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。

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。

随着高质量发展成为全面建设社会主义现代化国家的首要任务，地理时空信息支撑国家和地方社会经济发展的重要性被提到新的高度。本文面向高质量发展对地理时空信息赋能提出的迫切需求，先从复杂地表系统表达、时空不确定性分析、地理空间智能计算等视角出发，全面综述地理时空表达计算理论方法的研究现状，进而以解构复杂地表、解析精准参数为问题驱动，提出“地理时空数字化底座”的相关理论思考与研究思路，概述了其中的基本概念与技术要点，重点分析了复杂地表系统的多重表达与知识关联、空间形态约束谱序特征重建的不确定性分析、“星-地-人”协同的信号传递与优化控制3个关键科学问题，从“全域空间可解构”、“局部空间可解析”、“空间之间可传递”3个目标切入串联“空间表达”与“参数计算”前后两阶段，阐释了可靠表达、可信分析、可控计算的难点所在及可行求解路径。在此基础上，重点以农业生产空间的监测监管为需求导向，介绍了数字化底座的农业应用案例，通过展示其搭建过程与综合智能计算实施效果，说明底座之上承载并组合发挥时空数据要素的保障优势和基础性支撑作用，彰显了为复杂山地现代农业发展提供高品质时空信息服务的潜能。

人类移动行为与交通、传染病、安全应急等现实应用息息相关。尽管现代信息和通信技术发展使得采集大规模个体移动定位数据成为易事，但涉及个人隐私又存在冗余、缺失和噪声的原始轨迹数据在实际中的可得性和易用性仍有很大局限。通过建模方式生成个体轨迹数据和群体移动数据，使其在统计层面接近并在应用层面可替代真实数据，是值得尝试的解决思路。本文面向个体轨迹数据生成和群体移动数据生成两大研究主题，将生成方法分为基于机理模型的方法和基于机器学习的方法，对其研究进展进行了系统总结，并探讨了其发展趋势和所面临的挑战。本文提出，未来人类移动数据生成方法研究需要多学科深度交叉共同探索人类移动行为底层机制、关注机理模型与机器学习耦合建模、借助生成式人工智能与大语言模型前沿技术、平衡生成数据可用性与隐私保护效果、强调空间泛化与迁移学习能力、控制模型训练与使用成本等。本文认为，人类移动过程是典型的人地交互过程，地理信息科学应在吸纳计算机科学、统计物理学、复杂性科学等多学科理论方法的基础上，充分发挥本学科特色，将空间依赖、距离衰减、空间异质性、尺度等地理空间效应显式纳入建模过程，提升模型性能及合理性。

网络空间测绘已经成为各领域普遍关注的热点问题。其核心任务是探明网络空间组成要素，分析网络空间现象规律，绘制网络空间结构。网络空间测绘的研究存在概念术语多样、研究框架不统一，要素及规律的认识不清晰，网络空间地图表达方法不规范、缺乏统一标准等问题。在系统梳理各领域对网络空间测绘研究现状的基础上，分析了各领域对网络空间内涵的共性认识；从网络空间的空间特性、地理特性和人文特性出发，剖析了从测绘地理学角度研究利用网络空间的特点和优势；提出了网络空间测绘的研究框架，重点描述了网络空间“测”与“绘”的核心内容和关键技术，并阐述了其与实景三维、数字孪生及元宇宙之间的关系；将网络空间“测量”分为狭义的和广义的网络空间测量，指出其缺少从整体角度对网络空间特征测量和缺乏针对人在网络空间活动现象和规律的测量研究；从网络空间认知需求出发，提出了网络空间地图概念模型和分类；从网络空间坐标系、“地理-网络”关联映射、网络空间地图表达方法等方面重点描述了网络空间地图制图的关键技术，系统分析了网络空间地图表示方法及其适用性；最后，对网络空间顶层概念、网络空间建模方法、网络空间地图理论与方法以及网络空间地图应用场景设计等需要重点研究的关键科学问题和关键技术进行了展望。

