地理信息的不断泛化对经典的地理信息分析模式提出了巨大挑战，网络化的知识服务将逐渐成为地理信息应用的新模式，助力地理计算到社会计算的形态转变。地理知识服务需要打通人、机构、自然环境、地理实体、地域单元、社会事件之间的关联，促进知识辅助下的数据智能与计算智能。本文聚焦地理时空知识获取与形式化表达及分析的迫切需求，首先分析了时空知识图谱的基本概念与特征，认为时空知识图谱是指具有地理时空分布或位置隐喻的知识构成的有向图，即以时空分布特征为核心的知识图谱；然后提出了时空知识图谱的研究框架，该框架可实现时空大数据到时空知识服务应用的转变，包括泛在时空大数据、时空知识获取、时空知识管理、时空知识图谱、软件系统及行业应用等多个层次；接着从文本描述地理信息抽取、异构地理语义网对齐、时空知识表达与表示学习等方面，介绍了相关研究进展；结合应用实践，介绍了面向行业的时空知识图谱构建与应用途径；最后，讨论了时空知识图谱研究目前面临的关键科学问题与技术瓶颈，提出在大模型时代，构建显式的时空知识图谱，并针对行业需求开展知识推理，仍是时空知识服务的必由之路。

地球科学（以下简称地学）知识图谱具有强大的知识表示和语义推理能力，已成为地学大数据和地学人工智能发展必要的基础设施。然而，目前的地学知识图谱研究主要面向实验场景，缺乏面向实际应用的大规模地学知识图谱构建方法和共享应用框架研究，导致尚未真正在地学领域现实应用中得到使用。为此，本文面向地学大数据和人工智能研究与应用对地学知识图谱的迫切需求，首先研究了大规模地学知识图谱的构建技术，在此基础上，提出一种覆盖地学知识图谱构建、共享和应用全生命周期的总体框架。然后，以“深时数字地球（DDE）”国际大科学计划为例，开展了面向实际应用的知识图谱平台研发实践。最后，利用该平台，构建了DDE大规模地学知识图谱，开展了知识图谱开放共享，有效实现了知识图谱应用，证明本框架可有效支撑大规模地学知识图谱的构建与共享应用。本文对于地学知识图谱现实应用价值的实现具有重要的促进作用。

新型作战样式对战场环境服务保障提出了新要求，战场环境智能化服务急需基于全域多维战场环境数据实现知识的提升。针对战场环境智能认知的知识建模问题，将知识图谱与战场环境相结合，提出了战场环境知识分类方法，认为战场环境知识图谱是大数据人工智能条件下战场环境知识表示的一种新形式；针对三元组知识表示碎片化的问题，构建了战场环境时序超图表示模型，实现了实体知识、事件知识、影响过程知识和服务决策知识的多层次统一图建模，将各类知识表示为具备时空特点、场景特点的统一知识超图网络；最后，利用地图、事件、影响过程和作战影响效能等数据进行实验验证，超图网络从语义层面实现了各类战场环境知识的关联，可进一步为实现基于超图的智能推理和服务决策提供支撑。

新型智慧城市是城市数字化向智能化、进一步向智慧化发展的必然要求，是实现高质量发展的重要环节。本文首先介绍了智慧城市的背景和基本概念，分析了数字城市、智慧城市和新型智慧城市3个阶段的关系和区别。数字城市利用计算机网络、空间信息和虚拟现实技术实现城市信息数字化，重在建设信息基础设施。智慧城市则依赖时空大数据、云计算、物联网等技术，旨在整合城市生活的各个系统，重在搭建统一的数字平台以便智能化管理。新型智慧城市结合数字孪生、区块链、元宇宙等技术进行全城整合，并采用基于人工智能的智能生命体进行决策，融合现实与虚拟元素，实现先进的城市管理。本文随后探讨了新型智慧城市的建设，重点关注以技术和社会需求为驱动力的高质量城市发展。它突出了从数字城市到智慧城市的过渡，强调了信息基础设施和智能技术在发展过程中的作用。论文讨论了三维城市建模、数字孪生和元宇宙等关键技术，并详细介绍了它们对城市规划和治理的影响。本文还探讨了智慧城市如何促进经济增长、满足国家需求以及确保公共健康和安全。人工智能、物联网和区块链等技术的融合对于创造互联、高效和可持续的城市环境至关重要。本文最后评估了智慧城市在衡量经济发展方面的作用，展示了其作为国家进步基准的潜力。最后，基于人工智能技术的最新进展，本文分析并系统展望了人工智能在建设新型智慧城市中可以发挥的关键作用。人工智能在分析海量数据、改善决策以及整合各种城市系统的能力，都为实现智慧化城市生态系统的愿景提供了重要支撑。在“人工智能+物联网”、“人工智能+大数据”、“人工智能+大模型 ”和“人工智能+大算力”的协同作用下，新型智慧城市有望实现无与伦比的城市智能化水平，并最终实现可持续、高效和以人为本的高质量城市发展。

