基于深度学习和高分辨率遥感图像的车流量统计

针对现有的方法对地面道路上车辆检测率不高的问题,提出一种基于深度学习和高分辨率遥感图像的车辆检测方法.对高分辨率遥感图像道路进行感兴趣提取,并采用改进的YOLOv3模型对车辆进行多目标检测,利用多尺度特征进行对象检测.确定了训练流程,在高分辨率遥感图像数据集上进行训练,采用准确率、召回率、F值作为评价指标进行了图像识别检测试验.结果表明：采用文中方法对高分辨率遥感图像进行分析,得到的准确率、召回率和F值分别为98.01%、97.23%和97.57%,并且能通过检测结果统计得到每秒的车流量.该方法可作为地面车辆分布信息监测的一种有效补充方式.     

新常态下中国大城市绿色增长效率研究

为提升城市化进程下生态文明建设水平和绿色发展质量,研究城市绿色增长效率特征,基于全国46个最具代表性的大城市的经济产出、资源投入、环境排放3个子系统的指标,采用综合指标评价方法和多重对应分析方法,分析大城市在新常态下的绿色增长效率特征。结果表明:大城市绿色增长效率呈现东高西低、南高北低的格局,城市级别越高、人口规模越大,绿色增长效率越高;变化方面,重工业城市在新常态时期的绿色增长效率总体提升幅度较小,而西南、西北地区的城市分别在经济产出、资源投入、环境排放方面有较显著改善。基于分析结果,文中提出:在推动城市绿色发展的过程中,应针对发达大城市、区域中心城市、重工业依赖型城市等各类城市的发展特点,分别制定提高城市绿色增长效率战略,走差异化的绿色发展道路。