CN108074018A - 一种基于gis城市人员空间分布的预警分析方法 - Google Patents

一种基于gis城市人员空间分布的预警分析方法 Download PDF

Info

Publication number
CN108074018A
CN108074018A CN201711446409.6A CN201711446409A CN108074018A CN 108074018 A CN108074018 A CN 108074018A CN 201711446409 A CN201711446409 A CN 201711446409A CN 108074018 A CN108074018 A CN 108074018A
Authority
CN
China
Prior art keywords
city
residence
population
crime
spatial distribution
Prior art date
Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
Pending
Application number
CN201711446409.6A
Other languages
English (en)
Inventor
蔡艺振
陈铭龙
许辉奇
Current Assignee (The listed assignees may be inaccurate. Google has not performed a legal analysis and makes no representation or warranty as to the accuracy of the list.)
Fujian Wei Shield Technology Co Ltd
Original Assignee
Fujian Wei Shield Technology Co Ltd
Priority date (The priority date is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the date listed.)
Filing date
Publication date
Application filed by Fujian Wei Shield Technology Co Ltd filed Critical Fujian Wei Shield Technology Co Ltd
Priority to CN201711446409.6A priority Critical patent/CN108074018A/zh
Publication of CN108074018A publication Critical patent/CN108074018A/zh
Pending legal-status Critical Current

Links

Classifications

    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06Q—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES; SYSTEMS OR METHODS SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES, NOT OTHERWISE PROVIDED FOR
    • G06Q10/00—Administration; Management
    • G06Q10/04—Forecasting or optimisation specially adapted for administrative or management purposes, e.g. linear programming or "cutting stock problem"
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06F—ELECTRIC DIGITAL DATA PROCESSING
    • G06F16/00—Information retrieval; Database structures therefor; File system structures therefor
    • G06F16/20—Information retrieval; Database structures therefor; File system structures therefor of structured data, e.g. relational data
    • G06F16/29—Geographical information databases
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06Q—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES; SYSTEMS OR METHODS SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES, NOT OTHERWISE PROVIDED FOR
    • G06Q50/00—Information and communication technology [ICT] specially adapted for implementation of business processes of specific business sectors, e.g. utilities or tourism
    • G06Q50/10—Services
    • G06Q50/26—Government or public services
    • G06Q50/265—Personal security, identity or safety

Landscapes

  • Engineering & Computer Science (AREA)
  • Business, Economics & Management (AREA)
  • Theoretical Computer Science (AREA)
  • Human Resources & Organizations (AREA)
  • General Physics & Mathematics (AREA)
  • Tourism & Hospitality (AREA)
  • Physics & Mathematics (AREA)
  • Economics (AREA)
  • Strategic Management (AREA)
  • General Business, Economics & Management (AREA)
  • Development Economics (AREA)
  • Databases & Information Systems (AREA)
  • Marketing (AREA)
  • Entrepreneurship & Innovation (AREA)
  • Quality & Reliability (AREA)
  • Health & Medical Sciences (AREA)
  • Computer Security & Cryptography (AREA)
  • Game Theory and Decision Science (AREA)
  • General Health & Medical Sciences (AREA)
  • Operations Research (AREA)
  • Educational Administration (AREA)
  • Primary Health Care (AREA)
  • Remote Sensing (AREA)
  • Data Mining & Analysis (AREA)
  • General Engineering & Computer Science (AREA)
  • Management, Administration, Business Operations System, And Electronic Commerce (AREA)
  • Alarm Systems (AREA)
  • Traffic Control Systems (AREA)

Abstract

本发明涉及一种基于GIS城市人员空间分布的预警分析方法，其采用地图引擎对GIS相关信息进行操作，获取城市犯罪在空间分布的规律并以地图的形式表达；通过地理信息系统和GIS人口密度空间化的方法建立城市人员空间分布模型，模拟与预测城市人员行为未来空间分布；然后通过对城市犯罪与城市出行人数之间关系的建模，分析判断在地理空间背景下的犯罪行为主导因素，预测城市未来犯罪发生的可能性；从而为完成最佳警力部署、调整巡逻区域、制定新的防范策略、为预防和打击犯罪提供决策依据。

