关系细节:农村网约车司机组织乘客的关系机制研究——基于湖北省Y县农村网约车市场的田野调查

随着农村经济的转型发展,网约车在不少农村地区兴起。与城市网约车司机不同,农村网约车司机主要通过个人电话预约的方式接单,因而会面临两个组织难题:一是保证充足的乘客,二是避免交易过程中乘客“爽约”。通过对湖北省Y县农村网约车市场的田野调查发现,扎根于乡土社会的农村网约车司机对于组织乘客有一套本土化策略,一是熟人社会的先赋性关系网络为农村网约车司机提供了初始乘客来源;二是“司机群”这一互惠性组织帮助农村网约车司机在更大的空间范围内获取乘客资源;三是“将心比心”的经营策略帮助农村网约车司机成功留住乘客,使其成为回头客。关系细节背后“信任”和“不好意思”的交往心态保证了市场交易的稳定性,同时也规避了交易过程中乘客“爽约”问题的发生。

有向线对象细节拓扑关系模型

针对运动轨迹等有向线对象的特点,提出了细节拓扑关系模型,以解决现有模型不能区分复杂细节的问题。首先基于空间推理中4交模型的方法,定义了DLO矩阵。进而根据交分量的类型,对DLO进行细化,给出空间语义更丰富的DDLO模型。对比分析显示,与HBT等现有经典模型相比,DDLO模型能够精确描述有向线对象多次相交的细节,能区分相交与相切,而HBT模型只能分辨固定的68种简单关系。

GIS中由单种细节方向关系推理拓扑关系的方法

介绍了一种用细节方向关系来处理与参照对象内部有关方向的方法,以弥补外部方向关系的不足;提出了描述两个方向关系之间的关系的九交模型,并得到了19条根据细节方向关系推理拓扑关系的规则.通过这些规则即可得到未知的拓扑关系,而不需要任何几何计算.由于规则推理比几何计算速度快、内存消耗小,因此推理能够提高基于空间关系的空间数据查询的速度和效率.

GIS中自然语言空间关系定义

针对现有空间关系描述方法的缺点,基于一种新的方向关系———细节方向关系,并结合外部方向关系、拓扑关系,研究了自然语言空间关系的定义和描述方法及其在空间数据库中的查询实现。

GIS中由多种方向关系推理拓扑关系的方法

研究了根据多种方向关系(包括内部、边界、环部和外部等方向关系)推理拓扑关系的方法.在推理中,首先提出了根据单种方向关系推理拓扑关系的规则;然后,将多种方向关系的组合分为4种基本类型,每种类型的推理方法和规则可表示为单种方向关系推理的组合;最后,讨论了根据多种方向关系可得到的拓扑关系的几何关系、约束条件和推理规则,根据多种方向关系推理拓扑关系的方法和规则可用于空间数据库查询和基于内容的数据检索.

基于细节空间关系的自然语言组合描述方法

如何自动生成图像或视频中空间对象间的空间关系描述是自然语言场景描述乃至图像理解的重要任务之一。针对以往空间关系自然语言描述方法仅考虑整体空间关系描述的问题,该文给出了细节空间关系的概念和表示方法,并基于四叉树直方图模型建立了不同参考框架下的细节空间关系自然语言组合描述方法。采用人工图片作为算例对该方法进行验证,结果表明该方法能够生成符合人类空间认知和描述习惯的细节空间关系自然语言描述语句。

Hierarchical Detailed Description for Spatial Direction Relations

Direction relation is an important spatial relation. Descriptions and representations for direction relations have different levels of detail because of the varying dimensions of spatial objects and different scales of the embedding spaces. Based on a direction- relation matrix, the hierarchical frame of spatial direction relations which partitions direction relations orderly and thoroughly is built. Interior direction relations are used to perfect the representation of direction relations and the binary-encoding idea is creatively applied to construct an interior detailed matrix describing multiple interior direction relations by a uniform matrix. The model integrates topological information into the description model for direction relations, which will lay the foundations of spatial compositive reasoning.