随着全球经济一体化的深入推进，海上交通拥堵和船舶事故频发。为了对海上船舶活动进行监管和分析，传统的方法主要利用船舶定位数据进行数据挖掘，未结合其他海上多源数据进行船舶时空活动过程和行为模式分析，缺少深层次的知识挖掘。为此，本文综合利用多源数据，在提取轨迹的语义信息基础上，构建船舶活动知识图谱，为低知识密度的轨迹时空点序列向高阶语义知识转化提供一种有效途径。具体地，首先通过解析船舶活动的特征和组成要素，基于“过程-事件-行为”的核心思想，设计船舶活动知识图谱本体层；然后利用Stop/Move模型提取轨迹语义信息，利用DMCNN模型抽取船舶突发事件，完成实例层填充；最后通过构建原型系统，对上述模型和方法进行验证。结果表明，本文所构建的船舶活动知识图谱，可以支持对船舶常规活动和突发事件进行知识表示，并可以实现时空活动查询和回溯，进而达到语义增强效果，具有一定的应用价值。

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。

我国是受台风影响最严重的国家之一，台风灾害严重威胁着沿海地区的社会经济和自然环境。近年来，随着知识图谱相关理论和应用技术的发展，其强大的知识整合与表达能力可以为台风灾害事件的动态监测与管理决策提供有力支持。针对当前台风灾害事件相关模型对时空过程表达不足等方面存在的问题，首先，从台风灾害机理出发，通过对台风灾害事件组成要素和动态特性的分析，提出从概念、对象、状态、特征和关系5个层次建立的台风灾害事件知识表达模型。其次，充分顾及台风灾害事件信息的多粒度特性，在模型中将不同的特征信息统一到各个对象中。为了突出台风灾害事件的时空过程，以状态作为过程在特定时空下的截面。最后，以2021年台风烟花事件为案例，构建了台风灾害事件知识图谱。结果表明，该模型不仅突出了事件中不同对象的特征刻画，通过多个对象的状态序列表达出台风灾害事件的时空过程，进一步提高台风灾害事件的全过程信息表达与存储，为应急决策方案提供有效的数据与决策辅助支持。

雷达卫星能够穿透云雾，全天时、全天候获取洪涝灾害期间地面的水体信息，被广泛应用于洪水检测。本文从合成孔径雷达（SAR）卫星数据源、洪水检测方法、辅助信息在洪水检测中的应用、精度评价、SAR洪水检测的挑战与发展方向六个方面，总结分析了国内外SAR影像洪水检测领域的研究进展。首先重点梳理了基于阈值分割、分类器和变化检测等洪水检测方法，发现阈值法计算速度快、应用广泛，分类器法可以充分发挥主观性和客观性，变化检测法可有效限制过度检测与影像几何误差。接着分析了光学遥感影像、地形、纹理、水文、土地覆盖/利用等辅助信息在洪水检测中的应用，发现SAR影像结合辅助数据进行洪水检测成为研究热点。然后综合洪水遥感检测的应用需求和SAR水体信息提取技术发展历程，分析了洪水检测在影像数据源、预处理、检测算法及精度验证等方面面临的挑战及原因，总结出目前SAR洪水检测的发展方向：即SAR洪水检测辅助信息的广泛应用、同一SAR影像洪水的差异化识别和基于SAR影像的洪水概率制图等。

湿地作为地表覆盖类型的一种，对于生物多样性与气候变化有着重要的意义，也是人类的基本生存环境之一。为更好地理解和表达湿地知识及分类间关系，本文提出了一种基于本体的湿地知识图谱构建方法。首先，利用GlobeLand30数据、生态地理分区数据，围绕湿地类型、特征分布等要素分析湿地领域知识，提取知识间的语义关系，通过本体建模形成湿地知识图谱的概念框架；其次，融合百度百科数据等进行湿地实体的提取、属性信息抽取，丰富湿地知识图谱的数据层；最后，使用图数据库Neo4j存储实体关系和实体属性，实现了湿地知识图谱构建。本文构建的知识图谱扩充了湿地实体的概念描述信息，探索了顾及时空特征的湿地知识表示方法，为地表覆盖领域的知识图谱构建提供了一个应用范例。

面向自然语言的地理空间场景描述一直是地理信息科学的重要研究方向，传统方法更注重空间关系的遍历性描述，难以融合人类空间认知，与人类自然语言有较大的差距。地理空间场景自然语言描述的本质是地理空间二维向量转换词空间一维向量的过程。本文提出M2T空间场景自然语言表达框架，通过空间场景理解、语言合成和注意力感知3个知识图谱，在多源知识图谱的融合机制下，生成自然语言空间场景描述文本。其中空间场景描述知识图谱解决遍历空间关系剪枝难题，同时通过建立空间关系图谱建立空间场景之间关联，支持空间场景连续表达；自然语言风格知识图谱建立空间表达与语言风格的关联，实现了贴切于空间自然语言表达的多样化语言风格；空间关注度知识图谱根据空间场景主体和客体交互状态，建立注意力矩阵捕捉自然语言空间表达的细微之处。以北京故宫为例设计的原型系统，实验表明系统生成结果与人类游记接近，且内容覆盖更完整，风格更多样，验证了M2T框架的有效性，并展现了空间场景自然语言描述应用的潜在价值。

