检索结果-内蒙古大学图书馆

交通运输系统工程与信息 2021年第1期21卷 162-168页

作者：邬群勇万云鹏福州大学空间数据挖掘与信息共享教育部重点实验室福州350108 福州大学卫星空间信息技术综合应用国家地方联合工程研究中心福州350108 数字中国研究院(福建) 福州350003

现有公交大站快车站点选择方法存在未考虑站点枢纽作用,以及未融合多源数据等不足。本文引入复杂网络理论,融合公交车和出租车客流数据,提出一种综合考虑站点客流,潜在客流及交通枢纽作用的多指标协同的公交大站快车站点推荐方法。该方... 详细信息

现有公交大站快车站点选择方法存在未考虑站点枢纽作用,以及未融合多源数据等不足。本文引入复杂网络理论,融合公交车和出租车客流数据,提出一种综合考虑站点客流,潜在客流及交通枢纽作用的多指标协同的公交大站快车站点推荐方法。该方法基于公交客流,线路数据和出租车客流数据,分别计算公交线路站点客流集散量和潜在客流集散量;通过构建有向加权的城市公交复杂网络,计算公交站点重要度;在此基础上,综合3个指标,采用层次分析法计算指标权重,统计得到公交站点综合评分,建立大站快车站点组合推荐方法,得到大站快车线路站点组合。以厦门市为例进行大站快车站点推荐实验,结果表明,在传统方法的基础上,加入公交站点重要度及潜在客流集散量两个新指标得到的公交大站快车推荐站点更符合居民出行的实际需要。

关键词：城市交通大站快车站点推荐复杂网络多源数据城市公交网络

来源：评论

学校读者我要写书评

暂无评论

基于LDA和优化蚁群的OD流向时空语义聚类算法

引用

地球信息科学学报 2022年第5期24卷 837-850页

作者：张晗邬群勇福州大学空间数据挖掘与信息共享教育部重点实验室福州350108 卫星空间信息技术综合应用国家地方联合工程研究中心福州350108 福州大学数字中国研究院(福建) 福州350003

针对OD流向聚类中语义信息考虑不足和流向语义提取困难的问题,本文提出了一种基于隐含狄利克雷分布模型(Latent Dirichlet Allocation,LDA)和优化蚁群的OD流向语义聚类算法。算法首先以流向终点的POI类别为词汇构建流向文档,采用LDA主... 详细信息

针对OD流向聚类中语义信息考虑不足和流向语义提取困难的问题,本文提出了一种基于隐含狄利克雷分布模型(Latent Dirichlet Allocation,LDA)和优化蚁群的OD流向语义聚类算法。算法首先以流向终点的POI类别为词汇构建流向文档,采用LDA主题模型提取流向语义,量化OD流向间的语义相似度,融合时间、空间和语义相似度构建流向时空语义相似度;接着以流向为节点,以流向时空语义相似度为边构建流向图,利用高斯函数映射以及图连通分量,剔除不相似的流向,实现数据精简;之后借鉴了密度峰值聚类算法思想,利用节点的介数中心性优化蚁群初始位置选取;最后基于多路切图准则(Multiway Normalized Cut,MNCUT)强化蚁群搜索的目的性,优化蚁群搜索的聚类效果,实现OD流向的时空语义聚类。以厦门市出租车公开数据集与厦门市高德地图POI数据为例进行分析与验证,结果表明本文基于LDA模型的语义提取方法可以有效提取流向的语义信息,构建有效的流向相似度度量;基于高斯函数和图连通分量特性的映射策略可以有效剔除了流向数据中的噪音,有效节省无向图构建的计算开支,大约节省了88.5%~88.8%的运行时间;基于介数中心性和多路切图准则优化的蚁群搜索聚类算法,可以有效进行流向语义聚类。相比已有方法本文方法能够更好地衡量流向间的语义相似程度,可实现按主题进行聚类划分,划分更加精细,更方便有效地进行流向语义的相关分析。

关键词： OD流向地理信息数据挖掘时空语义聚类 LDA 流向语义相似度蚁群算法移动模式

来源：评论

学校读者我要写书评

暂无评论

加入混合池化和标签信息优化的油田地物提取模型

引用

地球信息科学学报 2024年第3期26卷 753-763页

作者：高辰陈芸芝董琰刘磊郭俊福州大学数字中国研究院(福建) 福州350108 中国石化胜利油田分公司信息化管理中心东营257000 卫星空间信息技术综合应用国家地方联合工程研究中心福州350108

