黨建強會(huì ) - 社會(huì )服務(wù)

行為地理高級研習班第九講——“地理信息與時(shí)空行為大數據”成功舉辦
發(fā)布時(shí)間:2024-6-11 來(lái)源:中國地理學(xué)會(huì )

2024年1月9日下午,中國地理學(xué)會(huì )“行為地理學(xué)高級研習班”的第九講在線(xiàn)上順利舉行。本次講座的主題是“地理信息與時(shí)空行為大數據”,由北京聯(lián)合大學(xué)孟斌教授主持,北京大學(xué)城市與環(huán)境劉瑜教授、深圳大學(xué)樂(lè )陽(yáng)教授應邀開(kāi)講。劉瑜教授以“地理學(xué)中的空間效應”為題,詳細介紹了四種空間效應,并以一些具體的研究工作為例介紹了在人工智能方法中如何去體現空間效應并揭示地理規律。樂(lè )陽(yáng)教授以“出行的(不)可預測性——從大數據到AI不變的邏輯”為題,分享了她對模型可預測性的思考,并闡述了從大數據發(fā)展到人工智能AI的過(guò)程中,預測算法的一些本質(zhì)問(wèn)題。本次研習班通過(guò)騰訊會(huì )議和會(huì )議直播方式進(jìn)行,共吸引了全國各地800多人次參加。


圖片

圖片

圖片

講座1:劉瑜教授——地理分析中的空間效應


圖片


劉瑜教授的講座共分為三個(gè)部分。劉瑜教授首先從學(xué)科的角度,介紹了地理信息科學(xué)和地理學(xué)的關(guān)系,強調了地理信息科學(xué)在維護地理學(xué)整體性以及推動(dòng)地理學(xué)研究上的作用;接著(zhù)詳細闡述了地理學(xué)中的四種空間效應:空間異質(zhì)性、空間依賴(lài)和空間自相關(guān)、空間交互和距離衰減、空間聚合與尺度效應;然后討論了人工智能在地理學(xué)中的應用,并以一些具體的研究工作為例介紹了在人工智能方法中如何去體現空間效應并揭示地理規律。


第一部分,劉瑜教授從學(xué)科角度介紹了地理信息科學(xué)與地理學(xué)之間的關(guān)系。首先,地理信息系統作為工具,為部門(mén)地理學(xué)提供數據整合分析的方法。其次,地理信息科學(xué)中的數據模型和抽象分析方法體現了空間思維和統一性,對地理學(xué)科的統一性非常有意義。地理學(xué)一直以來(lái)受到空心化問(wèn)題的困擾,而地理信息科學(xué)的空間思維和抽象表達在維護地理學(xué)整體性、凝聚地理學(xué)的核心方面起到了重要作用。此外,地理信息科學(xué)中的算法和系統的實(shí)現,能夠將地理學(xué)的研究成果輸出到其他領(lǐng)域,例如公共衛生領(lǐng)域、城市規劃領(lǐng)域等,從而產(chǎn)生知識溢出,進(jìn)而體現地理學(xué)“經(jīng)世致用”的特點(diǎn)。


第二部分,劉瑜教授結合近些年的思考梳理了地理學(xué)中的四種空間效應:空間異質(zhì)性效應、近鄰效用(空間依賴(lài)和空間自相關(guān))、距離衰減效應(空間交互中距離衰減)、尺度效應??臻g異質(zhì)性是地理學(xué)的一個(gè)最基本的特征,表現各個(gè)要素在地球上不同位置的分布不一致。地理學(xué)與物理學(xué)之間的差異也在于空間異質(zhì)性,盡管這種異質(zhì)性使得地理學(xué)很難像物理學(xué)一樣去探求普遍規律。地理數據由于受空間相互作用和空間擴散的影響,彼此之間可能不再相互獨立,而是相關(guān)的,表現為空間依賴(lài)性。很多的空間計量模型中都涉及空間近鄰的依賴(lài)性,例如空間滯后模型、空間誤差模型、地理加權回歸模型等,都是將這種空間臨近的依賴(lài)關(guān)系考慮進(jìn)來(lái),使得我們對空間變量的預測更加準確。此外,距離衰減效應中也非常重要。人、物品、資金在空間上的交互、流動(dòng)都會(huì )受到距離的影響。劉瑜教授提到了不同的距離衰減函數,同時(shí)也介紹了常用的歐氏距離度量的局限性,強調了地理分析中距離的復雜性。最后,空間聚合和尺度效應是另一個(gè)重要的方面。由于地理現象沒(méi)有天然的分析單元,需要人為設定。正因為這一點(diǎn),導致了空間分析中經(jīng)常討論的可變面積單元問(wèn)題和不確定地理語(yǔ)境問(wèn)題。


