基于轨迹数据的移动对象分类识别研究

随着卫星定位技术和移动互联网的不断发展,全球范围内产生了大量不同类型的轨迹数据。通过对不同环境中收集到的轨迹数据进行挖掘,研究移动对象的行为特征,进而实现移动对象的分类识别,对于掌握居民出行规律、国家安全和国防军事具有重要意义。本文首先介绍GPS轨迹数据的内容及具体的应用场景,并在此基础上分析轨迹数据的主要特征;然后,详细阐述轨迹数据分类识别过程中特征提取和分类建模的研究现状,并总结现有的研究方法和发展趋势;最后,对基于轨迹数据的移动对象分类识别存在的问题与挑战进行了讨论。     

基于GIS和VRML技术的东圳水库3维仿真建模

以福建省莆田市东圳水库为例,讨论了基于VRML的水库及其周围地理环境、流域状况仿真建模过程,以及所采用的技术和方法。通过仿真系统可以直观分析水库的环境情况,水库管理者可在场景中漫游,从不同位置进行观察分析,进而提出相应解决措施。同时该系统作为对水库进行研究的人机交互平台,可进行实时完善和扩展。     

利用LiDAR技术生产真3维电子地形图的研究

2006年3月,南京市测绘勘察研究院有限公司利用Optech公司的ALTM3100在南京市成功获取到10 km2的LiDAR数据。在此数据基础上,笔者对如何利用LiDAR技术与数据进行真3维电子地图制作进行了较为深入的研究,对其关键步骤在文中进行了阐述。最后,提出自己在城市3维建模技术方面的观点。     

面向生物危害应急响应的地理本体模型设计与构建

生物危害应急响应是生物安全保障的重要组成部分,需要紧密围绕应急响应预案来组织实施.针对目前的应急响应预案知识组织研究尚不完善,现有的数据模型不能满足生物危害态势时空分析需要的问题,在ABC本体模型的基础上构建了生物危害应急响应地理本体模型(biohazard emergency response geo-ontolog...     

煤层气压裂微震监测数据高级属性解释技术研究

为了提高煤层气压裂微震监测的精度,对压裂诱发裂缝进行精细刻画,利用淮南潘谢区块PX2-1井煤层气压裂地面微震监测数据,在微震事件定位等基础研究的基础上,研究了震源机制反演、地应力反演、水力裂缝渗透率等高级属性解释技术,结合数据特点,深入研究了基于震源机制的连续水力裂缝网络建模技术、水力裂缝渗透率反演技术,充分挖掘了煤层气压裂地面微震监测数据的丰富信息,精确描述了地下压裂裂缝的三维空间展布,为准确评价压裂效果提供了技术支撑。研究结果表明：微震高级属性解释技术在煤层气压裂监测领域有广泛的应用前景。     

基于地理处理模型的基本农田保护审计建模方法

针对领导干部自然资源资产离任审计,提出了一种永久基本农田保护审计空间分析建模方法,实现了坡度为25°以上的永久基本农田自动提取地理处理模型,并已将其应用于云南省领导干部自然资源资产离任审计工作中.结果表明,该模型能辅助审计部门工作人员快速发现疑点线索,简化了用户操作,提高了审计工作效率.     

使用回折波走时数据的起伏地表速度建模方法

传统的走时层析方法依赖于初始速度模型,需要射线追踪计算,速度建模效率低.常规的回折波走时反演方法速度建模效率较高,但通过对走时曲线拟合获取射线参数,受地形起伏和走时误差的影响很大,速度建模精度较低.为兼顾近地表速度建模的效率与精度,本文改进了回折波走时方程,提出一种基于回折波走时方程的起伏地表速度建模方法.该方法将每一...     

自动建模客观分型方法在非汛期人工增雨中的应用

根据安徽省人工影响天气业务系统需要,利用NCEP 500 hPa高度场和风场格点资料及安徽省81站10年非汛期逐日降水资料,在客观分析天气形势基础上,结合预报员实践经验给出的不同系统影响安徽省时的关键区,计算机自动建模,形成逐日天气型日历,实现环流分型客观化。此方法识别条件实用,模型物理意义明确,自动化程度高,自动生成的逐日天气型日历,为安徽省非汛期人工增雨作业指挥系统提供了很好的天气预报参考依据。     

无人机倾斜摄影技术在新疆权籍调查中的应用

针对传统权籍调查测量方法作业周期长、外业工作量大、入户难、成本高等劣势,本文结合新疆某地权籍调查项目,论述利用无人机倾斜摄影技术快速构建高精度实景三维模型,通过二三维联动裸眼测图将房屋及周边地形要素矢量化成图。经过内业成果与外业实测界址点精度对比分析,平面图成果完全满足1∶500地籍图精度要求,验证了倾斜摄影技术规模化应用于权籍调查在提升效率和降低成本方面优势明显。同时,对如何提高三维建模效率、空三加密分块方法及像控点测量精度3方面问题给出了优化方案,对后续倾斜摄影技术改进和推广应用有一定借鉴意义。     

顾及地理-语义动态的城市热点预测框架

城市热点时空预测是城市管理和智慧城市建设的一项长期而富有挑战性的任务。准确地进行城市热点时空预测可以提高城市规划、调度和安全保障能力并降低资源消耗。现有的区域级深度时空预测方法主要利用基于地理网格的图像、给定的网络结构或额外的数据来获取时空动态。通过从原始数据中挖掘出潜在的自语义信息,并将其与基于地理空间的网格图像融合,也可以提高时空预测的性能,基于此,本文提出了一种新的深度学习方法地理语义集成神经网络(GSEN),将地理预测神经网络和语义预测神经网络相叠加。GSEN模型综合了预测递归神经网络(PredRNN)、图卷积预测递归神经网络(GCPredRNN)和集成层的结构,从不同的角度捕捉时空动态。并且该模型还可以与现实世界中一些潜在的高层动态进行关联,而不需要任何额外的数据。最终在3个不同领域的实际数据集上对本文提出的模型进行了评估,均取得了很好的预测效果,实验结果表明GSEN模型在不同城市热点时空预测任务中的推广性和有效性,利用该模型可以更好地进行城市热点时空预测,解决一系列如犯罪、火灾、网约车预订等等现代城市发展中亟需解决的相关问题。