Description

一种基于GIS城市人员空间分布的预警分析方法
技术领域
本发明涉及城市安全管理技术领域，具体涉及一种基于GIS城市人员空间分布的预警分析方法。
背景技术
地理信息系统(GIS)用于人员犯罪分析领域，可使警务人员通过简单的操作完成强大的犯罪分析功能，降低犯罪分析尤其是犯罪空间分析的难度。伴随着桌面地理信息系统的快速发展，极大地推动了GIS在城市人员犯罪分析方面的运用。目前中国警用地理信息系统的建设和空间数据库的建设和应用正处于起步阶段。
发明内容
本发明的目的在于提供一种基于GIS城市人员空间分布的预警分析方法，通过对城市犯罪与城市出行人数之间关系的建模，分析判断在地理空间背景下的犯罪行为主导因素，预测城市未来犯罪发生的可能性，从而为完成最佳警力部署、调整巡逻区域、制定新的防范策略、为预防和打击犯罪提供决策依据。
为实现上述目的，本发明采用的技术方案是：
一种基于GIS城市人员空间分布的预警分析方法，其通过将犯罪案件的实际发生位置导入到城区现状图中，进行数字处理，并与城市电子矢量地图、影像地图进行叠加，获取犯罪数据空间分布图；基于GIS人口密度空间化的方法建立城市人员空间分布模型，并通过该城市人员空间分布模型获取城市出行人数；最后结合犯罪数据空间分布图和城市出行人数获取城市出行人数与城市犯罪案件数的函数关系；
在进行城市预警分析时，通过城市的社区刃口统计资料、土地利用现状图、道路图以及城市居住地图，建立城市人员空间分布模型，并通过该模型获取城市各个居住地的出行人数，然后结合上述城市出行人数与犯罪案件数的函数关系，获取城市各个居住地的犯罪案件数，形成预测的城市犯罪空间分布图。
所述预警分析方法具体包括以下步骤：
步骤1、构建犯罪数据空间分布图
使用SuperMap工具，将城区土地利用现状图和道路分布图导入并存储为SuperMap格式的地图文件，进行坐标配准，获取城市现状图；然后将犯罪案件的实际发生位置导入到城区现状图中，进行数字处理，并与城市电子矢量地图、影像地图进行叠加，得到犯罪数据空间分布图，并以地理数据库的形式表达犯罪数据空间分布特征；
步骤2、构建城市人口空间分布模型
步骤2.1、利用城市内的社区人口统计资料、土地利用现状图、道路图以及城市居住地图，确定城市中心位置，获取各个居住地质心点与城市中心点的距离，计算出各个居住地面积和城区总面积；
步骤2.2利用各个居住地面积和城区总面积，计算各个居住地的人口密度系数和各个街道社区内的居住地人口数；其中，居住地块的人口密度系数为：
Vij＝Aij×lnA×exp(-1.9874rij 1.2A0.6)
其中，Vij为i街区中第j个居住地的人口密度系数；Aij为i街区中第j个居住地面积；A为该县城城区的总面积；rij为i街区中第j个居住地中心至城市中心的距离；
各街道社区的居住地人口数为：
POPij＝Pi×(Vij/∑i＝k 1Vij)
其中，POPij为i街区中第j个居住地的人口数；Pi为i街区的总人口；k为街道或社区的系数；
步骤2.3确定缓冲距离，并对主要街道做缓冲区分析，然后将街道缓冲区与居住地做叠加分析，计算人口权重系数，分配居住地人口数；按人口权重系数分配的居住地人口数为：
POPk＝POPij×(wk/∑k＝6 1wk)
