精华内容
下载资源
问答
  • 福建省福州市第一中学 余林韵 11121 11121 2006200720082009 化归 就是转化和归结 问题甲 比较容易解决问题乙 化归方法要素 化归对象 即对什么东西进行化归 化归目标 即化归到何处去 化归途径 即如何进行化归 ...
  • 关注初中数学“化归”思想“化归”就是将面临新问题转化为已经熟悉规范问题数学方法,后者具有确定解法或者有...③化归途径(沟通新问题与规范问题策略设计,例如利用分式符号与分子分母符号关系实现转...

    初中数学“化归”思想

    “化归”就是将面临的新问题转化为已经熟悉的规范问题的数学方法,后者具有确定的解法或者有确定的求解程序。这是一种具有普遍适用性的数学思想方法。

    7bd3b0f7b2ef121bcf4f3436a0ce9c31.png

    从这个例子我们可以概括出化归包括三个要素:①化归对象(我们不熟悉的新问题,例如分式不等式);②化归目标(规范问题,例如一元一次不等式组);③化归途径(沟通新问题与规范问题的策略设计,例如利用分式的符号与分子分母符号的关系实现转化)

    化归的基本原则

    (1)熟悉化原则。如果化归后的问题仍然没有办法解决,那么化归无效。例如“已知函数y=(a-b)x+c当x=-5,x=3时的值分别为3,-1,求这个函数的解析式。”如果应用待定系数法把这个问题化归为“解一个关于a,b,c的三元一次方程组”,那么由于这个方程组有三个未知数,只有两个方程,仍无法解,化归结果就不是一个熟悉问题,化归无效。但是,如果化归为“解一个以a-b与c为未知数的二元一次方程组”,由于后者有现成解法,就符合熟悉化原则。

    (2)简单化原则。即把复杂问题简单化。仍如上例,“当x=-5,x=3....”本身就是一个我们熟悉的规范问题,a,b,c可以直接忽略,化归就更加简单,可见化归的策略是有优劣之分的。

    (3)和谐化原则。即把数学问题的表现形式转化为符合我们认识的统一形式,显得和谐。例如“已知x1,x2是方程x²-5x-4=0的两根,求x1²x2+4x1的值”,求值的表达式很不对称,必须利用韦达定理把它转化为x1+x2和x1x2进行降幂。

    找到化归对象与化归目标的联系,常用方法不一而足,分割图形、典型化、数形互化、消元、换元、数学模型等方法都很常用,但都不应以静止的观点看问题,而应善于用变化的观点。比如平面几何的证明题,我们常常会教学生“条件性质化,结论条件化”,从而找到沟通方法。

    化归的主要作用

    (1)运用化归思想指导新知识的学习。例如学习梯形中位线的性质,我们把梯形中位线化归为三角形的中位线来研究。

    4c91f0a8bc62b634a84627e2f7868da3.png

    (2)利用化归思想指导解题。比如在有理数范围内分解因式:2a²-1/2利用化归的思想构造应用乘法公式:2a²-1/2=1/2(4a²-1)。问题就立刻解决了。

    (3)利用化归思想梳理知识结构。把逐章所学的知识进行整理、消化、提炼,把零星知识组织成有序的知识网络。例如无理式通过“分母有理化”为求和创造条件,方程组通过消元减少未知数,分式方程通过“去分母”归结为整式方程,或通过“换元”分布求解,等等。但是要注意了,化归前后的两个问题不一定是等价的问题,新问题的解未必都是原问题的解,需要做出判断,比如分式方程化归为整式方程,根可能增加,要舍去增根。

    2c414974b2755d30f2463b4f9aa354e9.png3d3c83116959625a4c2a73181974a1c7.png96f69069745d5915964c4bd4250f75b2.png529734f81a8f940a1bfe5b534ad67018.png

    数学作为一门重要的基础学科,有它独特的基本结构。数学的基本结构由数学的知识结构和数学的观念系统两部分组成:组成其知识结构的是概念、定理、公式、法则,以及它们之间的联系;组成其观念的是数学思想、思维策略和方法等。

    展开全文
  • 本文讲是信息治理与北京治堵:疏图同,2010年12月23日下午,北京市政府公布了名为《小客车数量调控暂行规定》政府令,为今后想买车人添了一“堵”。因为这个被冠以“治堵新政”地方政府规章,试图通过控制...

    本文讲的是信息化治理与北京治堵:疏图同归,2010年12月23日下午,北京市政府公布了名为《小客车数量调控暂行规定》的政府令,为今后想买车的人添了一“堵”。因为这个被冠以“治堵新政”的地方政府规章,试图通过控制小客车增长速度(排队摇号购车)、调整停车收费标准等途径,来治理日益恶化的北京交通拥堵局面。

      为了治堵却对车下手,不论效果如何,总不是根除病根的法子。最近就有调查显示,7成市民认为所谓“治堵新政”是治标不治本。人们有这样的态度也不足为怪,因为治堵从表面上看是车多的问题,而实际上却是城市规划的问题。这就像企业信息化管理出了问题的时候,表面看是在某个管理软件出现的问题,可深层原因却是整体规划的问题。

      在现在这个高度信息化的时代,企业为了适应更快的节奏,更严格的要求,纷纷上马信息化软件,各项业务高度依赖信息化软件。但人们在使用信息化软件也会遇到这样那样的问题,有的是财务出了问题,有的是生产出了问题,还有的是市场出了问题,等等。

      一些企业在追究问题的原因时,通常认为是某个管理软件的性能或操作存在问题,但实际上,真的如此吗?答案并不是绝对的。其实,拿城市拥堵来类比,一切都很清晰明了。以北京为例,在许多拥堵已成常态的地方,如中关村、王府井、西单、二环、三环,这些地方堵车表面看是因为车太多。可那为什么车太多呢?究其原因是这些地方太繁华,城市功能区云集于此。而且,很多不发达城区,几乎从来不出现堵车,也在某种程度上证实了这个问题。

      既然如此,在解决交通问题的时候,就不应该只看到了表面的车多,就限制汽车的使用,殊不知这只是治标不治本,应该看到车多、拥挤的背后是是城市整体规划的问题。当一个城市不能系统的考虑各项因素,城市规划就会出现失衡,导致有的地区非常发达,经常处在非常大的交通压力下,而有的地区相对冷清,交通设施利用率很低,造成浪费。

