毕业设计论文-浅析LBS与地图结合大数据在生活中的应用.docx

毕业论文 题目：浅析LBS与地图结合大数据在 生活中的应用 学 院： 测绘工程学院 专 业： 12级测绘工程 学 号： 二0一六年六月三日1浅析LBS与地图结合大数据在生活中的应用摘要：LBS技术与地图电子化的在近几年有了长足的发展。随着人们身边的智能设备增加，日常生活中产生的数据量也是呈指数级增长，大数据让LBS与地图的结合在很多实际场景也起到了重要作用。本文从LBS与地图的起源开始简述LBS与地图对生活的影响。并且对于LBS定位数据的准确性计算方案提出了解决方案，探索了未来在大数据下地图与LBS在民生领域中的实际运用。关键词：大数据;地图;LBS;GPS;定位2目录1引言42地图与LBS的发展历程与大数据的崛起42.1 LBS的起源42.2 LBS的发展与地图的结合42.3现阶段大数据对于LBS与地图的影响43对于地理位置数据的收集与使用53.1地理位置信息采集方式53.2 GPS定位与LBS基站定位的结合73.3 GPS定位与LBS基站定位的结合在具体案例中的应用84众包地图Waze大数据下LBS与地图的应用成功案例分析134.1 Waze的起源与发展134.2.对于Waze影响的分析与思考155展望新技术在大数据下LBS与地图的更多应用场景155.1 VR在全景地图中的应用对未来生活的改变155.2 地图数据的采集在无人驾驶汽车中的应用156总结16致谢语17参考文献1831 引言现代社会正处于一个高速发展的时期，互联网的发展遵循摩尔定律，以至于日常生活中产生的数据量正在以指数级进行增长。现代的测绘技术也是这一时期有了飞速的发展，基于大数据下的地图的测绘更加的不但快速精确，内容也更加丰富。与此同时GPS的民用化和基站定位等技术的不断成熟LBS在日常生活中得到了极其广泛的推广与运用。未来这些服务还会为民众提供更多的便利和创造更多的价值。2 地图与LBS的发展历程与大数据的崛起2.1 LBS的起源在上个世纪70年代美国就已经发布了911服务标准1。原因是一个1993年突发的绑架杀害事件，在二十世纪末推行了E911这个有时代意义的命令。要建设一个在全球范围都能追踪到用户位置的公共安全网络。并且确立了多种定位用户位置的方案。不论是有线网络，还是无线网络都能精确把用户定位到50至300米的范围以内。同时于2001年的911发生的恐怖事件让美国公众真正的认识到位置信息服务对于公共安全的重要性，并且迫使移动运营商投入更多的金钱与人力来发展位置服务从而催生了LBS市场的发展。我国的LBS业务的发展源自于2001年的中国移动推出的移动梦网业务。同时开始了我国LBS商业化的进程。2.2 LBS的发展与地图的结合由于一开始的定位精度还是比较低，GPS不能进行短时间的连续定位以及地图数据的不完善，导致一开始LBS并没有实际意义与商业价值，直到2006年。2006年，GPS定位的精度已经可以达到5至50米的连续、精确的定位。并且同期互联网地图的出现，一大批的地图厂商、软硬件厂商都涌入这一行业，开发出了一系列在线的LBS终端产品。由于这是个初期市场，让这些公司有极大的动力对这些无线技术和硬件设施进行完善，所以导致了接下来的数年LBS在国内有了爆炸式的增长。我国LBS服务针对个人进行的服务的市场在2009年达到了3.35亿元，2009年激增为6.44亿元，2010年更是激增到9.98亿元。同时，在Web 2.0互联网新浪潮的冲击下，受到美国公司Foursquare的商业模式的引导，国内在短时间内出现了大量基于LBS的公司。在这样环境下的地图终于脱离纸张，进入手机等移动终端，融入在用户的生活中。理所应当的地图上升到一个史无前例的战略位置。并且被赋予了全新的定义平台级的生活入口应用3。2.3现阶段大数据对于LBS与地图的影响近年，随着智能设备的急速增长，用户在日程生活使用各类应用产生了巨量的数据，大数据就是在这个期间崛起的。在大数据是一种规模大到在获取、存储、管理、分析方面大大超出了传统数据库软件工具能力范围的数据集合，具有海量的数据规模、快速的数据流转、多样的数据类型和价值密度低四大特征。由于近几年电子技术的突飞猛进与数据存储的价格迅猛下跌，开启了数据的云时代。各大互联网公司纷纷投身其中了。在自家产品服务用户的同时也展开了各项数据的收集与分析，一方面可以更好的服务用户，另一方面可以更好的营销，创造利润。地图导航是最早也是应用最多的功能，就目前用户量最大的百度地图来说，已经实现了超过 600 万公里的路网覆盖，POI 总数超过4000万，整体准确率为 96.50%。定位精度方面，WIFI定位精度为 30 米，高精度的室内位精度 1-3 米，定位速度 0.2 秒。百度公布的数据显示，百度地图拥有3.26 亿的MAU。目前每日使用次数平均都超过 230 亿次。已然成为民众生活中不可或缺的一部分了4。在收集了海量数据后，对于用户的进行行为与需求进行分析在满足了导航这样的基本需求后，引导人们的视线从马路延伸到马路周边的与生活相关的服务。