时空和语义结合的船舶轨迹数据压缩方法EI北大核心CSCD

大数据时代积累了覆盖范围广、时效性强的船舶轨迹数据。对海量冗余轨迹数据进行压缩,可提高检索效率,降低数据存储和传输负担;然而现有方法容易忽略移动对象的运动特征。因此,本文提出一种顾及轨迹时空特征和航行语义特征的压缩方法。首先,分析船舶轨迹的空间、时间和语义特征,设计顾及时空语义特征的轨迹数据压缩流程;其次,通过道格拉斯-普克和滑动窗口法计算轨迹点的时空和语义特征值;然后,加权融合轨迹点的时空和语义特征,构建轨迹点的重要性排序,并通过指定压缩比例获取保留轨迹点数目,实现船舶轨迹数据压缩;最后,根据压缩算法效率、质量和实例分析,表明本文方法可保留行驶的动态语义信息和时空形态特征,既可根据压缩比例控制压缩过程,又可显著减少数据冗余,为后续轨迹挖掘等应用提供数据基础。     

河北省重点城市干湿季PM_(2.5)输送路径和来源分析

为深入研究河北省石家庄、邯郸、唐山以及邢台4座“退后十”重点城市干湿季PM_(2.5)的重污染传输潜在源区,结合GDAS数据,基于HYSPLIT后向轨迹,通过聚类分析、潜在污染源以及浓度权重的计算,对4座重点城市进行大气污染来源的分析。结果表明:1)PM_(2.5)质量浓度呈现为干季浓度较高、湿季浓度较低,同时地域差异较大;2)干季气团4个城市主要受山西省、陕西省、河南省和山东省重工业城市春冬季大量的燃煤、机动车尾气及二次反应携带高浓度气团的影响,该类气团轨迹传输路径较短,传输速度快,影响显著;3)湿季气团大多来源于沿海地区和北部内陆地区,由蒙古国传输至内蒙古地区,以自然源排放为主,受北部冷空气持续影响,使得大气污染物浓度稀释;4)PM_(2.5)较强潜在源区都集中在内蒙古西南部、陕西省东北部、山西省中南部、河南省北部,其中强潜在源区相似,主要集中在延安市、吕梁市、临汾市。     

中国南海区1992-2012年的中尺度涡旋演化过程表达与统计分析

Automated identification and tracking of mesoscale ocean eddies has recently become one research hotspot in physical oceanography. Several methods have been developed and applied to survey the general kinetic and geometric characteristics of the ocean eddies in the South China Sea（SCS）. However, very few studies attempt to examine eddies＇ internal evolution processes. In this study, we reported a hybrid method to trace eddies＇ propagation in the SCS based on their internal structures, which are characterized by eddy centers, footprint borders, and composite borders. Eddy identification and tracking results were represented by a GIS-based spatiotemporal model. Information on instant states, dynamic evolution processes, and events of disappearance, reappearance, split, and mergence is stored in a GIS database. Results were validated by comparing against the ten Dongsha Cyclonic Eddies（DCEs） and the three long-lived anticyclonic eddies（ACEs） in the northern SCS, which were reported in previous literature. Our study confirmed the development of these eddies. Furthermore, we found more DCE-like and ACE-like eddies in these areas from 2005 to 2012 in our database. Spatial distribution analysis of disappearing, reappearing, splitting, and merging activities shows that eddies in the SCS tend to cluster to the northwest of Luzon Island, southwest of Luzon Strait, and around the marginal sea of Vietnam. Kuroshio intrusions and the complex sea floor topography in these areas are the possible factors that lead to these spatial clusters.     

高阶BOC调制信号无模糊跟踪技术性能比较

BOC调制方式提升了导航信号的性能和频谱资源利用率,但是自相关函数的多峰特性使信号接收面临新的问题。本文研究高阶BOC调制方式及其无模糊跟踪技术,主要分析了Bump-Jump算法、BPSK-like算法、SCPC算法和双环路算法,比较不同跟踪技术的硬件复杂度、计算复杂度、跟踪精度和跟踪稳定性,结果可为接收机设计提供参考。     

