文本数据为地理知识服务提供了海量资源。面向文本数据的地理实体关系抽取是地理知识图谱构建的核心技术,直接影响地理知识推理与服务的质量。由于文本数据不可避免地含有噪声,从文本中抽取的地理实体关系需要质量评价和信息过滤。本文提出一种基于通用知识库的地理实体关系过滤方法,针对已抽取的地理实体关系从中筛选出高质量的结果：先利用“本体知识”、“事实知识”和“同义词知识”构建地理关系知识库,作为信息过滤的参照数据;再基于分布式向量表示模型度量已抽取的地理实体关系与参照数据之间的语义相似性,以提高地理知识图谱的丰度与鲜度。实验结果表明,相比业界流行的“Stanford OpenIE”工具,本文所提出的方法可将置信度区间[0, 0.2]和[0.8, 1]的MSE（Mean Square Error）从59.27%降至3.94%,AUC(Area Under the ROC Curve)从0.51提升至0.89。

针对传统室内定位方式存在的忽略地图精度对于整体定位精度的支撑性作用、需要额外的辅助设施和附加模块以协助定位系统实现目标点定位、定位信标的保密性差、定位信号源与辅助基站等具有较强的信号辐射等问题,本研究引入高精度室内地图辅助,提出了一种VLC与PDR融合的室内定位算法。首先,本研究摒弃了传统人工勾绘方式,在室内扫描机器人turtlrbot平台上（装载有二维激光扫描雷达）,利用Gmapping二维栅格地图构建算法,生成高精度室内地图。在此基础上,采用扩展卡尔曼滤波算法结合高精度地图信息实现VLC与PDR融合定位。该融合定位算法较好地结合了VLC定位与PDR定位各自的技术优势,实现了VLC定位结合高精度地图信息对PDR定位自适应动态纠偏,对于进一步实现新型低成本、无信号辐射、保密性强、附加模块少的高精度室内定位提供了较好的理论与技术支撑。实验结果表明：在高精度室内扫描地图构建过程中,其测距分辨率<0.5 mm,VLC与PDR融合定位算法的整体定位精度为1.33 m,平均定位响应时间为0.58 s。

快速选择和分配应急医疗机构是城市突发事件应急响应的一个重要方面。医疗机构的地理位置和城市实时交通是影响城市医疗机构时空可达性的主要因素,医疗机构的资源数量和突发事件的救助需求是否匹配决定了医疗服务的可及性。本文综合考虑以上影响因素,将医疗机构的地理位置、实时道路通行情况、医疗机构等级及其资源数量以及突发事件的救助需求作为选择指标,建立适合城市突发事件应急救助需求的医疗机构选择模型,设计其算法流程并利用青岛市相关数据进行实验,验证其可行性及关键步骤的作用。本文提出的应急医疗机构选择模型及算法能够在推荐医疗机构的同时完成救治人员分配和路线规划,提高了应急医疗机构的选择效率,对城市突发事件应急响应具有一定的应用价值和决策指导意义。