在到达目的地后的你就可以通过百度地图获取餐饮娱乐、订酒店、汽车加油、保养等 O2O 服务，是LBS的进一步应用，也是一种趋势。位于大数据下的LBS与地图，让人们不仅可以更为清晰的看世界，可以更透明的看到身边的信息。这些技术已经在行为层面改变了人民的生活方式。3 对于地理位置数据的收集与使用3.1地理位置信息采集方式由于互联网软硬件产业的突飞猛进，根据2015年的数据显示，具备定位功能的智能手机已经突破6亿部。地理位置信息的记录与收集也变为极为重要，天气的预报，旅游服务等其他服务也在让我们受益不浅。以下是收集数据的几种方式。3.1.1 GPS定位GPS是全球定位系统的缩写,它是目前在各个领域都有应用的定位系统。目前在全球范围内可以实行全天候实，不间断的实时的三维定位。并且具有较高的精度（十米左右）。定位系统共分三个部分，如图1所示。第一部分：卫星所在外太空部分。GPS的外太空部分是由24颗GPS持续不断工作的地球同步卫星所组成。这些工作卫星一起工作组成了GPS定位卫星星座。其中21颗卫星用于进行实时导航。另外3颗为的备用卫星以防止正常卫星出现问题无法工作。其中每颗GPS工作卫星都是可以发出定位的信号。地面上的GPS用户也是使用这些GPS卫星传输的信号来进行日常的定位工作。第二部分：地面控制部分。GPS的控制部分是由分散在世界各位置的卫星追踪站组成的。这些跟踪站有三类，分别为主控站、监控站和注入站。主控制站处在美国。主控站是根据各监控站对GPS的日常观测的数据，并计算卫星的修正参数等，将修正后的这些参数经过注入站发送到需要修正的卫星中去进行修正；还可以对卫星进行全方位控制，当正常工作卫星出现故障问题时。调度备用卫星进行工作。另外，主控站也是具有监控站的监控功能功能。第三部分地面客户端部分。GPS接收端由GPS接收机和如智能手机，车载GPS导航系统等客户端所组成。其作用是接收GPS卫星信号，并且提取这些GPS信号帮助用户进行工作5。图1 GPS定位系统示意图3.1.2 蜂窝基站定位LBS被认为是目前最具发展前景的产业与无线定位技术的不断发展。在商业环境中对于其进行定位时速度的要求也越来越高，GPS定位虽然精准但是启动慢搜索慢的缺点不能满足现阶段的需求，GSM基站定位就是在这样的环境下产生的。其优点是定位迅速、能耗低、价格便宜的优势。这样方便快捷的定位方式，目前应用极为广泛6。GSM定位的原理：GSM网络是由一大群类似蜂窝的基站信号塔组成的，这些基站信号塔按照设定的通讯范围把整个地面区域划分成众多类似蜂窝的信号小区。这些小区大小不定根据范围内的建筑物，如果密集则为几十米，如若是草原则是几千米。我们用移动设备处于信号塔的网络中，利用最近的基站接入网络，然后利用这些基站在GSM网络进行数据交互的7。那么GSM定位，就是借助这些成群的蜂窝基站进行的。3.1.3 WIFI定位由于模块随着智能手机的普及，也大范围的应用在日常生活中。其定位原理类似基站定位。WIFI定位基本原理：WIFI设备使用的都是世界唯一的MAC地址,并且通常无线设备不会随便改变位置。具备无线通讯的设备在开启WIFI的情况下,一直对周围的信号进行扫描与采集,无论是否需要输入密码还是无法链接的WIFI信号,甚至信号强度低WIFI信号都能显示在无线信号列表中，在扫描这些信号的同时也获取到这些无线设备发送出来的它唯一的MAC地址。移动智能设备利用互联网将这些地址数据发送给LBS服务商,进行无线设备的地址检索。并根据每个信号的强弱程度,识别设备所在的地址并返回到用户设备8。所以地理信息服务商开着信号采集车去大街小巷采集AP和基站的信号数据。并且利用安卓手机的特性，以静默方式向使用定位服务的用户收集位置数据安卓手机用户在开启WIFI开关时，会提醒用户是否同意谷歌使用这些数据。3.2 GPS定位与LBS基站定位的结合3.2.1 GSP定位与基站定位的优缺点GPS定位的具有精确、稳定、定位迅速的特点。在较为空旷能接到卫星信号的位置，就能进行精确度在5米以内的定位。但是缺点是，开启速度慢，需要数秒，并且还需要十几秒的搜索卫星。并且受天气位置的影响大。在天气不佳或者遮蔽物多的城市高楼，树荫高架桥下等位置均无法定位。LBS基站定位的优势是方便，快捷，只要设备能与基站进行数据交互，根据设备接收到的周围3个基站的信号差别就能判断出所在位置，并且不受天气，高楼等位置的影响9。但是缺点是无法进行较高精度的定位，误差范围在50-500左右。如果是开阔的地方，基站架设的跨度大，误差会更大。3.2.2 GPS定位与LBS基站定位的结合与优化由于目前的智能手机都再用了GPS接收器与手机的处理器连接，当接收到GPS卫星信号，通过本地自带的GPS定位算法直接可以计算出本机所处的位置。同时使用智能设备内置的基站信号和无线网络对基站进行通信，扫描周围的基站信息，发送到基于GSM或者GPRS的网络连接基站完成定位，设备利用既有的数据库以及算法计算出所在位置。但是二者的数据会有误差，那么如何选择数据与处理数据的误差成为结合难点。一般来说要进行定位服务时用户会开启GPS服务，同时引导用户打开数据服务。所以在地域广阔的野外如山区草原的此类位置搜索卫星快速，基站稀少，此时选用GPS为主，LBS为辅的方案。