韩国首尔汉江流域近自然恢复轨迹及启示

基于近自然理念开展城市河流自然性恢复,是当前城市河流治理与生态修复的有效路径。本文通过梳理韩国首尔汉江流域30余年近自然恢复的规划和策略,总结了其历经的探索期、提升期和完善期三个阶段的代表性实践和举措。笔者发现,韩国城市河流近自然恢复已向自然生态、社会经济、历史人文和城市空间等领域协同的方向推进。在此基础上,本文结合《2030汉江自然性恢复基本计划》,深入分析了第三阶段即完善期的主要恢复工作,包括生态系统构建、支流整顿和主要工程的恢复策略等。最后,文章从总体思路、流域尺度生态系统、水资源综合管理、居民参与式治理等四个方面提出启示,以期为我国城市河流的近自然恢复工作提供借鉴。

基于NMEA 0183的GPS设备轨迹恢复方法

针对GPS设备的轨迹恢复问题,由于传统的文件恢复方法依赖于系统元信息,一旦元信息受损、不可读或重新分配等原因就会恢复失败。借助文件雕复的思想提出一种基于NMEA 0183协议的GPS设备轨迹恢复方法,可以在系统元信息不可用的前提下恢复出GPS设备上的轨迹日志数据。首先利用轨迹数据的特征从镜像中定位到所有属于NMEA日志的数据块。再根据日志数据在时间和空间上的局部连续性以及日志的结构特征设计一个判别器,对所有已定位的数据块使用重组算法恢复出日志。最后再根据相应的格式对恢复出的日志进行解析,重构出被删除的行车轨迹。实验结果表明,在数据镜像完整、系统元信息不可用、日志文件高度分片、日志数据部分覆写的情况下恢复率能够保持在99%以上,并且能够兼容不同簇大小的文件系统。

基于RNN-SVM的轨迹恢复方法

针对轨迹恢复问题,根据轨迹连续性、密度和连接对时序分布特征对问题进行建模;基于此模型,提出一种基于RNN-SVM的个体轨迹恢复算法,达到恢复个体移动轨迹的目标。利用RNN网络提取连接对时序分布特征,将此特征和轨迹连续性及密度输入到SVM进行分类,获取与个体相关的轨迹。实验结果表明,该算法能够以较高的准确率从不同库中寻找到与个体相关的轨迹组。

基于RNN集成学习的个人轨迹恢复方法

从多个轨迹数据库中连接并恢复出较为完整的个人轨迹对出行推荐和移动导航具有重要的意义。基于个人轨迹恢复,提出RNN集成学习方法。定义个人轨迹恢复的形式化模型,利用轨迹点数目采样模式将每个训练库划分为多个训练子库,并采用RNN网络模型描述个人轨迹的可拼接程度,使用集成学习方法构建多个RNN网络,以达到恢复个人轨迹的目的。实验结果表明,该方法可以较好地捕获轨迹时空连续性特征,实现个人轨迹恢复。

基于降落序列影像的嫦娥三号着陆轨迹恢复

针对传统方法进行着陆器降落轨迹恢复的精度较低或者算法过于复杂的问题,提出一种基于降落序列影像的着陆器轨迹恢复方法:首先采用SIFT方法进行序列影像间特征点的提取与匹配,然后利用得到的匹配点进行影像间的相对定向,最后结合降落相机和影像的相关参数等得到最终的着陆轨迹。采用嫦娥三号真实影像抽稀后开展了实验,结果表明该方法的实现过程简单且轨迹恢复结果与探月工程预期设计目标基本一致,证明提出的方法能够有效完成着陆器轨迹的恢复。

基于LDA主题模型的用户电信轨迹恢复算法

随着移动通信技术的发展和移动设备的普及,关于人们日常移动行为的轨迹数据记录愈发丰富起来。海量的轨迹数据背后隐藏着关于人们及人类社会的有价值的知识模式。为了使基于轨迹数据产生的知识模式更精准有效地服务用户,能够准确、可靠地恢复缺失电信轨迹显得尤为重要。目前大多数方法主要针对GPS轨迹等连续轨迹进行建模,而缺乏对移动通信场景中产生的电信轨迹恢复的研究。因此,针对电信轨迹缺失恢复问题,将电信轨迹恢复问题转换为矩阵补全问题,提出了一种基于LDA主题模型的恢复算法。实验中,与传统矩阵补全算法进行综合比较,并观察了不同参数对轨迹恢复效果的影响。实验结果表明,与传统矩阵补全算法相比,运用LDA主题模型能够显著提高缺失电信轨迹的恢复精度。

面向骑行地图推断的轨迹数据质量提升方法

由于定位设备误差、非机动车骑行习惯等因素的影响,骑行轨迹存在数据异常与定位信息缺失等质量问题,为骑行地图推断和骑行路径规划等基于轨迹的应用带来了极大挑战.为解决上述问题,提出了一个面向骑行地图推断的轨迹数据质量提升框架,包括网格索引构建、异常轨迹点的消除、徘徊轨迹段的消除、违章轨迹段的消除、漂移轨迹段的校准以及缺失轨迹的恢复等.在真实非机动车骑行轨迹数据集上进行了对比实验和消融实验,实验结果验证了所提方案对于提升骑行地图推断的精度优于现有方法.

基于降落相机图像的嫦娥三号着陆轨迹恢复

嫦娥三号降落相机在探测器实施软着陆的过程中获取了大量序列月面图像,这些图像不仅为公众提供了可视化的着陆过程,而且为着陆器在卫星遥感影像上的高精度定位提供了数据基础。在分析这些序列图像成像几何特性的基础上,提出一种利用降落序列图像进行嫦娥三号着陆器轨迹及姿态恢复的方法。首先通过序列影像进行自由网平差,建立各降落影像及月面的相对位置和姿态关系;然后通过量测卫星遥感影像及降落影像上月面标志物的尺寸,求解出建立的相对模型的尺度,从而恢复出序列降落影像在着陆过程中的带尺寸的位置和姿态;最后通过降落影像的密集匹配,完成着陆区域月表3维模型的重建。本文充分挖掘了降落相机的应用潜力,为嫦娥三号着陆任务中后续科学探测工作提供了高精度的数据支持。

深度学习辅助的多行人跟踪算法

目的目标的长距离跟踪一直是视频监控中最具挑战性的任务之一。现有的目标跟踪方法在存在遮挡、目标消失再出现等情况下往往会丢失目标,无法进行持续有效的跟踪。一方面目标消失后再次出现时,将其作为新的目标进行跟踪的做法显然不符合实际需求;另一方面,在跟踪过程中当相似的目标出现时,也很容易误导跟踪器把该相似对象当成跟踪目标,从而导致跟踪失败。为此,提出一种基于目标识别辅助的跟踪算法来解决这个问题。方法将跟踪问题转化为寻找帧间检测到的目标之间对应关系问题,从而在目标消失再现后,采用深度学习网络实现有效的轨迹恢复,改善长距离跟踪效果,并在一定程度上避免相似目标的干扰。结果通过在标准数据集上与同类算法进行对比实验,本文算法在目标受到遮挡、交叉运动、消失再现的情况下能够有效地恢复其跟踪轨迹,改善跟踪效果,从而可以对多个目标进行持续有效的跟踪。结论本文创新性地提出了一种结合基于深度学习的目标识别辅助的跟踪算法,实验结果证明了该方法对遮挡重现后的目标能够有效的恢复跟踪轨迹,适用在监控视频中对多个目标进行持续跟踪。