برنامه ریزی دقیق مسیر داخلی بر اساس مدل ترکیبی GeoSOT و BIM

چکیده

با بهبود زیرساخت های شهری و افزایش پوشش ساختمان های بلند، تقاضا برای خدمات اطلاعات مکان در داخل ساختمان ها بیش از پیش ضروری می شود. علاوه بر این، برنامه ریزی مسیرهای داخلی، به عنوان پیش نیاز و مبنای تحقق هدایت مسیر در داخل ساختمان ها، به کانون تحقیقاتی در زمینه خدمات مکان یابی تبدیل شده است. این امر برنامه ریزی دقیق مسیرهای داخلی را به یک مشکل فوری تبدیل می کند که در حال حاضر قابل حل است. این امر مستلزم برنامه ریزی پویا و دقیق از برنامه ریزی فازی استاتیک و تبدیل صحنه متناظر از صفحه دو بعدی به صفحه سه بعدی است.

با این حال، بیشتر روش‌های برنامه‌ریزی مسیر داخلی موجود بر روی استفاده از پلان‌های دوبعدی در ساختمان‌ها برای ساختن نقشه‌های داخلی و تکیه بر الگوریتم‌های جستجوی مسیر سنتی برای مسیریابی تمرکز دارند. که عدم استفاده کارآمد از اطلاعات هندسی و ویژگی های خود ساختمان و عدم توجه به توپولوژی فضایی داخلی ساختمان، رفع نیازهای برنامه ریزی مسیر فضای پیوسته چند لایه داخلی را دشوار می کند. با توجه به این رابطه، پاسخگویی به نیازهای برنامه ریزی مسیر در فضاهای پیوسته چند لایه داخلی دشوار است. علاوه بر این، بیان دو بعدی که توسط فلش ها و نقاشی های خطی غالب است، شهودی و تعامل بیان مسیر را به شدت کاهش می دهد. با توجه به این موضوع، این مقاله شبکه GeoSOT را با اطلاعات دقیق جغرافیایی واقعی و مدل BIM ترکیب می‌کند و یک روش دقیق برنامه‌ریزی مسیر داخلی را پیشنهاد می‌کند. در نهایت، با استفاده از خیابان تجاری گوانلان در شهر بایین به عنوان شی آزمایشی، برنامه ریزی دقیق و تولید مسیرهای داخلی و تعامل نمایش های بصری در صفحه وب محقق می شود. تأیید شده است که این روش دارای مقادیر مرجع و کاربردی خاصی برای پاسخگویی به تقاضای خدمات اطلاعات مکان در ساختمان‌ها و ساختن یک پلت فرم خدمات ناوبری داخلی-خارجی یکپارچه است.

کلید واژه ها:

برنامه ریزی مسیر داخلی ; GeoSOT-A * GIS-BIM ; مدل توپولوژی نقشه

1. مقدمه

به عنوان هسته اصلی خدمات ناوبری داخلی، برنامه ریزی مسیر داخلی، همراه با فناوری موقعیت یابی داخلی و فناوری نمایش فضا، یک سیستم ناوبری کامل در داخل ساختمان را تشکیل می دهد که مقدمه و پایه خدمات ناوبری داخلی است [ 1 ]. در حال حاضر با بهبود زیرساخت‌های شهری و بهبود مستمر پوشش ساختمان‌ها، نیاز به خدمات اطلاعات مکان براساس فضا در ساختمان‌ها به طور فزاینده‌ای در عرصه‌های مختلف جامعه ضروری است.]، به ویژه در برخی از ساختمان های عمومی که مردم در آن جمع می شوند، مانند مراکز خرید بزرگ، ساختمان های اداری مرتفع و غیره. ضمناً در حوزه امداد و نجات اضطراری برای آتش نشانان و افراد گرفتار در ساختمان ها، شرایط اضطراری ناگهانی به ترتیب نیازمند نجات و فرار است. با توجه به تغییراتی مانند آسیب جاده و آسانسورهای غیرقابل استفاده، برنامه ریزی مسیر نیز باید انعطاف پذیری متناظر با تغییرات مختلف محیط داخلی را داشته باشد [ 3 ، 4 ]]. بنابراین، تحقیق در مورد برنامه ریزی مسیرهای داخلی نیاز به بررسی جامع توزیع موانع داخلی، وضعیت باز و بسته شدن درهای اتاق و اطلاعات معنایی غنی اجزای داخلی دارد. برای الزامات برنامه ریزی مسیر در طبقات، اتصال فیزیکی آسانسور و پله برقی بین طبقات نیز باید در نظر گرفته شود. با این حال، به دلیل ساختار فضای داخلی پیچیده ساختمان، که به دقت بالایی نیاز دارد، و فناوری ناوبری و موقعیت یابی سنتی مبتنی بر GPS (سیستم موقعیت یاب جهانی) که تحت تأثیر موانع داخل ساختمان قرار می گیرند و باعث ضعیف شدن سیگنال می شوند، فناوری ناوبری در فضای باز نمی توان مستقیماً برای ناوبری داخلی اعمال کرد. بنابراین، توسعه فناوری ناوبری در محیط داخلی ساختمان،

در حال حاضر روشهای اصلی تحقیقی که توسط بسیاری از صاحب نظران و صاحب نظران در این زمینه پیشنهاد شده است به شرح زیر است:

روشی برای یافتن کوتاه‌ترین مسیر با استفاده از فرستنده‌های سیگنال GPS یا بر اساس نقشه‌های معماری پلان دوبعدی [ 5 ]. با این حال، به دلیل فقدان اطلاعات اولیه داده‌های ساختمان، اطمینان از صحت نقشه داخلی دشوار است، زیرا نمی‌تواند موجودیت‌های موانع داخلی را در نظر بگیرد، و بنابراین، خطاهای زیادی در مسیرهای برنامه‌ریزی‌شده وجود دارد و تعداد زیادی نیز وجود دارد. محدودیت در شهودی بودن و عملی بودن نمایش مسیر و برنامه ریزی مسیرهای عرضی در داخل ساختمان.
روش افزودن تابع نقشه داخلی به نقشه ناوبری در فضای باز اتخاذ شده است [ 6 ، 7 ، 8 ، 9 ]. کاربران می توانند فضای داخلی ساختمان را از طریق نقشه داخلی مشاهده کنند و می توانند برای مشاهده به طبقات مختلف سوئیچ کنند. با این وجود، نمایش نقشه داخلی بر اساس بارگذاری پلان طبقه 2 بعدی داخلی است و سرویس اطلاعات مکان برای تجسم سه بعدی فضای داخلی ساختمان هنوز محقق نشده است.
در روش سوم، کامپیوتر روش برنامه ریزی مسیر داخلی را بر اساس فناوری BIM (مدل سازی اطلاعات ساختمان) اتخاذ می کند [ 10 ، 11 ، 12 ، 13 ، 14 ، 15 ، 16 .]. با استفاده از مدل BIM به عنوان منبع داده برای برنامه ریزی مسیر و پیمایش تمام گره های مدل از طریق یک الگوریتم، می توان مسیر داخلی را به دست آورد. اما این روش بیشتر برای وضعیت سازه ساختمانی ساده و چند واحد اتاقی مناسب است. پیمایش همه گره ها زمان زیادی می برد و در نتیجه بر بهینه بودن مسیر تاثیر می گذارد. فاقد استفاده کارآمد از اطلاعات هندسه و ویژگی های ساختمان و همچنین در نظر گرفتن توپولوژی فضایی داخلی ساختمان است. برآوردن نیازهای برنامه ریزی مسیر پیوسته چند لایه داخلی فضا دشوار است.