但是在城市中，由于遮蔽物较多，则选用基站定位为主，迅速确定大致位置，然后在进行GPS精准定位，这样大大减少了等待时长。当用户使用二者同时导航时，一定存在误差。这时遇到的问题是最终应该呈现一个怎样的定位数据才最为准确，最符合用户的需求。所以经过研究后给出以下两种解决方案.第一种是：将得到的基站数据与GPS定位的数据进行互相取均值，这是最简单的方案，也是最稳妥的。改正公式如下（其中Xmax表示较大的纬度数据，Xmin表示较小纬度数据；Ymax表示较大经度数据，Ymin表示较小经度数据)：(Xmax+Xmin)/2;(Ymax+Ymin)/2第二种是：利用数学概率学中的极差来进行计算。由于进行统计时，一般用极差来对一组数据的离散程度进行描述，反应变量的分布的变异和离散程度。并且总体任何两个单位的标准差不可能超过极差。而且它能表现这些数据的波动范围。极差数字越大，离散程度越大。所以，在进行一次定位中，多测量几组数据（至少2次），并且取他们的极差。极差越小，就为较精确的数据。我们就可以反馈这个数据，让地图软件对其进行呈现。计算公式如下：极差=最大值-最小值全距=最大标志值-最小标志值。3.3 大数据下GPS定位与LBS基站定位的结合在具体案例中的应用3.3.1 上海外滩踩踏事故事件还原2014年12月31日23时35分，在全民跨年最高潮的时刻，众多游客市民一起来到在上海外滩观看灯火秀迎接新年的到来，上海地区最繁华的黄浦区外滩区域观景平台的人行通道阶梯处有人因为人流量太大受到大力挤压跌倒，产生了更多的摔倒，最终导致大面积的踩踏事件发生 10。3.3.2事件发生时地理位置信息的收集过程当用户使用数据网络时，设备已经完成初步定位。当使用百度的搜索或者地图服务时，百度即可获取用户的地理位置信息。并且上传到服务器进行处理，并且在地图上进行显示。如图2所示。图2 地理位置信息收集示意图3.3.3 外滩踩踏事故中的地理位置数据的优化处理以及分析当日事发地产生了127万次的定位请求。以下当日收到的GPS与基站定位的部分数据。通过上面的第一种校正公式进行校正后得到最后两列位置数据。表1 基站与GPS定位数据UTCLNGLATGPS-NGPS-EGPS-HAVG-NAVG-E31230105121.36996531.17959121.37455731.17768536.35121.37226131.178637531230105121.1394831.191538121.14407731.18966639.09121.141778531.19060231230105121.42554531.268955121.43019131.26713522.27121.42786831.26804531230105121.596931.21504121.601131.21283323.96121.59931.213936531230105121.43458631.194447121.4392149931.19258431.24121.43690049999931.193515531230105121.4902731.208122121.49474431.20613520.28121.49250731.207128531230105121.2165731.193449121.22102231.19144425.86121.21879631.192446531230105121.48624431.239363121.49075531.2374187.92121.488499531.238390531230105121.5513931.288773121.55567131.28665519.55121.553530531.28771431230106121.46226531.244751121.46684131.24286130.28121.46455331.24380631230106121.3961131.071321121.40073431.06944.18121.39842231.070360531230106121.5034331.24298121.5078719931.2409825.63121.50565099999931.2419831230106106.93542527.706676106.9392527.70315734.94106.937337527.704916531230106121.7042831.156548121.70860431.15444519.77121.70644231.155496531230110121.23501631.203972121.23944231.20194827.31121.23722931.2029631230110121.6940631.01356121.69835231.01136230.38121.69620631.01246131230110121.23273531.461111121.23718731.4591839.91121.23496131.460145531230110121.4281131