城市时空大数据驱动的新型冠状病毒传播风险评估——以粤港澳大湾区为例

2019年末至2020年初新型冠状病毒(COVID-19)的快速传播对中国与世界的公共卫生带来巨大的挑战。如何科学合理地评估新型冠状病毒传播风险并制定相应防疫管控措施,是各国所面临的难题,也是科学防治与精准施策的重要依据之一。作为我国最重要的城市群之一,粤港澳大湾区受本次新型冠状病毒影响较大,且春节假期后大量的复工回流人口进一步带来潜在的传播风险。本文面向粤港澳大湾区新型冠状病毒传播风险评估的紧迫需求,结合大湾区多源城市时空大数据与流行病动力学模型,构建适宜大湾区的改进模型,并对新型冠状病毒在大湾区的传播风险和各类防疫管控措施效果进行评估与模拟。首先,引入动态复工回流人口和聚集热点改进现有动力学模型(SEIR模型),对现有动力学模型在不同空间评估单元的传播参数进行纠偏,加强模型在大湾区评估中的适宜性;利用手机信令等多源城市大数据,构建更精细化的人口、疾病流动矩阵和相应的传染病动力学模型,以满足各级防疫部门精细化(如村(社区)级)风险评估的迫切需求。模拟结果表明,相对经典SEIR模型,改进模型在大湾区的传播风险评估中具有更强的适宜性;大湾区高强度的人口流动为病毒的传播带来较高的风险;防疫部门所采取各类管控措施对病毒在大湾区的传播具有较强的抑制作用。     

导航电子地图数据格式Kiwi中主地图数据的提取

提出了用面向对象思想与C 语言解释和提取Kiwi中主地图数据的方法,实现了主地图数据向Map-Info的MIF明码格式的转换,并给出了实例。     

Multi-Year Simulations and Experimental Seasonal Predictions for Rainy Seasons in China by Using a Nested Regional Climate Model （RegCM_NCC） Part Ⅱ： The Experimental Seasonal Prediction

A nested regional climate model has been experimentally used in the seasonal prediction at the China National Climate Center (NCC) since 2001. The NCC/IAP (Institute of Atmospheric Physics) T63 coupled GCM (CGCM) provides the boundary and initial conditions for driving the regional climate model (RegCM NCC). The latter has a 60-km horizontal resolution and improved physical parameterization schemes including the mass flux cumulus parameterization scheme, the turbulent kinetic energy closure scheme (TKE) and an improved land process model (LPM). The large-scale terrain features such as the Tibetan Plateau are included in the larger domain to produce the topographic forcing on the rain-producing systems. A sensitivity study of the East Asian climate with regard to the above physical processes has been presented in the first part of the present paper. This is the second part, as a continuation of Part I. In order to verify the performance of the nested regional climate model, a ten-year simulation driven by NCEP reanalysis datasets has been made to explore the performance of the East Asian climate simulation and to identify the model’s systematic errors. At the same time, comparative simulation experiments for 5 years between the RegCM2 and RegCM NCC have been done to further understand their differences in simulation performance. Also, a ten-year hindcast (1991–2000) for summer (June–August), the rainy season in China, has been undertaken. The preliminary results have shown that the RegCM NCC is capable of predicting the major seasonal rain belts. The best predicted regions with high anomaly correlation coefficient (ACC) are located in the eastern part of West China, in Northeast China and in North China, where the CGCM has maximum prediction skill as well. This fact may reflect the importance of the largescale forcing. One significant improvement of the prediction derived from RegCM NCC is the increase of ACC in the Yangtze River valley where the CGCM has a very low, even a negative, ACC. The reason behind this improvement is likely to be related to the more realistic representation of the large-scale terrain features of the Tibetan Plateau. Presumably, many rain-producing systems may be generated over or near the Tibetan Plateau and may then move eastward along the Yangtze River basin steered by upper-level westerly airflow, thus leading to enhancement of rainfalls in the mid and lower basins of the Yangtze River. The real-time experimental predictions for summer in 2001, 2002, 2003 and 2004 by using this nested RegCM NCC were made. The results are basically reasonable compared with the observations.     