از طریق تجزیه و تحلیل تحقیقات و کاربردهای فوق، متوجه شدیم که یک روش جدید برای حل مشکل برای برنامه ریزی دقیق مسیرهای داخلی به فوریت مورد نیاز است. با شروع از موقعیت فضای جغرافیایی، این مقاله ایده های مرتبط با فناوری GIS (سیستم اطلاعات جغرافیایی) را به مدل BIM اعمال می کند و یک روش برنامه ریزی مسیر داخلی دقیق بر اساس GeoSOT (شبکه تقسیم مختصات جغرافیایی با کدگذاری انتگرال یک بعدی روی 2 ^{n ) پیشنهاد می کند.}درخت) شبکه و BIM برای رفع نیازها. ابتدا، مدل BIM را به عنوان منبع داده در نظر گرفتیم و داده‌های زیربنایی، از جمله اطلاعات هندسی و معنایی دقیق در مورد ساختمان را تجزیه و استخراج کردیم. دوم، با استفاده از شبکه زیربخش GeoSOT به عنوان روش پردازش داده، پردازش شبکه داده از لایه پایینی محقق شد، در نتیجه یک نقشه توپولوژی شبکه داخلی دقیق ایجاد شد. در نهایت، الگوریتم مزیت سنتی A* بهبود و بهینه‌سازی شد و یک الگوریتم برنامه‌ریزی مسیر داخلی بر اساس شبکه GeoSOT به عنوان حامل و بر اساس رابطه فضایی ساختمان، برای تحقق برنامه‌ریزی مسیر دقیق فضای داخلی پیشنهاد شد. ساختمان های تک طبقه و چند طبقه.

سهم روش در این مقاله این است که ایده های مرتبط با فناوری GIS را در مدل BIM اعمال می کند. برای تعریف قطعی‌تر این مدل، ادغام شبکه GeoSOT که می‌تواند اطلاعات واقعی جغرافیایی و مدل BIM را به طور دقیق بیان کند و بر این اساس یک روش دقیق برنامه‌ریزی مسیر داخلی به دست می‌آید. این روش مزایای دقت مش GeoSOT و اطلاعات هندسی و معنایی غنی مدل BIM را ادغام می کند. با تحلیل مدل BIM می توان به اطلاعاتی مانند مختصات داخل ساختمان دست یافت. همراه با کدگذاری شبکه GeoSOT، نقشه توپولوژی شبکه کل ساختمان تولید می شود. هنگامی که نقشه توپولوژی شبکه 90 به دست آمد، با الگوریتم GeoSOT-A* پیشنهاد شده در این مقاله ترکیب می شود و برنامه ریزی دقیق مسیرهای داخلی محقق می شود.

2. مدل ها و روش ها

این بخش عمدتاً روش ارائه شده در این مقاله را با جزئیات معرفی می کند و ایده کلی در شکل 1 نشان داده شده است . در سناریوی اول، با تکیه بر پلت فرم سزیوم [ 17 ، 18 ، 19 ]، مدل 96 BIM به عنوان منبع داده برای بارگذاری فضای زمین به یک سیستم شبکه سه بعدی چند مقیاسی، فضای تو در تو، استفاده می شود. به فناوری زیربخش GeoSOT. در سناریوی دوم، مدل BIM مشبک می‌شود تا یک نقشه توپولوژی مش دقیق داخلی، همراه با الگوریتم GeoSOT-A*، برای دستیابی به برنامه‌ریزی دقیق مسیر داخلی ایجاد شود.

2.1. GeoSOT Global Meshing

GeoSOT مجموعه ای از شبکه های تقسیم جهانی است که بر روی تقاطع نصف النهار اول و استوا متمرکز شده اند [ 20 ، 21 ] و به فضای دو بعدی و فضای سه بعدی تقسیم می شوند. یک سیستم شبکه چند مقیاسی 32 سطحی با توجه به تقسیم بازگشتی درجه دوم و بازگشت هشت ضلعی شکل می‌گیرد [ 22 ، 23]. ایده اصلی این است که فضای زمین سیستم طول و عرض جغرافیایی اصلی را سه بار گسترش دهیم (اول، منطقه سنتی زمین از 180 درجه × 360 درجه به 512 درجه × 512 درجه و سپس طول و عرض جغرافیایی 60 درجه اعشار گسترش می یابد. عملاً تا 64 درجه اعشار، 1 درجه به 64 دقیقه و 1′ به 64 اینچ افزایش می یابد. سپس با اختلاف طول و عرض جغرافیایی زمین به عنوان محدوده تقسیم، کالبد شکافی چهاردرخت کل نمره و درجه کل برای هر سطح انجام می شود و در نهایت یک سیستم شبکه تشریح چهاردرخت 32 سطحی با طول جغرافیایی مساوی انجام می شود. و عرض جغرافیایی شکل می گیرد [ 24 ، 25 ، 26 ]، همانطور که در شکل 2 نشان داده شده است.. به همین ترتیب برای فضای سه بعدی نیز از طریق سه انبساط زمین است. فضای زمین تا 512 درجه × 512 × 512 درجه منبسط می شود و سپس 1 درجه به 64 دقیقه و 1 دقیقه به 64 اینچ منبسط می شود. همانطور که در شکل 3 نشان داده شده است، ما پارتیشن بندی octree بازگشتی [ 26 ] را برای درجات کامل، دقیقه ها و ثانیه ها پیاده سازی کردیم . جدول سطح شبکه GeoSOT در جدول 1 نشان داده شده است .

بر اساس تقسیم شبکه GeoSOT، خواه کدگذاری شبکه دو بعدی باشد یا کدگذاری شبکه سه بعدی، کدگذاری سلسله مراتبی مطابق با دنباله “Z” به هر شبکه اختصاص داده می شود، همانطور که در شکل 4 نشان داده شده است. اشکال رمزگذاری مختلفی از جمله رمزگذاری یک بعدی باینری، رمزگذاری دو بعدی دو بعدی، رمزگذاری سه بعدی باینری، کدگذاری تک بعدی چهارتایی، رمزگذاری تک بعدی هشت بعدی و رمزگذاری عدد صحیح و غیره وجود دارد که این انواع رمزگذاری را می توان به راحتی به همدیگر طبق قوانین ریاضی خاصی و 132 هنوز سازگاری درونی دارند.

