最佳路径分析
ArcGIS教程在ArcMap中查找最佳路径
步骤:1、单击开始 > 所有程序 > ArcGIS > ArcMap 10.1 启动 ArcMap。
2、启用 Networ k Analys t 扩展模块。
3、在标准工具条上，单击目录窗口按钮。
将打开可停靠的目录窗口。
4、使用目录窗口导航到网络数据集所在的位置，然后将其拖动到地图显示画面或内容列表中。
如果到存储网络数据集的文件夹的连接已经不存在，您可以单击连接到文件夹按钮或在位置文本框中输入该文件夹路径来建立一个连接。
将打开添加网络图层对话框。
5、单击否仅将网络数据集添加到地图。
也可以单击是将网络数据集及其所有源要素类添加到地图中。
网络数据集作为网络图层添加到 ArcMap。
6、如果 Networ k Analys t 工具条当前未显示，则单击自定义 > 工具条 > Networ k Analys t。
Networ k Analys t 工具条即被添加到 ArcMap中。
7、如果 Networ k Analys t 窗口当前未显示，则在 Networ k Analys t 工具条上单击 Networ k Analys t 窗口按钮。
将打开 Networ k Analys t 可停靠窗口。
从 Networ k Analys t 工具条创建网络分析图层时，网络分析图层将自动地与活动网络数据集相关联。
8、请确保正确的网络数据集是活动的。
在 Networ k Analys t 工具条上的网络数据集下拉列表中指定活动的网络数据集。
9、在 Networ k Analys t 工具条上单击 Networ k Analys t > 新建路径。
将创建网络分析图层并在内容列表窗口和 Networ k Analys t 窗口中显示。
城市交通网络中的最佳路径规划与优化研究
城市交通网络中的最佳路径规划与优化研究随着城市化进程的加速，城市交通问题日益突出，交通拥堵成为制约城市发展的瓶颈。
因此，研究城市交通网络中的最佳路径规划与优化问题成为了一个关键课题。
本文将探讨城市交通网络中的最佳路径规划与优化研究的现状、挑战和解决方案，致力于为城市交通管理提供科学有效的建议。
城市交通网络中的最佳路径规划与优化是一项复杂的任务，涉及到大量的数据和多个变量。
该问题的目标是根据实时交通状态，找到最短路径或最快路径，以优化交通流量分配和减少交通拥堵。
为了实现这一目标，研究者们提出了许多方法和算法。
最佳路径规划与优化涉及到的一个关键问题是交通网络模型的建立。
一个准确的交通网络模型可以帮助我们更好地理解交通流和交通拥堵的形成原因。
在现代城市规划中，常用的交通网络模型包括传统的静态交通模型和动态交通模型。
传统的静态交通模型主要关注交通基础设施的规划和设计，而动态交通模型考虑到了交通流的变化和交通状况的实时性。
其中一个常用的最佳路径规划算法是Dijkstra算法，这是一种单源最短路径算法，适用于没有负权边的图。
该算法的基本原理是通过遍历图中的节点，计算从起点到所有其他节点的最短路径。
然而，Dijkstra算法在面对大规模城市交通网络时存在计算速度慢的问题。
为了解决这个问题，研究者们提出了一些改进的算法，比如A*算法和分布式计算方法。
A*算法结合了启发式搜索和最短路径算法的优点，可以更快地找到最优路径。
分布式计算方法通过将计算任务分配给多个计算节点，实现了并行计算，提高了算法的效率。
