EN中文

Journal of Geo-information Science >

2021 , Vol. 23 >Issue 9: 1527 - 1536

DOI: https://doi.org/10.12082/dqxxkx.2021.200787

The Theory Prospect of Crowd Dynamics-oriented Observation

  • FANG Zhixiang , *
Expand
  • State Key Laboratory of Information Engineering in Surveying, Mapping and Remote Sensing,Wuhan University,Wuhan 430079, China
*FANG Zhixiang, E-mail:

Received date: 2020-12-22

  Online published: 2021-11-25

Supported by

National Natural Science Foundation of China(41771473)

National Key Research and Development Program of China(2017YFB0503802)

Copyright

Copyright reserved © 2021.
Fold

Abstract

During the development of COVID-19 virus's global epidemic, the fundamental research and various applications of crowd dynamics-oriented observation theories have attracted much attention from many researchers and people all over the world within some related disciplines, such as public health, clinical medicine, geography, public management, etc. Researchers conducted many interdisciplinary explorations in theories and methods of monitoring epidemic dynamics scientifically, preventing and controlling spatial transmission precisely, predicting accurately, and responding effectively. However, no crowd dynamics-oriented observation theories have been proposed in literature so far. This paper revisits the concept and introduces a theory framework of crowd dynamics-oriented observation, which tries to include the core theories of observation from geospatial big data and to support diverse potential developments. Firstly, this article introduces the research background of crowd dynamics-oriented observation, and then summarizes its three core questions (how to observe its change, how to analyze its change, and how to control its change). From the inter-discipline view of geographic information science, surveying and mapping science, this paper explains the research significance and disciplinary value of crowd dynamics-oriented observation theories. Secondly, this paper introduces a framework of crowd dynamics-oriented observation and its spatiotemporal application, and then elaborates on the bottleneck problems of the key observation theories of crowd dynamics, such as fundamental space-time framework theory, space-time quantification and comprehensive observation theory, spatiotemporal process optimization theory, etc. Thirdly, this paper preliminarily introduces some changes of crowd dynamics-oriented observation theories, for example, refined observation driven by the application needs of digital society governance and public safety/health emergency, personal privacy protection and personalized observations by balancing the public interest and personal privacies, the development of integrated observation theories for human-oriented observation and earth-oriented observation, and the theory of crowd dynamics-oriented observation for high-level management and service. Finally, this article points out the potential directions of crowd dynamics-oriented observation theory and methods, such as, the development of big data-driven crowd perception, multi-space refined crowd dynamics observation, and human-land systematical interaction modeling, so as to realize some differentiated, integrated, and hierarchical crowd dynamics-oriented observations. All potential theories are helpful to the scientific decision-making of public management and public service. The crowd dynamics-oriented observation theory should focus on the fundamental research questions related to studying, analyzing, and servicing human beings, which has become a research frontier in geospatial information science, and could play very important roles in supporting national development strategies, such as "New urbanization", "beautiful China", "artificial intelligence", and "new infrastructure", so as to contribute to a green, efficient, smart, and sustainable regional and urban development.

Key words： crowd dynamics observation; urban dynamics sensing; spatiotemporal progress; spatiotemporal modelling; space-time service; digital governance; public security; public health

Cite this article

FANG Zhixiang . The Theory Prospect of Crowd Dynamics-oriented Observation[J]. Journal of Geo-information Science, 2021 , 23(9) : 1527 -1536 . DOI: 10.12082/dqxxkx.2021.200787

1 人群动态的观测研究背景与意义

人类活动是地球环境的主要要素之一,人类活动对地球环境其他要素（水、土壤、岩石、大气、生物等）有干扰与影响作用,需要对其进行观测和科学调控（图1）。事实上,如何调控人类活动对地理环境的影响,一直是地理学的研究难题。人群动态是人类活动的直观反映,是地理学科处理该研究难题时所不可缺少的时空过程关键信息。因此,对人群动态进行观测具有重要的学科建设与理论研究意义。人群动态观测与人群动态的观测稍有区别,前者侧重于对人群进行动态观测,后者则侧重对人群动态进行观测。人群动态的观测是指“探测与度量地理环境中人群活动的时空动态特征、模式、规律、影响作用等”[1],是精准研判交通、安全、自然资源、生态环境等领域重大需求的重要手段,也是众多领域精准应用的迫切需求。观测人群动态对支撑国家“十四五”规划和“2035远景”中所列出的许多重要目标[2]都具有重要的支撑作用,例如：“减少人类活动对自然空间的占用”、“形成主体功能明显、优势互补、高质量发展的国土空间开发保护新格局”、 “推进以人为核心的新型城镇化”、“完善共建共治共享的社会治理制度”、“推动形成工农互促、城乡互补、协调发展、共同繁荣的新型工农城乡关系”、“为人民提供全方位全周期健康服务”、“提高防灾、减灾、抗灾、救灾能力”、“加强数字社会、数字政府建设,提升公共服务、社会治理等数字化智能化水平”等。
图1 调控人类活动对地理环境影响需要关注的3个核心问题

