基于GIS的沙漠地理空间数据库设计

特殊环境地区的数据库管理是一项重要且复杂的综合性工作,传统关系型数据库对海量气象观测数据与矢量数据的整合管理存在一定限制,尤其是在空间关系与分析上.为此以腾格里沙漠公路为研究背景,基于ArcGIS地理空间数据库(ArcGIS Geodatabase)实现空间数据库的构建,依不同要素类型划分图层单元实现沙漠地区数字地图的矢量化,通过概念框架设计、逻辑模型构建、物理分层设计、数据库实施,使多种类型数据互相关联、集成于同一数据库中.这一地理空间数据库不仅具有传统数据库储存和管理数据的性质,更对所储存的空间图形数据和属性数据二者建立起了联系,实现特殊环境下的数据可视化管理、风沙情况分析、空间分析、专题图制作等功能,能够为空间数据和资料的分析提供有效支撑.     

考虑多身体部位的二轮车骑行者事故伤害严重程度研究

现有针对二轮车事故后果的研究主要侧重于讨论骑行者总体伤害,少有针对骑行者具体身体部位的受伤情况相关研究。为揭示各身体部位受伤之间的关联性及致因,基于中国深度事故数据(CIDAS)中2 799起二轮车事故,以二轮车骑行者头部、胸部、上下肢等7个主要部位伤害严重程度为因变量,选取44个主要自变量以表征碰撞前行为、碰撞位置等信息。采用带随机参数的多变量模型进行研究,以更好解释各受伤部位严重程度间的关系及数据中未能观测到的异质性。结果表明：二轮车骑行者性别及年龄、车辆属性、碰撞前二轮车驾驶行为及二轮车被撞位置均会对二轮车骑行者不同部位的伤害造成显著影响;头部、胸部及下肢在二轮车事故中是最脆弱的3个部位,值得进一步研究;中年二轮车骑行者在头部伤害模型服从正态分布的随机参数,即中年二轮车骑行者会对二轮车骑行者头部伤害严重程度存在异质性影响;加强汽车及二轮车的安全设计从而保护二轮车骑行者胸部和腹部极有必要;佩戴头盔不仅能够保护头部伤害,对于保护上肢伤害也有重要作用。     

基于多源数据的城市群枢纽间多模式交通系统异常状态影响研究

为探究城市群多模式交通系统异常状态的影响范围,从需求端非常态客流变化和供给端运输能力下降两方面对多模式交通系统异常环境进行分类,提出了基于手机信令数据、意向出行调查及客票信息等多源数据的异常状态影响范围识别流程和分析方法;以京津冀城市群为例,确定强链接枢纽间通道客流动态安全阈值,提出了基于贝叶斯预测的通道客流异常检测方法;利用提升度、余弦相似度及其标准化值来区分枢纽关联规则的有效性,提出了基于强关联规则确定异常状态影响范围的方法。研究表明：基于贝叶斯预测的通道客流异常检测方法具有实时性,提高了客流安全阈值精度;基于实际手机数据和假定异常情况下的意向调查数据并结合关联规则确定枢纽影响范围,可为利用数据挖掘技术分析突发异常状态的影响和对策提供借鉴。     

新型船载航行数据记录仪典型缺陷和使用建议

介绍三起新型船载航行数据记录仪(VDR ) PSC检查的典型缺陷案例,解读相关决议中最新的航行数据记录仪和简化航行数据记录仪年度试验指南的技术通告相关要求,对国际航行船舶新型船载航行数据记录仪的在船使用提出相关建议.     

3D声呐在海上风电场水下桩基和海缆检测中的应用

依托某海上风电场水下桩基和海缆检测工程,针对其验收精度高、图像获取难等问题,采用3D声呐技术对水下桩基和海缆进行扫测,获取水下桩基和海缆的三维影像.通过影像输出、软件量取、输出三维点云数据等方法,可一次性获得海缆裸露长度、桩基周围海床冲刷坑深度和桩基周围海床修复所需土石方量等数据,使海上风电场水下桩基和海缆检测的精度和...     

基于ARIMA模型的极端事件下铁路货运量预测研究

合理预测货运量是铁路部门制定列车开行方案及组织管理的基础,在类似突发疫情这种极端事件时,准确预测铁路货运量的数据与变化趋势对铁路工作的开展有重要的参考意义.建立ARIMA模型,利用2010年1月—2020年1月的铁路货运量正常数据与疫情突发后2020年2月的异常数据,对2020年3—10月的铁路货运量进行预测.结果表明...     

船舶自动识别系统(AIS)装船和检验要求

1 AIS概念和意义船舶自动识别系统(AIS)是一套应用于船与岸、船与船之间的海事安全导航和通信的重要技术设备。该系统为船舶安全航行和海事安全管理提供了一种新型而有效的手段。若所有的船舶都安装有AIS,则本船     

现代图书馆的数据维护

对数据维护的意义进行简要概述,并提出现代图书馆工作应设立数据维护岗位,其目的是为保证馆藏数据的规范化,依据工作实践总结数据维护内容与方法,对与其他类似工作进行扼要的比较。     

多特征点驱动的船舶轨迹聚类方法

轨迹聚类在船舶行为分析与海事监管等领域发挥着重要作用。船舶轨迹存在长度与采样率不一致、结构差异明显等特点,在大范围水域难以实现大量船舶轨迹的高精度与快速聚类。针对该问题,在利用船舶自动识别系统获取海量船舶历史航行数据的基础上,提取与船舶航行行为、船舶交通密度相关的位置特征点,进而提出了多特征点驱动的船舶轨迹聚类方法。针对船舶航行时在大多数情形下具有保向、保速的特点,采用数据压缩的方法捕获船舶航行状态以及船舶航向发生显著变化的轨迹点,作为船舶轨迹结构特征点;针对目标水域中某些特定区域常存在船舶交叉会遇的情形,利用概率密度估计法分析船舶交通流的空间分布特点,并提取船舶会遇局面下的轨迹点,作为船舶交通流特征点;为剔除2类特征点中的异常值,采用密度聚类算法对特征点进行聚类,进一步提高特征点提取的可靠性,并将聚类结果中每类特征点的中心作为代表性特征点;统计途经代表性特征点的船舶轨迹分布情况,将具有相似分布的船舶轨迹视为同一类。实验结果表明：相比于常用的K-medoids聚类、层次聚类、谱聚类和DBSCAN等方法,提出的轨迹聚类方法在成山头水域、长江口南槽水域及舟山水域等典型区域均可获得优异的聚类...     

面向公路超限审批的智能数据治理与关键技术研究及应用示范

随着社会的进步和发展,交通运输管理的难度也在不断增加.从目前各地的交通数据统计情况来看,其中存在各种各样的问题,由此给人们的数据分析和决策带来了阻碍.而传统的人工核验方式已经无法满足当前的需要,本文将重点阐述面向公路超限审批的智能数据治理技术,进而为相关部门提供更准确的数据服务,提升办事效率.