【意义】实景三维模型正从过去的“表达现实”发展演变为现今的“连接现实、认知现实乃至预见现实”。随着实景三维中国建设的全面推进，“实景三维+”的融合应用模式已渗透至诸多行业。作为国家重要的新型基础设施，实景三维模型对于地理空间认知、虚拟地理环境、时空计算等科学研究，以及对于数字中国建设、数字经济发展、精细化社会治理等国家战略和社会需求，具有重要价值。【分析】本文系统综述了实景三维模型的概念框架、核心方法、应用场景和面临的挑战。首先，对实景三维模型的概念、内涵和主要类型进行了系统回顾和归纳总结，提出原生实景三维模型和次生实景三维模型的概念，以推动其深度应用；并从数据层、模型层、平台层、应用层、理论与标准规范层5个层次对实景三维模型的研究范畴进行归纳。其次，按照“原生实景建模-次生实景建模-模型优化与评估”的思路，梳理了当前实景三维建模的核心方法，并探讨各类方法的发展方向。接着，系统回顾了实景三维模型的应用场景，并从“时空底座-信息提取-连通现实-赋能行业” 4个维度，总结其行业服务和应用范式。最后，从地理信息认知范式转型、复杂场景时空动态建模、智能化转型和行业深度应用等方面，总结了当前实景三维建设面临的主要问题和挑战，并对实景三维模型的未来发展方向进行了展望。【目的】本文旨在为相关研究提供全局性的学术视野与系统的技术发展脉络，帮助相关研究人员与技术人员快速把握实景三维领域的前沿态势，为技术研发与“实景三维+”的行业应用提供参考依据，并对人工智能赋能实景三维建设等潜在突破方向进行预判，启发创新性研究和实践思路。

【目的】城市三维空间中可获取的视觉信息是全面感知城市景观系统性和文化意义的基础。针对GIS视域分析的计算规模限制及复杂遗产景观语义数字化表达难题，本文旨在研究三维视觉区位的高效计算方法，以支持对城市垂向空间重要观景位置和视觉廊道的识别与建构。【方法】以文化遗产景观语义特征点为纽带，融合建筑高度的数字地形高程模型，构建以地表为基础的三维视觉区位计算矩阵，计算面向文化遗产的三维视觉区位数据集，进而系统分析其空间分布模式以支持城市规划。【结果】以张家口市及其长城景观为例开展实证研究，生成了100 m网格单元、垂向3 m间隔的长城三维视觉区位数据集，识别出4种典型视觉区位空间模式：西南和南部三维空间全域高可视长城景观区、市区中心清水河沿线垂向高可视南北空中廊道区、北部和东南部建筑和地形双重影响的垂向可视受限区、东部全域低可视区。研究同时揭示了张家口市3、9和12 m观察高度的长城视觉感知关键区位。本研究方法在保持结果一致性的前提下，有效避免了传统视觉分析中全域计算带来的冗余，具备支撑大范围城市三维空间景观视觉资源价值快速挖掘的能力。【结论】本研究提出的三维视觉区位计算方法在充分表达遗产景观语义信息基础上保证了计算效率，结果数据集可支撑城市三维景观设计与空间规划实践，为国家文化公园资源价值挖掘提供了新思路。

【目的】视觉质量是衡量城市建成环境的重要感知指标，对城市更新和人居环境改善具有重要意义。现有方法缺少建成环境对室内空间视觉质量影响的评估，难以准确反映城市空间中人居体验的真实感受。【方法】本文融合多源激光点云，提出一种基于窗域视角的视觉质量评价方法。首先，配准无人机与地基激光点云并提取地物类别，以窗户中心为视点构建视域影像，采用类别和视距分别赋值；其次，提出空间可视性和空间层次均衡指数2种三维评价因子，并结合9种现有二维评价因子基于视域影像构建自然性、社会性和复杂性视觉质量评价体系；最后，引入埃洛评级系统对视点处公众的主观感知进行量化，利用随机森林构建评价因子与视觉质量评分之间的关联，并分析因子相关性。【结果】结果表明，在所选实验区域，本文方法评价精度较高， R²可达0.969 3。空间可视性、天空开阔度和空间层次均衡指数应作为提高城市视觉质量的优先考虑因素。二维指标在视觉质量评价中占主要地位，但三维指标在有限因子情况下预测能力更强、影响更大。大多数评价因子与视觉质量得分呈正相关。视域范围开阔、地物类别数量丰富的区域，视觉质量等级更高。【结论】本文依托窗域视角，创新性地提出空间可视性和空间层次均衡指数，并引入埃洛评级提高评价结果的客观性，实现视觉质量的多维度、多元评价。本文方法能定量评估室外建成环境对室内空间视觉质量的影响，从视觉感知角度支撑精细尺度和重点区域的城市评价，为城市规划、景观设计提供量化数据支撑。

