Spatio Temporal Social Sensing Lab Home--Home

Group Introduction

时空大数据与社会感知研究组，聚焦于地理时空大数据，感知与分析人类的时空间行为。

Team Member

<

>

MORE>

Wang Sheng Yi...

Award

Paper

Research Direction

A Point-Set-Based Footprint Model and Spatial Ranking Method for Geographic Information Retrieval.International Jou...,5,122-137,2016,10.3390/ijgi5070122 Fangye Du, Lin Liu; Chao Jiang and Dongping Long.Discerning the Effects of Rural to Urban Migrants on Burglaries in ZG City with Structural Equation Modeling.Sustainability,561 Shili Chen, Haiyan Tao, Xuliang Li and Li Zhuo.Detecting urban commercial patterns using a latent semanticinformation model: A case study of spatial-temporal evolution in Guangzhou, China.PloS one,13(8),e0202162,2018 柳林, Chao Jiang and 李璐.警用视频监控的犯罪防控效果及空间差异：以苏州市姑苏区为例.地理科学,39,61-69 Lin Liu, Chao Jiang, Suhong Zhou, Kai Liu and Fangye Du.Impact of public bus system on spatial burglary patterns in a Chinese urban context.Applied Geography,89,142-149 Chao Jiang, 柳林, 周素红 and 杜方叶.住区开放与犯罪: 国外情境下的实证评估与理论剖析.规划师,33,105-1111 陈世莉, 陶海燕, 李旭亮 and 卓莉.基于潜在语义信息的城市功能区识别----广州市浮动车GPS 时空数据挖掘.地理学报,71(3),471-483,2016

