试论电网建设征占用地及实施补偿的若干法律问题

近年来,我国在基础设施建设和重点项目建设的投资力度呈倍数增长。全国范围内的电网建设也由此进入了快速发展的阶段,并且这种建设投资大、规模大的特点在未来一段时间内仍将持续。面对高标准、快节奏的建设形势要求,征占用地拆迁、补偿纠纷不断这一传统难题已成为电网建设频频受阻的主要原因,并且纠纷演变为诉讼的频率越来越高。如何分析电网建设所面临的法律环境,并提出防范、化解法律风险的对策,是当前供电企业亟待思考的问题。

你只需占用地球的6.08m^3

来自比利时的Pieter Peulen出生于1993年,是一名拥有家具设计专业背景的年轻设计师。回想自己的学生时代,Peulen记忆最深刻的就是宿舍里的场景。他从自己的亲身经历出发,开始思考狭小空间内的居住问题。这组名为Flexit的家具就是他的思考结晶——长2米、高1米9、宽1米6的黑色组合铁架、两块复合板、一把银色椅子。

基于多尺度特征的消防车道占用检测

为解决消防车道占用预警的智能检测问题,引入区域入侵原理,提出基于YOLOv7的轻量化消防车道占用预警方法。首先,以YOLOv7模型为基础,构建消防车道区域入侵研究框架,将实地调研与公开数据集相结合,形成包含消防车道与车辆检测的图像数据集;其次,采用感受野块模块替换空间金字塔池化跨阶段部分卷积,同时,添加SimAM注意力模型,提高网络多尺度特征提取和融合效果;然后,运用Slim-Neck结构减小模型的计算量和参数量;最后,通过PyQt5部署交互式界面设计,在陕西省西安市某小区进行实地算法验证。结果表明:模型识别消防车道和车辆的准确率均达到80%以上;与原模型相比,改进后的模型参数量减少20.5%,浮点计算量降低11.3%,检测速度提高42.4%,达到48.6帧/s。

基于SSA-CNN的航空器着陆跑道占用时间预测

国内外相关研究表明,航空器着陆跑道占用时间(aircraft arrive runway occupation time,AROT)是影响机场跑道容量的重要因素,对跑道占用时间的准确预测有利于更准确地评估跑道容量。由于着陆过程的动态性和复杂性,采用注重数据特征提取的卷积神经网络(convolutional neural networks,CNN)对AROT进行预测,针对CNN容易陷入局部最优等缺点,采用麻雀搜索算法(sparrow search algorithm,SSA)对CNN相关参数进行优化。数据采用航空器快速存取记录器(quick access recorder,QAR)的记录作为数据源,涵盖机场数目为34个。根据QAR数据分析AROT影响因素,构建了SSA-CNN预测模型。对QAR数据分析表明AROT与滑行距离、落地气温、跑道入口速度、快速脱离道数量、脱离速度关联性较强,与航空器重量、风速、风向、脱离道角度等影响因素关联性较低。根据影响因素的关联性采用CNN预测模型均方误差为18.35,而优化后的SSA-CNN预测模型均方误差为17.31,预测结果可以为机场评估跑道容量提供参考。

考虑占用率的大型停车库泊位动态分配模型

为提高驾驶员泊车效率,本文考虑不同停车库占用率下的停车库运营者及驾驶员泊位分配需求,构建大型停车库泊位分配模型。本文引入停车库占用率将停车库空满等级划分为空闲泊位充裕时段、空闲泊位适中时段、空闲泊位紧缺时段,综合考虑停车库运营者运营管理需求与驾驶员快速寻泊需求,以寻位行驶时间、离开停车库行驶时间为参数构建运营管理时间效用函数,以寻位行驶时间、停车入位耗时、步行时间为参数构建驾驶员泊车耗时效用函数;将运营管理时间效用与驾驶员泊车耗时效用加权统一为总时间效用,以总时间效用最大化为目标,建立兼顾停车库运营者及驾驶员泊位分配需求的泊位分配模型;引入泊位利用率、停车总耗时量化模型性能。以西安市某大型商业停车库为例,选取9:00、11:30、13:00表征空闲泊位充裕、空闲泊位适中、空闲泊位紧缺时段进行泊位分配。不同停车库空满等级下,停车库内空闲泊位的总时间效用与停车总耗时均呈负显著相关,其中,空闲泊位充裕时段,停车库内空闲泊位的总时间效用与停车总耗时的相关性最弱,相关系数为-0.461;空闲泊位紧缺时段,停车库内空闲泊位的总时间效用与泊位利用率呈正显著相关,相关系数为0.710。研究表明本模型可在优选停车总耗时较小泊位的基础上,为停车高峰时段预留利用率较高的泊位,提高空闲泊位紧缺时段的泊车效率及驾驶员的泊车满意度。

