虎的吉祥成语

前言：想要写出一篇令人眼前一亮的文章吗？我们特意为您整理了5篇虎的吉祥成语范文，相信会为您的写作带来帮助，发现更多的写作思路和灵感。

虎的吉祥成语范文第1篇

[摘　要]城乡统筹背景下乡村旅游的发展，关键是在二者之间建立起一种内在的互动发展机制，以乡村旅游推动城乡统筹目标的实现，以城乡统筹促进乡村旅游的发展。本文分析了乡村旅游与城乡统筹互动发展机制的内涵及特点，并提出了两者互动发展的机制模型。

[关键词]乡村旅游 城乡统筹 互动发展机制

一、乡村旅游与城乡统筹互动发展机制的内涵及特点

所谓互动发展机制，是指在各自内部因素协调的条件下，双方之间相互开放、相互适应、相互依存、相互促进、共同发展的状态和过程，并形成保持和推动这种状态和过程健康运行的机制。根据乡村旅游发展的延展性和城乡统筹的特点，本文所强调的“乡村旅游与城乡统筹互动发展机制”主要是指乡村旅游与城乡统筹互动发展系统中各构成要素之间相互联系和作用的关系及其功能。根据动力系统理论的观点，本文认为可以把乡村旅游与城乡统筹看作一个系统，不仅要求各个系统内部的各要素之间必须保持协调，而且要求两个系统之间也要保持一定的协调与稳定，这个系统具有如下特征：

第一，乡村旅游、城乡统筹本身作为一个系统，其各自内部的多个要素、多种关系必须保持协调。城乡统筹中的城乡关系、人口规模、产业规模、产业结构、基础设施建设等应保持协调；乡村旅游发展的客源市场、发展规模、产品结构、服务设施、接待水平等应保持协调。

第二，乡村旅游与城乡统筹之间必须形成一种相互依存、互利互惠、相互促进、共同发展的状态。乡村旅游应该成为城乡统筹发展的良好载体和有效途径；而城乡统筹要成为乡村旅游发展的可靠经济支柱。

第三，乡村旅游与城乡统筹之间必须有一种内在的互动联系机制，如农业剩余劳动力的转移机制、土地流转机制、资金融通机制、利益调节机制等，以保证乡村旅游与城乡统筹双方的紧密结合，从而使双方之间形成统筹兼顾、相互激发、互惠互利的统一体。

第四，乡村旅游与城乡统筹的互动是一种动态的互动。在互动过程中，不可避免地会出现双方的发展速度或规模不一致、不协调的状况，从而影响双方原有的互动发展，但这种暂时的不协调或不断出现的不协调又为双方的协调发展找出了新的差距，提出了新的要求，开辟了新的途径，从而成为双方协调互动的推力，使双方在新的互动条件下获得新的协调发展，并推动整体跃升。

第五，乡村旅游和城乡统筹这两个系统既不是孤立的系统，也不是封闭的系统，而是开放的系统。因为它们之间既有物质的交换，又有信息的交流，即存在着要素的互动。要提高双方互动发展的质量和规模，它们之间要素互动（流动）在方向、速度、数量上必须保持协调。

乡村旅游与城乡统筹的互动发展，其目的在于通过乡村旅游与城乡统筹的协调互动，打破行政区划、城乡分割以及地区封锁等，促进各经济要素的合理流动与资源的优化配置，从而促进城乡经济协调、平稳、较快发展。

二、乡村旅游与城乡统筹互动发展的机制模型

对乡村旅游来说，它是一个由需求者（旅游消费者）、供给者（乡村社区、农民）、支持者（政府、行业协会、组织）、媒介（市场）等多个利益诉求主体所构成的经济系统，各利益诉求主体之间的利益博弈所引发的相互作用，形成了乡村旅游发展的动力源泉。而对于城乡统筹来说，它是一个由城与乡的共生单元所构成的共生系统，各个要素在系统内的合理流动与优化配置是增强城乡关联度、促进城乡良性互动发展的重要保证。但无论是对于乡村旅游，还是城乡统筹来说，在系统发展的过程中，各利益诉求主体之间必然存在着一定的磨擦，即通常所说的“利益不均衡”问题，如何有效协调和解决这一问题，成为了乡村旅游可持续发展和城乡统筹协调发展中所共同面临的难题和挑战。只有理性地、有效地处理好这些问题，才能保持城乡统筹内部各要素的协调，有效发挥乡村旅游的促进农村经济发展、提升生态环境和协调城乡一体化发展等综合功能，从而有力促进乡村旅游与城乡统筹的良性互动发展，实现城乡统筹发展。

基于此，乡村旅游与城乡统筹的互动发展，既要找到着力解决城乡统筹发展中所面临问题的有效手段和途径，又要从推动乡村旅游可持续发展的角度出发，找到支持城乡统筹中发展乡村旅游的动力源。通过城乡统筹的发展为推动乡村旅游的可持续发展提供了必要的政策引向和制度保障，而乡村旅游的发展则为实现城乡统筹发展提供了重要的动力支持。

根据系统论的观点，结合我国乡村现状、乡村旅游的发展现状以及农村发展旅游业的可行性研究等，本文认为乡村旅游与城乡统筹的互动发展机制模型如图1所示，具体包括两个方面：

图1　乡村旅游与城乡统筹的互动发展机制

1.乡村旅游对城乡统筹的推动机制

乡村旅游作为促进农村经济发展的新动力，提高村民生活水平的新渠道，推进基础设施建设的新载体，加强精神文明建设的新形式，无疑是解决城乡统筹的有效途径。因此，要从推动乡村旅游可持续发展的角度出发，充分发挥来自需求者的影响力、来自供给者的吸引力、来自媒介的拉动力和来自支持者的推动力，建立乡村旅游对城乡统筹的推动机制。发展乡村旅游，不仅有利于提高农民收入、吸收农村富余劳动力，而且有利于带动乡村的人流、物流与信息流的发展，优化农村产业结构、改善农村环境，从而促进城乡经济、社会、文化、产业和生态的融合（见图2）。

图2　乡村旅游对城乡统筹的推动机制

虎的吉祥成语范文第2篇

[关键词] 护理干预；呼吸机治疗；焦虑

在重症监护病房的病人，均处于不同程度的焦虑状态。造成焦虑的原因有很多，手术疼痛的刺激，环境的改变，陌生的机器及交流障碍（无法发音），均使患者感到紧张、焦虑[2]。经人工气道行呼吸机辅助呼吸的病人，人工气道影响病人的语言交流，常使病人感到孤独和恐惧[3]。我们选择60例带呼吸机时间超过6小时的经人工气道行呼吸机辅助呼吸的择期手术病人，其中30例术前行了有针对性的护理干预措施，其术后焦虑程度明显降低，能更好地配合治疗和护理，获得更好的治疗效果。报告如下。

