無人機(jī)逆向車輛檢測數(shù)據(jù)時(shí)效性分析

杜榮義, 彭仲仁

(1. 南寧市公安局交通科學(xué)工程研究所,南寧 530022;2. 同濟(jì)大學(xué) 交通運(yùn)輸與工程學(xué)院,上海 201804)

無人機(jī)逆向車輛檢測數(shù)據(jù)時(shí)效性分析

杜榮義*1, 彭仲仁2

(1. 南寧市公安局交通科學(xué)工程研究所,南寧 530022;2. 同濟(jì)大學(xué) 交通運(yùn)輸與工程學(xué)院,上海 201804)

空中交通檢測數(shù)據(jù)的時(shí)效性分析是基于空中檢測技術(shù)的道路交通參數(shù)估算的基礎(chǔ),同時(shí)也可為地空交通檢測數(shù)據(jù)的時(shí)空配準(zhǔn)提供理論基礎(chǔ).本文在對(duì)無人機(jī)視頻檢測技術(shù)及其檢測特性進(jìn)行分析的基礎(chǔ)上,考慮到車輛檢測數(shù)據(jù)的時(shí)空分布特性,提出了兩個(gè)時(shí)效性評(píng)價(jià)指標(biāo)——絕對(duì)有效時(shí)間和相對(duì)有效時(shí)間,采用理論推導(dǎo)的方法,研究了無人機(jī)飛行參數(shù)設(shè)置(速度、高度)及道路交通條件(道路長度、車速)等對(duì)逆向車輛檢測數(shù)據(jù)時(shí)效性的影響.利用 I-80 全息車輛軌跡數(shù)據(jù),采用 Matlab 編程,對(duì)研究結(jié)論進(jìn)行了驗(yàn)證.研究表明,本文提出的兩個(gè)時(shí)效性評(píng)價(jià)指標(biāo)可以很好地應(yīng)用于描述或解釋無人機(jī)的車輛檢測能力,即車輛檢測數(shù)和車輛檢測率.

智能交通;無人機(jī);移動(dòng)視頻交通檢測;交通信息采集;時(shí)效性

1 引 言

空中檢測技術(shù)在道路交通信息采集應(yīng)用中具有巨大的潛力.盡管衛(wèi)星航拍是最早被考慮用于交通監(jiān)控的空中交通檢測技術(shù),但研究表明,由于衛(wèi)星受限于其運(yùn)行軌道限制等影響,因而難以用于車流跟蹤等需要連續(xù)監(jiān)控車流的交通應(yīng)用[1,2].另外一方面,有人駕駛飛行器用于交通信息采集則價(jià)格昂貴,飛行及養(yǎng)護(hù)成本過高,同時(shí),涉及到飛行人員的安全問題[3].

無人機(jī)作為一種低成本、低風(fēng)險(xiǎn)(無人)、靈活的“空中之眼”,可裝備視頻攝像機(jī)、定位傳感器及通信設(shè)備,以獲取較為詳細(xì)的交通數(shù)據(jù),從而為交通規(guī)劃、管理與控制提供一種新的檢測手段[4,5].受限于低空飛行管制等方面的因素,當(dāng)前對(duì)無人機(jī)在交通應(yīng)用方面的研究還主要停留在可行性驗(yàn)證方面.在無人機(jī)穩(wěn)定性和車輛跟蹤性能測試方面, 2002 年,Research&Technology Transporter 采 用BAT型號(hào)的無人機(jī)驗(yàn)證了其具有良好的道路沿線飛行能力,并且檢測了無人機(jī)發(fā)送實(shí)時(shí)通勤列車視頻到地面監(jiān)控系統(tǒng)的能力[6].2003 年,Lee 等人通過模擬和實(shí)驗(yàn)測試方法提出了一個(gè)考慮車速變化的無人機(jī)道路車輛跟蹤的路徑規(guī)劃策略[7].在數(shù)據(jù)傳輸方面,Latchman 等人利用佛羅里達(dá)現(xiàn)有的微波通信塔系統(tǒng)實(shí)現(xiàn)了無人機(jī)道路交通采集視頻數(shù)據(jù)的實(shí)時(shí)無線傳輸[8].在系統(tǒng)集成方面,西密歇根大學(xué)的羅等人將無人機(jī)集成到了交通監(jiān)測和應(yīng)急管理系統(tǒng)中,使得西密歇根交通部可以根據(jù)無人機(jī)提供的實(shí)時(shí)交通數(shù)據(jù)迅速做出決策[9].2005 年,佛羅里達(dá)州交通部的無人機(jī)資助項(xiàng)目探討了無人機(jī)在交通、事故和應(yīng)急管理中的應(yīng)用前景[10].研究結(jié)果表明,無人機(jī)在交通管理中可以作為 “為選定的不同任務(wù)和使命收集和提供所需數(shù)據(jù)的經(jīng)濟(jì)有效的手段”.2008 年,美國警方在佛羅里達(dá)州棕櫚灣的無人機(jī)應(yīng)用測試表明,無人機(jī)在固定交通攝像頭無法安裝或沒有安裝的地方是一個(gè)非常有用的工具[11].所有這些研究和測試表明,隨著無人機(jī)性能的提升和動(dòng)態(tài)視頻圖像處理技術(shù)的成熟應(yīng)用,無人機(jī)視頻檢測技術(shù)在路面交通監(jiān)測中的應(yīng)用是可行的且具有明顯的潛在價(jià)值.然而,目前交通研究領(lǐng)域?qū)o人機(jī)采集交通數(shù)據(jù)的研究(如飛行狀態(tài)下的車輛采集數(shù)據(jù)的分析和處理)比較欠缺.