油田高后果区是石油输送管道安全管理的关键区域,准确获取油田高后果区地表信息至关重要。针对油田高后果区内提取任务面临地物形状多样、光谱差异小、类型复杂等挑战,提取结果出现错提、漏提、道路不连续的问题,基于ResUnet模型提出了... 详细信息

油田高后果区是石油输送管道安全管理的关键区域,准确获取油田高后果区地表信息至关重要。针对油田高后果区内提取任务面临地物形状多样、光谱差异小、类型复杂等挑战,提取结果出现错提、漏提、道路不连续的问题,基于ResUnet模型提出了一种适用于油田高后果区地物提取SML_ResUnet模型,该模型在池化阶段引入条形池化单元,在编解码之间加入混合池化模块和标签信息注意力模块。条形池化单元能实现对长条形孤立信息的捕获,混合池化模块兼顾标准池化和条形池化优点,最大程度保留不同位置区域的特征信息,标签注意力模块引入标签信息来优化注意力模块中生成的注意力概率图,从而进一步提高模型提取结果。在油田高后果区高分辨率数据集上的消融实验结果表明,SML_ResUnet网络提取结果最优,其中OA、MIoU、F1-score分别达到了97.24%、84.23%、91.26%,相较于经典模型ResUnet各评价指标均有提升,其中OA、MIoU、F1-score分别提升了0.48%、2.49%、1.55%。在山东省某油田高后果区提取任务中,提取结果的总体精度平均为97.66%,适用于具有多种复杂地物类型的大范围油田高后果区内提取任务。

关键词：深度学习地物提取油田高后果区标签注意力注意力机制条形池化混合池化 SML_ResUnet

来源：评论

学校读者我要写书评

暂无评论

“人口流动”视域下中国城市中心性和社群格局分析

引用

地球信息科学学报 2024年第3期26卷 666-678页

作者：尹延中邬群勇林瀚赵志远福州大学空间数据挖掘与信息共享教育部重点实验室福州350108 卫星空间信息技术综合应用国家地方联合工程研究中心福州350108 数字中国研究院(福建) 福州350003

城市网络的组织结构与运行机制离不开城市间的关联关系。本文基于2021年10月至2022年9月的百度迁徙大数据,构建了中国366个城市的城际人口流动网络。在节点层面,提出了城际人口流动超越指数衡量城市中心性,探索城市中心性的空间聚类特征... 详细信息

城市网络的组织结构与运行机制离不开城市间的关联关系。本文基于2021年10月至2022年9月的百度迁徙大数据,构建了中国366个城市的城际人口流动网络。在节点层面,提出了城际人口流动超越指数衡量城市中心性,探索城市中心性的空间聚类特征;在网络社区层面,分析了中国366个城市的月际城际人口流动特征及社群格局。结果表明:(1)城际人口流动超越指数能够有效表征城际人口流动网络中各城市的中心性;(2)城际人口流动网络中各城市根据其中心性形成“高高”集聚分布和“低低”集聚分布的特征;(3)城际人口流动集聚格局受节假日因素、新型冠状病毒感染等综合影响,在不同月份表现出不同的特征,总体上符合地理学第一定律,并呈现省际分异特征;(4)城市凝聚子群发现结果表明,成渝、大湾区、中原、关中平原、长三角等城市群人口流动格局较为稳定,具有跨省人口流动融合特征;山东半岛城市群与京津冀城市群的人口流动格局联系密切,出现跨城市群人口流动特征;浙江省省域内人口流动特征逐渐加强;长江中游、海峡西岸城市群仍未形成跨越省界的稳定人口流动社群格局。

关键词：城市中心性城市相互作用社区检测城际人口流动网络格局百度迁徙数据城际人口流动超越指数区域协调发展城市群

来源：评论

学校读者我要写书评

暂无评论

基于潮汐动态淹没过程的长江口潮滩地形信息反演研究

引用

地球信息科学学报 2022年第3期24卷 583-596页

作者：章敏吴文挺汪小钦孙玉福州大学数字中国研究院(福建) 福州350108 空间数据挖掘与信息共享教育部重点实验室福州350108 卫星空间信息技术综合应用国家地方联合工程研究中心福州350108

潮滩是陆地与海洋之间重要的生态过渡地带,具有复杂的生态过程和重要的服务功能。受陆海交互作用及人类活动的影响,潮滩处于高度动态变化过程中,而传统测绘技术受到潮滩可达性影响无法快速获取潮滩地形信息。为解决潮滩高程数据获取困... 详细信息

