基于联通位置大数据的武汉城市圈和鄂西生态圈的人口流动评价

随着我国经济化建设进程加快,区域城市一体化趋势也变得越来越显著。面对城市中日益增长的人口,准确地分析人口流动模式,确定城市间的人口流动情况对于优化城市管理模式、合理地进行城市规划有着积极的意义。基于手机信令的位置大数据有着空间和时间上连续、完整的特点,可在确保用户信息私密的情况下,准确、全方位地跟踪用户轨迹信息。基于此,本研究以湖北省一个月的联通手机位置大数据为例,利用大数据技术分析了湖北省武汉城市圈和鄂西生态圈的人口流动情况和特征,以期为进一步的城市规划/城市设计提供参考和指导。

基于GIS的旅游信息系统设计与实现研究

本文是对基于GIS旅游信息系统的设计与实现进行分析,此次研究参考了相关文献,为本文提供理论基础,文章阐述了GIS旅游信息系统的需求以及对系统的各个模块进行分析,推进了旅游业信息化管理的进程,同时也为游客的出行提供了安全保障,让游客能够了解到实时信息,安排个人的行程和旅游计划。

基于深度多视图网络的政务事件分拨方法

12345政务服务便民热线是由各地市政府设立的专门受理热线事项的公共服务平台。随着政府信息化进程的推进,12345热线作为市民与政府交流纽带的重要性大大提高,并对事件处置的效率提出了更高的要求。针对传统事件分拨方法主要依赖于分拨人员人工操作、速度较慢、准确率不高,且需要消耗大量人力资源的问题,文中提出了一种基于深度多视图网络的政务事件分拨方法。首先,通过自监督学习训练带权重的图卷积神经网络,从历史记录中抽取事件归口-分拨部门的分拨行为特征作为事件的归口视图。其次,使用经过政务领域语料微调的BERT模型,提取事件描述与事件标题的语义特征,得到事件的语义视图。然后,使用基于交叉注意力机制的残差网络,将事件的两种视图融合,得到事件的融合表征。最后,将融合表征输入分类器,得到事件分拨的结果。在南通市12345热线的数据集上进行实验,结果表明,所提方法在各项指标上均优于其他基线方法,能够有效提高事件分拨的效率。

基于深度对比孪生网络的事件辨重方法

在中国,市民可以通过拨打12345市民热线,向政府报告生活中遇到的问题并寻求帮助。然而,有许多重复的事件被多次上报,这给负责事件分派的工作人员带来了很大的压力,也会导致事件的处置效率变低,浪费社会公共资源。对重复事件的判断需要精确分析文本语义和上下文关系,为了解决这个问题,文中提出了一种基于深度对比孪生网络的事件辨重方法,通过评估两个事件的描述文本之间的相似性,辨别出具有相同诉求的事件。首先通过召回和过滤的方法来减少候选事件的数量;然后通过对比学习构造任务,微调预训练的BERT模型,学习易于辨识的事件描述语义表征;最后引入事件标题作为上下文信息,并通过带有分类器的孪生网络来识别重复事件。在南通市12345事件数据集上进行了实验,结果表明,该方法在各项评估指标上均优于基线方法,特别是在与辨重任务场景相关的F0.5分数上,能够有效地辨别重复事件,提高事件处置的效率。

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%。

基于深度流形蒸馏网络的高光谱遥感图像场景分类方法

当前场景分类任务大多面向高分辨率遥感图像,由于缺乏光谱信息限制了它的场景鉴别能力,而高光谱遥感图像具有“空谱合一”的特性,在场景分类问题上具有独特优势。针对高光谱遥感图像中地物分布复杂,以及高光谱图像中维度高、存在冗余等问题,本文提出一种高光谱场景分类流形蒸馏网络(hyperspectral scene classification manifold distillation network,HSCMDNet),有效提高了分类性能。对于遥感图像地物分布复杂问题,HSCMDNet模型使用基于移位窗口的层次化视觉Transformer(hierarchical vision transformer using shifted windows,SwinT)作为教师网络来充分挖掘高光谱图像的长距离依赖信息,捕获不同波段之间的关系。在此基础上,在教师网络与ResNet-18学生网络之间设计流形蒸馏损失,通过在流形空间中匹配学生和教师的中间层输出特征实现教师模型的知识更有效地向轻量化学生模型转移,缓解了高光谱图像中维数高导致的高计算复杂性问题。在欧比特高光谱图像场景分类数据集(Orbita hyperspectral image scene classification dataset,OHID-SC)及天宫二号遥感图像自然场景分类数据集(natural scene classification with Tiangong-2 remotely sensed imagery,NaSC-TG2)上,所提出的HSCMDNet网络的最佳分类精度分别达到了93.60%和94.55%。

一种基于深度学习的供热策略优化方法

在中国北方,冬季楼宇集中供暖采用的策略通常为气候补偿器,但是该策略严重依赖人工经验,调节相对粗放,如何优化供热控制策略对于保持楼宇室温的稳定舒适十分重要。对此,提出了一种基于深度学习的供热策略优化方法,通过学习历史真实数据信息从而对原始控制策略进行优化。首先以学习室内温度变化的热力学规律为目标,提出了一种深度多时差分网络MTDN(Multiple Time Difference Network)来对下一时刻的室温进行预测,该网络不仅准确率高,而且符合物理规律;然后将MTDN当成模拟器,以表征人体热反应的评价指标作为相关奖励项,使用基于最大熵强化学习思想的SAC(Soft Actor Critic)算法作为策略优化器与之交互训练,从而学习到一个稳定优秀的供热控制策略;最后基于天津某个换热站的真实数据,设计相关实验分别对模拟器预测能力和策略优化器策略控制能力进行评估。验证得出:相比其他类型的预测模拟器,该模拟器不仅预测精度高,并且符合物理规律;同时,相比原始策略,该策略优化器所学的策略在随机采样的多个时段内均可以保证室内温度更加稳定舒适。

