-
题名基于轨迹数据的电动出租车充电需求分析
被引量：1
- 1
-
-
作者
朱攀
吴升
-
机构
福州大学数字中国研究院
空间数据挖掘与信息共享教育部重点实验室
海西政务大数据应用协同创新中心
-
出处
《城市建筑》
2020年第17期7-10,共4页
-
文摘
电动出租车充电需求分析是规划布局公共充电设施的基础,为此提出一种基于轨迹数据的电动出租车充电需求分析方法。本文通过统计和分析出租车GPS数据,拟合出租车出行链时空特征量的概率分布,利用蒙特卡洛模拟方法和轮盘赌方法抽取各特征量,构建电动出租车出行链。然后结合出租车换班特征,分别分析大班和小班两种情况下电动出租车充电需求的时空分布。利用北京市2012年的出租车GPS轨迹数据进行方法应用及案例分析。结果表明,使用该方法可较准确地模拟北京市出租车的出行特征,充电需求的时空分布较为合理。
-
关键词
电动出租车
充电需求
出行链
蒙特卡洛模拟
轮盘赌算法
-
Keywords
electric taxi
charging demand
travel chain
Monte Carlo simulation
roulette algorithm
-
分类号
U495
[交通运输工程—交通运输规划与管理]
-
-
题名闽江流域水质时空分布特征及污染源解析
被引量：23
- 2
-
-
作者
汤云
卢毅敏
吴升
-
机构
福州大学福建省空间信息工程研究中心
福州大学数据挖掘与信息共享教育部重点实验室
福州大学海西政务大数据应用协同创新中心
-
出处
《长江科学院院报》
CSCD
北大核心
2019年第8期30-35,48,共7页
-
基金
数字福建建设项目(闽发改网高技函[2013]84号,闽发改网数字函[2016]23号)
福建省科技创新平台项目(2015H2001)
-
文摘
为了解闽江流域河流中的污染物来源和水质时空分布特征,利用2014年1月至2017年2月流域内20个监测断面的8项水质指标月均值监测数据,采用多元统计方法对水质的时空变化规律及其影响因素进行分析。结果表明:流域水质在时间上可划分为T1时段(4—12月份)、T2时段(1—3月份);T1时段水质较好,氨氮是主要污染物,污染源以农业污染为主;T2时段的主要污染物是氨氮和总磷。在空间上可划分为3个群组。S1组主要位于建溪下游、沙溪、大樟溪、闽江干流,水质最差,污染物以营养盐为主,耗氧有机物次之,污染源为福州、三明、南平市的工业废水、生活污水、农业和禽畜养殖污水;S2组位于沙溪下游、富屯溪,水质最好,污染物主要是面源污染中的营养盐污染,水体自净能力良好;S3组位于建溪中上游、富屯溪中上游,污染源主要是农业面源污染。研究成果可为闽江流域的污染治理和水质改善提供参考。
-
关键词
水质分析
时空分布
污染源识别
多元统计方法
闽江流域
-
Keywords
water quality analysis
spatio-temporal distribution
pollutants source identification
multivariate statistical method
Minjiang River watershed
-
分类号
X824
[环境科学与工程—环境工程]
-
-
题名基于多源遥感的森林地上生物量KNN-FIFS估测
被引量：27
- 3
-
-
作者
韩宗涛
江洪
王威
李增元
陈尔学
闫敏
田昕
-
机构
福州大学地理空间信息技术国家地方联合工程研究中心
中国林业科学研究院资源信息研究所
国家林业和草原局调查规划设计院
海西政务大数据应用协同创新中心
-
出处
《林业科学》
EI
CAS
CSCD
北大核心
2018年第9期70-79,共10页
-
基金
中央级公益性科研院所基本科研业务费专项资金“森林资源动态变化时空连续监测方法研究”(CAFYBB2017QC005)。
-
文摘
【目的】针对多源遥感数据及其派生特征因子数据维度高、信息冗余、易造成估测模型过拟合等问题,从高维度遥感特征因子中高效优化特征组合,优化区域森林地上生物量(AGB)的k最近邻(k-NN)估测模型。【方法】提出基于快速迭代特征选择的k最近邻法(KNN-FIFS),以森林资源样地调查数据计算的森林AGB为参考,以留一法交叉验证(LOO)相应的k-NN模型反演的森林AGB均方根误差(RMSE)最小为原则,依次迭代选取遥感特征,优化区域森林AGB的k-NN估测模型。以大兴安岭根河森林保护区为研究区,结合Landsat-8 OLI各波段光谱信息、植被指数、纹理、地形因子、机载合成孔径雷达(SAR)P-波段HV极化后向散射强度信息(PHV)以及森林资源样地调查数据,利用KNN-FIFS方法估测研究区森林AGB,并与多元线性逐步回归法(SMLR)进行对比分析。【结果】利用KNN-FIFS方法,得到当k为3,特征组合为PHV、短波红外波段一均一性(H6)、短波红外波段一二阶矩(S6)、短波红外波段二二阶矩(S7)、海蓝波段相关性(Cr1)、近红外波段相关性(Cr5)、海蓝波段相异性(D1)、增强型植被指数(EVI)时,研究区森林AGB估测结果最优,其精度(R^2=0.77,RMSE=22.74 t·hm^(-2))显著优于SMLR估测精度(R^2=0.53,RMSE=32.37 t·hm^(-2))。【结论】KNN-FIFS方法相比SMLR更适用于森林AGB多源遥感估测;KNN-FIFS方法可以从高维度遥感特征因子中高效选取相关特征进行森林AGB估测。
-
关键词
KNN-FIFS
特征选择
地上生物量
-
Keywords
KNN-FIFS
feature selection
above-ground biomass(AGB)
-
分类号
S757
[农业科学—森林经理学]
-