1.资料和方法

1.1一般资料

选择我科2007年8月―2008年12月收治的均为首次经人工气道行呼吸机辅助呼吸的择期手术病人60例。带机时间最短6小时，最长20小时。病人一般资料见表1。

1.2调查内容、评分标准及方法论

采用Willian WK Zung1971年编制的焦虑量表（SAS）评定病人的焦虑程度。该表含有20个项目，分外4级评分的自测量表。其评分标准为：“1”表示没有或很少时间有；“2”表示小部分时间有；“3”是相当多时间有；“4”是绝大部分或全部时间有。要求术后病人拔除气管插管后在自然无干扰的状态下，对术后6小时内行呼吸机辅助呼吸的情绪变化回顾性的进行填写。然后由统计者将各项分数相加乘以1.25，取其整数部分，即得标准分。以我国常模的上限为界，SAS标准分>50分，表明有焦虑症状，分值越高，说明焦虑症状越严重[1]。

1.3护理干预

1.3.1协助做好术后带呼吸机的心理准备

1.3.1.1缓解和消除病人焦虑的最好的方法是建立良好的护患关系，使病人在正视自己疾病的基础上，树立战胜疾病的信心。护士应采用亲切和蔼的态度，耐心得体的解释，热情周到的护理，娴熟的技术操作，解除病人的焦虑和担心，使病人感到自己被尊重和爱护，对护士产生信任。

1.3.1.2针对病情特点做好呼吸机相关知识的介绍。在已知和未知之间，未知更能使病人产生焦虑和担忧。本组病人由于对手术治疗的认识和对呼吸机的知识不了解，容易产生焦虑和担忧。针对这些心理问题，我们有计划的进行心理疏导。介绍医院良好的治疗环境和科学技术力量，医生的精湛手术技巧，手术目的和良好的效果，以及对机体器官的影响，术后可能遇到的问题怎样配合等。对可能带呼吸机的病人则详细地介绍使用呼吸机的目的、效果及配合事项，呼吸机治疗的大概时间，以及使用呼吸机将引起的不适及对不适采取的应对措施，解除其对呼吸机辅助呼吸知识的缺乏。

1.3.2增强病人对术后带呼吸机治疗的信心

带病人参观重症监护室，了解行呼吸机辅助呼吸的一般情况，详细向其讲解呼吸机正常工作的声音和报警声音，气管插管吸痰后引起的不适怎样缓解等。告诉病人全麻未清醒前约束其双上肢是为了防止病人在吸痰或其他不适时自行拔除气管插管，引起气管内粘膜的损伤。同时，对重症监护室护士的工作有一个大概的了解，并告诉病人重症监护室的护士工作责任心都较强，会随时出现在病人的身旁，及时解决其现存的或潜在的护理问题，尽量使其舒适。当病人自主呼吸恢复，低氧血症纠正，生命体征平稳，我们会及时停用呼吸机，拔除气管插管。并让同病室曾经行呼吸机辅助呼吸现已进入恢复阶段的病人，向其讲解呼吸机治疗的感受，给予病人恰当的鼓励和支持，让其对顺利度过呼吸机治疗阶段充满信心。

1.3.3解除病人对语言交流障碍的担心

术后因人工气道行呼吸机辅助呼吸的病人，人工气道影响病人的语言交流。术前我们可以告诉病人，虽然我们不能用语言进行交流，但我们会随时到床旁询问病人的感受及需要。可以通过目光的接触、点头或摇头、触摸等非语言形式进行沟通。同时，我们可预先约定几个简单的手势如：大便伸大拇指，小便伸小拇指，有痰伸食指，招呼护士拍床等，便于术后及时满足病人迫切需要解决的生理需要。另外，我们还准备了笔和画写板，让病人及时表达其较复杂的需要，减少术后因语言交流障碍而导致的孤独和恐惧。

1.3.4个体化的护理

本组病例60岁以上的老年人27例，因老年人智力、记忆力均下降，性格变得小气、固执、易激动，且易产生依赖性。所以对老年人要做到百听不厌、百说不倦。在给予详细的术前宣教及心理护理后，有些病人情绪可能比较稳定，而有些病人则有可能仍然存在比较严重的焦虑情绪。这时可让病人说出其担心焦虑的问题，给予其具体的解决。必要时可请其主管医生及家属协助我们的工作，对缓解其焦虑情绪起到较好的协同作用。

1.3.5做好带呼吸机的监护

病人回重症监护室前，做好呼吸机的准备工作，初步设定呼吸机的参数指标。采用同步指令（SIWV）及低潮气量、高频率的通气方式，以防胸腔内压力增高影响腔静脉血回流。病人回重症监护室后，严密观察生命体征，根据病人手术情况再次设定呼吸机的参数指标，保持呼吸机运转正常，听诊双肺呼吸音是否清晰。氧浓度（Fio2）早期可给予60―80%，1―2小时后氧饱和度（Spo2）正常逐步降至30―40%维持。使用呼吸机30分钟后常规检查血气分析，根据血气分析结果调整呼吸参数。以后每2小时监测一次，呼吸循环基本稳定后，每6小时复查一次。每1―2小时吸痰一次，保持呼吸道通畅，吸痰前给予100%的氧浓度1―2分钟，并保持湿化温度在32―35℃。必要时可用安定等镇静剂减少人机对抗的发生。同时应做好拔管前的准备工作。如：教会病人自主呼吸，并不断给予鼓励和支持，使其顺利拔除气管插管。

2.结果

术前预先知道术后将行呼吸机辅助呼吸的病人，术后6小时内焦虑评分均值明显低于术后临时决定行呼吸机辅助呼吸的病人。经两样本t检验（t=9.42，p

表2术前预知与术后临时决定带呼吸机

治疗病人术后焦虑评分比较

3.讨论

人工气道行呼吸机辅助呼吸是一种侵入性的治疗措施，它能迅速纠正低氧血症，改善肺泡换气。由于人工气道影响语言交流，语言交流障碍常使病人感到孤独和恐惧。焦虑和恐惧作为一种严重的心理应激，对病人的神经、内分泌及循环系统均产生不利的影响，并通过心理上的恐惧和生理上的创伤直接影响病人正常的心理活动[4]，对术后的康复存在不利的影响。手术病人的心理准备和心理治疗已成为外科治疗的一个重要环节，也是现代医学发展的一个不可忽视的特征。正常的、恰当的心理准备可以调动病人的积极性，主动配合治疗。否则，可产生消极的影响，使病人被动地接受治疗，不能达到预期的治疗效果。而病人的心理准备与医护人员的工作质量相辅相成。因此，对术前预知术后将带呼吸机的病人，除进行病情及手术相关知识介绍外，首先，应积极建立良好的护患关系，这是降低其焦虑程度的最重要的护理措施；其次，应介绍呼吸机治疗的相关知识，采取个体化的护理，增强病人带呼吸机治疗的信心。对术后行呼吸机辅助呼吸的病人，护士应有较强的责任心，密切观察生命体征，熟练的呼吸机监护的技巧。这些护理措施可降低术后行呼吸机辅助呼吸病人的焦虑和恐惧，利于积极配合治疗和护理，早日拔除气管插管。