【目的】作为新型基础测绘和实景三维中国建设的重要数据成果和数据组织方式之一，实体数据及其模型在时序、维度和粒度等方面对现有地理信息产品进行了拓展和提升。行政区划建模尤其是大数据条件下面向多维动态数据的建模研究具有重要意义，但传统建模方法未能从实体角度全面描述行政区划的生命周期和语义级组成关联等信息，对于面向多源异构数据的实体化融合转换也鲜有探索。【方法】为解决这些问题，本研究提出了顾及组成关联的行政区划实体化建模方法。首先基于多粒度时空对象数据模型描述框架将行政区划抽象为包含标识编码、时空参照、空间特征、属性特征和组成关系5方面描述内容的时空实体，并以实体自身时空特征和实体之间组成关联2个层面对其进行形式化描述。而后顾及行政区划实体多维动态和多元关联的特性，提出了由固有元组、空间元组、属性元组、关系元组和版本操作构成的“4元组+1操作”逻辑数据模型，并以标准行政区划边界、代码和统计数据为例，构建了面向实体的多源数据融合转换流程。【结果】基于开源软件和开发平台的行政区划实体化建模实验表明，本文方法能够支持具有生命周期和复杂组成关系的行政区划实体数据的构建、存储、管理、编辑、查询和可视化等功能，较好地解决了行政区划时态组成关系表达以及多源数据的融合建模问题。【结论】该研究构建了行政区划实体自身层面的时态演化性和关系层面的嵌套层级性的耦合表达机制，为基于实体的空间认知和多模应用提供模型基础。

【背景】在实景三维中国建设全面推进的背景下，基于已有实景三维模型快速建立高精度的数字高程模型（Digital Elevation Model, DEM）是一种新的地形建模方式。特别是，在复杂城市区域，地块类型多变、高程渐变和突变特征并存，增加了地形建模的挑战性。【方法】本文提出一种基于实景三维模型的“分区分块”高精度DEM建模方法。首先，基于实景三维模型提取的高程点；然后，采用CoANet网络提取道路骨架，并结合DeepLabV3分割建筑物、林地、草地、水体4类功能区，进而设计差异化建模方法：裸露地提取并通过行道树平均统计降高处理保障道路平整性，林区通过融合改进局部最大值算法与邻域均值降高算法恢复林下地形，建筑物通过极值检测重构过渡带，水域基于水涯线构建DEM；最后，将分区建模结果融合得到整体DEM。【结果】实验表明，差异化方法能够在道路区域较均值降高前精度提升56.5%，在草地区域精度较布料模拟算法（Cloth Simulation Filter, CSF）提升17.8%，在林区较改进局部最大值法精度提升53.1%，样区整体精度提升35%。【结论】本方法可为自然与人工地形交错、突变与渐变共存的城市地表提供了一种自动化、高保真的DEM建模解决方案。

