波函數(shù)坍縮算法在數(shù)字城市仿真中的應(yīng)用研究

廖浩宏，韋宇煒，羅立宏

(廣東工業(yè)大學(xué)，廣東 廣州 510090)

1 引言

所謂的數(shù)字城市[1-3]，又稱虛擬城市。是旨在借助計(jì)算機(jī)技術(shù)、多媒體三維技術(shù)和大數(shù)據(jù)存儲(chǔ)等技術(shù)的基礎(chǔ)上，綜合應(yīng)用3S技術(shù)(GPS全球定位系統(tǒng)、GIS地理信息系統(tǒng)和RS遙感)，將城市的自然資源、社會(huì)資源、公共基礎(chǔ)設(shè)施等相關(guān)城市資源整合到系統(tǒng)平臺(tái)中，并使其可視化的過程[4]。在“十五”期間，國家配合地方與企業(yè)共投入45億人民幣，在全國建立了125個(gè)數(shù)字城市并投入使用，其余145個(gè)數(shù)字城市建設(shè)正在穩(wěn)步推進(jìn)。數(shù)字城市在城市規(guī)劃建設(shè)、資源管理、公共服務(wù)、人口資源調(diào)配等諸多領(lǐng)域起到了不可或缺的作用。

20世紀(jì)90年代以后，隨著計(jì)算機(jī)的運(yùn)行速度、算力、存儲(chǔ)等方面的大幅提升，數(shù)字城市、虛擬漫游、大場(chǎng)景的數(shù)據(jù)處理和快速繪制優(yōu)化等技術(shù)進(jìn)入了快速發(fā)展階段。Peter. Lindstrom、Hugues Hoppe等人提出了通過LOD(Level Of Detail)技術(shù)[5]構(gòu)建不同細(xì)節(jié)層次的模型來減輕計(jì)算機(jī)對(duì)高精度模型數(shù)據(jù)的存儲(chǔ)能力和渲染壓力；Yazdizadeh A等人提出使用Texture Mipmap(紋理映射)技術(shù)對(duì)場(chǎng)景中的紋理數(shù)據(jù)進(jìn)行處理[6]，在不影響用戶漫游體驗(yàn)的前提下極大程度地壓縮紋理貼圖的分辨率，進(jìn)而減輕計(jì)算機(jī)的渲染負(fù)荷；在國內(nèi)劉波[7]等人通過分層來構(gòu)造單體建筑的幾何模型和紋理，并將分頁式場(chǎng)景剔除技術(shù)引入到城市場(chǎng)景的圖形渲染管線中，提高了計(jì)算機(jī)運(yùn)行幀速率；在后續(xù)研究發(fā)展中，一些學(xué)者還通過改進(jìn)LOD技術(shù)、結(jié)合二級(jí)四叉樹索引降低網(wǎng)格搜索時(shí)間、利用GPU頂點(diǎn)著色并結(jié)合CUDA編碼技術(shù)對(duì)DEM[8-10](digital elevation model)進(jìn)行數(shù)據(jù)抽取來降低CUP的占用率，以此優(yōu)化場(chǎng)景渲染效果。