除了算法优化，还有一些其他的方法被用来解决城市交通网络中的最佳路径规划与优化问题。
例如，基于智能交通系统的路况实时预测和调整，可以帮助减少交通拥堵。
利用交通数据进行大数据分析和机器学习，可以提高路径规划的准确性和实时性。
然而，城市交通网络中的最佳路径规划与优化仍然面临一些挑战。
首先，城市交通网络是一个动态的系统，交通状况和路况随时都在发生变化。
无人机群协同搜索最佳路径规划法
无人机群协同搜索最佳路径规划法一、无人机群协同搜索概述无人机群协同搜索是一种新型的搜索技术，它利用多架无人机的协同作业来提高搜索效率和覆盖范围。
这种技术在事侦察、灾害救援、环境监测等领域具有广泛的应用前景。
无人机群协同搜索技术的发展，不仅能够提升搜索任务的成功率，还将对相关领域的技术进步产生重要影响。
1.1 无人机群协同搜索的核心特性无人机群协同搜索的核心特性主要包括以下几个方面：- 高效性：无人机群通过协同作业，能够在短时间内完成对广阔区域的搜索。
- 灵活性：无人机群可以根据任务需求快速调整搜索策略和路径。
- 智能性：无人机群能够利用先进的算法进行自主决策，优化搜索路径。
1.2 无人机群协同搜索的应用场景无人机群协同搜索的应用场景非常广泛，包括但不限于以下几个方面：- 事侦察：在复杂地形或敌方控制区域进行隐蔽侦察。
- 灾害救援：在地震、洪水等自然灾害发生后，快速定位受困人员。
- 环境监测：对森林、海洋等大面积区域进行生态或污染情况的监测。
二、无人机群协同搜索技术的发展无人机群协同搜索技术的发展是一个跨学科、多领域的技术融合过程，需要航空、计算机科学、通信技术等多方面的共同努力。
2.1 无人机群协同搜索的关键技术无人机群协同搜索的关键技术包括以下几个方面：- 路径规划算法：开发高效的路径规划算法，确保无人机群能够以最优路径进行搜索。
- 通信与协同控制：建立稳定的通信机制，实现无人机群之间的信息共享和协同控制。
- 自主决策能力：提升无人机的自主决策能力，使其能够根据实时信息调整搜索策略。
2.2 无人机群协同搜索技术的发展历程无人机群协同搜索技术的发展历程可以分为以下几个阶段：- 初期探索：早期无人机群协同搜索技术主要依赖于简单的编程和预设路径。
- 技术突破：随着算法和通信技术的进步，无人机群协同搜索开始实现动态路径规划和实时信息共享。
- 成熟应用：目前，无人机群协同搜索技术已经在多个领域得到实际应用，并展现出良好的发展前景。
最佳路径教学教案
最佳路径教学教案一、教学目标：1. 知识与技能：（1）让学生理解最佳路径的概念及其在实际生活中的应用。
（2）培养学生运用图论知识解决问题的能力。
2. 过程与方法：（1）通过实例分析，让学生掌握最短路径、最小树等基本算法。
（2）培养学生运用算法解决问题的习惯，提高动手能力。
3. 情感态度与价值观：（1）培养学生敢于挑战、勇于创新的精神。
（2）培养学生团队协作、共同解决问题的意识。
二、教学内容：1. 最佳路径的概念及其应用。
2. 最短路径算法：迪杰斯特拉算法、贝尔曼-福特算法、弗洛伊德算法。
3. 最小树算法：普里姆算法、克鲁斯卡尔算法。
4. 实例分析：道路规划、物流配送、旅行路线等。
三、教学重点与难点：1. 教学重点：最佳路径的概念、各种算法的原理及应用。
2. 教学难点：算法的时间复杂度分析、实例问题的解决。
四、教学过程：1. 导入：通过生活中的实际例子，如旅行路线规划、物流配送等，引发学生对最佳路径问题的思考。