【意义】地表过程的动力学模拟，对于理解和把握地理过程的演变规律及其对生态环境的影响意义重大，一直是地理信息科学领域研究的重点和难点。【背景】已有的研究偏重表面二维模拟，三维过程动态模拟亟待加强。全球离散格网系统（Discrete Global Grid Systems，DGGs）和元胞自动机（Cellular Automata，CA）的有机融合为地理过程的动态模拟提供了有力的工具和平台。【方法】以球体测地线八叉树格网（Sphere Geodesic Octree Grid, SGOG）构建鄂陵湖水体模拟平台，依据菲克第一定律原理，并基于C++语言、OSG（Open Scene Graph）三维引擎和集成开发平台，构建水体污染扩散可视化模型。分析和设计基于三角形元胞的二维、三维元胞邻居和转换规则，通过扩展虚拟元胞的方式设置湖泊堤岸处的边界条件，进行二维、三维以及基于岸边地形约束的静态污染扩散模拟实验，直观展示突发水体污染事件中污染物的二维和三维扩散过程，并对扩散模拟结果进行分析。【结果】 ① 在污染限、瞬时投入的污染物总量相同并且考虑二维模拟和三维模拟中单个元胞所代表的实际水体空间不同时，三维模拟中高污染浓度元胞存在持续时间明显高于二维模拟，三维模拟中高污染浓度元胞持续时间相对二维模拟增长了55 min。且所涉及的元胞总量和实际水体空间也有显著差别：以扩散55 min时为例，二维模拟污染元胞总量为661个，而在三维模拟中污染元胞总量为3 546个，此时三维模拟中污染所涉水体空间约为二维模 拟结果的89.4%； ② 二维和三维模拟中，不同污染程度元胞占比的变化趋势较为接近，例如重度污染区域占比均在扩散前33 min降低至10%以下，轻度污染区域占比均在前33 min达到70%以上。但污染元胞在垂向上的空间分布不容忽视，三维模拟结果更符合污染扩散实际情况。【结论】本研究为水环境污染研究提供新的技术思路，同时为突发水体污染事件的管控提供决策参考。

【目的】DEM精度和栅格尺寸等参数的差异都会影响地表汇水过程模拟结果，但目前尚未有研究讨论过DEM栅格中心坐标偏移对地表汇水模拟结果的影响问题。【方法】本研究以基于无人机倾斜摄影构建的0.2 m分辨率DEM为参照数据，设置不同偏移方向和偏移距离，生成了栅格中心坐标不同的DEM数据序列。基于此对不同分辨率、不同偏移参数的DEM分别执行地表汇水过程模拟，提取集水区、汇水线等水文参数，并与原始DEM数据提取的结果做了对比分析。【结果】 ① 栅格中心偏移会影响汇水线和集水区的提取结果，且不同分辨率DEM的响应差异明显。5 m分辨率DEM下水文参数整体稳定，仅在部分偏移条件（如x方向+2 m、x和y联合方向-2 m）下出现轻微变化；而1 m分辨率DEM对偏移更为敏感，x方向偏移-0.3 m和-0.4 m时线密度升至8.461 3 km/km²，集水区数量由221个降至205个。2种分辨率下最大线密度变化幅度分别为0.189 0 km/km²与0.849 3 km/km²，表明高分辨率DEM更易受到偏移影响； ② 偏移方向对水文信息提取的影响存在差异，多方向偏移的影响大于单方向偏移。在1 m分辨率DEM中，偏移-0.2 m时，x方向线密度为8.363 9 km/km²、集水区数量为226个，而x和y联合方向下降至7.503 7 km/km²和197个，说明在相同偏移条件下，高分辨率DEM在水文信息提取上的变化幅度更大； ③栅格中心点的偏移带来的水文信息结果表明，地形复杂度对偏移效果有显著影响。地形起伏较大区域对栅格中心坐标偏移更为敏感，偏移后汇水线变化较大，而平地区域DEM中心点坐标偏移对汇水模拟结果的影响相对较小。【结论】本研究探讨了DEM栅格中心坐标偏移对地表汇水模拟的影响，对进一步减小DEM在水文分析中应用中的不确定性有一定意义。

【目的】为提高高速公路场景下车辆轨迹预测精度，解决密集交通流条件下多车交互过程中易出现的多时间尺度特征混叠、噪声扰动敏感及空间场景可解释性不足等问题，提出一种基于频域分解与特征融合的车辆轨迹预测方法。【方法】首先，在道路局部坐标系与车道空间参照下，利用改进的多元变分模态分解方法（IWOA-MVMD）对车辆历史轨迹进行分解，将非平稳轨迹信号解耦为不同频率尺度的模态分量（IMFs），实现多尺度运动特征提取并抑制高频噪声干扰；其次，采用卷积神经网络捕获轨迹局部特征，并结合方向注意力机制突出关键方位信息，以增强车辆间空间交互特征的表达能力；随后，引入双向交叉注意力机制，在频域特征与交互特征间建立双向信息交互机制，实现二者的深度融合；最后，通过Bi-Mamba网络刻画时间依赖，并通过混合密度网络输出预测轨迹的概率密度分布。【结果】在NGSIM数据集2-5s预测时域内，本文模型的平均RMSE为1.04m，相较于较优基线GCNTA降低25.2%，其中5 s预测误差下降40.6%； ADE/FDE分别为0.95 m和1.66 m，较最优对比模型STDAN分别降低12.0%和34.9%。【结论】本文所提出的模型有效提升了车辆轨迹预测精度与稳定性，为复杂高速道路场景中的轨迹预测提供了具有可行性的理论与方法支撑。

