交通可达性分析

  • 实验简介和基本原理
    • 分析该区域各位置至其他任意位置的交通便捷程度
    • 研究该区域各位置到商业中心的可达性
    • 研究区域内各位置的出行机动能力
  • 基于最小阻抗的可达性评价
    • 计算O-D成本矩阵
    • 计算可达性
    • 生成可达性分布图
    • 分析整个路网的可达性
  • 基于平均出行时间的可达性评价
    • 计算〇-D成本矩阵
    • 计算可达性
      • 计算出行概率
      • 计算可达性
    • 生成可达性分布图
  • 基于出行范围的可达性评价
  • 本章小结
  • 写文小结

实验简介和基本原理

分析该区域各位置至其他任意位置的交通便捷程度

这里我们将采用Allen(1995)提出的基于最小阻抗的可达性分析方法，该方法用中心点至所有目的地点的平均最小阻抗作为中心点的可达性评价指标。
基于最小阻抗的可达性分析方法应用非常广泛，但它不考虑出行目的，可对路网作一般性评价,如式(10-1)和式(10-2)所示。

式中，Aj表示网络上的节点i的可达性;A为整个网络的可达性;dij表示节点i、j间的最小阻抗,可以为距离、时间或费用等。
式(10-1)表明，节点i的可达性，为该节点到网络上其他所有节点的最小阻抗的平均值,最小阻抗可以为最短距离、最短时间、最少费用等。
式(10-2)表明，整个网络的可达性为各个节点可达性的平均值。
该模型的主要优点是计算方便，所需基础数据简单。但主要缺陷是它把所有目的地都作同等对待,因而没有考虑出行目的的差异。

本实验用最小出行时间作为阻抗，将区域内的所有路口既作为出行点，也作为目的点，计算各路口到其他路口的平均最短交通时间，以此作为可达性评价指标，衡量各路口至其他任意位置的交通便捷程度，并汇总各路口可达性的平均值，得到整个路网的平均可达性。

研究该区域各位置到商业中心的可达性

上一分析没有考虑出行目的的差异，然而实际上出行是有选择性的，例如购物、上下班、访亲会友等;即使对于同一类出行，例如购物，存在多个可选目的地时，出行也存在着选择性，例如更近的、更大的购物中心更有吸引力。
由于购物出行是居民选择性出行中非常重要的一部分，因此我们将进一步分析该区域各位置到商业中心的可达性，其结果可以客观地反映各个位置的商业区位。

这里我们将采用Geertman等(1995)提出的基于平均出行时间的可达性评价方法。该方法用中心点至所有吸引点的平均加权出行时间作为点的可达性评价指标。所谓加权出行时间是指，某中心点至吸引点的出行时间和出行概率的乘积。因此，该模型更能反映实际交通出行中考虑出行目的地的情况。
从中心点i出发，到所有吸引点的平均加权出行时间可表示为:

式中，pij代表中心点i至吸引点j的出行概率;tij代表中心点i至吸引点j的最短出行时间。
pij可以根据统计数据得到。比如，若能够得到从中心点i到所有吸引点j的出行数量统计数据cij，则可以根据下面的公式得到出行概率:

在没有统计数据的情况下，pij也可以根据势能模型得到。势能模型表明，实际从中心点i出发到吸引点j的出行量与吸引点j对中心点i的吸引力成正比，与距离衰减成反比。因此，出行概率可表示为:

式中，mj代表吸引点j的规模值;a代表衰减系数，可以采用1.0～3.0的先验值;dij代表中心点i出发到吸引点j的距离。
本分析将把研究区域的所有路口作为中心点，三个成规模的商业区作为吸引点，用势能模型计算各路口至三个商业中心的出行概率，进而得到各路口到商业中心的平均加权出行时间，以此作为可达性评价指标，分析区域各位置到商业中心的可达性。

