当前位置: 首页 > article >正文

智慧景区(园区)数字孪生可视化GIS解决方案

随着技术的日新月异,景区日常管理及运营中使用到的智慧化工具越来越丰富,智慧化硬件设备也越来越多,而其中各个管理系统往往又是相互独立,形成一个个数据孤岛。智慧景区管理平台就是将各个孤岛中的数据及功能汇集起来,形成统一的、联动的管理门户。

智慧景区平台往往是基于GIS技术,在三维实景地图的基础上,接入景区各类传感设备、第三方系统数据,进行业务功能的梳理及开发。而对于没有GIS开发经验的团队来讲,地图开发有一定的技术门槛,特别是在前端解决好空间数据的灵活组织、发布和编辑,更是一项费时费力的工作。

四维轻云以可视化操作的方式简化了这一工作,实现了多源数据场景在前端的快速搭建和发布,且提供了常用的编辑和分析等接口供开发者调用。

零代码搭建、低代码开发

开发流程

下图是我公司多年前实施的一个智慧景区场景,该平台先是通过GIS工程师实现数据底座的开发搭建,再配合前端开发工程师进行业务层开发共同完成。

其中空间数据底座是包含了人工模型、高清正射影像、倾斜摄影的实景三维模型、卫星影像和数字高程模型,该工作是GIS工程师通过在后端逐类数据切片发布,前端用WebGL技术渲染实现。

智慧景区场景

接下来,我们简单介绍四维轻云SDK开发的方式,在仅有JavaScript工程师参与的情况下,实现该智慧景区平台的开发。

数据准备

登录四维轻云官网,新建项目完成后选择上传,即可对多源空间数据进行切片和发布,数据类型包括了正射影像、实景三维模型、激光点云、shp矢量数据、DEM、人工模型。

(空间数据可选择托管在四维轻云的云平台上,也可私有化部署四维轻云后存放私有云)

该工作只需要普通的数据录入人员前端操作即可完成,不再需要专业的开发工作者进行切片和发布。如下图:

四维轻云-上传数据

搭建场景

数据发布完成后,开始以可视化的方式搭建场景,实现对多源数据的融合,以及进行需要的空间编辑工作,如下图:

四维轻云-搭建场景

申请AppID及密钥

开发者通过四维轻云主应用申请开发密钥,以及获取场景地址:

四维轻云-申请AppID及密钥

四维轻云-获取场景地址

场景加载

接下来,开发者只需要在代码中加载数字底座场景,进行业务层面的开发。代码示例如下:

四维轻云-场景加载

传感数据对接

拾取传感器对象,并做数据接入的图形化展示,代码示例:

传感数据对接-代码示例

传感数据对接-代码示例

四维轻云-传感数据对接

这样,在只需要前端JavaScript工程师的条件下,即可轻松完成智慧景区平台的开发工作,为您的企业降本增效!

四维轻云,诚邀试用!


http://www.kler.cn/news/160613.html

相关文章:

  • Linux自启服务提示:systemd[1]: *.service: main process exited, code=exited, status=1问题
  • 创建Vue2项目,引入chart.js,并生成柱形图
  • gradle 启动报错,CreateProcess error=206, 文件名或扩展名太长
  • html css样式选择器介绍
  • uniapp使用v-html调用接口,富文本图片 视频自适应大小
  • 微信小程序:chooseimage从本地相册选择图片或使用相机拍照
  • DAPP开发【06】nodejs安装与npm路径更换
  • NDK交叉编译工具链使用教程
  • 日常开发日志
  • Shopify二次开发之五:元字段(Metafields)
  • 2023年山东省职业院校技能大赛信息安全管理与评估二三阶段样题
  • nodejs微信小程序+python+PHP新闻发布系统的设计与实现-计算机毕业设计推荐
  • prometheus|云原生|轻型日志收集系统loki+promtail的部署说明
  • 什么是高防IP,高防IP该如何选择。
  • Stable Diffusion AI绘画系列【18】:东方巨龙,威武霸气
  • 直播录屏软件哪个好?这3款软件请你收好
  • 简单使用selenium抓取微博热搜话题存储进Excel表格中
  • TTS声音合成:paddlespeech、sherpa-onnx、coqui-ai
  • 机器学习笔记 - 如何在Python中对网格和点云进行体素化?
  • 【CSP】202209-1_如此编码Python实现
  • 2022年第十一届数学建模国际赛小美赛B题序列的遗传过程解题全过程文档及程序
  • 有关thingsboard中 api的 jwt研究
  • 利用JavaFX生成验证码图片
  • mysql服务日志打印,时区不对的问题
  • 【C语言】7-38 吉老师的回归 分数 15
  • 《异常检测——从经典算法到深度学习》24 用于单变量时间序列异常检测的端到端基准套件
  • Chapter 7. Congestion Management in Ethernet Storage Networks以太网存储网络的拥塞管理 - 1
  • Cocos Creator加入图片没有被识别
  • 【算法】约瑟夫环
  • Audacity降噪消除视频中杂音