以图结构表达的知识图谱不仅在语义网络的描述与推理中发挥着重要作用，对于空间实体的结构化抽象与空间推理也具有重要意义。空间实体的联系信息在知识图谱中以图的边记录，通过路径探测、子图对齐、模式发现等基于边的知识图谱计算推理，在空间场景认知可发挥重要作用。地理知识图谱是一种对地理概念、实体及其相互关系进行形式化描述的知识系统，既有通用知识的内涵与特点，也有地理知识特定的时空特征，能够将语义模型和时空模型联系起来，描述语义关系、空间关系和时间关系，在地理知识的表达、理解、获取与推理方面有巨大的应用潜力。现有地理知识图谱的研究工作多集中于语义方面，语义关系的抽取与表达比较丰富，可以支持进一步的地理知识语义搜索等功能；然而地理知识图谱在时空模型上的知识表达比较缺乏，现有的空间关系局限在要素之间，很少涉及空间认知中进一步的分布态势、空间格局等，地理知识图谱在空间语义知识方面有待增强。本文基于知识图谱构建原理，以建筑群地理知识图谱构建为例，实现格网型建筑物模式的识别。先将建筑物抽象成实体，表达为图的节点，基于几何邻近分析提取建筑物之间的空间邻域关系，以此构建建筑群地理知识图谱；在此基础上结合建筑物模式识别的领域知识，进一步推理构建其他的空间语义关系，完善地理知识图谱；再将建筑群场景的格网模式表达为知识图谱的规则，在知识图谱上基于NoSQL语言进行推理。结果表明，本文方法能有效提取建筑物格网模式，验证了地理知识图谱在空间推理上的作用和在领域问题研究中的良好适应性，为地理知识图谱在空间认知领域的应用提供了思路。

图像地理定位是将没有地理位置的图像，通过一系列方法获得对应地理位置，使其与现实地理空间建立关联映射的技术。该技术对进一步挖掘图像信息有着重要的作用，在网络空间测绘、情报获取、用户室外定位、增强现实等方面具有较高的应用价值。尽管计算机视觉领域取得了巨大的进展，但是由于图像地理定位涉及到图像特征提取、大规模数据检索、大规模点云处理、深度学习、地理信息特征提取、几何建模与推理、语义场景理解、基于上下文的推理、多数据融合应用等多个领域，所以对图像的高精度自动地理定位仍是需要进一步解决的难题。本文对图像地理定位研究进展进行了梳理，主要包括图像地理定位方法、图像地理定位数据集、图像地理定位评价方法和图像地理定位总结与展望4个方面。首先按照研究内容相关性将图像地理定位方法分为了图像检索、2D-3D匹配和跨模态检索3类方法，并详细介绍了每一类方法的最新研究进展；其次对图像地理定位研究所用的数据集和评价方法进行了归类与总结；最后分析了图像地理定位的研究现状，并从全球地理定位、自然区域地理定位、多方法融合地理定位、基于POI数据的地理定位和预选位置的精细化定位等方面对图像地理定位的未来研究方向进行了展望。

随着科学技术的发展与推动，网络空间与人们的日常生活深度融合，已经成为人类活动新的空间形态。网络空间与现实空间有区别、有联系，具有鲜明的地理学特征，地理学的时空关系仍然是网络空间不可或缺的关键要素。因此，将地理学思想应用于网络空间认知，对于刻画网络空间态势、维护网络空间安全具有重要意义。本文回顾了网络空间的产生与发展，剖析了网络空间的基本结构与特征，针对网络空间特征的不同观点，分析了网络空间的地理学属性。从地理学三大定律的视角出发，本文探讨了如何运用地理学思维和地理信息科学的方法描述网络空间，并以网络空间可视化表达、网络空间地理图谱构建与网络空间行为智能分析为例，说明了如何应用地理学思维进行网络空间的分析和研究。探索网络空间的地理学属性与地理学思维，并将地理学技术应用于网络空间防护，可以为网络空间安全综合治理提供新的视角与维度，从而促进新时代网络空间认知水平与治理能力的提升。