研究区域内各位置的出行机动能力

这里采用基于出行范围的交通可达性评价方法，分析区域内各个位置在给定时间内的出行范围的大小，范围的大小用面积来衡量，出行范围面积大的位置，出行机动能力强,反之，能力弱。
一个点的出行范围是指在给定的时间内(例如步行15分钟、车行30分钟等)，从该点沿各个方向出发能够到达的地点构成的范围。该范围与前进方向的道路设施密切相关的，该方向的道路设施越好、交通越方便，则在给定的时间内，沿该方向就能到达越远的地方，范围面积就越大，反之，越近，面积越小。
该模型的主要优点是计算简单。但主要问题是它只考虑了交通出行点，完全没有考虑交通出行的目的地，没有考虑社会经济等相关因素。因而用该模型得到的可达性结果会与前述两种模型完全不同，例如，很显然，郊区快速路周边的出行范围远大于中心区道路拥堵区域的出行范围。但该模型也比较客观地反映了区域交通设施的优劣和不同区位的交通机动能力。
本分析将研究各路口的10分钟车行出行范围，计算其面积，以此作为可达性评价指标,分析区域各位置的出行机动能力。
当然，交通可达性分析方法远不止上述三种，例如还有等距可达范围分析、等时可达范围分析、公共交通可达性分析(宋小冬、钮心毅，2000)等。读者可以参考相关文献。

基于最小阻抗的可达性评价

本节主要分析区域各位置至其他任意位置的交通便捷程度，利用基于最小阻抗的可达性评价方法。本章构建的交通网络，研究各路口至整个区域的可达性。可达性评价包括三个主要步骤:
(1)利用ArcGIS网络分析功能下的【新建OD成本矩阵】工具计算各路口至其他路口的最短出行时间;
(2）根据公式(10-1)、(10-2)统计各路口的可达性和路网的可达性;
(3）利用【插值】工具生成整个研究区域的可达性分布图。
说明:【新建OD成本矩阵】工具主要用于在交通网络中查找从多个起始点到多个目的地的最小成本路径，并计算出其成本。成本可以是路程、时间、费用等。

计算O-D成本矩阵

步骤1:打开随书数据【chp10\练习数据\基于最小阻抗的可达性评价\可达性研究.mxd】，其中包含一个完整的交通网络模型。
步骤2:启动O-D分析工具。
点击【Network Analyst】工具条上的按钮【Network Analyst】，在下拉菜单中选择【新建OD成本矩阵】，之后会显示【Network Analyst】面板(如果没有显示该对话框,可点击工具条上的【显示/隐藏网络分析窗口】工具)，【内容列表】面板中随后新添了【OD成本矩阵】图层，如图所示。

步骤3:加载起始点。
在【Network Analyst】面板中，右键点击【起始点】项，在弹出菜单中选择【加载位置…】，显示【加载位置】对话框。将【加载自】栏设置为【交通网络_Junctions】，该要素类实际上对应各个路口，这将把所有路口作为起始点。点【确定】。具体过程如下图所示：

步骤4:加载目的地点。
在【Network Analyst】面板中，右键点击【目的地点】项，在弹出菜单中选择【加载位置…】，将【加载自】栏也设置为【交通网络_Junctions】，这将把所有路口作为目的地点。点【确定】。具体过程如下图所示：

步骤5:设置“位置分配”的属性。
点击【Network Analyst】面板右上角的【属性】按钮，显示【图层属性】对话框。切换到【分析设置】选项卡。选择【阻抗】为【车行时间(分钟)】。点【确定】。具体过程如下图所示：

步骤6:位置分配求解。
点击【Network Analyst】工具条上的【求解】工具照。由于路口很多，计算需要较长时间。计算完成后得到一张O-D图。由于0-D线太多，图面上反映不出有效信息，这时候需要通过O-D表来分析计算结果。

步骤7:查看O-D成本表。
右键点击【Network Analyst】面板的【线】项，在弹出菜单中选择【打开属性表】，显示【表】对话框(图10-2)。其中【OriginID】字段是起始点编号，【Destination-ID】字段是目的地点编号，【Total_车行时间】字段是起始点和目的地点之间的车行时间。具体过程如下图所示：

计算可达性

紧接之前步骤，根据公式(10-1)，计算各路口可达性的具体操作如下:
步骤1:对各个起始点的【Total_车行时间】求和。
在【表】对话框中右键点击【OriginID】字段,在弹出菜单中选择【汇总…】（注:【Orig-inID】是起始点的编号)，如图所示。