2. 理论讲解：介绍最佳路径的概念、各种算法的原理及步骤。
3. 实例分析：让学生运用所学知识解决实际问题，巩固算法应用。
4. 实践操作：上机实验，让学生动手编写代码，实现最佳路径算法。
5. 总结与拓展：总结本节课所学内容，布置课后作业，鼓励学生探索更多相关问题。
五、课后作业：1. 复习本节课所学内容，整理笔记。
2. 完成课后练习题，巩固知识点。
4. 探索其他路径优化算法，如动态规划、启发式搜索等，并与本节课所学算法进行比较。
六、教学评价：1. 课堂表现：观察学生在课堂上的参与程度、提问回答情况，以及小组讨论的表现。
2. 课后作业：评估学生课后作业的完成质量，包括理解程度、应用能力和创新思维。
3. 实践项目：评价学生在实践操作中的编程能力、问题解决能力和团队合作精神。
4. 小组讨论：评估学生在小组讨论中的贡献度、沟通能力和协作解决问题的能力。
七、教学策略：1. 互动式教学：通过提问、讨论等方式激发学生的思考，提高课堂参与度。
公交车最佳乘车路径优化算法
p(i ) ,则一定能找 到一个 pim 就是终点 p hk ，也就是 pim 在 p h 中对应站点 p hk ，即 p hk 是 pi 和 p h 两条线路上共同经过的一站。 p(i )
为所求的最佳路径， 在实际情况中可以直接看公交车站点站 牌就可以判断出
pij 与 p hk 是否在同一路公交线路上，若存 在其他线路如 p ( d ) 等使 pij p ( d ) 且 p hk p (d ) ，则比 较各符合要求的线路的 p (i ) 和 p ( d ) ， 因此 选择 pij 与 p hk
公交车最佳乘车路径优化算法1对于情况1只要遍历p中pd则一定能找到一个p拥就是终点p从也就是p加在p中对应站点pm即p从是p和p两条线路上共同经过的一站?pi为所求的最佳路径在实际情况巾可以直接看公交车站点站牌就可以判断出ph与p从是否在同一路公交线路上若存在其他线路如pd等使ppd且pmpd则比较各符合要求的线路的pf和pd因此选择p与p址之间的公交车站点数最小即im一i的值最小的线路为所选择的最佳路径
大部分城市提出了“优先发展城市公共交通”的交通政 策，以缓解交通堵塞，能源紧张，废气污染等问题。为方便 乘客出行，交通部门大力发展完善公交服务系统，改善乘车 环境的同时，也努力为乘客的出行提供及时、准确、最佳的 公交信息查询服务。从现有网站看出，公交路线查询信息服 务很全面，从 A 地到 B 地给出了多种路线，建议哪条路线 是最佳路线并不多。 最佳路径是指乘客在乘车从起点到终点 的多条路径中，能最好满足乘客期望的线路，即出行效用最 大的线路。 2 公交乘客出行最佳路径的定义 确定公交出行最佳路径， 很重要的一点是通过对乘公交
p1n p 2n p sn
每个站点信息可以有两部分组成，站名和本站编号。 对于任意的起点 下几种： （1）起点 p ij 与终点 p hk 在同一线路上，即 i h ，可 -80-
反倾销应对策略最佳路径实例分析
反倾销应对策略最佳路径实例分析作者：张春峰来源：《对外经贸》2014年第02期[摘要]中国加入WTO后，随着出口的快速发展，也成为世界遭遇反倾销最多的国家。
选取应对反倾销典型案例，从预警、应对、反击三个方面构建反倾销应对策略最佳路径。
我国应积极争取市场经济地位，重视实地核查，充分发挥政府、行业协会作用，熟练运用法律程序以成功应对反倾销。
