新疆库尔勒市道路积尘重金属污染及健康风险评价

为探究绿洲城市道路积尘重金属污染风险,在新疆库尔勒市采集54个代表性道路积尘样品,分析其中Hg、Cd、As、Pb、Cr和Cu等6种元素含量,基于GIS技术与地学统计法,采用污染负荷指数法和US EPA健康风险评价模型,对道路积尘中重金属污染及潜在健康风险进行评价。结果表明：库尔勒市道路积尘中Hg、Cd、As、Pb和Cu等元素含量的平均值均小于土壤环境质量—建设用地土壤污染风险管控标准（GB 36600—2018）中的筛选值,但Cr元素含量平均值为相应筛选值的9.90倍。污染评价结果表明,研究区道路积尘中Cr呈现重度污染,Hg、Cd、As、Pb和Cu呈无污染。道路积尘中重金属元素的污染负荷指数介于0.0142~0.0522,平均值为0.0266,处于无污染水平。从道路积尘重金属污染空间分布格局来看,库尔勒市东北部和北部区域出现污染高值区。健康风险评估结果表明,经手-口摄入途径是库尔勒市道路积尘重金属日均暴露量及健康风险的主要途径,儿童受到的健康风险高于成人。库尔勒市道路积尘中Hg、Cd、As、Pb、Cr与Cu等元素的非致癌风险及致癌风险处于安全范围内,As对非致癌风险的贡献最大,Cr对致癌风险的贡献最大。     

基于粒子滤波的行车轨迹路网匹配方法

行车轨迹是一种时间序列的地理空间位置采样数据,而传统的轨迹—路网匹配方法主要以全局或局部寻优的方式建立轨迹—路网匹配关系,影响了时空场景中数据的匹配计算过程的相对独立性。针对这个问题,本文基于粒子滤波（Particle Filter,PF）原理建立行车轨迹与道路网络之间的匹配关系。首先,沿轨迹中车辆运动方向在道路网络中搜索邻近道路节点,在与道路节点拓扑邻接的道路弧段上初始化随机生成粒子,根据轨迹中车辆运动模型将粒子沿所在道路弧段移动;然后,基于PF原理计算各时刻粒子运动状态及与行车轨迹采样点之间的距离误差,根据高斯概率密度函数计算粒子权重并利用随机重采样方法进行粒子重采样,迭代更新粒子运动状态;最后,计算与搜索到的道路节点拓扑邻接的每条道路弧段中累计粒子权重,通过各道路弧段累计权重计算轨迹—路网匹配关系。以行车轨迹进行实验表明,利用本文方法可以通过粒子时空变化反映采样点的移动,行车轨迹—路网匹配结果的正确率大于85%,能够实现行车轨迹和路网的准确匹配。     

红层泥岩填料的力学特性及本构模型研究

在红层泥岩地区进行道路工程施工时,考虑到材料短缺和成本问题,常常采用就地取材的方式作为路基填料。为了研究红层泥岩填料的适用性,选取甘肃省永登县某工点的风化红层泥岩填料为研究对象,在室内开展一系列三轴CU剪切试验,探究含水率、围压和压实度对应力-应变曲线、峰值(残余)强度、抗剪强度指标的影响,并对不同类型的应力-应变曲线,分别采用相应的模型进行拟合。研究结果表明：含水率、围压和压实度对其物理力学特性具有显著影响;对符合应变软化型规律的曲线,采用沈珠江的双曲线模型拟合的规律一般;对符合应变硬化型规律的曲线,采用Duncan-Chang模型拟合的规律较好。研究结果可以为甘肃省红层泥岩路基的病害处治与维修提供参考依据。     

基于高分辨率遥感影像的道路网络提取算法研究

作为遥感信息分析领域的重要工作之一,高分辨率遥感影像道路提取对于地理信息建库、城市建设规划、城市地形分析与三维表达等方面具有重要的研究意义.本文提出了多种改进算法组成的遥感影像道路网络提取方法,首先使用超像素分割(Simple Linear Iterative Clustering,SLIC)算法对高分辨率遥感影像进行分割处理并使用改进K-means算法对分割后影像进行分类;其次根据绿色植被指数(Green Vegetation Index,CVI)值滤除非人工区域并使用OTSU算法分割提取得到初始道路网络;最后对提取道路网络进行优化处理得到精细化道路网络.使用广州市某地高分辨遥感影像对本文提取算法进行验证,结果表明,本文算法能够有效地提取道路信息,提高道路网络提取精度.     