由于飛行狀態(tài)下,無人機(jī)是基于一個(gè)移動(dòng)的檢測窗口進(jìn)行車輛信息采集,因而采集到的車輛數(shù)據(jù)具有時(shí)間、空間分布差異性,基于時(shí)空差異性對(duì)所采集的數(shù)據(jù)進(jìn)行時(shí)效性分析可以獲知交通流數(shù)據(jù)信息表征的有效時(shí)間區(qū)間,即進(jìn)入檢測路段/斷面的時(shí)間.本文將對(duì)無人機(jī)逆向車輛檢測特性進(jìn)行分析,提出無人機(jī)檢測數(shù)據(jù)時(shí)效性的評(píng)價(jià)指標(biāo),并重點(diǎn)對(duì)逆向飛行狀態(tài)下無人機(jī)的飛行參數(shù)設(shè)置(速度、高度)及道路交通條件(路段長度、車速)對(duì)車輛檢測狀態(tài)的影響進(jìn)行研究,從而為基于無人機(jī)檢測數(shù)據(jù)的道路交通參數(shù)提取的分析提供依據(jù),同時(shí)也為地空交通檢測數(shù)據(jù)的時(shí)空配準(zhǔn)提供理論基礎(chǔ).

2 無人機(jī)交通檢測技術(shù)

2.1 無人機(jī)視頻檢測技術(shù)

無人機(jī)視頻檢測技術(shù)[12],也稱無人機(jī)航拍技術(shù),是利用集成有 GPS 定位系統(tǒng)、無線通信系統(tǒng)和高分辨率視頻攝像系統(tǒng)的高性能無人駕駛飛行器,對(duì)地面目標(biāo)進(jìn)行攝像、攝影,進(jìn)而通過獲取的圖像和視頻數(shù)據(jù)提取所需要信息的檢測技術(shù).面向交通信息采集的無人機(jī)檢測技術(shù),以自動(dòng)駕駛飛機(jī)為飛行平臺(tái),以高分辨率數(shù)碼相機(jī)為傳感器,以獲取高分辨率影像數(shù)據(jù)為直接目標(biāo),以獲取道路交通流信息為目的,以視頻圖像處理技術(shù)為數(shù)據(jù)處理手段,通過 GPS 定位導(dǎo)航技術(shù),并借助先進(jìn)的無人機(jī)飛行控制系統(tǒng)和無線通信系統(tǒng),可實(shí)現(xiàn)無人機(jī)與地面交通監(jiān)控中心的實(shí)時(shí)數(shù)據(jù)傳輸,并從不同高度、多角度、多方位對(duì)道路交通流進(jìn)行實(shí)時(shí)監(jiān)控和信息采集.