第三部分,劉瑜教授詳細介紹了人工智能方法在地理學(xué)中的應用。他強調了對AI模型的改造,以使其能夠更好地體現空間效應。接著(zhù),通過(guò)四個(gè)方面的具體研究案例,劉瑜教授展示了如何在人工智能方法中體現先前提到的空間效應,并揭示地理規律。這四個(gè)方面的案例分別為:(1)體現空間效應的神經(jīng)網(wǎng)絡(luò )。包括利用神經(jīng)網(wǎng)絡(luò )模型來(lái)處理空間權重,利用單元格之間聯(lián)系權重來(lái)體現空間的影響,以及利用圖卷積網(wǎng)絡(luò )實(shí)現空間回歸,通過(guò)圖結構來(lái)體現空間鄰近和距離衰減效應。(2)地理表示學(xué)習。在地理表征中進(jìn)行壓縮編碼,從空間交互和距離衰減的角度表示場(chǎng)所。(3)地理規律的揭示。利用神經(jīng)網(wǎng)絡(luò )和符號回歸方法去揭示空間交互規律,并顧及空間異質(zhì)性。(4)地理生成式人工智能。利用生成對抗網(wǎng)絡(luò )模擬城市以及遙感多模態(tài)大模型。


圖片

GIS&S和地理學(xué)的關(guān)系


會(huì )議交流:

孟斌教授對劉瑜教授的報告進(jìn)行了簡(jiǎn)要總結。隨后,柴彥威教授就大數據如何創(chuàng )新行為地理的研究以及國外空間認知、大數據與行為地理學(xué)結合的最新進(jìn)展與劉瑜教授展開(kāi)了熱烈討論。孟斌教授也針對行為地理學(xué)所關(guān)注的個(gè)體行為建模問(wèn)題與劉瑜教授進(jìn)行了交流。主要摘錄如下:


柴彥威教授提出了關(guān)于空間認知和行為研究的問(wèn)題,特別是如何通過(guò)數學(xué)方法和大數據深化這方面的研究。他還詢(xún)問(wèn)了大數據在行為研究中的創(chuàng )新和難點(diǎn),以及劉老師對最新關(guān)于大數據與時(shí)空行為結合的動(dòng)態(tài)的看法。劉瑜教授強調了大數據在行為地理學(xué)中的重要性。他指出,在大數據時(shí)代,行為地理學(xué)需要更多關(guān)注個(gè)體之間的異質(zhì)性,并指出大數據在匯總過(guò)程中可能會(huì )丟失個(gè)體的細節特征,認為挖掘大數據的細節特征并將其與行為地理學(xué)的一般性規律結合起來(lái)可能會(huì )產(chǎn)生有意義的研究工作。此外,劉瑜教授提到了大數據與行為地理學(xué)結合的重要性,并分享了他最近在寫(xiě)一篇文章的觀(guān)點(diǎn)。他談到了空間交互語(yǔ)義的概念。傳統的人文地理學(xué)關(guān)注交互強度,比如從一個(gè)地方到另一個(gè)地方的人數。然而,大數據的出現使得我們可以獲取更多細節特征,例如人群的年齡、性別、出行時(shí)間等。通過(guò)大數據,我們可以清楚地了解這些細節信息,這對于理解行為的語(yǔ)義特征非常有幫助,如果我們在行為地理學(xué)研究中更加重視語(yǔ)義的表征,可能會(huì )取得一些進(jìn)展。他認為這使得值得努力探索的方向。


孟斌教授提出了在大數據時(shí)代對個(gè)體GIS數據模型關(guān)注方面進(jìn)展的問(wèn)題。劉教授認為近期主要還是關(guān)于時(shí)空軌跡、時(shí)空點(diǎn)、匯總、以及語(yǔ)義的加入等。


圖片

圖片

圖片

講座2:樂(lè )陽(yáng) 教授——出行的(不)可預測性:從大數據到AI不變的邏輯


圖片


本次報告中,樂(lè )陽(yáng)教授首先基于其國家自然科學(xué)基金項目《數據驅動(dòng)的空間選擇行為機制的研究》,簡(jiǎn)要介紹了圍繞基金所取得的主要研究和發(fā)現;并重點(diǎn)分享了在項目完成過(guò)程中的兩點(diǎn)思考:1)研究服務(wù)可持續發(fā)展,2)模型可預測性的辯證思考。


首先,樂(lè )陽(yáng)教授介紹了大數據進(jìn)行空間行為選擇的一些代表性研究,例如多源數據融合方法、數據采樣率對建模精度的影響,以及利用大數據對商業(yè)中心的空間吸引力模型及影響因素識別,通勤與職住平衡的實(shí)證分析等。在以上成果的基礎上,樂(lè )陽(yáng)教授提出一個(gè)思考:影響空間行為選擇的因素眾多,如何做更有意義的研究?她認為很多研究和算法本質(zhì)上是在為資本服務(wù),如推薦算法;另一方面,還可以考慮服務(wù)于社會(huì ),如城市規劃和城市管理,需要兼顧公平和效率,從而保障社會(huì )的整體可持續發(fā)展。


