新乡贤参与乡村生态治理的空间行动逻辑——基于安徽省H村生态治理实践分析

乡村生态空间治理依靠传统的线性治理模式存在乡村生态治理空间失语和治理失灵等问题。以H村皖河生态治理为研究切入点,在空间视角下以空间正义—空间分化—空间治理为研究分析框架,剖析乡村生态治理存在的正式权力空间治理“独奏”、空间正义离散、空间分化现象的成因及对乡村生态空间治理带来的负面影响,探讨新乡贤参与乡村生态治理的空间行动逻辑。通过调动和挖掘乡村内生力量——新乡贤的作用来重构乡村社会空间,利用乡村社会空间中存在的多重利益结构促使正式权力对非正式权力进行赋权,重塑乡村社会空间权力秩序,提高乡村内生力量参与乡村生态治理的积极性;利用新乡贤的乡土文化与公共身份特性修复乡村社会空间分化、空间正义离散、空间治理紊乱问题,为实现乡村振兴目标提供实践和理论参考。

改进2DCNN时空特征提取的动作识别研究

基于深度学习的视频动作识别方法处理时间信息的方式主要有两种,一是利用光流表示相邻帧之间的运动信息,但其无法有效建模长程时间特征,二是利用3D卷积对时空信号进行混合建模,但其引入了大量的参数,导致内存消耗和计算量剧增.针对上述问题,本文提出了一种改进2D CNN时空特征提取的动作识别方法,在2D CNN中嵌入时空门控和动作注意力聚合(Spatial-temporal Gate and Motion Attention-aggregation,SGMA)模块增强其时空特征提取能力.SGMA包含时空动态门控和动作注意力聚合两个子模块,时空动态门控能够可视化各通道特征的运动比例因子并依此逐通道分离运动强相关特征和运动弱相关特征,动作注意力聚合利用运动强相关特征构建金字塔结构来提取不同时间跨度的运动特征,并使用注意力机制自适应聚合各时间跨度特征实现长程时间建模,运动弱相关特征经过2D卷积提取空间特征后融合动作注意力聚合模块的输出最终获得强有力的时空特征表达.在相同帧采样策略下,本文方法在Something-SomethingV1&V2验证集上的Top1准确度比基准TSM分别提高了4.4%和6.2%.

基于骨架序列多算法的粮仓作业人员异常行为视频识别

粮仓是保障粮食储藏安全的重要设施。粮仓为封闭大空间,仓内光照昏暗、空气流通差,熏蒸、气调等作业增加了人员安全隐患,通过仓内安防视频对作业人员的异常行为进行识别与分析,是作业人员安全操作的一项重要技术保障。提出了一种基于骨架序列多算法的粮仓内作业人员异常行为的视频识别算法。首先,利用YOLOv3tiny模型对人体进行快速检测,结合Sort对多目标进行运动轨迹跟踪,通过AlphaPose模型提取人体骨架坐标序列及权重信息;进而,根据人体骨架自然连接节点构成的实际空间图(RSG)和虚拟人体的重心与头、手、脚互连构建的虚拟空间图(VSG),基于人体动力学重心与手脚互动的平衡性,提取仓内作业人员异常行为的空间特征和串联时间卷积(TC)的时空特征;最后,提出了虚实结合的时空图卷积网络(VR-STGCN)仓内作业人员的异常行为视频识别算法。同时自建了混合数据集,并将VR-STGCN与SSD、PCANet、Two-StreamCNN、STGCN等四种算法进行了对比实验与分析。结果表明:VR-STGCN各项指标均优于其他四种算法;VR-STGCN能够在光线不足、多目标、远距离等复杂环境下准确地识别出仓内人员的跌倒、爬行、躺平等异常行为,识别准确率达到97.7%,处理速度为18.67 fps,能够实时分析作业人员异常行为。研究成果为复杂环境下粮仓作业人员的安全保障提供了一种全新高效的技术。

注意力机制的TS-PVAN双流动作识别

人体动作识别是计算机视觉领域的重要研究方向之一,越来越多地应用在视频监控、自动驾驶等场景.目前大多数双流方法采用卷积神经网络分别提取动作的时空特征,而卷积网络仅关注于动作的局部空间特征,缺乏动作的长距离依赖关系,且卷积造成的特征损失及视频背景噪声的影响不利于动作特征的提取.同时,注意力机制愈加广泛地应用在各类视觉任务中,并达到了较高的性能.针对以上问题,本文提出一种基于注意力机制的TS-PVAN双流动作识别模型,该模型以TSN双流网络框架作为基线,为空间流设计一种P-VAN网络处理RGB帧以提取视频动作的空间特征.该模型提高了空间网络提取动作特征的能力,以及双流时空特征信息的融合效果.通过在HMDB51和UCF101两个数据集上的实验对比分析,验证了所提方法的有效性.

