考虑内在关联性的城市路网交通运行效率评价

为实现大规模城市路网下的交通运行效率评估，立足于深圳市福田区、南山区以及罗湖区的浮动车轨迹数据，提出了一种结合交通可达性与道路交通流特性的评价方法。通过地图匹配与网络重构获得路网重构图，对其进行社区发现与聚类以挖掘路网内在联系并进行交通运行效率评价。该评价方法兼顾路网结构与交通属性，在考虑路网内在关联性的情况下进行城市路网交通效率评价，并通过评价结果对实际路网提出针对性改进建议。相比传统方法，该文提出的评价方法能够识别出道路间相互影响关系，在局部路网的尺度下修正评价结果，使评价结果体现出实际路网不同区域内交通效率的内在联系。     

融合自编码与密集残差网络的滑坡易发性评价

针对滑坡易发性评价中编录样本受限、特征信息利用不足，导致预测效果不理想的问题，该文提出融合栈式自编码与密集残差网络的滑坡易发性评价方法。将传统自编码网络进行栈化，重构原始数据以强化特征表达；在卷积神经网络中引入跳层连接，通过密集连接的方式构建一种密集残差网络模型提取数据的深层特征。该文以四川省雅安市为研究区开展滑坡易发性评价，将所提模型与逻辑回归模型、CPCNN-RF模型、U-net模型进行了对比分析。实验结果表明：该方法取得最佳精度，受试者工作特征曲线下的面积为0.883,在一定程度上能够较好地适应小样本预测，易发性制图结果更为准确可靠。     

全天候地表温度遥感获取进展与挑战

如何获取全天候地表温度对促进相关研究具有十分重要的意义。卫星热红外遥感地表温度虽然在反演理论方法和科学数据产品等方面已相对成熟，但热红外难以穿透云雾的特点导致反演得到的地表温度在云下有大量缺失；被动微波遥感虽能获取云下地表温度，但由于物理机制和成像方式的限制，存在空间分辨率不足、精度较低、轨道间隙较大等问题。通过卫星单源遥感难以直接获取中等空间分辨率、不受云雾影响的全天候地表温度。从原理、方法、产品和应用方面回顾并归纳了当前全天候地表温度的研究进展和面临的主要问题。基于有效观测重构和多源数据集成是获取全天候地表温度的两种基本途径，前者可分为时空插值和基于能量平衡方程插值两类，后者则可分为热红外与被动微波遥感集成、热红外与再分析资料集成。多源数据集成可以整合热红外遥感、被动微波遥感、再分析资料各自的优势，具有较大的研究价值和潜力。在产品方面，分析了当前学术界已公开发布的5种全天候地表温度产品。在应用方面，虽然部分全天候地表温度产品已在土壤湿度、地表蒸散发估算与同化方面取得了一些应用成果，但其在其他领域的应用亟待挖掘。此外，对全天候地表温度的未来研究方向和重点进行了讨论和展望。     

基于RFD-U-Net的探地雷达缺失数据重构

在探地雷达勘探中，由于受到采样点数与测量速度不匹配、地表不均匀或仪器内外部干扰等因素的影响，容易造成信息不完整，甚至缺失．如何有效重构缺失信号是提高原始GPR数据精度和进行后续高分辨率成像的关键环节．本文提出了一种残差特征提取网络（RFD-U-Net）来针对性处理数据缺失这一问题．其中，RFD采用信息蒸馏网络的方法对缺失数据进行重构，首先使用多个特征提取连接来进行特征学习，然后在残差单元上增加跳跃映射，补充卷积过程中损失的特征信息，最后与轻量网络U-Net相结合，极大程度地缩减了网络冗杂．合成测试数据的对比结果及UQI和SNR两种评价指标的量化分析结果可知，RFD-U-Net获得了最优的重构效果和最佳的计算数值，验证了本文所提方法重构缺失GPR剖面的准确度和优越性．将RFD-U-Net应用于实测数据中，能够较好地重构缺失数据，在细节上突出了有效信号的连续性，并采用自动聚焦技术这一评价指标进行佐证，证明了该方法的实用性．     

基于轮廓曲线的岩体结构面三维粗糙度获取方法

现场获取岩体结构面三维形貌对于边坡稳定性评价至关重要，受限于三维激光扫描仪等精密设备高昂的使用成本、繁琐的操作过程以及对测量对象的严苛要求，使其在工程现场难以被广泛应用，因此提出了一种基于轮廓曲线的岩体结构面三维粗糙度获取方法。以重构结构面与原始结构面的峰值抗剪强度相对误差是否小于5%为标准，采用Tatone提出的峰值剪切模型评估岩石结构面的剪切特性，以确定合理的采样间隔；在此基础上，通过轮廓曲线仪绘制结构面二维轮廓曲线，并根据图像数字化矩阵与实际长度的大小关系提取每条轮廓曲线的坐标数据；利用Griddata函数对已有数据进行空间插值生成重构的三维结构面，从而进行相关粗糙度研究。根据理论分析、直剪试验两方面检验，求得重构结构面与原始结构面的峰值抗剪强度相对误差均小于5%，满足工程应用要求。研究证明该方法能够准确地获取结构面三维粗糙度，具有操作简单、成本低廉、受测量环境影响小等优势，可为相关结构面粗糙度分析及抗剪强度研究提供借鉴。     

基于人工智能技术的植被色彩感知与焦虑关联分析

城市绿色空间对焦虑的缓解作用受到城市地理学、城市规划学和景观生态学等多学科学者的关注。然而，受限于数据采集技术的精确程度，很少有研究分析绿色空间中的植被色彩对降低焦虑水平的作用。基于此，本文结合公民科学和人工智能技术建立高精度城市植被数据库，从植被色彩视觉感知的角度入手分两个层次评价植被色彩，并构建有序Logistic模型探究不同地理背景下植被色彩与个体焦虑的关系。研究表明：丰富的植被色彩确实能有效缓解焦虑，但同时受可塑性面积单元（MAUP）和地理背景不确定性问题（UGCoP）的影响。具体而言，提升居住环境的基底色彩水平、增加工作环境中植被色彩的多样性有助于缓解焦虑，并且植被色彩与焦虑的关联主要在小规模缓冲区中观察到。上述结论证实了植被色彩对焦虑缓解作用，能够为城市绿色空间设计提供具体的优化建议。     

基于两步Kalman滤波的NLoS误差抑制算法

针对超宽带(ultra wide band,UWB)定位中影响定位精度的非视距(non line of sight,NLoS)传播误差问题，提出了一种基于Kalman滤波的NLoS误差二次消除方法.该方法利用NLoS误差与测量误差之间的相互独立性，借助Kalman滤波将NLoS误差从总误差中单独分离出来，对其进行实时估计，并将该NLoS误差估计值作为NLoS误差辨别及测距值修正的依据.通过Kalman滤波对到达时间(time of arrival, TOA)测距值进行二次估计、鉴别及修正以提高TOA测距精度，从而实现室内复杂环境下的UWB精准实时定位.仿真实验结果表明：该方法不仅能够对NLoS误差实现良好的跟踪估计，对视距(line of sight, LoS)/NLoS环境转变也具有较强的灵敏感知能力，同时NLoS误差测距值在应用该方法后的定位性能逼近于LoS环境下的理想状态.