2021-10-10

如何实现距离权重最短距离的实现?权重最短时间的实现?

距离权重最短路径实现

Network Analyst
🍀主要是以下步骤:
打开目录文件夹,添加图层,将place点要素以home字段进行符号化,双击place打开其图层属性,在符号系统里类别,唯一值,添加所有。city数据集上右键,新建网络数据集(如不可用则重新打开),添加网络分析工具条(Network Analyst),在工具条下拉菜单,新建路径,在city_ND图层上右键,属性,符号系统 ✅边,箭头,✅在边上绘制箭头,箭头符号 ✅单向 ✅双向,应用、确定,(为了找出家到超市的路,取消单行道限制,是在“路径”图层右键,属性,分析设置,取消oneway复选框)
🐳🐳🐳继续
距离权重最短路径实现,在刚才那个分析设置的阻抗性选Meters(米),方向中的距离单位为“米”,✅自动打开方向窗口,确定,现在Network Analyst窗口中点击停靠点(0),然后点击“创建网络位置工具”➕,分别在家和超市上创建两个停靠点,然后点求解,可见规划路径。

💯💯💯💯💯💯💯💯💯💯
🍀以下是图片教程:
在这里插入图片描述
自定义👉扩展模块👉记得☑️Network Analyst !
在这里插入图片描述
添加图层进去。☀️
在这里插入图片描述添加网络分析工具条(Network Analyst),在工具条下拉菜单,新建路径
在这里插入图片描述
在city_ND图层上右键,属性,符号系统 ✅边,箭头,✅在边上绘制箭头,箭头符号 ✅单向 ✅双向,应用、确定。
在这里插入图片描述
距离权重最短路径实现,在刚才那个分析设置的阻抗性选Meters(米),方向中的距离单位为“米”,✅自动打开方向窗口,确定,现在Network Analyst窗口中点击停靠点(0),然后点击“创建网络位置工具”➕,分别在家和超市上创建两个停靠点,然后点求解,可见规划路径。
在这里插入图片描述
在家和超市中设置一些障碍等,再计算出最短距离。
在这里插入图片描述
在Network Analyst的路径中右键👉导出数据。

好😁
继续学习!加油(ง •̀_•́)ง

  • 0
    点赞
  • 0
    收藏
    觉得还不错? 一键收藏
  • 0
    评论
目标检测(Object Detection)是计算机视觉领域的一个核心问题,其主要任务是找出图像中所有感兴趣的目标(物体),并确定它们的类别和位置。以下是对目标检测的详细阐述: 一、基本概念 目标检测的任务是解决“在哪里?是什么?”的问题,即定位出图像中目标的位置并识别出目标的类别。由于各类物体具有不同的外观、形状和姿态,加上成像时光照、遮挡等因素的干扰,目标检测一直是计算机视觉领域最具挑战性的任务之一。 二、核心问题 目标检测涉及以下几个核心问题: 分类问题:判断图像中的目标属于哪个类别。 定位问题:确定目标在图像中的具体位置。 大小问题:目标可能具有不同的大小。 形状问题:目标可能具有不同的形状。 三、算法分类 基于深度学习的目标检测算法主要分为两大类: Two-stage算法:先进行区域生成(Region Proposal),生成有可能包含待检物体的预选框(Region Proposal),再通过卷积神经网络进行样本分类。常见的Two-stage算法包括R-CNN、Fast R-CNN、Faster R-CNN等。 One-stage算法:不用生成区域提议,直接在网络中提取特征来预测物体分类和位置。常见的One-stage算法包括YOLO系列(YOLOv1、YOLOv2、YOLOv3、YOLOv4、YOLOv5等)、SSD和RetinaNet等。 四、算法原理 以YOLO系列为例,YOLO将目标检测视为回归问题,将输入图像一次性划分为多个区域,直接在输出层预测边界框和类别概率。YOLO采用卷积网络来提取特征,使用全连接层来得到预测值。其网络结构通常包含多个卷积层和全连接层,通过卷积层提取图像特征,通过全连接层输出预测结果。 五、应用领域 目标检测技术已经广泛应用于各个领域,为人们的生活带来了极大的便利。以下是一些主要的应用领域: 安全监控:在商场、银行
评论
添加红包

请填写红包祝福语或标题

红包个数最小为10个

红包金额最低5元

当前余额3.43前往充值 >
需支付:10.00
成就一亿技术人!
领取后你会自动成为博主和红包主的粉丝 规则
hope_wisdom
发出的红包
实付
使用余额支付
点击重新获取
扫码支付
钱包余额 0

抵扣说明:

1.余额是钱包充值的虚拟货币,按照1:1的比例进行支付金额的抵扣。
2.余额无法直接购买下载,可以购买VIP、付费专栏及课程。

余额充值