典型深街谷内树木空间配置对行人呼吸高度处气流的影响

为揭示树木的不同空间配植方案对行人呼吸高度气流的影响,本文将树木视为均匀多孔介质,通过附加源项法从空气动力学角度用CFD模拟了H/W=2的典型深街谷几何内4种树木配植情景,实验表明,不同空间配置下树木对街谷内行人呼吸高度处局地气流的影响强弱在空间分布模式上差异悬殊：① 均匀种植的树木对街谷内行人呼吸高度的气流起到阻碍作用,不均匀种植则有效提升街谷的整体流速。4种空间配植方案下树木对气流的影响程度不同,阻碍作用从大到小的顺序为均匀间距8 m（Spa8m）>均匀间距6 m（Spa6m）>均匀间距20 m（Spa20m）>不均匀配植（Non-uniform）;对应的平均气流增强指标顺序为$\bar{D}_{spa8}$（-19.31%）<$\bar{D}_{spa6}$（-16.14%）<$\bar{D}_{spa20}$（-10.73%）<$\bar{D}_{non-uniform}$（1.25%）。② 对比不均匀和均匀的种植方案,不均匀植树的街谷内部行人呼吸高度的气流流速比其对照案例（均匀植树Spa8m方案）整体增强了106.49%。街谷中部不种树,在街谷两端配置树木并预留足够的自由空间的不均匀植树方案,能够让角涡渗入街谷中部,促使街谷内部的垂直漩涡和两端的水平角涡运动,增强湍流和垂直交换,有效减少了街道两端“风口效应”和街道中部“风影效应”的区域,改善了整个街谷行人呼吸平面的风环境。④ 合理空间配置的树木能够改善街谷内部的行人风环境。街谷内行人呼吸高度处的气流对局地条件很敏感,树木的局部配置（空间簇集、密度）将引起强烈的空间变化。在既有城市建筑布局条件下,如何通过谨慎的景观设计,利用树木等城市绿化措施有效地改善城市的行人风环境,缓解污染扩散、疾病传播等问题,本文的方法可提供一定的参考。     

融合点云和多视图的车载激光点云路侧多目标识别

城市环境中的行道树、车辆、杆状交通设施是重要的交通地物,也是智能交通,导航与位置服务,自动驾驶和高精地图等行业应用的核心要素.为了准确识别这些路侧目标,本文提出一种融合点云和多视角图像的深度学习模型PGVNet(point-group-vi ew network),充分利用目标点云数据中空间几何信息及其多视角图像中高级全局特征提升路侧行道树、车辆和杆状设施的分类精度.为了减少视图间的冗余信息并增强显著视图特征,PGVNet模型利用预训练的VGG网络提取多视图特征,对其进行分组赋权获取最优视图特征;采用嵌入注意力机制的融合策略,利用最优视图特征动态调整PGVNet模型对点云不同局部关系的注意力度,学习不同路侧目标的多层次、多尺度显著特征,实现行道树、车辆和杆状交通设施的精确分类.试验采用5份不同车载激光扫描系统获取的不同城市场景数据验证本文方法的有效性,其中行道树、车辆及杆状交通设施分类结果中的准确率、召回率、精度和F1指数分别达(99.19％、94.27％、93.58％、96.63％);(94.20％、97.56％、92.02％、95.68％);(91.48％、98.61％、90.39％、94.87％).结果表明,本文方法融合多视图全局信息和点云局部结构特征可以有效区分城市场景中的行道树、车辆和杆状交通设施,可为高精度地图中要素构建与矢量化提供数据支撑.     