多源道路智能选取的本体知识推理方法EI北大核心CSCD

大数据时代道路数据来源日益增多,跨数据源的道路选取面临巨大挑战。本文针对数据语义不一致问题,提出一种基于本体知识推理的多源道路选取方法。首先,将1∶5万基本比例尺地形图道路数据作为基础案例,将四维图新导航电子地图和开放街道地图中的道路数据作为试验数据,基于stroke计算道路等级、长度、连通度、接近度、中介度特征项,提取特征项概念并构建本体;然后,从语义特征项和数值特征项两方面计算本体概念相似性,建立基础案例与试验数据间的关联关系;最后,基于本体和语义网规则语言定义本体通用、语义特征、数值特征三类选取规则,实现跨数据源道路选取的过程性知识推理。试验表明,本文方法可基于本体概念相似性度量消除语义差异,同时利用语义网规则语言进行知识推理,可实现多源道路数据向基本比例尺数据的智能选取。     

层次分析法支持下的道路洪涝灾害风险评价——以武夷山地区为例

本文首先采用基于多准则决策的层次分析评价法,根据自然灾害风险理论,将洪涝风险影响因子分为危险性和脆弱性两类,子准则层包括平均降雨量、汇流累积量、坡度、海拔和土地覆盖度、道路级别、地表产流能力7个因子,构建了道路洪涝灾害风险评价模型。然后以福建省武夷山地区为研究区,利用地形数据、气象数据及遥感影像提取土地覆盖类型数据,通过道路洪涝灾害风险评价模型,绘制了道路风险分区图。结果表明,中、高风险积水道路占比较高,主要集中在东部、西部和中南部地区。本文对道路洪涝灾害风险所进行的评价,可服务于洪涝灾害风险预警和应急救援规划。     

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。     

面向道路积水动态可视化的多源数据集成方法

随着城市化进程的不断加快及暴雨等极端天气的时有发生,道路积水问题愈发严重,影响了市民的出行和城市正常运行,因此有必要对道路积水信息进行动态可视化,而数据的集成与管理是从多源数据到道路积水信息的关键一环。为了更加直接有效地表达道路积水信息,提出了面向城市内涝动态预警可视化的多源时空数据集成与管理方法,构建了道路积水时空数据模型,探讨了积水数据与道路数据的匹配方法,并设计了面向道路积水动态预警的原型系统,实现了道路积水深度的提取与发布。以南京市主城区某区域对该方法进行了实验案例分析,实验结果表明,提出的数据集成与管理方法在进行道路积水可视化时具有一定的可行性。     

路网约束条件下热力规则设计与试验

热力图是一种能直观准确展示空间观测值的有效工具,在多个领域具有广泛应用。本文在分析设定不同道路层权重、道路技术等级分类的基础上,以反距离权重、直方图均衡化、密度补偿、参数多次迭代等方法,研究构建了以热力方式展示道路网分布及发达程度的相关规则体系。热力规则通过道路赋权、路线曲面化、密度协调、图面综合等多套规则的有机结合,实现了道路网总体发达水平信息的提取与展示,并以全球地理信息资源建设项目路网成果中的亚洲和非洲部分国家数据为例,进行了信息提取与热力分布试验。     

车辆轨迹数据的道路学习提取法

车辆轨迹数据的道路信息提取是地理信息领域的热点也是难点之一,深度学习的快速发展为该问题的解决提供了一种思路与方法。本文针对车辆轨迹数据的车行道级道路提取问题,引入深度学习领域的生成式对抗网络,利用残差网络构建深层网络和多尺度感受野感知轨迹数据不同细节特征,构建了基于条件生成式对抗网络的轨迹方向约束下车行道级道路提取模型。首先提出了朝向-颜色映射栅格化转换方法,实现轨迹朝向信息向HSV颜色空间的转换;然后利用样本数据学习模型参数;最后将训练模型应用到郑州、成都、南京3个试验区域提取车行道级道路数据。试验结果表明,本文方法能够有效地提取完整的车行道级道路数据。