[关键词]反倾销；市场经济地位；实地核查[中图分类号]F752.02 [文献标识码]A [文章编号]2095-3283（2014）02-0056-032008—2012年，中国遭遇反倾销案件调查308起，占同期全球总量的31.8%，其中判定存在倾销行为的案件达233起，占同期全球总量的37.7%，两项数据均居全球首位。
反倾销涉案金额也越来越大，甚至使一些行业陷入“灭顶之灾”。
回顾国外对华反倾销历程，我们应该总结经验教训，积极转变思维，构建长效应对机制，提高应对技术水平，制定全面、有效的一揽子应对策略。
首先，应对反倾销可从其基本构成要件入手。
证明：一是倾销不存在；二是反倾销进口国行业没有受到损害；三是即使造成损害与倾销没有因果关系。
以上任何一点都可判定反倾销不成立。
从实例来看，我方对前两条非常重视，取得不错的成果。
而第三条如应对得当，也会有出其不意的效果。
2009年美国对原产于中国的钾磷酸盐和钠磷酸盐进行反倾销调查。
但却作出了无损害的初裁。
原因在于：我方有证据证明，美国产柠檬酸质量要求很高，主要用于食品和药品原料，而中国只生产主要用于洗涤剂的未经提纯的低质包装的柠檬酸，很少与美国柠檬酸进行产品竞争。
因此，美国产品市场份额的下降与中国柠檬酸和柠檬酸钠的价格便宜并不存在因果关系。
该案例说明：企业要充分掌握反倾销进口国行业、产品状况，仔细分析对进口国行业造成损害的原因，而不应专注于解释己方低价的成因。
另外，在现阶段，我国大多出口低端产品，价格低廉，在并未完成产品转型升级的情况下，低价的差异化产品也可避免反倾销。
消防灭火救援最优路径算法分析
消防灭火救援最优路径算法分析发布时间：2021-06-04T15:48:36.980Z 来源：《工程建设标准化》2021年3期作者： 1黄勇2张航[导读] 文章首先对Dijkstra算法进行了概述，然后分析了Dijkstra算法的优化1黄勇2张航1德清县消防救援大队2湖州市南太湖新区消防救援大队湖州市德清县 313200摘要：文章首先对Dijkstra算法进行了概述，然后分析了Dijkstra算法的优化，其中包括存储结构的改进、搜索区域的限定、双向查找规划，最后基于优化的Dijkstra算法，文章对其开展了验证，无论是结点总数、计算时间，还是总的路程，都取得了极大的优化比例，以期能为相关人士提供参考。
关键词：最优路径；Dijkstra算法；灭火救援；搜索区域引言：如今伴随经济的发展，再加上城市化的推进，使得很多方面更加集中化，比如城市建筑，一旦出现火灾的情况，极有可能带来很大的损失与伤亡。
以灭火救援系统来分析，其中包含很多项的任务，而确定最佳出警路线是非常关键的，对于这一路线来讲，就是在出现火灾的情况下，消防车可以第一时间赶到现场，并且开展救援行为。
当下对于最短路径算法来讲，已得到了较快的发展，一些算法得到了学者的大力研究，比如DNA以及Dijkstra算法。
文章基于对Dijkstra算法的探究，给出了一种新的优化算法。
1.Dijkstra算法这种算法最早出现于上世纪九十年代，由荷兰数学家提出来的，对于最短路径问题的解决，这是一种行之有效的算法，有着最为健全的理论，得到了大力的推广[1]。
可对这一算法进行以下描述：（1）初始化。