飛行狀態(tài)下無人機(jī)影射到路面,相當(dāng)于一個(gè)移動(dòng)的檢測域.無人機(jī)交通檢測技術(shù)的時(shí)空特性是指無人機(jī)交通檢測系統(tǒng)沿著設(shè)定路線或軌跡飛行時(shí),其檢測域隨著時(shí)間的變化而不斷推移,即飛行狀態(tài)下,無人機(jī)交通檢測系統(tǒng)是基于移動(dòng)檢測域來獲取路段/路網(wǎng)交通信息的,如圖1 所示,一般情況下,由于無人機(jī)的檢測距離小于路段長度,因而無人機(jī)仍然無法獲取車輛在整個(gè)路段的運(yùn)行軌跡,而是獲取部分車輛的部分運(yùn)行軌跡.

圖1 無人機(jī)檢測域時(shí)空變化示意圖Fig.1 Time and space variation diagram of UAV detection region

2.2 無人機(jī)逆向車輛檢測場景分析

當(dāng)無人機(jī)飛行方向與路段交通流方向相反時(shí),根據(jù)車輛與無人機(jī)檢測域在檢測路段上的相遇情況順序,可以分為四種場景,如圖2 所示,其中虛線表示無人機(jī)在檢測路段上的時(shí)空運(yùn)行軌跡,其他實(shí)線表示車輛在檢測路段上的時(shí)空運(yùn)行軌跡,令 tvi表示車輛進(jìn)入檢測路段的時(shí)間,tvo表示車輛離開檢測路段的時(shí)間,tvi1,tvi2和 tvi3表示車輛進(jìn)入檢測路段的不同時(shí)間,tvo1,tvo2和 tvo3表示車輛離開檢測路段的不同時(shí)間.tui表示無人機(jī)檢測域前端進(jìn)入檢測路段的時(shí)間,tui'表示無人機(jī)檢測域末端進(jìn)入檢測路段的時(shí)間,tuo1表示無人機(jī)檢測域前端離開檢測路段的時(shí)間,tuo2表示無人機(jī)檢測域末端離開檢測路段的時(shí)間.

圖2 逆向飛行狀態(tài)下無人機(jī)交通檢測不同場景示意圖Fig.2 Time and space variation diagram of UAV detection region

由于無人機(jī)在某一檢測路段的飛行速度一般被設(shè)定為恒值,從而有

定義 Δtu為無人機(jī)在檢測路段上的檢測時(shí)間,有

可知,無人機(jī)檢測域前端或末端在檢測路段中的駐留時(shí)間為(3)

任一車輛在檢測路段上要被無人機(jī)檢測到,則車輛在某一時(shí)刻必須處于無人機(jī)檢測域內(nèi),即要滿足條件:式中l(wèi)uf(t0) 為在時(shí)刻 t0,無人機(jī)檢測域前端在檢測路段上的移動(dòng)距離,luf(t)=(t-tui)·Vu;lue(t0)為在時(shí)刻 t0,無人機(jī)檢測域末端在檢測路段上的移動(dòng)距離,lue(t)=luf(t)-Lu=(t-t′ui)·Vu;lv(t0)表示在時(shí)刻 t0,車輛在檢測路段上的移動(dòng)距離.假定檢測中路段上車輛的運(yùn)行速度較穩(wěn)定,設(shè)為 Vv,則有 lv(t)=(t-tvi) ·Vv.

可見,在檢測路段上的車輛要被無人機(jī)檢測到,則存在某一時(shí)刻,車輛處于無人機(jī)檢測域內(nèi).由上述分析可知,以上四種場景下車輛經(jīng)過檢測路段軌跡被檢測情況為:①完全不被檢測:場景 1 和場景 4;②能被檢測:場景 2 和場景 3.

3 無人機(jī)逆向車輛檢測數(shù)據(jù)時(shí)效性

3.1 時(shí)效性定義和表征指標(biāo)

由第2節(jié)分析可知,飛行狀態(tài)下無人機(jī)在檢測路段上檢測具有時(shí)空分布特點(diǎn),即無人機(jī)是基于移動(dòng)檢測窗口進(jìn)行車輛信息采樣的,從而使得無人機(jī)在檢測路段上檢測到的車輛數(shù)據(jù)在時(shí)間和空間上是分散的,而且被檢測車輛的時(shí)空分布及車輛軌跡(長短)檢測情況除了取決于無人機(jī)飛行狀態(tài)(方向、高度及速度等)外,還直接取決于車輛在路段上的運(yùn)行狀態(tài)(如速度、進(jìn)入路段的時(shí)間等).