Fig. 1 Three key issues in controlling the effect of human activities on geographical environments

一般来说,调控人类活动对地理环境的影响,需要解决人群动态的3个核心问题：① 观测其如何变,即利用各种有效的人群感知数据,通过人群动态的观测方法,分析出人群动态的变化特征、模式与规律;② 分析其为何变,即利用与人群活动有关的多类环境要素数据,通过人群动态与时空环境要素的关联、归因、推理、实证等研究方法与手段,提炼出调控所需要的主控因素集合,并对其组合影响作用建模;③ 控制其怎样变,即依据影响因素规律建模结果,从时空过程的视野,构建与地理环境阶段相适应的人群活动分阶段管控措施,并动态监管其变化过程,做出适时的动态调整。因此,该科学难题的解决,需要全球或者区域性的人群观测手段支撑。
目前的全球与区域观测体系,主要聚焦在空、天、地、海等领域,缺少对人群动态的观测布局。社会和管理科学中一般通过普查、抽样调查、登记记录（包括医疗记录等）等获取各类人群的动态属性与特征信息;在信息通信网络、物联网大数据、3S等技术推动下,形成了与人群活动相关的泛在传感网,产生了面向人、车、船、飞机等运动对象的时空轨迹与位置大数据,包括手机位置数据、车辆GPS轨迹数据、城市交通视频数据、船舶AIS轨迹数据、室内定位数据、互联网与社交网络数据等（图2）。这些数据的有效融合,可以为人群动态的观测提供了较好的基础数据支撑,满足对人群动态观测的广范围、高动态等观测需求。
图2 人群动态观测的泛在传感网及其轨迹/位置大数据

Fig. 2 Generalized sensor network of crowd dynamics-oriented observation and the derived big data

目前的地理信息科学、测绘科学等领域尚没有针对人群动态的特定观测理论与方法体系,大都是从时空数据挖掘的角度开展了相关研究工作,例如：裴韬等[3]对地理大数据挖掘的本质进行了剖析,总结了模型驱动和数据驱动的挖掘方法,以及多源地理大数据的聚合、数据有偏与不等精度、有价值而非常识的知识等若干挑战问题;刘瑜等[4,5,6]提出社会感知概念及其方法体系,阐述了地理大数据感知空间交互的分析方法,以及在空间规划与交通、公共卫生、旅游等领域的应用;邓敏等[7]在回顾时空聚类分析、时空异常分析、时空关联分析与时空预测分析4类主要时空分析方法的基础上,探讨了地理大数据时代下时空分析潜在的难点问题,如多尺度建模、多视角协同、多特征认知与多特性表达等,并给出了多模态地理大数据时空聚类、异常、关联与预测分析模型与方法;萧世瑜等[8]从轨迹数据质量、隐私问题、活动区域、人群聚集消散、可达性、适应性等多个角度,来理解人群时空活动与城市人群活动数据、城市功能与空间结构、人类动态等维度的系统联系,提出了城市人群活动的时空GIS基础理论与方法,对城市空间优化、交通规划、出行与位置服务、行业设施选址与业务优化等具有重要意义。方志祥[1]围绕时空大数据支持下的人群动态的观测与应用研究工作,适时提出“人群动态的观测”概念,在近10多年的时空轨迹建模与分析研究工作基础上,发展出人群动态的定类、定序、定距和定比等系列化观测理论,以及人群活动、行为和动态特性的时空预测方法[9],形成一个较为体系的人群动态的观测理论与方法,对测绘和地理信息科学领域构建完整的对人观测理论与方法体系具有一定的基础支撑作用。

2 观测人群动态的理论架构

人群动态的观测与时空应用,是地理时空大数据背景下针对人群与所在环境时空交互关系的一个研究前沿,其理论架构（图3）包括：基础时空理论（时空轨迹流场、时间地理计算、时空数据挖掘等）、时空定量与综合观测方法（定类、定序、定距、定比等）、时空过程优化方法等方面,其中基础时空理论主要为人群动态的时空分析提供理论计算与可视化分析的基础定义与方法,为时空定量与综合观测提供基础的时空GIS理论支撑;活动的定类、活动网络的定序、活动特性的定距、活动多维动态的定比等时空定量与综合观测方法,为时空过程优化提供人群动态的时空过程特征定量信息支撑;时空过程优化方法是面向人群动态观测结果的基础应用方法,为智慧城市、应急响应、防灾减灾、公共安全、位置服务、空间管控、设施选址、环境保护等实际应用提供有效的优化方法支撑。
图3 人群动态的观测理论支撑关系

