安全驱动的城市交叉口自适应信号控制方法

为提升城市交叉口的交通安全,提出1种安全驱动的自适应交通信号控制方法,以交通安全提升为主,同时优化通行效率和尾气排放。基于多目标深度强化学习,构建信号控制算法框架和双重决斗深度Q网络模型,使用离散交通状态编码定义当前交通状态,利用卷积神经网络提取状态特征。针对不同奖励函数量纲无法统一的问题,设计综合奖励函数。基于长沙市交叉口场景和交通流数据,在SUMO搭建实验环境。研究结果表明：在单交叉口真实流量和模拟流量场景下,与现有交通信号控制相比,所提方法在交通冲突频率、车辆行车延误、CO₂排放等指标上都表现出更好的性能。研究结果可为城市交叉口安全优化提供参考。     

青藏铁路50年内不惧冻土

青藏铁路有553公里从冻土区经过,而高原冻土的融沉和冻胀,会造成路面的坑坑洼洼,给行车留下安全隐患。因此曾有“青藏线10年后会因冻土退化出现安全问题”的说法,对此,风火山观测站对外宣称,青藏铁路能够克     

砒砂岩区不同留茬高度及坡向下沙棘根系分形特征

为提高内蒙古砒砂岩区沙棘(Hippophae rhamnoides)人工林根系的生长能力,对东(E)、南(S)、西(W)、北(N)不同坡向沙棘植株进行了距地表0、10、15、20 cm(即a、b、c、d)留茬高度处理,而根系分形特征是植物根系构型应对环境异质性的表型可塑性,为反映沙棘根系对不同坡向不同留茬生长环境的适应...     

福建夏初不同山区背景点气溶胶数浓度特征及潜在源区

随着全球经济的发展,快速城市化使生态环境受到严重威胁,已成为全球的研究热点。以福建为例,利用细颗粒物测量仪Fidas Frog研究福建山区夏初时段不同背景下气溶胶数浓度的污染特征及周边城市化对其的影响,2017年6月分别在福建宁德古田(县城)、南平玉山(清洁地区)和福州七星坪(城市郊区)进行连续观测。结果表明,观测期间不同观测点颗粒物数浓度呈不同特征:古田气溶胶数浓度主要集中在小于400 nm处,气溶胶数浓度平均值为434.37 cm~(-3);玉山作为清洁地区,其平均气溶胶数浓度最低,积聚模态(0.18～1.00μm)和粗粒子模态(1.00～20.00μm)颗粒物数浓度相当;七星坪气溶胶平均数浓度最高,其气溶胶数浓度主要集中在小于500 nm处;古田和玉山数浓度粒径谱呈双峰型分布,而七星坪数浓度粒径谱呈单峰型分布。通过对后向轨迹聚类及气溶胶数浓度的潜在源权重分析,得到古田强潜在源区为观测点以南区域,受古田县城人为活动影响较大;玉山和七星坪强潜在源区都在观测点西南区域,七星坪积聚模态气溶胶主要来自厦门、泉州、莆田和福州等沿海城市。     

多业态高层建筑消防管理办法研究

大型城市商业综合体逐渐成为城市的地标式建筑,全国各地城市兴建了大量商业综合体。这些商业综合体集餐饮、休闲、娱乐、办公、会议、住宿等为一体,建筑楼层多、楼层高、建筑面积广、内部空间大、上下贯通、人流量大、功能多、业态复杂,增加了建筑消防管理难度。一旦发生火灾,火势迅速蔓延、灭火难度大、人员疏散困难,因此对多业态高层建筑消防管理工作提出新的挑战。本文首先分析了高层建筑消防特点,探讨了多业态高层建筑消防管理存在的消防管理责任不明确、消防设施保养不及时等问题,并根据这些问题提出要落实消防责任主体,加强消防设施保养。     

基于Landsat多光谱与PALSAR/PALSAR-2数据的汉江流域森林覆盖变化研究

汉江流域是南水北调中线工程的水源地,森林覆盖对于保障水源地生态安全具有重要作用.为监测汉江流域2007～2017年森林变化情况,以Landsat多光谱数据与ALOS(Advanced Land Observation Satellite)雷达遥感数据为基础,在GooSe Earth Engine平台上对数据进行处理分析,根据区域特点,选取9个特征指数,利用随机森林分类算法,提取2007和2017年森林分布,监测汉江流域森林覆盖变化.结果 表明:结合Landsat多光谱数据与ALOS雷达遥感数据的分类精度最高,2007年森林分类整体精度为98.0％,2017年森林分类整体精度为98.6％,精度明显高于单独使用Landsat多光谱数据或ALOS雷达数据的森林分类结果;2007 ～ 2017年十年间汉江流域森林面积增加了5 653.21 km2;森林呈现增多的区域主要分布在河南省的西峡县、南召县和丹江口水库附近,而森林呈现减少的区域在荆门市、十堰市和汉中市附近区域.     

多中心作用下大城市房价空间分异的特征及影响因素——以合肥市为例

随着城镇化水平迅速提高,大城市通过外延式扩张与内涵式发展逐渐形成了多中心,在多中心作用下城市空间,尤其是房价空间的变化表现出异质性与复杂性.以快速发展的合肥市为例,从不同空间尺度利用地统计法研究城市房价的空间分异特征,并通过构建特征价格模型分析房价空间分异的主导因素,以揭示城市空间结构与房价空间分异的逻辑关联.结果表明:(1)在主城区尺度上,房价空间分布与多中心结构相符,在各中心范围内形成了 3个高房价区;(2)在中心区尺度上,各中心区房价呈现出圈层与扇形相混合的分布特征,不同规模等级的中心对其周边房价影响范围的差异,形成了不同的空间变异模式;(3)影响房价空间分异的三类特征中,结构特征与邻里特征在主城区尺度上对房价空间分异产生了较大的作用;(4)不同功能的中心区房价空间分异的主导因素各异,区位特征对旧城中心的影响最大,结构特征与区位特征均对行政中心有较大影响,结构特征是新区中心影响房价最主要的因素.