一种交通路网时空可达性的可视化隐喻表达方法及系统

    公开(公告)号:CN109166307B

    公开(公告)日:2021-11-05

    申请号:CN201810619398.5

    申请日:2018-06-15

    Inventor: 江宝得 吴亮 谢忠

    Abstract: 本发明提供了一种交通路网时空可达性的可视化隐喻表达方法及系统,一种交通路网时空可达性的可视化隐喻表达方法,以交通路网作为空间可达性约束,以交通路网的通行时间作为时间可达性约束,对交通路网中各中心点之间的时空可达性构建等时线圈,并基于等时线圈构建虚拟地形,通过地貌所呈现的地形起伏变化隐喻表达各中心点之间的时空可达性;一种交通路网时空可达性的可视化隐喻表达系统,用于实现一种交通路网时空可达性可视化隐喻表达方法。本发明的有益效果是:利用地图隐喻思想,将复杂的时空可达性转换为相应位置的地形数据,直观地展现出交通路网的时空可达性。

    一种基于遥感影像和多源数据的屋顶绿化优先级计算方法

    公开(公告)号:CN113128845A

    公开(公告)日:2021-07-16

    申请号:CN202110332365.4

    申请日:2021-03-29

    Abstract: 本发明提供了一种基于遥感影像和多源数据的屋顶绿化优先级计算方法,包括:获取遥感影像,通过遥感影像采用深度卷积神经网络检测获取计算区域;计算区域即为:需要进行建筑物屋顶绿化优先级判断的区域;基于多源数据对计算区域进行空间叠加,定量计算屋顶绿化的优先级;所述多源数据包括:年均温度、年降雨量、建筑物到公园绿地距离和建筑物交通拥堵程度。本发明从定性与定量角度分析实施屋顶绿化的建筑物,评价每个建筑屋顶的绿化优先级。从建筑属性和绿化需求两个方面构建屋顶绿化指标体系,然后,结合多源数据,给出屋顶绿化指标的定量计算方法,最后进行屋顶绿化优先级评价,结合建筑物的实际情况,定性和定量分析屋顶绿化实施的优先级方案。

    一种基于空洞卷积的高时序3D神经网络的动作识别方法

    公开(公告)号:CN110334589B

    公开(公告)日:2021-05-14

    申请号:CN201910436122.8

    申请日:2019-05-23

    Abstract: 本发明提供了一种基于空洞卷积的高时序3D神经网络的动作识别方法,包括:首先对三维Inception‑V1神经网络模型进行改进,得到改进后的三维Inception‑V1神经网络模型;然后将公开数据集分为训练集和测试集对改进后的三维Inception‑V1神经网络模型进行训练和测试,得到训练后的高精度三维Inception‑V1神经网络模型;最后采用训练后的高精度三维Inception‑V1神经网络模型对实际视频的动作进行识别。本发明的有益效果是:本发明所提出的技术方案在保持高时序性的同时引入新的非局部特征门算法来重新定义三维Inception‑V1神经网络模型通道权重,提高了模型准确率。

    一种面向三维场景的矢量图标绘制方法及装置

    公开(公告)号:CN110851118B

    公开(公告)日:2021-03-23

    申请号:CN201910997448.8

    申请日:2019-10-21

    Abstract: 本发明公开了一种面向三维场景的矢量图标绘制方法及装置,本发明的矢量图标绘制方法包括:1)各种图标对象(规则/不规则)的定义;2)设计实现各图标对象的几何算法;3)绘制图标对像,保存其基本属性;4)针对各种图标对象进行编辑逻辑的设定。本发明包含规则和非规则两类图标绘制及编辑,可灵活扩展,适用于各类专业组合图元的绘制和编辑。本发明适用于桌面端、Web端、移动端各类型图标绘制场景,已在各端应用中实践。同时该方案虽为三维绘制,但可灵活扩展,适用于各类专业组合图元的绘制和编辑,亦可稍作调整适用于二维图标的绘制和编辑。该图标绘制算法成熟、稳定,已通过各大开源地图平台实际应用予以验证,具备较大推广价值。

    可扩展的适应二三维场景的矢量标绘图形态势推演方法

    公开(公告)号:CN111145292A

    公开(公告)日:2020-05-12

    申请号:CN201911264640.2

    申请日:2019-12-11

    Abstract: 本发明公开了一种可扩展的适应二三维场景的矢量标绘图形态势推演方法。矢量标绘图形态势推演与仿真可提供丰富直观的战场态势表达和有序的态势推演过程,有助于指挥人员快速制定作战计划、赢得作战时间,从而对获取作战的胜利具有重大的指导意义。本发明主要包含如下几个关键步骤:设计各类矢量标绘图形态势规则;设计实现矢量标绘图形及态势文件管理;编辑矢量标绘图形态势;实现矢量标绘图形态势模拟。本发明适用于桌面端、Web端、移动端各端矢量标绘图形态势推演应用,可应用到二维地图场景和三维地图场景中,而且本发明设计上具有良好的扩展性,支持其它矢量标绘图形类型的扩展;本发明可灵活扩展,适用于各类专业组合图元动画类方案制作。