      城市治堵不能看到车多就限制车辆购置、使用,而应该在城市规划时合理布置城市功能区。企业管理亦是如此。在企业进行信息化建设的时候,保证各种管理软件尽量不出问题固然重要,但更重要的是合理设计信息化系统的架构,信息化实施的步骤,使其系统合理、均衡、适应力强。这样即使出了问题,也是局部的小问题。

      因此,企业信息化建设第一步就要有一个合理的系统结构,而这一结构的科学与否,却是取决于能否适应后续的建设。也可以这样说,科学的企业信息化架构必须具有可扩展性、兼容性,在这方面,金和软件的C6协同管理平台,堪称目前企业实施信息化的最佳平台。C6是基于松耦合的架构设计,这样的平台系统更加富有谈性,能够与各种各样的管理软件和平共处,C6还提供了与用友U8、金蝶K3、SAP B1、HR等诸多业务系统的接口适配器,通过简单的配置和少量的表单开发工作,就可以方便地实现整合应用,从不同管理软件里面钻取数据的障碍也消失了,企业的信息化系统成为更加协调的有机体,使企业能够适应不断涌现的新需求。

      治堵是为了方便人们出行,不能以损害人们限制人们使用出行工具为代价。因此,北京治堵的思路不能停留在“限”上,应在城市规划上下功夫。同样,企业信息化治理是为了效率更高,内部合作更紧密,因此,也必须把整体规划放在首位,只有一个健康合理的结构,才能支持企业在信息化路上走得更稳健,更快速。

    作者:  永辉 

    来源: IT168

    原文标题:信息化治理与北京治堵:疏图同归

    展开全文
  • Parton准分布函数提供了使用晶格QCD从头计算Parton分布函数(PDF)的途径。 准PDF的计算面临的问题之一是非本地算子的重新规范。 通过引入一个辅助字段,我们可以在扩展理论中用一对局部算子代替非局部算子。 在...
  • 【作者信息】冯伟民,张 敏(上海营邑城市规划设计股份有限公司,上海 201800)【摘要】“数字中国、智慧社会”战略成为推动数字经济、智慧城市建设及其可持续发展重要途径。在此背景下,“智慧管网”建设成为...

    968c0e53-a61c-eb11-8da9-e4434bdf6706.jpeg

    点击图片上方蓝色字体“慧天地”即可订阅

    9a8c0e53-a61c-eb11-8da9-e4434bdf6706.gif文章转载自微信公众号地理信息世界GeomaticsWorld版权归原作者及刊载媒体所有。

    9c8c0e53-a61c-eb11-8da9-e4434bdf6706.png

    【作者信息】冯伟民,张 敏(上海营邑城市规划设计股份有限公司,上海 201800)

    【摘要】“数字中国、智慧社会”战略成为推动数字经济、智慧城市建设及其可持续化发展的重要途径。在此背景下,“智慧管网”的建设成为智慧市政建设中的重中之重。利用BIM技术研发地下管网数据一体化处理平台,在数据获取阶段即可建立三维可视化模型,不仅有助于开展规划设计应用,还可以将地下管网建设各阶段的信息纳入一体化运行。通过对管线数据的获取、规划设计及在市政建设阶段的实践应用证明:该方法不仅降低了规划设计的时间和成本,提高了建设管理阶段的效率,而且改进了传统规划设计理念,对地下管线规划设计的BIM应用研究起到了探索和引领的作用。

    【关键词】地下管网;BIM;规划设计;一体化;平台

    【中图分类号】TU984 

    【文献标识码】

    【文章编号】1672-1586(2019)05-0123-06

    引文格式:冯伟民,张 敏. 地下管网BIM数据一体化处理平台研发与应用[J].地理信息世界,2019,26(5):123-128.

    正文

    0 引 言

    随着智慧城市的规划与建设,地下管网的规划设计及管理正由图纸模拟方式向数字方式转换,数据的管理正由碎片化形式向三维智慧信息共享形式转换。在这样的时代背景下,地下管网的规划、设计、建设和管理正面临着新的挑战。伴随BIM技术的应用发展,开展地下管网建设运行全周期BIM平台的研发与应用,并将其融入整个智慧城市中,使得地下管网的规划、设计、建设和管理更安全、合理、智能地服务大众,这是未来的发展趋势。

    国家《建筑信息模型应用统一标准》的条文说明里提出:目前中国BIM应用仍处于探索阶段,实践证明用一款软件、一个模型来实现全周期管理是不可能的。我国一直主张的方法是把整个BIM拆分成多个子模型,多种专业软件,通过软件之间的数据交换,来提高效率。为此,本文探讨地下管网BIM一体化处理平台研发与应用,旨在促进BIM应用及地下管网规划管理智慧化。

    1 现状问题与需求分析

    传统的地下管网从规划设计到建设运营各个阶段,在数据交换、管理以及可视化表现等诸多方面都存在不少问题。

    1.1 规划设计阶段

    在现有规划设计过程中,管网综合二维图所表现的内容在空间上很容易出现碰撞和矛盾,表现在以下两个方面:

    1)交叉冲突问题:传统市政管线综合设计通常包括管线横断面、平面布置及交叉口节点的设计,这些传统二维设计内容仅能够表达局部信息,缺乏整体性与连续性;横断面图无法表达整条道路下方的全貌,很难对管线综合进行全面整体的分析,致使管线交叉部分冲突的问题难以及时发现。

    2)标高碰撞问题:传统的市政管线综合设计中管线交叉处的标注多为“控制高程”,即各专业管线彼此相交时竖向规定的“极值”标高。后期施工中,“控制高程”很难保证施工的完全精确定位。而且,“控制高程”只规定了标高区间的上限极值或下限极值,有时交会处满足“控制高程”条件后又会造成另一处“碰撞”。

    1.2 建设施工阶段

    传统的市政管线综合是在各专业管线未施工前将设计图纸汇总到管线综合专业,由管线综合专业对各个专业管线进行总体规划后直接进入施工阶段,如果没有三维立体的管线综合手段,后期施工遇到管线冲突势必会造成设计变更和工程返工。