隨著5G技術(shù)、物聯(lián)網(wǎng)等技術(shù)的問世，虛擬現(xiàn)實(shí)技術(shù)、數(shù)字化城市被再次推入人們視野之中。數(shù)據(jù)交換的速度和量化程度也正往高速、海量化的方向發(fā)展，虛擬現(xiàn)實(shí)所必備的硬件正逐步實(shí)現(xiàn)輕量化；而無人駕駛技術(shù)也在數(shù)字化城市、地理信息系統(tǒng)等技術(shù)加持下的取得階段性成果。目前人們已經(jīng)可以依托大量的智能軟件和數(shù)據(jù)采集硬件如無人機(jī)航測(cè)等對(duì)現(xiàn)有的現(xiàn)實(shí)內(nèi)容進(jìn)行數(shù)字化、虛擬化快速生成。但是，軟件卻無法代替人腦進(jìn)行創(chuàng)作。而現(xiàn)階段，大量的虛擬仿真項(xiàng)目和市場(chǎng)需求仍集中在虛構(gòu)的城市場(chǎng)景內(nèi)容上，海量虛擬數(shù)字城市場(chǎng)景的建模和搭建在開發(fā)時(shí)間成本上仍是一個(gè)較為麻煩的問題。因此，上述項(xiàng)目流程仍存在設(shè)計(jì)流程上的不足。例如在城市道路規(guī)劃的設(shè)計(jì)過程中仍需要城市規(guī)劃師等專業(yè)人員進(jìn)行設(shè)計(jì)，若能將該算法應(yīng)用到實(shí)現(xiàn)動(dòng)態(tài)生成區(qū)域的場(chǎng)景規(guī)劃，這將使得建設(shè)成本和效率將進(jìn)一步得到改善。

據(jù)《艾瑞2018年L4級(jí)自動(dòng)駕駛技術(shù)及應(yīng)用場(chǎng)景行業(yè)研究報(bào)告》中提到，由于深度學(xué)習(xí)只有通過大量的數(shù)據(jù)訓(xùn)練才可以實(shí)現(xiàn)對(duì)相思目標(biāo)和道路情況的識(shí)別和判斷，而由于城市道路交通情況過于復(fù)雜，在模擬器上訓(xùn)練的場(chǎng)景有限，當(dāng)前L4級(jí)自動(dòng)駕駛系統(tǒng)還難以應(yīng)付城市開放道路上的載客運(yùn)輸作業(yè)，最終只能應(yīng)用于封閉園區(qū)如港口集裝箱運(yùn)輸、工業(yè)區(qū)運(yùn)輸作業(yè)等[11]。

本文主要研究約束求解驅(qū)動(dòng)圖像生成算法WFC(Wave Function Collapse， 波函數(shù)坍縮)，并將其應(yīng)用到數(shù)字城市的場(chǎng)景設(shè)計(jì)和程序生成之中，以此解決上述中城市規(guī)劃與機(jī)器深度學(xué)習(xí)的虛擬環(huán)境設(shè)計(jì)提供一個(gè)新的設(shè)計(jì)制作思路。

2 波函數(shù)坍縮法則

在整個(gè)程序的運(yùn)行中，波函數(shù)坍縮算法主要執(zhí)行了四個(gè)關(guān)鍵性任務(wù)[12-14]：從輸入圖像中提取局部模式；將這些模式處理成一個(gè)索引，以加速約束檢查；通過增加局部熵值來增量地生成輸出圖像；最后，將整個(gè)生成的圖像進(jìn)行輸出(以圖1作為案例樣本)。

通過上述樣本案例進(jìn)行解析，并且給出以下偽代碼：

defn Run()：

PatternsFromSample()；

BuildPropagator()； ∥構(gòu)建傳播算子

Loop until finished：

Observe()； ∥觀察

Propagate()； ∥傳播

OutputObservations()； ∥輸出觀測(cè)

2.1 構(gòu)建傳播算子

引入一種“傳播算子”(或稱為模式)的概念，這個(gè)傳播算子是一種特殊的、配置唯一的平鋪板塊。在簡單的平鋪算法中，傳播算子被認(rèn)為是線性的約束關(guān)系；在重疊的算法中，傳播算子可以通過觀察被原圖像所推斷出來，并通過設(shè)置一組從圖像中構(gòu)建出來的子圖像放置到N*N的模式索引數(shù)組中，并且還應(yīng)考慮其對(duì)稱性和旋轉(zhuǎn)不變性。

