时空行为视角下道路拥堵机制与策略研究——以上海翔殷路隧道为例

城市道路拥堵是时间与空间交织形成的复杂问题。在城市空间格局基本定型的背景下,从往往被忽视的时间维度切入,有望提升城市运行效率并促进可持续发展。以上海翔殷路隧道为例,利用手机信令数据,从时空行为视角深入剖析道路拥堵的形成机制,并提出“因时因地”的缓堵策略。研究发现,人群活动产生的交通流在局部路段存在复杂的时空叠加和时空转换关系。多组不同出发地和目的地的交通流,经过时间和空间等效转换后发生流量叠加,且叠加后的总流量超过道路承载能力,从而形成拥堵高峰。针对这一问题,根据不同人群出行模式的时空特征,提出刚性错峰和弹性引导等差异化策略,通过多情景设定评估不同策略的优化潜力,为缓堵政策制定提供多情景参考。基于时空行为特征的分析方法和策略思路不仅为道路拥堵治理提供借鉴,也可推广应用于理解和解决城市中的其他复杂问题,为城市精细化管理和可持续发展提供新的思路。

林语堂的时空图景与文化理想

与其他中国现代作家相比,林语堂的时空图景注重天、地、人、心,有时甚至呈现出超时空的神秘感与不可知论,显得异常广阔、壮观、博大、深厚,这在其地理时空、社会时空、心理时空、精神时空中得以充分体现。林语堂的文化思想主要包括矛盾中的和谐、生命的循环、诗化人生、融通与对话,这对于克服世界人生中的矛盾冲突、悲观绝望、人心分裂,以及存在的战争风险,都有重要的启示价值和意义。

时空大数据及其应用

首先从哲学时空观、国家管理和社会治理的时空观、作战指挥和军事行动的时空观、非线性复杂地理世界科学表达的时空观和大数据本质的时空观5个方面分析了时空大数据的理论依据,论述了时空大数据的内涵、构成和特征。在此基础上,给出了时空大数据应用的基础平台--时空大数据平台的内涵和功能,着重从内涵、功能、关键技术、采用标准、技术架构、服务共享特点及发展趋势等方面,综合分析比较了现行基于网络服务空间信息共享与空间数据互操作、基于网格服务的信息资源共享与协同工作和基于云计算的地理信息服务3种服务模式各自的特点。提出了基于“网格集成”与“弹性云”相结合的时空大数据平台的技术体制、关键技术及“共用时空大数据平台+”的应用概念模型,讨论了时空大数据平台在数字中国建设与数字经济发展及国家一体化算力网工程中的作用。

城市地区场次降雨时空展布方法研究

受气候变化和城市规模不断扩张等因素影响,城市地区降雨过程的时空动态性愈发明显,通常采用的点、面雨量等表达方式难以体现这种时空动态性。随着降雨观测技术的进步,大多城市积累了长序列降雨观测数据,其中蕴含了丰富的降雨时空过程信息,为预报降雨或设计降雨的时空展布提供了可能。设计了一套降雨时空展布方法,包括数据收集、标准化处理、降雨场次划分、时空模式提取、标准网格插值、时空展布等环节,并提出每个环节的处理步骤和关键问题。以北京市为例,对该技术方法进行了验证,选择了12 h、24 h、72 h 3个历时的场次降雨,提取的时空模式和展布结果表达出了场次降雨的时空动态性,并与历史的降雨过程表现出很好的匹配性。表明该方法可用于城市地区降雨典型模式提取,以及降雨过程的时空展布。该方法利用历史降雨数据提取降雨展布模板,输入场次降雨(或预报降雨)的总雨量,得到该场次降雨的时空分布过程,展布结果可为洪水预报提供更为准确的降雨输入条件。