Fig. 3 Theoretic framework of crowd dynamics-oriented observation

人群动态的观测理论同对地观测一样,也具有多类型空间、多尺度观测等特点。一方面,由于人群活动在现实物理空间、网络空间、社交空间等多空间开展同步或异步活动,具有活动碎片化特征,多活动空间的同步观测是一个难点问题,需要利用位置大数据、网络活动记录、社交网络记录等多源数据进行融合观测;另一方面,结合不同应用领域的需求差异,人群动态的观测也存在宏观观测、微观观测等多尺度的观测特点,时空定量与综合观测理论需要结合该多尺度观测特点,针对性开展面向时空过程的定类、定序、定距和定比观测应用。在智慧城市的交通和规划、空间管控、环境保护等应用中,需要宏观层面的人群动态观测,如大范围空间内的宏观空间交互动态等,用于指导这些区域性应用的宏观决策,保障应用的公平性和高效性;针对应急响应、防灾减灾、公共安全、位置服务、设施选址等应用,需要微观层面的人群动态观测,如特定设施或者小区域范围内精确的人群动态,实现这些应用的针对性、准确性等,保障这些微观尺度空间中的人民生命和财产安全、以及提供高质量的群体服务。

2.1 基础时空理论

人群动态的观测需要一些基础的时空理论支撑,包括时空流场、时间地理、时空数据挖掘等。
在时空流场方面,传统的物理学将某个物理量在空间内的分布称为场,并开展了大量的流体运动流场理论建模与研究（如流速、加速度、恒定与非恒定流、流线、迹线、质点、涡流等）,在此基础上,交通领域提出相应的交通流场的概念和相关理论（交通波动理论、交通流模型、交通流流体动力学模型等）[11],计算机科学开展了相关的网络流场理论（网络流场强度、中介强度、流量分布与发展趋势、社会属性等）[12],地理学者也开展了相应的地理流场研究,如裴韬等[13]定义了地理流的概念,提出流的距离、方向、体积、密度等方面的测度,构建了地理流模式的分析方法,包括随机模式、丛集模式、聚散模式、社区模式、混合模式、多元流模式、其他模式等,是研究地理对象空间交互作用的重要概念模型与工具。
针对轨迹/位置大数据,在开展人群动态的观测研究与时空应用时,需要构建特定的时空轨迹流场理论[9],具体包括：多类对象混合下的运动轨迹数量场和向量场定义;时空轨迹的多形式重构（等时重构、等距重构、时空体重构、活动语义路径重构、环境语义路径重构、心理状态路径重构等）;时空轨迹流场的时空截断,时空轨迹流场矢量计算,多空间类型时空轨迹流场（绝对空间、相对空间、语义空间等）的构建,以及时空轨迹流所形成的时空特征（混合性时空、时空拥挤度、时空利用效率、时空稳定性、时空波动性、时空扩散性、时空分异性等）。在人群动态的观测过程中,由于存在群体跨时空语义的流场特征时空定量需求,大多不是面向时空断面的流场分析,亟待深入开展面向时空过程的轨迹流场跨语义时空建模理论研究,人群活动交互网络、聚集与衔接、功能等时空特性分析,群体结构、状态、效应与衍生影响时空演化模型建立,等一系列的时空流场支撑理论。特别地,人群是具有自主活动能力的主体,受很多环境因素影响,存在很多的随机性、偶发性、不确定性,其活动、行为与效应的建模与应用需要发展这些特性混合并存影响下的时空轨迹流场理论,满足了人群动态的观测建模与科学时空应用的基础时空理论需求。
在时间地理方面,Hägerstrand[14,15]提出了传统时间地理学,例如其包含的一些关键理论概念有：时空路径（Space-time path）、时空棱镜（Space-time prism）、驻所（Station）、时空绑定/路径束（Bundle）、情景（Diorama）、地方秩序口袋（Pockets of local order）等,为基础的时空分析理论架构。随着个体活动数据的普及采集,后续一些学者从时空可达性[16]、时空GIS（Space-time GIS）[17]、时空交互活动[18]、时空机会[19]、时空行为分析[20]等角度开展了深入研究,成为了人文地理研究、城乡规划、GIS等研究的重点关注方向之一。时间地理理论及其衍生的时空分析方法,对个体的活动与行为分析具有较强的支撑作用,对群体的活动也可以实现一些模式提取与分类的分析工作,但是针对人群动态的观测,还存在一些挑战：需要更加有效的时空建模能力,来刻画群体活动在能力制约（Capability constraint）、组合制约（Coupling constraint）、权威制约（Authority constraint）等限制下的选择倾向性与随机性,这对群体动态的时空效应分析造成一定的影响;需要更加有效的理论模型,来刻画群体活动在时空域以及多维空间中的波动与叠加效应;需要高效的计算技术途径,来应对和处理大规模的时空轨迹语义实时计算与服务。整体需要克服这些挑战,来满足群体活动的极限约束条件分析以及复杂情景建模。
数据挖掘是一个多学科交叉的研究领域。计算机领域的数据挖掘理论来源于统计学理论、机器学习、神经网络、模式识别、知识库系统、信息检索、高性能计算和可视化等学科方向,多聚焦于模式挖掘、分类、聚类等基础理论与方法[21]。地理信息科学领域,主要面向空间数据或者时空数据,开展数据清洗、GIS数据挖掘、遥感数据挖掘等方面的工作[22]。时空数据挖掘研究为群体动态的时空模式挖掘、时空行为分类、时空影响聚类等提供了基础的方法支撑,但针对人群动态的观测,还存在一些挑战：需要多领域的知识图谱理论,来支撑自然、环境、社会管理等要素对人群动态的影响规律挖掘;需要灵活的人地交互建模理论与框架,来支撑人群动态对水、土壤、岩石、大气、生物等地理要素的影响规律建模;需要高效的时空过程挖掘技术方法,来支撑人群时空动态的跨领域快速关联、跨现象知识发现、跨平台联合挖掘等高强度计算需求。

