《美陆军强化路线侦察系统（第一代）开发报告》2025最新94页报告

士兵与作战物资在战场空间内的机动对军事行动成功至关重要。掌握道路网络状况可确保车辆安全高效通行。本研究聚焦利用三维点云衍生数据产品，对低质量铺装道路网络的车辆通行能力进行远程评估。通过部署地面及机载激光雷达（lidar）传感器生成点云数据，以实现对铺装路面的工程学分析。

开发了系列算法用于提取路网的粗糙度、坡度、曲率半径及宽度参数，并将信息储存用于图形化显示。通过采用"北约机动参考模型"（NATO Reference Mobility Model）在多种道路参数下进行计算机模拟，计算出车辆速度查找表。该查找表可基于提取的道路参数，确定特定车型允许的最大通行速度。研发的图形界面通过红/黄/绿三色方块沿路网显示速度衰减百分比，提供直观的道路状况评估。

本报告概述了开发软件套件的过程，该系统可基于路线几何特征、路况及车辆类型，计算并可视化路网通行速度衰减。所开发的界面有助于制定影响军事机动行动成败的关键后勤决策。

本研究由美国陆军负责采办、后勤与技术的助理部长办公室资助（项目"反介入/区域拒止环境下的力量投射"）。

士兵与作战物资在战场空间内的机动对军事行动成功至关重要。目标区域（ROI）的机动分为两个主要类别：进入（entry）与持续保障（sustainment）。进入指将车辆与装备初始部署至目标地点；持续保障则是为持续使用初始进入路径的护航任务提供长期补给。任务规划者通常从进入角度考量目标区域路网——即每辆载具仅进入目标区域一次。此类规划通常聚焦主干道沿线路线，使大规模（可能重装）部队实现初始进入，并提升这些道路维持持续护航行动的可能性。当考虑质量较低路线（如次级及三级道路）时，路况极少被关注，从而忽视了持续保障的长期影响。任务规划者既缺乏低质道路状况信息，也不掌握特定护航车辆通行次数上限，凸显了当前陆军路线规划能力的局限性。传统道路侦察需通过车辆实地穿行路网（图1）与徒步方式人工绘制道路特征，士兵依据《TM 3-34.81技术手册》第三章（陆军部2016）标准进行标注。评估内容包含通行阻碍物点位、滑坡区域及排水设施。该图表仅记录三项可量化参数：路宽、纵坡坡度及曲率半径（RADC）。但正是这些物理参数为采用北约机动参考模型（NRMM）（Ahlvin与Haley 1992）计算速度衰减提供基础。尽管障碍物是机动性的关键因素，其仅占整体路网的极小部分。而制定可靠机动决策需掌握整个路网交通速度的空间态势感知。

图1. 路线分类标注图（陆军部2016）

图1所示图表因使用符号与缩写记录技术细节而难以解读。概览此图可显示障碍物位置，但无法清晰反映崎岖路段、急弯及陡坡对特定车辆机动能力的影响。最核心缺陷在于该图无法为具体车辆提供速度指引。纸质文件不具备动态更新能力，护航任务后难以补充新数据。此外，无法远程生成测绘结果迫使士兵冒险穿越路网；冲突期间多区域将无法实施为规划目的的先期地面侦察。

掌握路网状况对保障车辆安全高效机动至关重要。本研究聚焦低质铺装路网的车辆通行远程评估。尽管次级与三级道路为高可见度主干网提供战略替代方案，其在持续作战中更易受车队反复通行损毁。进入替代路网存在后勤挑战，理想情况下应通过远程传感器评估以降低士兵暴露风险。

本研究利用激光雷达（lidar）采集数据，提取降低车队速度与效率的关键道路特征。基于激光雷达生成的路面三维点云可实现铺装表面的工程分析。研究团队开发算法自动提取路网粗糙度、纵坡坡度、横坡坡度、曲率半径与路宽参数，并储存信息用于图形化显示。开发的用户界面可将任意陆军载具或载具类型的速度衰减，以红/黄/绿三色覆盖层形式直观呈现在勘测路网上。该方法为任务规划者提供精简工具，使其可视化路线状况并制定车辆机动战术决策。

本项目单元旨在开发软件，基于北约机动参考模型（NRMM）计算的道路地形特征，在覆盖地图上可视化车辆速度衰减。NRMM软件的输入值源自激光雷达直接生成的三维点云或光电传感器的摄影测量数据。

本项目单元需提供首代路网速度衰减可视化软件包。为此，美国陆军工程研究与发展中心（ERDC）开发两项核心功能：