土地利用视角下城市交通事故驱动机理的研究进展

城镇化与机动交通的快速发展,引发了城市土地利用与交通系统的重塑,导致城市交通安全问题日益严峻。为了优化土地利用布局并改善交通安全,需要从土地利用视角开展交通事故的驱动机理研究。国内外该方面研究形成了以交通流量和交通速度为主要中介因素联系土地利用与交通事故的经典理论框架,却忽略了源于土地利用并深刻影响交通安全的交通需求因素,导致缺乏“土地利用—交通需求—交通事故”完整路径链的研究。论文通过综述该领域文献,在归纳总结城市交通事故影响因素的基础上,揭示土地利用视角下交通事故的驱动机理并探讨未来研究方向。研究指出,土地利用的多维属性特征对交通事故具有重要影响,土地利用与交通系统的动态匹配关系及其对出行行为的影响是揭示交通事故驱动机理的关键突破口,对于构建交通安全导向的城市土地利用模式具有重要的理论与实践意义。     

功能疏解背景下京津冀中部核心区产业投资网络演化研究

非首都功能疏解作为京津冀协同发展战略的核心,对解决北京大城市病、实现京津冀可持续发展具有重要意义。论文构建了一个“四位一体”的产业投资网络演化分析框架,以京津冀中部核心区为研究对象,利用工商企业投资大数据测度了非首都功能的3类重点行业在2010、2014、2018年的资本流动特征,并从“节点—路径—格局”3个层面分析了功能疏解背景下产业投资网络演化过程。研究结果表明,非首都功能疏解背景下,北京市各行业对外投资增强,投资集聚中心逐渐向外围转移,但不同行业演化格局存在差异。制造业呈现由邻近扩散向等级扩散转变的演化路径,并向着多中心格局发展;批发零售业在资本净流动层面显示出扩散特征,在骨干路径层面呈现集聚现象,分布格局由北京单极放射状向京津双核联动演化;交通运输仓储和物流业向郊区物流园区所在地集聚,但网络整体发育滞后。研究结果能够为科学认识首都功能疏解情况、了解中部核心区产业结构及产业发展的变动态势提供参考。     

Evaluating techniques for mapping island vegetation from unmanned aerial vehicle (UAV) images: Pixel classification,visual interpretation and machine learning approaches

We evaluate three approaches to mapping vegetation using images collected by an unmanned aerial vehicle (UAV) to monitor rehabilitation activities in the Five Islands Nature Reserve, Wollongong (Australia). Between April 2017 and July 2018, four aerial surveys of Big Island were undertaken to map changes to island vegetation following helicopter herbicide sprays to eradicate weeds, including the creeper Coastal Morning Glory (Ipomoea cairica) and Kikuyu Grass (Cenchrus clandestinus). The spraying was followed by a large scale planting campaign to introduce native plants, such as tussocks of Spiny-headed Mat-rush (Lomandra longifolia). Three approaches to mapping vegetation were evaluated, including: (i) a pixel-based image classification algorithm applied to the composite spectral wavebands of the images collected, (ii) manual digitisation of vegetation directly from images based on visual interpretation, and (iii) the application of a machine learning algorithm, LeNet, based on a deep learning convolutional neural network (CNN) for detecting planted Lomandra tussocks. The uncertainty of each approach was assessed via comparison against an independently collected field dataset. Each of the vegetation mapping approaches had a comparable accuracy; for a selected weed management and planting area, the overall accuracies were 82 %, 91 % and 85 % respectively for the pixel based image classification, the visual interpretation / digitisation and the CNN machine learning algorithm. At the scale of the whole island, statistically significant differences in the performance of the three approaches to mapping Lomandra plants were detected via ANOVA. The manual digitisation took a longer time to perform than others. The three approaches resulted in markedly different vegetation maps characterised by different digital data formats, which offered fundamentally different types of information on vegetation character. We draw attention to the need to consider how different digital map products will be used for vegetation management (e.g. monitoring the health individual species or a broader profile of the community). Where individual plants are to be monitored over time, a feature-based approach that represents plants as vector points is appropriate. The CNN approach emerged as a promising technique in this regard as it leveraged spatial information from the UAV images within the architecture of the learning framework by enforcing a local connectivity pattern between neurons of adjacent layers to incorporate the spatial relationships between features that comprised the shape of the Lomandra tussocks detected.     