    从规划阶段到管线综合阶段的问题遗留到施工阶段,势必会对工程项目进度产生影响。管线综合的不合理会造成市政道路的二次开挖甚至多次开挖,不仅影响工程质量和工期,还会导致工程资源的浪费和施工重复进行。在有限的地下空间中各种管线交互密布还会对下一阶段运营管理带来隐患。

    1.3 运营管理阶段

    在后期运营管理过程中,新增管线和待检修管线都需要二次开挖,如果管线综合布置不合理,很容易造成在开挖过程中对非目标管道的损坏和影响。

    在传统养护管理中,抢修维护需要开挖样洞,管线定位错误率高,造成管线破裂等社会经济影响;一旦出现爆管等应急情况时,由于缺乏有效数据可视化平台,会对决策判断带来很大障碍;传统养护管理的技术手段仍处于人工排摸地下管线的阶段。

    1.4 需求分析

    传统规划设计中应用AutoCAD软件平台进行城市管网规划设计,在AutoCAD二维设计环境下,上述规划设计、建设施工及运营管理阶段出现的矛盾和问题很难得到解决。目前,虽然有关设计部门已开始利用BIM技术,但是BIM应用一直面临着软件各自为政、数据不互通、出现了严重的信息孤岛等问题。

    BIM软件技术的应用主要集中在建筑设计领域,有涉及管线的内容也仅限于管线的具体设计,而针对管线规划设计和建设管理的应用开发较少,特别是多种管线线位的综合、地下空间大范围的规划布局,以及在建设施工总体方案模拟等方面的应用。

    2 技术路线及实现途径

    针对上述的主要问题,本文研发的平台以BIM技术为支撑以解决管线空间碰撞、数据异构、错误率高、各自为政等问题为目标,而且考虑到能与传统方法平滑过渡,又顾及异构数据的有效交换,以及良好的可视化表现以及便于操作,本文研发过程中选择了目前国际上主流开发语言,通过关键技术应用研究,实现了预期目标与功能。

    2.1 技术路线

    针对应用需求及平台目标,依据下列技术路线进行研发:

    1)遵从国家规范标准:平台的研发符合信息技术国家标准、计算机软件工程国家标准GB/T、GB/Z系列标准和规范。对于Civil3D国际通用模板,由于较难适应特定地区的专业用户使用,在应用技术标准化方面、数据管理方面、输入输出方面的差异在开发过程,进行了调整和解决,符合国家技术应用标准

    2)满足规划设计需求:在通用版本自带设计功能之外,根据规划设计的需求,研发实用的个性化功能,诸如非压力管建模、规划方案建模、多种横断面规范出图、二维管线到三维管线批量建模、管线综合BIM模型碰撞检查、基于测绘数据快速准确创建BIM模型、工程造价统计和自动生成报告等。

    3)实现异构系统集成:在地下管网规划设计时,要涉及多个软件的应用与多种数据格式,需要多个软件协同完成任务,特别是结构化数据和非结构化数据之间会出现数据交换和共享的需求。本文所研发的基于IFC的BIM数据库具有关联功能,解决多数据交换共享的复杂问题,实现异构系统协同运行、异构数据交换和信息共享,如图1所示。

    9d8c0e53-a61c-eb11-8da9-e4434bdf6706.png

    图1 基于IFC的BIM数据库

    Fig.1 IFC - based BIM database

    4)生成三维建设场景:在地下管线建设过程中,需要利用3D可视化技术在一个可呈现的平台中,对建设过程场景进行还原、施工方案模拟、交通组织模拟、在不同建设阶段管线排布的方案及效果模拟,以及进行未来建设阶段模拟及仿真,为此按照如图2所示的技术路线进行研发。

    9e8c0e53-a61c-eb11-8da9-e4434bdf6706.png

    图2 基于BIM生成和发布三维建设场景

    Fig.2 Generating and publishing 3D construction scene based on BIM

    2.2 研发环境

    根据上述技术路线,应用下列研发环境进行平台的研发:

    1)基础研发环境:平台的研发是基于AutoCAD以及Civil3D的.NET和COM API环境;使用COM API和.NET API以及CustomDraw API对AutoCAD以及Civil3D进行二次开发。COM API主要以ActiveX接口的方式提供,从托管代码或者非托管代码访问COM API。.NET API创建基于Civil3D的NET应用程序,使用.NET框架所支持的任何语言来编写。CustomDraw API是对ObjectARX的扩展,能定制Civil3D渲染对象的方式,提高图形的绘制显示。

    2)三维数据融合:在研发过程中,利用开源组件如C5、JSON.NET、DotSpatial、EPPlus和Serilog等环境来实现三维施工图和3D BIM批量建模;将从不同三维应用软件收集到的建筑模型、GIS地理图形和点云数据等信息,通过有关开源组件进行BIM模型运算处理,取得一个中间结果。使该结果兼容并可被读取,达到批量读取其他格式目的。

    3)模型数据处理:利用Autodesk inventor软件平台,对模型进行数据参数化、标准化处理,建立完整的模型数据库。利用该数据库和相关软件,精准、快速、简洁地进行模型的二次开发,优化模型,提高模型整体的轻量化与精准度。

    4)研发环境标准:研发环境符合和支持国家信息技术和计算机软件工程标准GB/T、GB/Z以及Representayion State Transfer、J2EE、CMMI3等。

    2.3 核心功能

    1)碰撞检测模块:利用Civil3D自主研发碰撞检测模块。其功能是对管线、地下构筑物、井位碰撞进行检测,并自动生成主要断面图数据。这为规划设计专业人员在规划设计阶段提供更完善的数据支持,提供的管线正向设计建模功能,改变了以往为检测碰撞进行反向建模的传统。

    2)数据整合模块:通过IFC数据模型整合,将Civil3D、Revit、Infraworks等平台数据统一管理。将二维CAD图形所创建的三维管道直接导入到项目平台中,可以建立管道直观的数字可视化模型,避免以往不同格式的BIM数据之间反复调整,模型错位、不兼容等情况出现。

    3)过程管理模块:通过Timeliner技术,模拟整个施工建设过程,了解在施工过程中因交通组织、老管线与新管线空间位置,地下构筑物结构与管线的空间关系,围墙拆除等原因造成的问题,预先做出判断及优化。并对整个过程进行施工成本预决算处理,计算出一个较为精确的成本预算。