圖2 通過樣本生成3*4結(jié)構(gòu)圖

如圖2所示，當(dāng)N=2時(shí)，可以從樣本圖像中構(gòu)建出12個(gè)唯一模式，由于紅色和白色像素在原圖像中沒有相鄰的情況，所以沒有該類組合模式。采樣的圖像是周期性的平鋪，這是可選的。在模式設(shè)計(jì)中，BuildPropagator()創(chuàng)建了一個(gè)索引數(shù)據(jù)結(jié)構(gòu)，用來描述那些可以放置在彼此附近的方式。對(duì)于重疊的版本，索引包含提前計(jì)算好的答案，這個(gè)答案回答了當(dāng)一個(gè)放置在另一個(gè)特性的x，y偏移量時(shí)，兩個(gè)模式之間是否匹配的問題。(當(dāng)N=3時(shí)，有(2(N-1)+1)2=36 個(gè)偏移量需要考慮。)對(duì)于平鋪的版本，這個(gè)索引可以直接從設(shè)計(jì)器被指定的平鋪關(guān)系中創(chuàng)建出來。在任何一種情況下，它在模式之間創(chuàng)建了一種稀疏的關(guān)系。

在核心增量生成的過程中，決策變量(網(wǎng)格位置)被重復(fù)選擇然后進(jìn)行被分配。在約束求解過程中，除了當(dāng)前部分分配之外，求解器通常持續(xù)追蹤未分配變量的剩余域，它是一個(gè)被存儲(chǔ)在一個(gè)名為wave的表中，松散地引用了量子波函數(shù)。而表的條目，稱之為系數(shù)，是一個(gè)記錄算法是否仍然可以將給定的模式分配給給定的位置的布爾值。波函數(shù)中所有的系數(shù)被初始化成一個(gè)真值，這相當(dāng)于說每一個(gè)決策變量都有一個(gè)未還原的初始域。分配和傳播都有助于縮小變量的域。

2.2 最小熵原理驅(qū)動(dòng)解析

Observe()的目的是用最低的非零熵來識(shí)別網(wǎng)格上的位置。這里的熵所對(duì)應(yīng)于波的解釋，這意味著在每個(gè)網(wǎng)格位置上找到模式的概率分布。熵最低的細(xì)胞是傳播后最緊或最小域的變量。在約束求解中，在約束求解中，選擇最約束變量或等效最小剩余值變量(MRV)的啟發(fā)式方法是最好的。在此設(shè)置模式的的生成概率為，則通過以下方法計(jì)算模式板塊的熵值

(0≤λ≤4∩λ≤N*)

選擇具有最低的非零熵(或最小的剩余值)的位置的策略期初是任意的。如果想在不回溯的情況下最大限度地優(yōu)化發(fā)現(xiàn)整個(gè)任務(wù)，應(yīng)該讓做的每一個(gè)選擇都最大限度地增加總?cè)蝿?wù)的數(shù)量，這與目前的選擇時(shí)一致的。這就避免了排除(可能極為罕見的)合法的全部分配，假設(shè)這些轉(zhuǎn)讓是在其它全部轉(zhuǎn)讓之間分配的。如果剩余的總?cè)蝿?wù)的數(shù)目近似為未分配的變量的域的大小的乘積(換句話說，假設(shè)其余的選擇時(shí)獨(dú)立的)，然后用最小域分配位置(最低熵/最小剩余價(jià)值)，在分配之后讓產(chǎn)品價(jià)值最大化。為了建立另一個(gè)松散的物理聯(lián)系(這一次與統(tǒng)計(jì)力學(xué))，熵啟發(fā)式是最大熵原理的實(shí)現(xiàn)之一。

由于在所選的位置有多個(gè)有效模式——或者在上一個(gè)循環(huán)中已經(jīng)將其設(shè)置為零熵——需要在這些模式中選擇其中一種。其中一個(gè)模式是選擇一個(gè)隨機(jī)樣本，加權(quán)方式是模式在輸入的圖像中出現(xiàn)的頻率，這實(shí)現(xiàn)了模式的出現(xiàn)在輸出中的分布與輸入中的分布相似。