【简介】专注于地理空间中现象和行为的数据存储组织索引和数据分析中的计算方法，一方面要提出或引入更快、更准确、更稳定的算法应用于已有的问题（如高效的聚类方法），另一方面要研究随着社会科技发展新涌现的地理计算问题（如海量地理信息数据的存储计算、位置隐私）等。研究组以计算机经典和前沿技术为基础开发基于时空规律和地理学理论的启发式算法，探索从数据获取、数据分析到数据应用链条中的软硬件结合，为前沿技术的时空应用奠定技术与方法的基础，并寻求与企业合作进行新技术的创新和落地。计算组充分利用并行计算、云计算、边缘计算、机器学习与深度学习、数据库管理的新型框架与范式、区块链、计算几何、网络分析与优化等方法和技术，探讨动态、高频、多源的时空大数据的处理和计算方式。其研究数据涉及行为轨迹、自然语言、基建定位、图像和视频等。计算组提供基础的时空大数据处理方法，作为一个桥梁将计算机与数学领域的方法引入到空间科学领域。为时空大数据背景下的时空分析、场所语义挖掘、复杂性分析和具体的时空问题应用提供高效计算的基础和支持，并在产业落地上推动GIS学科发展。【当前成员】教师：学生：【先前成员】面向地理要素与地理现象的复杂时空分布特征，利用多源地理大数据，关注空间延展性和空间聚焦性，从一阶分布模式和二阶交互模式入手，研究支持人-地耦合关系的地理空间模型与分析方法，进而揭示地理要素与地理现象的分布格局、相互作用及动态演化。在研究过程中，顾及时空相关性、时空异质性、可变面积单元问题、距离衰减效应等问题，延拓经典的点模式和流模式挖掘分析方法（如空间回归、空间统计、时序预测等）。基于社会感知理论框架发展地理大数据实时处理技术，以黑白箱结合的方式探索融合地理规律的人工智能模型，构建面向地理现象理解与地理过程建模的时空分析方法体系。从“人”和“地”两个维度、“动”和“静”两个视角，进行时空模式提取与异常发现、未知变量推断、未来场景预测等地理任务，实现地理要素与地理现象的全面感知、综合认知和智能预知。最终实现相关算法和软件工具，为相关应用领域提供科学决策支持。教师：相较于传统GIS在坐标几何定量分析下的空间视角，以“场所”为核心研究对象，更加关注人在场所中的认知、感受，活动和交互，强调“以人为本”的场所视角，发展基于场所分析方法。目前主要围绕场所的本体构建、场所语义挖掘与表达、场所间关联建模与分析、场所推荐应用等四个方面展开研究,。核心研究问题包括：如何考虑场所的属性、语义、活动等特性构建场所本体；如何集成多源数据（如POI、文本、图片、遥感影像）来表达场所属性（如模糊范围、地名），丰富场所语义（如场所情感、功能、物质空间特征），实现场所的多重感知和形式化表达；如何利用各类关系数据（如空间关系、属性相似、流交互）学习和构建场所间关联关系模型；如何基于场所本体、表达、关系模型实现场所个性化推荐应用（如景区推荐、商业网点购物推荐、设施选址推荐）。在研究过程中，寻求数据驱动（如机器学习、表示学习、自然语言处理）与知识驱动方法（如知识图谱、定性推理、形式概念分析）的有机结合。地理大数据由于其特有的细粒度、高时空分辨率的优势，为不同尺度、层级的场所感知与形式化表达提供数据支撑；而知识推理为理解场所间的层级和语义关系提供方法支持。对GIS而言，“场所”是GIS分析的两... 【简介】引入复杂性科学理论和方法，对地理空间中地理要素和地理现象（如个体行为、企业行为、道路网络、区域城市体系）的复杂特性，如非线性、分形、自组织、涌现等，进行研究，揭示地理要素和地理现象分布以及演化过程中的一般性规律和关键驱动因子。在研究过程中，需要构建微观地理要素行为特征和宏观时空模式之间的联系，其方法通常有实证分析、数值模拟和数学解析等多种方法。地理大数据由于其特有的细粒度、高时空分辨率的优势，为复杂性研究提供了有力的支撑手段，可以帮助观察微观要素的模式，挖掘潜在的规律，并为复杂性模型的建立提供实证基础（如个体移动性规律与对应的模型）。对于GIS而言，复杂性分析方法的构建，有助于丰富地理分析手段，提供新型的分析工具（如网络科学方法、统计物理方法、元胞自动机方法等），特别是空间交互本身可以由带时空属性的复杂网络来刻画，为分析地理时空数据带来了一套有效的「方法论」；反过来讲，通过GIS和复杂性方法的集成，也有助于在复杂性模型构建中更好的考虑地理空间特性（如空间分异、空间依赖、距离衰减、尺度效应等）。【当前成员】教师：董磊学生：【既往成员】【简介】随着社会经济发展和城镇化不断推进，人们对美好生活的需要日益增长，在建立健康、和平、公正和包容性社会方面提出了更加多元、精细的需求。以解决实现可持续发展过程中的突出问题（如消除贫困、减少不平等、确保健康与福祉、建设可持续城市和社区、促进和平与正义等）为导向，提取关于地方经济平衡发展、宜居城市/乡村、更安全的城市、城市用地等关键科学问题，充分发挥地理学的综合性和系统性思维优势，综合利用多源地理大数据，合理选择科学手段与方法，开展针对具体案例的定量研究，在刻画模式、把握规律、明确机制的同时，提出具有科学依据的解决方案，并推动其在相应业务部门中的应用。所关注的研究方向包括：旅游场所的多重感知与旅游行为预测、犯罪者作案选择机制与时空预测、城市增长与收缩规律与机制等；所涉及数据包括社会感知数据、遥感数据、传统统计数据及专题统计数据等；所采用的方法包括经典统计、时空统计与可视化、机器学习、复杂网络分析、复杂系统模拟等。研究宗旨是：通过对现实问题进行综合性的科学研究，一方面旨在以任务带学科，以任务促进地理学理论与方法的发展，另一方面则旨在用地理学思维来解决社会突出问题，服务于国计民生，助力...

Patent