（1）将 【选择要汇总的字段:】设为【Orig-inID】。
（2）勾选【汇总统计】栏下【Total_行车时间】的【总和】选项。这意味着按照【OriginID】分类汇总【Total_车行时间】，汇总方法是求总和。


（3）可以将【指定输出表】设置为【chp10\练习数据\基于最小阻抗的可达性\可达性计算表.dbf】本文另外选择了别的路径

(4)点【确定】开始计算。完成后将生成【可达性计算表.dbf】，其中【Sum_Total_车行时间】字段是各个起始点的【Total_车行时间】的总和。
具体结果如下图所示：

步骤2:计算各起始点的可达性。
为【可达性计算表】添加【双精度】字段【可达性】。然后按照公式(10-1):[可达性]=[Sum_Total_车行时间]/(1922-1)批量计算【可达性】字段的值(注:式中“1922”是目的地点总个数。




步骤3:将【可达性】属性添加到【起始点】表上。
（1） 将可达性值连接到起始点上。右键点击【Network Analyst】面板中的【起始点】项，在弹出菜单中选择【打开属性表】。点击【表】对话框上的【表选项】按钮。，在弹出菜单中选择【连接和关联】→【连接…】，显示【连接数据】对话框。设置基于【起始点】表【ObjectID】字段和【可达性计算表】的【OriginID】字段的连接，详细设置如图所示。连接成功后，【起始点】表中将拥有【可达性】属性字段。

（2）为【起始点】表添加【可达性】属性。为【起始点】添加【双精度】字段【可达性】(注:由于连接表中也有【可达性】字段，因此【起始点】表中新添的【可达性】自动添加了前缀【Origins.可达性】)，然后让【Origins.可达性】=【可达性计算表】的【可达性】
（3）拆开连接。【起始点】表获取【可达性】属性后就不再需要连接了，点击【表】对话框上的【表选项】按钮。，在弹出菜单中选择【连接和关联】【移除连接】→【可达性计算表】。
步骤4:图面可视化。
前面生成的表格阅读起来很不直观，下面通过图面反映各起始点的可达性。双击【内容列表】中的【起始点】图层，显示【图层属性】对话框，切换到【符号系统】选项卡,按图所示进行设置。点【确定】后，图面效果如图所示。


生成可达性分布图

根据前面步骤得到了各个路口的可达性，但是点图的方式看起来很不直观，并且点和点之间存在空白区域，这些区域的可达性也无从得知。对于这种情况，我们可利用【空间插值】工具来生成一幅直观的连续无空白的图纸。

说明:空间插值通过已知的空间数据来预测其他位置的空间数据值，最终生成一幅连续的栅格图纸。它依据的是已知观测点数据、显式或隐含的空间点群之间的关联性、数据模型以及误差目标函数。一个典型的例子是根据有限的气温观测点的气温数据预测整个区域各个地点的气温，并生成一幅气温图。

ArcGIS在【空间分析】扩展模块提供了【插值】工具，此外在【3D分析】扩展模块也提供了【栅格插值】工具，由于是扩展模块，需要额外付费购买，在使用前需要点击菜单【自定义】【扩展模块…】，在【扩展模块】对话框中勾选【Spatial Analyst】或【3DAnalyst】选项。
紧接之前步骤,生成可达性分布图的具体操作如下:

步骤1:启动【插值】工具。
将鼠标移到主界面右侧的【目录】按钮上，在浮动出的【目录】面板中选择【工具箱\系统工具箱\Spatial Analyst Tools\插值\反距离权重法】，显示【反距离权重法】对话框(注:在使用该工具前，必须确定已启用了【Spatial Analyst】扩展模块)。也可以打开搜索面板，输入【反距离权重法】，打开【反距离权重法】

步骤2:设置插值参数。
设置【反距离权重法】对话框的参数如图所示。点【确定】开始计算。计算完成后生成了【可达性】栅格图，如图所示。
分析可达性图可以看到，研究区域中部可达性较高，东北部与中部只有三条联系道路，相对孤立，可达性较低。