2.2 时空定量与综合观测

方志祥等[9]提出了一个人群动态的观测理论与方法,较为系统地阐述了人群动态的定类、定序、定距和定比等系列化观测方法,以及人群活动、行为和动态特性的时空预测方法,包括活动的定类、活动网络的定序、活动特性的定距、活动多维动态的定比等。目前尚未发现其他有关这方面的系统 论述。需要说明的是,传统统计学和数据科学中：① 定类变量是根据定性的原则总体区分个体类别的变量,具有等于和不等于的数学性质;② 定序变量能决定次序,具有大于与小于的数学特征,不反映出大于与小于的数量或距离;③ 定距变量能测量个体的高低、大小次序等之间的距离,具有加和减的数学特征,但没有一个真正意义的零点;④ 定比变量除了既有定距变量的特点外,还具有一个真正的零点,具有乘和除的数学特征。这里的定类、定序、定距、定比概念继承了统计学和数据科学中这些概念的特质,延伸并重点聚焦在活动的定类、活动网络的定序、活动特性的定距、活动多维动态的定比等方面的内涵与度量方式。
人群活动是在不同地理环境中多人所形成的群体性活动,具有多空间的特性。关注人群本身及其活动、行为,对人群活动进行定类观测与建模,有助于深入分析人群活动与空间、环境之间交互的关系。定类观测所采取的方法包括分类方法和聚类方法2大类：① 通常的分类方法包括决策树分类、贝叶斯分类、人工神经网络分类、支持向量机分类、K-邻近分类、集成学习分类;② 通常的聚类方法包括划分法（K-MEANS聚类、K-MEDOIDS聚类、CLARANS聚类等）、层次法（BIRCH算法、CURE算法、CHAMELEON算法等）、密度算法（DBSCAN算法、OPTICS算法、DENCLUE算法等）、图论聚类法（基于超图的划分、基于光谱的图划分等）、网格算法（STING算法、CLIQUE算法、WAVE-CLUSTER 算法等）等。使用这些方法进行人群动态的观测过程中,需要结合物理空间、网络空间、心理空间等多空间的因素和特点,构建情景化的时空度量信息模型,也就是人、地、事、物等的时间、空间、时空关系等特征[23]。
人群活动往往表现出某种功能特性,在空间上容易呈现出人群活动功能网络结构特征,该网络具有较强的时空动态性。引起这种网络动态变化的原因来源自多方面因素,包括人群的生活习惯、选择偏好,以及土地利用性质等社会经济要素。研究人群活动功能及其网络的定序模型,能够合理地描述人群活动的动态变化,有助于进一步探究其背后的影响因子和作用机理。方志祥等[9]在分析人群活动功能识别方法与结构特性基础上,提出了人群活动功能网络的定序模型与构建方法,以及人群活动功能网络所呈现的时空演化特性定序观测模型,总体上形成人群活动功能网络及其演化特性的定序观测方法。
一般地,在特定空间内人群状态变化可划分为人群的空间位置变化与活动功能变化。由于活动功能不属于连续型数值变量,对人群时空特性定距观测,则重点在于描述人群活动位置及衍生指标。典型的人群活动空间位置变化的定距观测指标包括：群体活动的空间范围、群体活动的移动性强度、群体活动产生的风险等。方志祥等[23]在分析时空轨迹的基础上,通过计算空间距离、时空距离、语义距离等距离特征,形成时空定距量测模型,通过边界聚合、时序关联、集成动态等方式对活动区域进行定距观测,并通过时空形态、行为模式和活动语义等跨模态语义的时空建模,支撑对活动功能和风险的定距观测。
大规模人群动态的定比观测,可以从群体活动动态、群体行为动态等角度出发,进行特定空间内多群体基本活动状态的定比观测、外界条件作用下群体行为状态变化的定比观测等,满足人群动态的时空应用决策需求。其中,群体活动对象的定比观测是在群体活动功能特性认知的基础上,观测其不同群体的组成及其活动动态;群体活动源域与活动时空域的定比观测方法,可以支撑从群体活动源域与时空域角度理解的人群活动基本需求（如：旅游、传染病传播防控等）;群体活动模式与交通模式的定比观测方法,对改善居民出行效率的运行决策起到关键支撑;群体间与群体内行为的定比观测、约束/扰动下群体行为动态的定比观测等,对研究非常规应急情况下的群体效应,指导科学应对决策具有重要的意义。

