本文關鍵詞：公路設計規(guī)范約束下的山區(qū)公路矢量與DEM數據可視化融合方法研究，由筆耕文化傳播整理發(fā)布。

【摘要】：隨著航空航天攝影測量、遙感和全球定位系統(tǒng)等對地觀測技術的發(fā)展,各種遙感數據以及地面觀測數據越來越多；地學多學科之間的交叉融合以及智慧地球等技術的發(fā)展,對多源異構空間數據的有效融合提出了迫切需求。然而當前對于不同數據的融合技術大多只是簡單的拼接,并不能發(fā)揮每種數據對于同一個事物以及現象的認知與表達,無法實現1+12的效果。以典型的空間實體山區(qū)公路為例,當前描述大范圍山區(qū)公路形態(tài)的公路設計數據無法輕易獲得,而通過地圖數字化獲得的,描述公路平面位置信息的基礎地理信息單線矢量數據,與作為公路下墊面描述地形的DEM數據,其精細化融合方法缺少理論和技術上的支撐。導致可視化方面只限于簡單的疊加,顯示過于簡陋。如何利用描述山區(qū)公路的單線矢量線數據和高程數據兩者的信息,以及公路作為空間實體本身應該遵循的規(guī)范和屬性,實現山區(qū)公路與地形數據的有效融合,是值得研究的課題,本文即圍繞此課題展開研究。 本研究主要以單線矢量數據結構表達的公路數據與柵格數據結構表示的地形數據為研究對象,以符合公路設計規(guī)范的公路縱斷面線形優(yōu)化為切入點,以隨機性優(yōu)化算法為方法,研究山區(qū)公路數據與地形數據的融合。 根據山區(qū)公路的等級以及行車限速等信息,查閱相關設計規(guī)范標準；建立面向山區(qū)公路縱斷面線形優(yōu)化還原的數學模型,在設計規(guī)范的約束下,基于遺傳算法與蟻群算法求解該數學模型,并分析兩種算法的運行特點,提出兩種優(yōu)化算法相結合求解問題的策略；通過融合,為單線公路矢量數據添加高程數據,并獲得豎曲線、路面和邊坡等公路屬性的數據,以之作為公路表面三維幾何模型,對公路及其沿線地形精細化表達。 選取算例進行實驗,結果表明,所生成的公路縱斷面、路面以及護坡等相關屬性數據均滿足公路設計規(guī)范；可視化效果能夠模擬真實公路的形態(tài)特征,證明了該方法是有效的。 本論文面向山區(qū)公路單線矢量數據與地形柵格數據融合并增強可視化效果的需求,建立了相關的數學模型；參考隨機性優(yōu)化算法中的遺傳算法與蟻群算法,面向本研究問題的特點,設計求解數學模型的優(yōu)化策略。實驗表明,本論文提出的山區(qū)公路矢量數據與地形數據融合策略是可行的,為矢量柵格數據融合理論提供一種新的思路。
【關鍵詞】：公路矢量數據 地形數據 隨機優(yōu)化 可視化融合 地形可視化
【學位授予單位】：南京師范大學
【學位級別】：碩士
【學位授予年份】：2014
【分類號】：P208
【目錄】：

