地质灾害领域本体的研究与应用

引入了由斯坦福大学医学院开发的七步法,并采用OWL DL语言描述本体,利用目前成熟的且流行的本体可视化构建工具Protégé完成地质灾害信息领域本体库的构建。基于行业标准、地质灾害信息处理标准、专家知识等相关标准,建立地质灾害领域本体。用OWL形式化描述基于多层结构的地质灾害空间数据本体应用模型来实现三层地质灾害本体。以具有优势的三峡库区丰富地质灾害资料为依托,以地质灾害多源异构空间信息集成与共享为主线,引入本体理论和GeoSciML,研究建立基于顶级、领域及应用多层本体的地质灾害空间数据语义集成和共享模型,实现地质灾害信息系统数据集成和应用集成,目标是解决横向各部门间的有效沟通和信息共享,以及单体灾害和群体灾害发生时的应急指挥和决策支持等问题。     

基于街景影像和手机信令数据的城市街道安全性研究

城市化进程加快导致街道安全性问题突出,已有研究利用城市视觉要素刻画街道安全感空间分布,忽略了街道真实安全性与安全感间的差异。该文利用街景影像和手机信令数据,结合K-means聚类算法与笛卡尔积运算模型减少“安全感知差异”,以长沙市主城区为研究案例,得到白天、夜晚及总体城市街道安全性分布:1)长沙市主城区安全感指数随圈层数增加呈波动递减趋势,主要原因是建筑视觉要素占比下降较快以及天空视觉要素占比逐步上升;2)长沙市主城区呈双圈层结构,白天高安全性、夜晚低安全性以及总体安全性最低的区域主要分布在主城区中心,具有明显的聚集现象。该研究通过对城市街道安全性和低安全性街道的分析提出街道优化建议,为城市规划提供参考。     

Semantic interoperability:a metadata mediator approach

1 IntroductionWith fast development of infonnahon technology (IT), such as network and collUnbocation teClmology, itis necesseq to sharing geographical information (GI) through network. There are a lot of GI resourcesconnected by the netWork, which giVes good chance for accessing GI, but how to get the infonnationwhich we Wanted is a Challenge. That is because data is not only a Symbol, but it also needs to indiCate themeaning which it eXPresses. Due to the shared data coining from dif…     

顾及地理-语义动态的城市热点预测框架

城市热点时空预测是城市管理和智慧城市建设的一项长期而富有挑战性的任务。准确地进行城市热点时空预测可以提高城市规划、调度和安全保障能力并降低资源消耗。现有的区域级深度时空预测方法主要利用基于地理网格的图像、给定的网络结构或额外的数据来获取时空动态。通过从原始数据中挖掘出潜在的自语义信息,并将其与基于地理空间的网格图像融合,也可以提高时空预测的性能,基于此,本文提出了一种新的深度学习方法地理语义集成神经网络(GSEN),将地理预测神经网络和语义预测神经网络相叠加。GSEN模型综合了预测递归神经网络(PredRNN)、图卷积预测递归神经网络(GCPredRNN)和集成层的结构,从不同的角度捕捉时空动态。并且该模型还可以与现实世界中一些潜在的高层动态进行关联,而不需要任何额外的数据。最终在3个不同领域的实际数据集上对本文提出的模型进行了评估,均取得了很好的预测效果,实验结果表明GSEN模型在不同城市热点时空预测任务中的推广性和有效性,利用该模型可以更好地进行城市热点时空预测,解决一系列如犯罪、火灾、网约车预订等等现代城市发展中亟需解决的相关问题。     

居民出行与轨迹行为交互模式挖掘与关联技术

出租车是居民出行的重要交通工具,其轨迹数据蕴含着丰富的居民出行信息.原始出租车轨迹数据因缺少语义信息无法直观反映居民出行规律.通过轨迹数据挖掘技术处理之后的出租车轨迹数据能够反映居民活动规律和行为模式,从而为城市规划决策提供参考依据.本文重点研究了基于语义的交互模式度量,通过出租车停留点推断其语义信息;然后根据语义信息...     