进阶:AreGIS提供了一系列插值工具，分别是克里金法、反距离权重法、趋势面法、自然邻域法、样条函数法、含障碍的样条函数法。这些插值方法各有特色，适用于不同的领域。下面简要介绍几种最常用的插值方法:
(1)趋势面法是一种整体插值方法，即整个研究区域使用一个模型、同一组参数。它适用于表达整体空间趋势、样本点有限、插值也有限的数据。需要注意的是样本点的插值结果往往不等于之前的样本值。
(2)反距离权重法是以插值点与样本点之间的距离为权重的插值方法。它适用于对距离敏感的插值，例如本实验对可达性的插值。
(3)克里金法在计算插值时，插值点的值是其周围影响范围内的几个已知样本点变量值的线形组合。它不仅考虑了距离远近的影响，还考虑了样本点的位置和属性，适用于样本点数量多的情况。

分析整个路网的可达性

根据公式(10-2)可以求得整个路网的可达性，可用于路网的多方案比较。
紧接之前步骤,操作如下:
步骤1:打开【起始点】的属性表。
步骤2:右键点击【可达性】字段，在弹出菜单中选择【统计…】，显示【统计数据Origins】对话框。

对话框中显示可达性的【平均值】为12.3，即为整个路网的平均可达性。此外，从【频数分布】图中还可以看到大部分路口的可达性都在15.6以内。从分析结果来看,该城区任意两地点之间的车行时间平均在12.3分钟，并且大多控制在15.6分钟之内。相对于该区域15.2km2的面积,其交通便捷程度还是比较好的。

基于平均出行时间的可达性评价

本节主要分析区域各位置到商业中心的可达性，利用基于平均出行时间的可达性评价方法。研究区域有三个成规模的商业区，主要分布在研究区域中部。具体包括三个主要步骤:
(1)利用ArcGIS提供的【新建OD成本矩阵】功能计算各路口至三个商业中心的最短出行路程,和最短出行时间。
(2)根据公式(10-5)计算各路口至三个商业中心的出行概率。然后，根据公式(10-3)计算各路口的可达性。
(3）利用【插值】工具生成整个研究区域的可达性分布图。

计算〇-D成本矩阵

步骤1:打开随书数据【chp10\练习数据\基于平均出行时间的可达性评价\可达性研究.mxd】，其中包含一个完整的交通网络模型，以及一个【商业点】图层。
步骤2:首先计算基于路程的O-D成本矩阵。启动O-D分析工具。
点击【Network Analyst】工具条上的按钮【Network Analyst】，在下拉菜单中选择【新建OD成本矩阵】，之后会显示【Network Analyst】面板。

步骤3:加载目的地,目的地是商业点。
在【Network Analyst】面板中，右键点击【目的地点】项，在弹出菜单中选择【加载位置…】，在显示对话框如图所示。
（1）将【加载自】栏设置为【商业点】。
（2）将【Name】属性的【字段】设置为【OBJECTID】。如此设置后，【目的地点】的【Name】属性值将是【商业点】的【OBJECTID】。其目的是为了以后连接【目的地点】表和【商业点】表。
（3）点【确定】。

步骤4:加载起始点。
在【Network Analyst】面板中，右键点击【起始点】项，在弹出菜单中选择【加载位置…】，显示【加载位置】对话框。
（1）将【加载自】栏设置为【交通网络_Junctions】。
（2）将【Name】属性的【字段】设置为【OBJECTID】。其目的是为了以后连接【起始点】表和【交通网络_Junctions】表。
（3）点【确定】。

步骤5:设置“位置分配”的属性。
点击【Network Analyst】面板右上角的【属性】按钮回，显示【图层属性】对话框:
（1）切换到【常规】选项卡，设置【图层名称】为【O-D矩阵(路程)】。

（2）切换到【分析设置】选项卡。选择【阻抗】为【路程(米)】。
（3）点【确定】。

步骤6:位置分配求解，得到基于路程的O-D成本矩阵。
点击【Network Analyst】工具条上的【求解】工具照，得到基于路程的O-D成本矩阵【O-D矩阵(路程)】。

步骤7:计算基于车行时间的O-D成本矩阵。
重复步骤2～步骤6，在步骤5设置【图层名称】为【O-D矩阵(时间)】，【阻抗】为【车行时间(分钟)】，得到基于车行时间的O-D成本矩阵【O-D矩阵(时间)】。