2.3 變量坍縮約束

一旦觀察到一個(gè)位置(一個(gè)變量已經(jīng)被分配)，它將被標(biāo)記為需要在波中更新的位置(作為一個(gè)通過約束傳播開始更新變量域的地方)。像AC3，WFC傳播過程確保了如果在相關(guān)的變量域中存在一個(gè)有效值，這個(gè)變量只出現(xiàn)在變量域中，這就可以滿足這些變量上的約束可以被滿足。更新一個(gè)變量的域意味著需要潛在地更新所有相鄰變量。因此，傳播是通過一種算法進(jìn)行的，從圖形的角度可以是作為flood填充方式。

每個(gè)觀測(cè)的最終結(jié)果至少確定了位置和盡可能地降低了周圍區(qū)域的熵。

圖3 觀測(cè)坍縮范圍逐漸擴(kuò)大

一旦系統(tǒng)中沒有更多的熵(所有變量只有一個(gè)單例域)，可以輸出最終生成的圖像。此外，可以利用一個(gè)優(yōu)勢(shì)，就是每一個(gè)單元都有一個(gè)潛在的狀態(tài)數(shù)組，并且在每個(gè)觀察和傳播周期之后輸出如圖3所示的一個(gè)局部完成的圖像，那么以此就能生成一張指定的完美的視覺標(biāo)記圖。

2.4 LCV輸出觀測(cè)

defn OutputObservations(coefficient＿matrix)：

Foreach cell：

Set observed value to the average of the color value of this cell in the pattern for the remaining valid patterns；

Return the observed values as an output image；

上述偽代碼中可以看出，可以將WFC視為一種約束求解算法。它使用最小的剩余值(MRV)啟發(fā)式地選擇要決定的下一個(gè)變量，對(duì)于決策上，它使用了根據(jù)原始圖像中的分布選擇模式的啟發(fā)式方式。另一種可供選擇的啟發(fā)式就是眾所周知的最小約束值(LCV)選擇啟發(fā)式(LCV也可以由最大熵原理驅(qū)動(dòng))。然而，它很難預(yù)測(cè)這種啟發(fā)式選擇對(duì)內(nèi)容生成的影響。

3 算法的改進(jìn)系統(tǒng)架構(gòu)設(shè)計(jì)

本文通過改進(jìn)波函數(shù)坍縮算法，將其引入的虛擬城市場(chǎng)景的構(gòu)架中。延續(xù)了Maxim Gumin算法中的思想，在Unity程序中將整個(gè)場(chǎng)景劃分成若干個(gè) width * length * height的大小的盒子，稱之為“Slot”，用于將生成的道路板塊模型插入到該Slot中，進(jìn)而拼接成完整的場(chǎng)景地圖[15]。

在第一步構(gòu)建傳播算子環(huán)節(jié)中，通過解析構(gòu)建的道路模型網(wǎng)格拓?fù)浣Y(jié)構(gòu)，生成模塊與模塊之間的指紋，用于對(duì)相鄰兩個(gè)道路模型之間是否可以匹配的依據(jù)，使其在后續(xù)的場(chǎng)景生成過程中可以生成符合邏輯的平鋪模式，并且將其提取成合法的模式相鄰的索引(即Gumin所說的傳播)以及填充算法的網(wǎng)絡(luò)拓?fù)浣Y(jié)構(gòu)。

1 { assign(X，Y，P)：pattern(P) } 1 ：-cell(X，Y)．

：-adj(X1，Y1，X2，Y2，DX，DY)，

assign(X1，Y1，P1)，

not 1 { assign(X2，Y2，P2)：legal(DX，DY，P1，P2) }．

接下來，在觀察和傳播兩個(gè)階段中，通過設(shè)置板塊生成的概率、通過的方向、封邊等要素結(jié)合解析出其個(gè)體熵值，再計(jì)算每一個(gè)Slot可能插入的模塊群中解析出綜合熵值，以此分配影響最低的Slot；系統(tǒng)一旦觀察到該分配的位置，它將被標(biāo)記為中心點(diǎn)對(duì)周圍的Slot進(jìn)行衍生分配，向外進(jìn)行坍縮生成。一旦系統(tǒng)中沒有更多的熵，即可生成最終的場(chǎng)景地圖。