水文时间序列分析领域的发展对于有效管理和利用水资源至关重要。本文基于WoS核心合集数据库和CNKI数据库，采用文献计量学方法和CiteSpace软件，揭示国内外水文时间序列分析领域的发展脉络、研究热点及发展方向。首先从水文时间序列的随机性、非线性、不确定性等出发，结合机器学习、神经网络等新兴方法，将水文时间序列分析领域的相关进展分为6个方面。然后，对各方面开展了详细介绍，并与传统方法作对比，总结了传统方法的缺陷；最后，指出提高水文时间序列分析结果准确性的方向，主要包括： ① 在时空尺度上进行建模，并融合多元数据进行分析； ② 将物理机制融入机器学习模型，提高模型的可解释性和泛化能力； ③ 在研究过程中考虑气候变化(极端天气事件)和水文过程的耦合； ④ 将多个复杂特性综合进行研究，并提高每个复杂特性的研究水平。通过揭示国内外水文时间序列分析领域的发展脉络、研究热点及发展方向，我们能够更好地理解和应对气候变化、极端天气事件以及人类活动对水资源的影响，提高我们对水文过程的认识，为水资源规划、水灾风险管理和可持续发展提供科学依据。

动目标检测是从时序图像中获取时间维度动态变化信息的有效手段，通过快速获取、分析和利用卫星遥感数据中的现势信息，将遥感数据中时空域运动和变化信息表征为对象和知识，可以有效提升卫星数据的利用效率，实现“现势数据、即时传输”的应用要求。现有的卫星视频和多光谱遥感图像用于动目标检测领域，无法满足大范围动目标发现、运动速度适应性以及硬件加速兼容性等应用需求。本文以利用光学遥感卫星实现大范围动目标快速感知为目标，通过双线阵推扫光学遥感相机采集包含时域动目标信息的双条带图像，以船舶目标为例，经过在轨处理形成动目标关键信息。相机原理样机已经搭载“泰景四号01星”于2022年2月27日成功发射，验证了大范围动目标检测的技术路线。本文在提出双线阵推扫成像方法以及动目标时空特性数学模型基础上，构建基于显著性区域建议的动目标检测方法，利用时空域变化信息表征和提取动目标显著性区域，基于深度学习目标检测技术实现动目标判别，获取动目标检测结果。利用在轨拍摄的双条带图像，验证了算法精度，对比传统算法，本文方法在单体目标分割方面提升明显，动目标分割结果较为完整、清晰，有效提升了动目标两个时刻间的匹配精度。结果表明，算法能够有效实现双条带图像中的动目标检测，具有以下2个方面的优势： ① 提出双条带推扫成像模式和方法，扩展图像时域信息，解决卫星无机动条件下大范围动目标观测问题； ② 提出基于显著性区域建议的动目标检测模型，解决了大范围双条带图像中复杂背景下动目标检测问题。通过获取动目标关键信息，大幅度减少遥感信息的对地传输带宽需求，可以为大规模对地观测系统数据在轨处理与地学应用提供新型的数据获取与处理思路。

基于时空数据模型来描述现实世界的时空实体，以及基于时空对象的行为能力建模来控制时空实体的行为动作，既是对GIS时空数据模型的创新扩展，也能够适应数字孪生城市建设中对人、机、物三元融合表达和交互分析的现实需求。作为城市基础设施的重要组成部分，城市感知设施是典型的时空实体，其交互控制的相关研究目前主要集中于物联网、 VR/AR以及GIS领域，而这些领域普遍缺失对基于GIS构建的数字世界中城市感知设施的交互控制研究。针对上述问题，基于全空间信息系统的多粒度时空对象数据模型对城市感知设施的行为能力进行建模，在此基础上提出一种时空对象行为驱动的城市感知设施虚实联动交互控制方法。通过构建设施时空对象的交互控制“五元组”模型，能够支持用户通过虚拟场景与设施实物之间的虚实联动交互控制，从而将基于直接通信指令的城市感知设施交互控制过程在数字世界中进行表达，为数字孪生城市中的感知设施智能化、交互式分析应用提供理论与技术支撑。实验结果表明，所提出的城市感知设施交互控制方法具备有效性与可行性。