【目的】现有的四边形全球离散网格系统（Discrete Global Grid System, DGGS）多采用固定的剖分规则，网格系统数量众多却相互独立，这导致了标准多样、剖分规则固定以及算法复用性差等问题，制约了上层应用算法的跨网格复用。【方法】为突破上述瓶颈，本文提出了一种基于可配置剖分基数序列的多尺度通用四边形全球离散网格生成方法，将网格生成逻辑与具体剖分结构进行解耦。首先，将网格剖分规则抽象为剖分基数序列作为可配置的外部参数，实现了网格生成逻辑与具体物理结构的分离；其次，设计了一种基数扩展策略，通过建立虚拟进制映射机制，解决了GeoSOT等复杂网格中非标准整数倍剖分的兼容性难题；最后，构建了统一的逻辑索引空间，确保不同层级采用异构剖分策略时，其内部逻辑结构、编码运算与拓扑关系仍遵循统一的算法流程。【结果】基于全球模拟离散坐标点数据和真实区域多边形数据，开展了网格兼容性、按需生成能力及算法复用性实验。实验结果表明：在网格兼容性方面，本文方法能够生成与现有主流网格结构（GeoSOT、GMGICM）数量一致的剖分结果，其编解码耗时与现有主流网格方法相当，验证了对既有网格框架的良好兼容性；在灵活性方面，本文方法仅通过调整外部参数即可构建全3分、全5分、235分循环等多种新型网格体系，验证了本文方法按需生成网格的能力；在算法复用性方面，本文算法通过一套统一的应用代码即可支持7种异构网格体系下的多尺度矢量面网格化应用，避免了传统方法中代码量随网格类型线性增长的问题，验证了其在异构网格间低成本迁移与复用的能力。

【目的】为突破现有大语言模型（LLM）与地理信息系统（GIS）融合方案在隐私安全、功能完整性与协议标准化方面的局限，本文基于模型上下文协议（MCP）构建了一套支持本地化部署且协议开放兼容的空间数据处理与制图智能体原型系统Smart-QGIS。【方法】该系统基于QGIS平台，利用MCP协议桥接本地或云端大语言模型与QGIS原生功能接口，实现了从自然语言指令到空间分析任务的交互式全流程执行。在具体实现上，系统采用多进程模块化架构，设计了用户交互层、插件中介层、MCP通信层、本地执行层与模型推理层五层协同机制，实现了“数据加载-空间处理-专题制图”的一体化任务链。 【结果】本研究以陕西省矢量边界和DEM栅格数据为例，分别基于本地Ollama部署的OpenAI开源GPT与云端阿里千问LLM，通过Smart-QGIS交互式地执行数据加载、裁剪、坡度计算、图层可视化和地图制作等典型GIS任务。实验结果表明： Smart-QGIS在保证操作精度的前提下，能够有效解析多步骤复杂指令，在多数场景下实现快速响应（小于75 s）。对于常规的空间分析与可视化输出，响应速度接近或高于普通专业用户；云端模型对于复杂任务的执行效率高于本地LLM。【结论】本研究基于MCP发展的本地化LLM-GIS集成架构在隐私安全、功能覆盖与协议通用性方面具备一定优势，显著降低了空间数据处理的技术门槛，使非专业用户也能高效完成相关任务，为开放协同的智能GIS生态构建提供了可行的技术路径。

【目的】SWOT遥感测高技术为大尺度河网水位监测提供了新手段，但其原始产品受离群噪声、近岸混合像元及跨轨基准不一致等问题制约，难以满足高精度水文应用。【方法】本文面向低坡缓流与边界条件复合的长江中下游，提出基于SWOT的水位一致化建模框架，利用轨道重叠区构建偏差场完成跨轨对齐，以RiverSP节点为高精度参考，融合后向散射、地形等特征开展随机森林像元级误差回归建模；通过方差引导的α权重实现自适应融合，保持RiverSP结构稳定性与PIXC空间细节；输出统一基准、空间连续的水位场。【结果】校正结果表明PIXC与RiverSP产品的MAE由0.41 m和0.32 m降至0.15 m和0.09 m，像元产品的水位与水文站一致性R²由0.73提高至0.96。基于校正水位场构建月尺度沿程剖面与典型断面年内序列，揭示了洪峰沿程耗散与河口潮汐顶托等水位响应特征，中游年内峰谷差超过20m；入海口断面月均水位最高约5.44 m、最低约0.8~0.9 m，年内振幅约4~5 m，显示出潮汐对入海口水位的调制作用。【结论】本文提出的框架能够生成统一基准、空间连续的水位序列，可用于大尺度水文过程识别与洪水监测。

