特大城市群协同:进展与路径

自20世纪以来,特大城市群如伦敦、东京、纽约、旧金山、粤港澳大湾区等迅速发展。特大城市群的孕育与增长得益于空间融合、人口迁移、经济合作和科技创新的共同作用,也奠定了政府、企业、组织和个人网络空间协同发展的基础。但城市群演进与发展中也出现了资源错配、同质竞争、发展不均、环境污染等问题,传统的分析工具和治理范式面临挑战,呼唤更有效的空间模型和决策方法。新的技术方法如何促进特大城市群的可持续发展?在2020年国际中国规划年会的特别论坛上,5位专家围绕城市群协同主题,解读特大城市群的发展历程,解析形成机理与协同治理需求,展望融合大数据、地理信息、物联网和人工智能等技术的智慧湾区建设路径。

人工智能用于遥感目标可靠性识别:总体框架设计、现状分析及展望

可靠性是遥感监测的重要研究方向之一。人工智能技术促进了遥感目标识别技术的快速发展,但是其不可解释性带来了新的问题。本文依据空间数据的可靠性理论和人工智能基础理论,首先,提出了智能化遥感目标可靠性识别思想及总体框架;然后,阐述了影响可靠性的因素分析、可靠性提升方法、可靠性评估方法和可靠性过程控制等核心研究方向;最后,展望了人工智能用于遥感目标可靠性识别方法的未来发展方向。

城市信息学展望

城市发展中不同城市部门、理论和技术的专业化及其在城市中的汇聚,极大地加快了城市信息学的发展。作为跨学科领域,城市信息学旨在通过新的信息技术来解读城市并推动城市发展。对于这一新兴领域的进展与前景虽已有一些讨论,但仍需进一步探索其研究计划,以推动城市信息学的进步,并对未来城市发展提供参考。为此,本文基于领域最新研究进展,提出了一系列城市信息学研究计划。这些研究计划涵盖三个层次:城市科学的未来;核心使能技术,包括地理空间人工智能、高精地图、量子计算、人工智能和物联网、数字孪生、可解释人工智能、分布式机器学习、保护隐私深度学习等;城市信息学的应用,涵盖城市设计和规划、交通、基于位置的服务和元宇宙等方面,以及关于算法和数据驱动方法的讨论。最后,本文展望了城市信息学未来的发展,尤其注重如何在日益增长的技术依赖与重要的社会问题之间取得平衡。

一种基于多源数据验证的手机信令数据分析结果不确定性研究方法

手机信令数据被广泛应用于城市人群的动态特征分析,但其分析结果的不确定性尚不明确。因此,提出一种多源数据验证的不确定性分析方法。将从手机信令数据中提取的分布特征与多源数据进行对比,用人群代表性、转移覆盖率、聚集一致性3个指标评价分析结果的不确定性。并基于深圳市手机信令数据,选取了城市感知中人群分布、区域流动、热点识别3个典型城市动态特征,用人口网格分布、营运车辆GPS数据、高德兴趣点(point of interest,POI)等数据集对手机信令数据的分析结果进行验证,得出该区域手机信令数据分析结果的不确定性特征。

基于工作流的空间数据质量检查方法

将地理计算按照业务逻辑进行组合后,可以针对性地解决复杂空间数据的质量问题,这是传统空间数据质检的基本方法。现有的空间数据质量检查流程仍然无法摆脱大量的人工参与。面对日趋复杂的空间数据,国内外学者提出了大量的质检算法和检查方法,但是在自动化程度、效率等方面还存在一些不足。提出和建立一套基于工作流技术的复杂空间数据质量检查方法,通过其自动化的流程管理可以辅助进行空间数据质量管理,按照协作式数据处理、流程调度和并行计算流程执行3个方面完成质检自动化。在算法中有效地解决了空间数据质量检察中的复杂依赖关系。该方法能够应对实时的空间数据更新,使得复杂数据的质量检查高效率、自动化。通过地理国情数据的质量检查案例,验证了方法的特点和可行性。

洞庭湖湿地长时序动态监测与生态稳定性分析

湿地由于其独特的水文特征,地表覆盖变化剧烈,而长时序高频次地表覆盖数据的缺乏导致湿地在动态监测上研究困难。本文基于时空融合处理的长时序影像,设计一种结合地物变化强度和类别平衡双权重的自适应语义分割模型,提出了高频次的地物分类制图方法,有效解决地表覆盖制图中高时空分辨率影像缺乏和分类样本缺乏、人工依赖高的问题,实现了对洞庭湖湿地的2001—2020年月尺度地物动态监测。本文方法的总体分类精度和Kappa系数分别为86.78%和0.76。长序列高频次的地表覆盖变化结果显示,洞庭湖湿地格局与城陵矶水位密切相关,其生态稳定性呈现先降后升的年度特征和夏高冬低的季节性特征,研究成果对于湿地针对性保护决策和防洪管理提供实证依据。