接下來(lái),樂(lè )陽(yáng)教授分享了她在城市可持續發(fā)展方面的研究,主要是針對中低收入群體的多項代表性成果,如利用公交刷卡數據分析中低收入人群居住遷徙、中低收入群體及新移民是否存在活動(dòng)分異、從活動(dòng)空間角度分析交通的不均等性等。


隨后,針對模型對人群行為模型,樂(lè )陽(yáng)教授探討了人類(lèi)相關(guān)現象整體大致可預測、部分細節不可預測的本質(zhì)。她以其博士研究所從事的城市路網(wǎng)短期交通預測為例,強調短時(shí)交通可預測性的關(guān)鍵在于訓練數據的質(zhì)量以及模型對模式和關(guān)系的挖掘能力;因此,隨著(zhù)預測時(shí)間間隔的增大,歷史平均值得到的預測效果反而會(huì )優(yōu)于各種算法。此外,樂(lè )老師以大語(yǔ)言模型預測下一個(gè)token的思路為例,探討模型預測的結果。她認為算法預測的是“平均”現象,所以算法的預測精度在邏輯上是有邊界的;除了“卷”算法,建模時(shí)更應該深入認識現象的本質(zhì)。


最后,以軌跡數據的表示學(xué)習為例,樂(lè )陽(yáng)教授介紹了其團隊在”Science for AI”思路下的研究工作,其核心在于如何更高效準確地表達軌跡數據的時(shí)空相關(guān)性。在這項工作中,樂(lè )陽(yáng)教授的團隊將軌跡的時(shí)空相關(guān)性這一先驗知識與AI算法進(jìn)行融合,并利用成都、紐約和東京的真實(shí)軌跡數據驗證了軌跡表示學(xué)習的效果。樂(lè )老師認為這些軌跡數據的隱空間中也包含了一定的時(shí)空特征,她期待大家可以一起探索,在這個(gè)方向上能夠得出一些有趣的結果。


圖片


會(huì )議交流:

在報告結束后,孟斌教授對樂(lè )陽(yáng)教授的報告進(jìn)行了簡(jiǎn)要點(diǎn)評,認為該報告有很多哲學(xué)層面的思考以及新技術(shù),特別是AI熱潮的關(guān)注和相關(guān)實(shí)例。與會(huì )師生與樂(lè )陽(yáng)教授展開(kāi)了熱烈的討論與交流。其中,孟斌教授提出在大語(yǔ)言模型這類(lèi)新的技術(shù)到來(lái)時(shí),AI是否會(huì )為人文地理背景的同學(xué)提供一個(gè)彎道超車(chē)的可能性這一問(wèn)題。樂(lè )老師認為大語(yǔ)言模型的出現可能會(huì )給各領(lǐng)域都提供了一個(gè)彎道超車(chē)的機會(huì ),因為大家都處于學(xué)習的起點(diǎn)階段。她認為人文地理學(xué)者在理解人或社會(huì )方面更加擅長(cháng),并提醒大家不僅僅關(guān)注算法和技術(shù)細節,而是要思考如何將人文地理學(xué)知識與AI算法結合起來(lái),以更好地理解人類(lèi)和社會(huì ),這是人文地理學(xué)者的優(yōu)勢所在;尤其是結合城市問(wèn)題去做模式挖掘和機理的解釋?zhuān)皇菃渭兊亍熬怼彼惴?。她再次強調“科技向善”,算法應服務(wù)于社會(huì )的公平、效率和可持續發(fā)展。


圖片

部分參會(huì )代表合影


“行為地理學(xué)高級研習班”由中國地理學(xué)會(huì )組織領(lǐng)導、行為地理專(zhuān)業(yè)委員會(huì )策劃并承辦,旨在進(jìn)一步加強我國行為地理學(xué)研究的理論與實(shí)踐水平,持續了解國際學(xué)術(shù)前沿,促進(jìn)與國際研究的接軌,搭建學(xué)術(shù)交流與互動(dòng)的平臺,促進(jìn)行為地理學(xué)人才隊伍培養,尤其是幫助那些在行為地理學(xué)相關(guān)領(lǐng)域從事科研與教學(xué)的青年教師、行業(yè)骨干及研究生。


供稿:中國地理學(xué)會(huì )行為地理專(zhuān)業(yè)委員會(huì )委員李秋萍副教授


聯(lián)系我們

中國地理學(xué)會(huì )

地 址:北京市朝陽(yáng)區大屯路甲11號

郵政編碼:100101

電子信箱:gsc@igsnrr.ac.cn

主頁(yè)網(wǎng)址:http://www.basketballbullsstore.com

電 話(huà):010-64870663

傳 真:010-64870663

版權所有:? 2001-2012 中國地理學(xué)會(huì )    地址:北京市朝陽(yáng)區大屯路甲11號      郵編:100101
電話(huà):010-64870663      傳真:010-64870663      E-mail:gsc@igsnrr.ac.cn
備案/許可證號碼:京ICP備18020997號-6 京公網(wǎng)安備11010502053842
技術(shù)支持:北京智聯(lián)軟件技術(shù)有限公司