基于SPSS分析的流域村落空间形态研究——以黄河三角洲为例

流域环境特征对周边村落形态具有决定性影响,定量化研究有利于科学剖析村落形态的形成机制。文章以黄河三角洲流域的村落为研究对象,选取45个典型村落并建立相应的指标数据库,分别对其进行可信度验证、方差分析及线性回归分析,最终得出临村主干道数量、主干道与村落长轴夹角、林地影响下村落图形空缺率对村落空间形态的影响最为显著。总结诠释以上三个指标对村落形态的内在作用机制,以期为黄河流域村落的保护与发展提供更为科学的理论依据。同时,对其他地区村落布局与形态研究也具有一定的参考价值。

数字经济对碳排放效率影响的空间效应与作用机制——基于“宽带中国”试点政策的准自然实验

文章以“宽带中国”试点政策为准自然实验,基于2011—2021年我国284个城市的面板数据构建双重差分空间杜宾模型,实证检验数字经济对碳排放效率影响的空间效应及其作用机制。结果表明:数字经济显著提升了试点城市的碳排放效率,但对周边城市产生了负向的空间溢出效应,且这一效应随空间距离加长而逐渐衰减;空间异质性分析表明,数字经济的负向空间溢出效应在中部和西部地区城市、非资源型城市和数字经济发展水平较低的城市更显著;进一步分析发现,产业间协同集聚、绿色技术创新是数字经济提升碳排放效率的主要机制,而“宽带中国”试点政策强度对数字经济的碳排放效率提升具有负向调节效应。

民间金融、产业转型与经济高质量发展

民间金融内生于民营经济,是满足民营企业融资需求的主要渠道,逐步成为推动中国经济高质量发展的重要驱动力。在对民间金融与经济高质量发展文献梳理的基础上,从产业转型视角出发,着重探讨了民间金融对经济高质量发展的作用机制,即转变发展方式、优化经济结构、转换增长动力三种机制。考虑到民间金融作用的溢出性,从理论角度深入分析了其对经济高质量发展空间效应。同时,以2004—2021年中国30个省份数据为样本,对民间金融规模与经济高质量发展水平进行测度,并进一步采用中介效应模型和空间计量模型对中介效应、空间效应进行了实证检验。研究发现:第一,民间金融对经济高质量发展有显著促进作用,且转变发展方式、优化经济结构、转换增长动力的作用机制显著存在;第二,民间金融对经济高质量发展的作用机制存在异质性,即在东、中部地区民间金融可以通过优化产业结构、转换产业增长动力促进经济高质量发展,在西部地区则可以通过转换发展方式、优化产业结构、转换产业增长动力三条路径对经济高质量发展产生影响;第三,民间金融对经济高质量发展具有正向的空间溢出效应,即民间金融不仅对本地经济高质量发展有促进作用,对邻近地区的经济高质量发展也会产生正向影响。因此,提出如下建议:第一,鼓励民间资本流向创新型、科技型中小微企业;第二,制定适合区域发展的民间金融政策,缩小区域发展差距;第三,加快民间金融相关立法,进一步规范民间金融发展。

制造业集聚对碳生产率的影响研究——基于技术进步视角的实证分析

中国式现代化愿景下制造业集聚成为实现中国经济提质增效发展的关键。基于2011—2020年30个省级面板数据,利用熵值法测度制造业集聚水平,并构建中介效应模型和空间杜宾模型,实证检验制造业集聚、技术进步对碳生产率的影响及作用机制。结果表明:制造业集聚会对碳生产率的提高产生倒U型的影响,且这种影响存在空间溢出效应;制造业集聚能够通过技术进步的中介效应对碳生产率提高产生正向影响。作用机制的实证分析结果显示,由于要素禀赋结构的差异,制造业集聚对碳生产率的影响在空间上呈现明显的异质性。东部地区制造业集聚对碳生产率具有正向促进作用;西部地区制造业集聚对碳生产率具有抑制作用。