为探究共享单车出行的复杂时空规律与特性，揭示城市因素对共享单车出行OD的影响，提高OD预测精度，开展本研究。结合城市计算，考虑疫情、天气、温度、风速与节假日因素，构建共享单车出行OD的时空注意力残差网络预测模型(USTARN)。 USTARN先将共享单车OD数据通过时空特征切分捕捉单车流的时空依赖性，再结合注意力机制进行深度残差学习，最后根据城市因素学习结果调整预测结果。利用从政府数据开放平台获取的深圳市共享单车订单大数据及城市因素数据集，分析共享单车出行时空分布规律及其影响因素。将OD数据集按7:1:2划分为训练集、验证集与测试集，分别进行训练预测、模型参数自适应调整及模型验证对比实验。研究表明，USTARN模型的共享单车出行OD预测平均误差为7.68%，与不含城市计算的STARN模型及传统的CNN， BiLSTM模型相比，误差分别降低了5.93%、7.55%、6.07%，预测精度显著提高。 USTARN模型充分反映了时间、空间、疫情、天气、温度、风速等因素对共享单车出行OD的影响。研究成果对共享单车出行OD的精准预测具有理论指导意义，对该出行模式的推广并解决居民出行“最后一公里”问题具有实际应用价值。

在高斯-马尔可夫假设条件下，最小二乘估计是具有最小方差的最优线性无偏估计量，因此基于最小二乘估计的时空地理加权回归方法在满足此假设时可以获得最优估计，但现实中这些条件有时得不到满足。如果样本数据中存在异常值或者呈厚尾分布，最小二乘回归模型估计值可能会存在较大偏误。而分位数回归受异常值影响较小，相比最小二乘回归更为稳健且应用条件相对更为宽松。更为重要的是最小二乘回归模型只能探索解释变量对响应变量条件均值的影响，而分位数回归可以探索解释变量对响应变量分布的影响（如响应变量的多个分位数），可以挖掘到更为丰富的信息。本文在局部多项式估计原理基础上，提出了基于多带宽局部多项式的时空地理加权分位数回归模型，利用两步迭代估计方法得到系数估计，并且允许不同自变量（影响因素)的最优带宽可以不同。本文通过数值模拟，将该模型与时空地理加权最小二乘回归进行对比，基于分位数回归的系数估计的均方误差和平均绝对误差均比最小二乘估计量小（例如，在0.75分位数，基于最小二乘回归得到的系数估计的均方误差和平均绝对误差分别是基于分位数回归的10倍和4倍），说明本文的分位数回归具有稳健性且可以探索影响响应变量分布的因素。最后以上海市2017—2021年商品房住宅小区为案例对象，应用该方法，探究不同影响因素对不同分位数的住宅价格（如高位房价、中等房价、低位房价）的影响，说明了本文方法的实用性。实际数据研究表明同一个影响因素对不同水平房价的影响效果不同，即同一影响因素系数的时间分布和空间分布在高位房价、中等房价和低位房价存在明显差异，并且不同影响因素的最优带宽也存在差异；与基于最小二乘回归的MGTWR相比，本文的分位数回归模型对于异常值的存在更为稳健（删除1%极端值后基于分位数回归模型拟合的平均绝对误差的变化比基于最小二乘回归模型小1%），并且分位数回归模型可以探究多个水平房价如高位房价、中等房价和低位房价的影响因素。

