妹岛和世:“不确定性”设计大师

正妹岛和世(Kazuyo Sejima)(图1)[1]是当代炙手可热的女建筑师,她在设计中将空间认识以独特的方式创造出新的典范,向竞争激烈的日本建筑界证明了自己。1995年,她和比自己小10岁的西泽立卫(Ryue Nishizawa)一起成立了SANAA事务所。他们合作默契并不断获奖,2004年设计完工的金泽21世纪美术馆赢得了当年的威尼斯建筑双年展金狮奖,2010年获得了建筑界的最高荣誉普利兹克奖。妹岛认为,"建筑是一     

中国地震地质灾害的主要类型与分布特征

基于地震地质灾害的成因,并适度面向工程建设需求,综合已有分类方案优缺点并参考诸多学者研究成果对地震地质灾害做了重新划分,在此基础上分析了中国地震地质灾害的分布特征。研究发现,我国地震地质灾害分布的差异性明显:（1）灾害类型多样,主要为地震作用下的斜坡失稳、地表破裂、泥石流、砂土液化和地面变形灾害,其次为地震塌陷和堰塞湖与溃决灾害,而地震涌浪、海啸、诱发水库地震等则属于极少见的灾害;（2）整体上,我国的地震地质灾害在强度分布、类型分布和危险性程度方面差异性明显,我国的西部特别是西南部是地震地质灾害最为严重的地区,其次是华北部分地区。     

2009～2010年河西走廊大风日低空垂直切变和湍流统计特征

为了给河西走廊风电场建设提供科学依据,利用河西走廊14 座风能观测塔2009 年9 月至2010 年8 月的资料,分析了大风日低空垂直切变和湍流的演变和分布.结果表明：大风日风速垂直切变指数年平均在0. 092 ～0. 158 之间,较国标有些偏低;10 ～ 30 m、10 ～ 50 m 和10 ～ 70 m 的大风日风速垂直切变指数比非大风日偏小;低层风速垂直切变大,高层风速垂直切变小;大风日10 m、30 m、50 m 和100 m 4 层的年平均湍流强度为0. 11,比非大风日偏小一半左右;在大风日,随风速增大,风速不均一性减小,风向趋于稳定.     

一种新的近似平行沟渠群的典型化方法

提出并实现了一种针对近似平行沟渠群的典型化方法。首先,建立沟渠的方位关系图,通过生成关系图中各连通分量的极大完全子图,提取近似平行的沟渠;然后,依据视觉认知规律定义沟渠间的认知距离,并基于最小生成树的剪枝对沟渠进行分组;接着,运用K-means++算法对分组后的沟渠进行重新表达;最后,通过比较综合前后沟渠群的外轮廓相似性以及沟渠分布密度的差异,对典型化结果进行了评价。对广州市数据进行了实验,结果表明该方法能有效进行近似平行的沟渠群的典型化。     

主动作为统筹谋划科学编制＂十二五＂规划

＂十一五＂是湖南发展史上极不平凡的五年,也是国土资源管理任务最为繁重、成效最为显著、社会关注程度最高的五年.全面系统地做好＂十一五＂工作的总结,有助于我们发扬成绩、提振信心,有助于我们看到差距、清醒头脑,有助于我们梳理问题、把握规律,有助于我们认清形势、明确方向.各地各单位各处室要在这次总结分析的基础上,对＂十一五＂的工作进行再梳理、再总结、再提炼,真正把工作中创造的好思路、好做法、好经验总结出来,把工作中存在的突出矛盾和问题查找出来,为谋划和实施＂十二五＂规划提供参考.     

基于地理流空间的巡游车与网约车人群出行模式研究

城市出租汽车是居民出行的重要方式之一，地理流空间理论为发掘人群出行特征，优化车辆运营效率提供了新视角。本文利用厦门市出租汽车轨迹数据，采用地理流空间分析理论，对人群出行的整体随机性质进行了分析，基于流相似性度量识别并分析了丛集、汇聚、发散和社区4种典型模式及混合模式的空间分布特征，对比了基于巡游车和网约车2种车辆的人群出行模式。结果表明流空间理论能够系统性发现人群出行典型模式及混合模式，主要体现在：(1)基于2类车辆的人群出行流在空间中呈现出显著的非随机特征；(2)巡游车和网约车的典型模式在空间分布上有明显差别，网约车的有关模式分布范围更广，在厦门岛外各区中心及岛内东部软件园等区域附近较为突出，且网约车由于其订单由用户需求驱动，更容易发现潜在的高出行需求区域，同时出行结构更容易形成社区模式，而巡游车主要分布在传统岛内知名城市地标附近；(3)同一区域内巡游车和网约车出行混合模式普遍存在，约占典型模式的四分之一左右，而且不同类型车辆的主要混合模式存在差异，综合考虑混合模式能够提高城市公共设施规划的精确性和科学性。本文结果可以为车辆调度优化和城市交通规划提供支持，也表明地理流空间理论能够更有...     

基于DBN的车载激光点云路侧多目标提取

提出一种基于深度信念网络（DBN）的车载激光点云路侧多目标提取方法。首先通过预处理对原始数据进行分段,并将地面和建筑物点云与路侧目标进行分离;然后利用连通分支聚类分析算法进行路侧点云聚类,并采用基于体素的归一化分割方法分割重叠点云,从而生成独立目标点云;在此基础上,生成基于多方向目标对象的二值图像并展开成二值向量作为独立目标点云的描述特征;最后构建并训练DBN,利用训练好的DBN提取行道树、车辆及杆状目标等3类路侧目标。试验采用两份不同城市道路场景的点云数据,行道树、车辆及杆状目标提取结果的准确率分别达97.31%、97.79%、92.78%,召回率分别达98.30%、98.75%和96.77%,精度分别达95.70%、93.81%和90.00%,F1值分别达97.80%、96.81%和94.73%。试验结果验证了本文的有效性。