存在任意一个结点，用字母i来表示，若i不等于s，则d(i)趋向于正无穷，S(i)=unreached，否则d（i）等于零，S(i)=permanently labeled；（2）N趋向于T；（3）基于T的集合，从中选择一个结点，而且存在最小权，将其用k来表示，d（k)=min[d(j),j包含于T集合]；S（k)=permanently labeled；(4)若获取k等于t，则表明算法完成；（5）针对和k相连的任何一个结点，用字母j来表示，j包含于T，若d(j)大于d(k)以及l(k,j）之和，则d(k)以及l(k)之和倾向于d（j)，permanently labeled；（6）T等于集合k，而且倾向于T，转至步骤（3）。
基于多目标决策与层次分析法的最佳路径模型
ｔｅｂｓ ｐｔ ｏｅ ｂｓｄｏ ｕ ｉ ａｔ ｓ ｎ ｅ ｏ ｒｈｎｉ ｖ ｕｔ ｎ Ｍｅｎ ｈｌ．ｎｔｅｂｓ ｆｈ ｉ ｓ ａｓｏｔ ｔ ａ １ ｈ ｅｔ ａｈｍ ｄｌ ａｅ ｎｍ ｈ —ｆ ｏ ｄｔ ｍｐｅｅ ｓ ｅｅａ ａｉ ． ａｗ ｉ ｏ ａｉ ｏ ｅ ｊ ｔ ｒ ｓ ｐｔ ａ ｃ ｒａ ｈ ｃ ｖ ｌ ｏ ｅ ｈ ｓ ｔ Ｄ ｋｒ ｈ ｅ ｈ ．
ｂ ｉ ｉ ｇ ａ ｈ ｅ ａ ｃ ｉａ ｄ ｌｏ ｅ ｔｐ ｔ ， ｈ ｃ ｏｖ ｄ ｔｅ ｐ ｔ ｅｇ ｔ ｆｅ ｃ ａ ｔ ｒｉ ｐ ｌ ａｉｎ ｏ ｕ ｌ ｎ ｉｒ ｒ ｈ ｃ ｌｍｏ ｅ ｆｂ ｓ ａ ｈ ｗ ｉ ｈ ｓ ｌｅ ｈ ａｈ ｗ ｉｈ ａ ｈ ｆ ｃｏ ｎ ａ ｐｉ ｔ ｆＡＨＰ ， ｎ ｎ ｌ ｓａ ｌ ｈ ｄ ｄ ｏ ｃ ｏ ａ ｄ ｆ ａｌ ｅ ｔｂ ｉ ｅ ｉ ｙ ｓ
第３ ４卷 第 ５期
２１ ０ １年 １ 月 ０
测Байду номын сангаас 与 空 间地 理 信 息
ＧＥ ＯＭＡ Ｉ Ｔ Ｃｓ＆ Ｓ ＡＴ Ａ ＮＦＯ ＭＡＴ ＯＮ Ｅ ＨＮＯＬ ＧＹ Ｐ ＩＬ Ｉ Ｒ Ｉ Ｔ Ｃ ０
Ｖｏ． ４． ｏ ５ １３ Ｎ ． Ｏ ｔ ，２ １ ｃ ． ０１
基 于 多 目标 决 策 与层 次 分 析 法 的最 佳 路 径模 型
ｃ ｏｓ ｇｔｅｂｓ ｐｔ． ａｅ ｎｔｉ， ｉ ｐｐｅ ｒｐｓｄｔｅ ｌ —ｏｊ ｔ ｅｄｃｓ ｎｍ ｋｎ ｏ ｅ ａｄｔｅｆ ｔ ｃｒ ｄ ｌ ｙ ｈｏｉ ｅｔ ａｈ Ｂ ｓｄｏ ｓｔ ｓ ａａｒ ｏ ｏｅ ｔ ｂ ｃｉ ｅｉｏ ａｉｇｍ ｄｌ ｎ ｃ ｒ ｏｅｍｏｅ ｂ ｎ ｈ ｈ ｈ ｐ ｈ ｍｕ ｉ ｅ ｖ ｉ ｈ ａｏｓ
确性 。
- 1、下载文档前请自行甄别文档内容的完整性，平台不提供额外的编辑、内容补充、找答案等附加服务。
- 2、"仅部分预览"的文档,不可在线预览部分如存在完整性等问题,可反馈申请退款(可完整预览的文档不适用该条件!)。
- 3、如文档侵犯您的权益，请联系客服反馈,我们会尽快为您处理(人工客服工作时间：9:00-18:30)。
GIS应用技能训练基于多因素与层次模型的校题目园火灾救援最佳路径分析学院资源与环境工程学院专业地理信息系统班级1102班姓名江瑶指导教师黎华、胡杏花2013 年7 月12 日目录摘要 (1)1 背景以及分析的意义 (1)2 训练要求 (1)3 设计分析 (2)3.1整体思路 (2)3.2最佳路径的道路层次模型 (2)3.2.1建立层次模型 (2)3.2.2确定权系数 (3)3.2.3实际调查 (4)4 软件应用 (5)4.1本次实验的道路数据获取 (5)4.2对校园内外部矢量化并制图 (7)4.3给校园各道路命名并且赋权值 (9)4.4对校园内外道路进行拓扑构网 (9)4.5对拓扑网进行最短和最佳路径分析 (11)5 结果分析及评价 (11)5.1校外最短路径结果及分析 (11)5.2校内最短路径结果及分析 (11)6 心得体会 (12)致谢 (13)参考文献 (13)附录1 权值计算代码 (15)附录2 所有道路权值 (15)基于多因素与层次模型的校园火灾救援最佳路径分析摘要：最佳路径的求取实则是一个多目标综合决策问题。
