To solve the above problems, we propose a Visual Decision-Guided Tool (VDGT) that integrates optimization
programming into geo-data visualization to determine the best path for rescue and recovery missions. The conceptual idea is to enable military units to make a visual decision on routes based upon the route distance optimality among all the possible paths. Specifically, we will first develop the Top-k Objected-oriented Smoothest Paths (TOSP) model which captures the object dynamics of geospatial temporal network in a terrain over a time horizon. These objects include stationary entities (e.g., houses, buildings, roads, trees, etc.), mobile objects (e.g., vehicles, people, etc.), and route segments (e.g., steep slopes, mud roads, etc.). Second, we will extend the SPA to be a dynamic learning algorithm, i.e., the Time-varying Smoothest Path (TSP) algorithm, which integrates the object dynamics to learn the top-k smoothest routes at each instance of time. The main advantage offered by the SPA extension is its lower logarithmic time complexity, i.e., O(NlogN), where N is the number of nodes in a terrain. Finally, we will develop a new design of visual displays that enable military operators to analyze other crucial factors, such as vehicle types, weather severity, and soldiers’ specialty levels, which are required to be interpreted by human perception, cognition, and knowledge to select the best path among the top-k smoothest routes at each instance of time for rescue and recovery missions.
เพื่อแก้ปัญหาดังกล่าวเราจึงนำเสนอเครื่องมือภาพ-Guided การตัดสินใจ (VDGT) ที่บูรณาการเพิ่มประสิทธิภาพของ
การเขียนโปรแกรมลงไปในการสร้างภาพทางภูมิศาสตร์ข้อมูลเพื่อตรวจสอบเส้นทางที่ดีที่สุดสำหรับการช่วยเหลือและภารกิจการกู้คืน ความคิดความคิดที่จะช่วยให้หน่วยทหารที่จะทำให้การตัดสินใจที่ภาพบนเส้นทางขึ้นอยู่กับระยะทาง optimality เส้นทางในทุกเส้นทางที่เป็นไปได้ โดยเฉพาะครั้งแรกที่เราจะมีการพัฒนายอด k นุ่มนวลคัดค้านที่มุ่งเน้นเส้นทาง (TOSP) รูปแบบที่จับการเปลี่ยนแปลงของวัตถุของเครือข่ายเชิงพื้นที่ชั่วคราวในพื้นที่เหนือเส้นขอบฟ้าเวลา วัตถุเหล่านี้รวมถึงหน่วยงานที่นิ่ง (เช่นบ้าน, อาคาร, ถนน, ต้นไม้, ฯลฯ ), วัตถุมือถือ (เช่นยานพาหนะคนอื่น ๆ ) และกลุ่มเส้นทาง (เช่นลาดชันถนนโคลน ฯลฯ ) ประการที่สองเราจะขยายสปาจะเป็นขั้นตอนวิธีการเรียนรู้แบบไดนามิกคือเวลาที่แตกต่างกันเส้นทางที่ราบรื่น (TSP) ขั้นตอนวิธีการซึ่งรวมการเปลี่ยนแปลงของวัตถุที่จะเรียนรู้บนเส้นทาง k นุ่มนวลในแต่ละกรณีของเวลา ประโยชน์หลักที่นำเสนอโดยการขยายสปาคือความซับซ้อนของเวลาที่ต่ำกว่าลอการิทึมคือ O (nlogn) โดยที่ N คือจำนวนของโหนดในพื้นที่ สุดท้ายเราจะมีการพัฒนาออกแบบใหม่ของการแสดงภาพที่ทำให้ผู้ประกอบการทางทหารในการวิเคราะห์ปัจจัยที่สำคัญอื่น ๆ เช่นประเภทของยานพาหนะรุนแรงสภาพอากาศและทหารระดับพิเศษซึ่งจะต้องได้รับการตีความโดยรับรู้ของมนุษย์, ความรู้ความเข้าใจและความรู้เพื่อ เลือกเส้นทางที่ดีที่สุดในด้านบน-k เส้นทางที่ราบรื่นในแต่ละกรณีของเวลาสำหรับการช่วยเหลือและภารกิจการกู้คืน
การแปล กรุณารอสักครู่..