对于术前预知术后将行呼吸机治疗病人，由于术前就有针对性的对有关呼吸机的内容进行了护理干预措施，术后对接受呼吸机治疗和护理的配合，明显好于术后临时决定使用呼吸机的病人。同时，随着呼吸机治疗时间的延长，护士积极采取有效的护理措施，术后临时行呼吸机治疗的病人，其焦虑程度明显降低。因此，我们认为：术前对择期手术病人实施正确的、有针对性的护理措施是必要的。

参考文献：

[1]江向东，主编.心理卫生评定量表手册.北京：中国心理卫生杂志社.增刊，1995：235-236

[2]陈鸿义.开胸术后早期肺通气变化.中华胸心学管外科杂志，1998，8（4）：37-38

[3]李伟新，主编.外科护理学.北京：人民卫生出版社，第3版2002：57

[4]何菊平.心理与疾病的研究进展.齐鲁护理杂志，1995，1（4）：23-24

[5]马敏.ICU环境对患者身心影响的研究与思考.中华护理杂志，2004，9（4）：305-306

虎的吉祥成语范文第3篇

[关键词] 远程交互；设计企业；设计课堂

【中图分类号】 TP39 【文献标识码】 A 【文章编号】 1007-4244（2013）12-319-2

一、盐城地区设计项目与课堂互动方式的选择

盐城地区设计项目与课堂互动显而易见是为了实现企业与高校的合作，并达成企业与高校互利共赢的目的。以往的校企合作是一种实体化的合作方式，双方需要投入大量的财力、物力和人力，并将合作的阵地安置在“校企共同体”或“校办工厂”内，而高校教育的核心阵地――课堂却置身事外，这对于高职院校的专业来说也无可厚非，学生在“校企共同体”和“校办工厂”里既锻炼了基础技能，又培养了实践能力，学校也实现了技能型人才的培养目标，但是对于普通高等院校的部分专业来说，尤其是艺术设计专业，这不能不说是一种极大的浪费。随着科技的发展，技术的更新，传统的实体化的合作模式往往会面临着技术设备更新缓慢、配套服务设施跟不上等问题，如果双方不能及时有效的解决此类问题，长此以往，势必会影响到双方的合作。

而基于远程交互技术实现的企业与课堂的互动与传统的实体化的合作方式不同，它是一种虚拟化的合作方式。在合作中，企业和课堂通过远程交互系统实现异地实时授课，语音文字答疑，企业员工和高校师生在虚拟现实的教室里，通过文字、音视频、课件、广播与电子白板等媒介进行交流，实现信息的实时交互。与以往实体化校企合作相比，这种虚拟化的合作方式不会受到场地设备更新难、服务设施不到位等问题的困扰，它更加适合于知识型行业领域，毋庸置疑，用远程交互技术实现设计企业与设计课堂的互动较其它实体化合作方式相比具有不可比拟的优势。

就目前盐城地区的经济发展水平和地方高等教育的发展状况来看，选择用远程交互技术这种虚拟化的方式来实现企业与课堂的互动是符合艺术设计这种知识型行业特点的。

二、盐城地区设计项目与课堂互动的机遇与挑战

（一）盐城地区设计项目与设计课堂互动的机遇。根据

2008年颁发的《国务院关于进一步推进长江三角洲地区改革开放和经济社会发展的指导意见》，将江苏沿海地区全部纳入长三角区域范围，这为盐城地区经济的发展创造了良好的政策环境。随着长三角经济一体化步伐的加快，盐城可借机推进与上海和长三角核心地区的对接融合，实现资源融通、交通互联、市场互通、信息共享、产业互补、环境同治、机制互动，将给盐城带来巨大的发展战略机遇。目前，盐城地区的经济开始呈现出良好的发展态势，逐步形成汽车、新能源、装备制造、纺织、化工、造船、节能环保等特色支柱产业，区域产业分工格局初步形成。随着区域经济的复苏，盐城地区的设计产业的发展面临极为有利的国际和国内发展环境，如何抢抓发展的重大战略机遇，凝聚力量，迎接挑战，推动发展，显得尤为紧迫。

良好的政治和经济环境为区域内的设计产业发展也提供了千载难逢的好机会，也扩大了对该产业内高素质人才的需求。以全国百强的重点大型国有企业悦达集团为例，该集团是盐城地区的支柱产业，目前在国内拥有两家上市公司、30多家分子公司、3万多名员工、资产总额450多亿元，形成了汽车和纺织两大支柱产业。为了适应多元化的需求，近年来悦达集团本着“人才是第一资源”的发展理念，每年向社会招募大量的人才，其中包括大量优秀的设计类人才。集团在用人上，坚持科学的人才观，以创新精神大力实施人才强企战略，坚持集团 “四个一批”人才工作指导思想，即“为重点项目引进储备一批人才，在不同岗位为不同产业培养一批人才，与大专院校挂钩一批人才，按照不同产业要求送出去造就一批人才”，以开放的胸怀热忱欢迎各类人才到悦达建功立业，进一步建立健全并实施一整套科学、民主、创新、规范的人才工作规章制度体系和用人机制，努力培养和造就一支善经营、懂技术、精管理的复合型、专门型高层次人才队伍，不断创新人才激励机制。

为了积极响应区域经济的发展，我院自2010年起，全面调整和完善了专业人才培养方案，确立了适应区域文化经济发展的应用型人才的培养目标。近年来，我院在已有的平面设计、、装饰设计、空间设计的基础上增设了与区域设计产业相关的环境设计和展示设计专业，引进了高素质的专业教师，安排教师深入到企业实训，组建专业实验室，组织学生到企业参观和实习等，学院已为实现与盐城地区的设计企业更深层次的合作做好了充分准备，正努力为盐城地区经济发展培养更多可用、能用、好用的人才。

（二）盐城地区设计项目与课堂互动面临的挑战。当然，我们应该清楚的看到，盐城地区经济发展较省内其它发达地区相比还存在明显的滞后性，主要体现为集聚科技、人才资源的能力较弱，高级专业技术人才匮乏，自主创新品牌和自主知识产权数量较少，科技进步对经济增长的贡献率不高。尤其在设计行业，本地大量的高素质的设计人才都流向了外地。就我院（盐城师范学院美术学院）来看，每年都有教师和大批优秀的毕业生的流向苏南和上海等地区，这种局面导致了本地的科技人才资源不能有效的服务于本地的经济建设，这是一个值得思考并有待解决的问题。

随着盐城地区设计产业的迅速发展，企业招工越来越困难，新招员工素质较低，相当一部分的设计师没有受过严格的专业训练，设计能力低下，直接影响企业的生存和发展。为了使设计企业在激烈的竞争中立于不败之地，不少企业花费重金从上海、苏州等地聘请专业的设计师在大型设计项目中担任指导工作。对于企业来说，这是极大的浪费，企业也苦于没能与我院建立起日常的信息往来，使我院这个人才资源的宝库没能得到充分的利用。