以往一些研究没有能全面分析问题，只注重与某个因素下的最佳路径，这使得分析结果不尽如人意，不能得到最佳结果。
有些则综合了多种影响因素，然而在确定评价指标的权重时常采用专家评估的方法，这具有很大的随意性和主观性，有时会偏离客观实际，易于造成评价失准，致使结论缺乏真实性。
本文所提模型是综合了多目标决策与层次分析法的基于多因素影响与综合评判的最佳路径分析模型。
模型在全面问题分析基础上先给出了影响最佳路径分析的几个重要影响因子，并利用层次分析法的思想构建了道路层次模型，确定了各影响因素的权系数。
在综合评判时应用多目标决策模型与所提因素评分模型确定了各影响因素对路段的评分矩阵，并综合所求各因素的权系数得到最终路段的综合权值。
最后以路段综合权值为路段属性进行Dijkstra算法求解，得到最佳路径。
文中采用层次分析法来确定权值，将定性与定量分析相结合，利用严密的数学理论，去除随意性与主观性，表达了符合客观实际的因素影响权值，并且依据判断矩阵的一致性来检验权值的合理性，从而使得分析结论更准确、可靠。
此次分析是当武汉理工大学某处发生火灾，分析消防车怎样最快到达火灾处。
在学校外进行消防车到达校门口进行最短路径分析，对校内进行最佳路径分析。
关键词：多因素层次分析最佳路径校园1 背景以及分析的意义在当今大学校园中蕴藏着很多不确定因素有可能引发的灾害会危机师生生命财产安全，而为了防范并尽量减少这些灾害造成的影响，我们小组选定大学校园火灾快速救灾最佳路线决策作为此次超图软件实习主题，随之我们小组经详细讨论和合理分析最终确定使用“基于多因素决策与层次分析法的最佳路径模型”来计算火灾发生地周边各路径权值并利用SuperMap软件最佳路径自动分析来为消防车火灾扑救路线选择及火灾发生区域人员疏散路线选择做最佳路径决策分析。
2 训练要求应用所学的地理信息系统原理与应用、地图学以及数字测图原理与方法中所学到的基本理论知识，本着“重实践、强技能”的原则，培养综合利用所学知识分析和解决实际问题的能力，提高我们的综合应用和实践能力，以及严谨的学习态度，强化技能训练、强化我们的专业能力，为后续的学科基础课程打下良好的技术基础。
通过该训练使我们了解地理信息系统数据的集成、SuperMap GIS软件的基本操作和空间分析的基本原理和方法，实现对空间数据进行分析和挖掘，解决实际工作和生活中的业务需求。
3 设计分析3.1整体思路“基于多因素决策与层次分析法的最佳路径模型”是综合了多目标与层次分析法的基于多因素影响与综合评判的最佳路径分析模型。
模型在全面问题分析基础上先给出了影响最佳路径分析的几个重要因子，并利用层次分析法的思想构建了道路层次模型，确定了各影响因素的权系数。
在综合评判时应用多目标决策模型与所提因素评分模型确定了各影响因素对路段的评分矩阵，并综合所求各因素的权系数得到最终路段的综合权值。
最终在矢量化的武汉交通网拓扑成网后为各路段新建“权值”字段，并依次将按模型确定的各路段综合权值输入该字段，直接使用超图最佳路径分析选择“权值”字段作为比较字段进行分析便实现最终目标！3.2最佳路径的道路层次模型最佳路径是指从起始位置到目标位置的最理想路径。