多时相Landsat影像的平原河网区不透水面信息提取方法与应用

不透水面是衡量城市生态环境的重要指标,针对平原河网区不透水面与水体、裸土等地物较难区分的问题,以苏北里下河平原快速城镇化区为研究对象,利用多时相Landsat影像为数据源,基于像元光谱特征及其季节性变化分析,构建了基于时序NDWI、NDVI和NDBI的决策树模型,并利用GIS空间分析技术对不透水面的时空变化特征进行了分析。结果表明：多时相光谱信息可有效改善水体、裸土和稀疏植被等像元与不透水面的混分,2005年和2016年的不透水面分类总体精度和Kappa系数均在0.85以上,合理反映了不透水面以向东和向南扩张为主的趋势特征,年均扩张速度约为6.7 km²。研究成果为该区城镇化下的生态环境效应研究提供数据基础,同时可为其他平原河网区不透水面信息提供借鉴和参考。     

北斗一张网业务管理与服务系统设计与实现

针对北斗一张网体系建设与运营项目的实际需求与现状,整合已有基础设施资源,深入研究挖掘了潜在的信息资源,搭建了一个标准化管理与服务应用统一平台——业务管理与服务系统,提高了系统的移动管理能力、系统管理水平及系统服务效率,改变了传统CORS的管理与运维模式,同时也为海量用户提供了更高效便捷的个性化服务,真正从应用层面上实现了规范化、体系化与便捷化。在这一系统的支撑下,北斗一张网服务体系确立了全新的管理机制,也为北斗未来更广泛地推广应用打下坚实基础。     

最优权组合预测法在采煤沉陷变形预测中的应用

煤矿地表沉降变形预测多基于煤矿开采沉陷预计理论展开,基于变形分析理论的变形预测模型目前多集中在单模型预测。本文基于组合预测思想,以非等间隔灰色预测模型与BP神经网络模型为预测单模型,以陕西北部某煤矿采煤工作面上方实测地表沉降值为数据源,以最优加权法对单模型预测结果开展了最优权组合,组合模型中两种单模型的权重分别为0.466 7、0.533 3。选取部分监测点的预测结果进行模型精度评价,结果表明：3种预测模型精度均达到了一级。经对比3种模型预测结果,最优权组合预测的模型精度较单模型明显提升,预测结果较非等间隔灰色预测模型与BP神经网络预测模型有明显增益。     

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。     

基于深度置信网络的GNSS-IR土壤湿度反演

基于大地测量型GNSS接收机获取的反射信号反演土壤湿度是GNSS领域的研究热点。为克服常规线性回归和BP神经网络算法等的缺陷,本文提出了一种基于深度置信网络的GNSS-IR土壤湿度反演方法。试验结果表明,基于该方法得到的决定系数、土壤湿度平均绝对误差和均方根误差分别为0.909 8、0.017、0.021,与线性回归和BP神经网络算法相比,与实测数据吻合度更高,可有效提高土壤湿度反演精度,证明了方法的有效性和可靠性。     

基于深度残差网络的机载LiDAR点云分类

机载LiDAR点云的分类是利用其进行城市场景三维重建的关键步骤之一。为充分利用现有的图像领域性能较好的深度学习网络模型,提高点云分类精度,并降低训练时间和对训练样本数量的要求,本文提出一种基于深度残差网络的机载LiDAR点云分类方法。首先提取归一化高程、表面变化率、强度和归一化植被指数4种具有较高区分度的点云低层次特征;然后通过设置不同的邻域大小和视角,利用所提出的点云特征图生成策略,得到多尺度和多视角点云特征图;再将点云特征图输入到预训练的深度残差网络,提取多尺度和多视角深层次特征;最后构建并训练神经网络分类器,利用训练的模型对待分类点云进行预测,经后处理得到分类结果。利用ISPRS三维语义标记竞赛的公开标准数据集进行试验,结果表明,本文方法可有效区分建筑物、地面、车辆等8类地物,分类结果的总体精度为87.1%,可为城市场景三维重建提供可靠的信息。     

基于高分遥感影像的建筑物侧面信息提取及其高度计算

本文选取成都市某一区域建筑物A、B为研究对象,采用分辨率为0.61 m的Quick bird影像,运用图像分割法和LVQ神经网络算法,提取建筑物侧面信息,根据假设法原理,构建高度计算物理模型,求取建筑物高度。对比实测数据,结合可能影响实验结果的实地因素、遥感影像因素进行精度分析与评价,探讨基于高分遥感影像的建筑物侧面信息提取和高度计算的方法。结果表明,LVQ神经网络算法在建筑物侧面提取和高度计算中有更好的应用价值,精度高达94%。