面向铁路站场平面数字化设计系统的本体建模研究

针对铁路站场平面数字化设计中设备类型众多且空间关联耦合的难点,基于本体建模理论与方法,依据站场设备类型划分各设备的概念,以概念的属性来表达设备的空间约束条件,将设备修改后的联动操作抽象为本体的函数,将站场专业中的规范和标准定义为本体的公理。应用空间一致性检测方法,实现站场平面交互设计中设备的空间约束自动重构及概念的属性同步刷新,开发了站场平面设计原型系统,已在开原西和诺尔盖等多个车站平面设计中成功应用。     

一种快速构建道路整体模型方法的研究

依据道路线路设计成果计算出道路模型与地形模型的拼合交线，用设计点(特征线)数据替换拼合交线内的地形点(特征线)数据，形成道路建模所需的原始点集和约束边集。针对原始点集采用逐点插入算法进行Delaunay三角剖分，将约束边嵌入初始三角网中，由此得到外观与内部拓扑关系均为整体的道路三维模型。     

基于不规则三角网的视相关细节层次网格化方法研究

多分辨率三角形网格表示对于实时渲染复杂的几何场景来说是一个重要的工具。本文对交互可视复杂的三角形网格提出了有效的视相关网格化的框架,介绍了涉及视锥、表面方向和屏幕投影误差的视相关网格化准则,给出了基于边的数据结构和构建元操作层次结构的方法,同时根据这些准则发展了渐进细化和简化网格的实时算法。提出的视相关网格化方法具有较高的时间效率。     

道路整体三维模型构建方法的研究

建立道路与地面的整体三维模型是实现道路三维可视化的关键。系统分析了现有的道路三维模型构建方法,针对其存在的不足,提出了一种将道路设计面模型与地形表面模型融为一体的整体模型构建方法,该方法基于在约束Delaunay三角网内插入点和约束边的理论,巧妙地解决了剔除落在道路设计面区域内的地形点的问题,实现了道路设计面与地形表面的整体建网。应用道路整体模型可以实现道路景观的三维漫游,评价三维立体线形以及与周围地形的配合情况。     

三角网数字地面模型在公路路线CAD中的应用

“公路数字地形图机助设计系统”（ＨＡＣＡＤ）是长沙铁道学院与四川省交通厅公路规划勘察设计研究院合作完成的湖南省科委课题，现已在生产单位推广应用。本文重点介绍该系统中三角网数字地面模型的生成原理、过程以及如何与ＣＡＤ技术结合应用于公路路线设计。     

快速构建Delaunay三角网算法研究

研究一种快速构建Delaunay三角网的算法，该算法结合逐点插入算法和分治算法，具有建网速度快，耗费空间小的优点。采用多级自适应网格划分点集，对叶子网格内的点采用改进了的逐点插入算法生成了三角网，子三角网间利用分治算法的思想进行合并。经实践验证，算法复杂度与点数几乎成线性关系。     

道路三维场景的实时动态显示技术

实时动态显示技术是实现道路三维可视化设计的关键，应用Delaunay三角化算法构建数字地面模型，基于分割—归并思想完成道路三维实体造型，在此基础上，提出并实现了有效的道路三维模型的视相关简化算法，并结合真实感图形绘制技术开发了道路三维场景的实时动态浏览平台，将该平台与路线CAD系统集成，实现了道路设计过程和设计成果的可视化。     

基于数字地球的铁路三维空间选线技术研究

研究目的:基于数字地球建立铁路三维空间选线平台.研究结论:系统充分利用了数字地球软件提供的数字地形及高清影像等基础地理信息资源,建立了三维空间选线平台,并在"安康至张家界"、"郑州至万州"等项目中成功应用,应用表明该系统具有以下特点: (1) 实现了从Google Earth中的实时批量提取数字地形与影像数据;(2) 利用Google Earth的KML技术实现在Google Earth进行铁路平面定线,使Google Earth成为铁路的三维空间选线平台;(3) 建立了一个铁路线路及沿线自然环境的属性信息录入和查询机制;(4) 在传统AutoCAD平台下构建了新建铁路线路平、纵、横设计模块,满足铁路线路精细设计阶段的的各种功能,重点解决了纵断面优化问题;(5)实现了铁路设计成果在Google Earth中的三维可视化.     

基于运行车速法的交互式道路安全选线CAD系统研究与应用

基于<公路项目安全性评价指南>推荐的运行车速计算模型,结合交互式线路设计思想,采用多视窗的平、纵、横、运行车速一体化设计,将道路安全评价和CAD集成,既实现了道路安全审计,又方便设计方案的修改.同时将运行车速与三维仿真结合,模拟车辆在设计线路中的运行车速,实现了在三维仿真场景中的安全检查.     

基于并行多任务深度学习的铁路主要技术标准优选

铁路主要技术标准是铁路全生命周期最重要的先决技术决策之一.传统的基于经验驱动的决策方法工作量大、周期长、严重依赖设计者的经验水平、可能遗漏有价值的方案.而主要技术标准优选的关键在于揭示多维环境因素与主要技术标准值之间的潜在映射关系.受深度学习在规律特征识别方面成功应用的启发,提出基于并行多任务深度学习的铁路主要技术标准优选方法:将影响技术标准决策的多维环境因素为输入,主要技术标准值为输出,构建深度学习模型发掘规律;提出将地形转换为图像,再卷积提取特征,并与运量、路网中的作用等数据融合的方法,解决多模态混合输入学习样本的生成难题;针对各标准之间相互关联问题,建立了适于主要技术标准优选的多任务神经网络结构,并通过大量实验,确定了卷积层、卷积核、全连接层等主要结构参数.经5736 km既有线路实例验证,主要技术标准决策的平均准确率可达88％以上.