2.3 时空过程优化理论

人群动态的观测是空间信息智能服务的重要支撑,人群动态的时空过程邻域精准匹配与融合应用,已构成时空大数据时代的“4W”服务（When, Where, What object, What change）和“4R”科学决策（Right time, Right place, Right data/information/knowledge, Right person）的一个核心内涵与应用研究前沿需 求[24,25,26]。传统地理信息的导航与位置服务、物流、应急、规划、经济等人群动态相关的优化,比较注重于特定时空断面上的优化理论与方法的发展,特别是在时空GIS针对群体时空过程计算框架还不成体系的情形下,整体的科学性有待提升。因此,面向人群动态时空过程的优化理论仍存在如下的挑战：亟需构建面向大规模人群时空过程的高效计算框架,来支撑轨迹分析、行为识别、集成效应分析、群智建模、趋势预测等基础的计算任务;传统最优化规划方法、启发式方法、仿真方法等对空间邻域的优化搜索机制研究比较成熟,但对时空邻域的针对性高效搜索机制存在较大结构性缺陷,亟需发展出面向时空过程优化的快速邻域计算机制;传统的人群活动资源配置应用存在时空过程的契合与智能优化瓶颈,亟需发展制约人群动态与环境结构动态相适应的评价理论模型以及科学决策机制,突破人群活动与设施服务双动态下的精细化时空关联选址与配置难点,构建出人群活动时空资源配置智能优化方法。方志祥等[9,27-32]开展了面向人群动态时空过程的优化方法研究,将其集成到蜂群、蚁群、粒子群、遗传等智能优化算法框架,支撑面向时空过程的泛“选址-路径”问题系列求解,为应急管理与疏散、精准广告、出租车电动化、城市规划、公共交通、公共卫生等提供关键的方法支撑。

3 未来发展方向思考

对人群动态的观测依然会受到各级政府与许多研究机构的高度重视,会出现精细观测、智能观测、长效观测等发展特点。精细观测是指政府层面需要顺应疫情期间凸显出来的精细化观测需求,在社会分工及其结构越来越精细的情况下,继续顺势开展并强化社会治理、公共安全/公共卫生等的精细化管理、控制与服务,人群动态的信息是保障这些社会治理工作的科学决策的基础而且必要信息;智能观测是指在疫情期间明确展现大数据时代的一些数据获取鸿沟,急需在保护个人隐私的前提下,发展自动适应隐私差异化需求的人群动态观测理论;长效观测是指在满足基本物质和安全需求的基础上,需要发展人地融合的智能观测理论,从时空过程角度实现围绕人群高阶层次需求的观测理论体系,长效地服务科学研究与社会治理决策。存在精细观测、智能观测、长效观测等未来发展方向的主要原因包括：
（1）全球疫情大爆发终究会过去,但是人类与病毒会出现长期并存的局面,面对长期与各类病毒斗争及其疫情防控的急迫需要,政府层面可能会重构并建立相应的大数据保障疫情防控高效机制,从机制体制层面来解决公共卫生、公共安全等对人群动态的精细观测与及时应对的保障难题,精细和精准区分人类各群体,开展针对性的防控措施,保障人类整体层面的需求。
（2）以往的时空大数据分析方法,在隐私保护的特定限制下,存在明显的应用不足,主要是受限于人类活动数据的可获取性。在后疫情时代,特别是对隐私保护特别重视的前提下,可通过两种途径解决该问题：加强隐私保护理论与算法的研究,并对个人相关的信息进行复杂的加密/解密,但依然存在被破解的风险;加强多源大数据支持下对人观测与对地观测结合的智能观测,突破宏观和微观结合、理论与应用结合的、符合低隐私数据要求的智能观测理论与方法,以此支撑公共卫生、公共安全等对人群动态的差异化智能应用。
（3）疫情期间已经引起大家对基本生存与隐私保护等权益平衡的重视,在后疫情时代,人类生存和持续发展还依然是主旋律,在保障基本生存权的基础上,仍然会有多方面的发展需求,甚至会加强在物质保障、精神追求等方面高质量发展需求,建立科学合理、可持续的人群动态的观测理论与应用机制,长效地支撑人类在地理空间、精神空间等发展需求,是必然趋势和突出关注点。因此,需要做如下几个方面的理论发展突破：数字化社会治理与公共安全/卫生应急等需求驱动下的精细化观测、公共利益至上与个人保护最大化兼顾下的差异化观测、对人观测与对地观测的集成化观测理论发展、高阶需求层次管控与服务的人群动态观测理论突破等,下面逐一进行简述。

3.1 数字化社会治理与公共安全/卫生应急等需求 驱动下的精细化观测

数字化社会治理和公共安全/卫生应急是后疫情时代对人群动态的观测重要的驱动需求,直接关系到国家发展群体利益的最大化与可持续发展等问题。对人群动态的观测理论发展提出了如下一些新的精细化发展驱动要求：数字化社会治理亟需对社会各类群体动态进行精细化定类、差异化定序、多维度定距、本地化定比等的观测方法支撑,从社会公平正义维持、群体性文化保护与传承、区域性产业与经济扶持、高新技术创新协同、水土气生环境等共生环境协调治理等多方面,建立及时有效的人群动态观测保障机制与决策支持手段;公共安全和公共卫生是影响社会治理成效非常重要的两大领域,与千千万万的家庭密切相关,亟需建立面向公共安全应急预防、现场处置、实时救援、灾害影响评估等重要环节的人群动态精细化观测方法,以及面向公共卫生的疫情溯源、防控、救治等精细化人群观测方法,指导公共安全/卫生的科学决策与准确实施。