Triple Collocation（TC）方法是一种可以在未知真值情况下评估3个独立观测样本各自不确定性的方法，该方法使用的前提是误差形式假设与2组不相关性假设，但在实际使用中，这3条假设难以完全满足。其中2组不相关性假设经常面临较大的违背，并且无法得知这种假设违背对结果误差的影响。本文通过虚拟样本实验生成了多组不同程度违背不相关性假设的样本，以定量评估不同程度假设违背对结果误差的影响。结果表明，一般情况下，某一条不相关性假设的违背程度增加时，方法的结果误差会相应地呈线性或平方倍数增加；但当不相关性假设的违背处于某个特定关系时，TC方法结果的误差会突然大幅度增加，这种现象在以往的研究中并没有得到重视，后文将该现象简称为异常点。为了探求异常点出现的原因，本文从理论上推导出了违反不相关性假设与结果误差之间的关系，这种关系呈现为分式结构，而异常点的出现正是这种分式结构所致。异常点的存在影响了方法的稳定性。从差值形式的TC方法的角度来看，抑制异常点的关键在于如何更好地设计缩放系数。本文给出了2种抑制异常点的方法： ① 忽略加性偏差系数，使得缩放系数不受两组不相关性假设的影响； ② 限制缩放系数的上下限。根据实际数据分析，第2种改进方法优于第1种。第2种方法不仅保留了TC方法的准确性，而且有效地避免了异常点的出现。值得注意的是，在实际数据中，部分异常点会以负值形式出现并因计算结果不能为负而被剔除。在使用TC方法进行计算时，重复次数较少的情况下，可以不考虑异常点的影响。

城市网络的组织结构与运行机制离不开城市间的关联关系。本文基于2021年10月至2022年9月的百度迁徙大数据，构建了中国366个城市的城际人口流动网络。在节点层面，提出了城际人口流动超越指数衡量城市中心性，探索城市中心性的空间聚类特征；在网络社区层面，分析了中国366个城市的月际城际人口流动特征及社群格局。结果表明： ① 城际人口流动超越指数能够有效表征城际人口流动网络中各城市的中心性； ② 城际人口流动网络中各城市根据其中心性形成“高高”集聚分布和“低低”集聚分布的特征； ③ 城际人口流动集聚格局受节假日因素、新型冠状病毒感染等综合影响，在不同月份表现出不同的特征，总体上符合地理学第一定律，并呈现省际分异特征； ④ 城市凝聚子群发现结果表明，成渝、大湾区、中原、关中平原、长三角等城市群人口流动格局较为稳定，具有跨省人口流动融合特征；山东半岛城市群与京津冀城市群的人口流动格局联系密切，出现跨城市群人口流动特征；浙江省省域内人口流动特征逐渐加强；长江中游、海峡西岸城市群仍未形成跨越省界的稳定人口流动社群格局。

随着经济社会的发展，旅游休闲已成为人民对美好生活追求的重要方式，也是将“绿水青山”“冰天雪地”转换为“金山银山”的重要载体。然而，旅游休闲发展不平衡、不充分的矛盾亟待解决。地球信息科学为旅游休闲领域提供了一套基于空间系统的分析框架和方法，大数据技术的快速发展也使得地球信息科学在旅游休闲领域的研究得到广泛关注和应用。然而，二者的结合研究并不是研究对象和研究理论、方法之间的简单交叉，且大数据在旅游休闲研究中存在数据有偏性、多源异构数据的融合、技术迭代等问题。为此，围绕着地球信息科学在旅游休闲领域的研究现状、学科贡献、研究局限性及未来方向，以“地球信息科学在旅游休闲领域研究的辩证审视”为主题，荣幸地邀请了旅游管理、地球信息科学、地理科学等领域的12位代表学者展开专家笔谈。基于专家们的观点，总结发现地球信息科学在旅游休闲领域研究中扮演着关键角色，具体体现在： ①为研究者深入理解旅游者行为、旅游目的地特征等多维度旅游现象提供了丰富的空间数据和分析方法； ② 为旅游休闲领域的研究提供了深刻的时空认知逻辑和人地思维； ③ 突破了传统旅游休闲领域研究的精细度不够、尺度单一的不足，提高了对旅游休闲复杂场景和多维尺度过程机制的解读能力。地球信息科学在旅游休闲领域未来具有广阔的应用前景，但是大数据的有偏性、研究结果的可解释性、学科之间深度交互等研究挑战，仍需要学者进一步回答和探索。本文通过对专家的笔谈，抛砖引玉，希望对地球信息科学与旅游休闲的融合研究及未来发展具有指导意义。

