灾害条件下多层次应急疏散模型的构建方法研究

人们每天都要面对各种造成严重财产和人身安全损失的重大灾害,如何建立灾害条件下中国人口高密度大范围的应急疏散模型,具有重大的意义。该文基于我国灾害条件下高密度人口的集体疏散模式,按照灾害区域的具体情况和人口分布,以道路实时速度和路面损毁程度所决定的道路阻抗性作为评判道路疏散能力的依据,构建从危险区域的多集结点到安全区域的多安置点的多层次应急疏散模型,确定集体疏散人员的疏散路径、人数和车辆,实现在最短的时间内的受灾群众整体最优疏散,并以山东省德州发生地震作为实验区,采用Google Map API和C#搭建多层次应急疏散平台,验证了多层次应急疏散模型的可行性。

基于BIM+GIS的企业多项目管理平台设计与研发

针对建设工程企业项目管理中存在的可视化、精细化不足等问题,采用国产GIS平台,构建基于GIS+BIM的企业级多项目管理平台,实现多项目现场管理、质量管理、进度管理、成本管理等功能,建立企业级项目管理预警中心,平台能够较好地为企业多项目宏观统筹以及微观精细化管理服务,能够满足企业和项目两级施工项目智能管理以及数字化决策管理的需要。该平台在某火电建设项目管理中进行实践应用,取得了良好效果,表明平台对促进工程企业建设项目管理和工程企业数字化转型方面具有一定应用价值。最终研发完成基于三维WebGL的企业级多项目管理平台,将BIM模型深度融入项目管控全过程,真正实现企业级多项目管理的创新,大大提升工程项目精细化管理水平。

基于互联网+GIS及典设库的配电网三维数字化勘测设计

配电网建设是当前电网公司发展电网的主要端口,做好配电网建设,不仅能提升供电质量,也能更好地服务电网服务客户的要求。面对越来越密集的电网、复杂的电力设备、时刻变化的负荷信息、不断变迁的道路和建筑,需要不断的革新技术适应市场的发展需要。基于互联网+GIS&典设库技术的规划、设计一体的配电网三维数字化平台将为配电网提供有力的技术支持。

基于深度学习的多源遥感影像输电线路通道地物智能提取研究

随着深度学习技术的发展,其在遥感领域的应用也越来越广泛。深度学习已被应用于遥感影像地表覆盖分类、变化检测、建筑物提取、道路提取、遥感影像场景识别等任务的处理中。鉴于深度学习在影像处理方面的优异表现,选择将深度学习用于输电线路通道典型地物智能识别提取任务中。实验结果表明:深度学习网络用于通道典型地物智能提权,具有良好的准确度和鲁棒性,从而可为输电线路工程提供有力的技术支持。

一种基于朴素贝叶斯分类的车道数量探测

针对浮动车数据采集成本低、采集速度快、覆盖范围广、蕴含丰富道路信息等特点,提出了一种基于浮动车数据的城市车道数量信息快速获取方法。该方法首先根据浮动车数据的空间分布特征,利用基于Delaunay三角网的密度聚类方法对数据进行优选;然后通过探测浮动车数据的覆盖宽度及其在道路横截面的分布状态,构建朴素贝叶斯分类器;最后采用朴素贝叶斯分类方法确定目标路段的车道数量。结果表明:该方法可以从低精度浮动车数据中快速获取车道数量信息,提取精度达到76.3%。