城市新兴技术产业的演化路径比较分析——以长三角物联网产业为例

1990年代后期以来,经济地理学出现了演化思潮,一些新的概念为分析产业的空间演化提供了有效的理论工具。基于演化经济地理学中的路径依赖理论,以长三角地区的物联网产业为例,探讨了新兴产业兴起和演化过程的地方差异。重点选取无锡、上海、南京和杭州四个城市,采用多案例比较的方法,从产业发展的历史基础、集群状况、政府政策,以及主要动力机制等方面,分析了4个案例的异同点,并突出这些城市在区域经济和制度环境方面的差异。对产业演化机制的讨论还发现,技术基础、政策推动和偶然性事件是新兴技术产业初始发展阶段的主要动因。     

3S技术下滑坡危险性区划及监测

针对传统知识驱动型滑坡灾害研究多依赖专业人员经验,具有主观性和不确定性的问题,该文提出了基于数据驱动滑坡致灾因子评价及危险性区划的方法。采用证据权模型,较好地平衡了滑坡危险性区划中准确性与高效性之间的矛盾,实现了较为精确的滑坡易发性及危险性区划;利用感知层、网络层、应用层的物联网技术,实现了高危险区滑坡点在线预警监测。3S技术支持下的滑坡危险性区划及监测实验结果表明:所用模型及监测技术不仅可以准确评价滑坡致灾因子权重及危险性区划,还能够精准、高效实现滑坡点实时监控预警。     

基于物联网的气象观测站电量在线检测方法

针对目前气象观测设备中蓄电池电量的在线检测装置几乎空白的现象,综合运用蓄电池的交流注入法检测、物联网等技术,电池两端注入交流横流信号,通过蓄电池的相位角和内阻计算蓄电池电量,在实际应用中对检测流程进行了实验和改进,增加了Kalman滤波降低干扰,实现了蓄电池电量的可靠直接在线测量。并根据此方法给出了硬件电路的具体实现,在实际业务中进行了应用,具有较高的可操作性、准确性、一致性。     

建设数字孪生城市的逻辑与创新思考

介绍了数字孪生城市的提出背景以及基本概念,分析了数字孪生城市与智慧城市之间的关系,并介绍了构建数字孪生城市的主要支撑技术,最后总结了数字孪生城市的应用现状及发展趋势。作者认为,数字孪生技术要在智慧城市建设中得以更广泛的应用还将面临数据、基础知识库、系统融合以及人才问题等方面的挑战,并从宏观与微观层面提出解决这些问题的制度路径和技术路径。     

基于物联网与GIS的智慧园林系统设计与实现

传统的园林管理存在数据信息多、测量手法多,无法实时在线监测等问题,针对园林管理过程中存在的这些问题,提出了智慧园林的解决方案。并根据设计理念,对各个子模块的功能进行设计和实现,给出实现方式。结合空间信息集成技术、可视化技术、物联网、GIS等信息技术构建园林资源信息的动态监测、数据时空分析、多维分析、在线服务平台。给园林绿化规划、虫害分析预报、养护管理、名树古木保护等提供科学管理依据,建立了较为完备的监测管理与实时动态分析系统。     

人工影响天气专用装备物联网关键技术研究与应用

本文介绍了人工影响天气(以下简称人影)物联网技术体系架构组成和人影作业装备弹药安全管理主要业务环节,讨论了条形码、二维码、RFID等标签技术在人影物联网应用适用领域,分析指出做好人影设备标记与识别、采集传输和信息融合处理等关键技术,可以满足人影作业信息化需求,减少基层业务人员工作量,有效提高人影业务安全监管能力。     

农产品气候品质认证与溯源平台的设计与实现

为改进现代农业气象服务技术水平,推进气象为农特色服务,提升农产品的品质,提高为农服务效益,基于J2EE技术架构,利用Eclipse开发环境,开发了农产品气候品质认证与溯源平台。该平台采用3层Web体系结构和MVC模式,设计了接口层、系统平台基础设施层、JSP通用架构框架、业务服务层、Web应用层组件,有效地提高了系统的安全性、可移植性以及开发效率。详细介绍了系统总体架构、工作流程和关键技术,其中认证模块采用了平台评分与专家评分相结合的模式,提高了认证信息的可靠性;溯源模块采用了AES和RSA混合加密算法生成二维码,保证了农产品溯源系统的安全性。     

基于3S技术的绿色生态屏障区动态监测体系研究——以天津市绿色生态屏障区为例

本文通过对3S技术发展现状及应用趋势进行研究,结合绿色生态屏障区动态监测重点内容与特征要求,融入物联网等新兴技术,形成“空天地物人”一体化的绿色生态屏障区动态监测体系,以支撑区域建设实施、规划管控和日常监管工作的开展。目前,该体系已在天津市滨海新区与中心城区中间地带绿色生态屏障区的工程进度评估、规划指标估算等方面取得一定的实践效果。     

Internet of Things‐based wireless networking for seismic applications

There is growing pressure from regulators on operators to adhere to increasingly stricter regulations related to the environment and safety. Hence, operators are required to predict and contain risks related to hydrocarbon production and their infrastructure in order to maintain their licence to operate. A deeper understanding of production optimisation and production‐related risk requires strengthened knowledge of reservoir behaviour and overburden dynamics. To accomplish this, sufficient temporal and spatial resolution is required as well as an integration of various sources of measurements. At the same time, tremendous developments are taking place in sensors, networks, and data analysis technologies. Sensors and accompanying channels are getting smaller and cheaper, and yet they offer high fidelity. New ecosystems of ubiquitous wireless communications including Internet of Things nowadays allow anyone to affordably connect to the Internet at any time and anywhere. Recent advances in cloud storage and computing combined with data analytics allow fast and efficient solutions to handle considerable amounts of data. This paper is an effort to pave the way for exploiting these three fundamental advances to create Internet of Things‐based wireless networks of seismic sensors. To this aim, we propose to employ a recently developed Internet of Things‐based wireless technology, so‐called low‐power wide‐area networks, to exploit their long range, low power, and inherent compatibility to cloud storage and computing. We create a remotely operated minimum‐maintenance wireless solution for four major seismic applications of interest. By proposing appropriate network architecture and data coordination (aggregation and transmission) designs, we show that neither the low data rate nor the low duty cycle of low‐power wide‐area networks imposes fundamental issues in handling a considerable amount of data created by complex seismic scenarios as long as the application is delay tolerant. In order to confirm this claim, we cast our ideas into a practical large‐scale networking design for simultaneous seismic monitoring and interferometry and carry out an analysis on the data generation and transmission rates. Finally, we present some results from a small‐scale field test in which we have employed our Internet of Things‐based wireless nodes for real‐time seismic quality control over clouds.