4 數(shù)據(jù)存儲(chǔ)和調(diào)度優(yōu)化

受到計(jì)算機(jī)硬件設(shè)備的性能限制，對(duì)于大型場(chǎng)景的虛擬漫游仍然無法一次性渲染出來，即使渲染出來運(yùn)行幀速率也是非常低，這就必須對(duì)程序中的海量模型數(shù)據(jù)進(jìn)行分塊管理以及根據(jù)玩家的位置進(jìn)行動(dòng)態(tài)調(diào)度加載。程序?qū)δK數(shù)據(jù)的管理方式以及動(dòng)態(tài)調(diào)度方法對(duì)場(chǎng)景的瀏覽效果非常重要，合理的模塊數(shù)據(jù)管理方式和動(dòng)態(tài)調(diào)度方法不僅可以使得程序更好地查找和加載場(chǎng)景，而且可以在運(yùn)行中保持優(yōu)質(zhì)的畫面效果。本文針對(duì)Unity引擎對(duì)建筑道路進(jìn)行模塊化設(shè)計(jì)制作，并且將道路、高架橋拼接模型信息進(jìn)行有機(jī)存儲(chǔ)，并根據(jù)玩家所處的視點(diǎn)位置對(duì)模型進(jìn)行動(dòng)態(tài)加載。

4.1 場(chǎng)景數(shù)據(jù)的分塊組織管理

合理的場(chǎng)景數(shù)據(jù)管理形式和高效的數(shù)據(jù)檢索方式[16]，能夠有效地在進(jìn)行場(chǎng)景漫游的時(shí)候快速有效地生成區(qū)域模塊。

從場(chǎng)景體素化的角度出發(fā)對(duì)地圖的剪裁進(jìn)行考慮，共制作了147個(gè)道路組件，包括街道路口，高架橋等模型，旨在搭建一個(gè)無限邊界且具有兩層高架橋的數(shù)字虛擬城市。每個(gè)組件與組件之間用相同的鍵值(即配對(duì)指紋)進(jìn)行標(biāo)記，在場(chǎng)景生成時(shí)即可生成符合邏輯的模塊。

世界場(chǎng)景的區(qū)域塊chunk及其子級(jí)和每個(gè)組件模塊module之間的關(guān)系如圖4所示。每個(gè)模塊有屬于它們的相關(guān)屬性和每個(gè)面對(duì)應(yīng)的配對(duì)指紋信息；而世界地圖從依據(jù)chunk進(jìn)行剪裁，往下到Room、Slot等小模塊進(jìn)行細(xì)分。將整個(gè)世界場(chǎng)景劃分為若干個(gè)Slot，接著將所有的module模塊元素往作為中進(jìn)行穿插，最后即可生成一個(gè)符合現(xiàn)實(shí)邏輯的虛擬城市。

圖4 數(shù)字城市場(chǎng)景地圖生成流

● Chunk是場(chǎng)景中最大的數(shù)據(jù)模塊，主要負(fù)責(zé)管理Slot插槽矩陣、通道、房間和模型渲染網(wǎng)格等信息；

● Slot插槽。將整個(gè)虛擬場(chǎng)景劃分為三維網(wǎng)格矩陣，每個(gè)單元稱之為Slot，在進(jìn)行坍縮的時(shí)候?qū)⒚總€(gè)模型的信息坍縮確認(rèn)之后則放入Slot之中；

