应用复杂网络理论的城市路网可靠性分析

城市路网作为一种关系居民日常生活、社会经济发展的重要网络,在受到暴雨洪水、交通堵塞以及遭遇破坏时,可能局部失效,进而影响整个路网的运输能力和效率。本文针对城市路网的拓扑特点,以复杂网络理论为基础,对两种不同布局结构的路网分别采用主方法和对偶方法建模,分析比较其复杂网络特性,并在此基础上进行了基于节点度和基于节点中介中心性的选择性破坏实验,最后分析了不同结构的路网在不同攻击策略下所表现出来的可靠性。     

时空一体化框架下时空异常探测

：提出一种时空一体化的时空异常探测方法,首先基于时空统计学与聚类分析构建一体化时空邻近域。进而, 发展兼顾时空相关与异质性的时空异常度量方法。最后,采用一种3步骤的策略探测时空异常。应用本文方法探测中国 陆地区域33年(1970年—2002年)的年平均气温时空数据中的时空异常,探测结果具有较好的可靠性,反映时空数据的时 空一体化特征。同时,对时空异常的产生机理与实际意义进行分析和解释。     

基于力学思想的空间聚类有效性评价

从力学的角度来考虑空间聚类问题,并结合地理学基本规律提出了一种基于力学思想的空间聚类有效性评价指标(简称SCV)。实验分析表明,本文提出的评价指标能够更准确、高效地对二维地理空间数据的硬聚类结果进行有效性评价。     

线状空间数据传输的几何相似性度量算法与实验分析

 同一地物在不同比例尺或者不同来源的地图上通常存在着相似性,对于图形几何形似性度量方法的研究有利于地图编制、查询、匹配、更新。线状地物要素在地图中占有很大的比例,因此,本文以线状空间目标为例,在前人的基础上给出了线状空间数据的几何图形相似性度量模型:(1)以差异距离作为相似性特征的位置相似度;(2)以分形维数作为相似性特征的形状相似度;(3)以长度或者周长作为相似性特征的大小相似度。相对于(3)大小相似度而言,(1)位置相似度、(2)形状相似度综合考虑了几何图形整体统计的方法和局部几何特征结构。完成多尺度传输的线状空间数据几何相似性度量实验,并对数据传输量与几何相似性度量方法进行比较,实验结果表明:基于广义Hausdorff距离模型的中位数Hausdorff距离的位置相似性对于空间数据渐进性传输具有稳定性和可行性。最后,总结了本文的研究成果,并展望了该方向进一步研究的若干问题。     

盐源—宁蒗地区早泥盆世古地理特征及油气潜力分析

为了探索康滇地轴以西地质条件复杂地区的油气资源潜力,通过面积性地质调查工作与钻孔资料、分析测试资料结合,对盐源—宁蒗地区下泥盆统黑色页岩开展综合研究。研究表明：盐源—宁蒗地区早泥盆世古地理主要受康滇古陆及古特提斯构造域的构造活动控制,靠近金-箐断裂地区发育滨岸-潮坪相,古隆起围限区出现局限海湾相,远离隆起的西北部地区发育台地、陆棚、盆地相;大瓜坪组（早泥盆世晚期）发育黑色页岩（局部地区发育硅质泥岩）,在羊排喜—岩口一带分布较为稳定、厚度大（20～100m）,普遍含钙质,有机碳含量较高,具较高的脆性矿物含量,热演化程度适中,是重要的烃源岩和页岩气富集有利层位;黑色页岩主要发育在局限海湾环境中,羊排喜—岩口—茅坪子一线是盐源—宁蒗地区黑色页岩富集区。     

顾及轨迹密度分布异质性的道路交叉口提取方法

车辆轨迹大数据为道路网生成与更新、道路状态信息感知提供了新机遇,从轨迹数据中准确提取道路交叉口是基于车辆轨迹数据构建精细化道路网地图的关键步骤。当前已有学者根据轨迹点的转向、速度变化等特征,基于空间聚类提出了一些道路交叉口识别的经典方法,但由于轨迹数据密度分布的异质性、噪声干扰及最优聚类参数设置等问题,从不同采样频率、分布密度的轨迹数据中提取不同大小、形态的交叉口仍是一个挑战。为此,本文首先针对轨迹密度的空间分布异质性提出基于层次划分的轨迹栅格化策略,进而从视觉角度出发,提出一种基于“转换-分割-优化”全流程的道路交叉口层次提取方法。通过对不同采样频率的真实轨迹数据进行试验分析,验证了本文方法对低频轨迹数据中道路交叉口提取的准确度与有效性,识别结果优于现有代表性方法。     

利用场模型拓扑表达GIS中的地理目标

该文阐述为了实现在GIS中描述自然界里带有模糊不确定性的地理目标，扩充GIS的模糊查询功能，首先基于集合论思想探讨了确定性地理目标的代数解析表达与其拓扑表达，指出了确定性点、线、面之间拓扑表达的构成机理；然后，基于场模型建立了模糊地理目标的空间表达，分析了模糊地理目标的位置不确定性，进而建立了模糊地理目标的拓扑表达模型，即点集拓扑内部、边界和外部。分析表明，公认的Egenhofer模型是该文模型在地理目标不带有误差或不确定性情况下的特例。最后，与Clementini(1996)提出的模型做了比较分析，表明了该文模型的合理性。     

一种基于似最小生成树的空间聚类算法

根据空间邻近目标的距离变化情况,定义了边长变化因子概念,给出了一种似最小生成树的构建方法。在此基础上,提出了一种基于似最小生成树的空间聚类算法。模拟数据和实际数据分析发现,基于似最小生成树的空间算法能够发现任意形状的空间簇和异常点,并能够很好地适应空间数据分布不均匀的特点。通过与经典的DBSCAN算法比较,发现基于似最小生成树的空间聚类算法比DBSCAN算法更具有实用性。     

一种基于BP神经网络的空间异常探测方法

空间异常探测旨在发现偏离普遍模式的小部分异常目标.对揭示地理现象潜在的发展变化规律有着重要意义.在现有的空间异常探测方法中,空间邻近域的确定直接影响探测结果的可靠性.为此,在顾及空间数据分布特征的前提下,利用人工神经网络机器学习的优势,发展了面向空间异常探测的BP神经网络结构和学习规则,提出了基于BP神经网络的空间异常探测方法,定义了基于BP神经网络的空间异常度概念,进而探测空间异常.最后,通过3组实际算例验证所提方法的可行性,并分析得出实验结论.     

论空间数据挖掘和知识发现的理论和方法

空间离群模式探测是空间数据挖掘的一个研究热点。以带有空间位置属性的点事件为研究对象,针对现有方法的局限性,在扩展了空间离群模式定义的基础上引入层次约束Delaunay三角网,发展了一种空间点事件离群模式探测方法（简称层次约束TIN法）。首先,借助Delaunay三角网粗略地构建空间点事件间的邻接关系;然后,利用统计学方法针对Delaunay三角网的边长特性进行三个层次约束分析,以精化空间点事件的邻近域;最后,对具有空间邻接关系的点事件集合进行统计分析,以形成一系列空间簇,并通过一个统计约束指标提取数量较少的空间簇,即空间点事件离群模式。该方法不需要人为输入参数,通过模拟数据和实际数据实验,证明该方法可以有效、稳健地识别各类空间点事件离群模式。