    4)集成处理平台:通过上述关键技术模块的研发,构建了地下管线规划设计的可视化操作环境,实现了异构软件和数据互通、优化了设计精度、避免了管网的空间碰撞,创建了“基于BIM地下管网数据可视化、一体化处理平台”。

    2.4 平台特点

    如图3所示,目前国内外常用的BIM软件主要包括CAD平台的天正系列,PKPM、ArchiCAD和Autodesk公司的核心建模软件Revit等;常用的可视化软件包括3DS Max、Artlantis、AccuRender和Lightscape等;施工阶段所涉及的软件主要有Autodesk旗下的Navisworks;鲁班软件和广联达是国内碰撞检查软件和造价软件的代表,各软件的应用市场细分如图4所示。

    9f8c0e53-a61c-eb11-8da9-e4434bdf6706.png

    图3 国内外常用BIM软件

    Fig.3 Common BIM software

    a08c0e53-a61c-eb11-8da9-e4434bdf6706.png

    图4 各软件细分市场

    Fig.4 Each software's market

    相比之下,本文所研发的如图5所示的平台是针对市政工程管线规划设计阶段的BIM应用,立足于项目全生命阶段及各参与方协同的角度研发,平台基于BIM技术和国家标准规范,整合了结构分析软件、可视化软件、模型综合碰撞检查软件、造价管理软件、道路翻交应用软件功能等相关配套软件,实现了数据的可视化、一体化管理,可以应用于地下管网规划管理及运营养护。而且,平台获3项科技查新和9项软件著作权,拥有自主知识产权。

    a18c0e53-a61c-eb11-8da9-e4434bdf6706.png

    图5 地下管网数据可视化、一体化处理平台

    Fig.5 Underground pipe network data visualization and integrated processing platform

    3 应用示范与典型成果

    本文研发的平台成果已经在上海地铁15、18号线的站点管线综合,杨树浦路、虹桥路综合改造等重点工程中得到了应用,并在项目应用中得到不断的改进和完善。

    以下为上海虹桥枢纽某道路市政道路改扩建及架空线入地项目中的应用案例,分别从规划设计、建设施工、运营管理3个阶段,论述应用成果。

    3.1 规划设计阶段

    虹桥枢纽道路改造项目由于地下空间的开发需求大,市政设施的配套需求高,土地资源紧缺,因此对于地下管线的规划设计精确性要求很高,在研发平台的支持下完成了管线初步规划设计和综合规划设计工作。

    1)初步规划设计:根据虹桥路道路改造路段现有地下管线物探结果获得的管线数据资料(表格),输入平台批量生成BIM格式的现状管线模型;在此基础之上,进行规划管线的初步设计,利用碰撞检测功能对新老管线位进行调整后,生成规划管线的初步设计方案,如图6所示。并根据规范输出初步设计方案的横断面图、管线综合图等,为下一步规划设计提供基础数据,如图7所示。

    a28c0e53-a61c-eb11-8da9-e4434bdf6706.png

    图6 初步规划设计

    Fig.6 Preliminary planning and design

    a58c0e53-a61c-eb11-8da9-e4434bdf6706.png

    图7 生成的横断面图和管线综合图

    Fig.7 The generated cross section diagram and pipeline synthesis diagram

    2)综合规划设计:在生成规划管线的初步设计方案后,其初步规划设计线位尚需要同其他专业管线线位及其相关的地上和地下的构筑物、建筑物相衔接和协调。应用研发平台多数据格式兼容和可视化的功能,在综合规划设计时,平台读取了不同专业(电力、通讯、燃气等)提供的不同数据格式的BIM设计数据及地上地下空间结构数据,并在平台上进行可视化显示。这样在综合管线规划设计时,利用同一的可视化平台,实现新老管线数据之间、各类专业管线数据之间、管线与市政道路数据之间、管线与周边建筑和管线与其他规划建筑物光滑衔接和协调,避免“冲撞”,合理确定了规划管线的设计线位,达到了高效、科学、可视化规划设计的效果。

    图8表示了在综合规划设计阶段的各类管线、管线与市政道路、管线与周边建筑和管线与其他建筑相衔接的可视化图像。

    a78c0e53-a61c-eb11-8da9-e4434bdf6706.png

    图8 管线与其他地物衔接的几种可视化图像

    Fig.8 Several visualizations of the connection of pipelines to other ground objects

    3.2 建设施工阶段

    虹桥枢纽的交通十分繁忙,编制施工阶段的交通组织方案是建设管理期间最重要的工作之一。利用自行框选施工区域生成各类施工围挡展示功能,模拟和分析施工过程中的封交或者施工翻交过程,如图9所示,为编制交通组织方案提供直观的可靠依据。由于该地区空间环境和地下管线情况复杂,架空线入地方案制定难度也很大。利用本文研发平台模拟各个阶段的结构施工、管线搬迁等方案,使得施工的矛盾点可视化、形象地呈现,化解了架空线入地方案编制的这一难题,有效地提高了建设管理单位的施工协同和工作效率,如图10所示。

    a98c0e53-a61c-eb11-8da9-e4434bdf6706.png

    图9 自行框选施工区域生成各类施工围挡展示功能

    Fig.9 Selection of the construction area and generation of all kinds of construction enclosure display functions

    aa8c0e53-a61c-eb11-8da9-e4434bdf6706.png

    图10 各施工阶段可视化效果

    Fig.10 Visualization at each construction stage

    3.3 运营管理阶段

    本文研发平台的可视化和一体化功能,如图11所示,在运营管理阶段可直观地展现市政设施图档及管线数据资料,并实现三维可视化漫游、检索和资料动态交互查询管理,改变了传统的市政养护管理方式,使得繁重的市政养护及运营管理工作向智慧化迈出了一步。

    ab8c0e53-a61c-eb11-8da9-e4434bdf6706.png

    图11 平台可视化一体化效果

    Fig.11 Platform integration visualization

    4 结束语

    应用实践证明:在地下管线初步规划设计和综合规划设计阶段,利用地下管线勘探数据处理、碰撞检测、可视化等功能,可实施自动化操作和完整的数据处理,减少在图纸检测环节消耗的时间成本,设计效率提升约70%,设计图纸返工次数大幅度减少;对整个施工过程进行模拟,可对项目施工进行实时情况跟踪并分析,精确计算出施工所需原料、开挖坑洞、道路划分等情况。