潮滩是陆地与海洋之间重要的生态过渡地带,具有复杂的生态过程和重要的服务功能。受陆海交互作用及人类活动的影响,潮滩处于高度动态变化过程中,而传统测绘技术受到潮滩可达性影响无法快速获取潮滩地形信息。为解决潮滩高程数据获取困难的问题,本文提出一种基于潮汐动态淹没过程和时序遥感影像的潮滩地形信息提取算法,利用K-means++聚类方法实现水域提取,并通过时序淹没特征计算潮滩淹没频率提取潮滩范围信息,最终综合区域潮汐特征反演潮滩地形。研究以崇明东滩为例,利用2016—2020年所有可用Sentinel-2和Landsat-8时序遥感影像,实现潮滩范围提取与高程反演,并通过实测高程数据进行精度验证。研究结果表明,潮滩范围提取总体精度为97.73%,F1_score为0.98;高程反演平均绝对误差为0.15 m,潮滩高程的反演精度与可用影像的数量呈正相关。研究利用该算法进一步反演长江口地区主要潮滩地形特征,结果表明区域内潮滩面积为346.93 km^(2),高程范围为1.00~3.84 m,且与现有潮滩范围数据集相比,本研究提取的长江口潮滩范围更为完整。该算法为潮滩地形的快速反演提供了可能,对潮滩资源动态监测和管理具有重要意义。

关键词：潮滩时序遥感影像 K-means++ 潮滩淹没频率 Sentinel-2 Landsat-8 潮滩范围提取地形反演长江口

来源：评论

学校读者我要写书评

暂无评论

CLAB模型:一种乘客出租出行需求短时预测的深度学习模型

引用

地球信息科学学报 2023年第1期25卷 77-89页

作者：周榆欣邬群勇福州大学空间数据挖掘与信息共享教育部重点实验室福州350108 卫星空间信息技术综合应用国家地方联合工程研究中心福州350108 数字中国研究院(福建) 福州350003

乘客出行需求预测是智能交通系统的组成部分,准确的出行需求预测,对于车辆调度具有重要的意义;然而现有的预测方法无法准确的挖掘其潜在的时空相关性,且大都忽略历史流入量对出行需求的影响。为了进一步挖掘时空大数据中的时空特性及提... 详细信息

乘客出行需求预测是智能交通系统的组成部分,准确的出行需求预测,对于车辆调度具有重要的意义;然而现有的预测方法无法准确的挖掘其潜在的时空相关性,且大都忽略历史流入量对出行需求的影响。为了进一步挖掘时空大数据中的时空特性及提升模型预测乘客出行需求的精度,本文提出了一种乘客出租出行需求短时预测CLAB(Conv-LSTM Attention BiLSTM)模型。CLAB模型设置了3个模块分别为基于注意力机制的Conv-LSTM模块和2个BiLSTM模块,基于注意力机制的Conv-LSTM模块提取临近时刻乘客出行需求量中的空间特征和短时时间特征,其中注意力机制能自动分配不同的权重来判别不同时间的需求量序列重要性;为了探索长期时间特征,用2个BiLSTM模块来提取历史流入量序列时间特征和日乘客需求量序列的时间特征。采用厦门岛的网约车和巡游车的订单数据进行实验,结果表明:(1)CLAB模型更适用于使用30 min历史数据预测未来5 min短时乘客出行需求;(2)与基准预测模型相比,CLAB模型的整体的效果误差更低,具有更好的预测效果,CLAB模型比CNN-LSTM、LSTM、BiLSTM、CNN和Conv-LSTM的平均绝对误差(MAE)分别降低了33.179%、33.153%、33.204%、5.401%和5.914%,均方根误差(RMSE)分别降低了34.389%、34.423%、34.524%、6.772%和6.669%;(3)同时发现CLAB模型在规律性较高的工作日预测效果优于非工作日,且工作日早高峰预测效果最佳。

关键词：交通大数据出行需求预测深度神经网络注意力机制组合预测模型时空融合厦门岛 LSTM

来源：评论

学校读者我要写书评

暂无评论

MODIS时序影像的福建近岸叶绿素a浓度反演

引用

环境科学学报 2018年第12期38卷 4831-4839页

作者：张明慧苏华季博文福州大学卫星空间信息技术综合应用国家地方联合工程研究中心空间数据挖掘与信息共享教育部重点实验室福州350116

叶绿素a(Chl-a)浓度是可以直接遥感反演的重要水质参数之一,常用来评价近岸水体的富营养化程度.为有效监测福建近岸水域中的叶绿素a浓度变化,本文利用MODIS时间序列影像数据,采用适用于小样本数据的机器学习方法随机森林(Random Forest,... 详细信息