محاسبه کدگذاری شبکه زیربخش جهانی GeoSOT همانطور که در بالا ذکر شد است. با توجه به قوانین چارچوب زیربخش GeoSOT، یک رابطه تبدیل بین شبکه زیربخش جهانی GeoSOT و سیستم مختصات جغرافیایی، طول و عرض جغرافیایی فضایی اروپا وجود دارد. این سیستم مختصات شامل دو جنبه اصلی است:

جنبه اول طول و عرض جغرافیایی و ارتفاع را به کد شبکه جهانی GeoSOT تبدیل می کند. به عنوان مثال، با توجه به طول، عرض جغرافیایی و ارتفاع یک نقطه خاص، این روش کد وکسل مربوط به شبکه جهانی GeoSOT مربوط به نقطه را پیدا می کند.
جنبه دوم شبکه جهانی GeoSOT را به عرض جغرافیایی، طول جغرافیایی و ارتفاع تبدیل می کند. این روش، با توجه به کد وکسل شبکه جهانی GeoSOT، طول، عرض جغرافیایی و ارتفاع گوشه موقعیت‌یابی کد وکسل شبکه را پیدا می‌کند.

بر اساس این اطلاعات، می‌توانیم مفروضات زیر را انجام دهیم: برای هر نقطه P در فضای زمین، مختصات طول، عرض جغرافیایی و ارتفاع آن است. ، جایی که ، ، . کد سه بعدی باینری آن به صورت زیر بیان می شود: ، جایی که نشان دهنده سطح، و به ترتیب طول، طول و عرض جغرافیایی و ارتفاع را در کدهای باینری یک بعدی نشان می دهند. طول، عرض جغرافیایی و ارتفاع آن همانطور که در معادله (1) نشان داده شده است، به کد شبکه جهانی GeoSOT تبدیل می شود و شبکه جهانی GeoSOT به طول، عرض جغرافیایی و ارتفاع همانطور که در معادله (2) نشان داده شده است، تبدیل می شود.

طول جغرافیایی، عرض جغرافیایی و ارتفاع تا کد شبکه جهانی GeoSOT.

(1)

شبکه زیربخش جهانی GeoSOT به عرض و طول و ارتفاع و ارتفاع.

(2)

2.2. مدلسازی اطلاعات ساختمان

BIM یکپارچه سازی اطلاعات ساختمان را درک می کند و اطلاعات مختلف را در یک پایگاه داده اطلاعات مدل سه بعدی [ 27 ، 28 ، 29 ] ادغام می کند. این پایگاه های داده به طور گسترده توسط صنعت جهانی شناخته شده اند [ 30 ، 31 ]. فناوری BIM دارای مزایای زیر در برنامه ریزی مسیرهای داخلی است:

ایجاد یکپارچه سازی اطلاعات داده ها مدل پارامتری ایجاد شده توسط فناوری BIM بیان یکپارچه اطلاعات ساختمان است. این زیرمجموعه اطلاعات کامل داده های ساختمان شامل داده های هندسی، داده های عملکردی و داده های ویژگی را پوشش می دهد. این مجموعه اطلاعات داده ها با یکدیگر مرتبط هستند و می توانند در زمان واقعی به روز شوند و فراخوانی شوند [ 32 ]. بنابراین، مدل‌های BIM می‌توانند به عنوان «منابع داده ساختمان» برای برنامه‌ریزی مسیر داخلی استفاده شوند. از طریق تجزیه و تحلیل مدل و استخراج اطلاعات، همراه با تقسیم‌بندی شبکه GeoSOT، می‌توان یک نقشه شبکه داخلی دقیق ایجاد کرد، در نتیجه پایه‌ای برای برنامه‌ریزی مسیر داخلی ایجاد کرد.
اطلاعات مدل بسیار متنوع است. مدل BIM از روش شی گرا برای توصیف داده های اطلاعاتی کامل ساختمان شامل اطلاعات شکل هندسی سه بعدی و اطلاعات ویژگی استفاده می کند. این داده های اطلاعاتی شی گرا قابل ویرایش و توسعه هستند [ 33 ]. ذخیره سازی اطلاعات مدل از IFC (کلاس های بنیاد صنعت) [ 34 ، 35 ، 36 ]، یک استاندارد مدل داده رایج در زمینه ساختمان های هوشمند بین المللی – به عنوان فرمت تعامل داده های سه بعدی استفاده می کند. IFC توصیفات و تعاریف مختلف اطلاعاتی را در طول استفاده از مدل اطلاعات ساختمان تنظیم می کند [ 37]؛ بنابراین، نه تنها می‌تواند الزامات برنامه‌ریزی مسیر داخلی را برآورده کند، بلکه از اشتراک‌گذاری اطلاعات چند پلتفرمی پشتیبانی می‌کند و دقت و تطبیق مسیرهای داخلی را از برنامه‌ریزی تا بیان از طریق معرفی مدل‌های اطلاعاتی بهبود می‌بخشد.

2.3. برنامه ریزی دقیق مسیر داخلی

2.3.1. طراحی و ساخت نقشه شبکه داخلی

نقشه شبکه دقیق داخلی مقدمه برنامه ریزی دقیق مسیر است. برای تولید یک نقشه شبکه دقیق داخلی، تجزیه و تحلیل و پردازش منبع داده مدل BIM، طراحی اندازه و سطح شبکه زیربخش، و طراحی داده های ذخیره شده در یک واحد شبکه، همانطور که در شکل 5 نشان داده شده است، ضروری است . مراحل مشخص به شرح زیر است:

پیش پردازش داده های مدل BIM، شامل تبدیل فرمت مدل BIM، تجزیه مدل BIM و تبدیل مختصات مدل BIM، که با هم ترکیب می شوند.
- تبدیل فرمت، عمدتاً برای مشکلی که پلت فرم سزیوم از بارگیری پشتیبانی نمی کند، فایل را به یک فایل GLTF با قابلیت تجزیه و تحلیل آسان و قابل بارگذاری تبدیل می کند.
- تجزیه مدل عمدتا برای تجزیه فایل GLTF تبدیل شده برای به دست آوردن ویژگی ها و مختصات هر ساختمان داخلی استفاده می شود.
- تبدیل مختصات، مختصات تجزیه شده از مدل BIM، مختصات نسبی هستند. برای روشن شدن، مختصات نسبت به نقطه مرکزی مدل فاصله دارند. بنابراین، لازم است به WGS84 (سیستم ژئودتیک جهانی 1984) متحد شود.
طراحی و تولید نقشه های شبکه داخلی مدل های BIM شامل طراحی اندازه و سطح شبکه و طراحی ذخیره سازی داده ها در یک واحد شبکه.
- GeoSOT اندازه مش و طراحی سطح را با توجه به اندازه مدل واقعی ساختمان تقسیم می کند، سطح مش را مناسب برای مقیاس انتخاب می کند و اندازه یک مش را تعیین می کند. با توجه به تخمین نیمی از عرض واقعی درب، اندازه یک شبکه منفرد استفاده شده 0.5 متر است (اندازه تقریبی در نزدیکی استوا). با مراجعه به جدول سطح شبکه GeoSOT، می توان سطح 27 سطح را مشاهده کرد.
- طراحی داده‌های ذخیره‌سازی یک واحد شبکه‌ای، اطلاعات مختصات و اطلاعات ویژگی‌های هر یک از اجزای ساختمان که با تجزیه و تحلیل به‌دست می‌آیند، مانند دیوارها، پله‌ها، درها و پنجره‌ها و غیره، به صورت جداگانه تحلیل و شبکه‌بندی می‌شوند و در نهایت نقشه شبکه دقیق در داخل مدل اطلاعات ساختمان تولید می شود. با توجه به روش دودویی [0، 1]، از آن به عنوان یک پرچم برای قضاوت در مورد قابل عبور بودن یا نبودن شبکه استفاده می شود. در این میان 0 قابل عبور و 1 غیرقابل عبور است.

2.3.2. محاسبات شبکه فضای داخلی

نقشه شبکه داخلی دو کارکرد عمده دارد: محاسبه شبکه همسایگی فضایی و برنامه ریزی ناوبری مسیر. محاسبه شبکه فضایی آن شامل دو بخش است: محاسبه موقعیت همسایگی شبکه فضایی و محاسبه فاصله شبکه فضایی. مثال زیر یک فضای دو بعدی است:

محاسبه مکان محله شبکه شبکه فضایی.

هدف از محاسبه موقعیت همسایگی شبکه فضایی محاسبه کد شبکه شبکه فضایی مجاور از طریق کد شبکه مربوط به شبکه فضایی است. پس از تکمیل این، شبکه مجاور به دست می آید. با توجه به نیازهای مختلف هدف، محاسبه مکان محله را می توان به چهار محله و هشت محله تقسیم کرد، همانطور که در شکل 6 نشان داده شده است.

صرف نظر از نیازهای محاسبات همسایگی، با این حال، برای ماهیت محاسبات مکان همسایگی شبکه فضایی، همچنان رمزگذاری شبکه ای شبکه های فضایی مجاور در هر دو جهت طولی و عرضی شبکه فضایی است. چهار محله و هشت محله فقط ترکیبی رایگان از کدهای مجاور در دو بعد تار و عرض جغرافیایی هستند. با در نظر گرفتن شبکه چهار محله به عنوان مثال، با فرض صحنه داخلی ساختمان، یک شبکه فضایی ، کد شبکه دو بعدی دو بعدی آن است ، و سطح تراز است، سپس کدهای شبکه محله در هر جهت عبارتند از:

رمزگذاری همسایگی طول جغرافیایی رو به جلو:

(3)

رمزگذاری همسایگی طول جغرافیایی منفی:

(4)

رمزگذاری همسایگی عرض جغرافیایی رو به جلو:

(5)

رمزگذاری همسایگی عرض جغرافیایی منفی:

(6)

2.: محاسبه فاصله شبکه فضایی.

فاصله شبکه فضایی در این مقاله متعلق به محاسبه فضای دو بعدی است. محاسبه فاصله شبکه بر اساس کد سه بعدی باینری GeoSOT است. کد دوبعدی GeoSOT با حذف ارتفاع بدست می آید و سپس فاصله شبکه فضایی محاسبه می شود. در محاسبه فاصله شبکه فضایی در این مقاله، فاصله شبکه فضایی به عنوان فاصله منهتن بین دو شبکه فضایی تعریف شده است، همانطور که در شکل 7 نشان داده شده است ، و فاصله شبکه فضایی تعریف شده دو شرط زیر را برآورده می کند:

دو شبکه فضایی فاصله محاسبه ورودی در یک سطح هستند.
اگر دو شبکه فضایی ورودی به ترتیب M و N باشند، کدهای دو بعدی GeoSOT عبارتند از ، . با فرض اینکه تابع فاصله کل بین دو شبکه در جهت طول جغرافیایی یا جهت عرض جغرافیایی F _MN باشد، فاصله DMN بین دو شبکه فضایی دو بعدی معادله (7) را برآورده می کند.

(7)

برای نقشه شبکه طراحی شده در این مقاله، از آنجایی که سطح شبکه GeoSOT در 27 سطح ثابت است و اندازه شبکه 0.5 متر است، فاصله واقعی از دو شبکه فضایی در شبکه فضایی دو بعدی می توان برای برآوردن رابطه (8) به دست آورد:

(8)

2.3.3. الگوریتم GeoSOT-A*

الگوریتم A* متعلق به نوع الگوریتم جستجوی اکتشافی است. این بیشتر بر اساس الگوریتم Dijkstra پردازش می شود و به طور گسترده برای حل مشکل جستجوی مسیر استفاده می شود. الگوریتم A* کارآمدترین و مستقیم‌ترین الگوریتم جستجو برای یافتن کوتاه‌ترین مسیر در بین همه الگوریتم‌های مسیریابی است [ 38 ]. اصل اساسی به شرح زیر است: برای کل فرآیند جستجوی مسیر، عملکرد ارزیابی با استفاده از اطلاعات جهانی به عنوان مرجع تعریف می شود. محاسبه هزینه تخمینی فاصله بین موقعیت فعلی و موقعیت پایانی هر گره جدید با توجه به تابع ارزیابی . سپس، نتیجه به دست آمده توسط تابع ارزیابی به عنوان مبنایی برای توالی معقول کل برنامه ریزی جستجوی مسیر استفاده می شود. این می تواند تعداد مسیرهای محاسباتی را کاهش دهد که به نوبه خود کارایی جستجو را بهبود می بخشد [ 39 ].