    一种用于浅水测深的单波段蓝绿激光波形分析方法及系统

    公开(公告)号:CN110135299A

    公开(公告)日:2019-08-16

    申请号:CN201910361067.0

    申请日:2019-04-30

    Abstract: 本发明公开了一种用于浅水测深的单波段蓝绿激光波形分析方法及系统,该方法采用高斯函数对滤波去噪平滑后的测深波形信息建模,利用能量大小自顶向下的高斯分解确定初始高斯分量位置,根据检测到的波峰的左右拐点确定分量所处的类别,分别估计初始参数,依据高斯分量宽度与系统波形脉宽阈值比较,在去除无效的初始高斯分量后,进一步优化高斯分量参数和个数,并进行非线性最小二乘法迭代将波形数据精确分解。具有如下优点:能有效地分解出回波信号中的叠加波和弱波分量并进行分类,采用阈值限制和循环迭代,提高了水面水底峰值点的准确度,有效测量浅水深度。

    顾及访问热度的网络空间信息服务高性能内存缓存方法

    公开(公告)号:CN105915619B

    公开(公告)日:2019-07-05

    申请号:CN201610283274.5

    申请日:2016-04-29

    CPC classification number: Y02D50/10

    Abstract: 本发明公开了一种顾及访问热度的网络空间信息服务高性能内存缓存方法,包括以下步骤:服务器端接收客户端发送的空间数据请求,获得请求的访问地址;将地址作为关键字在全局内存缓存中检索缓存对象,如果检索没命中,则将客户端请求地址作为关键字从临时缓存中检索对应的临时缓存对象,若检索命中,根据临时缓存对象的访问次数决定是否加入全局内存缓存中,若未命中,则将当前请求信息加入到临时缓存。本发明方法能够控制缓存模块仅将访问热度达到一定阈值的空间数据缓存到有限的服务器内存中,减少内存缓存的置换次数,避免过多地对内存缓存数据进行淘汰处理,提高服务器端的内存缓存性能和网络空间信息服务的并发访问性能。

    一种基于居民地上下文空间信息的聚类方法及系统

    公开(公告)号:CN109101998A

    公开(公告)日:2018-12-28

    申请号:CN201810770098.7

    申请日:2018-07-13

    Abstract: 本发明提出了一种基于居民地上下文空间信息的聚类方法及系统,详细和准确的城市建筑模式信息对于城市设计、景观评价、社会分析和城市环境研究至关重要,为了实现对居民地多边形的聚类分析,本发明提出一种简单而新颖的方法,通过数据融合获得带有生成带Lidar点云数据属性和Footprint数据属性的综合数据,利用该数据确定各建筑物间的邻近关系及相邻建筑物间的权重,通过基于最小生成树的谱聚类中切割图论方法,最后将该方法得到最优生成森林作为聚类结果。本发明的聚类方法得到的聚类结果更为客观、可靠。

    用于高频交互环境的网络地图请求快速响应方法

    公开(公告)号:CN105069058B

    公开(公告)日:2018-11-27

    申请号:CN201510445959.0

    申请日:2015-07-24

    Abstract: 本发明公开了一种用于高频交互环境的网络地图请求快速响应方法,该方法包括以下步骤:初始化浏览器地图显示窗口;获取浏览器的最大网络连接数c;创建并启动c个网络地图请求队列处理线程;计算网络地图窗口内需要渲染的地图图像个数t;将网络地图请求加入到网络地图请求队列的末尾;从网络地图请求队列中选择一个未加载的网络地图请求;发送网络地图图像请求;设置网络地图图像状态为已加载状态,并显示地图图像。本发明能够根据浏览器对网络连接数的限制控制网络地图并发请求的个数,并能够自动剔除无效的网络地图请求,适应高频交互环境下网络地图的快速浏览,尤其是在低带宽网络环境下,能够实现高频交互环境下的网络地图请求的快速响应。

    移动设备坠落检测方法及其模型形成方法与移动设备

    公开(公告)号:CN108009572A

    公开(公告)日:2018-05-08

    申请号:CN201711175453.8

    申请日:2017-11-22

    Abstract: 一种移动设备坠落检测方法及其模型形成方法与移动设备,包括:监听移动设备加速度传感器变化事件,采集三轴加速度数据集,计算合加速度、合加速度标准差、合加速度偏度、合加速度峰度,作为合加速度特征数据集,为每条特征样本数据添加标签列,得到带有标签的合加速度特征数据集,将带有标签的合加速度特征数据集输入到机器学习算法中进行训练,得到移动设备坠落预测模型;实时获取移动设备的加速度数据,得到当前时刻的合加速度特征值,将计算得到的合加速度特征值作为参数,调用模型进行预测。本发明基于合加速度进行特征提取,基于机器学习算法,建立了一种便捷、高效和精准的移动设备坠落预测模型,实现移动设备坠落状态的实时检测。

Patent Agency Ranking