最理想可以定义为路程较短且耗时少、路宽足够宽、路上行车方便无堵塞、路面路况好方便行车等。
因而最佳路径的选择需要考虑诸多因素，且各因素的重要性一般是不同的。
层次分析法是一种基于问题的多因素考虑，将定性与定量分析相结合的战略决策方法，是一种行之有效的确定权系数的方法。
它把复杂问题中的各个因素通过划分成相互联系的有序层次使之条理化。
根据对一定客观现实的判断就每一层的相对重要性程度给与定量表示，确定每一层次中的元素相对重要性次序的权值，通过排序结果，分析和解决问题，从而为战略决策服务。
3.2.1建立层次模型根据层次分析法的思想，问题的层次结构可以分为3 层。
最上层为目标层，是问题分析的目标; 中间层是准则层，即实际目标的各种指标; 最底层是方案层，是实现目标的可行选择。
在本文问题中，我们所建立的层次模型只有目标层和准则层: 目标层为最佳路径，准则层为路径的2个影响因素和各因素的共5 项指标。
问题的层次结构模型如图1 所示：图 1最佳路径选择的层次分析模型3.2.2确定权系数对校准层的各因素按1-5标度思想分别赋值，1-5标度的含义见表1。
根据主观判断与需求，本问题所构造的比较判断矩阵如下：1 4 6 6 91/4 1 3/2 3/2 31/6 2/3 1 1 21/6 2/3 1 1 21/9 1/3 1/2 1/2 1表1 标度1-5的含义标度含义1表示两个元素相比，具有相同的重要性2表示两个元素相比，前者比后者稍重要3表示两个元素相比，前者比后者明显重要4表示两个元素相比，前者比后者强烈重要5表示两个元素相比，前者比后者极端重要，那么元素j 倒数若元素i与元素j的重要性之比为aij和元素i的重要性之比为1/aij3.2.3实际调查首先我们针对大学校园火灾快速救灾最佳路径影响因素进行综合分析比较，选定“路长”、“路宽”、“路面行人”、“路面车辆”、“路面质量”等五个因素作为影响因素，并采用调查问卷的形式统计分析得到各因素在实际情况下的需求比重，调查结果如下表2：表2 综合评价权值4软件应用4.1本次实验的道路数据获取本次实验，我们使用的是超图公司的supermap 软件，在做实验之前也给了我们一些数据，只有湖南湖北的一些大概的信息，比如说一些比较明显的标志物的点数据，只要道路数据，次要道路数据，等等；而且我们这次使用的数据只是其中的一小部分，所以我们必须在supermap 里对源数据进行截取，获取我们想要的那一小部分数据，也就是武汉理工大学的道路信息，还有武汉理工到最近的消防站的道路数据下图，下图为超图公司提供给我们的原始数据：图2 原始武汉数据由于我们只需要使用道路部分数据，并且只是武汉理工大学内部道路数据，还有外部武汉理工大学到最近消防站的数据，所以我们把所给的数据进行截取，在supermap 里面操作就是首先新建一个数据集，接下来在原来给的湖北数据集里面，只打开道路的图层，用框选选出想要的数据，右击选择复制数据集，把目的数据源选择为我们新建的数据源，操作过程和操作结果如下：图3 数据集的复制图4 截取后的街道数据4.2对校园内外部矢量化并制图对校园进行最佳路径分析，要想得到较好的效果，并且能进行完整的分析，我们就必须获得完整的学校的道路，并且得到道路周围的建筑物的信息，这样能准确的知道火灾的发生地点，并进行最佳路径的分析，对校园内部的数据进行矢量化的时候，必须需要一张武汉理工大学一级周边的的信息的遥感图，我们小组所取的数据是在百度的遥感图中截取的，并且在supermap 