摘要：4月1513太原市国土资源局组织召开了智慧城市时空信息云平台建设设计方案讨论会。太原市国土资源局副局长张占军，局测绘处、数据中心及武汉吉奥信息技术有限公司相关人员参加了会议。会上，武汉吉奥信息技术有限公司就智慧城市时空信息云平台建设的方案做了演示和详细讲解。与会人员结合太原市实际，就数据的采集、更新、共享、平台以及应用系统建设进行了认真讨论。会议强调，智慧城市云平台项目时间紧、任务重，示范应用要选择领导重视、有实力、有基础、当前城市建设需求大的部门，要做好与示范应用单位的沟通协凋、数据对接等工作，尽快完善设计方案并启动实施。

摘要：为了更好地服务北京市自然资源“两统一、一加强”职责履行,加强推进时空信息赋能经济社会高质量发展,2022年3月1日上午,北京市测绘设计研究院和自然资源部时空信息与智能服务重点实验室(以下简称实验室)签订战略合作协议。签订仪式由北京市测绘设计研究院院长牛锐主持,北京市测绘设计研究院党委书记刘虹、实验室学术委员会主任陈军院士、实验室主任刘万增、中国矿业大学(北京)赵学胜教授、市规自委调查监测处曲波副处长及相关人员一同参加了会议。

摘要：2022年3月1日上午,北京市测绘设计研究院和自然资源部时空信息与智能服务重点实验室(以下简称实验室)签订战略合作协议。杨伯钢大师介绍了北京市测绘设计研究院开展自然资源调查监测体系构建工作的思路,陈军院士做了题为“携手推进北京测绘的创新发展”的专题报告,报告分析了测绘地理信息开展创新研究的方向和目的,围绕自然资源调查监测技术体系建设、时空信息知识服务、可持续发展监测评估等三个方面介绍了当前正在开展的重点工作。

摘要：随着中国交通基础设施建设的快速发展,城市轨道交通已成为大中城市公共交通的主要组成部分.截至2023年底,我国共有59个城市开通城轨运营,总运营里程11232.65公里.地铁运营线路地处城市繁华区,周边环境复杂、安全风险因素较多;保护区内作业工程多,风险隐患多,满足"实时掌控、全局把握"的需求.我国城轨交通行业信息化建设已步入快速发展阶段,将新兴信息技术与城轨交通业务深度融合,推进城市轨道交通系统向网联化、协同化和智能化发展,成为行业主要发展方向.

摘要：3月27日--28日,“2024中关村论坛系列活动:北京智慧城市时空信息大会”在北京国际财富中心举办。在北京市科学技术协会、北京市政务服务和数据管理局、北京市规划和自然资源委员会、通州区人民政府、中国测绘学会的指导下,北京市测绘设计研究院、北京测绘学会等单位共同主办了这次活动。来自自然资源部相关司局及事业单位,天津、河北、河南、山西、黑龙江、吉林和湖南等省市学协会,北京市规划和自然资源委员会和通州区各委办局的负责同志参会。

摘要：为满足不断扩展的测绘地理信息内外部业务需求,提出了统一的时空信息数据库总体设计原则和要达到的性能指标,并基于Geodatabase数据模型,采用面向对象的方法和UML建模语言对数据库进行设计。

摘要：针对当前行为识别方法无法有效提取非欧式3维骨架序列的时空信息与缺乏针对特定关节关注的问题,该文提出了一种基于3维图卷积与注意力增强的行为识别模型。首先,介绍了3维卷积与图卷积的具体工作原理;其次,基于图卷积中可处理变长邻居节点的图卷积核,引入3维卷积的3维采样空间将2维图卷积核改进为具有3维采样空间的3维图卷积核,提出一种3维图卷积方法。针对3维采样空间内的邻居节点,通过3维图卷积核,实现了对骨架序列中时空信息的有效提取;然后,为增强对于特定关节的关注,聚焦重要的动作信息,设计了一种注意力增强结构;再者,结合3维图卷积方法与注意力增强结构,构建了基于3维图卷积与注意力增强的行为识别模型;最后,基于NTU-RGBD和MSR Action 3D骨架动作数据集开展了骨架行为识别的研究。研究结果进一步验证了基于3维图卷积与注意力增强的行为识别模型针对时空信息的有效提取能力及识别准确率。

摘要：假定图像序列的背景图像已经获得,提出一种基于时空背景差的运动目标检测算法.该算法融合背景差分、基于时间信息的帧间差分及基于空间信息的背景差分信息,得到真实运动物体的运动种子点,认为背景差分图像中包含运动种子点的连通区域为真实的前景目标,从而可以检测出正确而完整的前景目标.仿真实验表明,该算法可以避免背景模型对场景的表征不足及背景更新阶段造成的错误检测,即使在场景中存在微小运动的复杂环境下,仍能实现准确的运动分割.

摘要：针对正交异性桥面板钢箱梁桥,提出了一种基于机器视觉和BP神经网络的单车荷载识别方法.首先,基于机器视觉目标检测和图像处理技术,实现桥上行驶车辆时空参数的识别,包括车辆的横向位置、车速、车轴数和轴距等.然后,结合车辆时空参数和U肋纵桥向应变响应信号,建立BP神经网络模型来识别车辆轴重和总重.通过数值模拟验证了算法的有效性和抗噪性.最后,设计了一个钢箱梁桥模型试验进一步验证了提出的理论.试验结果表明:该方法的车辆横向位置、车速和轴距识别的最大误差分别为1.29%,-2.31%和1.79%;车辆模型总重识别最大误差为2.65%,轴重识别最大误差为4.81%,方法具有较好的精度和抗噪性能.

摘要：针对现有目标跟踪算法对快速运动弱目标跟踪效果不佳的问题,提出了一种时空连续的多特征融合孪生网络算法。首先以全卷积孪生网络为基本框架;其次设计了一种从粗到细结合空间信息和语义信息的鲁棒性特征来表达快速运动弱目标,并添加了特征注意力;最后采用时空信息连续性模型对整体信息进行有效的更新,从而选定最佳跟踪目标。在快速运动弱目标跟踪序列中,与5种不同的特征选择及更新方式的算法进行对比,所提算法表现出良好的实时跟踪效果;并将所提算法与9种不同类算法和5种同类孪生网络算法进行了对比,所提算法综合性能表现优异。实验结果表明,所提算法具有较好的鲁棒性及实时性,能有效地对快速运动弱目标进行跟踪。