【转】Esri和Autodesk携手致力实现GIS与BIM融合

随着全球人口增长和城市化进程加快,基础设施面临巨大压力。BIM与GIS集成能有效简化基础设施全生命周期管理,通过整合建筑信息模型与地理信息系统数据,为公共及私营部门提供宏观层面的项目现场条件信息,帮助其更好地规划、设计和建设基础设施。

美国时间2017年11月15日,Esri和Autodesk在拉斯维加斯召开联盟发布会,正式宣布合作。通过此次合作,双方计划在BIM与GIS技术间建立桥梁,将建筑环境、自然环境、人和网络组织在一起并可视化表达,为各行各业提供更优的基础数据。

 

Esri和Autodesk携手致力实现GIS与BIM融合

1、BIM与GIS为什么要集成?

当今世界发展非常迅猛,预计未来30年内全球新增人口将达到25亿,其中70%居住在城市地区,给业已紧张的基础设施资源带来巨大压力,在基础设施资源方面的支出每年都将高达3.3万亿美元。为了应对这些挑战,公共和民营部门必须设法对运输系统和基础设施建设的整个生命周期进行简化。

在基础设施规划、设计和建造中,土木工程师们一般都要考虑以下问题:如何既满足快速增长的人口需求,又能做到在城市规划、工地设计和开发中对社会和环境负责?怎样才能更安全、更有效地实现人员和物品在城市中流通?怎样正确的规划和设计以减少弱势群体在自然事件中的损失?除此之外,工程师们更关心如何去创造一个安全、可持续的建筑环境,提高人们的生活质量。

以上所有问题,对于这些专业人士来说,都需要一个系统来告诉他们:设施在哪里,并且当他们在自然和建筑环境中构建新建筑体时辅助他们进行决策。而这样的系统,需要GIS和BIM数据的整合。

基于此,BIM和GIS行业的两大领导者建立联盟,通过Autodesk和Esri间进行软件集成,实现GIS数据和BIM信息之间的无缝交换,使专业人员能够综合来自BIM和GIS的信息,从而改变构建未来的方式。

 

2、BIM与GIS集成的价值

就基础设施项目而言,GIS可以帮助在宏观层面上获得项目现场的现有条件,使业主和机构能够更好地确定项目要求,并考虑到因环境条件或现有设施造成的设计限制。它使得利益相关者能够将现在正在进行的项目与项目的设计和完成关联起来。

将GIS和BIM数据放在基础设施项目的中心,通过GIS将详细的三维设计模型中的智能与更细化的地理空间索引数据连接起来并进行管理。 GIS和BIM的组合可以被比作地图和模型,地图设置“背景”,模型在“背景”中说明具体的项目成果。它使业主和AEC公司(建筑、工程和施工类公司)能够不仅仅把注意力集中在建造什么东西上,而使他们能够更好地将已知的自然环境(现有环境)与建筑环境和即将建成的基础设施联系起来。

通过GIS和BIM数据的更紧密集成,业主和AEC公司可以利用更强大的可视化和模拟功能来评估基础设施资产如何适应现有环境生态系统。他们将有能力做出更好的决策,包括建设基础设施的位置,方式和选址原因,推动更明智的决策,加速项目,降低成本,构造更智能的城市建设以及灵活构建基础设施。

Esri和Autodesk携手致力实现GIS与BIM融合

 

3、Autodesk产品与Esri解决方案如何联合使用?

目前,AutoCAD客户可以利用Esri的 ArcGIS for AutoCAD插件连接ArcGIS,并利用地图和地理要素丰富他们的CAD图,并在AutoCAD中编辑创建或导入的GIS数据。

 通过本次战略联盟,Autodesk和Esri现在可以扩展ArcGIS与Autodesk BIM间的集成,创建更直接,双向和无障碍的信息流,使客户能够:

 

原生支持访问GIS信息,为规划,前期工程,设计和运营构建更强大的现状模型。

原生支持将BIM信息写入ArcGIS数据库,以尽量减少数据丢失。

Esri应用程序原生支持访问BIM信息,支持访问可操作数据和信息,以助力资产管理。


原文: http://bim.co188.com/info/d1578.html


内容概要:本文提出了一种基于神经网络的数据驱动迭代学习控制(ILC)算法,专门用于解决具有未知动态模型重复任务特征的非线性单输入单输出(SISO)离散时间系统在无人车路径跟踪中的应用问题,并通过Matlab代码实现了算法的仿真验证。该方法充分利用神经网络强大的非线性逼近能力自适应学习特性,结合迭代学习控制在周期性任务中逐步优化控制输入的优势,即使在缺乏精确系统数学模型的前提下,也能有效提升无人车在复杂环境下的路径跟踪精度系统稳定性。算法的核心在于通过多次运行过程中不断修正控制律,实现对期望轨迹的渐近跟踪。; 适合人群:具备一定现代控制理论基础知识、熟悉迭代学习控制基本概念,并拥有Matlab编程仿真实践经验的研究生、科研人员及自动化、机器人领域的相关工程师。; 使用场景及目标:① 解决无人车在模型未知或难以精确建模的复杂动态环境中的高精度路径跟踪控制问题;② 为一类具有重复运行特性的非线性系统提供一种不依赖精确模型的先进控制策略;③ 推动数据驱动人工智能方法在自动化控制领域的工程应用学术研究发展。; 阅读建议:读者应重点理解神经网络在控制律中的设计集成方式、迭代学习机制的具体实现流程,以及两者融合的创新点。务必结合所提供的Matlab代码进行详细的阅读、调试仿真分析,通过改变参数工况来观察控制效果,以深化对算法内在机理性能特点的掌握。
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