• 摘要5-6
• ABSTRACT6-13
• 第一章 緒論13-22
• 1.1 選題背景與研究意義13-14
• 1.1.1 選題背景13-14
• 1.1.2 研究意義14
• 1.2 國內外研究現狀綜述14-17
• 1.2.1 矢量柵格數據融合14-15
• 1.2.2 公路縱斷面選線方法15-16
• 1.2.3 隨機性優(yōu)化算法的發(fā)展現狀16-17
• 1.2.4 小結17
• 1.3 研究目標、內容與擬解決的關鍵問題17-19
• 1.3.1 研究目標17-18
• 1.3.2 研究內容18
• 1.3.3 擬解決的關鍵問題18-19
• 1.4 研究方法和技術路線19-20
• 1.4.1 研究方法19
• 1.4.2 技術路線19-20
• 1.5 論文組織結構20-21
• 1.6 本章小結21-22
• 第二章 公路縱斷面線形優(yōu)化還原數學模型22-35
• 2.1 公路縱斷面優(yōu)化還原問題22-27
• 2.1.1 公路優(yōu)化還原問題解析22-23
• 2.1.2 數學模型建立以及算法選擇23-27
• 2.2 模型的變量設計與約束條件27-30
• 2.2.1 優(yōu)化變量設計27-28
• 2.2.2 變量約束條件28-30
• 2.3 模型的目標函數30-34
• 2.3.1 模型目標函數的設計31-32
• 2.3.2 模型目標函數的計算方法32-34
• 2.4 本章小結34-35
• 第三章 基于遺傳算法與蟻群算法的公路縱斷面優(yōu)化還原35-54
• 3.1 公路初始縱斷面優(yōu)化還原方法35-38
• 3.1.1 公路中心線矢量數據高程獲取35-36
• 3.1.2 初始縱斷面方案計算36-38
• 3.2 基于遺傳算法的公路縱斷面優(yōu)化還原38-45
• 3.2.1 遺傳算法編碼設計與初始種群建立38-40
• 3.2.2 遺傳算法選擇算子40-41
• 3.2.3 遺傳算法交叉算子41-44
• 3.2.4 遺傳算法變異算子44-45
• 3.3 基于蟻群算法的公路縱斷面優(yōu)化還原45-50
• 3.3.1 蟻群算法的運行策略45-46
• 3.3.2 蟻群算法初始網格以及信息素生成46-48
• 3.3.3 蟻群算法信息素更新策略以及選擇概率48-49
• 3.3.4 蟻群算法終止條件49-50
• 3.4 面向公路縱斷面設計還原的綜合算法50-51
• 3.4.1 遺傳算法與蟻群算法的運行特點分析50-51
• 3.4.2 遺傳算法與蟻群算法的銜接策略51
• 3.5 山區(qū)公路相關配置信息51-53
• 3.5.1 山區(qū)公路豎曲線計算52
• 3.5.2 山區(qū)公路路面與邊坡數據計算52-53
• 3.6 本章小結53-54
• 第四章 相關參數確定及算例分析54-66
• 4.1 實驗數據介紹以及預處理54-55
• 4.2 相關參數討論確定55-60
• 4.2.1 遺傳算法相關參數55-59
• 4.2.2 蟻群算法相關參數59-60
• 4.3 算法穩(wěn)定性以及可視化60-65
• 4.3.1 多次實驗結果對比分析60-62
• 4.3.2 可視化效果62-65
• 4.4 本章小結65-66
• 第五章 總結與展望66-68
• 5.1 主要研究工作66-67
• 5.2 研究結論67
• 5.3 研究展望67-68
• 參考文獻68-72
• 致謝72

【參考文獻】

中國期刊全文數據庫 前10條

1 李清泉,李德仁;三維空間數據模型集成的概念框架研究[J];測繪學報;1998年04期

2 唐勇;用起伏度自動生成公路初始設計縱斷面[J];重慶交通學院學報;1987年04期

3 段海濱;王道波;于秀芬;;蟻群算法的研究現狀及其展望[J];中國工程科學;2007年02期

4 翟梅梅;;基于蟻群算法的改進遺傳算法[J];安徽理工大學學報(自然科學版);2009年03期

5 付旭輝,康玲;遺傳算法的早熟問題探究[J];華中科技大學學報(自然科學版);2003年07期

6 丁建立,陳增強,袁著祉;遺傳算法與螞蟻算法的融合[J];計算機研究與發(fā)展;2003年09期

7 芮小平,盧亞輝,楊崇俊,張彥敏;矢柵一體化的三維地形可視化研究[J];計算機工程與應用;2002年20期

8 方丹,王茹,林輝;基于實數編碼的多算子演化遺傳算法[J];計算機工程與應用;2004年13期

9 姚新;李國杰;;General Simulated Annealing[J];Journal of Computer Science and Technology;1991年04期

10 葛繼科;邱玉輝;吳春明;蒲國林;;遺傳算法研究綜述[J];計算機應用研究;2008年10期

  本文關鍵詞：公路設計規(guī)范約束下的山區(qū)公路矢量與DEM數據可視化融合方法研究，由筆耕文化傳播整理發(fā)布。

，

本文編號：408551