地理信息科学（GIS）既有学科自身发展的需求，也是支撑地理学、地球系统科学和未来地球学等前沿探索的技术方法，还是服务于国家战略与社会发展的支撑技术。面对当今地理信息科学发展的内在规律、相关学科发展的外在驱动，以及人工智能等新技术的牵引，本文首先从描述内容、表达维度、表达方式、分析方法与服务模式6个维度，分析了GIS的发展过程，探索了其发展规律；然后，在解读地理学发展的初心与目标的基础上，提出了面向“物理-人文-信息”三元世界的地理学学科体系，讨论了信息地理学研究对象，提出了一个综合信息7要素与地理描述7维度的概念模型；随后，从信息科学视角的地理信息科学、地理学视角的信息地理学、以及语言学视角的地理语言学3个方面分析了地理信息学科的发展趋势。最后，总结了GIS、信息时代的地理学、地理场景、地理大模型等可能的发展方向和要点，以期丰富对地理信息学科的认识，促进地理信息相关科学的发展，提升学科对国家发展需求支撑和社会服务能力。

几何语义一体化三维建筑物模型是智慧城市建设的重要基础数据，有利于促进建筑设施的精细化管理和智能化应用。当前基于点云的三维重建算法大多关注简单屋顶结构的几何模型构建，忽略了模型的语义表达，且基于数据驱动方法的重建结果容易受噪声影响，存在几何和拓扑错误。为了解决复杂屋顶高精度三维重建难题，本文提出一种基于3D基元拟合的复杂屋顶点云三维自动化重建算法。首先，设计了一套可参数化表达的建筑物3D基元库，包含简单和复杂屋顶。其次，通过点云分割和屋顶拓扑图比较来识别点云对应的基元类型。然后，提出了一种点云与3D基元整体拟合的目标优化函数，采用序列二次规划算法估计基元的正确参数。最后，利用城市地理标记语言（City Geography Markup Language, CityGML）构建几何、语义和拓扑一体化表达的三维模型。采用几种不同屋顶风格的建筑物点云数据进行实验，定性和定量对比分析结果表明本文方法能够高效生成几何和拓扑均正确的CityGML模型，对噪声和局部点云缺失具有一定的鲁棒性，有利于促进几何语义一体化建筑物模型快速自动化构建。

“地、物、化、遥”等地质矿产勘查和科研工作建立了海量的矿产调查数据，蕴含丰富的成矿构造背景、产出地质环境、矿床地质特征、矿床成因模式等与成矿和分布相关的知识。海量矿产资源相关数据向有效成矿规律知识的转换，已逐渐成为提升地质找矿精度的突破口。本文引入知识工程中本体知识表示技术，开展金矿知识图谱构建方法研究。首先，梳理了金矿成矿模式，确定了金矿概念、金矿实体以及地质特征、成矿特征等属性，运用自顶向下的领域本体知识表示方法构建金矿知识图谱的模式层；其次，基于结构化、半结构化和非结构化的多源异构地质数据源，采用深度学习模型实现金矿信息提取和语义解析，丰富金矿知识图谱的数据层，采用自底向上的方式构建金矿知识图谱；最后，基于图数据库开发了金矿知识管理系统，实现金矿数据管理、知识获取、金矿知识可视化表达、知识库管理、金矿找矿知识查询等功能。本文研究成果可形成“数据-知识”联合驱动的金矿找矿方法，为地质勘查工作中识别、控制和管理矿产资源、提升找矿精度提供参考。

进入地球大数据与地球人工智能时代，数字地球建模要求也从地表扩展到全域全时全息，而当前数字地球的数据模型还基本停留在瓦片或地球网格剖分数据模型阶段，严重制约了场景化、智能化数字地球应用。本文提出了全息地球概念以及相应的地球数据立方体组织模型，采用全球多级格网参考系统来描述和表达多尺度空间，用平面或立体格元来表达空间位置，将传统“经度、纬度、高程、时间”时空表达发展至“时间粒度、时间覆盖、网格位置、格网尺度”新时空表达体系，并设计了按照“时间—空间—尺度—属性”一致性描述的全息地球数据建模方案，将矢量、栅格、格网、时序阵列、三维模型等多模态数据归纳至一个统一模型中，使得任何引用特定地球数据立方体中的数据值在时间、空间、尺度都是对齐的，解决了全息地球跨专业、多维时空动态场景数据时空融合集成难题，并结合深时数字地球国际大科学计划全球数字化科研平台需求，开发了深时古地形时空动态可视化模拟系统，完成对模型的验证。

城市热点区域的实时探测能够提高管理者对突发事件的响应能力。随着物联网、通信技术的发展，出租车运单的起讫信息实时上传至数据中心，形成了持续的上下客数据流。考虑到出租车具有全天候运营、全区域覆盖、数据时空分辨率高等特点，其上下客数据流可作为城市热点区域实时探测的有效信息源。目前，面向静态上下客数据集的热点区域探测方法不支持流式数据的处理，难以直接应用于实时的热点区域探测，而现有流式聚类算法难以同时满足低聚合成本、任意形状类簇识别、灵活扩展性等要求。面对以上挑战，本文基于分布式流计算技术，设计了适用于出租车上下客数据流的城市热点区域探测算法，基本思想为将上下客数据流映射至网格状监控单元，并以时间窗口为单位统计各监控单元热度，在此基础上进行热点单元的分布式识别，最终将热点单元汇聚为热点区域。为了避免分布式算法中聚合算子的性能瓶颈，本文进一步设计了由冗余分区、链接识别、修正规则构建、区域ID修正、区域生成等步骤组成的多阶段分布式区域合并算法。最后，本文基于分布式流计算框架Flink实现了上述算法，并使用武汉市出租车数据集、纽约市出租车上下客数据集模拟数据流开展实验，结果表明本算法可以高效挖掘城市空间的热点区域分布及其动态变化，在并行度为8时吞吐量可达9万条/s，具有较好的性能与可扩展性。

