百度地图调用

本文介绍了使用百度地图API实现位置信息搜索及坐标反解析的功能,包括拖拽标记更新位置信息和在指定范围内搜索地点等实用案例。
本来一直用着googleMap …… 后来发现google开始做每天做2w5k的api调用限制,就重写一次百度地图的应用。
baiduMap类参考: [url]http://openapi.baidu.com/map/classReference.html[/url]

做的是一个位置信息(城市-区-街道)搜索的功能。发现百度地图调用起来还是很方便的。整理了代码,贴上:

var gc = new BMap.Geocoder();
//拖拽事件;
marker.addEventListener("dragend", function(e){
//alert("拖拽后的位置:" + e.point.lng + ", " + e.point.lat);
$("#this_lat").text(e.point.lat);
$("#this_lng").text(e.point.lng);
var pt = e.point;
//反解析地址
gc.getLocation(pt, function(rs){
var addComp = rs.addressComponents;
$("#local_address").text(addComp.province + ", " + addComp.city + ", " + addComp.district + ", " + addComp.street + ", " + addComp.streetNumber);
});
})

这个是反解析坐标为地址,city district street,这些在客户录入位置信息的时候可以很好的提供搜索作用。
还有一个例子是改自百度API自带的demo,比较好玩。

//范围demo
var circle = new BMap.Circle(point,5000,{fillColor:"blue", strokeWeight: 1 ,fillOpacity: 0.1, strokeOpacity: 0.1});
map.addOverlay(circle);
var local = new BMap.LocalSearch(map, {renderOptions: {map: map, autoViewport: false}});
var bounds = getSquareBounds(circle.getCenter(),circle.getRadius());
local.searchInBounds("酒店",bounds);
//new BMap.Circle(setCenter(center:point));

简单的绘制半径5000米的圆,然后在圆形的bounds里面搜索关键字 酒店。发个截图:
[img]http://dl.iteye.com/upload/attachment/580995/9bd488ff-abf3-325e-a609-1180af22daba.png[/img]

下面这个是api里面的结果面板:

[img]http://dl.iteye.com/upload/attachment/580997/971ace12-8413-3900-bfdd-f65df0fdaf21.png[/img]
代码很简单直接进行调用setSearchCompleteCallback的回调函数写入html就好了。

function go_search(){
var local = new BMap.LocalSearch(map, {renderOptions: {map: map, panel: "results_info"}});
map.panBy(point);
keyword=$("#address_key").val()
local.search(keyword);
local.getResults()
local.setSearchCompleteCallback(function(searchResult){
var poi = searchResult.getPoi(0);
//alert(poi.point.lng+" "+poi.point.lat);
document.getElementById("info").innerHTML = "<b>" + keyword + "</b>" + poi.point.lng + "," + poi.point.lat;
});
}
【无人机】基于改进粒子群算法的无人机路径规划研究[和遗传算法、粒子群算法进行比较](Matlab代码实现)内容概要:本文围绕基于改进粒子群算法的无人机路径规划展开研究,重点探讨了在复杂环境中利用改进粒子群算法(PSO)实现无人机三维路径规划的方法,并将其与遗传算法(GA)、标准粒子群算法等传统优化算法进行对比分析。研究内容涵盖路径规划的多目标优化、避障策略、航路点约束以及算法收敛性和寻优能力的评估,所有实验均通过Matlab代码实现,提供了完整的仿真验证流程。文章还提到了多种智能优化算法在无人机路径规划中的应用比较,突出了改进PSO在收敛速度和全局寻优方面的优势。; 适合人群:具备一定Matlab编程基础和优化算法知识的研究生、科研人员及从事无人机路径规划、智能优化算法研究的相关技术人员。; 使用场景及目标:①用于无人机在复杂地形或动态环境下的三维路径规划仿真研究;②比较不同智能优化算法(如PSO、GA、蚁群算法、RRT等)在路径规划中的性能差异;③为多目标优化问题提供算法选型和改进思路。; 阅读建议:建议读者结合文中提供的Matlab代码进行实践操作,重点关注算法的参数设置、适应度函数设计及路径约束处理方式,同时可参考文中提到的多种算法对比思路,拓展到其他智能优化算法的研究与改进中。
评论
添加红包

请填写红包祝福语或标题

红包个数最小为10个

红包金额最低5元

当前余额3.43前往充值 >
需支付:10.00
成就一亿技术人!
领取后你会自动成为博主和红包主的粉丝 规则
hope_wisdom
发出的红包
实付
使用余额支付
点击重新获取
扫码支付
钱包余额 0

抵扣说明:

1.余额是钱包充值的虚拟货币,按照1:1的比例进行支付金额的抵扣。
2.余额无法直接购买下载,可以购买VIP、付费专栏及课程。

余额充值