中把遥感图进行配准，得到与我们所截取的道路数据的坐标相同，在软件中，将遥感图和道路的数据叠加在一起的效果如下图所示：图5 遥感图的道路叠加在一起把遥感图配准并且叠加后，加下来就是对它进行矢量化的工作了，在supermap软件里面，我们可以很方便的对校园内外行矢量化工作，软件的工具也很多，充分满足了我们作图和矢量化和作图的需要，我们在里面进行矢量化时，对于不同地物，都会建立新的数据文件，比如说道路线文件，房屋面文件，标注文本文件，等等；这样方便了我们以后制作地图时的统一风格的修改，和道路的网络分析，帮助我们创建出更好的地图，对校园内外部矢量化并且修改风格后的整体的效果如下图所示，这幅图中校园的道路和其他外部的道路是分开的，这样做的目的是我们可以把校园的道路拿出来，单独建立网络模型，然后进行最短路径分析，更好地满足我们所要的其他各种操作，不如说改变校园道路风格，等等。
图6 校园的矢量化地图4.3 给校园各道路命名并且赋权值对校园的道路进行最佳路径分析，就不能使用道路长度作为权值了，我们要综合许多因素算出一个权值然后赋给每条道路，为了区分每一条道路，我们还给每条道路认为加上名字，方便到时后告诉使用者，最佳路径应选择那几条道路，这样更加直观，清楚；由于在建立道路图层，创建每条道路会自己默认的创建几个字段，我们必须新建两个字段，一个用来存储道路的名称，另一个用来存储道路所占的权值。
4.4 对校园内外道路进行拓扑构网我们之所以把校外和校内的道路分开，是由于我们无法获取校外的详细道路信息，只能获取校外道路的长度信息，只能以长度为权值，做一个最短路径分析，但是校内却可以获得很多因素的信息，比如说道路的宽度，道路的上的行人数量，道路上的车辆数，路面状况等等，这样我们可以用来做校园内的最短路径分析，校外校内的拓扑构网，如下图所示：图7 校外构网图 8 校内构网4.5 对拓扑网进行最短和最佳路径分析在supermap中对已经建好的拓扑网进行最佳路径和最短路径分析，我们在软件中先在新地图中导入已经建好的拓扑网，每次只能分析一个拓扑网，我们先对校园的拓扑网进行分析，再对校内的拓扑网进行分析，校外我们就选消防站到学校的最短路径，校内我们起点选取校门口，假设起火点为校园的宿舍楼，即终点为宿舍楼，进行校内的最佳路径的分析。
5 .结果分析及评价5.1校外最短路径结果及分析我们在supermap里对校外进行了网络分析的中的最佳路径分析，权值为道路的长度，这时候求出的即是两点之间最短路径，在软件中用自带的功能分析之后结果如下图所示：图9 校外路径分析结果这次分析的结果还算满意，因为基本是用原来的原有数据进行分析，进一步分析得到的结果。
并且从图上看来确实像是最短路径。
5.2 校内最佳路径分析结果图10 校内路径分析结果从校门口到宿舍楼的最短路径，分析出来是先走梅林路，过将军桥，再走广场西路，最后从体育场右侧绕回宿舍，我觉得这样选非常符合实际，因为首先梅林哪条路人很少，比新一前面的人少，所以选择走梅林，之所以不走食堂北路，是因为那里去吃饭的人多，加上食堂门口的车子常年停靠，占了较多的路宽，所以走博学广场右边的路合理，再者，为何不选择走体育场北路到宿舍楼呢，原因也是因为体育场北路那里的马路上停靠的车子更多，不容易过去，过去花的时间远远大于绕行所花的时间，加上绕行的道路人很少，车子很少，很适合消防车过去，故选择绕行较好，这样一条完整的最佳路径分析出来了，分析出来的结果还算合情合理，是我们小组想要的结果。