选择性重排FDK算法及其GPU加速优化

FDK算法是目前三维图像重建的主流算法,但是传统重排FDK算法存在占用内存量较大、重建效率不高的问题,本文提出一种选择性重排FDK算法。根据重排前后投影数据的结构关系,计算出一轮重排所加载的最少锥形束投影,并使用循环队列对有限帧数的投影进行选择性加载,显著降低了重建对内存的消耗。此外,利用新算法较好的并行性,借助图形处理单元(GPU)对算法进行了硬件加速,大大提升算法的执行效率。为验证算法有效性,对5123规模的仿真数据和实际数据进行重建,在不损失重建精度的前提下,新算法占用内存约为传统算法的1/3或1/5。本文算法对传统重排FDK算法进行了改进,有效降低了计算机内存占用,较好地解决了大规模投影数据重建问题。      

一次中尺度急流激发的辽宁大暴雨观测分析

应用地面加密自动气象站、常规探空、卫星及多普勒雷达探测资料对2008年7月31日夜间发生在辽宁省的一次大暴雨过程中的急流特征进行了分析.分析结果显示,在超低空环流场中同时存在着大尺度偏南急流和中尺度西南急流.在中尺度西南急流左侧生成的西南-东北向的β-中尺度云团队列直接引发了大暴雨.进一步分析表明,超低空中尺度西南急流与高空急流方向相近且风速相当,形成了二次切变型的空间垂直分布,在其左侧激发了涡旋Rossby 重力波的不稳定发展,从而生成β-中尺度云团队列.     

基于开销代价的网络地理信息服务负载均衡算法研究

基于单位时间开销代价矢量,提出同时考虑地形数据请求在服务器队列中的等待时间与服务器对请求的处理时间的最小总代价分布式算法#算法计算转发请求给每台服务器的概率空间,并根据地形数据请求到达时临时生成的随机数在概率空间中的落点确定转发请求的目标服务器。通过配置单位时间开销代价矢量!可以灵活地维护与升级集群服务器,具有良好的可扩展性。仿真结果表明最小总代价算法能在大规模$高强度的地形漫游中均衡地分发请求!使集群服务器充分发挥其优势从而获得最小的漫游响应时间。仿真结果还表明在低强度地形漫游时,各种负载均衡算法表现大致相同;在高强度地形漫游时!设计负载均衡算法最好考虑服务器端队列的排队情况。     

基于优先队列的另一种简单快速的DEM填洼算法

Some depression cells with heights lower than their surrounding cells may often be found in Grid-based digital elevation models （DEM） dataset due to sampling errors. The depression-filling algorithm presented by Planchon and Darboux works very quickly compared to other published methods. Despite its simplicity and delicacy, this algorithm remains difficult to understand due to its three complex subroutines and its recursive execution. Another fast algorithm is presented in this article. The main idea of this new algorithm is as follows： first, the DEM dataset is viewed as an island and the outer space as an ocean; when the ocean level increases, the DEM cells on the island＇s boundary will be inundated; when a cell is inundated for the first time, its elevation is increased to the ocean level at that moment; after the ocean has inun- dated the entire DEM, all of the depressions are filled. The depression-removing processing is performed using a priority queue. Theoretically, this new algorithm is a fast algorithm despite the fact that it runs more slowly than Planchon and Darboux＇s method. Its time-complexity in both the worst case and in an average case is O（8nlog2 （m））, which is close to O（n）. The running speed of this algorithm depends mainly on the insertion operation of the priority queue. As shown by the tests, the depres- sion-filling effects of this algorithm are correct and valid, and the overall time consumption of this algorithm is less than twice the time consumed by Planchon ＆ Darboux＇s method for handling a DEM smaller than 2500×2500 cells. More importantly, this new algorithm is simpler and easier to understand than Planchon and Darboux＇s method. This advantage allows the correct program code to be written quickly.     

市级气象信息网络中QoS技术的应用

在市局网络拥塞造成传输瓶颈时,应用QoS技术可保证重要业务报文数据获得更高的优先传输权。本文介绍QoS的基本概念、QoS网络的功能及分类形式,并列出具体解决方案。     

基于DBI和稀疏轨迹数据的交通状态精细划分与识别

浮动车轨迹数据已逐渐成为城市交通状态识别的主要数据源之一,但是现有基于浮动车轨迹数据的交通状态识别中多数是应用高精度或是多源轨迹数据。针对稀疏轨迹数据在城市交通状态识别中存在识别精度不高的问题,本文提出一种结合戴维森堡丁指数（DBI）和轨迹相似性度量的动态交通状态划分方法。首先,对轨迹数据和路网数据进行预处理并且建立不同时间片的路段轨迹集合;接着,依据轨迹速度-空间相似性,利用戴维森堡丁指数动态地扩展轨迹的空间维度,并根据轨迹相似性度量方法构建最佳车辆队列;然后,将前后不同的车辆队列进行二次处理,连接组成交通流簇;最后,基于模糊C均值聚类方法将交通流进行划分,实现路段交通状态的识别。采用厦门市厦禾路、湖滨西路和湖滨南路交叉路段上的真实出租车轨迹数据进行测试,结果表明,本文所提方法保证了车辆队列速度分布与原始轨迹速度分布基本一致,相比对比方法Kmeans++和ST-DBSCAN,本文方法均方根误差平均下降了18.77%和21.22%,并且在不同的实验路段表现更加稳定,可有效、可靠地运用稀疏轨迹数据识别城市交通状态,进而实现城市交通状态的精细分析。