叶绿素a(Chl-a)浓度是可以直接遥感反演的重要水质参数之一,常用来评价近岸水体的富营养化程度.为有效监测福建近岸水域中的叶绿素a浓度变化,本文利用MODIS时间序列影像数据,采用适用于小样本数据的机器学习方法随机森林(Random Forest, RF)和传统的特征波段比值(Band Ratio, BR)方法,结合时序浮标观测数据,在浮标观测站点有限的情况下,采用"以时间连续补空间稀疏"的建模策略,分别对福建近岸不同时相叶绿素a浓度进行遥感反演,并对反演结果进行验证与分析.结果显示RF、BR两种方法反演的均方根误差(RMSE)分别为0.49、0.52μg·L^(-1),平均绝对百分比误差(MAPE)分别为37.50%、50.20%,平均决定系数(R^2)分别为0.87、0.21.可见,基于MODIS时序影像的RF模型可较准确估测福建近岸叶绿素a浓度,且精度优于BR模型.在近岸水环境普遍恶化且浮标观测站点有限的情况下,本研究可提供一种有效监测叶绿素a浓度的方法,有利于福建近岸水环境(如赤潮)的遥感监测.

关键词：福建近岸叶绿素a浓度 MODIS 随机森林特征波段比值

来源：评论

学校读者我要写书评

暂无评论

基于DBI和稀疏轨迹数据的交通状态精细划分与识别

引用

地球信息科学学报 2022年第3期24卷 458-468页

作者：朱秋圳邬群勇姚铖鑫孙豪宇福州大学空间数据挖掘与信息共享教育部重点实验室福州350108 卫星空间信息技术综合应用国家地方联合工程研究中心福州350108 福州大学数字中国研究院(福建) 福州350108

浮动车轨迹数据已逐渐成为城市交通状态识别的主要数据源之一,但是现有基于浮动车轨迹数据的交通状态识别中多数是应用高精度或是多源轨迹数据。针对稀疏轨迹数据在城市交通状态识别中存在识别精度不高的问题,本文提出一种结合戴维森堡... 详细信息

浮动车轨迹数据已逐渐成为城市交通状态识别的主要数据源之一,但是现有基于浮动车轨迹数据的交通状态识别中多数是应用高精度或是多源轨迹数据。针对稀疏轨迹数据在城市交通状态识别中存在识别精度不高的问题,本文提出一种结合戴维森堡丁指数(DBI)和轨迹相似性度量的动态交通状态划分方法。首先,对轨迹数据和路网数据进行预处理并且建立不同时间片的路段轨迹集合;接着,依据轨迹速度-空间相似性,利用戴维森堡丁指数动态地扩展轨迹的空间维度,并根据轨迹相似性度量方法构建最佳车辆队列;然后,将前后不同的车辆队列进行二次处理,连接组成交通流簇;最后,基于模糊C均值聚类方法将交通流进行划分,实现路段交通状态的识别。采用厦门市厦禾路、湖滨西路和湖滨南路交叉路段上的真实出租车轨迹数据进行测试,结果表明,本文所提方法保证了车辆队列速度分布与原始轨迹速度分布基本一致,相比对比方法Kmeans++和ST-DBSCAN,本文方法均方根误差平均下降了18.77%和21.22%,并且在不同的实验路段表现更加稳定,可有效、可靠地运用稀疏轨迹数据识别城市交通状态,进而实现城市交通状态的精细分析。

关键词：城市交通动态划分轨迹相似性度量稀疏轨迹数据戴维森堡丁指数车辆队列状态识别模糊聚类

来源：评论

学校读者我要写书评

暂无评论

基于时序Landsat遥感数据的新疆开孔河流域农作物类型识别

引用

农业工程学报 2019年第16期35卷 180-188页

作者：汪小钦邱鹏勋李娅丽茶明星福州大学空间数据挖掘与信息共享教育部重点实验室福州350108 卫星空间信息技术综合应用国家地方联合工程研究中心福州350108 数字中国研究院(福建) 福州350108

快速、准确地获取农作物类别信息对农业部门的生产管理、政策制定具有重要作用。目前基于时间序列数据进行农作物分类主要是采用长时间序列的中低分辨率影像,大量的混合像元限制了农作物的分类精度。在农作物分类的特征选择方面主要是... 详细信息

