一种基于路网网格化的微观交通仿真模型

针对采用元胞自动机进行微观交通仿真空间分辨率较差的特点,提出了一种基于道路路网网格的微观交通仿真模型.通过在仿真前或者仿真期间设定一维车道和二维路口网格的大小,对道路路网进行不同空间分辨率的分割,但在仿真车辆运动模型方面,仍采用元胞自动机模型进行仿真.这样既保留了元胞自动机进行交通仿真的优点,又克服了该方法在空间分辨率较差方面的缺点.文中还通过仿真实验,对一维路网网格和二维路网网格大小的设置对仿真结果的影响进行了分析.分析的结果表明：不同的仿真空间分辨率对车辆的平均速度和车道/路口占有率有较大的影响,但对流量的影响不显著.     

支持组合夹具虚拟组装的快速碰撞检测方法

快速碰撞检测算法是虚拟环境下组合夹具装配设计的关键，针对组合夹具的结构特点，提出了一种基于元件级空间分割与包围盒检测相结合的快速碰撞检测算法（F-CD），通过建立检测区域的分层投影模型（LPM）实现最大限度的减少进行碰撞检测的元件对数，同时避免了建立复杂的层次模型树，降低了系统内存开销，提高检测效率。对LPM的建立和基于分离平面的包围盒干涉检测算法进行了详细的论述，并对算法进行了比较实验与性能分析。     

《最蓝的眼睛》的“百衲被”叙事结构

从对《最蓝的眼睛》的一系列叙事结构特征分析可以看出,托妮.莫里森在小说中借用了"百衲被"的叙事手法。"百衲被"的结构隐喻不但填补了小说各个章节之间的意义空白,也为黑人群体获取了多元的叙述空间,体现了莫里森作为一名黑人女性作家的女性主义立场。     

基于Agent的假日旅游数据挖掘平台的研究

建立了一种基于Agent的假日旅游数据挖掘平台,给出了对假日旅游信息进行数据挖掘的相关方法,并讨论了平台模型的体系结构和工作流程.     

深圳福田红树林区浮游藻类时空分布的研究

在2005年11月（秋）、2006年1月（冬）、2006年4月（春）,分别对深圳福田红树林保护区5个水质监测站的浮游藻类进行采样研究.共鉴定到浮游藻类5门27属52种（含1变种和9未知种）,密度在1.2×10^6～8.8×10^6个/L之间,平均密度为4.9×10^6个/L.硅藻门种类最多,有17属35种（含未知7种）,占总种类数的67.3%,而且密度最大,高达8.7×10^6个/L;最少为隐藻门的种类,尚未发现甲藻门的种类.耐污染特征的种类如极微小环藻（Cyclotella caspia）、颤藻（Oscillatoriaspp.）和小球藻（Chlorella vulgaris）是藻类群落的主要成分.各站分布的藻类群落组成季节差异明显,而种类数和密度并没有明显的季节变化.各站的优势种和优势类群存在时空差异.评价各站水质,反映出该红树林区水体处在中营养至富营养化状态.     

重庆市环城游憩带的形成及发展

介绍了环城游憩带的国内外研究现状,并以重庆市为例,给出了重庆市环城游憩带形成的有利条件,将主要的旅游资源分成地文景观、水域风光、生物景观和建筑与设施4类;对各类资源的分布特征进行了总结,指出了重庆市环城游憩带发展仍然存在交通拥挤、环境质量差、服务态度较差、宣传力度不足等问题,并提出了完善基础设施、开拓出游方式等具体解决措施。     

全局空间自相关Moran指数和G系数对比研究

研究了最常用的衡量全局空间自相关的指标:全局Moran指数和全局G系数,基于模拟的空间区域,设计了一些有代表性的空间聚集方案进行计算,比较了两种指标的探测结果。得出的初步结论是:G系数探测高值聚集的能力强于低值聚集;当研究范围内同时存在高值和低值聚集时,G系数会受聚集区域规模的影响,当高值聚集区域和低值聚集区域规模相当时,G系数往往为正数,表明G系数对高值敏感;Moran指数主要受聚集区域规模的影响,随着空间聚集范围的扩展,Moran指数会明显增大。这些结论对于探测空间自相关模式时选择何种全局指标有指导意义。     

空间数据库的数据挖掘

分析了传统数据挖掘方法面临的问题,介绍了空间数据挖掘的基本特征和空间数据库的知识发现过程,论述了几种空间数据挖掘的方法。     

Research on spatial association rules mining in two-direction

In data mining from transaction DB, the relationships between the attributes have been focused, but the relationships between the tuples have not been taken into account. In spatial database, there are relationships between the attributes and the tuples, and most of the associations occur between the tuples, such as adjacent, intersection, overlap and other topological relationships. So the tasks of spatial data association rules mining include mining the relationships between attributes of spatial objects, which are called as vertical direction DM, and the relationships between the tuples, which are called as horizontal direction DM. This paper analyzes the storage models of spatial data, uses for reference the technologies of data mining in transaction DB, defines the spatial data association rule, including vertical direction association rule, horizontal direction association rule and two-direction association rule, discusses the measurement of spatial association rule interestingness, and puts forward the work flows of spatial association rule data mining. During two-direction spatial association rules mining, an algorithm is proposed to get non-spatial itemsets. By virtue of spatial analysis, the spatial relations were transferred into non-spatial associations and the non-spatial itemsets were gotten. Based on the non-spatial itemsets, the Apriori algorithm or other algorithms could be used to get the frequent itemsets and then the spatial association rules come into being. Using spatial DB, the spatial association rules were gotten to validate the algorithm, and the test results show that this algorithm is efficient and can mine the interesting spatial rules.     

陕西省非农人口分布的空间自相关特征分析

目的从全域和局域两个角度对陕西省非农人口分布的空间结构形态进行探讨。方法采用空间自相关分析方法。结果发现陕西省非农人口分布在整体上呈显著的空间正相关,而在关中、陕南、陕北3个区域则呈现不同的空间关联结构。结论分析方法能更清楚地揭示出陕西省非农人口的空间分布模式,即呈关中地区密度高,陕南和陕北地区密度较低的不平衡局面,同时,各区县非农人口密度大的区域和密度小的区域在空间上呈现一定的积聚性特征。