ST-WaveMLP:面向交通流量预测的时空全局感知网络模型

交通流量预测在智能交通系统中起着至关重要的作用。精准的交通流量预测不仅能帮助城市管理者进行更好的交通管理,也能帮助人们制定合适的出行计划。然而精准预测交通流量颇具挑战性,主要难点在于如何捕获交通流量数据中复杂的时空依赖性。近年来,深度学习方法已被成功应用于网格交通流量预测,主要采用深度卷积神经网络来捕获时空依赖性。但是卷积神经网络主要关注数据中空间特征的提取与整合,难以充分挖掘其中复杂的时空依赖性,而且单层卷积网络只能捕获局部空间依赖,因此,要想捕获全局空间依赖就需要对超多层的卷积网络进行堆叠,这将使整个网络模型训练收敛速度变慢。为了解决些问题,提出了一种面向交通流量预测的全局感知时空网络模型ST-WaveMLP,主要使用以多层感知机(MLP)为基础的可重复结构ST-WaveBlock来捕获相关的时空依赖。ST-WaveBlock中包含了捕获全局空间依赖和局部时间依赖的模块(SGAC),以及用于捕获局部空间依赖和全局时间依赖的模块(SLAC)。ST-WaveBlock具有较强的时空表征学习能力,通常仅用2~4个ST-WaveBlock堆叠就能有效捕获数据中的时空依赖性。最后,在4个实际交通流量数据集上进行实验验证,结果表明ST-WaveMLP具有更好的收敛性以及更高的预测精度,相较于之前最好的方法,所提方法预测精度的提升最高可达9.57%,模型收敛速度的提升最高可达30.6%。

时空异常探测:从数据驱动到知识驱动的内涵转变与实现路径

时空异常探测是地理空间数据挖掘的核心技术之一,可为深层揭示地理过程演化机理提供关键突破口。在大数据与人工智能技术的推动下,从数据驱动向知识驱动转变是地理大数据时空异常智能探测的发展趋势。本文系统梳理了时空异常探测研究的发展历程与主流研究思路,剖析了数据、信息与知识间的辩证关系,并从“地理变量、空间基底、时空关系、知识类型”四位一体的视角构建了时空知识的统一描述框架。进而,结合案例阐述了时空知识与时空异常的“双向驱动”内涵,提出了“时空知识关联建模→时空异常智能识别→时空知识动态更新”的时空异常智能探测实现路径,支撑时空异常可靠探测与时空知识可信服务。

基于“潜力⁃弹性⁃稳定性”模型的温州市生态韧性时空变化及影响因素研究

城市生态韧性为城市应对长期发展积累的内在压力,以及外界不确定性风险的冲击提供了新思路,对城市的可持续发展具有重要意义。基于城市生态学视角,从生态韧性的抵御力、恢复力及适应力三个方面特性,构建基于“潜力⁃弹性⁃稳定性”的生态韧性评价模型,分析了1990—2020年温州市生态韧性时空变化特征,并运用时空地理加权回归模型(GTWR),探究了生态韧性影响因素的时空异质性。结果表明:(1)1990—2020年,温州城市生态韧性指数总体呈现先上升后下降的趋势,潜力、弹性、稳定性呈现出相似的变化趋势,研究后期稳定性的提升使生态韧性的下降得到短暂缓解。(2)温州市东部沿海地区生态韧性较差,西部与北部山地生态韧性较好;低韧性水平区呈现出区域中心韧性水平降低,并且向外围扩张的趋势。(3)温州市城市生态韧性影响因素之间存在显著的时空差异,空间上也存在波动方向与强度的差异,这种差异性集中分布于城市边缘县(区)。研究以期为温州市及沿海同等级城市,提升城市生态韧性、促进区域可持续发展决策提供参考。

基于精细时空行为测度的街道空间人群数字画像构建与分异

【目的】城市空间景观设计需要匹配多元化人群的实际活动需求,既有的数字技术方法更多从大尺度、宏观视角出发研究人群活动,难以满足景观尺度上对人群时空行为的智能画像研究。从景观-建筑尺度深入探讨面向街道设计的人群数字画像识别指标体系与测度方法,可为理解街道建成环境与人群分异之间的互动机制提供依据。【方法】以江苏省南京市中央路为案例,通过采集基于手机定位服务(location-based services,LBS)的人群时空数据和街道空间数据,运用人工智能算法分析不同类型人群的街道空间时空使用特征;提出包含基本属性、时间偏好、空间偏好、设施偏好和景观偏好等多维度指标的街道空间人群数字画像测度方法和谱系构建方法。【结果】识别出213种街道空间人群类型和7类典型人群数字画像,揭示了街道空间人群数字画像的时空分异特征,发现了这些特征与现状街道景观设计和设施布局的关联性。【结论】基于街道空间人群数字画像的分析结果,针对性地提出提升街道空间品质的规划建议,有助于更好地满足不同人群的实际活动需求,以助力城市空间景观设计响应居民需求,从而创造更加宜居、舒适的城市环境。

