特大城市生活必需品供应保障体系直接影响社区的供应韧性，而社区系统无法孤立存在，其作为城市治理基本单元对推动供需联动与增强城市韧性具有关键作用。本研究探索性提出一种基于复杂网络理论的城市社区供应保障韧性评估方法，尝试测度社区动态韧性，实现从“单系统评价”走向“多系统关联评价”的韧性评估底层理论思维突破。以广东省广州市中心城区六区为例，充分利用手机信令等多源数据，基于市民时空间行为构建“市场-社区”生活物资供需网络，同时基于社区韧性5个指标制定网络攻击策略；引入级联失效机制评估其网络抗毁性，结合熵权法赋予权重得到社区韧性评估结果；并通过研究供应网络不同阶段节点失效的社区影响因素，进一步解析社区韧性与供应体系间的影响机理。研究发现：① 基于本研究构建的城市生活物资网络模型，可实现较好地模拟城市社区供需网络和评价社区韧性，其中潜在供应保障缺失的低韧性社区主要分为老旧街区、城中村、城郊街区3种空间类型；② 通过针对社区5种不同攻击策略下网络抗毁性分析，发现社区韧性主导影响因素不同，其中人口密度为首要考虑因素；③ 社区韧性与供应保障间存在复杂双向影响，包括低韧性社区在面对城市突发事件时存在明显脆弱性，社区自组织能力、供应设施布局与供应点间联动调度等都会影响社区整体韧性。

共享汽车在满足用户多样化出行需求的同时，有助缓解交通拥堵、降低污染，很多场景比出租车更为经济。单向共享汽车允许用户在系统内任意站点借车和还车，具备运营成本低、服务灵活的优势。然而，用户出行需求的时空偏态性会导致站点间车辆和需求不平衡，成为制约单向共享汽车企业盈利的关键问题。车辆调度能在一定程度上缓解上述问题，现有研究多数以期望收益最大化或降低系统不平衡性为目标构建优化模型。前者受限于出行需求预测精度不足，放弃当前订单而追求期望更高收入的模式难以保证实际收益；后者为满足系统平衡而付出更多调度成本会使系统盈利能力下降。为此，本文提出一种收益驱动并适用实时场景的单向共享汽车用户重定位模型RUG，基于前景理论的确定效应保证当前可获得收益，对于受系统资源限制无法满足的需求，通过为用户提供替代方案在尝试获取收益的同时，也能有效平衡系统车辆资源。通过设计合理的用户激励和接受度模型将用户作为重定位主体纳入系统，利用公共交通突破传统用户重定位车辆的距离局限，以贪心的最优化实现调度计算。在真实的纽约出行和共享汽车数据集上的实验结果表明， RUG模型相比现有用户重定位方法优势显著，在同样模型参数条件下，相比现有代表性基于用户调度方法，RUG在服务订单数和利润2个方面分别提高14%和60%，尤其提升了交通高峰期单位利润。通过加入出行需求预测，模型进一步增加5.4%收益的同时，还能有效改善用户服务水平和系统平衡性。

城市级联灾害情景态势的转化演化是指在情景态势演化过程中，承灾体在致灾因子作用下转化为新的致灾因子，形成灾害链。针对城市暴雨级联灾害情景态势的转化演化问题，本文基于级联灾害情景态势相关的多源空间数据，结合概率化分析工具，提出一种暴雨级联灾害应对的情景态势转化推演方法。① 基于历史案例确定级联情景涉及情景要素及潜在要素转化路径；② 在百度百科和维基百科的网络知识资源支持下，利用机器学习中的分组最小角回归方法选择情景要素特征；③考虑级联灾害情景态势演化过程中的多阶段及复杂关联特征，构建情景态势转化推演的动态贝叶斯网络模型；④ 利用马尔可夫链蒙特卡罗方法对贝叶斯网络进行求解。将上述情景态势转化推演方法应用于武汉市高新区的暴雨应对实践，用例结果表明：本文方法能够结合历史案例和网络数据，实现关键情景要素及其特征的快速有效生成，帮助提升情景态势转化推演的可靠性；同时，支持地理网格等小粒度承灾体的情景态势转化推演，有助于更加精准的暴雨应急决策支持，在可视化分析方面亦具有较好效果。

引起人类患癌的原因，环境污染占比60%。空间同位(co-location)模式挖掘算法可以识别其实例在地理空间中频繁邻近的模式，可应用于探究工业排放的室外空气污染物与癌症的潜在联系。传统的空间同位模式挖掘算法在衡量模式兴趣度时通常基于模式实例出现频次计算其频繁性，但污染源实例对癌症实例的影响还与实例之间的距离相关，加之污染源受气象条件、浓度大小、危害程度等因素的影响具有差异性，因此不能只依靠实例出现次数度量其兴趣度。为此，基于高斯核密度估计模型提出了空间序偶模式及相应挖掘算法，高斯核函数可以较好地刻画污染源对癌症病例的影响随距离衰减的过程，为了尽可能地还原污染源在真实世界中的扩散情况，将城市风向、风速以及污染源排放浓度考虑在内定义了新的空间邻近关系度量准则，并且对污染源所属致癌类别进行了归类，对不同致癌类别的污染物进行加权区分，提出了更加新颖的污染源与癌症关系模式的度量和相应的挖掘算法。最后，在真实和合成数据集上验证了所提度量和挖掘算法的有效性和高效率，结果表明，提出的影响度度量较传统参与度度量更能捕获现实生活中更具有现实意义的空间序偶模式，且相较于同类型算法挖掘效率平均提高了60%左右。