城市数字技术创新产出的空间策略互动行为研究

区域数字创新协同发展是实现我国国家治理能力与治理体系现代化的重要驱动力。现有文献主要关注区域间数字技术创新产出的空间相关性和异质性,未对其是否存在空间策略互动行为及其作用机制进行识别和检验。本文将技术创新扩散和创新竞争规避效应假说引入城市数字技术创新产出空间特征分析中,通过构建空间计量模型分析城市数字技术创新产出的空间策略互动行为。研究结果表明:第一,本地数字技术创新产出数量的上升会带动空间关联地区数字技术创新产出数量的上升,并且在数字经济发展水平空间权重矩阵下,数字技术创新产出的空间溢出效应高于技术进步空间权重矩阵下的空间溢出效应。从策略互动形式来看,城市间数字技术创新产出表现出明显的向上竞争效应。第二,机制检验表明,城市间数字技术创新产出空间互动效应是由省界竞争规避机制驱动的,城市内部学习示范效应会弱化城市间数字技术创新产出的空间策略互动效应,外部学习示范机制会强化城市间数字技术创新产出的空间策略互动效应。第三,异质性检验表明,数字技术创新产出表现出明显的技术进步、数字经济发展水平异质性;高(低)数字技术创新产出城市间存在显著空间策略互动效应。研究结论对正确认识城市间数字技术创新产出的空间策略互动行为和建立健全区域间数字技术进步协同促进机制具有重要的现实意义。

基于时空注意图卷积的人体动作识别

针对基于骨骼数据的人体动作识别中关键节点及特征应用度不高的问题,构建一种基于时空图卷积和通道-空间联合注意力模块融合改进的人体动作识别系统。算法首先通过空间图卷积获得结构化特征,由通道-空间联合注意力模块强化关键节点和关键结构信息,再由时间图卷积获取高级时空特征,最后用全局池化层和softmax分类器得出识别结果。实验结果表明,在关键节点和结构特征得以强化的同时,也保留了原始特征信息。该算法在基于骨骼数据的人体动作识别上具有更高的精度。

基于荟萃分析的城市绿地居民健康效应研究

近年来城市绿地的健康益处引起了国内外学者广泛关注,其健康效应量化分析成为该领域的关键内容。研究首先回顾国内外城市绿地与居民健康关系的理论基础,运用荟萃分析方法对Medline、Web of science核心集和GreenFile数据库进行文献系统审查,对文献研究趋势、方法、实验对象与绿地属性特征进行系统归纳梳理,并在此基础上对涉及的83篇文献结论进行量化荟萃分析。研究表明:城市绿地与死亡率、自主神经活动、内分泌系统、免疫系统、精神压力、情绪效价和认知能力7个方面存在显著的效应量关联,并从提供生态系统服务、绿地暴露、绿地使用三方面归纳绿地健康影响的多重潜在空间作用路径。最后,进一步辨析绿地自身属性特征、国别地域和被试/调查对象差异对健康结果异质性的影响,据此提出有针对性的规划启示与建议。

基于关节点连接广度矩阵的颈椎康复运动识别

为提高颈椎康复动作识别的准确率与实时性,提出一种基于关节点连接广度矩阵的颈椎康复运动识别方法。在预处理阶段,首先从人体实时视频流数据中进行骨架提取;然后根据人体骨骼运动特点准确提取运动时人体骨架的特征信息,获取局部空间上的变化信息,利用广度优先搜索算法遍历骨架图内关节点,建立关节点连接广度矩阵,根据连接广度信息划分三角子图并为关节点分配权重,提高模型的识别效率;最后提取关节点连接广度矩阵的时空特征,通过SVM分类器完成识别。在颈椎康复运动数据集CRED和MSR Action 3D公开数据集上对该识别方法进行验证,实验结果表明,基于关节点连接广度矩阵的颈椎康复运动识别方法平均耗时为1.20 s,平均帧率为27,平均识别准确率为92.72%,与现有方法相比有一定优势。