.26729121.43275631.2654728.8121.43043331.2663831230110121.3968131.056051121.40143431.05411638.72121.39912231.055083531230110121.242731.19613121.2471231.19409737.95121.2449131.195113531230110121.628931.305786121.63310631.3036230.78121.63100331.304704531230110121.6291631.30526121.63336631.30309731.38121.63126331.304178531230110121.18490631.286535121.18942331.2846236.07121.187164531.28557931230110121.1560231.1134121.1605831.11146236.05121.158331.11243131230110121.4149731.222948121.41961599999931.22111314.12121.41729299999931.222030531230110121.27962531.16659121.28404499999931.1645437.69121.28183499999931.165566531230110121.4292931.168262121.43392499999931.166393999999921.4121.431607531.167327999999931230110121.2013431.381498121.20582531.37958837.16121.203582531.38054331230110121.595431.315174121.59961131.31301129.56121.597505531.314092531230111121.26633531.106165121.27074499999931.1040831.93121.26853999999931.105122531230111121.4127331.093338121.41736499999931.091431999999934.41121.415047531.09238531230111121.5668131.217424121.57105931.21525436.36121.568934531.21633931230111121.5298531.204159121.53421731.2020851.38121.532033531.20312231230111121.3986331.196758121.40326499999931.19489915.28121.40094749999931.195828531230111121.35445431.283573121.35903531.28170214.82121.356744531.282637531230111121.3251731.161812121.32967631.15982922.15121.32742331.160820531230111121.2317431.480198121.23619231.47827213.32121.23396631.47923531230111121.5497531.189138121.55405231.18699914.94121.55190131.188068531230111121.4542931.242828121.45888731.24096139.55121.456588531.241894531230111121.246131.203894121.2505231.20186634.85121.2483131.2028831230111121.3218430.734472121.32630930.73224533.46121.324074530.733358531230111121.4473331.248991121.45194931.24713812.13121.449639531.248064531230111121.43690531.287645121.44153999999931.28582532.7121.43922249999931.28673531230111120.9156931.111025120.91982631.10875623120.91775831.109890531230111121.43355631.336266121.43819599999931.334464999999929.81121.43587599999931.335365499999931230111121.7861730.999006121.79049930.99685429.5121.788334530.9979331230111121.770930.99842121.7752430.99627212121.7730