四川省城市建设用地扩张及其占用耕地的时空特征

[目的]研究四川省城市建设用地扩张及其占用耕地的时空特征,为保护四川省耕地资源的可持续利用,保障区域内粮食安全提供理论依据。[方法]以四川省为研究对象,基于遥感数据和GIS技术,分析了2000—2020年城市建设用地扩张对耕地占用过程的时空变异特征。[结果]20年间四川省城市建设用地持续扩张,增加了3260.56 km^(2),增长率达到110.34%,其中新增建设用地2 900.34 km^(2)流转于耕地,耕地是四川省城市建设用地扩张的主要来源,建设用地持续扩张不断蚕食城市周边耕地资源,进而有可能威胁到区域的粮食生产安全;四川省建设用地扩张在空间上具有集中分布的特征,各地市州建设用地扩张空间差异显著,扩张建设用地分布表现为以成都市为中心的高值区,然后向东部城市呈面状逐渐蔓延,而西部城市呈零星点状分布的特点;四川省建设用地扩张高度依赖对耕地的占用,近年来,虽然四川省积极推行粮食生产结构优化措施,持续实施土地整治、农业结构调整,不断加大对粮食生产的支持力度。[结论]总体上,四川省耕地面积的减少对粮食产量形成的影响程度不大,但建设用地扩张继续占用耕地加大的趋势假如得不到有效遏制,对未来粮食生产安全仍会构成潜在的威胁。

基于集成学习的航空器着陆跑道占用时间预测

为准确预测航空器着陆跑道占用时间,提出了一种基于集成学习的航空器着陆跑道占用时间预测模型。首先,根据航空器机载QAR数据处理后得到的航空器影响因素,利用皮尔逊积矩相关系数进行相关性排序;其次构建了基于stacking集成学习策略的预测模型,实现了对着陆跑道占用时间的预测;最后通过模型评价指标对比了各预测模型预测精度。实验结果表明,提出的集成学习预测模型的准确性更高,可为机场实际运行效率提升提供理论依据。

实测卫星频谱占用状态拟合与预测方法

由于在不同时间、不同空间卫星接收数据底噪是动态起伏的,传统建模固定门限的方法存在缺陷。本文在时间维度上对卫星频谱感知数据的频谱占用模型进行分析,利用自适应阈值法确定噪声门限,对卫星频谱数据进行预处理,得到卫星频谱占用长度序列。为对卫星频谱的态势进行有效的统计分析,利用泊松分布和指数分布方法对频谱占用时间长度序列的概率密度曲线进行拟合,得到了适用于卫星频谱占用时间序列的概率分布模型。基于所得的卫星频谱占用状态模型,通过两状态马尔可夫链计算出卫星信道某一频点的状态转移矩阵,从而预测出信道占用和空闲的概率。利用卫星频谱感知数据构建的数据集进行反向传播(BP)神经网络训练,预测某一频点的占用长度。通过计算BP神经网络与传统的长短期记忆(LSTM)神经网络预测法的均方根误差(RMSE),得到LSTM神经网络的RMSE为2.2081,BP神经网络的RMSE为0.1728。评估结果表明,BP神经网络准确度高。

基于边缘迁移学习的教室占用检测方法

自COVID-19流行以来,关于物联网环境下室内人员流动监测系统的研究受到了社会的广泛关注。在此背景下,提出了一种基于边缘迁移学习的教室占用检测方法,该方法拓展了图像处理策略,减少了定制的训练阶段。还提出一种基于相机捕获图像的FCTS架构用于室内物体计数。将该系统架构部署在某大学校园内,用于教室占用检测。在不同类型的教室中进行评估测试之后,结果显示:该系统能够计算教室内的人数,且最大平均绝对误差为1.23,证明了该系统的可行性。