大数据正在改变捕捉和分析人类活动与行为的方式。多种新兴数据渠道不断涌现，为旅游领域研究提供了大量具有潜在应用价值的数据，克服了传统旅游研究中普遍存在的数据不足问题。本文以地理大数据的研究前沿为基础，明晰地理大数据在旅游领域人类旅游活动、旅游地理环境、旅游人地关系3个方面的理论支撑重点，梳理人类旅游活动/行为数据（UGC、设备数据、交易数据）和旅游地理环境数据（POI、客观环境数据）等地理大数据在旅游领域的创新应用，探讨地理大数据在理论研究更新、多源数据融合、分析方法突破3个方面的挑战和展望，为旅游领域时空认知、理论支撑、建模方法、分析框架等方面研究的深入开展提供一定参考。研究建议在理论上需要将科学研究范式标准化系统化，结合不同的事件和场景创造基于“过程-结构-机制”的中国旅游地理解释体系；数据上需要向大数据与其他数据的互补结合转变；分析技术需要向提高分析方法自适应性、涉入旅游现象特殊性变量的方向转变。

网络科学为全面探索旅游领域中各研究对象间的动态关系结构提供了有力支撑，打破了传统研究缺乏系统性思维的局限，对于进一步理解旅游业的运行规律具有重要意义。近年来随着旅游业的数字化变革，旅游信息变得更具灵活性与可扩展性，大幅提高了网络科学理论与方法在旅游领域中的应用可行性。本文对与网络科学理论与方法在旅游领域中的应用研究相关的学术论文进行了系统梳理，并通过多尺度的视角归纳该领域的核心研究内容。本文首先概述了相关理论基础和应用现状，之后根据不同观测尺度下的旅游领域网络现象进行研究进展总结，具体为：微观尺度关注于目标旅游行动者的交互属性，介观尺度关注于旅游行动者的聚集现象，宏观尺度关注于旅游行动者网络的全局拓扑结构特征。在此基础上，本文指出了当前研究存在的问题（如数据可靠性、成果可解释性等），并对相关研究在当前的大数据时代与复杂性科学新纪元背景下的未来发展方向（如多尺度研究框架、多层网络等）进行了梳理，从而为后续研究提供思路。

在文旅融合、数字中国、遗产活化利用的综合背景下，遗产旅游成为学界与业界讨论的热点。承载遗产价值的空间表征与旅游者空间感知的不匹配问题是当前遗产旅游最突出的矛盾之一。本文从遗产价值视角出发，采用文献计量与系统性述评相结合的方法，围绕遗产价值的阐释与量化、遗产价值的空间计算与表征、旅游者遗产价值与空间感知、遗产旅游者的空间行为反馈主题对国内外相关研究进行梳理和比较。研究发现：① 遗产价值阐释成果丰富，主要围绕遗产价值的内涵与阐释技术而缺少量化方法探索； ② 遗产价值的空间计算与表征具有对象针对性和应用导向性，技术方法以地理信息系统与空间信息技术为核心； ③ 旅游者遗产价值与空间感知多从遗产地的旅游目的地视角出发，忽视遗产价值和空间属性，缺乏遗产价值、遗产空间、旅游者的关系探索，感官知觉测量维度以视觉为主； ④ 遗产旅游者空间行为反馈关注行为特征、模式、成因和影响因素，重视实践应用并且体现出遗产责任导向； ⑤ 自然遗产和混合遗产语境下的遗产价值空间计算与表征、旅游者遗产价值与空间感知缺乏关注； ⑥ 国内外相关文献在对象关注、技术方法和内容聚焦上存在相似性和差异性；⑦ 未来遗产价值阐释与表征将从传统叙事走向空间量化，遗产空间感知与计算将从空间足迹走向感知行为。基于此，本文提出了遗产价值视角下旅游者空间感知与计算的理论框架与方法路径，体现多学科的理论交叉和技术融合，以期为相关研究提供理论参考，为促进遗产地保护、管理、旅游发展、价值传承提供实践借鉴。