730.99734631230141121.4804231.341612121.48494199999931.3397112.82121.48268131.340661531230155121.2394230.826914121.24381299999930.82467526.33121.24161649999930.825794531230155121.50133531.153229121.50577131.15118634.01121.50355331.152207531230155121.5459731.16333121.55026699999931.16118219.97121.548118531.16225631230155121.48463431.247355121.48914531.245414999999921.22121.486889531.246384999999931230155121.5647131.256903121.56896431.25475225.68121.56683731.255827531230155121.7409831.533346121.74537931.53142113.04121.743179531.532383531230155121.2626931.106169121.267131.10408439.63121.26489531.105126531230155121.3903331.21721121.3949731.2153617.19121.3926531.216285531230155121.04552531.155645121.0500231.15368534.19121.047772531.15466531230155121.1836730.911493121.18815530.90938528.29121.185912530.91043931230155121.4985931.151548121.50306431.1495370.58121.50082731.150542531230320121.4659831.279606121.47055631.27773123.37121.46826831.278668531230320121.4953630.894596121.49980730.89243225.18121.497583530.89351431230320121.1849231.40533121.18944831.403461999999922.27121.18718431.404395999999931230320121.3248731.335434121.32938731.333527999999934.01121.327128531.334481使用百度提供的开发平台，将这些数据录入，编码生成热力图。如图3所示是事件发生时的人群热力图。颜色越红者表示人群越密集。反之则人越稀疏11。我们可以发现人群主要集中在外滩源、外滩区域、陈毅广场、南京路地铁站。图3 2014.12.31 事发时外滩区域人群热力图根据百度研究院给出的跨年夜之前几天的人流量相对值数据，如图4可以看出12月31日晚上的人流量是平时的3倍多。并且呈爆发增长状态。图4 2014.12.31 事发时外滩区域人群热力图13查阅资料可以发现踩踏事件的发生一般有以下几个原因：1.当民众较多时，前面有人摔倒，后面人未留意，没有止步。2.人群受到惊吓，产生恐慌，如听到爆炸声、枪声，出现惊慌失措的失控局面，在无组织无目的的逃生中，相互拥挤踩踏。3.人群因过于激动（兴奋、愤怒等）而出现骚乱，易发生踩踏。4.因好奇心驱使，专门找人多拥挤处去探索究竟，造成不必要的人员集中而踩踏12。进行原因的总结后发现主要原因基本聚焦到第一和第四点。同期百度指数显示如图5所示，词条外滩源在12月31日当晚，搜索人数陡然上升。结合当晚的一个特殊因素。在事发当天，很多民众去参加平常都是在陈毅广场举办的灯光秀，但是到了陈毅广场后才发觉场地变更。基本可以判定此次踩踏事件的原因是人群的对冲拥挤造成的。图5 2014.12.31 外滩源关键词的搜索指数13再根据如图6中百度研究院给出的关键词数据的热力图以及外滩和外滩源区域人群流动方向示意图，大多数搜索的人群集中在外滩区域，以及陈毅广场。当他们发现异常时，好像此处不会进行灯光秀。于是拿起手机进行搜索，然后导致他们涌向了外滩源。但是外面仍然有不明就里的游客向陈毅广场涌去，一时间人群对冲，造成了如此的惨剧。图6 以“外滩源”为目标的地图搜索发起点热力图134 众包地图Waze大数据下LBS与地图的应用成功案例分析4.1 Waze的起源与发展Waze是一个基于GPS的导航移动软件，2008年由以色列创业团队开发。这个导航软件可以让你顺畅的在拥堵的都市中到达目的地。并且2013年6月，Google花了11亿美元对Waze进行收购，以帮助其增加在地图商业上增加社会测绘方面上的优势。Waze 的原理是利用大多数司机在开车的时候在都开着带 GPS 的手机，然后手机会把你的行驶速度发到服务器，汇聚成大数据，进行处理。