车载激光点云中交通标线自动分类与矢量化

交通标线是重要的交通安全设施,其位置、属性和拓扑关系精细刻画道路交通结构,是智能交通、高精地图、位置与导航等应用的基础数据.本文提出一种融合空间上下文信息的车载激光点云标线分类图注意力模型(graph attention network with spatial context information,GAT_SCNet).该模型利用图结构建立标线及其邻接对象的出现和依存关系,基于标线几何、拓扑、空间结构关系构建注意力机制进行节点特征动态更新,通过对节点分类实现标线的精细分类.基于分类后标线,设计不同方案实现对分类后标线提取标线矢量化数据.试验采用4份不同车载激光扫描系统获取的城市与高速场景数据验证本文方法的有效性,试验结果中9类标线分类的准确率分别为100.00％、93.77％、100.00％、100.00％、100.00％、96.73％、97.96％、100.00％、98.39％,召回率分别为100.00％、96.36％、100.00％、100.00％、100.00％、97.26％、85.72％、100.00％、94.16％.结果表明,本文方法能实现道路场景中全尺寸、多类型标线对象的精确识别,并对形状相似标线(如虚线、斑马线和停止线)的区分具有较强稳健性.     

利用HLA的分布式虚拟森林环境构建

以分布式虚拟森林灭火环境为例,基于HLA/RTI协议,设计和初步实现了地形、树木、林火、灭火工具联邦成员组成的分布式森林灭火仿真系统虚拟场景的三维动态生成与显示。系统将仿真的底层通讯和上层的模型控制框架、三维图形绘制分离开来,形成各个独立的模块,具有扩展性和重用性。     

基于DBN的车载激光点云路侧多目标提取

提出一种基于深度信念网络（DBN）的车载激光点云路侧多目标提取方法。首先通过预处理对原始数据进行分段,并将地面和建筑物点云与路侧目标进行分离;然后利用连通分支聚类分析算法进行路侧点云聚类,并采用基于体素的归一化分割方法分割重叠点云,从而生成独立目标点云;在此基础上,生成基于多方向目标对象的二值图像并展开成二值向量作为独立目标点云的描述特征;最后构建并训练DBN,利用训练好的DBN提取行道树、车辆及杆状目标等3类路侧目标。试验采用两份不同城市道路场景的点云数据,行道树、车辆及杆状目标提取结果的准确率分别达97.31%、97.79%、92.78%,召回率分别达98.30%、98.75%和96.77%,精度分别达95.70%、93.81%和90.00%,F1值分别达97.80%、96.81%和94.73%。试验结果验证了本文的有效性。     

面向协同式森林灭火决策的领域本体构建及其解析

森林灭火决策的参与人员可能来自不同的组织、不同领域,他们有不同知识结构、专业背景、学识和各自的经验、偏好,这往往不利于决策过程中的交流、协同进行。本文把本体引入协同式森林灭火决策中,解决决策成员在协作中对他人所述的内容理解一致问题。分析了现有建立领域本体的主要方法,并借鉴软件开发的生命周期理论,提出建立面向森林火灾的领域本体的具体实现方法。以森林灭火决策为应用导向,通过对森林灭火决策的内容分析及与领域专家相互交流,根据领域中概念分类体系和概念的组合结构,从相关领域(林业、气象学、消防工程、地理学)抽象出概念术语集、关系集、函数集、规则集等,建立可共享、理解、重用、互操作的概念模型;利用本体建模工具,建立森林灭火本体库;设计与实现了本体的解析与可视化工具,用户可以交互式的查询术语的概念内涵,利用可视化工具,显示概念之间的关系。研究成果将为学科或领域间的高效协作打下通信与交流的基础,为林业、消防的信息化研究、林火本体服务提供可借鉴的框架和成果,为林火管理和应急指挥决策提供一个语义层级次上的重要途径。     