导航地图数据模型研究现状与趋势

分析了几种常见的导航地图数据格式与模型,研究了其在开发导航系统时存在的问题,提出了支持地图数据动态更新和集成实时交通信息为未来导航地图数据模型的发展趋势.     

一种三维凸连界生成算法

给出了一组空间离散点三维凸边界的定义,提出了基于八叉树的空间分块索引方法。在此基础上发展了一种生成三维凸边界的算法,并利用实验对算法进行了验证。     

大数据环境下道路场景高时空分辨率众包感知方法EI北大核心CSCD

道路场景作为人类发展演变中最重要、最复杂、最典型的载体之一,是道路基础设施与活动行为共同构成的综合体,链接和构建“人地关系”。道路场景感知从二维抽象简略到三维精细丰富、从静态过去式向动态现在时发展,成为智慧城市、智能交通、无人驾驶的关键技术支撑,是我国新型城镇化战略、交通强国战略的核心技术保障。本文立足于时空交通大数据,提出基于道路场景静态基础设施“形”和动态活动行为“流”的高时空分辨率道路场景感知方法。该方法从静态路网“形”角度,以“点-线-面-体”等要素为研究脉络,构建高精度道路地图众包感知的理论体系;在活动行为“流”感知上,突破传统的点模式分析局限,发展了道路网络空间活动流的时空建模与多尺度分析方法。本文揭示了静态基础设施“形”结构与动态活动行为“流”模式交互作用下的道路场景演化规律,形成以“形”控“流”、借“流”定“形”、“形”“流”叠置的高时空精度道路场景众包感知理论体系,为智慧城市、智能交通的发展提供核心技术与数据支撑。     

用户行为感知辅助的室内行人定位

提出了一种用户行为感知辅助的室内行人定位方法。该方法采用行为感知技术,通过智能手机内置的传感器获取行人经过室内特殊位置(如电梯、转角等)的连续多个位置相关的行为状态,结合室内路网的拓扑结构,将行人的位置匹配到相应的特殊位置,以消除行人航位推算(PDR)的累积误差,同时可以在起始点未知的情况下实现行人的自主定位。试验验证了该方法的有效性。     

一种面向道路网3维数据的空间索引方法

根据数据沿道路呈线性分布,道路相互连通的特点,提出连通拓扑和动态分段相结合的混合索引机制,分两步来实现查询过程:第一步通过连通索引来进行粗略查询;第二步根据粗略查询结果,利用动态分段索引完成精确查询。以此建立的道路网及沿线3维数据的空间索引具有很高的查询速度,能确保数据的快速动态装载,可满足道路网3维可视化的要求。最后通过实验对算法进行实现,并在空间效率和时间效率上与R树索引进行了比较。     

利用城市POI数据提取分层地标

为了获取能够用于智能化路径引导的层次性空间知识,提出了一种依据显著度的差异从城市POI数据中提取出分层地标的方法。首先,通过从公众认知、空间分布和个体特征3个方面分析影响POI显著性的因素,构造了包括公众认知度、城市中心度和特征属性值3个指标向量的POI显著性度量模型;然后,分别讨论了利用问卷调查、多密度空间聚类和数据规格化的方法计算POI对象的各项显著性指标值的过程;最后,选择武汉市武昌地区的POI数据进行显著度计算,从中提取显著度较高的对象构成若干层地标,并以各层地标为种子生成加权的Voronoi图,用来反映各地标的空间影响范围并建立了同层和上下层地标之间蕴含的关系。     

利用轨迹大数据进行城市道路交叉口识别及结构提取

交叉口是城市交通路网生成、更新的重要组成部分。本文基于车辆时空轨迹大数据,提出了一种城市交叉口自动识别方法。该方法首先通过轨迹跟踪识别轨迹数据中包含的车辆转向点对;然后基于距离和角度的生长聚类方法进行转向点对的空间聚类,并采用基于局部点连通性的聚类方法识别交叉口;最后利用交叉口范围圆和转向点对提取城市各级别路网下的交叉口结构。以武汉市出租车轨迹大数据为例,对武汉市城区内189个交叉口进行了探测。试验结果表明,本文所提方法可以准确地从轨迹大数据中识别出城市交叉口及其结构。