大数据对人文—经济地理学研究的促进与局限

大数据技术的诞生不仅快速推动着社会的进步,而且也将科学研究不断引向新的高度。以人类社会经济活动为主要研究对象的人文—经济地理学与当前大数据建设和发展趋势具有高度一致性,大数据的发展对丰富和完善人文—经济地理学势必起到积极的推动作用,同时也对人文—经济地理学的学科思维和研究方法提出了新的挑战。梳理和分析了目前大数据在人文—经济地理学主要研究领域,包括城市内部空间研究、交通与消费行为、社会空间与社会网络研究中的最近进展,以及大数据对参与式研究和决策平台的作用。着重剖析了大数据对人文—经济地理学数据获取,研究思维与范式,研究内容、研究时空尺度与研究目标等方面的促进作用与存在问题,特别是由于大数据自身发展的不完善,在数据收集特别是数据属性方面还存在很大的局限,缺乏理论基础将会使得大数据与实际应用受到很大限制,同时,数据本身也不能替代研究者思维和决策过程。因此,人文—经济地理学者应该科学对待大数据所带来的机遇,弥补和丰富以往发展中的短板,即完善学科数据建设、建立大数据应用较为完善的研究方法体系,促进跨域数据整合和跨域研究,以及推进研究对象和研究目的的转变。     

时空大数据背景下并行数据处理分析挖掘的进展及趋势

随着互联网、物联网和云计算的高速发展,与时间、空间相关的数据呈现出“爆炸式”增长的趋势,时空大数据时代已经来临。时空大数据除具备大数据典型的“4V”特性外,还具备丰富的语义特征和时空动态关联特性,已经成为地理学者分析自然地理环境、感知人类社会活动规律的重要资源。然而在具体研究应用中,传统数据处理和分析方法已无法满足时空大数据高效存取、实时处理、智能挖掘的性能需求。因此,时空大数据与高性能计算/云计算融合是必然的发展趋势。在此背景下,本文首先从大数据的起源出发,回顾了大数据概念的发展历程,以及时空大数据的特有特征;然后分析了时空大数据研究应用产生的性能需求,总结了底层平台软硬件的发展现状;进而重点从时空大数据的存储管理、时空分析和领域挖掘3个角度对并行化现状进行了总结,阐述了其中存在的问题;最后指出了时空大数据研究发展趋势。     

新时代自然灾害态势感知的实践与方法探索

随着人类世的到来,“常态化”的极端天气与自然灾害成为人类生存面临的首要问题。大数据智能化的技术驱动、大科学（计划）的学科基础、全球化治理与应对的需求牵引,共同构成了新时代自然灾害研究的主旋律。论文提出自然灾害态势感知的概念,并结合新时代背景提出洞悉“态”、预测“势”两个不同层次的感知。在洞悉“态”方面,论文辨析了传统灾害观测与大数据态势感知的区别和联系;并以社交媒体、手机信令、视频监控等为例,梳理了大数据在台风、洪涝、地震、极端高温等灾害态势理解中的研究与实践。在预测“势”方面,论文总结了系列大数据观测—机器学习—机理模型整合的方法,并以城市洪涝事件演进模拟为例进行说明;在区域或全球尺度,提出应在大科学（计划）统一定义的未来情境下开展跨领域综合态势的感知与预测,并服务于区域的可持续发展;特别是利用人地耦合模型,感知灾害对社会经济的级联影响和远程效应,用以消除和解决非传统安全的威胁。最后,建议国家成立相关研究机构推进灾害大数据的共享和应用,开展灾害灾情标准知识库、训练库的建设;建议进一步推进机理模型、大数据、机器学习的整合与应用,推进自然灾害人地系统的耦合,提升中国自然灾害的社会治理与决...     