基于随机补片和DeepLabV3+的建筑物遥感图像变化检测

为有效解决传统遥感图像变化检测预处理复杂的问题,提出一种基于随机补片和DeepLabV3+的建筑物遥感图像变化检测方法。以ResNet50特征提取网络为基础,创建DeepLabV3+语义分割网络,并在图像和标签中创建大小为224像素×224像素的随机补片作为网络输入,训练建筑物提取网络;修改建筑物提取网络输入层为6通道,通过矩阵运算将两期遥感图像转换为一幅6通道非RGB图像,利用转换后的非RGB图像进行网络训练并验证变化检测精度。实验1利用ENVI5.3软件,采用马氏距离法进行变化检测;实验2采用改进的U-Net网络和随机补片,完成网络训练和精度验证;实验3使用实验2的训练数据和验证数据,采用随机补片和DeepLabV3+网络进行变化检测网络训练及精度验证。实验结果表明,该方法实验1、实验2、实验3建筑物变化检测平均交并比分别为24.43%、83.14%、89.90%,边界轮廓匹配分数分别为61.47%,80.24%、96.51%。     

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。     

移动轨迹的尺度特征

移动轨迹是移动对象在地理空间环境中移动而留下的痕迹。移动轨迹数据是一类特殊的地理时空数据,它具有时间尺度、空间尺度和语义尺度特征。本文首先分析了轨迹数据的空间尺度特征与时间尺度特征,建立了轨迹空间尺度与时间尺度转换关系式;然后论述了轨迹的语义内涵和语义尺度特征,将轨迹语义分为移动对象语义、地理空间环境语义、采集设备语义、移动方式语义,并从地理空间环境语义的角度分析了轨迹的语义多尺度;最后探讨了轨迹语义尺度与时空尺度之间的一致性关系。     

Multi-level temporal autoregressive modelling of daily activity satisfaction using GPS-integrated activity diary data

In this research, we match web-based activity diary data with daily mobility information recorded by GPS trackers for a sample of 709 residents in a 7-day survey in Beijing in 2012 to investigate activity satisfaction. Given the complications arising from the irregular time intervals of GPS-integrated diary data and the associated complex dependency structure, a direct application of standard (spatial) panel data econometric approaches is inappropriate. This study develops a multi-level temporal autoregressive modelling approach to analyse such data, which conceptualises time as continuous and examines sequential correlations via a time or space-time weights matrix. Moreover, we manage to simultaneously model individual heterogeneity through the inclusion of individual random effects, which can be treated flexibly either as independent or dependent. Bayesian Markov chain Monte Carlo (MCMC) algorithms are developed for model implementation. Positive sequential correlations and individual heterogeneity effects are both found to be statistically significant. Geographical contextual characteristics of sites where activities take place are significantly associated with daily activity satisfaction, controlling for a range of situational characteristics and individual socio-demographic attributes. Apart from the conceivable urban planning and development implications of our study, we demonstrate a novel statistical methodology for analysing semantic GPS trajectory data in general.     

多模型协同下的城郊地区DEM构建方法研究

人类活动对地表的改造使其呈现形态多样化、不连续等特征,此时传统的DEM构建方法难以满足这些区域DEM精度要求。为此,本文提出了一种多模型协同构建DEM的思路,首先按照形态特征和语义信息对地形进行分类,然后对不同类型的地形区域,选择、设计适宜的方法分别进行DEM构建,最后将不同区域构建DEM结果融合拼接形成区域完整的DEM结果。本文选择江苏省南京市城市郊区某区域为实验区,以1:500比例尺地形图为基本数据源进行DEM构建实验。实验结果表明,与传统经典DEM构建方法相比,本文提出的多模型协同的DEM构建方法能够有效表达实验区域不同的地形特征,特别是对于人工改造的地形(如道路、边坡等区域),本文方法构建的DEM其形态精度优势显著;同时,基于验证点法的高程精度分析结果表明,本文方法构建DEM的高程精度亦优于传统DEM构建方法,特别是对于一些形态规则而高程信息相对稀少的区域,以边坡区域为例,经典DEM构建法平均误差均超过5 m,而本文构建结果平均误差为0.26 m,精度优势非常明显。研究表明本文提出的多模型协同的DEM构建方法适用于人类活动改造或显著影响的区域的DEM构建。