新闻动态 | 第五期地理信息科学论坛回顾
NEWS
2021年4月17日，由北京大学主办的地理信息科学论坛第五期顺利举行。论坛采取线上会议方式，由《遥感学报》梧桐会在B站和知网两个平台直播。本次论坛邀请北京师范大学地理科学学部执行部长宋长青教授致开幕词，宋教授充分肯定了该系列论坛对于地理信息科学研究的推动作用。论坛的上午场由刘瑜教授和高松博士共同主持，共有七位青年学者报告了自己在地理空间智能方向的最新研究进展；下午场由董卫华教授和李海峰教授共同主持，共有六位青年学者进行了学术报告，并由来自伦敦大学学院的程涛教授作了主报告。
图1 地理信息科学论坛第五期北京大学会场
本次论坛主题为地理空间智能，邀请了来自欧美和国内的众多优秀学者，由于疫情、地域和时差的综合影响，所有报告均采用线上方式。论坛高水平报告吸引了广泛的关注：B站平台上午最高人气达1.3万，下午最高人气达1.4万；同时，多个高校研究团队线下组织集体观看本次论坛。
图2-1 报告人地理位置（美洲） 左右划动查看更多 |
图2-2 报告人地理位置（中国和欧洲） 左右划动查看更多 |
图3 相关研究单位组织集体观看论坛
论坛14个学术报告的简要回顾
报告一
纽约州立大学布法罗分校的胡英杰博士报告了基于地理人工智能的空间和文本分析。已有的地名识别器的过程都分为两步：地名提取和地名定位，但是具有不同的性能。他们发布了一个EUPEG平台，可以全面快速地比较多种地名识别器的性能。并提出了用于在社交媒体信息中提取地名的NeuroTRP模型，该模型可以进一步与地名解析模型相结合，形成一个完整的地名识别器。
报告二
麻省理工感知城市实验室的张帆博士提出了了城市视觉智能的计算与方法框架。他从街景影像数据，场景语义挖掘，场所物质环境量化表达框架，物质环境与社会经济环境复杂关系建模四个研究内容展开，对如何观察城市的物质环境，如何从街景数据中提取场景中的语义信息，如何量化表达场所的物质环境，如何研究物质环境与居民活动、社会经济环境间的相互影响关系等四个难点问题进行了回答，并介绍了相关的研究方法。
报告三
美国威斯康星大学地理空间数据科学研究室的高松博士介绍了一种基于人工智能的位置隐私保护方法。现有的很多定位数据可能会威胁到用户的地理隐私。高松博士介绍了他们提出的LSTM-TrajGAN长短时间记忆-轨迹生成对抗模型，该模型可以有效地保护轨迹创造者的地理隐私。基于此模型合成的时空轨迹可以较大程度地保留真实轨迹的时空特征。
报告四
阿肯色大学的黄啸博士探讨了利用深度学习从卫星影像感知人口分布的模型选择、领域现象和系统误差。他们试图找到网格化的人口和网格化的潜在变量之间的映射，并希望可以用尽可能少且易于访问的变量来实现一个相对稳定的映射。他们将遥感影像丰富的语义信息与深度学习强大的特征提取能力相结合来估计人口分布，并发现所有的模型都存在显著的、普遍的误差，领域大小的增加并不会提高总体估计性能。
报告五
亚利桑那州立大学的李文雯博士介绍了一种利用深度学习的弱监督地物识别方法。在自然地物的目标检测（object detection）任务中，监督学习方法面临目标边界框标注成本较高的困难。基于地理学第一定律的思想，本方法将二维图像按逐行或逐列的方式序列化，并利用长短时记忆网络（LSTM）将打散的目标边界特征重新聚合，实现了仅需要图像中目标数量标注的弱监督地物识别。本方法在自然地物数据集GeoNat 1.0上取得了优于计算机视觉传统方法的效果。
报告六
加州大学圣塔芭芭拉分校的博士研究生买庚辰介绍了一种多尺度的空间点要素表示学习方法——Space2vec. 受神经科学中哺乳动物网格细胞（grid cell）多尺度空间编码相关研究的启发，本方法采用不同频率的正弦曲线实现对绝对位置和空间语境（spatial context）的建模，并使用加入注意力（attention）机制的编码-解码模型实现编码过程。本方法的有效性在兴趣点（POI）分类和结合地理位置的图像分类两个实际场景下得到了验证。
报告七
加州大学默塞德分校的博士研究生邓雪青报告了根据遥感影像生成对应位置地面影像的研究。此研究采用条件生成对抗网络模型（Conditional GAN），利用匹配的Google Map遥感影像和GeoGraph地面影像进行训练。实验结果表明，生成的地面影像不仅视觉上与真实影像相似，还可以作为稠密的特征图（feature map）用于土地覆盖分类任务。
报告八