● Module主要負(fù)責(zé)存儲(chǔ)模塊的預(yù)設(shè)信息(如：截面信息、配對(duì)指紋等)和鄰接模塊預(yù)設(shè)等；

● FaceDetails 模塊面的詳細(xì)信息；

4.2 場(chǎng)景數(shù)據(jù)的動(dòng)態(tài)調(diào)度

當(dāng)實(shí)現(xiàn)對(duì)整個(gè)地圖的自動(dòng)化生成之后，開始著手對(duì)系統(tǒng)化的運(yùn)行進(jìn)行動(dòng)態(tài)加載，以防止城市模型數(shù)據(jù)過多而導(dǎo)致的運(yùn)行卡頓，提高虛擬漫游的瀏覽效果。在這里采用基于視點(diǎn)的動(dòng)態(tài)加載策略方案[16]。

如圖5所示，將正式大數(shù)字城市的場(chǎng)景數(shù)據(jù)劃分成三個(gè)部分，視點(diǎn)關(guān)注區(qū)、預(yù)可見緩沖區(qū)和數(shù)據(jù)局緩沖區(qū)。其中視點(diǎn)關(guān)注區(qū)是3*3個(gè)由100為單位的形成的模塊矩陣，經(jīng)過一些建筑物的遮擋關(guān)系原理玩家在虛擬漫游場(chǎng)景中的視線點(diǎn)幾乎在該區(qū)域之內(nèi)；而外圍的16個(gè)預(yù)可見緩沖區(qū)則是對(duì)玩家進(jìn)行下一步移動(dòng)的時(shí)候的預(yù)處理區(qū)域：劃分場(chǎng)景的最中心100為移動(dòng)界限，通過unity的Update事件函數(shù)來更新玩家在世界坐標(biāo)的位置，程序通過開啟一個(gè)新的線程，每50毫秒對(duì)玩家的位置信息和中心邊界的位置關(guān)系進(jìn)行判斷，當(dāng)玩家超過當(dāng)前的邊界時(shí)則會(huì)開始發(fā)生三者數(shù)據(jù)區(qū)域的數(shù)據(jù)交換和更新。

圖5 數(shù)據(jù)動(dòng)態(tài)調(diào)度變化

建立預(yù)可見緩沖區(qū)數(shù)據(jù)的最大的優(yōu)點(diǎn)就是為了保證關(guān)注區(qū)周圍的場(chǎng)景數(shù)據(jù)都已經(jīng)被繪制出來，解決玩家視點(diǎn)方向隨機(jī)性所帶來的的可能會(huì)出現(xiàn)視野穿幫的問題，同時(shí)也優(yōu)化了場(chǎng)景中可能因?yàn)閱蝹€(gè)模塊的加載時(shí)間太長而出現(xiàn)了卡頓的瀏覽問題，保證平滑過渡的漫游體驗(yàn)。

5 實(shí)驗(yàn)數(shù)據(jù)測(cè)試

本研究測(cè)試輸出的硬件環(huán)境如下：

圖6 在算法生成的數(shù)字場(chǎng)景中漫游

● 硬件環(huán)境

筆記本：華碩飛行堡壘7

處理器：Intel(R) Core(TM)i5-9300H 2.4GHz

內(nèi)存： DDR4 2666MHz 8GB

顯卡：NVIDIA GeForce GTX 1650 獨(dú)立顯卡4GB

硬盤空間：512GB

本文基于Unity物理引擎平臺(tái)作為內(nèi)容開發(fā)工具，結(jié)合波函數(shù)坍縮算法進(jìn)行研究，并設(shè)計(jì)實(shí)現(xiàn)了汽車駕駛的第三人稱城市漫游系統(tǒng)[17]。通過實(shí)踐與數(shù)據(jù)測(cè)試，主要解決大型場(chǎng)景搭建耗費(fèi)成本高，且在虛擬漫游平臺(tái)加載緩慢，幀率不穩(wěn)定等問題。這里主要從以下兩方面來進(jìn)行數(shù)據(jù)測(cè)試，驗(yàn)證其算法的可行性與優(yōu)越性。

