城市交通状态的空间依赖性和异质性分析

有关城市交通状态空间特征的研究相对匮乏。从空间角度分析城市宏观交通特征,首先,针对城市路网几何形态和交通数据的关系提出适合于城市交通数据分析的空间模型。然后,以从长期的浮动车数据中提取的路段行程速度作为描述交通状态的实验数据,分别采用空间自相关和核密度估计法定量分析路网行程速度的空间依赖性和空间异质性,并分析其在典型时段的空间分布特征。结果显示:城市交通状态的关联性在空间上随着路段间距的增长而衰减;城市交通状态的空间分布特征随时间变化,受路网结构和区域功能的影响在空间中呈现集聚特征。     

Geoswath Plus多波束水深数据抽稀算法研究

根据多波束数据量大的特点,采用VC++程序开发语言,结合工程实际需要,开发出一套多波束数据抽稀程序,有效解决了用户从原始多波束水深数据中提取所需数据的问题。     

在役港工混凝土强度时变规律

钢筋混凝土构件是港口码头结构中的主要组成部分,研究其构件在服役一段时间后混凝土强度的分布特征以及时变规律具有重要的实际意义。对大量混凝土强度的检测数据进行统计分析,采用W检验法对混凝土强度进行了概率分布类型的拟合检验,验证了采用正态分布的可行性,并给出了采用不同检测方法混凝土强度的参考值;通过统计不同年限混凝土强度的实测值,采用回归分析的方法得到回弹法测得的混凝土强度值与服役年限之间的关系。     

某型号制导电子箱的检测系统设计*

为解决现有导弹检测设备存在的缺陷,设计了一种模块化、通用化、智能化和标准化的综合检测修理平台。论文介绍了系统的硬件组成以及基于Labwindows／CVI的软件开发。通过部队实践证明,该系统具有重大军事效益和经济效益和广泛的运用前景。     

航迹间断情况下坐标系对融合跟踪影响的仿真分析

研究了雷达航迹和数据链航迹间断情况下,北东地(NED)坐标系和地心地固(ECEF)坐标系对融合跟踪的影响。利用不敏变换(UT)将NED坐标系下的量测值转换到ECEF坐标系,然后对两种坐标系下的融合跟踪精度进行实验仿真,并对不同仿真场景下的算法性能进行分析和对比,得出一些有益的结论。     

基于数据链的航母编队评估指标体系研究*

数据链是航母编队的中枢系统,对作战指控过程有重要作用,各作战单元与指控中心之间的情报传递与命令下达等信息均通过数据链进行传输,因此,对航母编队作战效能评估也应当建立在数据链性能指标上。论文以航母编队防空作战为例,分析了在防空作战过程中,数据链性能指标对指挥质量及效能指标的影响,建立了防空作战评估指标体系。     

空间数据挖掘及其在海洋地理信息系统中的应用

空间数据挖掘是数据挖掘中的一个重要门类,空间数据挖掘的意义是在空间数据库或数据仓库的支持下,提取、推理出未知、有价值、可利用的关系、模式或趋势,从而为决策系统提供支持。随着海洋测量技术和电子地图技术的持续发展,以及计算机存储容量的不断扩大,使得海洋地理信息系统中出现了海量数据,如何对这些数据进行有效利用,从而进一步发现价值,是当前海洋地理信息系统研究的主要课题之一。本文介绍空间数据挖掘技术的主要原则,分析空间数据挖掘的实际效果,并研究空间数据挖掘在海洋地理信息系统中的应用,为今后海洋地理信息系统的完善和提高提供依据。     

基于AIS的商船雷达性能分析方法

利用模糊综合评价将雷达数据和AIS数据进行融合形成两者的共同航迹,实现信息互补和位置的精确定位。首先将雷达和AIS测得不同坐标系下的位置信息变换到同一个平面坐标系中;其次统一传感器的信息,由于二者对同一目标所采集到的时间不同;然后综合考虑航行速度、航行角度和航行距离来确定航迹;最后实现信息融合,通过实验验证基于AIS的商船雷达性能分析是可行的。     

Efficient missing data imputing for traffic flow by considering temporal and spatial dependence

The missing data problem remains as a difficulty in a diverse variety of transportation applications, e.g. traffic flow prediction and traffic pattern recognition. To solve this problem, numerous algorithms had been proposed in the last decade to impute the missed data. However, few existing studies had fully used the traffic flow information of neighboring detecting points to improve imputing performance. In this paper, probabilistic principle component analysis (PPCA) based imputing method, which had been proven to be one of the most effective imputing methods without using temporal or spatial dependence, is extended to utilize the information of multiple points. We systematically examine the potential benefits of multi-point data fusion and study the possible influence of measurement time lags. Tests indicate that the hidden temporal–spatial dependence is nonlinear and could be better retrieved by kernel probabilistic principle component analysis (KPPCA) based method rather than PPCA method. Comparison proves that imputing errors can be notably reduced, if temporal–spatial dependence has been appropriately considered.     

舰载机试飞数据的移动基准区间与牛顿插值处理

分析飞行试验数据具有数据量大,需分段加载和截取的特点,针对试飞数据预处理过程中常规全局统计误差分析方法有时难以满足要求的问题,建立移动基准区间和牛顿插值相结合的误差修正模型,提出移动基准区间牛顿插方法,并应用于飞行试验数据处理中,最后通过实例验证其有效性.