重构与扩张:论二十世纪中叶中国高等教育布局的演化

二十世纪中叶,政府通过裁撤、合并、迁移等方式重塑了中国高等教育的空间格局。第一次院系调整以六大行政区为资源配置单位在全国建立起了高等教育中心,1950年代中后期中央以教育均衡发展为目的将高等教育进一步向内地推进,但1958年高等院校在全国地理上的扩张导致了教育质量与数量的失衡,1960年代初对该现象进行了矫正,规范了高等院校在地理上的分布格局。高等教育发展在当时所采取的发展战略受到经济、政治因素以及高等教育规律的影响,多重因素交织形塑了20世纪中叶中国高等教育以政府为主导、区域差距较大、东部和中西部地区教育资源均集中于少数区域中心城市的基本样态。

基于新分区策略的ST-GCN人体动作识别

人体动作识别是智能监控、人机交互、机器人等领域的一项重要技术,基于人体骨架序列的动作识别方法在面对复杂背景以及人体尺度、视角和运动速度等变化时具有先天优势。时空图卷积神经网络模型(ST-GCN)在人体行为识别中具有卓越的识别性能,针对ST-GCN网络模型中的分区策略只关注局部动作的问题,设计了一种新的分区策略,通过关联根节点与更远节点,加强身体各部分信息联系和局部运动之间的联系,将根节点的相邻区域划分为根节点本身、向心群、远向心群、离心群和远离心群等5个区域,同时为各区域赋予不同的权重,提升了模型对整体动作的感知能力。最后,分别在公开数据集和真实场景下进行实验测试,结果表明,在大规模数据集Kinetics-skeleton上获得了31.1%的Top-1分类准确率,相比原模型提升了0.4%;在NTU-RGB+D的两个子数据集上分别获得了83.7%和91.6%的Top-1性能指标,相比原模型提升了2.3%和3.3%;在真实场景下,所提模型对动作变化明显且区别大的动作如俯卧撑和慢跑识别率高,对局部运动和动作变化相近的动作如鼓掌和摇头识别率偏低,尚有进一步提高的空间。

角柱失效下不等跨RC空间梁-柱子结构抗连续倒塌机理研究

本文通过角柱失效下钢筋混凝土(reinforced concrete,RC)空间梁-柱子结构的Pushdown加载试验及其精细化有限元模型,对不等跨RC空间梁-柱子结构在角柱失效工况下的抗连续倒塌性能进行研究。基于所建立的有限元模型对不等跨RC空间梁-柱子结构的抗力机制等进行更深入的分析,探究了角柱上部水平约束、角柱节点配箍率和空间效应对不等跨RC空间梁-柱子结构抗连续倒塌性能的影响。研究结果表明,角柱失效工况下的不等跨RC空间梁-柱子结构不能有效发展悬链线机制而主要依靠梁机制抵抗倒塌,且空腹机制抗力的贡献不可忽略。角柱上部水平约束的增强,会提高第一峰值荷载,但是同时会导致角柱节点承受更高的剪应力从而提早发生剪切破坏。角柱节点配置一定量箍筋后会延迟和减轻角柱节点发生剪切破坏,从而提高结构的抗连续倒塌能力。对于角柱失效工况,空间效应不能通过简单叠加两个方向的平面框架抗力进行计算,因为空间效应三维剪应力作用会加速角柱节点发生剪切破坏。

黄河流域水土保持综合治理空间均衡性分析

黄河流域具有多类别的泥沙来源区,水沙异源特性突出,研究水土保持综合治理空间均衡性,对于优化水土保持空间布局和有效持续减少入黄泥沙极为必要。基于黄河泥沙来源区特征和水土保持综合治理现状分析,利用统计学理论与方法,研究水土保持综合治理空间均衡性的概念、评价原理和评价方法,并对治理现状的均衡性进行评价。结果表明:(1)与流域水土流失强度空间分异性相对应、且在一定程度上能够有效控制侵蚀产沙强度的治理是空间治理均衡性的基本体现,其治理程度可以利用治理效应定量反映;(2)不同治理程度的减沙作用不同的,通过分析全流域系统内不同分区治理措施减沙作用度的差异,可以判识治理的空间均衡性;(3)治理空间均衡性的评价内容主要包括划分评价流域分区、计算水土保持措施减沙作用度和空间治理均衡系数判识弱治理区;(4)目前黄河流域空间治理是不均衡的,兰州—头道拐片区、头道拐—龙门区间陕西北片的水土保持措施减沙作用度、空间治理均衡系数都很低,属于典型的弱治理区。提出的水土保持综合治理空间均衡性评价方法可定量识别弱治理区,为优化水土保持发展格局提供新的技术方法。