也就是很多用户聚合起来，就可以知道什么位置堵车，什么位置不堵，具体原理如图7所示。图7 Waze的基本原理如果你堵在一个地方不能动，司机个人还可以对软件进行操作实时提供一些详细的道路堵塞的信息（如事故、施工），并将报告发送到服务器。如图8 所示，其他的用户根据服务器统计的数据和用户报告的信息，就能很好的选择其他的不堵塞的路走了。图8 Waze用户导航与反馈界面这样不仅可以缓解堵塞地点的交通情况，还可以促使从堵塞的交通中找到通畅道路的用户遇到堵塞多进行此类分享。2012年1月年，该应用程序在全球已被下载1200万次。2012年7月，Waze宣布，其已经达到了2000万用户，其中仅经历了6个月就获得的此前几年才获得的用户。并且Waze的用户数量在已经在2013年1月已近5000万14。可见互联网的传播速度是极其迅速的。4.2.对于Waze影响的分析与思考一直以来地图数据都是测绘公司独立采集，需要极大的人力物力成本，这一现象的出现为一些地图企业重新指出了一条既可以节约成本提高地图更新速度还有提供更准确的道路信息。并且诠释了在数据量剧增的今天如何利用好这些数据，为用户创造价值，为城市交通的优化提供帮助。同时可以与政府合作，政府提供最新的道路关闭、建筑施工建设信息，然后作为交换为政府提供实时的交通情况。同时 Waze 的司机可以实时举报遇到的罪犯或者绑架犯等交通事故。为保护城市安全作出更多帮助。5 展望新技术在大数据下LBS与地图的更多应用场景5.1 VR在全景地图中的应用对未来生活的改变虚拟现实VR是当下最为火爆的技术，这项技术利用电脑的高性能图像能力和各种捕捉现实世界环境的传感器。然后在电脑上生成的三维环境，并且提供类似真实世界的感觉15。全景地图从2006年发展到现在，经过各大地图公司经过数年的不断努力进行的数据收集与地图的建模，已经完成覆盖了全世界的大部分城市与热门的旅游景点。在这样建模中的虚拟的第二现实世界里，新移民们可以各种虚拟的工具进行交互。同时通过目前使用的文本，语音，图片，短片等各种媒介进行交互，进行出行、教育、运动、居住等社会活动。从行业发展趋势来看，虚拟世界影响民众的认知共分为三个层次，当这三个层次得以真正实现，虚拟世界和现实世界开始融合人的认知开始接受，这样不用出门就可完成以往必须出门才能完成的大部分任务16。这将对我们的未来生活造成巨大的影响。5.2 地图数据的采集在无人驾驶汽车中的应用无人驾驶汽车，顾名思义不需要人来操作，依靠汽车内的计算机就能自动完成在道路上行驶的汽车。利用人工智能、三维激光雷达、视觉计算、GPS定位进行协同合作。其中地图数据的实时采集要求异常严格。所以地图是其最核心的一部分。目前逐渐成熟的ADSA（高级驾驶辅助系统）是使用安装在车上的各种传感器，在汽车行驶过程中每时每刻来扫描周围的环境，收集数据，进行动、静态物体的区分、侦查与追测，并结合地图数据，利用智能的系统的运算分析和呈现，让司机时刻感觉到周围可能发生的危险，并且在一定情况下还能进行主动驾驶3。为我们的出行安全提供了更多的保障。Telsa（位于美国加州硅谷的纯电动车制造公司）的计划是通过不断迭代这样的辅助驾驶技术，使之最后升级成为无人驾驶。Tesla自主研发的辅助驾驶系统使用的硬件包括：摄像头、扫描雷达、超声波传感器。摄像头实时识别车道，实现车道保持。摄像头+雷达追踪前车，控制车速。如图9所示，超声波传感器感应车辆周围和驾驶员盲区内车辆和障碍物，实现碰撞回避。目前的测绘技术已经能做到准确的识别前方物体了，对于人工智能识别上，在感应器探测到一个物体，要靠相应的软件加以识别后才有意义，就像眼睛看到物体后，要经过神经传递给大脑处理一样17。但是随着计算机技术的迅猛发展，自动驾驶应该很快就会来到我们的生活当中。图9 Telsa在行驶中利用传感器实时捕捉周围环境并进行分析6 总结伴随着互联网的发展，地图由我们原来的一张纸进化成了电子数据。使我们可以更方便的查看和使用。让我们查到更具体的。就在这几年，我们见证了测绘以及地理信息脱去了原本高大上的外衣，不露声色的融入到我们的每一天的生活中。当你需要出行时只需要进行简单的搜索就能预知路线与所需时间。再未来也许你可以足不出户就可以与这个世界无缝接入，难道不值得我们期待吗。致谢语在本次论文的撰写中，我得到了邹丹老师的认真指导，从选题开始，邹丹老师就告诉我们选题的重要性，并且更具我描述的大概的论文内容，提供了一些意见从而帮助我确定的论文的题目。在论文写作的过程中，帮助我解决一些格式上的问题，还有提供一些关于论文写作的方向，开拓了我写作的思路，在修改论文是多次指出论文中的不足之处，并附上了相关的意见，使得我最终完成了这篇论文。在学校，老师们的教诲现在还耳边萦绕。在生活上有些坏习惯，辅导员时常提醒我并鼓励我改正，谢谢她这四年的认真付出。还有便是老师们对我专业思维及专业技能的培养，他们在学业上的细心指导为我工作和继续学习打下了良好的基础，在这里我要向每位老师深深的鞠上一躬！感谢2012级测绘的同学们，在大学中有你们的陪伴，使我的大学生活更加生动有趣，也在校园的每个角落留下美好的回忆。最后向所有关心和帮助过