三、用远程交互技术实现盐城地区设计项目与设计课堂互动的重大现实意义

（一）更加有效的促进盐城地区设计企业与设计教育的互惠共赢。从客观上讲，盐城地区较江苏省其它发达地区相比，不论是教育还是经济都相对薄弱，在市场竞争日益激烈的条件下，企业和学校面临着巨大的压力。

在与企业的合作中，我院必须有效节约成本，充分的利用现有资源，避免因投入大量的资金、设备、场地、技术、人力资本和社会资源而影响今后的发展，我院目前经费相当紧张，学院近些年都把大量的资金投入在“硬件”建设上，比如多媒体教室与机房的建设上，我院多媒体教室的均采用国外进口设备，各项设施齐全，已达到国内领先水平；机房建设也颇具规模，建成5个PC机房和一个苹果机房；在网络建设和维护方面，学院也实行了专人专项管理；另外学院还先后建立了平面设计实验室、展示设计实验室、装饰设计实验室、雕塑实验室、陶艺实验室，印染实验室也在筹划和建设之中。当然，我院在“软件”建设方面也并不落后，近五年来我院不断注入新鲜的血液，先后引进硕士和博士研究生多达10余人，在专业教学中扮演者重要角色，在经费异常紧张的情况下学院还组织教师到国内外相关专业领域考察学习和参观培训，另外，网络课程也不断完善、网络管理和信息安全保障系统等也逐步建立。从我院现有的硬件和软件设施来看，与盐城设计企业的合作不必大费周折，用远程交互技术来实现设计企业与我院课堂的互动既符合艺术设计作为知识型行业的特点，又能有效的避免大量资金的投入，而且我院与设计企业既能建立实时的业务往来，又能保持相互的独立，学生只需要在课堂上通过远程交互系统获取企业项目的各种资料和信息，即可参与到项目的设计、管理、及制作当中。这种虚拟化的合作关系不仅能实现了我院与盐城地区设计企业的资源共享，优势互补，而且为我院节省了合作的成本。

盐城地区的设计产业受支柱产业――汽车业与纺织业发展的影响，也需要大批艺术设计类人才，尤其是纺织业，企业与很多院校签订了合作协议，但合作大多局限在对基础技能型人才的使用上，对于高技能型人才的应用与先进技术的研发尚未涉足。从企业日后的发展来看，引进高技能型人才与先进技术的研发才是提高企业核心竞争力的关键所在。我院作为盐城地区最具实力的普通本科院校，在教学目标上既要满足学术型人才的培养，也要满足高技能型人才的培养。对企业来讲，不论选择哪种方式建立起与我院的日常合作，都是有益无害的。而传统的实体化合作模式，不仅前期投入大，而且也不便于日后的更新，相比之下，用远程交互技术实现的虚拟化的方式更能使双方合作长久稳定，优势互补 ，互惠共赢。

（二）促进盐城地区特色经济的发展。作为江苏省面积最大，人口第二的地区，盐城在改革开发30年来，尤其是近几年来，在国家政策的引导下，通过全市人民的共同努力，盐城地区的经济取得了长足进，已初步形成了具有一定的发展规模和实力的汽车与纺织两大支柱产业。地处盐城市区世纪大道的纺织工业园是悦达集团的下属子公司，该公司凭借自身在家纺行业的独特优势和悦达集团作为国际知名企业的影响力，引进国内外先进技术和管理经验，全力开拓家用纺织品市场，先后获得了“国家免检产品称号”、“江苏省名牌产品称号”、“全国工人先锋号”、“中国家纺最高端面料奖”等荣誉，同时通过了“ISO9001：2000质量管理体系、ISO14001：2004环境管理体系和OHSAS18001职业健康安全管理体系”叁位一体认证。随着企业规模的不断壮大，公司与部分高校等签署了战略合作协议，每年为其输送大批的印染设计、平面设计、装饰设计，展示设计、空间设计和环境设计等设计类人才。

我院为了迎合区域经济发展的需求，正致力于加大与地区特色产业项目的合作。我院于2010年已全面调整了和完善了专业人才培养方案，确立了适应区域文化经济发展的应用型人才的培养目标。近年来，为了满足盐城地区纺织业对设计人才的大量需求，我院加强了平面设计专业与装饰设计专业的建设，增设了展示设计和环境设计两大专业。在专业建设和课程的设置上，和企业统筹规划，让企业共同参与人才培养。与以往的合作不同的是，用远程交互技术实现的虚拟化的合作能使双方向更深层、更广阔、更精细的方向发展，为区域特色经济的发展做出更突出的贡献。

（三）加快盐城地区人才素质的培养。现代社会的竞争，归根结蒂是人才的竞争，企业和高校的发展都离不开高素质的人才。利用远程交互技术实现的盐城地区设计项目与设计课堂的合作能够加快新知识新技能的传播速度，能够扩大科技文化的传播范围，为加快盐城地区的高素质人才建设作出贡献。

盐城地区设计企业通过与我院进行远程交互的虚拟合作，能有效的提高双方在创造性人才培养方面的能力。一方面，通过远程交互，本地的设计企业能参与我院的科研项目的研发，这不仅有助于我院科研方向的确立，还能加速其科研的进度，孕育出更加重大的成果，在成果形成的过程中，我院的教师学生都能参与到研发的过程中，既锻炼了教师，又培养了学生。另一方面，我院能对本地设计企业实现科研成果的转化和开发进行指导，从而加快了设计企业科研成果转化的速度，更大程度的解决了转化过程中出现的疑难问题，在成果转化的过程中，设计企业的技术员工都能参与到这一过程中，在与我院指导人员不断沟通、交流、学习中极大提升了本地设计企业员工的业务水平和个人素质，也培养了他们刻苦专研的品质。

四、结语

从盐城地区的政治与经济环境来看，我院与盐城地区设计企业的合作势在必行，但在合作方式的选择上，应该符合设计行业的特点和我院的现实状况。通过理论和事实证明，利用远程交互技术实现的盐城地区设计项目与设计课堂的合作更能有效的促进盐城地区设计企业与设计教育的互惠共赢，促进盐城地区特色产业的形成和特色经济的发展，加快盐城地区人才素质的培养。

参考文献：

[1]罗明东，李舜，李志平.区域教育可持续发展研究[M].北京：科学出版社，2005.

[2]孙绍荣，张文敏.高等教育与经济水平关系的统计分析[J].公共管理学报，2004，（8）.

[3]李新荣.地方高校社会服务的特点及其实现策略[J].社会科学战线，2007，（03）.