3.2 公共利益至上与个人保护最大化兼顾下的差 异化观测

通过疫情洗礼,无论政府、公司还是个人都深刻意识到“公共利益至上与促进健康公平、公共卫生资源分配的公平公正和受益最大化、健康最大化和伤害最小化、平衡个人权力与公共健康权益的矛盾、信息公开透明等核心价值”[33,34]。公共利益至上很大程度上保障群体的生存、健康、发展等基本权利,需要科学综合个体层面的位置、活动、行为等隐私信息,使之有利于服务群体。面向数字化社会治理、公共安全、公共卫生等群体层面的公众利益,在最大化保护个人利益的兼顾前提下,存在如下差异化观测人群动态的发展需求：亟待规范面向不同类型和层次公共利益的个人信息获取范畴,避免强制“同意授权”的盲目约束,造成个人信息无序使用与隐私泄露;亟待构建以位置和属性为核心的个人信息验证技术体系,建立第三方可信平台,支撑公共利益分类分级约束下的个人信息差异化获取与集成观测;亟待发展多媒介与多技术形式(不限于传统密钥)互验的个人空间信息隐私保护理论与方法,形成人群动态观测任务驱动的差异化观测信息保障技术体系。

3.3 对人观测与对地观测的集成化观测理论发展

对地观测在测绘学科一直是重点发展领域,有较为完善的理论与方法体系、及其软硬件系统;但是对人观测没有专门的观测系统,主要依靠泛在传感网时空轨迹与位置大数据等进行观测与分析。因此,对人观测与对地观测存在不同的观测原理、观测手段、数据源、应用。但本质上,对人观测与对地观测都是面向人的需求服务,只不过所观测对象存在差异而已。未来,对人观测与对地观测都将被高度重视,存在如下的集成化观测发展需求：社会科学研究方法与地理时空大数据将进一步进行融合研究,亟待发展人-事-物为中心的多源信息互补融合观测方法,克服单一观测所面临的多空间观测盲区问题;亟待发展面向人-事-物语义层次的对人与对地集成观测方法体系,克服人-事-物态势理解的片面性问题;亟待发展以时空过程为核心的人-事-物影响动态智能观测方法,克服单一观测所面临的因素单一、难以理清交互机理的问题。

3.4 高阶需求层次管控与服务的人群动态观测理 论突破

依据马斯洛需求理论[35,36,37],人的需求具有很多高阶层次的需求特性,包括：生理需求、安全需求、社交需求、尊重需求、自我实现需求等。在物质生活日趋丰富的未来时代,人们定会认识到高阶需求的重要性,需要开展针对性的高阶需求层次管控与服务,存在如下的人群动态观测发展需求：亟待发展面向高阶层次需求的人群时空大数据支撑技术体系,构建针对性的高阶需求智能感知方法;亟待发展人群高阶需求动态的观测方法体系,形成多层次需求的系统建模理论方法;亟待发展精准化的高阶需求层次服务方法,支撑数字社会治理与智能应用中的科学决策与精准化服务。

4 结语

人群动态的观测理论与方法,主要面向“研究人、分析人、服务人”[1]的基础研究问题,已成为地理信息科学的前沿理论与研究热点,正受到了越来越多领域研究者的重点关注,包括：城市交通、物流、城乡规划、社会管理、公共安全、公共卫生等,这些领域都存在较为迫切的研究与应用需求,特别是公共卫生事件对该研究领域的研究需求共识,激发对未来后疫情时代观测人群动态的高度重视与重新思考。科学准确地观测人群动态,已成为精细化国家治理与社会服务中的重大研究与应用需求,也是解决人群活动对地理环境影响的这一地学研究科学难题的重要基础,对“新城镇化”、“美丽中国”、“人工智能”、“新基建”等国家战略中城市和区域的绿色、高效、智慧与可持续发展等都有重要支撑作用。
本文较为系统地介绍了人群动态的观测背景意义,描述了人群动态的观测关键理论框架及其理论间的支撑关系,界定了人群动态的观测理论内涵、功能以及难点;较为现实地概括了未来的精细观测、智能观测、长效观测等发展特点,总结了4个重点的理论突破方向。总之,人群动态的观测理论发展将依托“系统完备、高效实用、智能绿色、安全可靠的现代化基础设施体系”[2],在数字化社会治理、公共安全、公共卫生等国家重大需求的牵引下,并在自然科学、社会科学、经济学等多学科交叉融合下,将需要重点发展人群大数据感知、多空间精细化观测、人地系统化建模等方面的基础理论与方法,构建差异化、集成化、层次化的对人观测方法与技术体系,以及面向地学研究与时空应用的人地关系复杂时空模式提取与推理、时空模型解译与构建等基础支撑方法,促进对人观测与测绘学、信息地理学、公共安全科学等学科的深度融合,科学支撑不可逆的社会治理与建设服务等现实应用决策,包括：智慧城市的交通、物流与规划,应急响应、防灾救灾、公共安全与卫生、重大设施选址、空间发展管控、生态环境保护、位置动态服务等。

References

Publishing order | Descend order by publishing year | Descend order by cited within
[1]
方志祥. 公共卫生与安全应急视角下人群动态的观测思考与挑战[J]. 武汉大学学报·信息科学版, 2020, 45(12):1847-1856.

