可视化技术可将现实中工程项目、应用流程和信息流中产生的数据结果展示为交互式的影像视频。随着互联网的全面发展, 传统的可视化必然将更直观生动, 且最大限度地实现数据的融合传播和分享。在基础道路工程领域, 道路虚拟可视化技术可实现道路景观的直观展示^[1]。道路景观能够最大限度地提供以道路为主体的空间环境信息群, 为道路三维可视化协同设计、局部桥梁的建造监控验收、道路的设计施工运营、浏览虚拟自然景观和传播城市文化特色以及为人们提供生活出行的各类信息载体等方面。

道路景观数据主要包含道路空间定位的点线面矢量数据、道路影像展示的纹理数据以及相关承载的属性数据等多媒体信息^[2]。按照道路景观数据来源, 可分为地图数据、影像数据、地形数据、属性数据和元数据。用于三维道路景观构建的普通交通地图和专题地图有着详实的空间关系、丰富的对象属性和较高的空间位置精度, 可以作为道路景观数据的矢量数据来源。影像数据包括卫星遥感影像, 航测数据和近景监测数据, 具有多时相、多方位和多分辨率等多种特点, 能为三维道路骨架上的纹理信息提供丰富的多尺度来源。但同时存在数据量庞大的问题, 需要进行系统存储, 基于云的存储方式正好能够合理的处理大数据访问带来的系统吞吐量, 负载均衡等问题。地形数据、道路周围建筑物和其他地物数据高程模型可以作为三维道路景观的骨架, 为三维道路景观的展示提供支撑, 周围复杂对象的多尺度显示, 需要服务器能够快速地进行交互和响应, 而一般传统的服务器, 在时间和空间复杂度较高的运算条件下, 均难以做到快速响应, 特别是访问人数达到一定级别时, 可能会出现系统崩溃, 这时需要借助云GIS的计算能力。在云GIS算法平台优化的情况下, 才能满足实时计算的需求。属性数据主要是指描述道路景观各类对象的实测数据文本资料, 现今成熟的数据库检索技术均能满足要求。元数据是关于数据的数据, 各类帮助文件等, 一般文件系统即可满足。从生成道路景观来源的各类数据进行分析, 道路景观数据空间分析具有数据量大, 访问速度快和计算复杂等特点, 而基于云GIS的计算方法能较好地解决这些难题^[3]。随着道路长度的增长, 大数据带来的瓶颈问题将更加明显, 而云GIS解决这类问题的能力就显得更加突出。

三维道路景观系统需实时展示道路信息, 故对GIS系统的数据传输、分析和生成速度均具有较高的要求, 同时在海量地理数据的条件下, 更需要云GIS来解决海量数据访问带来的难题。云计算是种基于新型互联网的计算模型, 其系统计算, 存储和交互方面的能力是动态的、可伸缩的和被虚拟化的^[4]。云GIS以服务的形式完成各种任务, 且提供服务的网络被称为“云”。将云GIS具有的海量数据处理模型与三维道路景观构建模型相结合, 能获得数据交互的实时处理, 影像质量的高分辨率和沉浸感较强等特点。其中云GIS的分布式数据存储、并行空间分析技术和互操作接口技术等关键技术为三维道路景观的构建提供系统支撑^[3]。

三维模型的构建算法分为体素法和表面法。体素法比较适宜于描述简单对象, 通过简单几何体素的布尔运算得到三维景观, 但对于复杂的不规则对象, 较难精细描述^[5]。另一方面, 采用传统的树形结构进行分解描述, 具有存储数据量巨大, 对硬件设备要求较高等问题。道路三维可视化具有实时性和交互性的要求, 在物体内部信息描述要求较少的情况下, 一般采用表面法, 可简化数据算法结构, 即结合对象点线面的几何拓扑关系和对象表面纹理信息的综合表示法。根据设计目标需求, 三维道路景观的构建可分为地形三维背景和道路三维目标两类具有不同目标详略程度需求的构建对象。

地形三维构建分为规则格网和不规则格网, 规则格网具有大量数据冗余, 同时对于复杂地形较难适用。而三维道路一般需穿越复杂的各种地形, 可采用不规则格网, 最常用的不规则格网为不规则三角网。其基本思路是采用互不重叠的三角形模拟逼近三维地形表面^[6-7]。不规则三角网具有压缩比率高, 数据冗余小和仿真精度高等优点, 主要算法有Lee等的分治算法^[8]、Lawson等的逐点插入算法^[9]和Green等的生长算法^[10]等。

道路三维构建分为三角网模型和Coons曲面模型。三角网模型与地形模型具有相类似之处, 即采用三角网仿真道路的各个对象, 同时融入道路本身的各类线特征, 如路中线, 坡脚线等。三角网模型本质是用细小的平面来仿真曲面。但在连接处容易出现较大的仿真误差, 为解决该问题, 可采用Coons曲面模型^[5]。