虎的吉祥成语范文第4篇

关键词： 乡镇企业 聚集 小城镇 互动机制

一、引言

我国是一个以农业为主的国家，很多省份工业基础薄弱，耕地基础薄弱，没有明显的区域优势。小城镇作为农村一定区域内的政治、经济和文化中心， 是联系城市和乡村的桥梁与纽带。为实现从传统农业国家向现代工业国家的转变是自二十世纪五十年代以来中国面临的一项重要任务。起源并于早期分布于乡村的乡镇企业是中国工业化进程的主要力量之一，但乡镇企业依村傍户的离散型空间分布又成为阻碍其进一步发展障碍。城镇化发展离不开乡镇企业的支持，乡镇企业的继续发展则依赖小城镇的发展与繁荣，二者相互依托、相互促进。城镇化发展为乡镇企业的发展提供了保障和条件, 乡镇企业发展则带动农村城镇化发展。

二、乡镇企业与小城镇发展的互动

乡镇企业与小城镇既不是孤立的系统，也不是封闭的系统，而是开放的系统。两者之间存在物质与信息等要素的互动。要提高两者互动发展的质量和规模，必需在方向、速度、数量上协调发展。例如，农村劳动力与农用土地想非农产业和城镇流转是经济发展的必然要求，但其流转数量和流转速度则应与农业产业话的发展释放的数量和速度想适应，都则将不利于农村经济的发展。

1、乡镇企业的集聚对小城镇发展的互动

乡镇企业的发展推动小城镇的发展，是其地域集聚形态的发展，这是乡镇企业发展的必然趋势。乡镇企业的集聚对小城镇发展的互动作用主要表现在以下几个方面：

⑴ 乡镇企业作为极具活力、发展迅猛的工业主体，在经济合理原则和追求提高企业竞争力的特定情形下，必然改变其分散布置在自然村落的现状而向小城镇集中，使之向集约化，规模化方向发展，为小城镇的经济发展打下坚实的工业基础。

⑵ 乡镇企业的发展可带动运输、包装、仓储等物流行业和人才、技术、信息等中介业和金融服务等第三产业的发展。优化产业结构和资源配置，活化市场，提高小城镇的综合实力。

⑶ 乡镇企业想小城镇集中的过程，也是吸收农村剩余劳动力资源的过程，增加小城镇人口流动和社会活动，部分农村劳动力及家庭成员随着企业的发展和收入的增加，逐步脱农进镇进城落户，变成未定的城镇人口。人口流动的增加，必然要求小城镇提升全方位服务的能力，带动相关产业的发展，促进城镇经济繁荣，并反过来继续辞职农村劳动力进城发展。

⑷ 乡镇企业向小城镇的集聚，进一步促进小城镇的水、电、交通、通讯等基础设施和文化、教育、卫生等公共设施的建设。改善小城镇的投资环境，有利于工商资本进城，并提高小城镇对周边农村的辐射带动力。

2、小城镇发展对乡镇企业的互动

对于农村来说，小城镇能为乡镇企业提供更好的基础设施和公共服务设施，使乡镇企业的生产经营、资源流通等更加方便有效，从而降低乡镇企业的生产成本和交易成本，提高经济效益。小城镇的发展可是先乡镇企业的适当集中。目前我国乡镇企业分布分散，与小城镇发展滞后不无关系，小城镇作为农村工业的主要载体，小城镇的发展则可吸引分散的乡镇企业向小城镇集聚。

四、乡镇企业向小城镇聚集互动机制的模式

由于乡镇企业不具备大规模生产所需的资金、技术和管理等方面的能力必然导致乡镇企业向小城镇的聚集。在激烈的竞争中单个的企业难以得到发展机会，采用企业集群方式组织生产， 分工协作形式， 克服自身规模不足的约束，形成区域或行业规模经济。小城镇的发展应坚持“ 资源趋向效益, 效益吸引资源”原则，发挥地方资源优势促进资源的聚集，进而促进乡镇企业在小城镇聚集，使乡镇企业聚集与小城镇发与两者有效地互动。

1、利用农业优势资源，形成农产品加工企业的聚集

由于小城镇地理位置和人员结构的特殊性，使其发展与农业有着不可分割的联系，农业理所当然成为小城镇的发展支持。农业产业化、集约化的程度及与这种联系的紧密程度决定小城镇发展的深度。农村经济的发展使农产品加工业发展速度加快，成为推进乡镇企业聚集的重要力量。

2、依靠交通优势，推动商品加工企业和流通市场发展

德国经济学家韦伯在分析研究工业位移的规律时发现， 一个拥有便利交通、丰富资源等地区，工业就会聚集在交通枢纽或被吸引到资源周围。而具有交通枢纽区位优势和交通便利条件的小城镇，则可利用当地商品流通活跃、市场发育程度高的优势来发展专业市场，以促进商品加工业发展，形成加工生产企业、商业企业聚集，并与小城镇发展相促进。

3、依托中心城市，发展互补产业

中心城镇往往作为生产、贸易、金融、信息、文化、交通运输的中心，具有较强吸引力和辐射力。处于大城市近郊的小城镇除拥有自身资源优势外，由于离中心城市近，可以方便获得发展所需资本、信息和人才等资源。与此同时，一些城市工业受空间、环保等条件的制约， 需往农村或近郊寻求新的发展空间。小城镇在发展中可以利用其独特的地理条件制定合理的发展战略，发展与大城市衔接配套互补的产业，加速乡镇企业的聚集。

4、依附某一规模产业, 提供相关产品与服务

小城镇经济增长的关键在于要在本地区建立起具有拉动作用的产业。当一个地区形成一个或多个有规模的产业时，为之服务的产品和服务的企业也开始形成并聚集。而规模产业可以向其他地区或部门进行投资，通过支持其他地区和产业的发展来满足自己对原材料，半成品等的需要，从而为小城镇的发展提供更有利的条件。

五、加速乡镇企业在小城镇聚集的对策

乡镇企业向小城镇的聚集是伴随社会经济的发展和农村工业化、现代化而发生的一场巨大变革，加速乡镇企业在小城镇的聚集的对策可以总结为以下几点：

1、制定合理有效的经济发展政策，深化相关管理制度的改革。例如，加快户籍制度改革，实行以居住地区划分城镇人口和农村人口的管理制度，取消农业和非农的管理制度；深化土地制度改革，大胆探索进镇农民承包地、自留地及宅基地的流转问题，做出适当的经济补偿，降低农民进镇购房成本。打破乡镇企业的社区依赖性和封闭性，深化乡镇集体企业制度改革，对规模小，效率不高的企业进行整改重组，兼并等，对具有一定规模和发展潜力的农村集体企业向公司制转变，形成以聚集经济为导向的非农生产要素空间配置的格局。