美食已成为游客旅途中乐意分享的热点话题，进一步揭示了游客的旅游行为特征，分析不同旅伴角色下游客就餐行为的差异能更好地理解旅游中的旅伴效应。本文以2012—2020年重庆市美食游记为研究数据，采用社会网络分析等方法研究不同旅伴游客的就餐行为差异，研究表明:① 游客就餐网络（食物网络和餐厅网络）结构受旅伴影响显著。旅伴的加入有效提升了食物网络节点联系的紧密程度，并扩展了餐厅网络节点关联的空间范围；② 旅伴角色影响游客在旅程中对特色食物类型的选择。其中，无旅伴的游客（独自一人）在体验特色食物类型时呈现“被动保守型”、旅伴角色为三五好友的游客呈现“遍历型”，而其他旅伴角色的游客呈现“随意/兴趣型”；③ 独自旅行游客和旅伴角色为闺蜜、家庭、情侣以及三五好友游客的就餐行为差异反映了旅伴和社会关系的交叉影响，是美食旅游动机下个体和群体面向多因素综合作用的就餐决策结果。本文从食物类型和餐厅2个视角揭示了不同旅伴角色下的游客就餐行为特征，为深度刻画人群移动行为机理和社会因素影响下的人群活动时空动态提供了科学指导。

网络游记是旅游者在互联网上发布的自述性旅游过程记录，描述了旅游的前后过程和感受体验。从网络游记文本中提取旅游行程链，分析行程结构，能给游客的行程制定、线路设计提供重要的参考。传统的游记文本行程提取大多依赖于人工识别文本中的行程节点，再进行串联、合并处理，工作量较大。自动提取游记文本中的旅游行程链，能够提高数据处理和分析效率。本文基于自然语言处理技术，在深入分析游记网络文本的段落结构和表达特点的基础上，归纳了行程节点和节点次序关系的句法表达规则，构建了行程节点触发词表，进而提出了基于句法规则的旅游行程链提取方法，主要包含行程节点的识别、节点次序关系的识别和旅游行程链的生成，能实现网络游记文本的旅游行程重构。本文采集了蚂蜂窝平台17 226篇南京市网络游记文本数据，采用最长公共子序列算法，开展了本文方法的试验验证。通过对比分析，本文方法提取的旅游行程链和人工识别的真实行程链相似度达到86.14%，高于实体关系抽取领域的BERT-BiLSTM-CasRel深度学习模型的83.1%。相比现有关系提取类深度学习方法需要开展大量的数据标注，本文方法计算更加便捷，准确率相对较高，仅需构建区域旅游点名录，即可实现网络游记文本中行程信息的自动提取。

在基于位置的应用领域中，如自然灾害监测、流感趋势预测、定向广告推广等，用户地理位置的推测起到重要的作用。现有方法主要利用文本内容和社交网络进行位置推测，一方面未能充分挖掘和融合2种信息，另一方面推测社交网络中孤立用户的位置比较困难。因此，本文提出一种融合文本主题和社交关系图神经网络的社交网络用户住所位置推测方法（Social Relationship Graph Convolutional Network, SRGCN）。主要方法包括：首先，从文本内容中获取混合特征，利用TF-IDF获得文本特征向量，根据用户之间的提及信息建立初始社交关系图；其次，针对用户社交关系图中存在孤立用户并难以估计其位置的问题，建立主题模型，根据主题向量相似度为孤立用户建立联系，补充社交关系图；最后，基于图卷积神经网络处理社交关系图数据，对文本特征和网络结构进行联合建模，以有效推测用户的地理位置。在真实世界基准数据集GeoText上探究了主题相似度阈值对推测性能和图规模的影响，实验结果表明本文方法能够增加可定位用户的比例并将大部分属于同一类的用户节点聚集；SRGCN在平均距离误差、距离误差中位数、推测准确度方面均优于现有方法，在GeoText数据集上，Acc@161比性能最好的GCN高出1%，平均误差距离降低16 km。实验结果验证了SRGCN的有效性，该方法可以提高用户住所位置推测准确率。

