地理信息系统作为IT系统的重要组成部分,其技术的每一次进步都与最新IT技术的兴起息息相关。随着云计算、大数据、人工智能等技术的发展与应用,如今GIS基础软件已经形成五大技术体系：大数据GIS技术体系,增加了对空间大数据的存储管理、分析处理以及可视化的能力,丰富了空间数据的内涵;人工智能GIS技术体系,GIS通过结合人工智能相关算法,增强了GIS模型的分析预测能力,同时二者之间相互赋能,在增强GIS能力的同时,也让人工智能具备空间分析和可视化能力,拓展了其应用范围;新一代三维GIS技术体系,实现了二三维GIS一体化和多源异构数据的融合,推动了三维GIS从室外走向室内,从宏观走向微观;分布式GIS技术体系,突破了数据类型和容量的限制,数量级提升了GIS软件的性能,让高可用和高可信GIS应用成为可能;跨平台GIS技术体系,使得GIS软件可运行于不同类型的CPU架构和操作系统,满足日益丰富的多终端应用需求。五大技术相辅相成,进一步拓展了GIS基础软件的能力和应用场景。本文以SuperMap GIS为例,详细介绍了GIS五大技术体系的具体内容,阐述了每项技术的难点与创新点,并用光环曲线对五大技术体系的发展阶段进行了划分,探讨了未来GIS技术的发展趋势。
由于地球表面的时空异质性与复杂性,传统从遥感影像具有的信息特征出发,构建智能解译算法解决遥感地学认知的思路在应对面向全球的海量遥感大数据分析时,其精度和地学实用性已触及瓶颈。为此,本文从地学知识为核心的角度出发,结合当前知识图谱理论的发展,提出一种新的面向遥感大数据分析的地学思维构想——地学知识图谱。本构想将地学知识的概念进行重构,依次划分为数据性知识、概念性知识和规律性知识3个层次,并分别利用图模型的节点和边进行统一化表达和关联,打通不同层次地学知识间的反馈迭代与更新,在此基础上赋予地学知识图谱分析遥感大数据分析时知识的查询检索、知识推理、动态校正、拓展更新等功能。其中,如何构建具有多尺度、高维度特征的地理实体以及大体量、异质性的知识层级间的关联推理是地学知识图谱构想实现的关键难点。得益于知识的分层次和图模型结构的统一化表达,提出的地学知识图谱构想在促进遥感大数据时代背景下的地学知识精准化,提升遥感大数据解译精度和地学实用性,深化地学规律认知等方面应该具有广阔的前景。
犯罪防控警务策略是犯罪地理研究的重要话题之一,西方国家在此方面展开了大量研究,而我国的相关研究仍较缺乏。本文从不同类型犯罪防控警务策略特点、犯罪防控实验及其防控效益评估3个方面出发,综述国内外研究进展。研究结论包括以下4个方面：① 社区警务、问题导向警务、热点警务和智能警务为4大主要犯罪防控警务策略。社区警务以社区为单位,通过警民合作以减少犯罪;问题导向警务通过SARA（Scanning, Analysis, Response, Assessment）找出并解决社会中存在的问题;热点警务基于犯罪热点制定警务方案,对犯罪热点地区加以干预以降低犯罪率;智能警务利用大数据,人工智能等先进技术开展警务防控;② 国外的犯罪防控实验大多是通过划分实验组和对照组的方式,对比警务策略干预前后的犯罪变化。大部分警务实验以热点警务为主,且在试验区能有效降低犯罪,但同时存在犯罪转移或效益扩散现象;国内犯罪防控实验的研究仍有待开展;③ 传统的警务防控评估主要从破案率、公众安全感和社会经济效益评估3方面出发。鉴于犯罪转移或效益扩散的存在,国内外学者提出了加权位移商（WDQ）、时空加权位移商（STWDQ）、双重差分（DID）、倾向评分匹配（PSM）、双重差分倾向评分匹配（PSM-DID）和基于双重差分（DID）的象限法评估警务时空效益,丰富了警务防控评估体系。整体而言,国外对犯罪防控警务策略与时空效益评估研究得较充分但仍存在不足,而国内尚处于起步阶段。本文在最后探讨了中国警务策略可深入研究的方向。