虎的吉祥成语范文第5篇

关键词：

呼叫详细记录；功能区；机器学习；城市感知；高斯混合模型

中图分类号： TP391.9； TN929.5 文献标志码：A

0引言

城市是一个复杂的动态系统，一般都要经历规划发展调整再规划这样一个循环往复的过程[1]。在这个过程中，由于人的生产活动以及产业集聚力和扩散力的影响，土地利用和空间结构都在经历不断的变化，在其内部形成了不同的功能区，且不断发生着演变。对城市土地进行及时明确的功能区划分，对于城市管理者来说，是检验城市规划合理性以及指导未来规划方向的一个重要参考。然而，传统的研究方法都是以人工手绘、实地调查和卫星遥感[2-3]得来的数据为基础。一方面，这些数据只能描述城市各区域的外在物理性差别，不能体现其内部社会功能性；另一方面，这些数据的获取需要花费大量的人力、物力和时间；同时可靠性要受到时间、地点甚至调查人员经验判断的影响，难以满足对当前快速发展的城市进行动态监测的需求。日常生活中，用户在使用移动手机、全球定位系统（Global Positioning System， GPS）、无线网络等具有位置传感器的服务时，出于计费目的，一些服务供应商的服务器会对数据进行保存。长此以往，产生了海量的用户生活数据，例如呼叫详细记录（Call Detail Record， CDR）、出租车出行记录、网络签到记录等。这些数据相比传统数据具有覆盖面广、时空分辨率高、成本低廉等优势。国内外已有学者在利用相关数据进行城市感知方面的研究，例如文献[4]用CDR数据分析了科特迪瓦、波士顿、米兰等地的用户通勤模型，从移动距离、时间等角度进行了对比分析，发现利用CDR数据的分析方法相比传统方法更具实用性和可重复操作性；文献[5-6]从个人手机通话数据中得到用户的移动模式，结合移动模式进行用户位置预测、城市交通分析等工作；文献[7]提出了一种基于CDR数据发现城市“间隙”的方法，即通过分析邻近基站区域间人流量的异常值来判断城市中河流、公园以及道路障碍的位置。上述研究都表明人类活动与城市空间结构存在紧密联系[8-10]，这也为解决城市功能区的动态监测问题提供了一个新视角。

针对以卫星遥感为代表的传统方法在解决功能区识别问题上的不足，本文提出一种基于CDR数据进行城市功能区识别的新方法，并在现有数据集上对其可行性进行了验证。

1实验数据集与问题定义

移动通信网络[11]是由彼此相邻的基站收发台（Base Transceiver Station， BTS）相互连接而成，每一个BTS的服务面积可以近似用泰森多边形来表示，为该基站的通信小区。用户在一个通信小区内发生通话或使用其他服务时，运营商服务器端都会产生一条CDR记录，其主要字段由表1所示。运营商对每一个基站有记录其具体的位置信息，包括经度、纬度和周边道路、建筑信息。

本文实验数据集由两部分构成：1）取自我国北方某城市11343244条经匿名处理的CDR数据；2）该市43880个通信基站的地理位置信息。其中，CDR数据由40000名抽样用户在2013年6月产生，抽样条件为：1）用户的号码注册地位于该市某科技产业中心；2）用户在2013年6月的通话总时长大于100min。

考虑到数据抽样条件的限制，为了选取合适的基站作为研究对象，从用户接入过的14549个基站中取“月总接入量”排名靠前的1500个。借助基站的位置信息和百度地图公开的兴趣点（Point Of Interest， POI），对这1500个通信小区以住宅区、办公区、商业区、高校区、景点区进行功能区标注（其中6个存在2个以上功能区标签，被舍弃），结果如表2所示。

每个BTS记录的CDR数据包含了该区域内用户群体的行为特征信息。这些特征主要包括所有用户的通话时长在时间上的分布，用户移动性在时间上的分布以及长短途通话比例等。一般而言，受城市布局和社会工作时间的影响，用户在不同功能区内的行为在时间分布上会表现出明显的不同，比如用户在办公区域内的通话行为在办公时间发生的概率应大于休息时间。反过来，从CDR数据中若能提取到这些不同点，应可以用于推断通信小区所处位置的土地利用类型。为了验证这一猜想，本文在完成对通信小区的功能区标注的工作后，以基站为单位提取用户群体的通话行为特征向量，分析不同功能区中心特征向量的差异性，最后用N折交叉验证方法将数据分为训练集和测试集，以最终的召回率均值来表示CDR数据在城市功能区识别应用方面的能力。

2特征提取及分析

CDR数据中，用户的每次通话行为可以由一个三元组来表示：

Meta=（BTSn，Dn，Tn）（1）

其中：BTSn为用户通话时所在的基站标识；Dn为通话的持续时间；Tn为通话起始时间。同一用户连续两次通话之间发生的事件定义为通话间隔事件（Call Interval Event， CIV）。如果两次通话的地点不同且间隔时间在2h以内则该通话间隔事件为一次通话移动事件（Call Move Event， CMV），记前一个BTS所在位置为移动起点。

每一个BTS服务面积下的用户行为特征在时间上的分布可以用一个二维矩阵νn=（δ，τ）表示，其中：n∈{1，2，…，N}是基站标识，δ∈{1，2，…，30}是日期划分，τ∈{1，2，…，24}表示每天以1h为单位划分的时间槽。矩阵中的每个元素为该BTS服务下的用户在该时间槽下的特征值。本文从中提取出两个特征，分别为通话时长特征（Call Duration Feature， CDF）和移动频率特征（Move Frequency Feature， MFF），计算方式分别如式（2其中：M为BTSn服务下的用户数，Di为每次通话时长。

受社会工作时间的影响，用户在工作日和休息日下的社会行为会表现出很大的差别，通话行为也是这样。受此启发，本文将日期划分为工作日Ω1和休息日Ω2两类，其中Ω1包括周一到周五，Ω2包括周六、周日和假日。然后，按照通话时间对每个人一个月的通话记录以工作日和休息日两个模式进行聚合，以尽量还原用户每日的真实移动轨迹，那么，每个通信小区的特征向量Xn可以表示为：

其中“++”表示Ω1和Ω2两类日期模式别在时间上的连接。

根据式（2）、（3）和（4）提取1494个样本的“通话时长”和“移动频率”两类特征，并求得5类功能区的两类特征中心向量分别如图1和图2所示。

从图1可以看出，所有区域内的用户在工作日的通话时长比休息日都要高，但是办公区内的差别最为明显；住宅区和高校区表2、图1、2中为高校区，此处的“文教区”是否应该改为“高校区”？通篇需要统一，请明确。内用户在晚间20：00～22：00的通话时长总量会出现一个明显的峰值，是相比其他3类功能区的一个突出特征，而商业区和景点区在通话时长特征方面较难区分。图2是5类功能区的移动频率特征中心向量对比。总体来看，各功能区在工作日的早晨和傍晚均出现一个移动高峰，休息日则较为平稳；住宅区的移动频率较低；景点区的移动频率最高；高校文教区在工作日夜间的移动频率很低而在休息则比较高；商业区在日间的移动频率处于较低水平，而在夜间则有所上升。分析来看，各功能区内的用户通话和移动特征与该地区的功能类型相符合，如果能够找到合适的方法融合这两个特征则可以对不同基站所处区域的功能类型进行区分。