2023年8月13日至18日，第31届国际制图大会在南非开普敦举行。本文首先简要介绍了第31届国际制图大会概况。然后，在详细分析大会专题报告的基础上，重点归纳和总结了国际上地图制图学在基础理论、地图制图与地理信息技术、地图数据、地图产品、空间数据基础设施建设、公众应用、可持续发展和历史文化伦理八个方面的研究新热点，并分析得到了以下特点：一方面地图制图更加注重多要素融合制图、用户/场景体验增强和快速制图能力；另一方面，地理信息技术在多模泛在感知、大数据融合处理、人工智能分析、知识构建与服务等方面不断深化；此外，面向资源管理、生态保护、社会发展等的全球/区域/国家/城市可持续发展应用，已成为各国政府机构、科研机构、产业企业等共同努力的热点方向。另外从国际地图大赛获奖地图可以看出地图可视化方法融入了更多的现代元素和文化印记，更加注重“人-图”互动。最后，探讨了大数据与人工智能时代地图制图学在理论体系、技术方法和应用服务方面的发展趋势，并对我国地图制图学科发展与国际合作提出了建议。

智能网联汽车逐渐成为当代智能交通系统的不可或缺的组成部分，而作为智能网联汽车核心要素的自动驾驶高精度地图在推动交通智能化发展方面扮演着至关重要的角色。高精度地图有效地建立了驾驶员、汽车、道路环境、驾驶环境、意义环境和社会环境之间的紧密联系，推动了自动驾驶技术从L0级别逐步演进至L5级别。本文聚焦于智能网联汽车与自动驾驶高精度地图发展的迫切需求，首先对高精度地图的内涵、主流基础数据模型、概念及特点进行了介绍，强调高精度地图是实现智能网联汽车自动驾驶的全新地图数据范式；其次，浅析了高精度地图在全生命周期中的采集、构建、更新、应用、审核和管理等环节中所涉及的感知数据类型多样、地图构建方法多元、众源更新技术多种、地图应用方式多类、地图审核流程智能、地图管理模式创新等多维特征；同时，提出了一种典型的高精度地图众源更新技术路线。针对高精度地图审核当前问题，介绍了一种在线智能审图方法。以高精度地图深圳试点为案例，介绍了其应用现状及探索经验。最后，对高精度地图的发展进行了展望。

无人平台对复杂环境的自主认知能力是制约其广泛应用的关键问题，已成为当前地图学、人工智能、机器人等领域的研究热点。本文基于地图学的视角，交叉融合人工智能、机器人和认知科学的相关研究思路与成果，借鉴心象地图的作用功能，提出适用于无人平台认知环境的新型地图——机器地图，并对其特征进行了分析。类比心象地图的构建与运用机制，结合人工认知系统的设计决策点和核心认知能力，给出了机器地图概念模型的设计原则，提出“两环三图”的概念模型。该模型说明了机器地图与无人平台的内在联系，并勾勒出机器地图的功能部件与运行逻辑，为开展机器地图研究提供顶层框架和理论指导；类比心象地图的结构组成，提出了包含感知地图、工作地图和长时地图的机器地图逻辑构成，并分析了3类地图的内容与转化关系。在结论部分指出了机器地图的双向促进研究路线。机器地图的研究，能够提升无人自主平台对于复杂环境的认知和学习能力，也为智能时代地图学的发展探索新路径，具有十分重要的意义。

随着生成式人工智能（AIGC）为代表的新一代人工智能的快速发展，加速了各个学科转向人工智能驱动的科学研究，地理空间智能（GeoAI）技术在解决传统制图学任务注定会比传统的方法具有更好的性能，地图学也因此迎来了新的机遇与挑战，产生智能地图制图新领域，形成智能地图制图学。地图学研究有人工智能传统，但是过去受限于人工智能工具的计算能力等原因，并未取得很大的进展。随着进入智能化时代，人与机器都将成为制图与读图的主体。地图内容的产生经历了专家生成内容和用户生成内容的阶段，正在向人工智能生成内容阶段发展。人工智能与地图传输模型的结合衍生出智能地图传输模型，包括制图信息智能获取、智能制图、智能读图、地图信息智能解读4个环节，进而从这4个方面对智能地图的研究进展进行了分析和梳理。研究显示，使用智能化方法解决地图学问题的研究仍然处于起步阶段，人工智能与地图学结合仍存在诸多挑战，包括缺乏训练数据集、模型算法缺乏泛化能力和可解释性等，这些也是未来可以发展的方向。