犯罪时空预测作为预测警务的核心支撑技术,自2000年左右至今得到了快速的发展。本文介绍了犯罪时空预测的实践背景和理论基础,将犯罪时空预测解构为利用历史案件的时空位置、时空环境和个体行为等要素,结合相应的算法模型预测未来案件时空分布的过程。然后,从输入要素的视角对当前的犯罪时空预测方法进行了总结和归纳,将其划分为基于案件时空位置信息的犯罪时空预测、基于时空环境要素的犯罪时空预测,以及融合行为轨迹和时空环境要素的犯罪时空预测3种类型,详细总结了不同类型犯罪时空预测的方法原理,并从适应场景和预测效果等方面对不同的方法模型进行了比较。最后,结合当前的大数据技术发展趋势,对未来的犯罪时空预测进行了展望。本文认为犯罪时空预测未来需要从数据角度重点解决输入数据的体系融合、粒度细化和新型数据融合等问题,从模型优化角度应着重提高多源异构数据融合能力,平衡模型的可解释性与预测效果。
消除贫困是人类社会的共同目标。贫困分布具有明显的空间特征,同时呈现出空间异质性和空间相关性。时空统计学以时空分析为优势,在贫困的时空分布及形成机制研究中发挥了重要作用。本文综述了不同时期我国贫困分布的空间特征、贫困数据的空间类型和特征以及贫困时空分布的影响因素,并总结了时空统计学方法在贫困空间研究中的4类应用,包括：探索性空间数据分析,主要为了识别和量化分析贫困的时空分布格局;空间贫困归因分析,通过构建贫困和各地理要素之间的关系模型来分析贫困的影响因素;贫困制图,通过采样区数据得到整个区域的贫困分布;以及贫困的时空变化分析,揭示贫困要素的时空变化过程和其背后的驱动因素。在阐述这些方法的原理基础上,选取了具体案例阐释了时空统计学方法如何应用于空间贫困研究,进一步总结了时空统计学方法在贫困研究中的主要应用和价值;在此基础上,分析了目前空间贫困研究的不足,提出重点应从4个方面拓展时空统计学方法在目前空间贫困领域的研究。
全空间数字世界是在计算机系统中由描述现实/虚拟世界各种实体与要素的时空对象数据所构成的综合数据体,是一种对从宏观到微观的现实/虚拟世界的对象化数据描述。传统GIS对地理空间数据的分块与分层管理方法,无法满足全空间数字世界中复杂、动态、关联的时空对象组织与管理的需要,因此,本文研究提出了一种基于时空域的全空间时空对象组织与管理方法。在分析了全空间数字世界的概念、内容和特点的基础上,提出了时空域的基本概念,明确了时空域的数据组织方式和本质特性;建立了面向时空域的子时空域、时空对象类、对象关系类和时空域时空对象生命周期序列的时空对象数据组织体系和管理方法,并进行了时空域数据的存储与管理实验,验证了基于时空域的全空间时空对象组织与管理方式在管理全空间数字世界中的实用性和可行性,为后续示范应用场景中时空对象的生成与处理、检查与校验、可视化与输出提供底层支撑。
现代战争的军事作战数据来源广泛多样,目前对于军事作战的数据模型研究主要针对其时空属性进行描述,对于作战实体的多样化特征缺乏完整的表达,难以挖掘多维度的作战信息。多粒度时空对象建模是依照多粒度时空对象数据模型框架,将时空实体简化和抽象为数据模型,对复杂的现实世界进行概括与表达。本文在分析作战实体信息和特点的基础上,依托多粒度时空对象建模的思路,建立作战实体对象类并构建作战对象模型,对战争中时空实体的关联关系、组成结构和行为能力等特征的抽象与表达进行了探索,全面多维地描述作战实体及其特征变化,并以阿富汗战争中的美军凯克提特遣队为例进行对象化建模与可视化实现。实验结果表明,多粒度时空对象建模方法能有效表达作战实体的多维特征,在战场信息挖掘上具有精确立体、全面多维的优势,为面向对象的精细化作战研究提供了理论基础。
研究网络地理信息服务用户的访问行为,有利于了解用户地理信息兴趣、实现按需服务。本文基于全空间信息系统建模的理论,构建用户-访问城市关系网络,研究用户访问的空间聚集性。顾及到关系网络中行为关系强度的表达需要同时考虑用户访问行为、城市关联关系和城市结构,仅用单一的用户访问行为数据会存在偏差,本文提出了基于矩阵分解的数据融合方法,对网络地理信息服务中用户访问数据、城市关联数据以及城市的POI（兴趣点）数据进行融合,表达用户-城市访问关联强度。在此基础上,基于关系网络聚类方法实现用户的聚集模式挖掘。考虑到只以空间距离实现聚类的方法无法兼顾关系网络中用户对不同城市的访问偏好特征,本文在FCM（模糊C均值聚类算法）的基础上以用户对城市的访问概率定义访问偏好提出PFCM算法,同时兼顾关系网络中城市间的空间距离和访问行为关系强度,减小聚类结果的偏差。本研究通过用户访问的空间聚类表达用户访问的空间兴趣偏好,有助于理解用户访问行为与城市之间的相互关系,为网络地理信息服务在数据缓存和提前推送等方面的性能提升提供指引,从而更好的服务于用户访问。