高精度的三维道路景观展示一般采用时间复杂度高、占用空间大的改进不规则三角格网算法以及双三次混合Coons曲面片道路模型。在云GIS的布局中, 需专门为其提供并行空间优化算法支撑, 为虚拟三维道路景观的生成提供计算保障。

三维道路景观数据具有海量、复杂、多尺度、多时空和异构等地理数据特征。云计算系统将目标数据输入分布式数据库中, 并将数据表分割成子数据块再在云的各个服务器上进行存储管理。三维道路景观数据本身的存储特征导致其地理数据存储方式需要复杂的规范和接口。分布式数据系统利用其本身具有的传输速率、吞吐量和数据冗余来保证数据应用的稳定性和可靠性。当前, 大多数云GIS采用BigTable和HBase等数据访问技术来进行存储和管理系统数据, 并通过标准的数据库访问接口进行统一规范和访问。当前, 云GIS主流存储方式是Google的非开源GFS(google file system)和开源HDFS(hadoop distributed file system)两大分布式文件管理系统^[11], 都能较好地解决复杂数据的访问与控制问题, 为节约成本, 一般采用开源的HDFS即可解决三维道路景观海量数据存储问题。

复杂三维景观数据的建立除了满足目标对象实时三维展示、浏览和索引外, 还需满足一般目的和特殊目的要求的三维道路景观空间分析, 如常见的缓冲区分析、叠置分析和拓扑分析, 在二维平面空间内, 经过优化的这类算法具有较高的时间和空间复杂度, 对硬件的要求较高, 在三维空间模型下, 这类算法对硬件的要求更高。云GIS中的并行计算方法是解决该类问题中的较优策略, 它支持大型集群的异步空间数据处理、并发控制和运行状态的实施监控^[12], 并能将结果实时显示在终端。并行算法的本质是将计算任务分解为多个相互独立的子任务, 并通过子任务之间的相互协调, 高效准确地完成计算任务。当前, 主要的并行算法有平衡树策略、分治算法、倍增和加速策略。并行空间分析作为并行算法中的一类应用, 可通过统一的分析框架、标准的空间模型、规范的元数据说明和自动化的人工智能技术相结合, 实现用户与三维景观动态交互的实时性和良好体验。

云GIS已经实现跨操作系统、各种数据源和各类硬件之间的相互通信。同时, 云GIS支持地理数据的自动发布、访问和优化, 支持各种云之间的互操作^[13]。实现数据和功能的互操作主要有以下两类方法:①采用公认的数据标准和接口规范来实现云GIS的标准化, 特别是各个国际标准化组织实现的云GIS接口标准、服务标准、架构标准和安全结构标准等一系列数据标准和接口规范, 具有重要的参考作用。实现三维道路景观系统在遵守规范的同时, 将相关道路建设规范加入到系统数据元字典中, 完善系统数据的完整性和可实施性。②采用互联网服务器技术, 利用现有的开放式OpenGIS开源互操作模型, 可实现三维信息的跨平台传输与存储。为使三维道路景观数据模型拥有更大程度的弹性和可扩展性, 开放式OpenGIS数据互操作模型具有较大优势。

云计算的快速发展, 已经具有超大规模海量数据处理、大尺度场景虚拟化、并行运算高可靠性和按服务进行相互自由交互的超越传统模型的服务能力^[14]。目前, 基于云GIS三维道路景观构建的大型项目较少, 基本上是模型应用的简化版, 如东莞电气系统改造项目, 设计人员可借助三维道路系统提供的道路纵横和各个角度三维虚拟显示做到电气线路的实时更新显示, 从而为评估电气线路几何特征对环境和交通安全的影响, 提供技术支撑。另一方面, 基于云GIS的三维道路景观系统设计, 嵌入城市电子地图中, 如百度地图、谷歌地图, 都有专门针对道路三维景观的展示功能, 但这些道路三维场景都是伪三维展示, 没有详细的道路对象信息展示和空间分析, 只是将三维空间分为少量的几个角度进行图片展示, 即它只是图像形式的三维展示, 而不是矢量要素级的三维展示, 因而没有查询、量算与空间分析功能。

当前三维道路景观系统构建技术并不完善, 还有许多的问题需要进一步深入探讨和研究。一方面, 当道路三维模型和地形三维模型的增长达到更大量级时出现的数据压缩问题、在道路景观中遥感影像数据、航拍数据和地形数据无缝融合问题和海量网络三维数据在现行通信网络上的传输速率问题等, 需要将云GIS三维道路景观系统的底层数据算法进行更合理的优化和细化。面向视觉的街景式的三维图像建模与面向查询、空间分析的矢量三维建模如何有机结合也是还需要探寻更好地解决方案。另一方面, 将现有三维道路GIS模型更好的运用在网络三维道路可视化协同设计中, 使道路设计更加科学合理和直观化。同时利用虚拟现实、影像解译、自动优化排位等相关技术, 结合线路区域的专题信息, 实现三维全景展示与信息查询等功能的技术^[15]并加强技术成果的现实转化, 必须使云GIS三维道路景观系统的各项功能和接口更加完善, 满足道路设计的各项要求。