信息通讯技术时代，地图表达对象已着眼于物理空间、社会空间以及信息空间组成的三元空间。伴随“数字化”“智能化”和“智慧化”等信息化阶段的演进，地图学知识体系也随之发生着深刻变化。在此过程中，地图思维演化成为认识、理解和构建空间思维的重要途径，可以具体提炼为“数-形-图-谱”4种思维方式。“数思维”是对传统二元空间中地理实体和现象的定量化描述和表达，追求空间描述的“精度和准确”；“形思维”是“数”的符号映射，以可视化形式承载人类的地理学洞察力，看重“相似与保真”；“图思维”进一步完成区域事象之间关系和结构的抽象，形成意义整体，是建立“地图/GIS+行业应用”的思维基础，其基本路径涵盖隐喻启示、泛化表达和知识链接；“谱思维”是按照对象的类别或系统，采取某种特征将一系列地图编辑起来，形成具有动态演化特征的概念体系。多学科驱动下，地图“数-形-图-谱”4种思维方式在语法特征、语义功能、语用特征、实现路径、表达类型和关键技术方面都存在着显著的差异性。测绘科学更多立足于地图“数－形”思维，重在科学量度和表达地理要素的空间分布；地理学更加偏向于“图－谱”思维，重在揭示地理现象的规律与机制。

声音地图在描述自然人文环境、记录历史文化、辅助城市规划等方面有着较大的应用潜力。当前的声音制图以噪音制图为主，对声音景观的关注不够，还存在声源数据获取成本高，听觉信息难以视觉表达等问题。针对上述问题，本文提出一种利用带位置标签的声音数据进行声音制图的方法。首先，综合声音景观理论和城市印象理论，梳理出声音地图的四类构成元素：声音标志、声音路径、声音区域和背景声音。然后引入深度学习、空间聚类等方法，设计了从带位置标签的声音数据中解析声音地图元素，提取声音类型、声压级、频率以及情感的技术方法。在此基础上引入联觉的概念，设计了声音标志点符号、声音路径线符号和声音区域面符号，给出了它们的多变量颜色编码方案。最后，以南京仙林大学城为例，对所提出的数据分析和符号化方法进行了实验验证，结果表明本文方法在有效性和效率均优于象形符号方法。本文所提出的方法有望丰富声音数据的分析手段、丰富声音的符号化方法。

学术界关于隐喻地图的相关研究依然处于初级探索阶段。隐喻地图的合理概念范畴、生产机制、话语生产原理、设计框架等基本理论问题尚未得到解决。针对这些局限性，本研究以隐喻地图的生成机制和话语生产原理等基本理论问题为具体突破点，首先定义符号学视角下“地图”的概念，并以此为基础从认知语言学相关理论入手，在阐释地图隐喻功能的基础上，界定了隐喻地图的基本概念及内涵，同时甄别出隐喻地图形象性和多义性两大基本特征；其次，通过厘清视觉隐喻发生的原理，解析了隐喻地图“相似性融合-相似性凸显-符号化”的生成机制；再次，引入语言符号学理论明晰了隐喻地图的话语生产原理，构建了基于“组合关系-聚合关系”的符号组构原理和“刺点生成”的语义传递法则；最后，以生成机制及话语生产原理为基础，提出了“明确主体-构建喻体-营造语境”的隐喻地图设计理论框架，并结合实际案例论证了其合理性和可操作性，以期为隐喻地图理论体系构建与实践应用提供参考。

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。

基于位置描述进行空间定位是大数据时代位置服务向智能化转型的关键。针对不同语境中位置描述模糊性差异显著而难以定位的问题，本文提出一种面向模糊位置描述的形式化方法与推理机制。首先，通过梳理人类空间认知规律，明确自然语言中位置描述时关注的要素类型，研究模糊位置描述的形式化表示。然后，基于超赋值理论，从空间对象、距离关系和方向关系3个方面构建模糊位置描述的推理机制。顾及位置描述的上下文语义，利用观察值阈值开展空间推理实现定位。最后，设计收集位置描述的问答系统对方法进行验证。结果表明，本文方法能够依据实际应用场景及时调整位置描述的形式化表示粒度，空间推理结果贴合直观认知。