基于路网层次收缩的快速分布式地图匹配算法

地图匹配是轨迹数据挖掘的基本操作,在许多空间数据智能场景中都非常有用.基于隐马尔可夫模型(hidden Markov model,HMM)的地图匹配算法具有较高的准确率,应用最为广泛,但其计算效率较低,难以应对实时性要求较高的大规模轨迹情形.提出了一个基于路网层次收缩的分布式地图匹配框架CHMM,能够对大规模的轨迹数据实现快速地图匹配.具体而言,提出了一个简单但有效的分区方案,能够解决分布式场景下轨迹数据分布不平衡的问题;提出了一个基于路网层次收缩的多对多最短路径查询算法,能够保证结果不变的情况下,显著提升基于HMM的地图匹配算法的效率.采用真实的路网数据和轨迹数据做了充分的实验,实验结果表明:CHMM算法具有更快的计算效率和更强的可扩展性.CHMM算法落回到了真实的产品中,支持了多个项目的落地.我们也开源了核心代码,并提供了一个在线演示系统.

关于提高数字化抗疫能力的建议

习近平总书记指出,这次疫情防控工作,是对社会治理体系与治理能力的一次大考。这样的大考实际上也是对动辄投资数以亿计的智慧城市建设的一次大考。我们从数字中国建设入手,分析疫情防控过程中存在的问题,研判未来发展的趋势,提出提高数字化抗疫能力的相关建议,冀望对疫情防控常态化下的社会治理现代化建设有所帮助。

众源地理数据驱动的社区管辖范围生成

社区管辖范围在智慧社区场景中应用广泛,高时效性、可靠的社区管辖范围是提供高质量基层服务的基础。然而,目前社区管辖范围面的绘制仍然依赖于基层工作者的人工标注,具有采集门槛高、更新时效低等问题。运用社区下辖区域的空间关联点位,可实现针对复杂社区管辖范围的生成问题,本文提出了一种基于众源地理数据驱动和图神经网络建模的社区范围生成算法CB-GCN,以实现针对复杂关联点位分布及区域划分条件下的高质量、低成本社区管辖范围面生成。基于城市中的多级路网将城市划分为块面,并基于楼栋空间坐标将块面进一步细分为空间单元,再基于空间单元在众源兴趣面及路网块面中的共现关系构造空间关系图;然后,基于图卷积网络计算空间单元之间的近邻关系度,并据此加权聚合计算空间点位特征;最后根据聚合结果推断空间单元的社区归属,并得到最终的社区管辖范围。实验结果表明,CB-GCN生成社区管辖范围面的效果均优于基准方法,尤其在F1-score和IoU指标中较基准方法分别提升9.4%和14.4%。CB-GCN实现了社区面管辖范围生成的自动化,显著提升了社区管辖范围兴趣面生成的效率。

基于混合注意力时序网络的睡眠分期算法研究

睡眠分期是研究睡眠疾病的重要途径,近年来受到了广泛关注。传统手工标记方法与传统机器学习算法存在效率低下、泛化性不足的问题,虽然近期流行的深度学习网络模型依靠其学习复杂特征的能力改善了睡眠分期结果,但仍存在着忽略片段内时序信息与通道相关性的问题。本文提出了一种混合注意力时序网络,利用循环神经网络取代较为传统的卷积神经网络,从时间角度提取多导睡眠图的时序特征;然后采用片段内时序注意力与通道注意力机制,实现信号片段内时序特征融合和通道相关性特征融合;再基于循环神经网络与片段间时序注意力机制,进一步实现信号片段间时序上下文特征融合;最终根据上述混合特征完成端到端自动睡眠分期。本文采用开源数据网站上包含多个多导睡眠图的睡眠数据集进行对比实验,实验结果表明本文模型能够优于10种典型基线模型,睡眠分期准确率分别可达到0.801、0.801、0.717,平均F1分数可达到0.752、0.728、0.700,验证了本文模型的有效性。

城市智能操作系统

智能城市已经进入高速发展的新阶段,急需一个数字底座来解决城市数据的采集、汇聚、共享、分析和展示问题,也需要一个数字基地来支撑众多城市应用,并让众多企业共同参与到智能城市的建设,构建数字产业。智能城市操作系统是城市计算理论的有效实践,凝聚了团队15年的理论研究、技术创新、产品研发和业务实践。

信访制度的人民权益保护属性相关概念及其演变

信访制度是具有中国特色的本土制度之一,信访制度在运行过程中,不仅具有民意表达、化解社会矛盾、权力监督等功能,更是扮演着补充民主、引导法治的重要角色,维护着公民的合法权益。可以说,人民权益保护是信访制度的本质属性,这一属性亟须深入剖析和研究。厘清这一基础性理论问题,能够有力回应关于信访制度的质疑,深刻诠释信访制度的制度价值;厘清这一基础性理论问题,还有利于从顶层设计角度重新审视信访制度的功能定位,深入推进信访法治化建设,推动新时期信访制度的创新与完善。