计算可达性

计算出行概率

下面，根据公式(10-5)计算各路口至三个商业中心的出行概率。针对【O-D矩阵(路程)】,紧接之前步骤,具体操作如下:
步骤1:使【OD矩阵(路程)】下的【目的地点】表拥有【商业点】表的【规模】属性:
(1)打开【目的地点】表。右键点击【Network Analyst】面板中的【O-D矩阵(路程)\目的地点】项,在弹出菜单中选择【打开属性表】

（2）导出目的地点的属性表，选择合适的输出路径，命名为路程分析_目的地.dbf，保存类型为dbase表


(3)同理，打开【线】表。右键点击【Network Analyst】面板中的【O-D矩阵(路程)\目的地点】项,在弹出菜单中选择【打开属性表】

（4）导出线的属性表，选择合适的输出路径，命名为路程分析_线.dbf，保存类型为dbase表


(5)打开【线】表。右键点击【Network Analyst】面板中的【O-D矩阵(时间)\线】项,在弹出菜单中选择【打开属性表】，再导出线的属性表，选择合适的输出路径，命名为时间分析_线.dbf，保存类型为dbase表，具体过程如图所示：




(6)为【目的地点】增加长整形的【商业点OBID】字段，并令【商业点OBID】字段的值【Name】字段的值，该字段将用于连接【商业点】表。




(7)连接【目的地点】表和【商业点】表，之后【目的地点】表就拥有了【商业点】表的【规模】属性。



步骤2:为【路程分析_线】表增添【出行势能】字段，以及【出行概率】字段。




步骤3:连接【线】表和【目的地点】表，如此，【线】农也拥有」【规侯】周庄，后，计算每条线的出行势能，【出行势能】—【规模】/【Total_路程】^2。





步骤4:根据【OriginID】汇总每条线的出行势能总和，生成【出行势能汇总表.db)。



步骤5:连接【线】和【出行势能汇总表.dbf】表，并进行计算，【出行概率】—【出行势能】/【Sum_出行势能】。





步骤6:取消和【线】所有的连接，然后导出【线】表到【出行概率.dbf】。


计算可达性

根据公式(10-3)计算各路口至三个商业中心的可达性。
针对【O-D矩阵(时间)】，紧接之前步骤,具体操作如下(注:本小节以下步骤针对的都是【O-D矩阵(时间)】下的要素类):
步骤1:为【O-D矩阵(时间)】的【线】表增添双精度类型的【加权时间】属性。

步骤2:根据【线】表的【Name】字段,连接上一小节得到的【出行概率.dbf】表，连接字段也是【Name】，并计算每条线的加权时间=出行概率* Total_车行时间。




步骤3:针对【线】表，根据【OriginID】汇总【加权时间】总和，生成【加权出行时间汇总表.dbf】。



步骤4:针对【加权出行时间汇总表. dbf】增加双精度类型的【可达性】字段。并计算【可达性】=Sum_加权时间/3。




步骤5:根据【ObjectID】连接【起始点】表和【加权出行时间汇总表. dbf】，连接字段是【OriginID】

生成可达性分布图

具体过程如下：

基于出行范围的可达性评价

本节主要分析区域内各位置的出行机动能力，利用基于出行范围的可达性评价方法。本实验将研究各路口的10分钟车行出行范围，计算其面积，并据此生成可达性分布图。该方法相对比较简单，包含以下三个主要步骤:
(1)利用ArcGIS提供的【新建服务区】功能计算各路口的10分钟车行出行范围;(2)统计各路口的10分钟出行范围的面积;
(3）利用【插值】工具生成整个研究区域的可达性分布图。具体操作如下:
步骤1:打开随书数据【chp10\练习数据\基于出行距离的可达性评价\可达性研究.mxd】，其中包含一个完整的交通网络模型。
步骤2:启动服务区分析工具。
点击【Network Analyst】工具条上的按钮【Network Analyst】，在下拉菜单中选择【新建服务区】，之后会显示【Network Analyst】面板。

步骤3:加载设施点。
在【Network Analyst】面板中，右键点击【设施点】项，在弹出菜单中选择【加载位置…】。将【加载自】栏设置为【交通网络_Junctions】，点【确定】。