الگوریتم A* دو جنبه را برای جستجوی مسیر بهینه در نظر می گیرد: در جنبه اول، الگوریتم A* مقدار فاصله از نقطه شروع تا گره فعلی را محاسبه می کند. در جنبه دوم، الگوریتم A* هزینه را از گره فعلی تا نقطه پایانی تخمین می زند. جنبه دوم به عنوان مبنایی برای قضاوت در مورد اینکه آیا گره فعلی مسیر بهینه است یا خیر، استفاده می شود، و به طور قابل توجهی محدوده جستجو را محدود می کند. بیان تابع الگوریتم A* در رابطه (9) نشان داده شده است:

(9)

در این محاسبات، به تابع ارزیابی از نقطه شروع تا پایان اشاره دارد و به هزینه واقعی از نقطه شروع تا گره فعلی اشاره دارد. می توان با جمع کردن هزینه هر گره به دست آورد. به عنوان یک تابع اکتشافی، H(n) به هزینه برآورد شده از گره فعلی تا نقطه پایان اشاره دارد. به طور کلی، مقدار فاصله اقلیدسی یا فاصله منهتن به عنوان هزینه برآورد شده انتخاب می شود، همانطور که در معادلات (10) و (11) نشان داده شده است. ارزش تابع ارزیابی هر گره در منطقه برنامه ریزی داخلی با مجموع قضاوت می شود و .

(10)

(11)

شکل خاص از را می توان با توجه به نیازهای واقعی تعیین کرد، اما نمی تواند از کوتاه ترین فاصله واقعی از نقطه شروع تا نقطه پایان تجاوز کند. الگوریتم A* جستجوی اکتشافی را تا زمانی که بهترین مسیر را پیدا کند، پیاده سازی می کند که با بازنگری مداوم تابع ارزیابی به دست می آید. . بنابراین برای برنامه ریزی مسیرهای سرپوشیده، اگر کوتاه ترین مسیر وجود داشته باشد، تا زمانی که از کوتاه ترین فاصله واقعی تجاوز نمی کند، الگوریتم A* قطعا می تواند مسیر بهینه را پیدا کند [ 40 ، 41 ].

با تحلیل اصول و سناریوهای کاربردی الگوریتم سنتی برنامه ریزی مسیرهای داخلی A* که با نیازهای واقعی برنامه ریزی مسیرهای فضایی تک طبقه و چند لایه در محیط داخلی ساختمان و بر اساس مدل کدگذاری این الگوریتم ترکیب شده است. در مقاله، الگوریتم اکتشافی سنتی A* بهبود یافته است. همانطور که در شکل 8 نشان داده شده است ، الگوریتم A* به گره های متعدد از موقعیت شروع قبلی به موقعیت پایان، به موقعیت شروع به موقعیت میانی و سپس به موقعیت پایان گسترش یافته است.

قبل از برنامه ریزی مسیر، ابتدا نقشه شبکه داخلی باید همانطور که در قسمت قبل به تفصیل توضیح داده شد ایجاد شود. سپس برای مدل BIM پس از استخراج اطلاعات مدل و مش بندی GeoSOT، با فرض در نظر گرفتن کامل اندازه درب، توزیع موانع و ارتباط فضایی هر طبقه در محیط داخلی، می توان برنامه ریزی مسیرهای داخلی را انجام داد. به برنامه ریزی مسیر تک لایه و برنامه ریزی مسیر چند لایه تقسیم می شود. جریان الگوریتم GeoSOT-A* در شکل 9 نشان داده شده است .

برنامه ریزی مسیر تک طبقه داخلی، بر اساس تقسیم شبکه GeoSOT که سطح طبقه را پردازش می کند، از الگوریتم A* برای جستجوی منطقه هدف استفاده می کند و بهترین مسیر را از طریق ارزیابی بهینه الگوریتم A* تعیین می کند.
برنامه ریزی مسیر چند طبقه داخلی، بر اساس الگوریتم GeoSOT-A* برای طبقه شروع و طبقه هدف در مدل BIM، به ترتیب – بر اساس مش بندی GeoSOT – از الگوریتم A* برای جستجوی مسیر استفاده می شود. طبقه شروع و طبقه هدف به طور همزمان. با در نظر گرفتن پله های ساختمان به عنوان گره میانی برنامه ریزی مسیرهای چند طبقه، ارزیابی بهینه مسیرهای پیش بینی شده در هر طبقه انجام می شود. در نهایت با مقایسه مقادیر وزنی هر مسیر، مسیر بهینه فضای داخلی چند لایه مشخص می شود.

مراحل خاص الگوریتم GeoSOT-A* فوق را می توان با یک مثال تجسم کرد، همانطور که در شکل 10 در زیر نشان داده شده است. با فرض اینکه طبقه شروع در صحنه، طبقه اول ساختمان است، طبقه مورد نظر طبقه سوم ساختمان است و طبقات توسط سه راه پله به هم متصل می شوند. مسیرهای طبقه ابتدایی D1، D2 و D3، مسیرهای طبقه میانی M1، M2 و M3 و مسیرهای طبقه مقصد N1، N2 و N3 هستند. مجموع وزن مسیر هر طبقه به صورت S1، S2 و S3 تنظیم شده و اندازه های S1، S2 و S3 با هم مقایسه شده و حداقل مقدار گرفته می شود.

3. نتایج

داده های مورد استفاده در این مقاله مدل BIM خیابان تجاری Guanlan در شهر Baiyin است که در شکل 11 نشان داده شده است.

نتایج تجربی این مقاله شامل جنبه های زیر است:

GeoSOT زمین را مشبک می کند. یک کره دیجیتال سه بعدی بر روی پلت فرم سزیوم ساخته شده است، که یک کره مجازی متقابل پلتفرم برای تجسم داده های فضایی پویا است [ 13 ، 15 ]. سپس، فضای زمین به یک سیستم شبکه سه بعدی فضای تودرتوی چند مقیاسی مطابق با فناوری زیربخش GeoSOT تجزیه می شود تا تقسیم بندی شبکه GeoSOT زمین، همانطور که در شکل 12 نشان داده شده است، تحقق یابد .

2.: تجزیه و بارگذاری مدل BIM. مدل BIM در محل واقعی ساختمان (خیابان تجاری گوانلان، شهر بایین) مطابق با مقیاس 1:1 شی واقعی، همانطور که در شکل 13 نشان داده شده است، بارگذاری می شود .

3.: مدل BIM یک نقشه توپولوژی شبکه داخلی را تحلیل و تولید می کند. همانطور که در بالا ذکر شد، با تجزیه و تحلیل مدل BIM، مختصات و اطلاعات ویژگی های هر جزء در مدل ساختمان به دست می آید. سپس پس از پردازش تبدیل مختصات، مختصات جغرافیایی WGS84 هر جزء بر روی کره سه بعدی به دست می آید. با توجه به مراحل تولید نقشه شبکه داخلی که در بالا توضیح داده شد، نقشه شبکه داخل مدل BIM به دست می آید، همانطور که در شکل 14 نشان داده شده است. در این نقشه، رنگ مشکی مناطق صعب العبور را نشان می دهد، رنگ های روشن مناطق قابل عبور را نشان می دهد، و هر مش با ویژگی های اجزای موجودیت خاص در داخل مدل، مانند اطلاعات کلیدی مانند راه پله ها، مرتبط است.