5.1 不同方式制作大場(chǎng)景所需時(shí)間對(duì)比

上述表中在相同的模型貼圖制作流程的情況下，進(jìn)行了算法生成的方式和傳統(tǒng)手動(dòng)搭建的兩種方式中相關(guān)流程開發(fā)時(shí)間的比對(duì)，發(fā)現(xiàn)對(duì)于大型虛擬場(chǎng)景的制作開發(fā)尤其是無邊界數(shù)字城市場(chǎng)景而言，通過波函數(shù)坍縮算法生成的場(chǎng)景在開發(fā)時(shí)間成本上有著其本身優(yōu)越的特性，并且這個(gè)優(yōu)勢(shì)隨著場(chǎng)景的增大而不斷凸顯。

表1 傳統(tǒng)搭建流程與算法生成成本數(shù)據(jù)對(duì)比

5.2 不同量級(jí)場(chǎng)景下運(yùn)行性能優(yōu)化數(shù)據(jù)對(duì)比

在Unity的Profiler性能測(cè)試工具中對(duì)實(shí)現(xiàn)的系統(tǒng)進(jìn)行數(shù)據(jù)性能測(cè)試[18]，并最終匯集成數(shù)據(jù)表格和統(tǒng)計(jì)圖。

表2 性能優(yōu)化效果對(duì)比

圖7 不同量級(jí)場(chǎng)景下運(yùn)行幀速率對(duì)比

上述表中通過使用相同的模型，用不同的方式去搭建虛擬場(chǎng)景，通過在運(yùn)行過程中對(duì)幀速率、DrawCall、以及模型面片數(shù)等性能指標(biāo)進(jìn)行數(shù)據(jù)比對(duì)，發(fā)現(xiàn)在傳統(tǒng)的搭建方式中，虛擬漫游的運(yùn)行性能與場(chǎng)景的大小成反比，當(dāng)場(chǎng)景達(dá)到1500m*1500m的大小時(shí)，漫游的運(yùn)行速率掉到了10幀以下，并出現(xiàn)了卡頓等現(xiàn)象；而通過算法生成的場(chǎng)景在越大的場(chǎng)景中甚至是無邊界場(chǎng)景中展現(xiàn)出了算法的優(yōu)越性，穩(wěn)定保持在30FPS左右。

6 結(jié)語

本文主要針對(duì)Unity物理引擎，使用波函數(shù)坍縮算法，對(duì)目前城市規(guī)劃設(shè)計(jì)領(lǐng)域傳統(tǒng)設(shè)計(jì)模式開發(fā)時(shí)間長、耗費(fèi)精力大、成本投入高等問題以及針對(duì)于深度學(xué)習(xí)的無人駕駛所依托的海量的訓(xùn)練場(chǎng)景面臨的場(chǎng)景搭建的等問題進(jìn)行研究和實(shí)現(xiàn)。經(jīng)過實(shí)驗(yàn)和分析對(duì)比，得出以下結(jié)論：

1)通過研究波函數(shù)坍縮算法求解生成制作虛擬漫游系統(tǒng)，通過與普通人工搭建場(chǎng)景進(jìn)行數(shù)據(jù)對(duì)比可以得出：該算法在對(duì)大型場(chǎng)景尤其是無邊界場(chǎng)景的制作時(shí)有著巨大的優(yōu)勢(shì)；

2)結(jié)合動(dòng)態(tài)調(diào)度算法，可實(shí)現(xiàn)對(duì)大規(guī)模分塊數(shù)據(jù)進(jìn)行動(dòng)態(tài)管理研究，可優(yōu)化系統(tǒng)的運(yùn)行性能。通過不同量級(jí)場(chǎng)景下未做優(yōu)化處理的數(shù)字場(chǎng)景進(jìn)行數(shù)據(jù)對(duì)比證明了該算法對(duì)大型場(chǎng)景搭建的便捷性和漫游的優(yōu)越性的提高。