基于群体热感觉和区域占用率的多区域变风量空调系统优化控制方法

为优化多区域变风量空调系统的控制性能,同时使室内环境满足人员的热舒适需求,提出了一种基于群体热感觉和区域占用率的多区域变风量空调系统优化控制方法。根据室内人员的群体热感觉和各区域内的人员数量,采用调控算法调整室温设定值,进而调整各控制区域的末端送风量。搭建了仿真平台,对该控制方法与传统控制方法从控制效果、人员热舒适性、空调系统能耗等方面进行了对比分析。研究结果表明:加入群体热感觉后,该控制方法相较于传统控制方法空调系统节能率为7.5%以上;若同时考虑群体热感觉和区域占用率,该控制方法的节能率高于8.5%。

公司大股东资金占用问题分析——基于投资者保护角度

大股东占用非经营性资金事件频发、危害广泛,导致中小股东利益受损的同时,也会破坏资本市场的稳定。为了保护投资者利益,使其重拾对资本市场的信心,本文从投资者保护视角出发,对中小股东利益保护现状进行分析,并归纳控股股东和实际控制人占用公司资金行为中暴露出的问题及原因。针对防范大股东违规行为,提出了优化股权结构,防止一股独大;完善信息披露制度,提升信息透明度;提高审计质量等建议,以期更好地保障中小股东等投资者的利益。

基于深度学习的建筑物识别及占用耕地建房自动化监测--以湖南省长沙市X村为例

针对农村普遍存在的占用耕地建房现象,基于深度学习和图像分析提出了一种自动化监测方法,通过对高分辨率遥感影像数据的预处理,构建基于卷积神经网络的自动化监测模型,有效判定目标影像中的每个像元格是否占用耕地建房。以湖南省长沙市X村为例,横向比较U-Net、SegNet、DeepLabV3p模型的识别能力。结果表明,当学习率为0.01、批大小为2、迭代次数为100次时,U-Net模型对建筑物的识别结果最佳;该模型共发现66宗潜在占用耕地建房案例,识别结果准确率高且耗时短;该模型充分运用了现代信息技术及方法,可在一定程度提高土地执法监察的工作效率、节省工作时间及资源。

基于AHP-DS异质数据融合的建筑空间占用感知算法

智慧建筑智能控制系统旨在优化建筑物的建筑空间舒适度及能源分配,近年来受到了广泛关注,而建筑空间占用信息对智慧建筑管理系统的决策具有重要作用。现有建筑空间占用感知方法尚未针对如何融合具有不确定性、冲突性的多源数据问题提出有效解决方案,基于此,本文将D-S证据理论引入建筑空间占用预测中,并构建了基于建筑空间占用检测的mass函数确保D-S证据理论在该应用中的性能。另外,本文引入层次分析法(Analytic Hierarchy Process,AHP)解决多源异构数据源间的冲突所导致的建筑空间占用误测的问题,以提升感知精准度和系统性能。

非法占用农用地罪“改变被占用土地用途”的刑法教义学认定

保护农用地使用的合法权益对农业高质量发展具有重要意义。但对非法占用农用地罪的关键入罪要素——“改变被占用土地用途”的准确认定却还存在诸多争议,主要表现在土地性质的认定存在双重标准、“改变行为”的界定不清以及“非法占用”与“改变用途”之间的关系厘定不明。积极刑法观的提出对该罪的认定具有积极地指导作用。在积极刑法观理念下,应坚持生态法益原则,厘清“改变行为”的界限,明确“非法占用”与“改变用途”的关系,并坚持以规划地类为标准确定土地性质,准确认定本罪之“改变被占用土地用途”,以有效地预防农用地犯罪,为实现“美丽中国”的宏伟目标提供坚实的法治保障。

