数据；

迭代优化:运行Levenberg-Marquardt算法，不断更新管道节点位置，使得目标函数逐渐收敛到最小值，通过迭代更新管道节点位置，最小化目标函数E(P):

P^k+1＝P^k-(J^TJ+λI)¹J^Tδ

其中，P^k是第k次迭代的管道节点位置，J是目标函数E(P)对管道节点位置P的雅可比矩阵，λ是观测数据与估计数据之间的误差向量，δ是调节参数；

通过不断调整δ来控制迭代步长实现在不同迭代阶段的收敛性和稳定性。

6.根据权利要求5所述的AR管网信息展示方法，其特征在于：在Track-3中：

F_opt＝DS(A，B，P，w)

融合权重为w，未知数据权重为1-w。

7.根据权利要求6所述的AR管网信息展示方法，其特征在于：在Track-3中的数据融合和决策阶段，还包括：

C＝1-∑_BjBel(Bj)

C表示冲突度量；

4)计算信任度修正：根据冲突度量对信任度进行修正：

最终信任度：Belfinal(B)；

不确定性：Plfinal(B)。

8.基于GIS定位AR管网信息展示系统，其特征在于：包括控制器模块，所述控制器模块用于执行如权利要求1～7任意一项所述的AR管网信息展示方法的步骤；

所述控制器模块电性连接有：

数据采集模块：负责收集城市管网的相关数据，所述相关数据包括供电管道、雨水管道、污水管道、给水管道、消防管道、燃气管道、通讯管道和小区智能化管道的管道信息，以及上述管道的位置、流量、压力参数数据；

GIS数据库模块：在GIS系统中创建和维护城市管网的空间数据库，将管道节点和连接点作为元胞进行存储，并将其位置和属性与地理位置进行关联；

元胞自动机模拟模块：负责实现Track-1的元胞自动机算法，利用管网数据和GIS数据库中的管道属性信息，根据自定义的转移函数，模拟管道系统中的流动和交互过程，计算出管道的流量、压力和运行状态参数的实时变化；

Levenberg-Marquardt优化模块：实现Track-2的Levenberg-Marquardt算法；使用管网数据和GIS数据库中的管道位置信息，根据目标函数和误差函数，通过迭代优化管道节点的位置，使得目标函数收敛到最小值，得到最优的管道节点位置；

数据融合和决策模块：负责实现整合两个轨道和DS理论输出管网信息的过程，根据DS理论计算权重和进行数据融合，得到融合后的管网信息；

AR管网展示模块：负责根据DS理论输出的管网信息，设计和展示高精度定位的AR管网图像；该模块将虚拟管道的信息与实际场景相结合，显示管道的准确位置、流量和压力信息。

9.根据权利要求8所述的AR管网信息展示系统，其特征在于：所述数据采集模块包括传感器或GIS系统。

10.一种存储介质，其特征在于：所述存储介质内存储有用于执行如权利要求1～7任意一项所述的AR管网信息展示方法的程序指令。