【意义】跨视角图像匹配的地面图像精细定向定位是一种通过匹配地面图像与卫星参考图像，实现亚米级位置估计与亚度级方向（航向）估计的高精度地理定位技术。该技术的核心挑战在于克服地面视角与卫星视角之间巨大的几何与外观差异，并通过视角统一、特征匹配和姿态估计等方法实现精准的位置和航向估计。该技术与视觉定位、图像检索等密切相关，在自动驾驶高精度定位、移动机器人导航等GNSS拒止场景中具有重要应用价值，为智能系统提供了一种不依赖专用基础设施的绝对定位解决方案。【分析】本文通过文献收集，系统综述了2021—2025年跨视角图像匹配的地面图像精细定向定位算法的研究进展。在技术发展脉络方面，明确了该技术的定义、技术路线与领域边界，揭示了该领域从早期探索、技术分化到监督方式突破的动态演进历程，并从视角统一方式、定向与定位任务类型、监督方式3个维度构建了系统的分类体系，深入剖析了各类算法的核心原理、技术细节与优劣特性，并系统梳理了特征提取骨干网络类型，汇总VIGOR、Oxford RobotCar、KITTI、Ford multi-AV 四大公开数据集资源与评价指标体系，量化分析了各类算法的性能表现；在核心挑战剖析方面，提炼出跨视角几何与语义差异弥合、弱监督信号融合低效、高方向噪声下联合估计精度衰减、动态场景泛化受限以及现有数据集时效性与场景覆盖度的局限性等关键问题；在未来研究方向方面，提出了五大针对性突破方向：构建几何真实与语义一致的BEV表示及高效匹配机制、实现弱监督信号分层融合与跨域泛化增强、攻克高方向噪声与对称场景下的鲁棒联合估计难题、提升算法在动态复杂环境中的适应性，以及推动技术工程化落地并完善评价体系，为领域发展提供明确指引。【结论】本文系统厘清了该领域2021—2025年的技术演进脉络，构建了多维度算法分类体系，量化分析了主流算法性能并提炼出核心技术挑战，提出的五大突破方向为领域研究确立了清晰路径。本研究为该领域的理论研究、算法设计与技术选型提供参考，也为技术在GNSS拒止场景的工程化落地和规模化应用提供理论支撑。

【目的】影像特征高精度提取与鲁棒匹配是摄影测量与遥感、计算机视觉等领域的核心方向。然而，当前主流的影像特征提取与匹配算法主要聚焦于提高各类复杂情况下的匹配完成度，忽略了影像特征定位精度不高、高精度匹配点数量少的问题。【方法】针对以上问题，本文提出了一种基于任意尺度超分的模块化特征匹配框架，将影像超分辨率重建模块引入传统的特征提取与匹配流程中，增强影像特征点的定位精度与可探测性，从而有效提升高精度匹配点数量与整体匹配精度。同时采用模块化设计，根据不同的匹配场景替换各模块算法，使得所提框架具有较高适用性。【结果】利用公开数据集MatrixCity和ETH3D，在不同尺度的超分辨率影像下，与当前主流的特征提取与匹配方法进行了对比实验，结果表明本文方法获取的高精度匹配点数量和特征匹配精度均有提升。其中， AKAZE算法在MatrixCity和ETH3D数据集上的匹配点数量最高分别提升了7倍和54倍，匹配点精度最高提升了58.65%，且各尺度图像超分影像匹配结果均有不同程度的提升，其中，6倍超分时正确匹配点数量最多，20倍超分时RMSE值最小。【结论】与现有主流方法相比，本文方法在匹配精度和匹配点数量方面具有显著优势，相关模块化算法能够直接用于提升现有特征提取与匹配算法的性能。