    同时,平台实现了各软件及数据格式的兼容,避免了因多平台数据传输产生的问题。与传统的方法相比,只需要一张图就可以完成项目所有的工作内容;既保留了传统二维设计的习惯,又发挥了三维可视化设计和易操作的优势。

    在地下管线施工及运营管理阶段,借助平台对施工过程进行方案模拟,可以精确编制最优的施工方案;利用数据传递到运营阶段,可以快速建立运营平台,满足运营阶段精细化管理隐蔽工程的需求。

    总体而言,在工程应用上,当现状管线复杂、地下构筑物众多、需要平衡交通费搬迁费及降低民生影响时,可利用该平台进行节点方案比选和整体管线检查;同时,在规划管理上,可利用本平台实现空间规划管控。可见,本研发平台有助于推动市政管线行业向三维正向规划、设计、施工和管理发展,实现管线行业的精细化管理。

    当然,平台研发仍需进一步提升,包括通过BIM数据自动生成的三维管线展示效果的提升,完善平台三维模型库的设施类型,研究多元化的勘探、物探数据成果的智能化读取,实现更为复杂的道路设施的自动化生成BIM模型等。

    9c8c0e53-a61c-eb11-8da9-e4434bdf6706.png (点击图片即可查看详细信息)ad8c0e53-a61c-eb11-8da9-e4434bdf6706.jpeg

    af8c0e53-a61c-eb11-8da9-e4434bdf6706.png

    b08c0e53-a61c-eb11-8da9-e4434bdf6706.jpeg

    内容转载、商务活动、投稿等合作请联系

    微信号:huitiandi321

    邮箱:geomaticshtd@163.com

    欢迎关注慧天地同名新浪微博:

    ID:慧天地_geomaticser

    往期精彩推荐

    会议通知|关于召开中国城市规划协会地下管线专业委员会2019年年会的通知

    基于基础地理信息数据的III级城市三维模型快速构建方法

    为地下空间做“体检”,我国研制成功人工智能探地雷达!

    b18c0e53-a61c-eb11-8da9-e4434bdf6706.gif

    《慧天地》敬告

    《慧天地》公众号聚焦国内外时空信息科技前沿、行业发展动态、跨界融合趋势,探索企业核心竞争力,传播测绘地理信息文化,为测绘、地信、遥感等相关专业的同学提供日常学习、考研就业一站式服务,旨在打造政产学研用精准对接的平台。《慧天地》高度重视版权,对于原创、委托发布的稿件,会烦请作者、委托方亲自审核通过后才正式推发;对于来自网站、期刊、书籍、微博、微信公众号等媒介的稿件,会在作者栏或者文章开头显著标明出处,以表达对作者和推文引用平台版权的充分尊重和感谢;对于来源于网络作者不明的优质作品,转载时如出现侵权,请后台留言,我们会及时删除。感谢大家一直以来对《慧天地》的关注和支持!——《慧天地》运营团队

    b28c0e53-a61c-eb11-8da9-e4434bdf6706.jpeg

    编辑:高琪  审核:冯瀛指导:万剑华教授  
    展开全文
  • 免责声明:本文是通过网络收集并结合自身学习等途径合法获取,仅作为学习交流使用,其版权出版社或者原创作者所有,并不对涉及版权问题负责。若原创作者或者出版社认为侵权,请联系及时联系,我将立即删除文章,...

    免责声明:本文是通过网络收集并结合自身学习等途径合法获取,仅作为学习交流使用,其版权归出版社或者原创作者所有,并不对涉及的版权问题负责。若原创作者或者出版社认为侵权,请联系及时联系,我将立即删除文章,十分感谢!