对具有动态变化特征的空间实体的描述,除了表达其内在属性外,还应包括动态行为。传统GIS把空间对象内在属性和动态行为分开建模本质上是一种基于地图的静态建模思想,而多粒度时空对象把行为能力作为对象的固有属性,是区别于其它对象的一个重要特征,使得全空间信息系统能够描述具有认知和行为能力的“活”的地理实体。本文针对具有规则化动态变化特征的时空实体的描述与表达,从多粒度时空对象的角度,阐述了多粒度时空对象动态行为的表达思路,提出了多粒度时空对象个体和对象世界的动态行为表达模型,为全面认识和表达空间对象动态变化提供了新的视角。针对动态行为多属性交错改变、多对象复杂联动、多过程动态自主的特点,为开展多粒度时空对象动态行为实际建模,本文归纳了动态行为改变内在属性的4种不同方式,并分别基于动力学、规则、数据挖掘和智能体4个方面对动态行为的表达方法进行了探讨。最后,结合实际应用进行了实证分析,结果表明对空间实体内在属性和动态行为一体建模,不再需要设计额外的数据模型,行为与对象不再分离;采用统一的动态行为表达模型,行为不仅与对象是解耦的,而且是通用的、可继承和复用的;对象不同行为的组合,可以描述空间实体复杂的动态变化的过程,为全空间信息系统中对象行为建模提供了有益经验和借鉴。
全空间信息系统、智慧城市的构建,需要将地理实体抽象成时空对象,而时空对象的多粒度性,体现在时空对象具有多尺度、多维度、多层次的特点。如何在当今海量数据中,对多粒度时空对象的信息进行有序组织成为时空对象研究中的难点。本文基于面向对象的思想,提出了一套时空对象组成的表达与操作方法,为时空对象信息的有序组织提供了新思路。该方法基于概念分类理论,将时空对象的组成分为实体对象组成与关系组成,在此基础上,通过构建时空对象信息集族、对象组成集族、关系组成集族,对时空对象组成结构的形式化描述,并基于时空对象的生命周期,给出构建、更新、析构、组合、分解等时空对象组成表达的相关操作,进一步完善多粒度时空对象组成结构的表达。最后,以城市道路的组成信息管理为例,将武昌区珞喻路作为研究的时空对象,对城市道路时空对象组成结构的表达及操作进行举例说明。该方法的提出,实现了多粒度时空对象组成结构的表达,减少时空对象组成的冗余。
多粒度时空对象具有多粒度、多类型、多形态、多参照系、多元关联、多维动态、多能自主特点,可用于直接描述从微观到宏观的现实世界。基于时空对象建模理论构建多尺度地理对象耦合演化的集成表达是多粒度时空对象模型支撑地理分析与建模的关键。本文基于多粒度时空对象建模理论,在概率图和条件概率表的基础上发展了一种基于Bayes网络的地理过程演化表达和建模方法。该方法将多粒度时空对象作为Bayes网络节点,根据多粒度时空对象间的关联关系构建Bayes网络,利用Bayes概率表达多粒度时空对象间关联关系的作用强度,并通过更新算子和概率图模型描述要素特征状态的动态变化。基于此方法,选取新安江模型,进行多粒度时空对象地理过程建模和模拟实验。采用呈村1989—1995年水文数据为训练数据,1996年水文数据为模拟数据,通过降水面、蒸发面、产流面和汇流面构造Bayes网络并模拟产流量和汇流量状态;实验结果表明本文方法不仅可以对水文过程进行演化建模,并且可以较好地模拟水文过程中的产流量和汇流量变化,正确率达97.5%和95.9%。
Array of Things (AoT)通过单一位置上的多传感器对城市系统进行连续动态观测。AoT观测数据量大且持续增长,使得如何利用有限的计算资源进行AoT序列数据的压缩传输成为其应用的关键瓶颈之一。本文提出了一种基于张量分解的AoT序列数据的有损压缩方法。面向其海量、高维且需在传感器端处理的需求,该方法首先将AoT序列数据组织成高维张量,利用算法复杂度较低的张量CANDECOMP/PARAFAC (CP)分解提取各维度上的特征主分量,而后利用张量重构实现特征保持的数据有损压缩。利用基于张量分解的有损压缩方法,针对美国芝加哥市区的24 h内感测的声光电磁数据进行了实验,讨论了不同压缩参数对压缩比、压缩误差、压缩精度、压缩时间、压缩过程运行内存占用和压缩结果内存占用之间的影响。实验结果表明该方法可实现AoT序列数据的有损压缩,其较小的内存占用能够支持传感器端数据压缩。并且与原始光场强度对比表明,压缩后的数据保持了原有时空分布特征。与传统矢量量化编码压缩方法相比,在相同压缩精度下,本文方法的压缩比约高27%~76%,压缩时间约节省46%~73%,压缩结果所占内存约节省17%~57%,因此本文方法具有更高的压缩比,更低的压缩时间和内存占用,可为AoT这一类数据的大规模有损压缩提供借鉴意义。