虚拟集聚视域下中国农村金融包容的时空演化特征与驱动因素

基于虚拟集聚视域下构建农村金融包容测度体系,利用熵值法拟合农村金融包容水平指数,借助时空地理加强回归等方法考察其时空动态分异特征和驱动因素。研究发现:(1)全国各省域农村金融包容水平呈逐年上升趋势,空间分布呈现“东部沿海高,中西部低”的梯度分异特征,且中西部的“追赶效应”显著;(2)考察期内非均衡性波动下降,但处于较高水平,有一定的两极分化趋势;农村金融包容总体差距呈逐渐波动下降态势,区域间差距是造成总体差距的主要根源所在,其次是区域内;(3)从影响因素分析,农村就业水平、农村居民收入水平、金融素养可有效支持农村金融得包容性发展;农村经济发展环境和城乡统筹发展两维度对金融包容的影响存在空间分异,城乡收入比始终为负效应,各影响因素对南北地区差异变化敏感度强于东西地区。

基于时空注意力卷积模型的超短期风电功率预测

随着风电利用率的不断提高,风电输出功率的准确预测对电力系统的调度和稳定运行具有重要意义。然而,风力发电的随机性和波动性容易影响功率预测结果的准确性。该文提出一种基于时空相关性的风电功率预测方法,由时空注意力模块和时空卷积模块组成。首先,利用空间注意力层和时间注意力层对不同风机之间的时空相关性进行聚合提取。其次,通过空间卷积层和时间卷积层有效捕捉风电数据之间的空间特征和时间演变规律。最后,采用中国两处实际风电场运行数据对预测方法进行实验验证。结果表明,相比于传统预测方法,时空注意力和时空卷积的融合使该文所提出的预测方法具有较高的预测精度和较好的稳定性。

亚马孙河流域地表覆盖时空变化知识建模

亚马孙河流域地表覆盖时空变化影响着全球气候和生态系统的稳定,目前亚马孙河流域地表覆盖的研究广泛,具有海量数据和信息,但缺少系统性的时空知识体系。为了更好地了解亚马孙河流域地表覆盖时空变化知识,本文首先引入本体建模理论,提出了亚马孙河流域地表覆盖时空变化知识建模方法,利用Protégé工具完成了亚马孙河流域地表覆盖模式层的设计和构建;然后利用提取的亚马孙河流域地表覆盖时空变化数据、时空变化信息和景观格局指数等,完成了亚马孙河流域的建模,从而为亚马孙河流域的分析决策提供支撑。

应用时空复合趋势面Kriging方法插值地表沉降

通过布设监测点可反映地表沉降变化趋势,确保施工和运营期间安全,但沉降监测点数量有限,且易受施工作业、天气等因素干扰导致数据缺失或污染,因此需对监测区域数据进行插值处理。针对采用传统地统计插值方法估计地铁地表沉降趋势精度较低的问题,提出了一种基于时空复合趋势面的Kriging插值方法。以乌鲁木齐地铁3号线2017年6月24日—9月3日共15期地铁地表沉降观测值为实验数据,分别采用两种方法对沉降监测点缺失数据进行插补。结果表明,相较于传统方法,基于时空复合趋势面的Kriging插值方法的拟合精度更高,RMSE可降低约35%。