其中，POPk为各个居住地按权重分配后的人口数；POPij为由模型计算而得的各个居住地的人口数；wk为人口权重系数；k为街道或社区的系数；
步骤2.4、从居住地图层的地理数据库中获取居住地面积，得出最小的地理单元面积，计算格网大小，将居住地图层根据人口数指标转成栅格形式，得出该城市人员空间分布模型；其中网格大小为：
g＝(Smin/π)0.5
其中，g为格网大小，Smin为居住地块中最小的面积；
步骤3、获取城市出行人数
使用4SM模型对城市出行人数进行预测，即以出行吸引量与各居住地的总人数进行线性回归，得到了与人口数量对应的出行产生量为：
Yi＝0.5902Xi+4822,R2＝0.75
其中，Yi为i居住地的居民出行产生量(人次/日)；Xi为i居住地的总人口数；R2为人口出行产生量系数；
然后根据居住地的出行产生量与居住地的出行强度，计算居住地出行人数为：
P＝Yi/a
其中，Yi为居住地的出行产生量；P为居住地的出行人数；a为该居住地人员出行强度；
步骤4、构建城市出行人数与城市犯罪案件数的函数关系
根据对城市出行人数与城市犯罪案件数作处理后，得出该城市出行人数与城市犯罪案件数具有如下的函数关系：N＝0.5674P0.5-29.948,R2＝0.9486，函数中N为犯罪案件数，P为城市的出行人数；R2为人口出行量系数。
步骤5、城市犯罪空间分布预测
模拟城市各个街区出行人数与城市犯罪案件数之间的函数关系，利用模拟出的城市各个居住地出行人数，计算城市各个居住地的犯罪案件数；根据计算出的犯罪案件数和格网大小，将居住地图层根据城市预测案件数指标转成栅格形式；模拟城区犯罪空间分布图，每个栅格都代表一个案件数值，空白区域无数据值。
本发明采用地图引擎对GIS相关信息进行操作，获取城市犯罪在空间分布的规律并以地图的形式表达；通过地理信息系统和GIS人口密度空间化的方法建立城市人员空间分布模型，模拟与预测城市人员行为未来空间分布；然后通过对城市犯罪与城市出行人数之间关系的建模，分析判断在地理空间背景下的犯罪行为主导因素，预测城市未来犯罪发生的可能性；从而为完成最佳警力部署、调整巡逻区域、制定新的防范策略、为预防和打击犯罪提供决策依据。
具体实施方式
本发明揭示了一种基于GIS城市人员空间分布的预警分析方法，其包括以下步骤：
步骤1、构建犯罪数据空间分布图
使用SuperMap工具，将城区土地利用现状图和道路分布图导入并存储为SuperMap格式的地图文件，进行坐标配准，获取城区现状图；然后将犯罪案件的实际发生位置导入到城区现状图中，进行数字处理，并与城市电子矢量地图、影响地图进行叠加，得到犯罪数据空间分布图，并以地理数据库的形式表达犯罪数据空间分布特征。
将犯罪案件导入地图文件中时，犯罪案件作如下处理：按性质分为6大类，分别为盗窃、抢劫、强奸、诈骗、杀人、其他；按发生地点分为4种，分别为公共建筑用地、乡镇用地、居住区和道路；按每2年发生时间分类。
步骤2、构建城市人口空间分布模型
步骤2.1、利用城市内的社区人口统计资料、土地利用现状图、道路图以及城市居住地图，确定城市中心位置，获取各个居住地质心点与城市中心点的距离，计算出各个居住地面积和城区总面积。
步骤2.2利用各个居住地面积和城区总面积，计算各个居住地的人口密度系数和各个街道社区内的居住地人口数；其中，居住地块的人口密度系数为：