【目的】遥感变化检测技术在城市管理、环境监测和灾害应急响应等领域应用广泛，但传统基于遥感影像的变化检测技术存在诸多不足，联合遥感影像和数字表面模型（Digital Surface Model，DSM）的多模态变化检测技术有望解决以上问题，但面临数据融合方式不清晰、不同模态时空特征融合效果欠佳等问题。针对上述问题，本文提出了一种基于孪生神经网络与时空依赖模型的多模态遥感变化检测方法（Cot-FresUNet），以提升不同模态遥感数据变化检测过程中的特征融合效果。 【方法】首先，以配准后的光学影像和DSM数据作为输入，在编码阶段利用二维孪生神经网络和多尺度特征融合机制，提升模型对多模态数据共有特征的融合能力以及异同特征的辨别能力；其次，设计时空依赖模型，通过多时相特征交互，充分融合地表变化的时间连续性和空间相关性，提高模型对变化特征的表征能力；最后，在解码阶段，利用空间金字塔池化获取多尺度特征，加强局部特征和全局上下文信息的深度融合。【结果】在公开数据集3DCD上进行了8种方法的对比实验，本文方法取得的F₁-score和平均交并比（Mean Intersection over Union， mIoU）分别比现有最佳方法（GSTM-SCD）提升了14.45%和15.77%。分析了模型在不同阶段的特征图和学习效果，对比了早期融合、后期融合等4种融合策略的模型性能；通过消融实验证明了融合光学影像和DSM输入能取得最高的变化检测精度。最后，对比了8类模型的复杂度指标，本方法在参数量和运算代价2个关键指标上都展现出了明显的优势。【结论】本方法能有效提升多模态变化检测精度，改善传统孪生神经网络模型存在的特征混淆、特征单一和不同时空信息交互不充分的问题。

【目的】兴趣点（Point of Interest, POI）作为解构城市复杂系统的基础语义单元，在城市功能区划、经济地理分析及商业选址等研究中具有广泛应用。然而，当前基于POI的研究饱受数据困扰：高时效性的POI数据难以获取，且数据质量参差不齐，往往局限于区县级尺度。【方法】本文提出一种高效的城市路侧POI自动采集方法，基于端云协同架构实现数据全流程自动化处理：在边缘端利用YOLO11-SORT模型实现路侧广告牌实时检测、跟踪与地理定位，并通过DBNet与SVTR构成的两阶段文本识别方法提取广告牌文本信息后上传至云端；在云端设计融合文本语义与视觉位置特征的多模态思维链提示词CoT-TP，引导大语言模型完成解析推理与噪声文本纠正，生成高时效性的街道级POI数据。【结果】在BDCI大赛提供的17 700张中国城市街道场景图像构成的数据集上进行实验，结果表明，广告牌实时检测模型的检测精度和速度分别达到78.94%和45.2 FPS，满足实际部署需要；多模态思维链提示词CoT-TP策略在POI信息提取任务中的F1值达到86.52%，较纯文本语义提示策略提升4.24%；福州市鼓楼区的实地采集结果进一步表明，本文方法能够适应复杂的城市道路与环境条件，单个POI从数据采集至结果生成的整体处理时间约为0.5 s，具备优异的整体效率。【结论】本文方法可稳定生成时效性强且全流程可追溯的细粒度POI数据，为智慧城市动态感知与微观业态研究提供数据支撑。

【目的】轨迹数据作为智慧交通系统中的核心时空资源，其安全性对于实现数据的可信共享至关重要。然而，现有的轨迹数据数字水印算法难以抵抗数据压缩和几何变换攻击，且在嵌入水印过程中不可避免地破坏了数据完整性，无法同时实现版权保护与完整性认证2种功能，限制了轨迹数据的共享利用。为此，本文提出一种结合鲁棒水印与脆弱水印的双水印算法，基于不可见字符实现水印信息的隐蔽嵌入，以提升轨迹数据的安全性与可用性。【方法】该算法充分利用轨迹数据的文本化表示特性，将水印信息映射为零宽度的Unicode控制字符，实现对轨迹数据的嵌入。鲁棒水印部分采用Hamming编码增强水印的自纠错能力，使其在数据传输或处理过程中仍能准确提取水印信息。编码后的鲁棒水印嵌入至数据字段末尾，确保不影响轨迹数据精度；脆弱水印则结合轨迹分组特征构建结构化水印信息，为每条轨迹记录生成唯一标识，并将其编码为不可见Unicode控制字符嵌入至特定数据字段末尾，用于完整性验证与篡改检测。【结果】在GPS轨迹数据集T-Drive与Geolife上开展的实验验证表明，所提算法在保证轨迹数据可用性与完整性的前提下，能够有效抵御包括几何变换、随机插入与删除等多种恶意操作。攻击后提取的不可见字符水印信息与原始水印间的相关系数均高于0.9，表明鲁棒水印具有良好的抗攻击性能。同时，在不同类型与不同幅度的数据篡改场景下，计算得出的篡改检测率TPR均达到1.0，能够准确识别篡改行为并定位篡改位置。【结论】本文提出的双重水印算法兼具鲁棒性和脆弱性，能够同时实现轨迹数据的版权保护与完整性验证，适用于多种智慧交通数据安全应用场景，可有效促进轨迹数据的可信共享与协同利用。