地理流视角下城市人群时空活动感知方法研究

城市的发展使得大量人口涌入城市中。快速的城市化进程在带来经济增长的同时,也衍生出了许多如交通拥堵、用地过度等城市问题。挖掘城市中人群的时空活动规律、探索人群活动背后的时空模式,快速地理解“人-地”关系,能够帮助认识和解决城市问题。由于人类活动的动态性和复杂性,在研究时存在人群活动数据难以直接被观测、语义信息的缺少及距离显著性衰弱等问题。近年来,随着大数据技术及网络传感技术的迅速发展,提供了一种通过现实空间结合网络空间的混合模式来感知人群的方式。人群移动的时空过程被传感设备主动或被动地记录而产生了大规模的感知数据(如出租车轨迹数据、滴滴出行数据、社交媒体签到数据等)。这些感知数据包含着大量显式的、隐式的地理信息及丰富的语义信息,恰好能够为探索人群活动与城市结构之间的作用关系提供有意义的研究资料和数据,且能够反映城市中人群活动的偏好和模式,为探索和解释人群活动的特征和规律提供了有效途径。与此同时,“流空间”概念的提出将地理学的研究视野由静态结构转向由人流、物流、信息流构成的动态结构,弥补了距离作为度量区域间结构特征和连通性唯一测度的不足。再加上人工智能技术尤其是深度学习的快速发展,为解决地学问题提供了新的解决方案。因此,论文从动态(地理流)的视角出发,结合深度学习等技术手段将地理流作为主导要素融入到人群时空活动建模、模式提取和强度预测方法中,意在突破传统方法使用空间距离测度人群活动与城市结构关联的局限性,从而提高方法的效率和精度。论文的主要工作和创新点如下。

时空约束对运动出行的影响

运动出行(Active Travel或Active Mobility,AT或AM)是一种以出行者自我为驱动的出行方式,由于其占用道路面积小、机动性强、可持续性好,因此对缓解城市交通压力、改善城市交通的时空不合理性起着至关重要的作用。文中首先研究了运动出行的定义和内涵;其次从影响运动出行的时空条件出发,以点和线的视角将时间与空间拆分成出发时间、出行时间、出行距离与建成环境4类约束条件,依次阐述不同类型的时空条件特征,并对运动出行与时空约束间的潜在联系进行分析;接着以单一约束和多种时空组合作为切入点,分析其对运动出行的影响;通过归纳发现,时空约束对运动出行的影响比传统认知中更为复杂,主要呈非线性关系且存在相应的理论阈值;最后提出当前理论研究中的不足之处及未来的研究方向。文章旨在归纳时空对运动出行的制约作用,展示不同时空约束作用下运动出行的具体变化规律,以期改变城市出行者的固有思维,提高运动出行的分担率,促进城市交通出行结构的进一步优化。

中华文明时空传播观:基于“传播制衡”的本土视角

任何文明起源、传承与发展都是在特定的时空条件下发生的,时间与空间是人类生命传播活动的重要媒介载体与观照维度。时空作为人类文明活动的经纬,不同文明的历史演变轨迹内含着不同的文明时空观。不同于西方传播以二元论区分时空的偏向问题,中华文明时空观呈现为“时空一体化”的“中和”追求。可以说,中华文明时空观整体上是“宙合”一体、彼此“制衡”的。两者呈现出既有张力又整体和谐的形态,体现着深层传播控制理论的色彩,更对应着“中和”平衡效果达成,展现出一种独特的“传播制衡”时空传播秩序与结构。总体来说,中华文明时空传播观嵌入着传播控制的意识,其最终以“中和”传播效果为旨向,在时空层面也同样展现着“求中”“守中”的整体文明价值与追求。

基于双流自适应时空增强图卷积网络的手语识别

针对提取手语特征过程中出现的信息表征能力差、信息不完整问题,设计了一种双流自适应时空增强图卷积网络(two-stream adaptive enhanced spatial temporal graph convolutional network,TAEST-GCN)实现基于孤立词的手语识别。该网络使用人体身体、手部和面部节点作为输入,构造基于人体关节和骨骼的双流结构。通过自适应时空图卷积模块生成不同部位之间的连接,并充分利用其中的位置和方向信息。同时采用残差连接方式设计自适应多尺度时空注意力模块,进一步增强该网络在空域和时域的卷积能力。将双流网络提取到的有效特征进行加权融合,可以分类输出手语词汇。最后在公开的中文手语孤立词数据集上进行实验,在100类词汇和500类词汇分类任务中准确率达到了95.57%和89.62%。