中亚降水数据存在缺失、地理偏差、分辨率低和采集难度大等问题。近年来，神经网络模型被广泛应用于降水降尺度研究。然而，由于山区自然环境复杂多变，普通神经网络模型的预测结果难以解释且适用性差。为此，本文以地理差异分析作为先验知识约束生成式对抗网络，构建一种新的降水降尺度模型，提高了阿姆河流域复杂环境下降水数据的空间分辨率和精度。首先，依据地形数据通过空间变形模型对输入的Climate Research Units Time Series (CRUTS)降水数据进行空间校正。然后，输入校正后的CRUTS降水数据、气温风速湿度等同化数据及遥感数据到条件生成式对抗网络，重建高分辨率降水数据。最后，考虑到山区降水的各向异性，尤其在地形复杂的上游区域，该模型基于气象站点的真值，对降水数据进行了反距离权重的地理差异分析。结果表明，基于地理差异约束生成式对抗网络的降水降尺度模型能够提升复杂环境降水数据的分辨率和精度。针对中亚阿姆河流域的实验表明，本方法可将CRUTS降水数据的分辨率由55 km提升至11 km，其R²值增加了0.34，均方根误差(RMSE)和平均绝对误差(MAE)分别减小19.4 mm和10.65 mm，偏差(Bias)也由原来的0.24降至0.08。本文为数据采集难、地形地貌复杂区域的降水数据空间分辨率的提高，提供了鲁棒性好、普适性强的方法和思路。

分析居民的出行特征是解决和缓解日益凸显的城市问题的一种重要途径。当前采用出租车OD流向数据挖掘居民出行特征已经取得了丰富的研究成果，但是大部分研究忽略了OD流向的语义信息。针对时空聚类算法中语义信息考虑不足的问题，本文提出了一种基于GloVe（Global Vectors）模型的OD流向语义提取方法和基于密度的时空语义聚类算法（STS-DBSCAN, Spatial Temporal Semantic-DBSCAN）。首先，结合POI访问概率和GloVe模型提取了OD流向语义。在此基础上，提出了一种OD流向的时空语义相似性度量规则。然后，根据时空语义相似性度量规则改进了DBSCAN聚类算法，实现了OD流向数据的时空语义聚类。最后，以厦门岛为例进行居民出行特征分析，共提取了7种居民出行语义，发现：① 居民出行语义受时间因素的影响较大，不同时间段的主要居民出行语义不同;② 居民出行热点主要分布在厦门岛的中部发达区域;③ 通过时空语义聚类分析，从4种主要居民出行语义中提取了7种典型的居民出行模式。结果表明，基于OD流向语义和时空语义聚类方法能够有效地挖掘城市居民的出行特征。

城市正在成为人类社会可持续发展的核心要素。随着大数据和人工智能技术的飞速发展，越来越多的研究致力于数据驱动的城市可持续发展，通过海量多源异构城市数据对城市在社会、经济和生态方面的可持续发展进程进行监测、解释和评估。然而，当前研究往往局限在单一应用场景和单一数据源，缺少对不同城市数据源、不同城市元素之间内在关联的考虑，难以泛化到城市可持续发展的多种场景。因此，本文提出城市商圈/街区知识图谱驱动的城市可持续发展研究框架。首先，从海量多源异构城市数据中构建城市商圈/街区知识图谱本体，建模人、地、组织、商圈和街区等城市元素的关联关系，进一步在本体指导下实现知识融合，构建城市商圈/街区知识图谱。紧接着，围绕城市可持续发展进程的状态监测、现象解释和决策评估介绍城市商圈/街区知识图谱驱动的城市可持续发展应用。最后，以城市社会经济指标预测为典型任务，提出知识注入的跨模态对比学习方案，验证城市商圈/街区知识图谱在相关应用中的有效性和泛化性，为城市商圈/街区知识图谱驱动的城市可持续发展提供典型例证。