[ Fang Z X. Thinking and Challenges of Crowd dynamics observation from perspective of public health and public security[J]. Geomatics and Information Science of Wuhan University, 2020, 45(12):1847-1856. ]

[2]
中华人民共和国中央人民政府. 中共中央关于制定国民经济和社会发展第十四个五年规划和二〇三五年远景目标的建议, http://www.gov.cn/zhengce/2020-11/03/content_5556991.htm

[ The state council, the People’s Republic of China. . Suggestions of the CPC Central Committee on formulating the fourteenth five year plan for national economic and social development and the long term goals for the year 2035, http://www.gov.cn/zhengce/2020-11/03/content_5556991.htm

[3]
裴韬, 刘亚溪, 郭思慧, 等. 地理大数据挖掘的本质[J]. 地理学报, 2019, 74(3):586-598.

DOI

[ Pei T, Liu Y X, Guo S H, et al. Principle of big geodata mining[J]. Acta Geographica Sinica, 2019, 74(3):586-598. ]

[4]
Liu Y, Liu X, Gao S, et al. Social sensing: A new approach to understanding our socioeconomic environments[J]. Annals of the Association of American Geographers, 2015, 105(3):512-530.

DOI

[5]
刘瑜. 社会感知视角下的若干人文地理学基本问题再思考[J]. 地理学报, 2016, 71(4):564-575.

DOI

[ Liu Y. Revisiting several basic geographical concepts: A social sensing perspective[J]. Acta Geographica Sinica, 2016, 71(4):564-575. ]

[6]
刘瑜, 姚欣, 龚咏喜, 等. 大数据时代的空间交互分析方法和应用再论[J]. 地理学报, 2020, 75(7):1523-1538.

DOI

[ Liu Y, Yao X, Gong Y, et al. Analytical methods and applications of spatial interactions in the era of big data[J]. Acta Geographica Sinica, 2020, 75(7):1523-1538. ]

[7]
邓敏, 蔡建南, 杨文涛, 等. 多模态地理大数据时空分析方法[J]. 地球信息科学学报, 2020, 22(1):41-56.

DOI

[ Deng M, Cai J N, Yang W T, et al. Spatio-temporal analysis methods for multi-modal geographic big data[J]. Journal of Geo-information Science, 2020, 22(1):41-56. ]

[8]
萧世瑜, 方志祥, 陈碧宇, 等. 城市人群活动时空GIS分析[M]. 北京: 科学出版社, 2018.

[ Shaw S L, Fang Z X, Chen B Y, et al. Spatiotemporal GIS analysis of urban crowd activities[M]. Beijing: Science press, 2018. ]

[9]
方志祥, 杨喜平, 涂伟, 等. 人群动态的观测理论与方法[M]. 北京: 科学出版社, 2020.

[ Fang Z X, Yang X P, Tu W, et al. Theories and methods of Crowd dynamics-oriented observation[M]. Beijing: Science Press, 2020. ]

[10]
裴韬, 舒华, 郭思慧, 等. 地理流的空间模式:概念与分类[J]. 地球信息科学学报, 2020, 22(1):30-40.

DOI

[ Pei T, Shu H, Guo S H, et al. The concept and classification of spatial patterns of geographical flow[J]. Journal of Geo-information Science, 2020, 22(1):30-40. ]

[11]
王殿海. 交通流理论[M]. 北京: 人民交通出版社, 2002.

[ Wang D. Transportation flow theory[M]. Beijing: China Communications Press, 2002. ]

[12]
薛一波, 王大伟, 张洛什. 网络流场:理论和方法[J]. 计算机科学与探索, 2014, 8(1):1-17.

[ Xue Y, Wang D, Zhang L. Network flow field: Theory and method[J]. Journal of Frontiers of Computer Science and Technology, 2014, 8(1):1-17. ]

[13]
裴韬, 王席, 宋辞, 等. COVID-19 疫情时空分析与建模研究进展[J]. 地球信息科学学报, 2021, 23(2):188-210.

DOI

[ Pei T, Wang X, Song C, et al. Review on spatiotemporal analysis and modeling of COVID-19 pandemic[J]. Journal of Geo- information Science, 2021, 23(2):188-210. ]

[14]
Hägerstrand T. What about people in regional science ?[J]. Papers in Regional Science, 1970, 24(1):7-24.

DOI

[15]
Hägerstrand T. Diorama, path and project[J]. Tijdschrift voor economische en sociale geografie, 1982, 73(6):323-339.

