摘要：暴雨洪涝事件影响城市交通路网运输性能,增加城市应急通行时间.然而,现有研究主要集中于2h设计雨型下城市交通路网受损过程,对长历时特大暴雨情形则考虑不足.2023年7月,北京地区发生历史罕见的长历时特大暴雨事件,造成严重洪涝灾害.联合利用城市洪涝模型和动态交通路线规划分析,量化评估了特大暴雨事件对北京市通州区居民通过城市路网前往医院、紧急避难场所等地所需通行时间的影响.研究结果表明:(1)特大暴雨事件可使居民前往避险地点时间增加约20min;(2)短时极大雨强与前期足量积水均会显著减缓城市交通系统通行性能恢复速度,放大暴雨洪涝灾害风险.因此,在评估城市洪涝灾害风险时需综合考虑短时降雨强度超限造成的突发性失稳与长时间连续降雨致涝造成的渐进性失稳风险,并据此优化极端暴雨洪涝场景下灾害风险管控与应急资源配置.

摘要：无线通信常需要检测通信信号的调制类型,来分析估计调制参数,或发出干扰信号破坏对方通信系统。深度学习成为研究热点为调制信号识别带来了极大的便利,然而人工智能模型面临着来自对抗样本严重的威胁,这大大降低了深度机器学习任务执行的高可靠性度和安全性。针对电磁信号识别中的对抗攻击问题,使用Matlab生成数据集,并设计深度神经网络为问题研究的基础。进一步对对抗样本进行分析,结合信号理论,给出了通信信号对抗样本产生原因的分析,并研究经典的基于梯度生成的对抗样本生成算法,实现在不同攻击类型及迭代步长下的白盒攻击,可将原始模型识别率降低30%以上。仿真实验证明,卷积神经网络极易受到对抗攻击,对抗样本会对智能模型的辨识精度产生影响,对于深度学习模型的安全性与可靠性的研究具有重要价值。