全局检索与知识浏览

《国际地理信息科学杂志》；第39卷；第12期；页码2862-2885；2025年发表；出版机构Taylor & Francis。

本文综述了地理空间数据的表示学习，重点探讨从多种数据类型中自动提取有意义特征的方法。通过简化任务并提升准确性，表示学习已成为地理空间分析的强大工具。由于其良好的泛化能力和可扩展性，表示学习为处理本质上多样且非结构化的地理空间数据提供了有效途径。我们总结了针对不同地理空间数据类型的表示学习方法，包括位置、兴趣点（POIs）、轨迹、空间交互、遥感影像以及街景影像。将每种数据类型视为一种独立模态，本文强调多模态表示学习在深化对地理现象理解方面的潜力，并提出一种由大语言模型（LLM）引导的框架作为潜在解决方案。综述最后指出，亟需进一步研究以改进多模态数据对齐，并增强在复杂动态地理环境中的特征表示可解释性。

由于结构化查询语言的复杂性，地理空间数据库在可访问性方面面临重大挑战。为实现通过自然语言进行直观的人机交互，本文...

《国际地理信息科学杂志》；页码 1-27；发表于 2026 年；出版机构 Taylor & Francis。

高质量的土地利用数据集对于推动土地利用分类与识别研究至关重要。然而，土地利用的复杂性与空间异质性给数据集构建带来了挑战。为应对这些问题，我们提出了MSLU-100K，一个涵盖81个中国城市超过10万个不规则地块样本的多源土地利用数据集。该数据集基于人机协同框架构建，融合遥感数据与兴趣点（POI）数据，将地块划分为7类主要土地利用类型和28类次要土地利用类型。采用一种新颖的多层级分类方法，结合人工标注与深度学习技术，确保数据在六个质量等级上的高可靠性。数据集中超过57%的样本属于高质量级别（4级和5级），显著提升了分类性能。该数据集为土地利用识别、城市规划及空间研究提供了坚实资源。

通过融合多模态数据可以更准确地绘制城市土地利用格局。然而，许多研究仅考虑地块内的社会经济与物理属性，忽略了多模态数据带来的空间交互作用及不确定性。为解决上述问题，我们构建了一种多模态数据融合模型（MDFNet），从多模态数据中提取自然物理、社会经济及空间连通性辅助信息。同时，建立基于广义加性模型与可学习权重模块的不确定性分析框架，以解释数据驱动的不确定性。选取深圳作为示范区域，实验结果表明该方法具有有效性，测试准确率达到0.882，Kappa系数为0.858。不确定性分析显示，遥感数据、社会感知数据和出租车轨迹数据对整体任务的贡献率分别为0.361、0.308和0.232。研究还揭示了多模态数据在不同土地利用类别中的协同机制，为城市分布格局的精准、可解释制图提供了有效方法。

在大数据时代，基于云边协同数据的智能教学空间模型构建是当前教育创新探索的重点。在理解构建模型的基础上，依托云边协同数据的安全存储体系，本文深入探讨了该技术的实现路径，并最终获得相关成果。

《计算机、环境与城市系统》；第78卷；第101374页；发表于2019年；出版机构Elsevier

真实土地地块在面积和复杂性方面具有高度变异性。现有基于深度学习的模型通常依赖网格划分或简单重采样以保证输入尺寸的一致性，这使得在保留信息的同时难以准确反映真实的土地分布情况。当前研究还缺乏对模型识别过程及数据融合结果的可解释性分析。为解决上述局限，本文提出一种新型多源数据融合方法——不规则地块分类模型（IPCM）。IPCM采用泊松盘采样对样本进行规范化处理，同时保留关键信息。通过梯度加权类别激活映射++（Grad-CAM++）与可解释性提升算法（Explainable Boosting），对IPCM的分类过程及数据融合机制进行可解释性分析。结果表明，该模型在多模态数据中对不同功能类别的关注程度存在差异，并揭示了由于融合过程中信息不匹配导致部分类别融合效果较差的现象；此外，模型通过优化数据融合权重，增强有效信息的贡献，从而缓解多源数据信息严重不匹配带来的负面影响。优化后的IPCM在不规则地块上的测试准确率达到0.892，Kappa系数为0.862。本研究可为高精度土地利用制图及数据融合过程的理解提供重要参考。

随着精细化城市治理需求的不断提升，依赖单一数据源或粗粒度土地利用分类的方法已难以满足实际需求。为此，本文提出一种基于地块级别的细粒度土地利用识别模型——三元交互注意力网络（TIA-Net）。TIA-Net融合遥感影像（RSI）、兴趣点（POI）语义信息以及时空人口密度（TPD）数据。采用Swin-BiFPN提取遥感影像的多尺度空间特征。

不断增长的客户需求以及动态城市系统带来的复杂性给物流配送带来了重大挑战，尤其是在大规模实时动态交通信息背景下...