步骤4:设置“位置分配”的属性。
点击【Network Analyst】面板右上角的【属性】按钮回，显示【图层属性】对话框:切换到【分析设置】选项卡。选择【阻抗】为【车行时间(分钟)】。
设置【默认中断】为【10】。
点【确定】

步骤5:位置分配求解。
点击【Network Analyst】工具条上的【求解】工具照。该计算需要较长时间。

步骤6:求服务区面积。
(1)尝试过直接添加面字段不成功后，我们选择了另外一种方式:在搜索面板里输入向分析图层添加字段，打开分析图层添加字段工具，具体过程如下：

(2)右键点击分析得到的【面】图层，在弹出菜单中选择【打开属性表】。

(3)右键点击【面积】字段，在弹出菜单中选择【计算几何…】，显示【计算几何】对话框，在【属性】栏中选择【面积】，取消勾选【仅计算所选的记录】，点【确定】

步骤7:连接【设施点】和【面】。
【设施点】的连接字段为【ObjectID】，【面】的连接字段为【FacilityID】。
步骤8:插值生成可达性分布图。
将鼠标移到主界面右侧的【目录】按钮上，在浮动出的【目录】面板中选择【工具箱、系统工具箱、Spatial Analyst Tools\插值\反距离权重法】，显示【反距离权重法】对话框:
（1）设置【输入点要素】为【服务区\设施点】。
（2）【Z值字段】为【SAPolygons.面积】，即步骤6添加的【面积】字段。
（3）【输出栅格】可以为【chp10\练习数据\基于出行距离的可达性评价\可达性】。本文选择了别的输出路径
（4）【输出栅格单元大小】为【20】。
（5）点【确定】。计算完成后生成了【可达性】




栅格图,如图所示。
从图中,我们可以看出,基于出行距离的可达性与之前的两种可达性有着较大差异。由于基于出行距离的可达性更关注交通设施水平和出行机动能力,因此有着较高车速的过境公路沿线,和北部交叉路口较少的区域拥有较高的可达性。相反,核心区域的可达性受车速和众多路口的限制,可达性反而不高。此外，东北部孤立区域的可达性最低,这与其他两种可达性计算结果相同。总体而言,基于出行距离的可达性从市民出行的角度比较真实地反映了现实交通感受,即在市中心出行活动范围较小,而拥有较好交通条件的居住区居民的活动范围更大。

本章小结

本章介绍了三种交通可达性计算方法:基于最小阻抗的可达性、基于平均出行时间的可达性和基于出行范围的可达性，它们分别用于评价区域各位置至具他仕息位直的父迪便捷程度、区域各位置到目的地的可达性、区域内各位置的出行机动能力。前两种方法基于ArcGIS的OD成本矩阵计算，而后一种方法基于设施服务区计算。

上述可达性计算都涉及比较复杂的计算过程，为了便于重复计算、简化操作，本章利用了ArcGTS的【模型构建】工具，把复杂的计算过程固化到模型之中，计算时只需要运行模型即可。

可达性计算得到了各个交通点的可达性，但是点图的方式看起来很不直观，本章利用了【空间插值】工具来生成一幅直观的连续无空白的图纸。空间插值通过已知的空间数据来预测其他位置的空间数据值，最终生成一幅连续的瓯格图纸。

可达性的计算方法较多，对于本章没有涉及的方法，也可以采用和本章类似的步骤来完成。交通可达性分析可在路网优化、土地使用规划、地价评估、区位分析等方面发挥重要作用。

写文小结

第四篇记录完成，难度有所增加，出现问题的概率增加，本文起借鉴的作用，如若出现缺少和不足，以及错误之处，欢迎大家在评论区留言，揪出和补充本文不足之处，互相学习交流，在此共勉

城市规划GIS技术应用指南（CH10）相关推荐

  1. 城市规划GIS技术应用指南（ch06）

    城市规划GIS技术应用指南(ch06) 地形分析和构建技术 城市规划GIS技术应用指南(ch06) 地形坡度坡向分析 坡度分析 对TIN数据的坡度分析 对栅格地表面的坡度分析步骤 坡向分析 对TIN数 ...