【目的】城市交通流预测是智能交通系统的核心任务，交通流在时空分布上具有复杂的跨尺度特征：既包含城市整体层面的动态演变趋势，又受局部邻域内的车流传导机制影响。现有方法难以在统一框架中准确捕捉这两类不同尺度的特征，导致在复杂交通模式下的预测精度受限。【方法】针对上述问题，本文提出了一种捕捉全局动态特征和局部传导特征的城市交通流预测模型（GDLP-Net），该模型采用双分支框架：全局动态分支利用卷积长短期记忆网络（ConvLSTM）提取城市级的时序演变规律，生成全局注意力图；局部注意力分支显式模拟不同范围邻域内的车流传导过程。在此基础上，利用全局注意力图对局部传导特征进行自适应增强，从而有效整合交通流不同尺度的时空信息。【结果】在TaxiBJ、BikeNYC和TaxiNYC 3个公开基准数据集上的实验表明，本文方法能有效降低交通流量的预测误差，预测精度全面优于现有基线模型。相较于当前表现最佳的SPN模型， GDLP-Net在BikeNYC上的平均绝对误差（MAE）和均方根误差（RMSE）分别降低约6.8%和4.6%，在TaxiBJ上分别降低约4.0%和4.1%，在具有高频波动特征的15 min细粒度TaxiNYC数据集上，模型的MAE和RMSE仍分别下降约2.9%和6.6%，表现出良好的泛化能力。【结论】本文方法通过捕捉全局动态特征和局部传导特征，有效平衡了模型的预测精度与可解释性，可为缓解交通拥堵、城市规划监测和辅助交通规划等应用领域提供关键技术支撑。

【目的】理解主观安全感与客观犯罪风险之间的错配关系，对于构建数据驱动的城市安全与宜居策略具有重要意义。已有研究虽对建成环境与犯罪风险、安全感知的关联进行了探索，但仍存在两方面局限： ① 多采用网格单元，易掩盖街道尺度的异质性与相反错配机制； ② 依赖线性方法，难以识别要素的非线性效应与交互作用。尽管近年来机器学习方法已被应用于街道尺度的犯罪预测与环境分析，但针对更精细的安全感知与犯罪风险错配关系形成机制的可解释性研究仍相对匮乏。鉴于此，本文构建了街道尺度下的可解释机器学习分析框架，以揭示建成环境要素对安全感知与犯罪风险空间耦合关系的影响机制。【方法】将基于SVI提取的建成环境特征与社会经济变量统一映射至街道单元，构建解释变量；借助基于CNN的模型获取安全感知评分，并结合街道上的犯罪密度，将安全感知与客观犯罪风险划分为3种匹配类型，作为研究因变量。在此基础上，通过多模型性能对比实验筛选出分类效果最优的XGBoost模型，并引入SHAP解释方法，从全局与局部层面量化分析不同环境要素对两类错配结果形成的影响机制。【结果】以北京市朝阳区为对象，开展街道安全感知和犯罪风险匹配的分类预测实验及可解释分析。研究表明，感知-风险错配呈现显著空间异质性：城市核心区的客观不安全街道多表现为“高安全感知”错配，边缘区的客观安全街道则呈现“低安全感知”错配。在“客观不安全-高安全感知”街道中，建筑物面积对盗窃与暴力犯罪的影响最大（SHAP值分别为0.636、0.781），其次为街道长度（0.337）与道路面积（0.320）等要素，且各变量间存在非线性增强与条件调节效应。【结论】本文通过融合可解释机器学习与街道尺度分析，揭示了建成环境要素影响安全感知偏差的非线性机制，为精细化城市安全治理与空间设计干预提供了方法支撑与实证依据。