船舶航线提取与交通流分析是航线设计、海事管理、贸易分析等研究的基础。面向海量船舶轨迹，现有船舶航线提取方法在大范围海域的适应性、方法复杂性以及与真实船舶交通航线的符合性方面还存在不足。本研究以海量船舶自动识别系统（Automatic Identification System， AIS）数据为研究对象，提出一种船舶轨迹提取模型构建与交通流分析方法。首先，将船舶航行轨迹抽象为船舶停留特征点（停留点）与移动特征点（航路点）的组合，其中停留点为船舶在港口处停留轨迹段的特征点，航路点为船舶移动轨迹段中航行速度或航行角度发生明显变化的特征点，构建“出发港（停留）→移动（航路）→目的地港（停留）”船舶航行轨迹抽象模型，实现船舶航行轨迹划分;然后，以船舶航行轨迹抽象模型为基础，基于图论理论进一步聚类海量船舶航行轨迹的停留点和航路点，提取表征船舶航线的航线点（停留航线点和航路航线点）;最后，建立航线点连接矩阵，以船舶交通图的形式实现船舶航线提取，为船舶航线提取、交通流分析等提供新方法。以南海丝路海域为研究区，利用2017年全年的历史AIS数据，分析研究区内典型商船（集装箱船、散货船、油轮）的交通流特征和船舶航线。结果表明，提取航线与船舶交通高密度区域高度吻合，能够反映南海丝路区域真实的船舶交通航线。进一步与现有航线数据比较可知，本文提取航线的细节更加丰富，结构更加完整。与现有船舶航线提取方法相比，本文方法具有两方面的优势。① 本文方法提取的船舶航线具有更大的丰富度。本文方法不仅提取出船舶航线，还识别船舶航行过程中的特征点，即船舶停留特征点和航路特征点，这对于航线设计和航行安全无疑是重要的知识支撑; ② 本文方法提取的航线更易于分析海运交通网络。由于本文方法提取的航线是点对点的形式，且每条航线都是从港口出发，易于构建海运交通网络，可以实现潜在的运输网络分析。本研究可为船舶航线规划、交通流分析、航行安全等提供决策支持。

跟驰行为研究旨在探究单行道上前车运动状态的变化对后车行驶状态的影响，通过建立相应的跟驰模型进行仿真研究，可以揭示交通拥堵、交通流震荡等交通现象的内在机理，有助于研究交通流的稳定性、道路通行能力和运行效率。由于驾驶经验、性格等特征的差异，驾驶员会表现出不同的跟车特征。然而，传统的跟驰模型往往假设驾驶员的驾驶行为是同质的，较少考虑通行车辆驾驶风格的差异，这与实际情况不符。为此，本文首先提取了路面通行车辆的4种驾驶行为特征（变道、起步、制动、平稳行驶），开发了基于权重的自适应数据流引力聚类（Weight-based Adaptive Data Stream Gravity Clustering， WAStream）算法，分别对不同驾驶行为特征时序数据进行聚类分析，进而根据驾驶风格评分模型量化了驾驶员不同驾驶行为的激进程度，实现了通行车辆驾驶风格的有效分类；接着通过分析不同风格驾驶员的跟驰数据，构建不同风格车辆的速度期望函数，并充分考虑主车与驾驶视野中多辆前车的速度差、加速度差等影响，提出了一种考虑驾驶员驾驶风格的车辆跟驰模型；最后基于NGSIM车辆轨迹数据，利用遗传算法标定考虑驾驶员驾驶风格的车辆跟驰模型的关键参数，实现模型的验证和数值仿真分析。实验结果表明：与经典的FVD模型相比，所提出的跟驰模型能够更好地拟合车辆跟驰数据，其MAE、MAPE、RMSE分别减小了1.511 m/s²、6.122%、1.064 m/s²；同时，该模型能够有效降低车辆在跟驰行为中的延迟性，构建更逼近真实情况的交通流场景，提高了交通流的稳定性。本研究提出的跟驰模型能够为交通运输规划和管理部门提供有效的决策信息，为微观交通仿真研究提供模型参考。

命名实体识别（NER）是自然语言处理众多研究基础，其可以被定义为分类任务，旨在从非结构化文本中定位出命名实体，同时将命名实体分类成预定义类别。与英文相比，中文构词灵活、不具有边界性，且缺乏高质量中文NER数据集，导致中文命名实体识别难度较大。细粒度实体是粗粒度实体的细分类型，中文细粒度命名实体尤其是地理命名实体识别难度更大。中文地理命名实体识别无法同时兼顾精度和召回率，改善中文细粒度地理命名实体识别性能至关重要。因此，本文提出2种联合词汇增强模型的中文细粒度地理命名实体识别模型。首先，将词汇作为“知识”注入模型，基于词汇增强方式探究适合细粒度命名实体识别方法，并找出适合细粒度命名实体识别方法BERT-FLAT以及LEBERT；其次，为进一步提升细粒度地理命名实体识别性能，针对上述2种方法在预训练模型、对抗训练以及随机权重平均3个方面进行改进，形成联合词汇增强模型RoBERTa-wwm-FLAT以及LE-RoBERTa-wwm；最后，对联合词汇增强模型进行消融实验，探究不同改进策略对于地理命名实体识别性能影响。基于CLUENER数据集和1个微博数据集的实验表明：① 与无词汇增强功能模型相比，具有词汇增强功能模型在细粒度命名实体识别任务中F1-score提升了10%左右； ② 针对词汇增强方法进行的3处改进使模型在细粒度地理命名实体识别任务中F1-score提升了0.36%~2.35%； ③ 与对抗训练改进、随机权重平均改进相比，预训练模型改进对地理命名实体识别精度的影响最大。