4.: توپولوژی شبکه کف پس از مش بندی مدل BIM در کل رابط نمایش داده می شود و نمودار برنامه ریزی مسیر بهینه از موقعیت شروع تا موقعیت هدف نشان داده می شود. نقطه شروع و نقطه هدف را تنظیم کنید، دایره آبی نشان دهنده موقعیت شروع، دایره قرمز نشان دهنده موقعیت هدف، سبز نشان دهنده مسیر برنامه ریزی شده و ستون قرمز نشان دهنده کانال بین طبقات است. نتایج تجربی برنامه ریزی مسیر تک طبقه در شکل 15 و نتایج تجربی برنامه ریزی مسیر چند طبقه در شکل 16 نشان داده شده است.. این آزمایش صحت و امکان سنجی روش تحلیل برنامه ریزی مسیر بر اساس GeoSOT و BIM را اثبات می کند و همچنین درستی و امکان سنجی الگوریتم GeoSOT-A* طراحی شده در این مقاله را اثبات می کند.

4. بحث

از تجزیه و تحلیل نتایج تجربی فوق می توان نتایج زیر را به دست آورد:

از نتایج تجربی نشان‌داده‌شده در شکل 12 و شکل 13 ، می‌توان نتیجه گرفت که به‌کارگیری ایده‌های مرتبط با فناوری GIS در مدل BIM واقعا امکان‌پذیر است. در واقع، این روش شبکه‌های GeoSOT را با اطلاعات جغرافیایی واقعی و مدل‌های اطلاعات ساختمان ترکیب می‌کند و برنامه‌ریزی مسیر داخلی را امکان‌پذیر می‌سازد. برای این نتایج، شبکه GeoSOT کمبود مدل BIM را که تمام اطلاعات ویژگی‌های ساختمان داخلی را دارد و ویژگی موقعیت جغرافیایی واقعی ندارد، جبران می‌کند.
از نتایج تجربی در شکل 14 ، می توان نتیجه گرفت که این روش به طور دقیق نقشه توپولوژی شبکه داخلی را تولید می کند و اگر یکی از شبکه ها انتخاب شود، مختصات و اطلاعات ویژگی مربوط به مدل BIM موجود در شبکه نیز می تواند باشد. مشورت کرد. به این دلیل که مدل BIM اطلاعات کاملی در مورد ساختمان دارد که می تواند موقعیت نسبی اجزای ساختمان را به طور دقیق بیان کند و شبکه GeoSOT چند سطحی و چند مقیاسی با دقت در سطح سانتی متر است که می تواند موقعیت واقعی فضای جغرافیایی را به دقت بیان کند.
از نتایج در شکل 15 و شکل 16 ، می توان به دست آورد که الگوریتم برنامه ریزی مسیر داخلی (الگوریتم GeoSOT-A*)، بر اساس روابط فضایی پیشنهاد شده در این مقاله، می تواند به طور منطقی لبه های موانع کف داخلی را شناسایی و از آن اجتناب کند. تحقق برنامه ریزی مسیر بهینه فضای داخلی پیوسته در سراسر طبقات.
این روش به طور گسترده مورد استفاده قرار می گیرد و مقیاس پذیری قوی دارد. مدل BIM خیابان تجاری Guanlan در شهر Baiyin به عنوان شیء کاربردی روش انتخاب شد و مدل BIM با مش بندی جهانی GeoSOT برای تولید نقشه توپولوژی مش داخلی پردازش می شود. سپس بر اساس الگوریتم مسیریابی، برنامه ریزی دقیق مسیر داخلی محقق می شود. تجزیه و تحلیل نتایج نشان می دهد که روش پیشنهادی در این مقاله دارای ارزش کاربردی و اهمیت خاصی برای برآوردن الزامات خدمات اطلاعات مکان فضای داخلی در ساخت و ساز شهر هوشمند است.

5. نتیجه گیری ها

در حال حاضر، با توسعه سریع شهرها، بهبود زیرساخت های شهری و افزایش پوشش ساختمان های بلند، مردم به طور فزاینده ای نیاز فوری به خدمات اطلاعات مکان در ساختمان ها دارند. ترکیب GIS و BIM پیشنهادی، بر اساس کد شبکه GeoSOT و BIM، به برنامه‌ریزی مسیر داخلی دقیق بر اساس رابطه فضایی در ساختمان دست می‌یابد که نقایص روش‌های فعلی را برای برنامه‌ریزی مسیر داخلی که نمی‌تواند به برنامه‌ریزی دقیق و کارآمد بین طبقاتی دست یابد، برطرف می‌کند. . علاوه بر این، روش پیشنهادی در این مقاله قابل بسط و بررسی عمیق‌تر است. از طریق ترکیب GIS و BIM، ادغام فناوری GIS و فناوری BIM در ذخیره سازی، مدیریت داده ها و تعامل محقق می شود. مزایای منبع داده مدل BIM را می توان به طور کامل مورد استفاده قرار داد و با فناوری ناوبری در فضای باز، که در حال حاضر بالغ تر است، ترکیب کرد تا با استفاده از ساخت داده های بزرگ، خدمات اطلاعات مکان یکپارچه داخلی و خارجی را تحقق بخشد. این همچنین یک مرجع و ارزش کاربردی مهم برای ساخت و ساز فعلی شهرهای دوقلو دیجیتال مبتنی بر شهرهای هوشمند است [42 ، 43 ].

