-
公开(公告)号：CN119719832B
公开(公告)日：2025-05-16
申请号：CN202510216690.2
申请日：2025-02-26
Applicant: 中南大学 , 中国科学院空天信息创新研究院
IPC: G06F18/23213 , G06F18/22 , G06F123/02
Abstract: 本申请涉及运动模式识别技术领域，提供了一种基于移动目标轨迹的运动模式挖掘方法及相关设备。该方法包括：基于所有轨迹数据获取每个移动目标对的距离变化序列；根据所有距离变化序列计算汇聚率和分离率，并根据汇聚率和分离率从所有移动目标中确定出多个汇聚移动目标和多个分离移动目标；根据在当前时刻的轨迹数据，对汇聚移动目标进行聚类，得到多个汇聚聚类簇，并根据在第1个时刻的轨迹数据，对分离移动目标进行聚类，得到多个分离聚类簇；将每个汇聚聚类簇中所有移动目标在时间段内的运动作为一汇聚模式，将每个分离聚类簇中所有移动目标在时间段内的运动作为一分离模式。本申请的方法能够提高运动模式挖掘的泛用性和可靠性。
-
公开(公告)号：CN118245821A
公开(公告)日：2024-06-25
申请号：CN202410624902.6
申请日：2024-05-20
Applicant: 中南大学
Abstract: 本发明提供了一种室内POI数据的位置纠正与匹配方法及介质，方法包括：基于POI形状与建筑物轮廓形状相似性的POI位置纠正；建立顾及POI与建筑物空间位置和语义属性约束的POI与建筑物关联；匹配POI与建筑物空间位置，使POI与建筑物精确匹配。本发明从POI与建筑物的空间形态分布、位置依赖与语义信息依赖的多个视角出发来解决室内POI数据的位置纠正以及其与关联建筑物之间的匹配问题，顾及了空间位置与语义属性约束的POI与建筑物匹配，充分考虑了POI与建筑物的空间分布、空间距离和语义信息，可以更准确的将POI与建筑物进行匹配，可以服务于更加准确和全面的地理信息关联查询等方面。
-
公开(公告)号：CN117575102A
公开(公告)日：2024-02-20
申请号：CN202311709352.X
申请日：2023-12-13
IPC: G06Q10/04 , G06N3/0464 , G06N3/08 , G06F17/16 , G06Q50/26
Abstract: 本申请适用于时空大数据挖掘技术领域，提供了一种PM2.5浓度预测方法、系统、终端设备及介质，该方法通过获取PM2.5浓度数据、气象数据、土地利用数据以及DEM数据；计算网格之间的三维地形距离，构建PM2.5空间传输图；依次构建静态协变量矩阵、PM2.5浓度矩阵以及动态协变量矩阵；将构建的特征属性变量嵌入PM2.5空间传输图，得到高维特征向量；对高维特征向量进行时序嵌入，得到稠密向量；构建初始PM2.5浓度预测模型，并利用稠密向量和预先设置的精度损失函数对其训练；利用训练后的PM2.5浓度预测模型，对PM2.5浓度进行预测。本申请能提高PM2.5浓度预测的准确性。
-
公开(公告)号：CN112002012B
公开(公告)日：2022-07-08
申请号：CN202010871200.X
申请日：2020-08-26
Applicant: 中南大学
IPC: G06T17/20
Abstract: 本发明公开了一种城市区域的可视性分析方法，包括获取待分析区域的DEM数据；对待分析区域内的建筑物轮廓数据进行修正；采用视线扫描法对待分析区域内目标点的视域进行分析；计算待分析区域内目标点处的各个建筑物的视域值；计算得到待分析区域内目标点的视域值并完成目标点的可视性分析。本发明采用DEM数据和建筑物轮廓数据进行可视性分析和可视域计算，顾及了矢量数据的精细特点和规则格网高程数据的细粒度对可视分析结果的影响；因此本发明方法能够对城市区域的可视性进行分析，而且分析过程简单快捷、精度较高且可靠性高。
-
公开(公告)号：CN116628462B
公开(公告)日：2023-10-31
申请号：CN202310882506.9
申请日：2023-07-19
Applicant: 中南大学
Abstract: 本发明实施例中提供了一种城市三维空间用地功能属性识别与时空变化监测分析方法，属于数据处理技术领域，具体包括：对目标区域的POI数据的地址信息进行正则计算，得到楼层信息；POI数据和楼层信息进行校正；对校正后的楼层信息根据楼层数划分统计类别；计算三维功能强度频率指数和类型比例；计算功能属性类型，得到目标区域的用地功能属性识别结果；利用目标区域不同年份的POI数据得到多个三维用地功能属性识别结果，根据楼层的功能属性识别结果进行差异计算，得到目标区域的功能属性时空变化结果。通过本发明的方案，提高了识别城市建筑物三维空间用地功能属性及其时空变化监测的效率、适应性和精准度。
-
Patent Agency Ranking