房地不动产具备天然的立体特性,在三维空间中对其进行准确刻画是当前城市地上地下综合开发的关键问题,国内外学者已经提出了各类房地不动产数据模型,旨在解决房地不动产的管理与权利空间的三维表达问题。分析国内外学者的研究成果发现,国外学者提出的房地不动产数据模型多以地籍为核心展开,不能完全适用于我国的房地不动产管理;而国内学者虽兼顾了地籍和房产,但忽略了建筑实体、建筑空间与产权空间的关系,无法将房地不动产信息与建筑物信息模型（Building Information Modeling,BIM）整合,不利于房地不动产的精细化管理。针对以上问题,本文提出了基于IFC（Industry Foundation Classes）标准扩展的房地一体化三维不动产数据模型,并通过实例验证了该模型在我国房地不动产管理上是可行的。研究结果表明,本文提出的模型正确表达了各类建筑对象和产权对象,既可以支持业务相关的关联关系的查询,也支持GIS常见拓扑关系的查询和表达,该模型除了能表达符合我国体制的房地不动产对象外,还关联了BIM模型中的建筑构件、建筑空间, 为城市建设与运维管理提供技术模型支持。
共享单车是解决“最后一公里”出行的有效方法,然而,人们在利用其进行接驳地铁时,常出现无车可用或车辆淤积的现象。因此,探究用于接驳地铁的共享单车的源汇时空分布特征及其影响因素对实现其供需平衡有一定意义,单车运营公司可据此进行更及时、合理的调度。为了解不同区域的共享单车在接驳地铁时使用模式的差异,本文基于不同时间段的客流特征,对用于接驳北京市地铁站的共享单车所产生的源、汇网格进行了K-均值聚类,并进一步利用地理探测器探究了造成这种空间分异的原因。结果表明：① 源、汇网格各被分为5类,分别为高频低流出、高频异常源、中频低流出、低频高流出、低频低流出和高频低流入、中频低流入、低频高流入、低频差异流入、高频异常汇等类型,反映了共享单车源汇的时空分布特征; ② 在不同聚类中,共享单车的日均流量对应的主导因子有所差别,位于市中心的聚类的车辆主要受距离和交通因子的影响,而在其它聚类中则会同时受到多种POI的显著影响,且在不同时段中影响机制不同;③ 对于净流入（出）率而言,各聚类的源、汇网格的主导因子则大致相同,车辆的缺少或过剩主要与距地铁站或市中心的距离有关。④ 从整体源、汇来看,住宅类POI数量与距最近地铁站的距离分别是影响日均流量和净流入（出）率的最强的因子。
不透水面作为反应城市表征变化和区域城镇化的重要技术指标,其位置、图斑大小、空间分布等信息在地表水热循环和能量平衡等领域被广泛需求。传统方法大都基于单一时相信息提取不透水面,而忽略多时相所蕴含的丰富信息。因此,本文提出多时相信息融合的不透水面级联提取方法,利用Landsat-8 OLI遥感影像分析归一化植被指数（Normalized Difference Vegetation Index, NDVI）、改进的归一化水体指数（Modified Normalized Difference Water Index, MNDWI）和归一化建筑指数（Normalized Difference Building Index, NDBI）年内时序变化特点和典型地物间多时相波谱曲线的协同特征,并归纳不透水面多时相变化规律;再根据先验知识所获取的有效地表信息,进行多时相分级提取不透水面信息。此外,基于实地考察数据和同期2 m GF-1遥感影像屏幕数字化生成30 m不透水面图斑,进行精度验证、分析和对比单时相、四季相及多时相3种时序情况下的提取精度。结果表明：单时相提取不透水面总精度最低,四季相提取精度优于单时相,而多时相提取精度最高（精度可达93.66%,Kappa系数为0.81）。本方法在偏远城镇不透水面的有效识别中显露潜在优势,可为不透水面提取方法融合时序波谱特征提供新思路。