【目的】采动沉陷严重制约矿井安全生产并危及地表构筑物稳定。地表沉陷预测精度受矿井地质条件与开采技术参数的影响，理论模型的适用性与实测技术的工程效能受限，难以满足高效、精准的沉陷监测与预警需求。【方法】综合利用离散元模拟样本强扩展性与深度学习数据驱动的优势，提出一种基于离散元模拟数据驱动的集成学习时间序列预测方法，实现对开采沉陷的准确预测。以冯家塔煤矿1 208工作面作为工程背景，分别利用Rhino-Grasshopper与3DEC程序自主开发参数化建模与自动化监测程序，实现高精度离散元参数化建模、开采沉陷模拟与沉降值的自动监测，结合现场实测、分析得出的矿压显现规律完成模型参数校核，构建地表沉陷时间序列数据集。基于LSTM、Transformer和改进的时序Transformer（TST）共3种深度学习算法分别构建采动作用下地表沉陷时间序列预测模型，依据回归类模型评价指标开展了最优模型的评选，进而将LSTM作为前置时序特征提取器与最优模型集成，构建一种集成学习开采沉陷预测模型。【结果】研究表明：TST模型在沉陷预测中表现最佳（倾向测点：R² =0.969、R_EVS =0.973、R_MAE =0.022、R_MSE =0.001；走向测点：R² =0.965、R_EVS =0.968、R_MAE =0.026、R_MSE =0.002），结合LSTM模型优化后预测性能得到了进一步提升（倾向测点：R²和R_EVS分别提升了2.06%、1.64%；走向测点：R²和R_EVS分别提升了1.66%、1.45%），由此可知TST架构融合LSTM算法后，能够有效提升模型对时序数据中短期动态变化的敏感性与捕捉能力； LSTM-TST模型分别与相邻1209工作面以及榆家梁煤矿52309工作面现场实测数据对比，1209工作面走向与倾向方向的最大沉降误差分别为69.2 mm和47.0 mm， 52309工作面走向与倾向方向的最大沉降误差分别为81.2 mm和74.5 mm，表明该模型具有较高的预测精度与良好的泛化能力。【结论】研究融合了地表沉陷时序数据的自动监测、数据集构建与集成学习技术，提出了一种开采沉陷智能预测方法。

【目的】遥感目标检测是地理信息智能解译的核心技术，然而现有方法在边缘设备上的轻量化与实时性不足，且小目标检测精度亟待提升。【方法】针对上述问题，本文提出轻量化遥感目标检测模型DSNR-YOLO(Depthwise Separable Convolution with Normalization Attention and Residual block-YOLO)。该模型在主干部分引入改进的DSNRblock，通过双支路选择策略融合深度可分离卷积、基于归一化的注意力模块（Normalization-based Attention Module， NAM）和残差连接，在降低参数量和计算复杂度的同时维持检测精度；在特征提取与融合阶段嵌入幽灵卷积（Ghost Convolution， GhostConv）进一步削减模型功耗；在颈部网络部署双向特征金字塔网络（Bidirectional Feature Pyramid Network， BiFPN）实现多尺度特征高效交互，强化小目标检测能力；同时设计自适应权重混合损失函数，优化模型对难易样本的学习效果。【结果】在DIOR数据集上的实验表明，DSNR-YOLO的mAP与mAP50分别达到66.9%和89.0%， GFLOPs仅18.3，参数量为7.15 M，每秒检测帧率（Frames Per Second,FPS）为128，在提高检测精度的同时减少了硬件资源需求，检测精度优于近年出现的遥感检测模型。SIMD数据集上与主流轻量化模块及网络的对比结果表明，同样部署条件下DSNR-YOLO在保证较高轻量化水平的同时， mAP实现不同程度上领先（2.5%~6.3%），展示了模型整体性能的优越性。【结论】DSNR-YOLO作为一款面向遥感目标检测场景的轻量化深度学习模型，深度融合了轻量化架构设计、实时推理优化与高精度检测算法的核心优势，在模型体积、运行效率与检测性能三大维度实现了精准平衡。适配资源受限的遥感设备，为实时遥感目标检测提供了高效轻量化方案，具备重要实用价值与广阔应用前景。