基于MST聚类的空间数据离群挖掘算法

空间离群是指空间邻域中属性特征值明显不同于其他对象的空间对象,空间数据离群挖掘能为人们提供很多有趣的信息,但空间数据具有复杂的拓扑关系、方位关系和度量关系等空间特征,传统的面向事务型数据库的离群挖掘算法并不适用于空间数据库。本文提出了基于MST(Minimum Spanning Tree,最小生成树)聚类的空间数据离群挖掘算法(SOM);有机结合了最小生成树理论与密度的方法,既体现了空间离群的局部特性,又体现了空间离群的孤立程度。该算法通过MST维护空间数据的基本空间结构特征,通过打断MST中最不一致的边形成MST聚类,不仅具有密度的聚类方法能够聚集非球状簇和分布不均的数据集的特点,而且聚类结果不依赖于用户参数的选择,因此,离群挖掘结果更合理。最后,通过实例数据,验证了该算法的有效性,它适用于大规模空间数据集的离群挖掘。     

贝塞尔曲线在虚拟森林景观单树几何模型构建中的应用

虚拟景观模型的生成,需要对实际景观进行抽象和简化。树几何模型和数字高程模型(DEM)是构成虚拟森林景观的两大要素。而树几何模型的构建又是林业GIS三维可视化的基础。在树几何建模中,树干及树枝形状的可视化表达具有突出意义。由于实际树种的复杂性,在计算机中建树模型,通常采用基于过程建模的方式,而这将面临用户如何对模型进行交互式控制的问题：参数太少,不足以描述树形态特征,而参数太多,则模型难以生成和理解。为了解决这个问题,我们引进贝塞尔(Bezier)曲线这种基于控制点的自由曲线来描述树木中的树干以及树枝形状,利用对曲线控制点的变动来控制曲线的形状,进而生成形态各异的树形状,对此,我们基于ActiveX技术生成Bezier曲线控件。结果表明,该方法能够表示多种形状的树干与树枝,具有操作简捷、计算速度快,可视化效果良好的优点。     

融合用户特征与群体智慧的多目标旅游线路推荐方法

针对旅游线路推荐过程中的数据稀疏与冷启动问题,本文提出了一种融合用户特征与群体智慧的多目标旅游线路推荐方法。首先,通过携程网、望路行程、百度指数等网站获取景点信息与对应的群体智慧数据,包括景点的位置、票价,用户评论、评分、浏览数据等;其次,结合用户特征与群体智慧数据构建景点对不同特征用户的综合吸引力并计算旅游线路吸引力指数;最后,定义旅游线路推荐多目标优化函数并利用多目标遗传算法NSGA2生成线路推荐列表。相较于传统旅游线路推荐方法,本文所提出的方法充分考虑了用户实际需求（消费侧）与景点吸引力（供给侧）,使得用户能够以较少的时间开销,尽可能多地游览热门景点。同时,推荐过程中根据用户的性别、年龄、出行方式、出行时间对用户群体进行划分,使得推荐准确性更高。实验结果表明,该方法考虑的因子可以有效提高用户在路线规划过程中的满意度,所推荐的旅游线路不仅具有更高的综合吸引力指数,还能够有效减少路程时间。此外,推荐结果也更加具有多样性,有助于推动智能化旅游线路推荐的发展。     

车载激光点云道路边界提取的Snake方法

针对车载激光点云中道路边界提取困难,自动化程度低的问题,提出一种基于离散点Snake的车载激光点云道路边界提取方法。不同于传统基于图像建立Snake,本文直接基于离散点建立Snake模型。先利用伪轨迹点数据,确定初始轮廓位置,参数化不同类型的道路边界初始轮廓;然后基于离散点构建适合多类型道路边界的Snake模型,定义模型内部、外部和约束能量,通过能量函数最小化推动轮廓曲线移动到显著道路边界特征点处,实现不同道路边界的精细提取。本文试验采用3份不同城市场景的车载激光点云数据验证本文方法的有效性,道路边界提取结果的准确率达到97.62%,召回率达到98.04%,F1-Measure值达到97.83%以上,且提取的道路边界结果与软件交互提取的结果有较好的吻合度。试验结果表明,本文方法能够修正噪声、断裂等数据质量对道路边界提取的影响,能够实现各类复杂城市环境中不同形状道路边界的提取,具有较强的稳健性和适用性。