منابع

Xiong، Q. زو، س. زلاتانوا، اس. دو، ز. ژانگ، ی. Zeng, L. روش برنامه ریزی مسیرهای داخلی چند سطحی. بین المللی قوس. فتوگرام حسگر از راه دور اسپات. Inf. علمی 2015 ، 40 ، 19-23. [ Google Scholar ] [ CrossRef ][ نسخه سبز ]
Weijs-Perrée، M. دین، جی. ون دن برگ، پی. ون دورست، ام جی یک تحلیل مسیر چند سطحی از روابط بین ویژگی‌های تجربه لحظه‌ای، رضایت از فضاهای عمومی شهری، و رفاه ذهنی لحظه‌ای و بلندمدت. بین المللی جی. محیط زیست. Res. بهداشت عمومی 2019 ، 16 ، 3621. [ Google Scholar ] [ CrossRef ] [ PubMed ] [ نسخه سبز ]
خو، ام. وی، اس. زلاتانوا، اس. برنامه ریزی مسیر داخلی مبتنی بر ژانگ، R. bim با در نظر گرفتن موانع. ISPRS Ann. فتوگرام حسگر از راه دور اسپات. Inf. علمی 2017 ، 4 ، 417-423. [ Google Scholar ] [ CrossRef ][ نسخه سبز ]
لی، اچ. ارزیابی نقشه های شناختی چند سطحی برای حمایت از رفتار فضایی بین طبقه در محیط های پیچیده داخلی . انتشار پایان نامه های ProQuest: Ann Arbor، MI، ایالات متحده آمریکا، 2016. [ Google Scholar ]
چانگدون، ک. دوهی، ی. Haeyoung, J. روش کالیبراسیون دقیق موقعیت‌های کاذب در سیستم‌های ناوبری داخلی. محاسبه کنید. ریاضی. Appl. 2003 ، 46 ، 1711-1724. [ Google Scholar ]
یانگ، ال. Worboys, M. Generation of Navigation graphs for space indoor. بین المللی جی. جئوگر. Inf. علمی 2015 ، 29 ، 1737-1756. [ Google Scholar ] [ CrossRef ]
ساوو، تی. Jugravu، BA برنامه ریزی مسیر داخلی و شبیه سازی اجتناب از موانع. IOP Conf. سلسله. ماتر علمی مهندس 2019 ، 682 ، 12019. [ Google Scholar ] [ CrossRef ] [ نسخه سبز ]
لی، اف. زلاتانوا، اس. کوپمن، ام. بای، ایکس. Diakité، A. برنامه ریزی مسیر جهانی برای یک پهپاد داخلی. خودکار ساخت و ساز 2018 ، 95 ، 275-283. [ Google Scholar ] [ CrossRef ]
سان، ن. یانگ، ای. کورنی، جی. چن، ی. برنامه ریزی مسیر معنایی برای ناوبری داخلی و وظایف خانگی. در کنفرانس سالانه سیستم های رباتیک خودمختار ; انتشارات بین المللی Springer: برلین/هایدلبرگ، آلمان، 2019؛ صص 191-201. [ Google Scholar ]
Wallgrun، JO ساخت خودمختار نمایش‌های گراف مسیر مبتنی بر voronoi سلسله مراتبی. در کنفرانس بین المللی شناخت فضایی ; Springer: برلین/هایدلبرگ، آلمان، 2005; ص 413-433. [ Google Scholar ]
حامیه، ح. دومینیک، دی. کریستین، تی بی موو: برنامه ریزی مسیر داخلی مبتنی بر BIM. در پیشرفت های مکانیک، مهندسی طراحی و ساخت ؛ Springer: برلین/هایدلبرگ، آلمان، 2017; صص 889-899. [ Google Scholar ]
لی، ایکس. کلارامونت، سی. Ray, C. یک مدل مبتنی بر گراف شبکه ای برای تجزیه و تحلیل فضاهای داخلی دو بعدی. محاسبه کنید. محیط زیست سیستم شهری 2010 ، 34 ، 532-540. [ Google Scholar ] [ CrossRef ]
لین، YH; لیو، YS; گائو، جی. برنامه ریزی مسیر مبتنی بر IFC برای فضاهای داخلی سه بعدی. Adv. مهندس به اطلاع رساندن. 2013 ، 27 ، 189-205. [ Google Scholar ] [ CrossRef ][ نسخه سبز ]
ایسیکداغ، یو. زلاتانوا، اس. Underwood، J. یک مدل BIM-oriented برای پشتیبانی از الزامات ناوبری داخلی. محاسبه کنید. محیط زیست سیستم شهری 2013 ، 41 ، 112-123. [ Google Scholar ] [ CrossRef ]
بلال، م. اویدله، لو. قدیر، ج. تجزیه و تحلیل ویژگی های حیاتی و ارزیابی نرم افزار BIM: به سوی یک پلاگین برای به حداقل رساندن زباله های ساختمانی با استفاده از داده های بزرگ. بین المللی J. Sustain. ساختن. تکنولوژی توسعه شهری 2015 ، 6 ، 211-228. [ Google Scholar ] [ CrossRef ]
لیو، ایکس. او، سی. ژائو، اچ. جیا، جی. لیو، سی. مدل سازی اطلاعات ساختمان برنامه ریزی مسیر داخلی: یک رویکرد سبک وزن برای ساختمان پیچیده BIM. محاسبه کنید. انیمات. دنیای مجازی 2021 ، 32 ، e2014. [ Google Scholar ] [ CrossRef ]
المکاوی، م. Ostman، A. Semantic mapping: یک روش مهندسی هستی شناسی برای ادغام مدل های ساختمان در IFC و CityGML. در مجموعه مقالات سومین اجلاس زمین دیجیتال ISDE، نسبار، بلغارستان، 12 تا 14 ژوئن 2010. [ Google Scholar ]
کریمی، ح. Akinci, B. CAD and GIS Integration , 1st ed.; کریمی، ح، آکینجی، ب.، ویرایش. CRC Press: Boca Raton، FL، USA، 2010. [ Google Scholar ]
المیوش، آر. رزوق، م. حجازی، اول. یکپارچه سازی و مدیریت BIM در GIS، بررسی نرم افزار. در مجموعه مقالات ISPRS هشتمین کنفرانس 3DGeoInfo و کارگاه WG II/2، استانبول، ترکیه، 27-29 نوامبر 2013. [ Google Scholar ]
منگ، ال. چنگ، CQ; چن، دی. مدل کوانتیزاسیون زمین بر اساس شبکه تقسیم بندی جهانی. Acta Geod. Et Cartogr. گناه 2016 ، 45 ، 152-158. [ Google Scholar ]
Cheng، CQ مقدمه ای بر سازمان زیربخش اطلاعات مکانی ; انتشارات علمی: پکن، چین، 2012. [ Google Scholar ]
چنگ، CQ; ژنگ، CX روشی برای یکسان سازی شبکه های عرض و طول جغرافیایی موجود. ISPRS Int. J. Geo-Inf. 2012 ، 5 ، 161. [ Google Scholar ] [ CrossRef ]
لو، ن. چنگ، CQ; یانگ، روش پیش پردازش و آماده سازی داده ها توسط توزیع بر اساس مدل تقسیم جهانی. Geogr. Geo-Inf. علمی 2013 ، 29 ، 56-59. [ Google Scholar ]
یوان، جی. مدل کد بخش اداری بر اساس شبکه GeoSOT . دانشکده علوم زمین و فضا، دانشگاه پکن: پکن، چین، 2017. [ Google Scholar ]
چنگ، CQ; تانگ، ایکس سی; چن، بی. Zhai، WX یک روش تقسیم بندی برای یکسان سازی شبکه های عرض و طول موجود. ISPRS Int. J. Geo-Inf. 2016 ، 5 ، 161. [ Google Scholar ] [ CrossRef ]
هو، XG; چنگ، CQ; تحقیقات تانگ، XC بر روی نمایش داده های سه بعدی بر اساس GeoSOT-3D. J. دانشگاه پکن. 2015 ، 51 ، 1022-1028. [ Google Scholar ]
پنتیلا، اچ. توصیف تغییرات در فناوری اطلاعات معماری برای درک پیچیدگی طراحی و بیان معماری آزاد. J. Inf. تکنولوژی ساخت و ساز 2006 ، 11 ، 395-408. [ Google Scholar ]
وانگ، ایکس. Love، PE BIM+ AR: اشتراک گذاری و ارتباط اطلاعات در محل از طریق تجسم پیشرفته. در مجموعه مقالات شانزدهمین کنفرانس بین المللی IEEE در سال 2012 در مورد کار مشترک با پشتیبانی رایانه در طراحی (CSCWD)، ووهان، چین، 23 تا 25 مه 2012. صص 850-855. [ Google Scholar ]
Dossick، CS; Neff, G. تقسیمات سازمانی در ساخت و ساز تجاری مبتنی بر BIM. J. Constr. مهندس مدیریت 2009 ، 136 ، 459-467. [ Google Scholar ] [ CrossRef ][ نسخه سبز ]
وانگ، ایکس. ترویجنز، ام. هو، ال. وانگ، ی. ژو، ی. ادغام واقعیت افزوده با مدل سازی اطلاعات ساختمان: کنترل فرآیند ساخت و ساز در محل برای صنعت گاز طبیعی مایع. خودکار ساخت و ساز 2014 ، 40 ، 96-105. [ Google Scholar ] [ CrossRef ]
تیلور، جی. برنشتاین، PG پارادایم مسیرهای عمل مدل سازی اطلاعات ساختمان در شبکه های پروژه. جی. مناگ. مهندس 2009 ، 25 ، 69-76. [ Google Scholar ] [ CrossRef ]
Li, L. تحقیق در مورد مدیریت یکپارچه اطلاعات متنی پروژه ساخت و ساز بر اساس BIM ; دانشگاه صنعتی دالیان: دالیان، چین، 2015. [ Google Scholar ]
گروه تحقیقاتی BIM دانشگاه Tsinghua. تحقیق در مورد چارچوب استاندارد مدل سازی اطلاعات ساختمان در چین . چاپ معماری و ساخت و ساز چین: پکن، چین، 2011. [ Google Scholar ]
IFC++. در دسترس آنلاین: https://www.ifcquery.com/ (در 1 ژانویه 2022 قابل دسترسی است).
لین، وای؛ Lin, PH نسل هوشمند توپولوژی داخلی (i-GIT) برای مسیریابی انسان در فضای داخلی بر اساس مدل های IFC و فناوری 3D GIS. خودکار ساخت و ساز 2018 ، 94 ، 340-359. [ Google Scholar ] [ CrossRef ]
دانکرز، اس. لدوکس، اچ. ژائو، جی. Stoter, J. تبدیل خودکار مجموعه داده های IFC به ساختمان های CityGML LOD3 از نظر هندسی و معنایی درست: تبدیل خودکار مجموعه داده های IFC به ساختمان های CityGML LOD3. ترانس. GIS 2016 ، 20 ، 547–569. [ Google Scholar ] [ CrossRef ][ نسخه سبز ]
ژو، HB; شی، WP; دنگ، XY تحقیق در مورد کتابخانه اجزای BIM بر اساس استاندارد IFC. جی. نمودار. 2017 ، 38 ، 589-595. [ Google Scholar ]
هارت، PE; نیلسون، نیوجرسی؛ رافائل، بی. مبنای رسمی برای تعیین اکتشافی مسیرهای حداقل هزینه. IEEE Trans. سیستم علمی سایبرن. 1968 ، 4 ، 100-107. [ Google Scholar ] [ CrossRef ]
تنجا، س. آکینجی، بی. الگوریتم‌های Garrett، JH برای تولید خودکار مدل‌های ناوبری از مدل‌های اطلاعات ساختمان تا پشتیبانی از تطبیق نقشه‌های داخلی. خودکار ساخت و ساز 2016 ، 61 ، 24-41. [ Google Scholar ] [ CrossRef ][ نسخه سبز ]
چن، YB; Mei، YS; یو، جی کیو; سو، XL; Xu, N. برنامه ریزی مسیر وسیله نقلیه هوایی بدون سرنشین سه بعدی با استفاده از الگوریتم جستجوی بسته گرگ اصلاح شده. محاسبات عصبی 2017 ، 266 ، 445-457. [ Google Scholar ]
وانگ، ز. Cai, J. برنامه ریزی مسیر در محیط رادیواکتیو تاسیسات هسته ای با استفاده از الگوریتم بهینه سازی ازدحام ذرات بهبود یافته. هسته مهندس دس 2018 ، 326 ، 79-86. [ Google Scholar ] [ CrossRef ]
ساگر، م. میراندا، جی. داوان، وی. دارماراج، اس. روند رو به رشد دوقلوهای دیجیتال مقیاس شهر در سراسر جهان. 2020. در دسترس آنلاین: https://opengovasia.com/the-growing-trend-of-city-scale-digital-twins-around-the-world/ (در 1 ژانویه 2022 قابل دسترسی است).
کتزلر، بی. ناصرنتین، وی. لاتین، F. دوقلوهای دیجیتال برای شهرها: بررسی وضعیت هنر. محیط ساخته شده 2020 ، 46 ، 547-573. [ Google Scholar ] [ CrossRef ]