基于时空信息可信融合的视频监控暴力检测算法

在暴力行为检测任务中,监控视频的静态红-绿-蓝(RGB)信息和光流特征对任务的支持度受场景变化而产生动态变化。因此,提出一种基于时空信息可信融合的视频监控暴力检测算法。首先,利用每一帧静态RGB信息和相邻帧的动态光流信息提取特征,并通过空间特征网络和时序特征网络获得静态RGB帧和多帧光流的分类证据;然后,在得到时间网络和空间网络的分类证据后,应用狄利克雷分布估计每个模态分类结果的不确定性;最后,考虑两个模态特征质量的动态变化特性,并基于Dempster-Shafer证据理论对两个模态预测结果进行融合。实验结果表明,与现有时空改进的三维轨迹(TS+IDT)算法相比,所提算法在violent crowd数据集和hockfights数据集上暴力检测准确率分别提升4.79和0.23个百分点,验证了所提方法的合理性和有效性。此外,该算法不仅可以提供暴力行为识别结果,还可以在部署阶段提供决策的可信程度,从而使得算法在实际应用中更加健壮、可靠,降低后续分析任务出现错误预测的风险。

不同地震作用输入模式的跨断层桥梁地震反应分析

大地震在近断层场地产生强烈地震动的同时,还会由于断层错动直接导致基岩甚至上覆土层破裂,在断层两侧产生显著差异性永久位移,造成位于断层附近或跨越断层的工程结构破坏。因此,跨断层桥梁面对的地震作用是断层两侧桥墩处场地的不同地震动,包括存在永久性位移的地震动。本文以垂直跨越走滑断层的多跨简支梁桥为例,基于OpenSees有限元模拟平台建立了桥梁结构的三维计算模型,计算分析了不同地震作用输入模式下桥梁结构的地震反应及其差异。考虑的地震作用模式包括:(1)断层两侧场地的地震作用视为相同的无永久位移的地震动,即无永久位移的一致地震动作用模式;(2)断层主动盘一侧场地的地震作用具有永久位移地震动,被动盘一侧采用无永久位移地震动,即具有永久位移的非一致地震动作用模式;(3)在断层主动盘一侧场地以静力方式施加断层错动位移,而被动盘一侧场地固定不动,即断层错动位移静力作用模式。计算结果分析表明,不考虑永久位移的一致地震动作用模式的地震动输入会导致严重低估桥梁反应计算结果,这也说明地震动的断层两侧永久性位移差异会显著增大桥梁结构反应;而一致地震动作用叠加断层错动永久位移静力作用的结果与非一致地震动作用模式的结果非常接近。为此,在某种程度上说,跨断层桥梁结构地震反应可采用一致地震动作用叠加断层错动位移静力作用的桥梁结构反应来近似模拟。

基于视觉Transformer时空自注意力的工人行为识别

针对人机协作特殊场景中工人行为识别的问题,提出基于Transformer网络的视频人体行为识别模型,利用Transformer网络核心的自注意力机制,减少网络的结构复杂度,提升网络的性能.模型在提取图像空间特征的基础上,增加时间特征的分析,从空间和时间2个维度实现对视频数据的处理.在处理后的数据中提取分类向量传入分类模块,得到最终的识别结果.为了验证模型的有效性,分别在公开数据集UCF101和实验室采集的工人常规行为(自建)数据集上进行人体行为识别实验.实验结果显示,在UCF101上模型平均识别准确率为93.44%,在自建数据集上模型平均识别准确率为98.54%.

基于时空注意力金字塔卷积的动作识别

动作识别算法需要从视频中提取空间和时域特征,对计算存储资源要求较高。基于2D CNN的网络更为轻量,但从视频中提取时域特征的能力较弱,动作识别性能通常受到限制。S-TPNet提出时空金字塔模块以获取图像序列的时间粒度特征,有效提升了基于2D CNN的动作识别网络的性能。基于S-TPNet,设计了时空注意力模型以凸显空间和时间上的重要特征。为降低输入数据量,通常抽取局部视频帧作为输入,为降低采样帧与整体视频之间的不稳定差异,设计了自适应等间隔采样策略。实验表明,在未预训练的情况下,本网络在UCF-101和HMDB-51数据集上分别将Top-1精度提高了5.1%和3.3%,并且不会大幅增加所需参数。