请选择 目标期刊

基于微服务架构的江苏省新冠疫情大数据平台的设计与实现 下载:64 浏览:463

邢策梅1 陶金梅1 范娟娟2 瞿明霞3 《测绘科学与技术》 2020年7期

摘要:
2020年初,新冠肺炎(COVID-19)在全国大规模暴发,导致数万人感染,社会经济活动受到影响,严重威胁到人民生命健康与正常生活。以江苏省官方发布的新冠肺炎疫情相关数据为基础,基于微服务架构,综合运用时空大数据分析技术、跨平台可视化技术等,设计并实现了江苏省疫情大数据平台。平台统计分析了江苏省疫情数据,包括每日新增、累计新增、疫情地图、疫区人员迁入情况、疫情预测、病例出行信息等,向省疾病预防控制中心等相关部门提供精准高效的数据分析和决策支持服务,为政府相关部门防疫、控疫工作的实时化、可视化、精准化管理提供了重要参考和可靠保障。

基于CPIII的地铁轨道施工测量技术研究 下载:73 浏览:467

郭沈凡 程栋 《测绘科学与技术》 2020年6期

摘要:
随着城市轨道交通建设向城际交通发展,地铁列车运行时速也大大提高,轨道工程面对列车运行平顺性和乘坐舒适性等方面有了更高的要求,而传统铺轨基标的测量方法很难满足轨道高平顺性和高稳定性的要求。通过将高铁CPIII测量技术结合无砟轨道铺轨测量、轨道精调检测等技术引入到城市地铁的轨道施工中,研究了城市地铁轨道施工中CPIII控制网的布设、观测和数据处理方法,提出了基于CPIII测量技术的整体道床轨排粗调、轨排精调、轨道精调技术,并在南京地铁某城际线轨道工程实例中加以验证。通过轨道静态检测和动态检测结果显示,铺设的轨道均满足设计及规范要求,实现了南京地铁某城际线轨道的精调。通过对两种测量技术铺设轨道的平顺性检测结果比较,可知采用基于CPIII的地铁轨道测量技术比传统的铺轨基标方式具有精度高、安全可靠、有利于地铁轨道施工高效开展以及有利于运营后轨道的检测与维护等优点。

EVA装置项目中精密测控控制网的建立 下载:55 浏览:405

郭沈凡 奚冠凡 《测绘科学与技术》 2019年11期

摘要:
EVA(乙烯-醋酸乙烯共聚物)是一种广泛应用的无毒材料,其高温高压的严苛运行环境对生产设备的安装、联接都提出较高的要求。EVA装置采用厂家在工厂内制作,运抵现场后,根据预埋工件的位置进行精确拼装方式进行。由于工厂化生产可以达到较高精度,为满足全套设备的正常运行,对EVA生产装置的现场安装精度提出了很高要求。结合连云港EVA项目实践,探索了在地质条件较差的滩涂地区提供经济可行的精密控制网的方式,采用精密测控的方法对EVA装置施工过程进行控制,研究了精密测控的技术方法及数据处理方法,在实际施工过程中取得了良好的效果,为将来类似工程开展积累了经验。

地基LiDAR点云数据提取单木树高和胸径方法研究 下载:76 浏览:470

郭沈凡1 顾波2 奚冠凡1 陆晓勇1 《测绘科学与技术》 2019年6期

摘要:
林业资源是保持生态环境、维持生态平衡的重要资源,对单木参数信息的提取是林业资源调查的重要内容。利用地基三维激光点云提取单木参数具有效率高、速度快、节省人力物力等优点。在常用的Hough拟合圆柱法提取树高参数和Hough拟合圆法提取胸径参数的基础上,提出格网化拟合圆柱法和最小二乘拟合圆法分别提取单木树高参数和胸径参数,并以现场直接量测的树高和胸径参数为参考值进行对比。实验结果显示:与直接量测结果相比较,Hough变化拟合圆柱法和格网化拟合圆柱法得到的树高参数平均偏差分别为0.05m、0.003m,标准差分别为0.142m、0.002m,相关系数分别为0.87、0.99;Hough变化拟合圆法和最小二乘拟合圆法得到的胸径参数平均偏差分别为0.003 6m、0.002 5m,标准差分别为0.004m、0.003m,相关系数分别为0.60、0.91。结果表明,提出的格网化拟合圆柱法提取树高参数和最小二乘拟合圆法提取胸径参数能得到精度较高的单木参数信息。

不同分类方法在土地利用信息提取中的精度对比 下载:58 浏览:417

何立恒1 覃伟2 徐迅3 《测绘科学与技术》 2018年12期

摘要:
以东方市为研究区,对OLI影像分别采取基于像元的五种分类方法实施土地利用分类,自评和对比验证分析影像在不同分类方法、不同土地利用类型上的分类精度。研究结果表明:在相同样本量和没有辅助数据的情况下,监督分类精度高于非监督分类,支持向量机的分类方法能够较好地提取土地利用信息,各地类的用户精度、生产者精度较高,总体精度达88.13%,Kappa系数为0.86。不同地类的分类精度差异明显,建设用地和水域的分类精度较高,未利用地和耕地的分类精度较低,林地、草地、耕地等绿色植被之间存在混淆。该研究成果为合理选择分类方法应用于土地利用信息提取提供科学依据。
[1/1]
在线客服::点击联系客服
联系电话::400-188-5008
客服邮箱::service@ccnpub.com
投诉举报::feedback@ccnpub.com
人工客服

工作时间(9:00-18:00)
官方公众号

科技成果·全球共享