用于智能驾驶的动态场景视觉显著性多特征建模方法

驾驶场景的视觉显著性建模是智能驾驶的重要研究方向。现有的静态和虚拟场景的视觉显著性建模方法不能适应真实驾驶环境下道路场景实时性、动态性和任务驱动特性。构建真实驾驶环境的动态场景视觉显著性模型是目前研究的挑战。从驾驶环境的特点与驾驶员的视觉认知规律出发,本文提取道路场景的低级视觉特征、高级视觉特征和动态视觉特征,并结合速度和道路曲率两个重要影响因素,建立了多特征逻辑回归模型(logistic regression,LR)计算驾驶场景视觉显著性。使用AUC值对模型进行评价,结果显示精度达到了90.43%,与传统的算法相比具有明显的优势。

福建省生态环境与高质量发展耦合关系及驱动机制

研究生态环境与高质量发展耦合关系时空演变及驱动机制,对实现可持续发展、构建生态文明体系和建设美丽中国具有重要意义。综合构建了生态环境—高质量发展指标体系,运用耦合协调度模型、空间马尔科夫链和BP神经网络—地理加权回归组合模型,系统探讨2005—2020年福建省生态环境与高质量发展耦合关系的时空演变及驱动机制。结果表明:(1)研究期间,福建省生态环境指数整体稳定,而高质量发展指数呈现先降低后上升的变化趋势,二者在空间上的组合关系整体呈现错位特征。(2)福建省县域生态环境与高质量发展指标之间的耦合关系呈先降低后上升的趋势,且呈现明显的空间异质性。(3)协调发展和绿色发展是驱动生态环境质量提高的关键因素,其影响程度呈“圈层式”空间分布特征。

北京市甲型H1N1流感对气象因子的时空响应

为研究北京市甲型H1N1流感对气象因子的时空响应规律,本文结合地理探测器及空间自相关分析方法,分析北京市甲型H1N1流感的时空分布情况,基于地理加权回归(GWR)模型,建立北京市甲型H1N1流感与平均风速、降雨量、平均湿度以及平均温度之间的回归模型。结果表明,降雨量对流感传播的影响不显著,平均风速与流感的传播主要呈现正相关,平均相对湿度与平均温度与流感的传播主要呈现负相关,其中,平均相对湿度的影响更为复杂。时间上,在流感感染人数快速上升的阶段,各气象因子的影响程度较为显著,而在流感传播速度减慢的阶段,气象因子的影响减弱;空间上,各气象要素对流感传播的影响在北京市4大功能分区上存在空间分异性,这与地区地形、风带、局地气候等因素有关。

2008年以来地图学眼动与视觉认知研究新进展

地图是人类日常生活中不可或缺的工具。地图认知作为研究人对地图的感知、学习、记忆、推理和决策的科学,一直以来是地图学基础理论的重要内容。作为地图认知研究的核心,近年来地图视觉认知在相关学科(如心理学、认知科学和计算机视觉)和新的研究手段(如眼动跟踪、脑电和核磁)的促进下取得了一系列新的研究成果。尤其是眼动跟踪方法作为地图视觉认知研究的重要手段之一,越来越受到研究者的关注,为地图视觉认知研究的定量化、实用化提供了有力支撑。本文系统地梳理了2008年以来眼动跟踪方法在地图视觉认知研究中取得的新进展,并将其归纳为6个发展趋势,分别包括:①刺激材料:从静态地图到动态交互地图;②研究范围:从地图认知到地图空间认知;③实验环境:从实验室环境到真实环境;④地图维度:从二维地图到三维地图;⑤个体差异:从单一维度到多维度;⑥研究目的:从规律探究到实践应用。本文最后总结了未来研究面临的挑战、难点和可能的解决方法,期望能在地图视觉认知研究中起到抛砖引玉的作用。