شکل 1. ایده کلی مقاله.

شکل 2. GeoSOT مش سه فرآیند گسترش [ 25 ].

شکل 3. مش بندی سه بعدی GeoSOT [ 26 ].

شکل 4. نمودار شماتیک دنباله کدگذاری سلول های شبکه سه بعدی GeoSOT [ 26 ]. ( الف ) نمای مایل. ( ب ) نمای بالا.

شکل 5. فرآیند ساخت نقشه شبکه داخلی.

شکل 6. محاسبه مکان محله. ( الف ) چهار محله; ( ب ) هشت محله.

شکل 7. فاصله شبکه فضایی دو بعدی.

شکل 8. الگوریتم A* توسعه یافته.

شکل 9. جریان الگوریتم GeoSOT-A*.

شکل 10. نمایش برنامه ریزی مسیر الگوریتم GeoSOT-A*.

شکل 11. منبع داده BIM.

شکل 12. نمایشگر شبکه جهانی GeoSOT ( a ) نمایشگر سه بعدی. ( ب ) نمایش دو بعدی.

شکل 13. مدل BIM ساختار داخلی را بارگذاری و حل می کند.

شکل 14. تحلیل مدل BIM برای تولید نقشه توپولوژی شبکه داخلی.

شکل 15. برنامه ریزی مسیر تک طبقه.

شکل 16. برنامه ریزی مسیر چند طبقه.

مقالات داخلی و بین المللی

بدون دیدگاه

دیدگاهتان را بنویسید لغو پاسخ

برای نوشتن دیدگاه باید وارد بشوید.

مشاورین هوش پیروزی

برنامه ریزی دقیق مسیر داخلی بر اساس مدل ترکیبی GeoSOT و BIM