Vij＝Aij×lnA×exp(-1.9874rij 1.2A0.6)
其中，Vij为i街区中第j个居住地的人口密度系数；Aij为i街区中第j个居住地面积；A为该县城城区的总面积；rij为i街区中第j个居住地中心至城市中心的距离；
各街道社区的居住地人口数为：
POPij＝Pi×(Vij/∑i＝k 1Vij)
其中，POPij为i街区中第j个居住地的人口数；Pi为i街区的总人口数。
步骤2.3确定合适的缓冲距离，并对主要街道做缓冲区分析，然后将街道缓冲区与居住地做叠加分析，计算人口权重系数，分配居住地人口数；按人口权重系数分配的居住地人口数为：
POPk＝POPij×(wk/∑k＝6 1wk)
其中，POPk为各个居住地按权重分配后的人口数；POPij为由模型计算而得的各个居住地的人口数；wk为人口权重系数。
步骤2.4、从居住地图层的地理数据库中获取居住地面积，得出最小的地理单元面积，计算格网大小，将居住地图层根据人口数指标转成栅格形式，得出该城市人口空间分布模型，其中网格大小为：
g＝(Smin/π)0.5
其中，g为格网大小，Smin为居住地块中最小的面积。
步骤3、城市出行人数预测
使用4SM模型对城市出行人数进行预测，即以出行吸引量与各居住地的总人数进行线性回归，得到了与人口数量对应的出行产生量为：
Yi＝0.5902Xi+4822,R2＝0.75
其中，Yi为i居住地的居民出行产生量(人次/日)；Xi为i居住地的总人口数；R2为人口出行量系数。
然后根据居住地的出行产生量与居住地的出行强度，计算居住地出行人数为：
P＝Yi/a
其中，Yi为居住地的出行产生量；P为居住地的出行人数；a为该居住地人员出行强度。
步骤4、构建城市出行人数与城市犯罪案件数的函数关系
根据对城市出行人数与城市犯罪案件数作一定的处理后，得出该城市出行人数与城市犯罪案件数具有如下的函数关系：N＝0.5674P0.5-29.948,R2＝0.9486，函数中N为犯罪案件数，P为城市的出行人数；R2为人口出行量系数。
步骤5、空间分布预测
模拟城市各个街区出行人数与城市犯罪案件数之间的函数关系，利用模拟出的城市各个居住地出行人数，计算城市各个居住地的犯罪案件数。根据计算出的犯罪案件数和格网大小，将居住地图层根据城市预测案件数指标转成栅格形式。模拟城区犯罪空间分布图，每个栅格都代表一个案件数值，空白区域无数据值。将实际的城市犯罪空间分布图与预测的城市犯罪空间分布图做相减运算，检测两幅图的相符程度。
本发明的关键在于，本发明采用SuperMap地图引擎对GIS相关信息进行操作，获取城市犯罪在空间分布的规律并以地图的形式表达；通过地理信息系统和GIS人口密度空间化的方法建立城市人员空间分布模型，模拟与预测城市人员行为未来空间分布；然后通过对城市犯罪与城市出行人数之间关系的建模，分析判断在地理空间背景下的犯罪行为主导因素，预测城市未来犯罪发生的可能性；从而为完成最佳警力部署、调整巡逻区域、制定新的防范策略、为预防和打击犯罪提供决策依据。
以上所述，仅是本发明实施例而已，并非对本发明的技术范围作任何限制，故凡是依据本发明的技术实质对以上实施例所作的任何细微修改、等同变化与修饰，均仍属于本发明技术方案的范围内。