许多复杂的物理现象和动态系统尚未为科学家所完全理解和解释，因此不能构建确定的数学方程来描述，不能直接使用紧凑的物理机理模型来进行分析和预测。随着观测数据的日益丰富，数据驱动的机器学习方法可以较好地描述复杂非线性现象，但是纯数据驱动模型在表征能力、可解释、泛化能力、样本利用效率方面还存在很多不足。常规机器学习方法在地学领域的应用还面临时空异质性、样本稀疏等带来的挑战。近年来感知物理先验的机器学习方法可以在物理原理不太明确的情况下更有效地利用观测数据描述和分析动态系统，受到了广泛关注，并在物理、计算机、生物、医学和地学等领域得到了一定的应用。近年来人工智能和机器学习技术已经大量应用于地理学尤其是地理信息和遥感领域，受到地理学者广泛重视，被称为地理空间智能，并已成为一个热门的研究方向。感知物理先验的机器学习方法融合了模型驱动和数据驱动思想，为地理空间智能研究带来新的研究范式，促进各种复杂地理现象的精细描述和预测。本文首先分别从物理先验的表达形式和如何在机器学习中集成物理先验两方面概述了该领域的进展。物理先验是在机器学习建模之前已经存在、独立于机器学习方法的知识。本文从增广的数据和定制特征、物理定律和约束规则、支配方程、几何特性等方面总结物理先验知识的表达形式。主要从机器模型约束建模、辅助任务设计和模型的训练推理角度总结如何在机器学习模型中有效集成各种物理先验。本文基于以上的综述框架，结合地学机器学习和地理空间智能的发展和前沿问题，探讨了地理时空先验与其他物理先验的关系，简要总结和分析了目前感知时空先验的地理空间智能方法研究案例，探讨了时空先验表征以及集成时空先验地理空间智能的未来研究规划和应用前景。随着感知物理先验的机器学习方法研究的快速发展，我们相信感知时空先验的地理空间智能研究未来将逐步构建起跨多时空尺度的通用地理表征、分析、预测和解释框架，不仅能更好地解决地理信息科学的传统问题，还将鼓励地理学者与其他相关学科一起建立交叉研究的前沿机会，探索解决人类未来面临的共同挑战。

15分钟生活圈是以人为本城市社区建设的基本需求，也是绿色、低碳、可持续城市的发展方向。然而，生活圈服务设施布局规划存在诸多挑战，如需要建设多少设施，生活圈半径内人群覆盖率能否达标，以及如何提升服务公平性?鉴于现有的区位问题难以直接解决这些问题，本文引入设施最大服务半径和推荐服务半径覆盖人群达标率指标，将经典的单源设施区位问题(SSCFLP)改进为规划参数驱动的区位问题(DC-CFLP)，用于生活圈公共服务设施布局规划，尝试解决上述难题。相较于SSCFLP，新模型增加了3个规划参数，满足设施选址需求;在模型中使用软约束条件，对违背设施容量、最大服务距离和覆盖人群达标率的情况进行惩罚，使模型在实际应用中具有灵活性。选择郑州市郑东新区为案例区域，进行社区便民服务中心选址规划实验。依据区域现状及2035年控制性详细规划，设置3组规划参数，通过模型求解获得相应的选址方案。结果表明：设置不同的规划参数，新模型能够以最少的设施实现服务供需均衡，最大限度地满足服务半径达标率要求，也较好兼顾了服务成本、可及性和公平性。为验证本模型的优越性，与SSCFLP和CPMP模型相比，DC-CFLP模型更适合城市生活圈服务设施布局规划，满足实际规划需求，兼具理论意义和实用价值。

在我国高密度城区和人口老龄化发展背景下，加强城市口袋公园设计与建设研究不仅必要而且紧迫。本文运用CiteSpace，并结合文献综述、技术分析等方法对2000—2022年我国城市口袋公园研究进行聚类分析及文献综合分析，结果表明：当前该领域的研究热点包括口袋公园、街旁绿地、景观设计、袖珍公园、公共空间、风景园林、微绿地、街头绿地、设计策略、规划设计等；口袋公园研究进展分为基础研究（2000—2006年）、稳步推进（2007—2018年）和快速发展（2019—2022年） 3个阶段；其研究重点包括基础性研究、规划设计研究和评价研究。未来我国城市口袋公园研究的发展方向包括：多个口袋公园协同组群布局及单个口袋公园内部空间布局优化、景观设施布局优化、植物配置与优化研究；以环境行为学和环境心理学为理论基础，基于居民行为特征和心理需求的口袋公园适老性、适幼性、无障碍、人性化等方面的研究；综合运用建筑环境理论、遥感技术（RS）和地理信息系统（GIS）技术，对口袋公园与所在地区自然环境效应耦合关系进行系统性研究；口袋公园设计导则、建设和运维标准范式等的规范性研究；口袋公园设计的数字化和运维管理的智能化研究，以及在此基础上的口袋公园评价体系、评价方法、统计分析研究等。