    注:来源刘顺祥《从零开始学Python数据分析与挖掘》,版权归原作者所有,仅供学习使用,不用于商业用途,如有侵权请留言联系删除,感谢合作。

    import pandas as pddf = pd.read_csv("F:python3_pachongAndDatareducedatapandas dataaobao_data.csv")print(df.head())data = df.drop(["宝贝","卖家"],axis=1).groupby(["位置"]).mean().sort_values(["成交量"],ascending=False)print(data.head())
    3cd1164033251d7132c5d9122fdafdda.png
    import pandas as pdimport matplotlib as mplimport matplotlib.pyplot as pltdf = pd.read_csv("F:python3_pachongAndDatareducedatapandas dataaobao_data.csv")data_mean = df.drop(["宝贝","卖家"],axis=1).groupby(["位置"]).mean().sort_values(["成交量"],ascending=False)print(data_mean.head())mpl.style.use("ggplot")fig,(ax1,ax2) = plt.subplots(1,2,figsize=(12,4))data_mean.价格.plot(kind="barh",ax=ax1)ax1.set_xlabel("各省份平均价格")data_mean.成交量.plot(kind="barh",ax=ax2)ax2.set_xlabel("各省份平均成交量")fig.tight_layout()plt.show()
    457ba8c4926b518120a7647fb7a45880.png
    import pandas as pdimport matplotlib as mplimport matplotlib.pyplot as pltdf = pd.read_csv("F:python3_pachongAndDatareducedatapandas dataaobao_data.csv")data_mean = df.drop(["宝贝","卖家"],axis=1).groupby(["位置"]).mean().sort_values(["成交量"],ascending=False)print(data_mean.head())s = data_mean.成交量mpl.style.use("ggplot")fig,axes = plt.subplots(2,2,figsize=(10,10))s.plot(ax=axes[0][0],kind="line",)s.plot(ax=axes[0][1],kind="bar",)s.plot(ax=axes[1][0],kind="box",)s.plot(ax=axes[1][1],kind="pie",)fig.tight_layout()plt.show()
    e1df0ca276c7f13fd5798611277fdeb6.png
    184af9ed9c301ac7ed16c5301262d112.png
    import pandas as pdimport matplotlib as mplimport matplotlib.pyplot as pltdf = pd.read_csv("F:python3_pachongAndDatareducedatapandas dataaobao_data.csv")a = df.价格b = df.成交量mpl.style.use("ggplot")fig,axes = plt.subplots(1,1,figsize=(12,4))axes.scatter(a,b)axes.set_xlabel("价格")axes.set_ylabel("成交量")fig.tight_layout()plt.show()
    db9de3ac4c6d5c08a2a235b8a07daec4.png
    import jsonfrom pyecharts import Pief = open("F:python3_pachongAndDatareducedatapyecharts JSONDatadataspies.json")data = json.load(f)print(data)name = data["name"]print(name)sales = data["sales"]print(sales)sales_volume = data["sales_volume"]print(sales_volume)
    19cf345dd7f49b502162511afe34024c.png
    import jsonfrom pyecharts import Pief = open("F:python3_pachongAndDatareducedatapyecharts JSONDatadataspies.json")data = json.load(f)name = data["name"]sales = data["sales"]sales_volume = data["sales_volume"]pie = Pie("衣服清洗剂市场占比",title_pos="left",width=800)pie.add("成交量",name,sales_volume,center=[25,50],is_random=True,radius=[30,75],rosetype="radius")pie.add("销售额",name,sales,center=[75,50],is_random=True,radius=[30,75],rosetype="area",is_legend_show=True,is_label_show=True)pie.show_config()pie.render("E:ose.html")
    70560ac80e119a3e5afe9125a2f3dd08.png
    88fe030ae14ef9f4e359c81a6f958396.png
    import jsonfrom pyecharts import Pief = open("F:python3_pachongAndDatareducedatapyecharts JSONDatadataspies.json")data = json.load(f)name = data["name"]sales = data["sales"]sales_volume = data["sales_volume"]pie = Pie("",width=800)pie.add("",name,sales,is_label_show=True)pie.render("E:pie.html")
    aaa2101f86efe94c68286fe073dc8e42.png
    import jsonfrom pyecharts import Funnelf = open("F:python3_pachongAndDatareducedatapyecharts JSONDatadataspies.json")data = json.load(f)name = data["name"]sales = data["sales"]sales_volume = data["sales_volume"]funnle = Funnel("",width=800)funnle.add("成交量",name,sales_volume,is_label_show=True,label_pos="inside",label_text_color="#fff")funnle.render("E:funnle.html")
    bf650cbdc3d4c3d77f978a0de70fdcd3.png
    import jsonfrom pyecharts import Barf = open("F:python3_pachongAndDatareducedatapyecharts JSONDatadataspies.json")data = json.load(f)name = data["name"]sales = data["sales"]sales_volume = data["sales_volume"]bar = Bar("衣服清洗剂市场占比柱形图",width=800)bar.add("成交量",name,sales_volume,center=[25,50],mark_point=["average"])bar.add("销售额",name,sales,center=[25,50],mark_point=["max","min"])bar.render("E:bar.html")
    7055474dd99c8b9ea6dd35a3ae945b0f.png
    import jsonfrom pyecharts import Barf = open("F:python3_pachongAndDatareducedatapyecharts JSONDatadataspies.json")data = json.load(f)name = data["name"]sales = data["sales"]sales_volume = data["sales_volume"]bar = Bar("衣服清洗剂市场占比柱形图",width=800)bar.add("成交量",name,sales_volume,center=[25,50],mark_point=["average"],is_stack=True)bar.add("销售额",name,sales,center=[25,50],mark_point=["max","min"],is_stack=True)bar.render("E:bar01.html")
    7cad8ce313c8e8adb5a75e3798c84c76.png
    import jsonfrom pyecharts import Barf = open("F:python3_pachongAndDatareducedatapyecharts JSONDatadataspies.json")data = json.load(f)name = data["name"]sales = data["sales"]sales_volume = data["sales_volume"]bar = Bar("衣服清洗剂市场占比柱形图",width=800)bar.add("成交量",name,sales_volume,center=[25,50],mark_point=["average"],is_stack=True,is_convert=True)bar.add("销售额",name,sales,center=[25,50],mark_point=["max","min"],is_stack=True,is_convert=True)bar.render("E:bar_convert.html")
    1422f9a41b74f49209d8142eae1386be.png
    import jsonfrom pyecharts import Barf = open("F:python3_pachongAndDatareducedatapyecharts JSONDatadataslines.json")data = json.load(f)print(data)date = data["date"]print(date)sales1 = data["sales1"]print(sales1)sales2 = data["sales2"]print(sales2)
    f81485e603456c8f3b38dbc68646b7b7.png
    import jsonfrom pyecharts import Linef = open("F:python3_pachongAndDatareducedatapyecharts JSONDatadataslines.json")data = json.load(f)date = data["date"]sales1 = data["sales1"]sales2 = data["sales2"]line = Line("洗衣液月销售情况")line.add("成交量",date,sales1,mark_point=["average","max","min"],mark_point_symbol="diamond",mark_point_textcolor="#40ff27")line.add("销售额",date,sales2,mark_point=["max"],is_smooth=True,mark_line=["max","average"],mark_point_symbol="arrow",mark_point_symbolsize=40)line.render("E:line.html")
