应急物流配送车辆导航地图多尺度空间数据模型研究.docx

应急物流配送车辆导航地图多尺度空间数据模型研究.docx

  1. 1、本文档共20页,可阅读全部内容。
  2. 2、有哪些信誉好的足球投注网站(book118)网站文档一经付费(服务费),不意味着购买了该文档的版权,仅供个人/单位学习、研究之用,不得用于商业用途,未经授权,严禁复制、发行、汇编、翻译或者网络传播等,侵权必究。
  3. 3、本站所有内容均由合作方或网友上传,本站不对文档的完整性、权威性及其观点立场正确性做任何保证或承诺!文档内容仅供研究参考,付费前请自行鉴别。如您付费,意味着您自己接受本站规则且自行承担风险,本站不退款、不进行额外附加服务;查看《如何避免下载的几个坑》。如果您已付费下载过本站文档,您可以点击 这里二次下载
  4. 4、如文档侵犯商业秘密、侵犯著作权、侵犯人身权等,请点击“版权申诉”(推荐),也可以打举报电话:400-050-0827(电话支持时间:9:00-18:30)。
查看更多

??

?

??

应急物流配送车辆导航地图多尺度空间数据模型研究

?

??

?

?

?

?

?

?

?

???

?

?

?

?

?

现有应急物流配送车辆导航地图多尺度空间数据模型对应急物流配送导航地图进行多尺度综合时,由于网络中的空间关系是纠结在一起的,牵一发而动全身,因此对元素进行缩减将对网络中其他的元素造成不可预料的影响,常常造成一些重要的潜在空间关系信息的丢失,由元素间影响造成的解空间偏差难以得到有效的控制。

在应急物流配送“监控中心+车载终端”的分布式计算模式下,应急物流配送车辆需要根据救援任务和道路网络损毁的动态变化实时更新地图。而现有空间数据模型由于无法针对指定目标集合生成相关联的导航地图,因此难以满足应急物流配送车辆导航根据救援任务和道路网络损毁的动态变化定制地图的需求。

针对以上问题,本章尝试提出“先分解—再综合”的思路:先将现有地图中的空间关系分解还原成可单独处理的独立成分,再根据应急物流配送需求选取适当成分自动综合生成单次出救任务的子图。并进一步尝试根据此思路建立一种新的应急物流配送车辆导航地图多尺度空间数据模型,以控制元素缩减造成的解空间偏差,并根据应急物流配送行车目标节点集合灵活生成所需尺度的子图来应对出救任务和道路网络损毁导致的动态变化。

第一节应急物流配送车辆导航地图多尺度空间数据模型需求分析

在突发事件的应急物流配送救援中,由于任务的紧迫性和资源的稀缺性以及来自各方的救援人员来不及熟悉本地道路就紧急行驶在陌生复杂、险情频发的灾区,应急物流配送车辆的导航系统成为人们唯一的向导和生命的依靠。但现有的用于导航的大比例尺城区地图往往数据量庞大,动辄包含成千上万的边和节点。另外,用于导航的车载设备却大多只有很有限的计算能力和存储容量,直接在这样的地图上进行路径分析求最优路径势必造成导航系统反应迟缓、力不从心。为提高反应速度,一些市场上的系统往往采用一些简单的近似算法有哪些信誉好的足球投注网站出可行路径,但单纯追求速度的结果是求得的路径与实际最优路径相差甚远,常常得出一些荒谬的结果,造成驾驶员对导航系统丧失信任,甚至因此放弃对导航系统的使用。

而在实际应急物流配送过程中,救援人员所关注的中心往往具有目标性和局域性,即在一次出救行车任务的导航过程中,配送车辆不需要关注整个区域路网,其关心的只是对于此次出救行车任务目标节点(集)重要的那部分道路地图(即“出救点—应急物资储备中心—灾区需求点”及其沿线的道路网络)。

考察在应急物流配送车载终端上求最优路径的计算过程,在一次行车目标有限的情况下,最终求得的路径往往只有几十个元素,与求解关系较大的一般只有几百个元素,而一幅中等城市的城区路网图动辄包含数千甚至上万的元素,在这些元素中,绝大部分对于求解是无用的。这些冗余的元素,占用了应急物流配送车辆车载终端大量宝贵的计算资源,非但没有起到应有的作用,反而使对求解问题真正有用的信息淹没在大量的噪声中,使人们不能将注意力集中在所关注的路线上。

现在的问题在于能否找到一种有效的方法,从整体地图中提取与行车目标关系较紧密的部分生成相对简化的子图,在对问题解空间影响较小的情况下,大幅缩减问题求解的可行域,从而达到提高应急物流配送车载终端的求解响应速度的目的。

第二节基于广义尺度的应急物流配送车辆导航地图多尺度空间数据模型

一“先分解—再综合”的地图多尺度变换方法

为了从整体地图中提取与行车目标关系紧密的成分生成简化的子图,必须深入了解地图中空间关系集合的组成及彼此之间的影响,下面对此进行详细的分析。

从关系的观点来看,一幅地图实际就是元素之间空间关系的集合,这些关系纠结在一起,以道路网络的形式呈现在用户面前。但任何一幅地图都不可能把元素之间所有的空间关系一次性地表现出来,而只能将对用户关心的问题较为重要的那一部分提取出来。从这个意义来看,任一尺度的地图表现的都是相对某一目标集、重要度为某个阈值的那部分关系,是整体关系的子集。

从上面的描述可以很容易看出一个重新综合的过程:从大比例尺的地图通过各种人工或自动的方法重新生成所需的其他尺度的地图。现有的各种模型也都是这么做的。

但这种以已有网络为基础直接进行综合的方法存在一个致命的缺点。如前所述,网络中的空间关系是纠结在一起的,牵一发而动全身,这就导致重新综合对网络中的元素进行缩减时,会对网络中其他的元素造成不可预料的影响,常常造成一些重要的潜在空间关系信息的丢失。

因此,在对地图进行综合之前还应该插入一个预分解的步骤:先将纠结在一起的空间关系还原成可单独处理的独立成分,这样才能在下面综合的过程中选取所需成分合成子图,从而尽量多地保留原网络中相关的空间信息。

针对不同的研究问题,有不同的分解方法。这里主要考虑网络连通性的影响,这样上一章提出的相对连通系数就有了用武之地。

在前面的讨论中,相对连通系

文档评论(0)

132****1010 + 关注
实名认证
内容提供者

该用户很懒,什么也没介绍

1亿VIP精品文档

相关文档