Claims (2)

1.一种基于GIS城市人员空间分布的预警分析方法，其特征在于：其通过将犯罪案件的实际发生位置导入到城区现状图中，进行数字处理，并与城市电子矢量地图、影像地图进行叠加，获取犯罪数据空间分布图；基于GIS人口密度空间化的方法建立城市人员空间分布模型，并通过该城市人员空间分布模型获取城市出行人数；最后结合犯罪数据空间分布图和城市出行人数获取城市出行人数与城市犯罪案件数的函数关系；
在进行城市预警分析时，通过城市的社区刃口统计资料、土地利用现状图、道路图以及城市居住地图，建立城市人员空间分布模型，并通过该模型获取城市各个居住地的出行人数，然后结合上述城市出行人数与犯罪案件数的函数关系，获取城市各个居住地的犯罪案件数，形成预测的城市犯罪空间分布图。
2.根据权利要求1所述的一种基于GIS城市人员空间分布的预警分析方法，其特征在于：所述预警分析方法具体包括以下步骤：
步骤1、构建犯罪数据空间分布图
使用SuperMap工具，将城区土地利用现状图和道路分布图导入并存储为SuperMap格式的地图文件，进行坐标配准，获取城市现状图；然后将犯罪案件的实际发生位置导入到城区现状图中，进行数字处理，并与城市电子矢量地图、影像地图进行叠加，得到犯罪数据空间分布图，并以地理数据库的形式表达犯罪数据空间分布特征；
步骤2、构建城市人口空间分布模型
步骤2.1、利用城市内的社区人口统计资料、土地利用现状图、道路图以及城市居住地图，确定城市中心位置，获取各个居住地质心点与城市中心点的距离，计算出各个居住地面积和城区总面积；
步骤2.2利用各个居住地面积和城区总面积，计算各个居住地的人口密度系数和各个街道社区内的居住地人口数；其中，居住地块的人口密度系数为：
Vij＝Aij×lnA×exp(-1.9874rij 1.2A0.6)
其中，Vij为i街区中第j个居住地的人口密度系数；Aij为i街区中第j个居住地面积；A为该县城城区的总面积；rij为i街区中第j个居住地中心至城市中心的距离；
各街道社区的居住地人口数为：
POPij＝Pi×(Vij/∑i＝k 1 Vij)
其中，POPij为i街区中第j个居住地的人口数；Pi为i街区的总人口；k为街道或社区的系数；
步骤2.3确定缓冲距离，并对主要街道做缓冲区分析，然后将街道缓冲区与居住地做叠加分析，计算人口权重系数，分配居住地人口数；按人口权重系数分配的居住地人口数为：
POPk＝POPij×(wk/∑k＝6 1wk)
其中，POPk为各个居住地按权重分配后的人口数；POPij为由模型计算而得的各个居住地的人口数；wk为人口权重系数；k为街道或社区的系数；
步骤2.4、从居住地图层的地理数据库中获取居住地面积，得出最小的地理单元面积，计算格网大小，将居住地图层根据人口数指标转成栅格形式，得出该城市人员空间分布模型；其中网格大小为：
g＝(Smin/π)0.5
其中，g为格网大小，Smin为居住地块中最小的面积；
步骤3、获取城市出行人数
使用4SM模型对城市出行人数进行预测，即以出行吸引量与各居住地的总人数进行线性回归，得到了与人口数量对应的出行产生量为：
Yi＝0.5902Xi+4822,R2＝0.75
其中，Yi为i居住地的居民出行产生量(人次/日)；Xi为i居住地的总人口数；R2为人口出行量系数；
然后根据居住地的出行产生量与居住地的出行强度，计算居住地出行人数为：
P＝Yi/a
其中，Yi为居住地i的出行产生量；P为居住地的出行人数；a为该居住地人员出行强度；
步骤4、构建城市出行人数与城市犯罪案件数的函数关系
根据对城市出行人数与城市犯罪案件数作处理后，得出该城市出行人数与城市犯罪案件数具有如下的函数关系：N＝0.5674P0.5-29.948,R2＝0.9486，函数中N为犯罪案件数，P为城市的出行人数；R2为人口出行量系数；
步骤5、城市犯罪空间分布预测
模拟城市各个街区出行人数与城市犯罪案件数之间的函数关系，利用模拟出的城市各个居住地出行人数，计算城市各个居住地的犯罪案件数；根据计算出的犯罪案件数和格网大小，将居住地图层根据城市预测案件数指标转成栅格形式；模拟城区犯罪空间分布图，每个栅格都代表一个案件数值，空白区域无数据值。
CN201711446409.6A 2017-12-27 2017-12-27 一种基于gis城市人员空间分布的预警分析方法 Pending CN108074018A (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN201711446409.6A CN108074018A (zh) 2017-12-27 2017-12-27 一种基于gis城市人员空间分布的预警分析方法

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN201711446409.6A CN108074018A (zh) 2017-12-27 2017-12-27 一种基于gis城市人员空间分布的预警分析方法

Publications (1)

Publication Number Publication Date
CN108074018A true CN108074018A (zh) 2018-05-25

Family

ID=62155356

Family Applications (1)

Application Number Title Priority Date Filing Date
CN201711446409.6A Pending CN108074018A (zh) 2017-12-27 2017-12-27 一种基于gis城市人员空间分布的预警分析方法

Country Status (1)

Country Link
CN (1) CN108074018A (zh)

Cited By (2)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN109345769A (zh) * 2018-11-07 2019-02-15 南通大学 一种面向打车的乘客安全状态监测方法
CN114418244A (zh) * 2022-03-29 2022-04-29 北京零点远景网络科技有限公司 一种案件的预测分析方法、装置、电子设备及存储介质

Citations (3)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US20040239500A1 (en) * 2000-10-02 2004-12-02 Berry Kenneth M. Method for identifying chemical, biological and nuclear attacks or hazards
CN104820961A (zh) * 2015-05-19 2015-08-05 重庆大学 一种基于网格化管理的公共危机网络预警评估方法
CN105224821A (zh) * 2015-11-17 2016-01-06 中国人民解放军第二军医大学 一种基于gis的军队人员伤病信息监测预警系统及方法