飛行狀態(tài)下的無人機(jī)檢測到的車輛具有時(shí)空差異性,即被檢測車輛在不同時(shí)間不同位置被無人機(jī)檢測到.為了表征不同檢測狀態(tài)及飛行參數(shù)設(shè)置(飛行方向、速度、檢測距離/飛行高度等)對(duì)道路車輛檢測的影響,本文引入兩個(gè)無人機(jī)檢測車輛數(shù)據(jù)的時(shí)效性指標(biāo)——絕對(duì)有效時(shí)間和相對(duì)有效時(shí)間.無人機(jī)檢測數(shù)據(jù)的有效時(shí)間(Effective Time),也稱絕對(duì)有效時(shí)間(Absolute Effective Time,AET),是指當(dāng)無飛機(jī)以某一速度飛過某一檢測路段時(shí),能被無人機(jī)檢測到的車輛通過檢測路段某個(gè)斷面的時(shí)間區(qū)間.而無人機(jī)檢測數(shù)據(jù)的相對(duì)有效時(shí)間(Relative Effective Time,RET) 是指 無人 機(jī)在 某檢測路段上檢測數(shù)據(jù)的絕對(duì)有效時(shí)間與其在該路段的檢測時(shí)間的比值.在本研究中,無人機(jī)檢測數(shù)據(jù)的絕對(duì)有效時(shí)間和相對(duì)有效時(shí)間是用于衡量不同檢測狀態(tài)下無人機(jī)在檢測路段上檢測車流狀態(tài)的重要指標(biāo),無人機(jī)檢測數(shù)據(jù)的絕對(duì)有效時(shí)間用于表征無人機(jī)檢測車輛數(shù)的多少,而無人機(jī)檢測數(shù)據(jù)的相對(duì)有效時(shí)間用于表征無人機(jī)車輛檢測率的大小,如圖3 所示.顯然,絕對(duì)有效時(shí)間可以表征無人機(jī)檢測車輛進(jìn)入檢測路段的時(shí)間跨度,相對(duì)有效時(shí)間綜合考慮了車輛可被檢測的時(shí)間區(qū)域和無人機(jī)在檢測路段上的檢測時(shí)長.下節(jié)將分別基于理論推導(dǎo)和實(shí)際車輛軌跡數(shù)據(jù)驗(yàn)證來分析逆向飛行狀態(tài)下無人機(jī)檢測數(shù)據(jù)的時(shí)效性,即無人機(jī)逆向車輛檢測的能力.

圖3 無人機(jī)時(shí)效性指標(biāo)及其表征意義Fig.3 UAV time effectiveness indices and their symbolical meanings

3.2 無人機(jī)逆向車輛檢測數(shù)據(jù)時(shí)效性

如圖4 所示,在檢測路段上,速度為 Vv的逆向車輛要被速度為 Vu的無人機(jī)檢測到,則必須滿足條件:

圖4 逆向被檢測車輛進(jìn)入檢測路段的時(shí)間區(qū)間Fig.4 Time intervals entering detected road of detected vehicles in reverse direction

顯然,能被檢測到的車速為 Vv的車輛進(jìn)入檢測路段的最大時(shí)間等于無人機(jī)檢測域末端離開檢測路段的時(shí)間,即;當(dāng)且僅當(dāng) tvo=tui時(shí),即車輛離開檢測路段的時(shí)間等于無人機(jī)檢測域前端進(jìn)入檢測路段的時(shí)間時(shí),能被檢測到的車速為 Vv的車輛進(jìn)入檢測路段時(shí)間為最小,設(shè)為,此時(shí)有

可以得到

因此,在檢測路段上能被無人機(jī)檢測到的車速為 Vv的車輛進(jìn)入檢測路段時(shí)效區(qū)間為

另外,式(8)可表示為

可知 Δtrev為速度 為 Vv的車輛在檢測路段上能被速度為 Vu的無人機(jī)檢測到的進(jìn)入檢測路段的最大絕對(duì)有效時(shí)間.從而可以得到相對(duì)有效時(shí)間為

顯然有 λrev＞ 1,這是由于逆向飛行狀態(tài)下無人機(jī)檢測到的車輛包括兩部分:無人機(jī)進(jìn)入檢測路段之前已經(jīng)存在于檢測路段上的車輛,以及無人機(jī)在檢測路段上的整個(gè)檢測時(shí)段內(nèi)(從進(jìn)入到完全離開)進(jìn)入檢測路段的車輛.

