天气因素对城市地铁客流时空分布的影响——基于智能交通卡数据的实证研究

城市地理空间、气候环境及交通系统间存在复杂的相互联系、相互制约的关系,交通及地理时空数据为理解三者间关系带来了新的机遇。城市轨道交通是居民绿色出行、缓解中国大城市交通拥堵的重要交通方式。深入研究影响城市地铁客流时间和空间分布变化的因素,有利于制定合理的土地利用及交通需求管理政策,也可为实时响应特定天气条件下旅客出行需求的变化和优化公交服务运营提供理论依据。论文使用智能交通卡数据,以南京市为例,通过建立一种季节性差分自回归移动平均(seasonal autoregressive integrated moving average with explanatory variables, SARIMAX)模型,解释不同种类的天气因素(如降雨、气温、相对湿度、风速等)对地铁客流量时空分布的影响程度。研究发现：降雨类因素在高峰和周末时段对地铁客流量的影响较大;各天气因素对各地铁站点客流量的影响大致呈现出从城市中心区域向外围区域逐渐变小的渐变式规律,且地铁无规律出行者比有规律出行者更易受恶劣天气因素的影响。     

组件式开发土地利用数据库管理系统

分析了土地利用现状图更新现状和建立有效土地用数据库管理系统的必要性,介绍了ComGIS技术和MapX功能特点及其组件模型,建立系统基础信息层、功能实现层和信息表达层三级体系结构,提出数据库技术和功能设计思路,举例阐述利用组件MapX开发过程中的系统功能的实现,最后对本系统的特点加以总结.     

水下航行体远场低频声特征提取鉴别方法综述

针对水下大型航行体的小样本远场低频特征提取与鉴别问题,从3个方面综述了目前国内外小样本低频特征提取与鉴别的传统方法和智能方法。时频域单独、时频域结合和视听感官特征提取的传统方法需要一定的先验知识与假设,易受环境干扰;专家系统、统计类方法和BP神经网络等早期的智能方法存在可移植性差、学习能力差、上限低、梯度消失等问题;深度置信网络（DBN）、卷积神经网络（CNN）、循环神经网络（RNN）、自编码器（AE）神经网络、生成对抗网络（GAN）、迁移学习深度网络等深度智能方法对先验知识依赖度低,可以提取深度不变特征,较其他方法更稳定,识别精度更高,但是也存在依赖数据量、可解释性不足的缺点。未来,传统方法与智能方法更深度的互补融合有望减少当前方法对数据量的依赖,提高深度特征的可解释性。     

基于物联网的台站智能供电管理系统在北武当地震观测站的应用研究

通过对离石北武当地震观测站供电系统改造前后观测数据的分析,对比各套形变仪器在运行稳定性,数据连续率、有效率及观测数据质量等方面的差异得出,改造后的仪器系统整体优于改造前,能明显提高仪器运行连续率及数据稳定性,具备远程控制等功能。供电系统改造经验可为无人值守台站在供电方案改进方面提供参考。     

隧道变形监测与智能预警方法研究

隧道长期监测是保障施工安全的有效手段,本文以太湖隧道为例,研究了几种较为常见的变形分析模型,提出了一种以监测点当前变化量、累积变化量、变化率3个指标为基础的隧道风险数学模型和智能预警方法。试验结果表明,回归模型和BP神经网络的预测精度相当,平均绝对误差和均方误差均在1 mm之内,当存在隧道风险时,本文提出的方法能够及时有效地做出预警,预警成功率在96%以上。     

一种基于移动Ad Hoc网络的交通信息系统

交通信息系统是智能交通系统的重要组成部分,其主要功能是从路网中采集实时交通数据,并对数据进行分析处理[1]。交通数据采集是在固定地点、固定时间段内对交通状况信息的获取[2]。目前,主流的交通数据采集方法是通过路边或路面下的固定检测设备获取相关交通信息。采用固定检测     

煤炭智能开采地质保障技术及展望

煤炭智能开采是我国煤炭工业在新一轮技术变革下的战略选择,是实现煤矿安全高效生产的必由之路,地质保障技术可为煤炭智能开采提供准确可靠的地质数据支撑,且能有效探查隐蔽致灾地质因素以减少煤矿生产灾害事故的发生.我国煤炭地质保障技术从服务于资源勘查、高产高效矿井建设到服务于煤矿安全高效生产,从基础地质勘查工作、GIS系统到隐蔽...     

智能水下应急通信一体化探讨

目前海洋应急通信主要关注海面部分,较少涉及水下部分,不能满足水下应急需求。为此,对水下应急通信进行探讨。首先,分析了可能的多种应用场景,讨论了基本的需求和性能指标。其次,从网络拓扑、工作机制和节点类型几方面探讨了系统的体系结构。然后,对关键技术进行了阐述,包括：节点多模通信及功能一体化、网络快速机动部署、网络模式快速切换、水上水下联合一体化等。最后,介绍了智能化可以采用的机器学习和元学习方法,探讨了水下应急通信智能化的思路。     

基于电磁卫星的闪电哨声波智能检测算法的研究进展

闪电哨声波作为探索空间物理环境的重要媒介,淹没在海量的电磁卫星数据中.近年来随着计算机视觉和深度学习等人工智能技术的发展,从电磁卫星的存档数据中自动检测闪电哨声波的算法取得了一定的效果.本文对近年来闪电哨声波智能检测算法的文献进行了整理和总结.首先,阐述闪电哨声波在电磁卫星数据中呈现的时频特征和类型;然后,介绍了闪电哨声波智能检测算法的流程并从闪电哨声波的特征提取、分类和定位三个方面对主要的智能检测算法进行归纳、总结和评述;其次,简述了闪电哨声波智能检测模型的评价指标;接着,在张衡一号(ZH-1)卫星的磁场数据上对三种典型的闪电哨声波智能检测算法进行复现,并对三种算法的优缺点进行了较深入的分析;最后,对基于电磁卫星的闪电哨声波智能检测的研究领域进行总结和展望.