公开(公告)号：CN116628462A
公开(公告)日：2023-08-22
申请号：CN202310882506.9
申请日：2023-07-19
Applicant: 中南大学
Abstract: 本发明实施例中提供了一种城市三维空间用地功能属性识别与时空变化监测分析方法，属于数据处理技术领域，具体包括：对目标区域的POI数据的地址信息进行正则计算，得到楼层信息；POI数据和楼层信息进行校正；对校正后的楼层信息根据楼层数划分统计类别；计算三维功能强度频率指数和类型比例；计算功能属性类型，得到目标区域的用地功能属性识别结果；利用目标区域不同年份的POI数据得到多个三维用地功能属性识别结果，根据楼层的功能属性识别结果进行差异计算，得到目标区域的功能属性时空变化结果。通过本发明的方案，提高了识别城市建筑物三维空间用地功能属性及其时空变化监测的效率、适应性和精准度。
-
公开(公告)号：CN114973657A
公开(公告)日：2022-08-30
申请号：CN202210512979.5
申请日：2022-05-12
Applicant: 中南大学
Abstract: 本发明提供了一种基于轨迹数据的城市交通噪声污染分析与评估方法，包括道路交通噪声数据采集、车辆轨迹数据获取、开放街景地图数据获取；基于开放街景地图数据的车辆轨迹数据地图匹配；路段交通速度和流量计算；将道路交通噪声数据集与路段进行匹配，获取训练数据集；建立道路交通噪声与路段交通速度、流量、道路等级之间的BP神经网络交通噪声预测模型；基于训练好的噪声预测模型进行其他路段噪声分布预测；绘制区域交通噪声地图。本发明为实现城市道路交通噪声时空分布状态的全范围、细粒度的动态监测与可视化提供了解决思路和技术支撑，在城市噪声污染治理、城市区域环境与宜居性评价、购租房推荐和城市规划等领域具有重要应用价值。
-
公开(公告)号：CN113949783A
公开(公告)日：2022-01-18
申请号：CN202111211805.7
申请日：2021-10-18
Applicant: 中南大学
Abstract: 本公开实施例中提供了一种基于纹理复杂度分类的遥感图像快速加密方法，属于图像处理技术领域，具体包括：获取目标图像的波段数以及每个波段的二维像素值矩阵，并根据预设图像分块大小对每个二维像素值矩阵进行扩充及图像分块，得到每个二维像素值矩阵对应的图像分块集合；根据信息熵对每个图像块进行分类；分别对不同类型的图像块进行分等级加密，并将加密后的图像块按照图像分块的顺序进行拼接，得到加密矩阵；整体置乱，得到密文图像。通过本公开的方案，根据预设图像分块大小进行图像分块，并针对遥感图像本身的纹理特征，进行图像纹理复杂度分类，进而针对不同复杂度类型的图像，采取不同的加密算法，提高了遥感图像的加密效率和安全性。
-
公开(公告)号：CN113901159A
公开(公告)日：2022-01-07
申请号：CN202111152918.4
申请日：2021-09-29
Applicant: 中南大学
Abstract: 本公开实施例中提供了一种基于多级空间索引的矢量数据网络传输局部加解密方法，属于数据处理技术领域，具体包括：根据矢量地理数据的类型获取其要素位置及属性信息，以最小外接矩形构建R*树索引，并生成要素集合；生成初始参数值，并计算分岔参数和秘钥字符串；计算参数值，以及，将点坐标集合的余弦变换结果加密并将加密结果混沌随机置乱；根据查询指令在R*树索引中进行局部区域搜索，并将搜索到的叶子节点要素集合定义为目标集合；将秘钥字符串转换为数值后计算参数值，以及，进行混沌随机反置乱并将反置乱的结果的余弦反变换代入解密公式，得到解密结果。通过本公开的方案，提高了矢量数据在网络传输过程中的传输效率、安全性和适应性。
-
公开(公告)号：CN116385994A
公开(公告)日：2023-07-04
申请号：CN202310394013.0
申请日：2023-04-13
Applicant: 中南大学
Abstract: 本发明提供了一种三维道路线提取方法及相关设备，包括：基于车载平台获取研究区域的双目影像数据以及惯导定位数据；根据惯导定位数据，对双目影像数据进行视差估计，得到视觉三维点云；在研究区域中确定以双目相机为圆心、预设距离为半径的区域作为目标区域，提取目标区域内的视觉三维点云，并对目标区域内的视觉三维点云进行转换，得到目标区域的路面鸟瞰图和点云高程图；将路面鸟瞰图和点云高程图输入车道线检测网络进行道路线提取，得到三维道路线以及道路线的三维坐标；与现有技术相比，克服了目前车载影像中道路线识别方法精度低、鲁棒性较差和检测成本过高等问题，提升车载影像中道路线检测的效率和质量。
-
-
-
-
-
-
-
-
-
Search Results
16
records
(took 0.025 seconds)