4 無人機(jī)逆向車輛檢測數(shù)據(jù)時(shí)效性分析

由 3.2 節(jié)分析可知,無人機(jī)逆向車輛檢測數(shù)據(jù)時(shí)效性的影響因素包括無人機(jī)的檢測距離、檢測路段長度及無人機(jī)飛行速度/車輛速度.

4.1 絕對(duì)有效時(shí)間

由式(8)可知:

②無人機(jī)的檢測距離 Lu越大,絕對(duì)有效時(shí)間Δtrev的值越大;

④車輛速度 Vv越小,絕對(duì)有效時(shí)間 Δtrev的值越大.

4.2 相對(duì)有效時(shí)間

由式(10)可知:

5 實(shí)例分析

本文借助 NGSIM 項(xiàng)目[13]I-80 實(shí)測車輛軌跡數(shù)據(jù)(采樣間隔為 0.1 s,數(shù)據(jù)屬性包括車輛 ID、車長、時(shí)間、地理坐標(biāo)、所在車道號(hào)等信息,路段行駛車輛的平均速度為 6 ～ 9 m/s),利用 Matlab 編程模擬進(jìn)行了如下數(shù)據(jù)驗(yàn)證分析.

(1)飛行速度設(shè)置對(duì)逆向車輛檢測能力的影響

無人機(jī)在飛行高度為 88.5 m 上空分別以 3 m/s、5 m/s、10 m/s 和 15 m/s 速度進(jìn)行車輛檢測,檢測到的車輛數(shù)及車輛檢測率如圖5所示.

圖5 不同無人機(jī)速度下對(duì)應(yīng)的逆向車輛檢測數(shù)和檢測率Fig.5 Vehicle detection situation corresponding to various UAV speeds

從圖5可以看出,逆向飛行狀態(tài)下,有:

①無人機(jī)速度越小,檢測車輛數(shù)越大(對(duì)應(yīng)上述理論分析結(jié)論:無人機(jī)飛行速度越小,絕對(duì)有效時(shí)間的值越大);

②無人機(jī)速度越大,車輛檢測率越大(對(duì)應(yīng)上述理論分析結(jié)論:無人機(jī)速度越大,相對(duì)有效時(shí)間越大).

(2)飛行高度設(shè)置對(duì)逆向車輛檢測能力的影響.

無人機(jī)在速度為 10 m/s 的飛行速度下分別以88.5 m 和 170 m 的飛行高度進(jìn)行車輛檢測,檢測到的車輛數(shù)及車輛檢測率分別如圖6所示.

從圖6可以看出,逆向飛行狀態(tài)下,有:

①無人機(jī)檢測高度越大,檢測車輛數(shù)越大(對(duì)應(yīng)上述理論分析結(jié)論:無人機(jī)檢測的檢測距離越大,絕對(duì)有效時(shí)間越大);

②無人機(jī)檢測高度越小,車輛檢測率越大(對(duì)應(yīng)上述理論分析結(jié)論:無人機(jī)檢測距離越小,相對(duì)有效時(shí)間越大).

圖6 不同無人機(jī)檢測距離對(duì)應(yīng)的逆向車輛檢測數(shù)和檢測率Fig.6 Vehicle detection situation corresponding to various UAV detection distances

6 研究結(jié)論

本文通過對(duì)無人機(jī)檢測特性的分析,提出了無人機(jī)車輛檢測數(shù)據(jù)的兩個(gè)時(shí)效性評(píng)價(jià)指標(biāo),通過檢測場景歸納,采用數(shù)學(xué)推導(dǎo)的方法對(duì)無人機(jī)飛行參數(shù)的設(shè)置(高度、速度)及道路交通條件(路段長度、車速)等對(duì)逆向檢測車輛的時(shí)效性的影響進(jìn)行了研究,并利用 Matlab 編程模擬的方法對(duì)研究結(jié)論進(jìn)行了數(shù)據(jù)驗(yàn)證.研究表明,本文提出的兩個(gè)時(shí)效性評(píng)價(jià)指標(biāo)可以很好地應(yīng)用于描述和解釋無人機(jī)的車輛檢測能力,即車輛檢測數(shù)和車輛檢測率.后續(xù)研究將從以下幾個(gè)方面展開:無人機(jī)同向車輛檢測數(shù)據(jù)時(shí)效性分析;面向融合的地空交通檢測數(shù)據(jù)的時(shí)空配準(zhǔn)方法;地空交通檢測數(shù)據(jù)的融合方法.

