高铁影响下城市群空间关联形态与经济增长效应研究

以长三角、珠三角、辽中南城市群为例,选取2009—2018年各城市群地级及以上城市相关数据,借助社会网络分析和空间计量方法,实证研究高铁建设对各城市群的空间关联结构和经济增长的影响。结果显示,在空间关联形态方面,通过高铁建设,各城市群内所辖城市的节点中心度均有所提升、城市之间的关联更为紧密,但各城市在城市群中的排名位序变化趋势各异,形成了具有差异性的城市群空间关联位序结构。在经济增长效应方面,高铁建设促进了珠三角、辽中南和长三角城市群经济的协调发展,其空间溢出效应均显著为正且依次减弱,各城市群原有的经济发展水平和空间关联程度越高,越能够获得更大的高铁建设正效能。     

基于K均值聚类EEMD的CORS高程时间序列信号分析方法

针对传统EEMD进行信号分解时信噪比低和部分模态混叠的问题，提出基于K均值聚类的CORS高程时间序列改进分析方法。通过添加正负白噪声的EEMD提高信号分解信噪比，基于K均值聚类方法对EEMD迭代过程中分解的各个IMF分量进行聚类分析。实验结果表明，该方法提高信噪比3%以上，基于正交指数的分解精度提高26%以上，聚类结果能够解决IMF中近似的0.5 a、1 a、2 a周期信号的模态混叠问题。     

气象条件对辽宁省高速公路交通安全的影响研究

选取2010—2015年辽宁地区包含事故位置、等级、发生时间、环境条件等信息的高速公路交通事故数据,采用序关系分析法将事故数量和等级量化为高速公路事故指数。匹配事故发生地点临近的气象站点观测数据,分析了高速事故发生时间特征及与气象要素相关性,并利用气象要素通过逐步回归方法对高速事故指数进行模拟。结果表明:辽宁省高速公路事故高发年份气候特征为降水偏多、日照时数偏少。冬季因天气诱发的高速事故数量最多、平均事故指数最大,其中相对湿度、降水量与冬季事故指数关系最为密切。对事故指数进行预测的结果显示:秋季、冬季重特大级别事故的预测准确率较好,准确率分别达到62.5%和51.3%。     

辽宁沿海高速公路浓雾气候特征及气象影响因子

利用2005—2018年辽宁沿海高速公路沿线气象站点观测资料和NCEP再分析资料,对辽宁沿海高速公路浓雾气候特征及其与各相关气象要素的关系进行分析,并探讨了利于浓雾发生的环流特征和影响因子。结果表明：辽宁沿海高速公路年均浓雾日数由西至东呈现高—低—高的分布特点,同时,辽东沿海高速公路沿线各站年均浓雾日数差异较小,且存在明显的自东向西的下降趋势;辽西沿线高速公路各站差异最大,受到局地的影响最强。沿海高速公路年均浓雾日数具有明显的月变化与季节变化特征,全年有两个浓雾出现的集中时段,分别为2—3月和10—11月;秋季浓雾日数占全年的比率最高。秋季沿海高速公路浓雾以0—200 m的强浓雾为主;温度为10—15℃,相对湿度大于98%,风速为0—3 m·s^-1,风向为偏东北风时,浓雾出现的概率最大。辽宁秋季沿海地区受副热带高压影响较小,受东亚大槽等中高纬度纬向环流和极涡的影响较大,纬向环流和极涡越强（弱）,辽宁沿海地区浓雾日数越多（少）;辽宁沿海地区浓雾的水汽一部分来源于辽宁东部山区,一部分来源于渤海、黄海北部。辽宁沿海地区秋季浓雾并非以海雾为主,而以辐射雾、锋面雾居多,同时辽东沿海地区有来自辽东山区的平流雾。