快速、准确地获取农作物类别信息对农业部门的生产管理、政策制定具有重要作用。目前基于时间序列数据进行农作物分类主要是采用长时间序列的中低分辨率影像,大量的混合像元限制了农作物的分类精度。在农作物分类的特征选择方面主要是采用归一化植被指数(normalized differential vegetation index, NDVI),而其他特征量的应用还相对较少。该文以新疆开孔河农业区为研究区域,利用2016年的Landsat7 ETM+、Landsat8 OLI影像数据集,基于时间加权的动态时间规整(time weighted dynamic time warping,TWDTW)方法开展农作物类型识别研究,主要包括香梨、小麦、辣椒、棉花等。根据野外采集的样本点构建主要农作物的NDVI和第一主成分(principal component analysis 1,PCA1)时间序列,以反映不同农作物间的物候差异。基于NDVI数据分别利用DTW和TWDTW算法计算各未知像元序列与标准序列间的相似性程度,得到农作物的分类结果,2种方法的分类精度分别为65.69%、82.68%,表明时间权重的加入提高了DTW算法识别不同农作物的能力。结合NDVI与PCA1后,TWDTW的分类精度又提高了2.61个百分点,部分农作物的误分现象明显减少,说明PCA1能够进一步扩大作物间的差异性,提高分类精度。同时,还通过选取有限时相的影像组合进行分类,试验结果表明TWDTW算法在中高分辨率数据较少的情况下能够得到较为满意的分类结果,说明TWDTW算法在中高分辨率影像越来越丰富的时代具有应用潜力。

关键词：遥感作物分类时间加权的动态时间规整(TWDTW) 时间序列归一化植被指数主成分变换

来源：评论

学校读者我要写书评

暂无评论

基于多源轨迹数据的城市交通状态精细划分与识别

引用

交通运输系统工程与信息 2020年第1期20卷 83-90页

作者：邬群勇胡振华张红福州大学空间数据挖掘与信息共享教育部重点实验室福州350108 卫星空间信息技术综合应用国家地方联合工程研究中心福州350108 数字中国研究院(福建) 福州350003

针对基于路段的城市交通状态分析方法的不足,本文利用公交车和出租车轨迹数据提出了城市交通状态精细划分和识别方法,实现城市交通状态分析.对两种轨迹点的速度值和空间位置值分别进行归一化处理,以此为属性数据,通过迭代计算轮廓系数确... 详细信息

针对基于路段的城市交通状态分析方法的不足,本文利用公交车和出租车轨迹数据提出了城市交通状态精细划分和识别方法,实现城市交通状态分析.对两种轨迹点的速度值和空间位置值分别进行归一化处理,以此为属性数据,通过迭代计算轮廓系数确定k值完成轨迹点聚类,结合二次处理方法对类簇进行拆分和融合以划分道路交通状态;在特征级建立多源数据融合方法,实现交通状态速度值计算;以归一化后的速度值为属性数据,通过聚类将样本分为4类对应4种城市交通流状态层级.实验表明,本文方法能够实现道路交通状态精细划分,能有效地识别出道路局部位置的交通状态,进而可为城市道路交通管理提供决策支持.

关键词：城市交通交通状态精细划分聚类分析多源数据交通状态演化分析

来源：评论

学校读者我要写书评

暂无评论

建议与咨询留下您的常用邮箱和电话号码，以便我们向您反馈解决方案和替代方法

时间限定

文献类型

馆藏选择

核心期刊

语言

文献类型

帮助

文字说明：

检索规则说明：

检索范例：

分类表

所选分类

限定检索结果

文献类型

馆藏范围

日期分布

学科分类号

主题

机构

作者

语言

请选择保存的检索档案：

请选择收藏分类：

通借通还

建议与咨询 留下您的常用邮箱和电话号码，以便我们向您反馈解决方案和替代方法

时间限定

文献类型

馆藏选择

核心期刊

语言

文献类型

帮助

文字说明：

检索规则说明：

检索范例：

分类表

所选分类

限定检索结果

文献类型

馆藏范围

日期分布

学科分类号

主题

机构

作者

语言

请选择保存的检索档案： 新增检索档案 确定 取消

请选择收藏分类： 新增自定义分类 确定 取消

通借通还

建议与咨询留下您的常用邮箱和电话号码，以便我们向您反馈解决方案和替代方法

请选择保存的检索档案：

请选择收藏分类：