什么是Map 3D 2012/ AIMS2012中的industry model?

简介:

 

行业模型(Industry Model)是保存在Oracle数据库中或者DWG文件或者DWT模版文件中的特定的模式(Schema),或者通俗的说是数据库结构。保存在oracle里面的就称为企业版行业模型(enterprise industry model),保存到dwg或者dwt文件中是基于文件的行业模型。行业模型industry model包含要素类Feature Class,规则Rules,关系Relationships和其他设置。现在Map 3D 2012再提供了电力、上水、下水和天然气行业模型。你可以使用Autodesk Infrastructure Administrator来对行业模型进行创建,编辑和配置。  

industry model -- A specialized schema stored in an Oracle database (an enterprise industry model) or in a drawing or template file (a file-based industry model). Industry models contain feature classes, rules, relationships, and other settings. There are electric, water, wastewater, and gas industry models. You can create, edit, and configure industry models using the Autodesk Infrastructure Administrator.

 

image

这些行业模型保存在Oracle数据库中应该很好理解,无非就是一些预定义好特定结构的数据表,空间表什么的。但这些表是怎么保存在DWG或者DWT文件中可能会让你很好奇。

 

在Map 3D 2012中新建一个文档,选择Industry Template目录下的模板文件作为模板,比如使用关于下水的模板文件IM_WasteWater.dwt. 或者打开一个带有IM model的dwg文件,你会发现在Task Pane中已经有好多Feature Class了(如上图所示)

image

 

这些Feature class其实就是保存在数据库中的一些空间表,在一起的Topobase中,这些表是保存在Oracle Spatial空间数据库中的,可是现在只有一个DWG文件,那这些数据表是放在哪里了呢?

答案就是放在一个Sqlite的文件型数据库中。Map 3D 2012把这些预定义好的行业模型相关的数据表保存在一个Sqlite 数据库中,并且把她压缩到DWG或者DWT文件中去,注意这时的DWG已经不是普通的AutoCAD 的DWG了。使用Map 3D 2012打开这样的DWG时,便会解压缩出来放到windows的临时目录中,并且通过FDO provider来连接到Map 3D中。

 

你可以用Autodesk Infrastructure Administrator来打开DWT模板或者带有IM模型的DWG文件来查看其中定义的Sqlite 数据库的结构,如图:

image

 

当你在Map 3D 2012中打开一个带有行业模型的DWG文件后,你还可以在windows的临时目录下用其他工具来查看这个Sqlite数据库中的内容,比如我用SQLiteSpy这个小工具打开C:\Users\duda\AppData\Local\Temp\Embedded\c2ef6aa1e71f45ab8c2070b84b860b6e\WasteWater Demo Dump,如图:

image

你可以看到其中定义了好多的表,可以存储很丰富的行业模型信息,比如下水管材质、管径、生产商、维修时间等诸如此类的信息。这不正是我们做的地下管网管理系统中最常用的东西吗?

 

好了,抛砖引玉,还有更多有用的、好玩儿的等你去发现~

 

 

作者: 峻祁连
邮箱:junqilian@163.com 
出处: http://junqilian.cnblogs.com 
转载请保留此信息。



本文转自峻祁连. Moving to Cloud/Mobile博客园博客,原文链接:http://www.cnblogs.com/junqilian/archive/2011/05/06/2039205.html ,如需转载请自行联系原作者
相关文章
|
8月前
|
自然语言处理 算法 vr&ar
X-GEAR:Multilingual Generative Language Models for Zero-Shot Cross-Lingual Event Argument Extraction
我们提出了一项利用多语言预训练生成语言模型进行零样本跨语言事件论元抽取(EAE)的研究。通过将EAE定义为语言生成任务,我们的方法有效地编码事件结构并捕获论元之间的依赖关系。
75 0
|
8月前
|
人工智能 数据可视化 决策智能
【CAMEL】Communicative Agents for “Mind”Exploration of Large Scale Language Model Society
【CAMEL】Communicative Agents for “Mind”Exploration of Large Scale Language Model Society
251 0
|
8月前
|
自然语言处理 算法 知识图谱
DEGREE: A Data-Efficient Generation-Based Event Extraction Model论文解读
事件抽取需要专家进行高质量的人工标注,这通常很昂贵。因此,学习一个仅用少数标记示例就能训练的数据高效事件抽取模型已成为一个至关重要的挑战。
73 0
|
8月前
|
机器学习/深度学习 自然语言处理 算法
Joint Information Extraction with Cross-Task and Cross-Instance High-Order Modeling 论文解读
先前的信息抽取(IE)工作通常独立地预测不同的任务和实例(例如,事件触发词、实体、角色、关系),而忽略了它们的相互作用,导致模型效率低下。
57 0
|
8月前
|
机器学习/深度学习 自然语言处理 算法
TPLinker: Single-stage Joint Extraction of Entities and Relations Through Token Pair Linking 论文解读
近年来,从非结构化文本中提取实体和关系引起了越来越多的关注,但由于识别共享实体的重叠关系存在内在困难,因此仍然具有挑战性。先前的研究表明,联合学习可以显著提高性能。然而,它们通常涉及连续的相互关联的步骤,并存在暴露偏差的问题。
94 0
|
数据可视化 数据挖掘 开发者
Data-Basic Statistical Descriptions of Data| 学习笔记
快速学习 Data-Basic Statistical Descriptions of Data。
103 0
Data-Basic Statistical Descriptions of Data| 学习笔记
Product advanced search implemented in Industry solution
Product advanced search implemented in Industry solution
87 0
Product advanced search implemented in Industry solution
SAP Knowledge Article TREX search determination
SAP Knowledge Article TREX search determination
94 0
SAP Knowledge Article TREX search determination
|
机器学习/深度学习 数据可视化 数据挖掘
Paper:《Graph Neural Networks: A Review of Methods and Applications》解读(一)
Paper:《Graph Neural Networks: A Review of Methods and Applications》