DOI

[16]
Miller H J. Modelling accessibility using space-time prism concepts within geographical information systems[J]. International Journal of Geographical Information Systems, 1991, 5(3):287-301.

DOI

[17]
Shaw SL, Yu H, Bombom LS. A space-time GIS approach to exploring large individual-based spatiotemporal datasets[J]. Transactions in GIS, 2008, 12(4):425-441.

DOI

[18]
Yin L, Shaw SL, Yu H. Potential effects of ICT on face-to-face meeting opportunities: A GIS-based time-geographic approach[J]. Journal of Transport Geography, 2011, 19(3):422-433.

DOI

[19]
Fang Z X, Tu W, Li Q Q, Li QP. A multi-objective approach to scheduling joint participation with variable space and time preferences and opportunities[J]. Journal of Transport Geography, 2011, 19(4):623-634.

DOI

[20]
Kwan M P. Analysis of human spatial behavior in a GIS environment: Recent developments and future prospects[J]. Journal of Geographical Systems, 2000, 2(1):85-90.

DOI

[21]
Han J W, Kamber M, Pei J, 著, 范明,孟小峰译. 数据挖掘概念与技术[M]. 北京: 机械工业出版社, 2012.

[ Han J W, Kamber M, Pei J. The concept and technique of data mining. Beijing: China Machine Press, 2012. ]

[22]
Li D, Wang S, Li D. Spatial data mining[M]. Berlin Heidelberg: Springer-Verlag, 2015.

[23]
萧世伦, 方志祥. 从时空GIS视野来定量分析人类行为的思考[J]. 武汉大学学报·信息科学版, 2014, 39(6):667-670.

[ Shaw S L, Fang Z. Rethinking human behavior research from the perspective of space-time GIS[J]. Geomatics and Information Science of Wuhan University, 2014, 39(6):667-670. ]

[24]
李清泉, 李德仁. 大数据GIS[J]. 武汉大学学报·信息科学版, 2014, 39(6):641-644.

[ Li Q Q, Li D R. Big data GIS[J]. Geomatics and Information Science of Wuhan University, 2014, 39(6):641-644. ]

[25]
李德仁. 从测绘学到地球空间信息智能服务科学[J]. 测绘学报, 2017, 46(10):1207-1212.

[ Li D. From Geomatics to Geospatial Intelligent Service Science[J]. Acta Geodaetica et Cartographica Sinica, 2017, 46(10):1207-1212. ]

[26]
李德仁. 展望大数据时代的地球空间信息学[J]. 测绘学报, 2016, 45(4):379-384.

[ Li D. Towards Geo-spatial information science in big data[J]. Acta Geodaetica et Cartographica Sinica, 2016, 45(4):379-384. ]

[27]
Fang Z, Tu W, Li Q, et al. A multi-objective approach to scheduling joint participation with variable space and time preferences and opportunities[J]. Journal of Transport Geography, 2011, 19(4):623-634.

DOI

[28]
Fang Z, Tu W, Li Q, et al. A voronoi neighborhood-based search heuristic for distance/capacity constrained very-large vehicle routing problems[J]. International Journal of Geographical Information Science, 2013, 27(4):741-764.

DOI

[29]
Fang Z, Li Q, Li Q, et al. A proposed pedestrian waiting-time model for improving space-time use efficiency in stadium evacuation scenarios[J]. Building and Environment, 2011, 46(9):1774-1784.

DOI

[30]
Tu W, Li Q, Fang Z, et al. Optimizing the locations of electric Taxi charging stations: A Spatial-temporal demand coverage approach[J]. Transportation Research Part C: Emerging Technologies, 2016, 65:172-189.

DOI

[31]
Tu W, Fang Z, Li Q, et al. A Bi-level voronoi diagram-based metaheuristic for a large-scale multi-depot vehicle routing problem[J]. Transportation Research Part E: Logistics and Transportation Review, 2014, 61:84-97.

DOI

[32]
Zou X, Fang Z, Xiong S. A discrete particle swarm optimization method for allocating supermarket resources to urban residential communities under the epidemic control[J]. Applied Soft Computing, 2021, 98:106832.

DOI

[33]
张雷, 郝纯毅, 廖红舞, 等. 公共卫生伦理学的主要问题与核心价值[J]. 中国医学伦理学, 2019, 32(1):35-37.

[ Zhang L, Hao C, Liao H, et al. Main issues and core values of public health ethics[J]. Chinese Medical Ethics, 2019, 32(12):1518-1521. ]

[34]
翟晓梅, 邱仁宗. 公共卫生伦理学[M], 北京: 中国社会科学出版社, 2016.

[ Zhai X M, Qiu R Z. Public health ethics[M]. Beijing: Chinese Social Science press, 2016. ]

[35]
Maslow A H. A theory of human motivation[J]. Psychological Review, 1943, 50:370-396.

DOI

[36]
Maslow A H. Motivation and personality[M]. New York: Harper, 1954.

[37]
Maslow A H. Toward a psychology of Being[M]. New York: Van Nostrand, 1968.

Options
Outlines

/

〈 〉