  2. 城市规划GIS技术应用指南（ch09）

    设施优化布局分析 位置分配 基本原理 优化模型简洁 最小化抗阻模型 最大化覆盖范围模型和最小化设施点数模型 最大化人流量模型 最大化市场份额模型和目标市场份额模型 实验基础数据简介 道路网模型 火灾发 ...

  3. 新一代三维GIS技术体系再升维

    编者按:在2018 GIS 软件技术大会上,超图发布了SuperMap GIS 9D(2019)系列产品,该版本全面拥抱空间大数据技术,并在微服务.容器化.云原生.自动化运维等方面全新升级,进一步优化 ...

  4. 基于GIS技术的城市交通管理应用

    1963年,加拿大测量学家R.F.Tomlinson首先提出了地理信息这一术语,并于1971年建立了世界上第一个GIS--加拿大地理信息系统(CGIS),用于自然资源的管理和规划.GIS在之后的半个世 ...

  5. 基于三维GIS技术的公路交通数字孪生系统

    交通运输系统是四个现代化建设的重要保障,在"一带一路"倡议规划背景下,互联网+.智慧交通提升到国家新战略.智慧交通的基石是建立可映射物理世界的虚拟世界,因此大多数交通管理平台项目通 ...

  6. gis可达性分析步骤_基于三维GIS技术的公路交通数字孪生系统

    交通运输系统是四个现代化建设的重要保障,在"一带一路"倡议规划背景下,互联网+.智慧交通提升到国家新战略.智慧交通的基石是建立可映射物理世界的虚拟世界,因此大多数交通管理平台项目通 ...

  7. BIM+GIS技术融合发展 成为工程规划建设新热点

    近年来,BIM成为城市规划建设领域中一个新的热点,越来越广泛地应用于城市和工程规划设计.勘测施工.运营管理等全生命周期管理.而GIS则已在资源开发.环境保护.城市规划建设.土地管理.交通.地图测绘等多 ...

  8. SuperMap GIS 10i 新一代三维GIS技术白皮书

      随着GIS技术.计算机技术.计算机图形学.虚拟现实技术.测绘技术等各种理论和技术的不断发展,三维GIS逐步成为GIS研究的主流方向之一.而超图在三维GIS技术研发和创新的道路上已经走过了十余年的发 ...

  9. 新一代三维GIS技术白皮书v1.0

    超图新一代三维GIS技术体系,以二三维一体化技术为基础框架,进一步拓展二三维一体化数据模型,融合倾斜摄影.BIM.激光点云等多源异构数据,推动三维GIS实现室外室内一体化.宏观微观一体化.空天/地表/ ...

最新文章

  1. javascript开关_JavaScript开关案例简介
  2. Linux下的USB总线驱动 mouse
  3. Qt学习笔记5-信号槽机制
  4. keycloak 调研资料
  5. Sublime Text 2/3如何支持中文GBK编码（亲测实现）
  6. （转）《2017中国人工智能创新公司50强》榜单
  7. kafka 精准一次性
  8. nagios原理介绍以及安装部署配置使用
  9. 各类顶尖经典电影500部，先收着，待有空的时候慢慢看吧！
  10. react 使用 swiper
  11. ［曲苑杂谈］mac\windows phpstorm快捷键
  12. python中的魔法函数
  13. Kafka的灵魂伴侣Logi-KafkaManger(4)之运维管控–集群运维(数据迁移和集群在线升级)
  14. Xgboost近似分位数算法
  15. 暴力破解及验证码安全
  16. K65 Flex_CAN 匹配过程
  17. 计算机保研夏令营预推免面试经验（吉林大学+哈工大威海+北京理工医工融合
  18. [源码和文档分享]基于JSP实现的试题库管理系统
  19. 【Opencv图像处理】BGB转HSV与颜色检测
  20. 解决invalid url domain

热门文章

  1. P5.js开发之——环境
  2. 用户体验地图的一个不错的例子（极客时间用户体验设计课笔记）
  3. 射击场设计方案平面图和效果图分享
  4. 成都市等11个市、州2009年《工程量清单计价定额》人工费调整〔2017〕48
  5. 成功就是简单的事情重复做
  6. （175）矢量表达式
  7. css有棱角的边线,CSS边框与边界
  8. 易语言入门精品课程发布了啊
  9. Leetcode_69
  10. 耳机左右声道接反的问题