    1cfedd453efca3e73323376ddac0fbdc.png
    import jsonfrom pyecharts import Linef = open("F:python3_pachongAndDatareducedatapyecharts JSONDatadataslines.json")data = json.load(f)date = data["date"]sales1 = data["sales1"]sales2 = data["sales2"]line = Line("洗衣液月销售情况")line.add("成交量",date,sales1,mark_point=["average","max","min"],mark_point_symbol="diamond",is_label_show=True)line.add("销售额",date,sales2,mark_point=["max"],is_stack=True,mark_line=["max","average"],is_label_show=True)line.render("E:linestate.html")
    ba52c9f705ddfa18bd04c18bbd98040f.png
    import jsonfrom pyecharts import Linef = open("F:python3_pachongAndDatareducedatapyecharts JSONDatadataslines.json")data = json.load(f)date = data["date"]sales1 = data["sales1"]sales2 = data["sales2"]line = Line("洗衣液月销售情况")line.add("成交量",date,sales1,is_step=True,is_label_show=True)line.add("销售额",date,sales2,is_step=True,is_label_show=True)line.render("E:linestep.html")
    85682d65dd7d78439977a8aab8d1a518.png
    import jsonfrom pyecharts import Linef = open("F:python3_pachongAndDatareducedatapyecharts JSONDatadataslines.json")data = json.load(f)date = data["date"]sales1 = data["sales1"]sales2 = data["sales2"]line = Line("洗衣液月销售情况")line.add("成交量",date,sales1,is_fill=True,area_opacity=0.4)line.add("销售额",date,sales2,is_fill=True,area_opacity=0.2,area_color="#000")line.render("E:linefill.html")
    9551b8f0439732c4a899e7324cd3cb0c.png
    import jsonfrom pyecharts import Gaugegauge = Gauge("目标完成率")gauge.add("任务指标","完成率",80.2)gauge.render("E:gauge.html")
    e2731d7a12d9990a0932095041d0526b.png
    import jsonfrom pyecharts import Liquidliquid = Liquid("水球图")liquid.add("水球",[0.82,0.75])liquid.render("E:liquid.html")
    ad979a79e3dfbdb7f08c10a8e8a71dea.png
    import jsonimport numpy as npimport pandas as pdfrom pyecharts import WordCloudwd = pd.read_csv("F:python3_pachongAndDatareducedatacp.csv",header=0)print(np.shape(wd))print(wd.head())catename = [i[0] for i in wd[["关键词"]].values]value = [int(i[0]) for i in wd[["词频"]].values]wordcloud = WordCloud(width=1200,height=600)wordcloud.add("",catename,value,word_size_range=[10,120],shape="star")wordcloud.render("E:wordcloud.html")
    fcb648894786ae485335ca6e4a43790a.png
    e376e2ec76338e4f6dfdca6ec7d057d7.png
    import jsonfrom pyecharts import Linef = open("F:python3_pachongAndDatareducedatapyecharts JSONDatadatasscatters.json")data = json.load(f)print(data)xs = data["xs"]print(xs)gb = data["gb"]print(gb)
    5992f5266548dd88b7d0e5f5f74884c3.png
    import jsonfrom pyecharts import Scatterf = open("F:python3_pachongAndDatareducedatapyecharts JSONDatadatasscatters.json")data = json.load(f)xs = data["xs"]gb = data["gb"]scatter = Scatter("销售额与高质量宝贝数")scatter.add("关系",xs,gb)scatter.render("E:scatter.html")
    2d36adb3c0a8ac466aa7a071c1679b23.png
    from pyecharts import Boxplotx_axis = ["销售额"]y_axis = [[169,126,248,263,265,273,248,241,326,334,479,347]]boxplot = Boxplot("箱形图")_yaxis = boxplot.prepare_data(y_axis)boxplot.add("boxplot",x_axis,_yaxis)boxplot.render("E:boxplot.html")
    6556ea222c1e85d6de57cc6ba3643722.png
    import jsonfrom pyecharts import Bar,Line,Overlapf = open("F:python3_pachongAndDatareducedatapyecharts JSONDatadatasoverlaps.json")data = json.load(f)print(data)date = data["date"]print(date)sales1 = data["sales1"]print(sales1)sales2 = data["sales2"]print(sales2)
    b6590b2936e19a01e8089edd177bd677.png
    import jsonfrom pyecharts import Bar,Line,Overlapf = open("F:python3_pachongAndDatareducedatapyecharts JSONDatadatasoverlaps.json")data = json.load(f)date = data["date"]sales1 = data["sales1"]sales2 = data["sales2"]bar = Bar("Line-Bar")bar.add("Bar",date,sales1)line = Line()line.add("Line",date,sales2)overlap = Overlap()overlap.add(bar)overlap.add(line)overlap.render("E:linebar.html")
    e9db4162722f32c36f21d3966a1ba872.png
    import jsonfrom pyecharts import Bar3Df = open("F:python3_pachongAndDatareducedatapyecharts JSONDatadatasbar3ds.json")datas = json.load(f)x_axis = datas["x_axis"]y_axis = datas["y_axis"]data = datas["data"]range_color = datas["range_color"]bar3d = Bar3D("3D柱状图",width=1200,height=600)bar3d.add("",x_axis,y_axis,[[d[1],d[0],d[2]] for d in data],is_visualmap=True,visual_range=[0,20],visual_range_color=range_color)bar3d.render("E:3dbar.html")
    4d74ab3e36a7213943983cb2945e6d2a.png
    import jsonfrom pyecharts import Bar3Df = open("F:python3_pachongAndDatareducedatapyecharts JSONDatadatasbar3ds.json")datas = json.load(f)x_axis = datas["x_axis"]y_axis = datas["y_axis"]data = datas["data"]range_color = datas["range_color"]bar3d = Bar3D("3D柱状图",width=1200,height=600)bar3d.add("",x_axis,y_axis,[[d[1],d[0],d[2]] for d in data],is_visualmap=True,visual_range=[0,20],visual_range_color=range_color,grid3d_width=200,grid3d_depth=80,is_grid3d_roate=True)bar3d.render("E:3dbar01.html")
    fbd70fa1797db7671ce72f4457a70096.png
    import jsonfrom pyecharts import Bar3Df = open("F:python3_pachongAndDatareducedatapyecharts JSONDatadatasbar3ds.json")datas = json.load(f)x_axis = datas["x_axis"]y_axis = datas["y_axis"]data = datas["data"]range_color = datas["range_color"]bar3d = Bar3D("3D柱状图",width=1200,height=600)bar3d.add("",x_axis,y_axis,[[d[1],d[0],d[2]] for d in data],is_visualmap=True,visual_range=[0,20],visual_range_color=range_color,grid3d_width=200,grid3d_depth=80,is_grid3d_speed=180)bar3d.render("E:3dbar02.html")
    396e1a920e9e00ea6a1caea6c3e1893c.png
    展开全文
  • 河北经贸大学毕业论文 基于河北省对我国自助游市场...级设施和渠道还不完善很多自助游客不得不依赖旅行社途径完成和简 手续缩减费用所以现在我们把国内这种过渡型自助游客也划 自助游行列来适应中国国情 自助
  • 在新课标下高考越来越注重对学生综合素质考察,恒成立问题便是一个考察学生综合素质很好途径,它主要涉及到一次函数、二次函数、三角函数、指数函数和对数函数等常见函数图象和性质,渗透着换元、化归、数形...
  • 作者 | 张金彪单位 | 河北省沧州..."ISO15189医学实验室认可是实现医学实验室标准管理有效途径,ISO体系文件是提升实验室质量管理重要抓手。中国合格评定国家认可委员会发布CNAS-CL02认可准则和各个领域应...
  • 超爽自学课件(java)

