街景影像——基于人工智能的方法与应用

街景影像是感知城市物质环境的一种新型地理大数据。这种数据以人的视角详尽描绘了城市的可视环境,同时也隐性地表达了可视环境背后有关城市功能、社会经济和人类活动的信息。然而,传统的数字图像处理技术对街景影像的处理能力有限,不能高效地理解其中的语义信息。近年来,随着人工智能领域的不断发展,图像分析和机器学习方法取得了突破性的进展。以深度学习和计算机视觉为代表的前沿人工智能技术,为挖掘街景语义信息、理解和定量表达场所物质空间、建成环境的特征提供了强有力的支持。在此背景下,街景影像被广泛应用于地理学、城市规划等众多领域,并在此过程中出现了大量的新方法和新视角,为基于大数据的城市环境研究、人地关系研究、空间数据挖掘与知识发现研究提供了新的思路。本文综述了基于街景影像和人工智能技术的相关研究,从深度学习和计算机视觉两个方面对街景影像分析的支撑技术进行了梳理,并从场所物质空间量化、场所感知以及场所语义推测3个方面对街景影像研究的应用方向进行了总结,对其在发展过程中面临的数据稀疏性问题、分析方法的严谨性问题进行了归纳,同时讨论了未来研究的方向。     

交通网络与城市结构研究——理论框架与中美两国实证案例

本文从城市体系和城市内部两个尺度上总结交通网络与城市结构之间的关联.通过中美两国城市的实证案例,从交通网络和交通流的视角,提出了一个城市体系结构和城市内部结构研究的理论框架.其中城市的有序性是其共同理论的出发点,包括城市规模体系和城市内部人口密度空间分布的有序性,其在很大程度上决定了人类居行的空间分布模式.可采用交通网络位置决定区位优劣,从而影响城市兴衰(城际尺度)、地价高低、人口疏密(市域尺度)和出行模式等加以理论解释.城市体系分布的有序性、城市内部结构的规律性、城市间以及城市内交通网络的拓扑特征,共同影响了微观层面个体的时空间移动以及群体层面的交通流分布,从而为链接微观与宏观两个尺度的地理环境影响奠定了基础.     

大数据驱动的人类移动模式和模型研究

大数据时代的到来使得基于个体粒度的海量时空轨迹获取人类移动模式成为可能。来自不同领域的学者基于手机通话数据、公交卡刷卡记录、社交网站签到数据、出租车轨迹、银行刷卡记录等进行了人类移动模式的研究,这些研究丰富了地理信息系统的时空分析方法,为从个体角度审视人与地理环境之间的交互关系提供了一个新视角,并可以应用于交通、公共卫生等领域。总结了基于大数据的人类移动模式研究流程,归纳了人类移动模式的基本度量方法,探讨了解释所观测移动模式的模型构建方法,指出了地理环境对于移动模型建立的影响。     

基于数字高程模型的水系提取算法

介绍基于地表径流漫流模型从数字高程模型（ＤＥＭ）提取水系的一系列算法,这套算法完成下述功能：洼地的识别和填充、平地的抬升、水流方向的确定、上游集水面积的确定和可流栅格网络的生成以及水系的生成和水流线等级的确定。     

基于对象关系数据库的时空数据模型研究

一体化时空数据建模是新一代GIS理论与技术研究的重要基础。基于对象关系数据库探讨时空数据库的数据建模方法,提出综合考虑矢量和栅格数据一体化的时空数据模型。首先基于基本类型派生定义矢量和栅格抽象数据类型,在此基础上定义时空数据类型为一系列空间类型的时间片序列。该抽象数据类型的定义包括其数据对象和相关操作,将其嵌入对象关系数据库中,扩展其时空数据的存储和查询能力。利用该数据模型,可以统一考虑矢量和栅格数据,建立基于对象关系的时空数据库,并支持矢量—栅格一体化时空数据访问和操作,进而对新一代GIS技术的研究与实现起到重要支撑作用。     

基于碰撞机理的船舶碰撞分析方法研究

船舶碰撞是船体结构在很短的时间内承受巨大碰撞载荷作用的一种复杂非线性动态响应过程,为船舶与海洋工程领域的重大风险源.文章对比分析了现有的碰撞分析方法,介绍了相关研究成果,提出基于碰撞机理、结构损伤和概率评价的风险分析方法,阐述了该方法的技术路线和研究内容,并提出今后的研究方向.