3基于多特征加权判决的功能区识别

考虑到第2章提到的多特征融合的需求，本文引入一种软判决的机器学习算法――高斯混合模型（Gaussian Mixture Model， GMM）。该算法在监督学习中可以得到某一类样本在d维空间中的概率密度分布函数（d为特征向量的维度），从而可以得到新样本在该类下的隶属度。本文在该算法的基础上，设计了“基于多特征加权判决的功能区识别”的模型训练和识别流程。

3.1高斯混合模型

高斯分布（Gaussian Distribution）是一个在数学、物理和其他工程领域内一个重要的连续概率密度分布函数，用于描述一个围绕某个单值聚集分布的随机量。从数学的角度可以证明高斯分布的信息熵在所有已知均值和方差的连续分布中最大，这使得它成为在已知均值和方差情况下最理想的分布选择。然而，实际情况是，很多工程应用[12-13]中变量的概率分布呈现出多峰现象，也就是说单模态的高斯分布不能对多模态的实际变量概率分布进行有效拟合。为了解决这个问题，研究者提出高斯混合模型（Gaussian Mixture Model，GMM）的概念，即用两个或两个以上高斯分布加权求和对实际变量的分布进行表达。通过这种方法，只要增加单高斯的个数，便可以去逼近任意复杂的连续变量概率密度分布。

假设一个GMM由K个单高斯分布组成，那么这K个单高斯分布函数的线性加权组合即为该GMM的概率密度函数：

p（x）=∑Kk=1p（k）p（x|k）=∑Kk=1πkN（x|μk，Σk）（5）

其中πk、 μk、Σk此处这两种书写方式，采用前一种，还是后一种？即“∑”是求和符号，还是希腊字符？请明确。分别为第k个单高斯的权重、均值和方差。训练GMM的过程就是对这3个参数进行估计，一般采用最大似然估计法。如一个训练样本大小为M，则GMM（πk， μk，Σk）的似然函数如下：

lg∏Mi=1p（xi）=∑Mi=1 lg p（xi）=

∑Mi=1lg（∑Kk=1πkN（x|μk，Σk））（6）

训练样本根据式（6）计算出在该GMM下的似然值越大则说明该GMM对该样本的概率密度分布拟合得越好。为了得到期望的GMM，本文用最大期望（Expectation Maximization， EM）算法在训练中进行迭代求解，得到似然值最大时的模型参数。具体的迭代过程如下所示。

1）参数初始化，可用聚类算法得到初始的πk、 μk、Σk值。

2）期望过程，估计训练样本中每个数据在第k个单高斯分量下的概率，对于数据xi来说，它属于第k个单高斯分量的概率为：

γ（i，k）=πkN（xi|μk，Σk）∑Kj=1πjN（xi|μj，Σj）（7）

在迭代过程中，πk， μk，Σk取上一次计算出的值。

3）最大化过程，对式（7）进行求导，得到该似然值下的GMM参数：

μk=1Nk∑Mi=1γ（i，k）xi（8）

Σk=1Nk∑Mi=1γ（i，k）（xi-μk）（xi-μk）T此处上标T若表示矩阵、矢量或向量的转置，那么xi，μk是否应该是矢量、向量或矩阵？请明确。答：T表示转置，（5）～（10）式子中的xi，μk以及式中的x都是向量，经检查没有其他需要注明的变量。（9）

Nk=∑Mi=1γ（i，k）（10）

已知∑Kk=1πk=1，所以在GMM的似然函数中可加入拉格朗日乘子得到lg∏Mi=1p（xi）+λ（∑Kk=1πk-1），求得加入拉格朗日乘子后的似然函数最大时对应的πk=Nk/N。

4）检查似然函数是否收敛，若收敛则得到最大的似然函数值，否则继续第2）、3）步的迭代过程，得到最终的模型参数（πk， μk，Σk）。

3.2多特征加权判决的功能区识别

从CDR数据中提取每个通信小区的两个特征向量之后，利用高斯混合模型算法分别对每一类功能区下的每个特征训练集进行训练，得到相应的GMM。以“住宅区”样本为例，其识别流程主要分为模型训练和样本预测两个部分，如图3所示。其中，CDF集合和MFF集合下的测试集和训练集内的样本一一对应；测试集中的样本输入到对应的GMM特征模型后，便可得到对应的隶属度。为了综合两类特征模型的预测结果，引入权重β来计算样本属于该功能区类别的最终隶属度：

P（X∈Y）=βPi+（1-β）Pj（11）

为了确定式（11）中判决权重β的最佳值，设置一组梯度值β={0，0.1，…，1.0}分别进行仿真，取功能区召回率最大时对应的β值作为最终的模型参数。

1494个通信小区中位于住宅区、办公区、商业区、高校文教区和景点区的各占比30.38%、27.04%、21.22%、11.45%、9.91%，比例可近似为3∶3∶2∶1∶1，本文在使用5折交叉验证时，测试集和训练集中的通信小区样本类别分布均近似满足该比例。根据图3的流程可依次训练各类功能区在不同特征集下的GMM，得到一组GMM序列，然后计算测试集内样本属于各功能区的概率P（X∈住宅区）、P（X∈住宅区、…、P（X∈景点区），取概率最大时对应的功能区类别作为该样本最终的识别结果。

4实验结果及误差分析

4.1实验结果

根据实验设置的一组梯度值β={0，0.1，…，1.0}，分别进行仿真，得到不同β值下的功能区召回率，如图4所示。

由图4可以看出， β=0.6也即通话时长特征和移动频率特征的判决权重为3∶2时，实验得到功能区召回率最高为51.08%，而仅用通话时长特征（β=1.0）时召回率为44.78%，仅用移动频率特征（β=0.0）时召回率为40.83%。由此可见，两种特征的结合可以更好地刻画不同功能区之间的差异性，提高功能区识别的召回率。表3给出了β=0.6时识别结果的混淆矩阵，从表3中可以直观地看出整个样本在本文多特征判决模型下的识别结果。其中，住宅区、办公区的识别率均超过50%，商业区为42%，高校文教区为31%，景点区为27%。

商业区、高校区和景点区中各有50%～30%此处书写是否有误，应该按照从低至高的顺序吧，即30%～50%？请明确。回复：这个数字与前面的商业区、高校区、景点区一一对应的分别是：51%、47%和44%，因此原句可修改为：“商业区、高校区和景点区中分别有51%、47%、44%的区域被误识为住宅区或办公区”。

的区域被误识为住宅区和办公区，

商业区、高校区和景点区中分别有51%、47%、44%的区域被误识为住宅区或办公区，

这是拉低整体召回率的一个主要原因。

4.2误差分析

本节对识别误差的可能原因进行了分析，主要包含以下两个方面。

1）通信小区的功能异质性对识别结果的影响。

结合地图对实验所用的通信小区内的POI信息的分析发现，有些通信小区所处位置的局部功能与其周边整体功能存在不一致的情况。比如一些高校区占地面积较大，其内部的一些处于教工宿舍或者研究所附近的通信小区在整体功能上被划分到高校区一类，然而从它们主要服务用户的作息时间来看，局部功能更应归为生活区和办公区一类，因此，应该存在部分通信小区其在CDR数据中所体现的功能性特征与标注结果有所不同。为了验证这一猜想，本文对模型的识别结果作了进一步分析，以住宅区为例，将识别结果分为3类。