Patent Citations (3)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US20040239500A1 (en) * 2000-10-02 2004-12-02 Berry Kenneth M. Method for identifying chemical, biological and nuclear attacks or hazards
CN104820961A (zh) * 2015-05-19 2015-08-05 重庆大学 一种基于网格化管理的公共危机网络预警评估方法
CN105224821A (zh) * 2015-11-17 2016-01-06 中国人民解放军第二军医大学 一种基于gis的军队人员伤病信息监测预警系统及方法

Non-Patent Citations (2)

* Cited by examiner, † Cited by third party
Title
朱翔 等: "《地理 III(必修)教师教学手册》", 31 August 2008 *
耿莎莎 等: "基于GIS的城市犯罪行为空间分布特征及预警分析", 《地理科学进展》 *

Cited By (3)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN109345769A (zh) * 2018-11-07 2019-02-15 南通大学 一种面向打车的乘客安全状态监测方法
CN114418244A (zh) * 2022-03-29 2022-04-29 北京零点远景网络科技有限公司 一种案件的预测分析方法、装置、电子设备及存储介质
CN114418244B (zh) * 2022-03-29 2022-07-08 北京零点远景网络科技有限公司 一种案件的预测分析方法、装置、电子设备及存储介质

Similar Documents

Publication Publication Date Title
Tang et al. Measuring visual quality of street space and its temporal variation: Methodology and its application in the Hutong area in Beijing
CN112418674A (zh) 基于城市多源数据的街道空间品质测度评价方法和系统
CN105844031B (zh) 一种基于手机定位数据的城市交通廊道识别方法
Zhang et al. Quantifying physical and psychological perceptions of urban scenes using deep learning
CN108074018A (zh) 一种基于gis城市人员空间分布的预警分析方法
Pour et al. Spatial and temporal distribution of pedestrian crashes in Melbourne metropolitan area
Xu et al. Understanding the nonlinear effects of the street canyon characteristics on human perceptions with street view images
Tang et al. Assessing the visibility of urban greenery using MLS LiDAR data
Rui et al. Quantifying the spatial quality of urban streets with open street view images: A case study of the main urban area of Fuzhou
Wu et al. Examining non-linear relationship between streetscape features and propensity of walking to school in Hong Kong using machine learning techniques
CN116383320A (zh) 一种将gis数据切割成矢量切片的方法
Eliseev et al. Algorithm of automated annotation of areas of roads with increased accidents
Feng et al. Visual Evaluation of Urban Streetscape Design Supported by Multisource Data and Deep Learning
CN114925994A (zh) 一种基于深度学习的城中村风险评估和风险因素定位方法
Adrees et al. A proposed framework for using GIS to enhance traffic safety in Sudan: a case study
Yu Simulation and Application of Urban Road Landscape Based on Geographic Information Data
Fang et al. Analysis of pedestrian lane change behavior spectrum based on video data at ticket gate facilities in subway stations
Su et al. A multi-source data based analysis framework for urban greenway safety
Cui et al. Women-Oriented evaluation of perceived safety of walking routes between home and mass transit: A case study and methodology test in Guangzhou
Pour et al. Influencing factors on vehicle-pedestrian crash severity of school-aged pedestrians
Zeng et al. Measuring cyclists’ subjective perceptions of the street riding environment using K-means SMOTE-RF model and street view imagery
Ndume et al. Road condition quality management for smart transportation: The power of GIS
CN111753362B (zh) 一种基于移动平台的大型建筑设计方法
Qin et al. Quantitative characterization and evaluation of highway greening landscape spatial quality based on deep learning
Ma et al. How does spatial structure affect psychological restoration? A method based on Graph Neural Networks and Street View Imagery

Legal Events

Date Code Title Description
PB01 Publication
PB01 Publication
SE01 Entry into force of request for substantive examination
SE01 Entry into force of request for substantive examination
WD01 Invention patent application deemed withdrawn after publication

Application publication date: 20180525

WD01 Invention patent application deemed withdrawn after publication