引入强跟踪滤波器的 IMM 算法在导航定位解算中的应用

针对单一模型对城市机动载体运动状态估计不足的问题,本文在标准交互式多模型算法的基础上引入强跟踪滤波器,并以“当前”模型和“CV”模型作为基础模型进行交互式模型滤波。利用信号源仿真动态数据分析对比了利用单一模型算法、标准交互式多模型算法和引入强跟踪滤波器的交互式多模型算法的定位解算性能。实验结果表明：本文提出的基于强跟踪滤波器的交互式多模型算法相比于“当前”模型滤波和标准IM M 算法径向误差方差分别从19.11和16.78降低到13.24．     

高动态宽带信号码跟踪方法仿真分析

针对高动态场景,单独的码环路很难实现跟踪,由于高动态载波跟踪的算法很成熟,通常应用载波跟踪结果对码环路进行辅助,针对窄体制信号,这种方法可以帮助消除码环的动态误差,但对宽体制信号来说,辅助力度减小。从高动态宽带信号码跟踪误差门限以及跟踪精度入手,分析了单独码跟踪算法的易失锁性,理论和仿真验证应用高动态载波跟踪结果辅助码跟踪算法的有效性,且具有高的跟踪精度。这为导航接收机的跟踪算法提供了理论依据。     

高精度CORS站像控点自动提取方法

CORS站持续稳定运行产生了海量高精度定位点数据,如何挖掘提取高精度可用像控点,以替代部分像控点人工选择或外业测绘工作,具有重要推广价值。本文提出了一种基于高精度CORS定位数据的像控点自动提取方法,并研发了像控点自动提取工具。首先采用Douglas-Peucker算法实现轨迹简化;然后利用ST-DBSCAN提取聚类中心;最后进一步栅格化,优化提取得到高可用像控点集。试验结果表明,像控点提取结果的准确率在94%以上,大大减少了像控点采集的工作量,重复利用高精度像控点信息具有广阔应用前景。     

东南极拉斯曼丘陵镁铁质麻粒岩的变质作用演化

拉斯曼丘陵（Larsemann Hills）位于东南极普里兹构造带的中部,研究该区麻粒岩的变质作用演化对于理解普里兹带的构造属性至关重要。通过对该区含石榴石镁铁质麻粒岩转石详细的岩相学观察表明,峰期前进变质阶段矿物组合（M1）由角闪石+斜方辉石+单斜辉石+斜长石+黑云母+钛铁矿±石英±磁铁矿组成,其峰期矿物组合（M2）为石榴石+斜方辉石+单斜辉石+角闪石+钛铁矿±磁铁矿±石英,而代表后期与降压有关的叠加变质组合（M3）为斜方辉石+斜长石+单斜辉石+黑云母+钛铁矿±磁铁矿。矿物化学分析,结果显示其中石榴子石和斜方辉石具有弱的成分环带特征。利用THERMOCALC软件在NCFMASHTO体系下对该麻粒岩进行了详细的热力学模拟,结合传统温压计和平均温压计算结果,得出不同阶段温压条件分别为650~750℃/5.5~6.5kb （M1）,850~950℃/8~8.5kb （M2）,800~900℃/5.5~7.5kb （M3）。其变质作用演化为典型的峰期后近等温减压的（ITD）顺时针P-T轨迹。通过区域上镁铁质麻粒岩的对比分析,我们认为该镁铁质麻粒岩可能来源拉斯曼丘陵基岩露头。结合已有的年代学资料,表明该镁铁质麻粒岩的峰期变质事件可能对应于晚元古代格林威尔期构造事件,而后期退变质作用与早古生代的泛非期构造事件有关,意味着泛非期普里兹带可能是陆内造山带。     

进城务工人员购物活动时空特征解析——以南京市为例

以南京市进城务工人员为研究对象,在宏观把握其社会经济及空间概况的基础上,分析其线下购物的时空特征及典型时空轨迹。结果表明:(1)时间特征上表现为以低频购物为主;购物时段集中在上下班途中及休息日下午;购买低等级商品时对出行时间较为敏感,约为10 min;购买高等级商品时对出行时间不太敏感,多集中在1 h内。(2)空间特征上表现为购买低等级商品时对出行距离较为敏感,约为0.5 km,购物活动空间较为集聚;购买高等级商品对出行距离敏感性较低,购物出行空间较为分散。(3)时空轨迹上表现为单纯购物活动的购物场所及出行空间等级均较低,购物时长较短,购物时段的连续性在工作日要高于休息日;多目的购物活动的购物场所及出行空间等级则较高,购物时长较长,购物时段集聚度较高。