数据共享是研究的关键环节，旨在打破数据孤岛，促进知识流动与融合。本文阐述了数据共享的基本概念、原则及大数据时代下的共享模式。在原则方面，强调了开放性、互操作性、可持续性以及伦理与责任的重要性。在共享模式上，探讨了国家政策驱动、市场制约的产业化运行、科研合作驱动以及数据集市交易等四种模式，并新增了我司业务协同中台数据共享的探索。这些模式各具特点，共同推动了数据共享的深入发展。通过本文的探讨，旨在为数据共享的实践提供理论参考和指导。

订单调度是大型网约车平台（如滴滴平台）市场引擎的核心，该平台每天需在数千万级别上持续匹配乘客出行需求与司机资源。由于供需关系具有动态性和随机性，网约车订单调度问题难以求得最优解。此外，系统响应时间、可靠性及多重目标等复杂因素进一步增加了求解难度。本文描述了我们针对该优化问题的解决方案演进过程，从最初的组合优化方法发展为包含半马尔可夫决策过程模型与深度强化学习的方法。同时，文章讨论了方案开发中的各项实际考量及其对业务的实际影响。

《美国地理学家协会年鉴》；第115卷；第7期；第1720-1741页；2025年发表；出版机构Routledge。

《计算机、环境与城市系统》；第104卷；第102009页；2023年发表；出版机构Pergamon。

《国际数字地球杂志》；第17卷；第1期；页码2304076；发表于2024年；出版机构Taylor & Francis。

贫困威胁人类发展，尤其对发展中国家而言，消除贫困已成为联合国可持续发展目标（SDGs）中最重要目标之一。本研究通过时间序列多源地理空间数据与深度学习模型，探讨2016年至2019年中国减贫进展。减贫效率（PRE）通过2016年与2019年脱贫概率（即非贫困人口概率）的差异进行衡量。研究结果表明，中国各地区贫困概率总体呈下降趋势（PRE = 0.264），说明该时期减贫进展显著。胡焕庸线（胡线）呈现出东南与西北地区脱贫率分布不均的地理格局。2016年至2019年间，中国脱贫率重心向东北方向移动105.786公里，脱贫率标准差椭圆偏离胡线3度，表明高脱贫率区域在2016至2019年间更集中于胡线以东。研究结果表明，未来政府减贫政策应关注贫困地区基础设施建设，并适当提高贫困地区人口密度。本研究填补了多尺度减贫研究的空白，为政府减贫政策制定提供了有益启示。

建筑尺度的精细化人口分布数据在城市规划、灾害防治等多个领域具有重要作用。近年来，遥感（RS）与地理信息系统（GIS）技术的快速发展为人口分布制图研究提供了有力支持。然而，大多数研究仍聚焦于全球尺度的人口与环境变化，较少关注局部尺度的精细化人口制图，主要原因在于缺乏可靠的数据与模型。随着地理空间大数据的兴起，互联网获取的志愿地理信息（VGI） now 可用于解决这一问题。本文提出一种新型框架，通过整合多源地理空间大数据，实现城市建筑尺度的人口分布制图，对精细化人口分布制图具有重要意义。首先，利用随机森林算法分析百度兴趣点（POI）和腾讯实时用户密度（RTUD），将街道尺度的人口分布下放至网格尺度；其次，设计一种高效的迭代建筑-人口引力模型，实现建筑尺度的人口分布制图。同时，引入由该引力模型生成的高密度居住指数（DII），可用于估算居民聚集程度。与官方社区级普查数据及以往人口制图方法的结果对比表明，本方法精度最高（皮尔逊相关系数 R = .8615，均方根误差 RMSE = 663.3250，p < .0001）。生成的精细化人口分布图可为理解城市内部人口分布提供更全面的视角，有助于政策制定者优化资源配置。

国际空间数据与智能会议；页码 236-252；发表于 2021 年；出版机构 Springer International Publishing Cham。