模式Ⅰ为识别结果为住宅区且标注型也为住宅区的通信小区集合；模式Ⅱ为识别结果为住宅区而标注类型为其他类型的通信小区集合；模式Ⅲ为识别结果为其他功能类型而标注类型为住宅区的通信小区集合。图5（a）、5（b）分别给出了这3类集合的通话时长特征和移动频率特征中心向量。

从图5中可以看出，模式Ⅱ的特征曲线与模式Ⅰ的特征曲线匹配度很高，而模式Ⅲ的特征曲线与模式Ⅰ的有明显的偏差。这说明，在误识别的样本中存在部分通信小区，其服务范围内的用户实际活动类型与其标注的功能区类型并不一致。致使这一结果的原因，一方面是通信小区局部和整体功能不匹配，如前文对部分位于高校区内的通信小区的特点分析；另一方面，如果这些通信小区覆盖范围内的土地利用类型确实发生了变化，而运营商和地图兴趣点并没及时更新相应的位置信息，也会导致相同的结果。在这次误差分析中因为缺乏该地区在相应数据采集时间段内的官方地理信息，无法对后者进行验证。而功能区识别的目的就在于发现城市区域土地的当前使用方式与历史记录是否存在冲突的情况，因此在城市管理中，这些地点应成为重点关注的对象，分析其背后的原因，以此来引导后续的发展。

2）用户访问量对识别结果的影响。

用CDR数据中提取的用户行为特征去反映通信小区的功能结构，决定了通信小区的被访问量与反映结果准确性之间的关系。访问量越大，CDR数据对其特征的描述越准确；反之，CDR数据对通信小区的功能特点刻画能力越弱。本次工作统计了所有用户对1494个通信小区的访问量（发生通话事件的次数），以β=0.6时的识别结果对访问量和召回率之间的关系进行了分析，二者关系如表4。

从表4的数据可以看出，样本召回率随通信小区访问量的增加而增大，因此，要提高本文所提出的方法在功能识别应用中的召回率，一个有效的方法就是提高CDR数据的抽样率，增加用户数量。

5结语

本文通过分析CDR数据，得到用户在城市生活中所留下的时空分布信息，并结合高斯混合模型算法设计出基于多特征判决的城市功能区识别新方法。该方法在现有数据下的召回率达到了51.08%。误差分析发现一部分BTS服务下的用户实际通话行为特性与根据历史位置信息标注的土地利用类型并不相符合，且样本的召回率随通信小区的访问量增加而提高。51.08%的召回率虽达不到实际应用的需求，但可以作为传统方法的一种辅助手段，减少人力和物力的投入。用CDR数据进行的城市感知研究，体现了人与环境之间的相互作用关系，为城市管理、监测提供了一个新的视角。

受CDR数据获取途径的限制，本次工作不能在更大数据量下对本文提出的方法和分析结果进行进一步的验证。下一步工作主要从两个方向进行展开：第一，获取更多、更新的CDR数据用于该领域的研究；第二，挖掘CDR数据中更多的用户行为特征，例如长短途通话比例、平均通话时长等，从多角度对不同功能区间的差异性进行表达。

参考文献：

[1]

EAGLE N， PETLANDA. Reality mining： sensing complex social systems [J]. Personal and Ubiquitous Computing， 2006， 10（4）： 255-268.

[2]

刘英，赵荣钦.遥感技术在中国城市环境监测中的应用研究进展[J].云南地理环境研究，2006，18（1）：101-104.（LIU Y， ZHAO R Q. Research advances in applying remote sensing technology to urban environmental monitoring in china [J]. Yunnan Geographic Environment Research， 2006， 18（1）：101-104.）

[3]

郭理桥，林剑远，王文英.基于高分遥感数据的城市精细化管理应用[J].城市发展研究，2012，19（11）：57-63.（GUO L Q， LIN J Y， WANG W Y. Urban fine management application based on high score remote sensing data [J]. Urban Development Studies， 2012， 19（11）： 57-63.）

[4]

KUNG K S， GRECO K， SOBOLEVSKY S， et al. Exploring universal patterns in human homework commuting from mobile phone data [J]. PLoS ONE， 2014， 9（6）： e96180.

[5]

YADAV K， KUMAR A， BHARTI A， et al. Characterizing mobility patterns of people in developing countries using their mobile phone data [C]// Proceedings of the Sixth International Conference on Communication Systems and Networks. Piscataway， NJ： IEEE， 2014： 1-8.

[6]

GONZALEZ D M C， HIDALGO C A， BARABASI AL， et al. Understanding individual human mobility patterns [J]. Nature， 2008， 453（7196）： 779-782.

[7]

XIANG F， TU L， HUANG B. Inferring barriers of urban city using mobile phone record [C]// Proceedings of the 2013 IEEE International Conference on Green Computing and Communications and IEEE Internet of Things and IEEE Cyber， Physical and Social Computing. Piscataway， NJ： IEEE， 2013： 850-855.

[8]

周涛，杨紫陌，汪秉宏，等.人类行为时空特性的统计力学[J].电子科技大学学报，2013，42（4）：481-534.（ZHOU T， YANG Z M， WANG B H， et al. Statistical mechanics on temporal and spatial activities of human [J]. Journal of University of Electronic Science and Technology of China， 2013， 42（4）： 481-534.）

[9]

李婷，裴韬，袁烨城，等.人类活动轨迹的分类，模式和应用研究综述[J].地理科学进展，2014，33（7）：938-948.（LI T， PEI T， YUAN Y C， et al. A review on the classification， patterns and applied research of human mobility trajectory [J]. Progress in Geography， 2014， 33（7）： 938-948.）

[10]

刘瑜，康朝贵，王法辉.大数据驱动的人类移动模式和模型研究[J]. 武汉大学学报（信息科学版），2014，39（6）：660-664.（LIU Y， KANG C G， WANG F H. Research on human mobility patterns and model driven by big data [J]. Geomatics and Information Science of Wuhan University， 2014， 39（6）： 660：664.）

[11]

戴虎.GSM网络体系结构及其网络优化[J].武汉理工大学学报（信息与管理工程版），2005，27（1）：10-14.（DAI H. GSM network architecture and network optimization [J]. Journal of Wuhan University of Technology （Information & Management Engineering）， 2005， 24（1）： 10-14.）

[12]

TORRESCARRASQUILLO P A， REYNOLDS D， DELLER J R， Jr. Language identification using Gaussian mixture model tokenization [C]// Proceedings of the 2002 IEEE International Conference on Acoustics， Speech， and Signal Processing. Piscataway， NJ. IEEE， 2002： I757-I760.