[1] Gerhardinger A,Ehrlich D,Pesaresi M.Vehicles detection from very high resolution satellite imagery [C].International Archives of Photogrammetry and Remote Sensing,2005,XXXVI(E/W24):83-88.

[2] McCord M R,Yang Y,et al.Estimating AADT from satellite imagery and air photos[J].Transportation Research Record:Journal of Transportation Research Board,2003,1855:136-142.

[3] Coifman B,Beymer D,et al.A real-time computer vision system for vehicle tracking and traffic surveillance[J].Transportation Research Part C: Emerging Technologies,1998,6(4):271-288.

[4] Coifman B,McCord M,et al.Surface transportation surveillance from unmanned aerial vehicles[C]. Presented at 83rd Annual Meeting of Transportation Research Board,Washington,D.C.,2004.

[5] Puri A,Valavanis K,Kontitsis M.Generating traffic statistical profiles using unmanned helicopter-based video data[C].IEEE International Conference on Robotics and Automation,April 2007:870-876.

[6] Research & Technology Transporter. Innovative technology:unmanned aerial vehicle provides new traffic view[R].Federal Highway Administration,2003.

[7] Lee J,Huang R,Vaughn A,et al.Strategies of pathplanning for a UAV to track a ground vehicle[C]. AINS Conference,Menlo Park,CA,2003.

[8] Latchman H,Wong T.Statement of work for airborne traffic surveillance systems-proof of concept study for Florida department of transportation[R].Florida: Florida Department of Transportation,2002.

[9] Ro K,Oh J S,Dong L.Lessons learned:Application of small uav for urban highway traffic monitoring[C]. 45th AIAA Aerospace Sciences Meeting and Exhibit, 2007:2007-596.

[10] Farradine P B.Use of unmanned aerial vehicles in traffic surveillance and traffic management[R]. Technical Memorandum Prepared for: Florida Department of Transportation,2005.

[11] McCormack E D,Trepanier T.The use of small unmanned aircraft by the Washington State Department ofTransportation [R]. No. WA-RD 703.1, Washington State Department of Transportation,2008.

[12] Herwitz S R,Johnson L F,et al.Imaging from an unmanned aerial vehicle:agricultural surveillance and decision support[J].Computers and Electronics in Agriculture,2004,44(1):49-61.

[13] Federal Highway Administration.Traffic analysis tools: Next generation simulation[R/OL].2013-5-16.http:// ops.fhwa.dot.gov/trafficanalysistools/ngsim.htm.

Time Effectiveness Analysis of UAV Vehicle Detection Data in Reverse Direction

DU Rong-yi1,PENG Zhong-ren2
(1.Transportation Science Engineering Institute,Nanning Municipal Public Security Bureau,Nanning 530022,China; 2.School of Transportation Engineering,Tongji University,Shanghai 201804,China)

Time effectiveness analysis of aerial detection data is helpful for road traffic parameter estimation,and provides theoretical basis for space/time registration oriented traffic data fusion of air-ground traffic detections.This paper introduces unmanned aerial vehicles(UAV)video detection technology,and analyzes its detection characteristics.Considering temporal and spatial distribution characteristics of vehicle detection data,two evaluation indices,absolute effective time and relative effective time are proposed and discussed.We further investigates and examines the impact of UAV flying parameter settings(e.g.detection distance and speed),road length,vehicle speed on time effectiveness of UAV vehicle detection data in reverse direction by means of theoretical derivation method.Meanwhile,the analytical results are validated based on the holographic vehicle trajectory data of I-80 by Matlab programming.It is found that the proposed two evaluation indices can be effectively and competently used to examine and identify the UAV detection capability of the vehicles in reverse direction in terms of vehicle number and vehicle detection rate.

intelligent transportation;unmanned aerial vehicles;mobile video traffic detection;traffic information collection;time effectiveness

1009-6744(2014)01-0034-07

U491.2

A

2013-05-17

2013-08-27錄用日期:2013-09-23

國家“863 計(jì)劃”項(xiàng)目(2009AA11Z220).

杜榮義(1984-),男,江西萍鄉(xiāng)人,博士. *

:dry1024w@163.com