明尼苏达大学双城分校的朱递博士汇报了空间回归图卷积神经网络SRGCNN的相关工作，通过GeoAI下图卷积神经网络范式，向人工智能算法中添加空间信息实现空间回归。朱递博士通过介绍网络机制，介绍了图卷积神经网络在前向、反向传播中空间滞后(Spatial Lag)效应的体现，并通过具体的案例，说明SRGCNN在实际场景下空间计量的应用。
报告九
中南大学的刘启亮博士汇报了多尺度空间聚类分析工作，刘博士由地理学的尺度依赖性质，与人类视觉多尺度感知的启发，挖掘了空间社团结构。刘启亮博士探讨了空间聚类分析中的尺度问题与尺度参数的自适应控制与选择，介绍的尺度驱动的无监督学习框架耦合数据尺度与分析尺度，为多尺度空间分析提供了指导，报告的最后展望了空间聚类领域未来在多源、有偏、高维、信息不均衡的地理大数据处理分析方面发展的机遇与挑战。
报告十
深圳大学的涂伟博士的报告《融合轨迹大数据分析与时空优化的城市出行》回顾了其基于多源轨迹大数据，在城市出行领域的空间分析与实际应用的研究进展。这些研究包括：利用GNSS轨迹研究北京市网约车司机的出行时间；利用公交、地铁刷卡数据、出租车轨迹等建立OD轨迹，并结合土地利用、可达性分析等数据与方法，分析不同交通工具的空间分布模式相关性及多模式城市出行的影响因素；结合出租车轨迹数据，提出了电动车出行策略、充电站的选址推荐方法。
报告十一
北京大学的黄舟博士介绍了通过社交媒体签到大数据，对用户的签到区域进行预测的相关工作。黄舟博士分别介绍了数据来源及空间聚类预处理流程，建立的模型框架及预测模型的表现。该研究可服务于商业规划选址、公共设施布局、人流疏导、面向用户的商圈及POI推荐等应用领域。
报告十二
芬兰赫尔辛基大学的刘鹏远博士为大家带来了《Spatial is Special:地理人工智能在数字地理学中的应用》的报告。他为大家介绍了一种对社交媒体内容进行分类半监督的深度神经网络方法，提供了一个定性与定量结合研究人类社交媒体行为的工具。现如今，人们经常在社交媒体发表自己的看法，研究者也逐渐倾向于使用媒体数据研究人们对于地方的感知。然而，目前的社会感知的研究仍存在忽视视觉信息、时空信息等问题，研究希望基于少量标注的数据集去分类大量的人类社会活动行为。研究使用图卷积网络，根据地理位置、时间信息等构建了图结构，这有助于提高深度学习模型的精度，也为进一步构建基于空间或时空信息的图结构提供了思路。
报告十三
比利时根特大学的黄浩生教授与大家探讨了以人为本的位置服务，为大家介绍了位置服务数据处理与建模的过程、以及面临的机遇与挑战。位置服务应该以人为本，应该与人的喜好、需求相关，而不是以机器为中心。位置服务的数据处理目标是要找出最合适用户的信息。他指出了研究面临的四大挑战：地理社会环境建模、用户及上下文信息建模、个性化及自适应服务、以及顾及隐私与伦理的建模及分析，并结合道路颠簸情况建模、精细粒度交通模式识别、城市情感分析等多个案例进行了介绍。
主报告
伦敦大学学院的程涛教授介绍了基于图的时空智能分析方法。程涛教授首先介绍了采用图模型进行分析的好处，点线面皆可以表示为图结构，城市数据（道路网、地铁网）多为网络结构，故使用网络有助于城市问题的分析，而且没有MAUP的问题。接下来，她介绍了多个时空深度学习模型，如基于网格的预测交通流量的LSTM和CNN的模型、基于路网和图结合的RGC-LSTM模型、基于有向图的STGI-ResNet模型、基于网络的预测稀疏非连续时空热点的GLDNet模型等。期间，她还介绍了网络模型在交通流量、犯罪预测、人类健康领域的应用案例。
最后，刘瑜教授对本次论坛进行了总结。刘瑜教授认为AI有两个值得关注的方面：一方面，AI为地理信息科学研究带来了新的数据源；另一方面，AI为地理信息科学研究带来新的方法工具。下一代GeoAI在原始理论创新和重大应用突破两个方面，仍面临两个挑战。他认为地理学者不应被动接受AI工具，而应该积极改造AI工具，从而反馈地理信息科学方法。
图4 部分报告人腾讯会议合影
地理信息科学论坛北京大学、中国科学院地理科学与资源研究所、北京师范大学联合发起，轮流由三所单位主办。本次论坛协办单位有新华社卫星新闻实验室、中国地理学会地理模型与地理信息分析专业委员会、地图学与地理信息系统专业委员会、中国地理信息产业协会理论与方法工作委员会。论坛视频回放请关注B站遥感学报梧桐会up主，相关报告PPT请关注遥感学报微信公众号。
素材来源：S3-Lab
材料整理：武晓环、郭浩、陈晓、史博文
内容排版：胡俊杰