建设项目用地总规模中耕地占用比例上限的确定——以陕西省为例

[目的]分析耕地资源与建设项目空间分布之间的关系,研究建设项目总规模中耕地占用比例上限的确定方法,为自然资源管理部门制定耕地保护措施提供依据。[方法]以陕西省为研究区,基于国土变更调查数据和建设项目样本数据,构建耕地密度作为指标,采用GIS空间叠加分析、地貌分区和统计参数对比方法,研究陕西省耕地密集程度分区方法,确定交通、能源、水利类单独选址建设项目总规模中的耕地占用比例上限。[结果]采用地貌分区和行政单元修订相结合的方法,以80%累计频率取值作为建设项目耕地占用比例的上限,将全省分为3个耕地密集程度区:陕北黄土高原耕地密集区、关中平原/陕南秦巴山地耕地密集区和其他区域(耕地非密集区),确定线性项目和面状项目在3个分区中的耕地占用比例上限分别为26%,42%,20%以及45%,80%,27%。建设项目总规模中的耕地占用比例在耕地密集区明显高于非密集区,呈现出耕地密度越大建设项目耕地占用比例越高的变化规律。[结论]通过确定建设项目耕地占用比例上限阈值,可使各类项目的耕地节约率达1.2%~17.9%,在保障项目用地的同时能够控制13.9%~22.5%的建设项目过度占用耕地,达到有效保护耕地的效果。

非法占用草原犯罪的实证分析与立法检视

2012年《最高人民法院关于审理破坏草原资源刑事案件应用法律若干问题的解释》出台,非法占用草原犯罪的刑事处罚有了具体的法律指导。本研究采用实证分析方法,对非法占用草原犯罪的行为类型、裁判结果、量刑因素、减刑情节等司法现状进行研究分析。结果表明,非法占用草原犯罪存在犯罪行为类型不均衡、犯罪构成要件认定模糊、裁判量刑较为随意的问题。研究认为其原因在于立法层面对草原生态法益重视不足、犯罪构成要件不够明确、刑罚档次缺乏区分度、刑罚手段过于传统4个方面。故研究提出相关立法建议:设置独立罪名;统一定罪标准,明确“大量毁坏”内涵;细化法定刑档次;设置多元化刑罚手段。

基于加权损失的点云占用图视频上采样

基于视频的点云压缩标准(Video-based Point Cloud Compression,V-PCC)中,3D点云会被分成数百个块并投影到2D平面中,形成记录点云纹理信息的纹理视频和记录点云空间信息的几何视频。同时,还需要生成一个占用图视频(Occupancy Map Video),以记录纹理视频和几何视频中每一个像素点是否对应重建点云中的某个点。因此,占用图视频质量与重建点云质量直接相关。为了节约编码比特数,占用图视频在编码端会先被下采样,然后在解码端通过简单的上采样恢复到原分辨率。文中的基本思路是引入深度学习来代替V-PCC中的简单上采样方法,使得上采样后的占用图视频质量更高,从而提高点云的重建质量。在网络训练阶段提出使用加权损失函数,使得在重建点云时能尽可能少地移除正常点并尽可能多地移除噪声点。实验结果证明,所提方法可以大幅提升V-PCC的主客观性能。

基于综合视频分析的列车占用双通道确认方案与实现

京沪高铁目前全线ZPW-2000轨道电路列控系统已增加区间占用逻辑检查功能,但针对故障占用、占用丢失等状态,尚未有技防手段进行高效处理。提出“列车占用双通道确认”方案,通过智能运维管理系统,将列控系统轨道电路信息与综合视频监控系统信息进行提取、融合、对比、分析;对视频采用运动目标检测及追踪检测算法,基于YOLO v8模型分析出列车类型及区段占用情况,通过相关系统的数据融合与比对分析,形成轨道电路和基于现场视频反馈的轨道区段状态双通道确认,从而提高处理故障占用、占用丢失的效率,提升列车追踪的安全性和可靠性。

溶滞网络缓冲区占用率预测模型设计

溶滞网络中数据滞留较多,占用了缓冲区大部分内存。为此,构建基于多组件融合的溶滞网络缓冲区占用率预测模型。在多组件框架的基础上,求解数据样本融合条件。联合数据库主机内存储的信息样本,完成对可移植任务的配置,实现溶滞网络缓冲区内的数据样本处理。设置决策树组织,确定复杂度指标的取值范围,完成基于多组件融合的溶滞网络缓冲区占用率预测模型设计。对比试验结果表明,在多组件融合预测模型作用下,拥塞系数最大值仅为0.6、信道平均占用率始终不超过60%。该模型预测准确率较高。所构建模型预测溶滞网络缓冲区占用率的性能较优,具有一定的实际应用价值。