    2007-09-16 16:04:04
    如何将Java中所有东西都为一种新数据类型(类),以及如何创建自己类;函数、自变量以及返回值;名字可见度以及使用来自其他库组件;static关键字;注释和嵌入文档等等。 <br>(3) 第3章:控制程序流程...
  • 今天分享是高中数学恒成立问题,恒成立问题有一定难度,是考察学生综合素质很好途径,他主要涉及到一次函数、二次函数等函数性质、图像,渗透着换元、化归、数型结合、函数与方程等思想方法,在培养思维...
  • 不景气的经济,不断高涨的油价,严重影响了商业活动,每一个人都在寻找新的途径,用来抵消新增加的成本:能源。Martin Adcock,伦敦的软件质量管理主管顾问,提供了10种减少软件开发成本的方法。 1 良好的功能需求...
  • 并查集

    2021-01-15 12:57:31
    本质上是递归”,是dps部分 路径压缩: 在递归过程中使途径的每个结点都指向根节点 *4.连接:用于检验节点间是否连通 代码(python) 在python中我们用字典记录映射关系 class UF: def __init__(self, ...
  • 如何将Java中所有东西都为一种新数据类型(类),以及如何创建自己类;函数、自变量以及返回值;名字可见度以及使用来自其他库组件;static关键字;注释和嵌入文档等等。 (3) 第3章:控制程序流程 本章...
  • 简介 该仓库为主站原始码。 泰晓科技主站采用Jekyll架构,所有内容采用Markdown格式撰写。...如果文件内部没有版权声明,则版权Wu 所有,有权使用授权,禁止一切形式转载和复制,禁止使用任何商业途径
  • 有哪些推荐给新人的参与翻译的途径? 从开始练习翻译到翻译起来比较顺、有感觉,大概用了多久/多少篇文章? 目前有什么比较好的(除了有道翻译)在线翻译站点,或者仿例比较多的? 当前内容版权码字科技所有并...
  • Thinking.In.Java

    2012-03-21 22:35:53
    如何将Java中所有东西都为一种新数据类型(类),以及如何创建自己类;函数、自变量以及返回值;名字可见度以及使用来自其他库组件;static关键字;注释和嵌入文档等等。 (3) 第3章:控制程序流程 本章...
  • 创建一个对象根揭底都会经过一个途径,alloc方法(alloc方法会调用allocWithZone:)。因此只要保证alloc方法只会调用一次,且保证线程安全,然后把此对象放在静态区。以后不管是创建对象还是copy对象都直接返回...
  • 柏拉图学派具有这样概念,即 数学客体是抽象,远离日常感性经验:几何图形理想,以区别于客体实际图样和形状;数字不与具体客体计算相混淆。它们存在和本性 出现了特殊哲学挑战:如何做到 数学...
  • 软件工程教程

    热门讨论 2012-07-06 23:10:29
    传统手工方式对图书信息管理已越来越不能适应社会发展需要,尤其是随着计算机网络和Internet普及,运用先进信息管理系统对信息进行科学和网络管理,已成为图书信息管理系统发展趋势。 系统研发...
  • 如何将Java中所有东西都为一种新数据类型(类),以及如何创建自己类;函数、自变量以及返回值;名字可见度以及使用来自其他库组件;static关键字;注释和嵌入文档等等。 (3) 第3章:控制程序流程 本...
  • 数据结构--C++与面向对象的途径(修订版) 目录 出版者的话 专家指导委员会 中文版序 译者序 序 第2版序 第1版序 导 论 第1章 致读者 3 1.1 本书的结构 3 1.1.1 例子和参考 4 1.1.2 练习 5 1.1.3 有关...
  • 数据结构--C++与面向对象的途径(修订版) 目录 出版者的话 专家指导委员会 中文版序 译者序 序 第2版序 第1版序 导 论 第1章 致读者 3 1.1 本书的结构 3 1.1.1 例子和参考 4 1.1.2 练习 5 1.1.3 有关...
  • C++程序设计语言(特别版)--源代码

    热门讨论 2012-04-23 07:33:51
    数据结构--C++与面向对象的途径(修订版) 目录 出版者的话 专家指导委员会 中文版序 译者序 序 第2版序 第1版序 导 论 第1章 致读者 3 1.1 本书的结构 3 1.1.1 例子和参考 4 1.1.2 练习 5 1.1.3 有关...
  • 第13章编译程序实现的途径279 131编译程序的书写语言与T 型图279 132编译程序的自展技术279 133交叉编译与编译程序的移植281 134编译程序的构造工具282 1341基于LALR(1)的语法 分析程序的生成器 YACC282...
  • 可选用自定义化的“暴破”方式,也可选用高效字典方式 支持经 AES-128 算法加密各类 RAR/WinRAR 压缩包 注册码:ARPR-83296730531875-CBBVYBXFEXDEVPMB 软件汉化:狐狸少爷 绿化制作:忘言 2005.11.28
  • 5.5 为确保区域销售、一体价格顺利实施,甲方在产品出厂之前对产品编列产品序列号,乙方在销售过程中必须全程对产品实施监控,且在开具销售发票时,必须将产品序列号标列在产品销售发票上,并且每 2个月...
  • 版权所有:本软件版权藤楼庄园所有,侵权必究! 软件更新: V1.5 奥运纪念版 1、在V1.1基础上,重新设计了软件界面,使之更加美观大方,增加奥运气息; 2、新增第二页面,收集了北京奥组委官方网站与9大门户网站...
  • 例如,经济学许多重要推论(包括利润最大要求边际收入等于边际成本这样一个著名微观经济学定理在内)都导源于微分学最佳过程。正是因为这些相互关系大量存在,我们才在上面说,管理经济学各种定义差别...

空空如也

空空如也

1 2
收藏数 29
精华内容 11
关键字:

化归的途径