基于时空注意力机制的网约车出行需求预测模型

解决网约车运营中的乘客出行需求预测问题,以降低车辆空载率、减少乘客等待时间。在考虑乘客出行需求的动态时空依赖性的基础上,提出一种基于空间数据可视化和格兰杰因果检验的乘客出行需求空间依赖性分析方法,并结合卷积神经网络和注意力机制,建立了一种基于注意力机制的时空图卷积神经网络模型来预测乘客出行需求。实例研究表明,本模型能有效捕获乘客出行需求时空依赖性的动态特征,提升模型的预测性能,具有较高的准确性和实用性。

2001—2021年巢湖流域植被覆盖时空变化及驱动分析

基于2001—2021年Landsat遥感数据,研究巢湖流域植被覆盖多年变化,利用时空地理加权模型探讨地形、气候及人类活动的驱动影响。结果表明:(1)流域内平均植被覆盖度0.75,近20 a总体呈增加趋势,增速0.12%/a;2009年前,呈下降趋势,2009年后,呈增加趋势。(2)流域内89.79%的区域植被覆盖度高于0.6,不同土地利用的植被覆盖度为林地>旱作农田>稀疏植被>灌溉农田>城市建成区>湿地,湿地受蓄水排涝功能的影响,植被覆盖度相对较低。(3)近20 a,34.78%的区域植被覆盖度发生变化,以增加趋势为主,面积占比62.73%,集中在合肥市老城区、山区林地、沿江北岸平原地带以及环巢湖湿地区域,政策上的生态环境保护和流域治理对植被覆盖产生正影响成效显著;减少趋势发生在城市外围和部分耕地区域,体现城镇化建设、耕地种植模式等人类活动对植被覆盖的负影响,对于引江济淮(派河—东淝河)段施工沿线和柘皋河流域植被覆盖度减少,应值得关注。(4)2010年前,地形因素的影响逐年降低,气候作用逐年增加,2010年后,地形因素持续增加并成为主要因素。(5)人类活动对植被覆盖的影响程度整体呈增强趋势,生态环境得到改善,增强幅度为0.013%/(10 a)。

多视角融合的时空动态GCN城市交通流量预测

城市交通流量预测是构建绿色低碳、安全高效的智能交通系统的重要组成部分.时空图神经网络由于具有强大的时空数据表征能力,被广泛应用于城市交通流量预测.当前,时空图神经网络在城市交通流量预测中仍存在以下两方面局限性:1)直接构建静态路网拓扑图对城市空间相关性进行表示,忽略了节点的动态交通模式,难以表达节点流量之间的时序相似性,无法捕获路网节点之间在时序上的动态关联;2)只考虑路网节点的局部空间相关性,忽略节点的全局空间相关性,无法建模交通路网中局部区域和全局空间之间的依赖关系.为打破上述局限性,提出了一种多视角融合的时空动态图卷积模型用于预测交通流量:首先,从静态空间拓扑和动态流量模式视角出发,构建路网空间结构图和动态流量关联图,并使用动态图卷积学习节点在两种视角下的特征,全面捕获城市路网中多元的空间相关性;其次,从局部视角和全局视角出发,计算路网的全局表示,将全局特征与局部特征融合,增强路网节点特征的表现力,发掘城市交通流量的整体结构特征;接下来,设计了局部卷积多头自注意力机制来获取交通数据的动态时间相关性,实现在多种时间窗口下的准确流量预测;最后,在4种真实交通数据上的实验结果,证明了该模型的有效性和准确性.

数字普惠金融对共同富裕影响的时空分析

从地理学的时空角度分析数字普惠金融对共同富裕的影响,不仅可为科学认识两者的关系提供一个新视角,还可为制定地区差异性的共同富裕政策提供决策参考。基于全国260个地级市2011—2020年的面板数据,在有效测度数字普惠金融与共同富裕水平的基础上,运用空间自相关、Dagum基尼系数、时空地理加权回归(GTWR)模型对其时空格局、时空差异与时空影响进行分析。研究结果表明:数字普惠金融与共同富裕的时空分布格局基本一致,均呈现逐年增长的趋势且空间聚集特征显著,热点区主要分布在东南地区;数字普惠金融与共同富裕各自的总体差异均较小,东部地区内部的共同富裕差异最大,且东、西部地区之间的差异最大,总体差异主要来源于区域之间的差异;数字普惠金融对共同富裕的影响具有显著的时空效应,呈现出带状分布且自西向东逐渐增加,最强的影响一直位于长三角地区。