“公平性”是指社会成员之间权利或分配的公平程度，公平性对于交通规划具有重要的意义。公共出租汽车（含网约车和出租车）服务的公平性主要反映的是局部区域内人群能够享受与人群占比对等服务机会的水平，探索公共出租汽车服务的公平性，能够为优化城市公共出行中的个性化出行服务提供支撑。既有研究中对城市公共出租汽车服务的公平性关注较少，且有关公共服务公平性的度量主要基于静态人口分布进行度量，难以有效顾及城市人口动态对公平性度量的影响。为此，本文顾及动态人口分布数据，利用基尼系数与泰尔指数对仅巡游、仅网约与混合接单的3类接单方式的出租汽车服务的不平等公平性进行计算，结合城市功能区对区域不公平性的贡献进行了分析并提取了具备潜在不公平性的服务区域，以厦门市数据为例对方法进行了验证。结果表明：① 基于静态人口分布计算的厦门市公共出租汽车服务不公平性，相比于基于动态人口的计算结果平均高估27.28%；② 传统由城市交通公共服务机构运营的巡游车服务，其不公平性是由大型移动互联网平台负责运营的网约车服务的1.66倍，新兴移动互联网技术提升了城市公共交通服务的公平性；③ 不同类型城市功能区对公共出租汽车服务不公平性贡献存在差异，厦门市出租汽车的仅巡游车服务中，商业用地贡献了57.49%的总体不公平性，仅网约接单服务中，工业用地平均贡献35.07%的不公平性；④ 厦门市具有岛内和岛外的空间格局，潜在不公平载客服务区域在岛外分布的数量远高于岛内，其中载客服务水平较低但动态人口比例较高的区域较多，平均占比为82.96%；载客服务水平较高但动态人口较少的区域通常位于岛内的自然公园，载客服务水平较低但动态人口较高的区域通常位于岛外的火车站与工业园区。本文提出的研究方法和有关研究结果能够为城市公共出租汽车管理部门优化有关服务公平性提供参考。

知识图谱作为人工智能技术与应用中重要的数据基础设施，已经成为地理科学领域的一个研究热点。目前对地理知识图谱进行嵌入表达时通常使用默认的超参数（如2层网络搜索深度），但是部分地理知识图谱的网络规模和拓扑特征与通用知识图谱不同，其合理性需进一步论证。为此，本文围绕城市轨道交通人地关系，基于地铁线路网络的拓扑结构特征，结合客流数据、POI（兴趣点）数据以及建成环境数据等构建地铁出行知识图谱；利用GraphSAGE模型学习实体的多维度特征嵌入，并结合POI数据对站点分类结果进行语义识别，对比验证适合地铁出行知识图谱嵌入表达的网络搜索深度。不同于默认的 2层搜索深度，当搜索深度为3层时，本研究所构建的地铁出行知识图谱的节点嵌入效果最优。因此，地理知识图谱嵌入表达的超参数选择需要顾及时空和人类活动相关的网络规模和拓扑特征，要避免不加甄别地使用其他领域通用知识图谱的已有成果。使用3层搜索深度获得的地铁站点分类结果也更具合理的解释性，可为利用知识图谱和人工智能方法进行站点规划和客流预测提供基础。

为准确评价压缩天然气（CNG）出租车的二氧化碳（CO₂）减排效益，以武汉市为例，提出了一种基于深度学习的车辆微观CO₂排放模型来准确对城市内出租车的CO₂排放做时空分析，探究出租车在不同燃料情景下CO₂排放时空规律。路测实验中使用便携式排放测量系统（PEMS）收集车辆的CO₂排放数据，考虑车辆驾驶特征序列和燃料类型，借助BiLSTM算法构建了车辆微观CO₂排放模型，并验证其精度;利用提出的CO₂排放模型和武汉市15 752辆出租车轨迹数据估算了武汉市出租车使用92#汽油和CNG的CO₂排放，探索CNG出租车的CO₂减排效益。结果表明，模型精度优于目前常用SVR、LSTM等回归算法和IVE、CMEM等物理模型，能够拟合真实车辆的CO₂排放变化，满足大范围估算城市出租车CO₂排放的精度需求，为车辆排放估算提供更好思路;实证结果发现，一天内，15 752辆武汉市出租车全面使用CNG取代92#汽油可以减少22.05%的CO₂排放，同时揭示了CNG出租车在时间空间角度的CO₂排放规律以及CO₂减排效益。结果对政府交通部门推广车辆使用CNG燃料提供依据。