地理学视角下土地利用/覆被分类发展探讨

随着对地观测和互联网技术的发展,地理大数据时代正在到来,其多尺度、长时序、多模态等海量“超”覆盖数据为土地利用/覆被（Land Use/Land Cover, 简称LULC）分类及变化检测带来巨大的机遇,支撑着新时代人、地两大系统相互作用关系的认知和实践。然而,多数地理学者认为地理学基本原理与核心思想并未因为大数据的到来而发生本质性变化。所以,从地理学基本原理角度理解LULC分类的发展,尤其在地理大数据时代的发展方向,不失为一条可行的途径。为此,本文从区域、尺度、综合三方面的地理学基本原理视角将LULC分类技术的发展划分为地球观测数据匮乏阶段、人类行为数据融合阶段以及地理大数据“超”覆盖阶段分别探讨分析,以期主动把握LULC分类技术及应用的未来发展趋势。研究结果显示：在地球观测数据匮乏阶段,LULC分类多以类型还不丰富的遥感数据源,在空间分辨率较低的像元尺度上,进行以地表覆被状态为主的分类;发展到人类行为数据融合阶段,LULC分类在城市区域率先出现了对地观测数据和人类行为数据相融合,在街区尺度上进行以空间功能异质性划分、识别为主导的城市功能区分类;在地理大数据“超”覆盖阶段,LULC分类将实现多尺度协同、面向全空间的功能异质性划分,并在主体功能的基础上融合“社会-经济-自然”多维定量属性,本文称之为“空间场景”。希望本文的探讨能够为地理大数据时代LULC分类的新技术发展和新产品应用提供有益启示。     

大数据时代城市时空间行为研究方法

信息技术的快速发展带来了“大数据”时代的到来,改变了城市的空间组织和居民行为,并使得城市时空间行为研究方法面临变革。本文在总结传统城市时空间行为研究方法存在问题的基础上,对影响其变革的数据获取与处理技术进行梳理,重点从居民时空行为、城市空间及城市等级体系3个方面综述了国内外应用大数据进行城市时空间行为研究的最新进展,构建了基于大数据应用的城市时空间行为研究方法框架。本文认为,大数据时代城市时空间行为研究方法的变革主要取决于对反映居民时空行为的网络或移动信息设备数据的挖掘、处理及应用,但是还需要进一步推动相关学科间的交叉与融合,加强社交网站等网络数据在居民时空行为和城市空间研究中的应用,并指导城市规划编制与管理方法的创新。     

自然资源空间大数据对自然资源管理的支撑作用 ——以福建省为例

空间大数据在政务服务方面的应用是近年大数据战略的重要方向,本研究以福建省为例,在分析福建省自然资源空间大数据的建设现状基础上,分析了自然资源空间大数据对自然资源管理的支撑作用及当前存在的不足,并提出自然资源大数据在自然资源管理中的应用前景,对提升自然资源管理水平有积极的借鉴意义。     

多源地理大数据支撑下的地理事件建模与分析

地理事件作为描述地理过程的基本单元,逐渐成为地理信息科学（GIS）核心研究内容。由于受人类活动数据获取限制,GIS对地理事件的建模和分析主要关注事件所引起的地理空间要素变化及要素之间的相互影响与作用机制。然而,近年来随着基于位置服务数据（LBS）爆炸式的增长和人类活动大数据定量刻画手段的快速发展,地理事件对人类活动的影响以及公众对地理事件的网络参与度都引起了多个领域的广泛关注,对地理事件的时空认知、建模方法和分析框架提出了巨大的挑战。对此,本文首先深入分析了大数据时代地理事件的概念与分类体系;其次,基于地理事件的时空语义给出了基于图模型的事件数据建模,建立了事件本体及其次生或级联事件的“节点—边”表达结构,开展了事件自身时空演化及其前“因”后“果”的形式化描述;第三,从时空数据分析与挖掘的角度,给出了大数据时代地理事件建模与分析的整体框架,拟突破传统“地理实体空间”事件探测与分析方法的局限性,融合“虚拟空间”事件发现与传播模拟思路,实现多源地理大数据支撑下的面向地理事件的人类活动多尺度时空响应与区域差异分析;最后,本文以城市暴雨事件为例诠释了本文所提出的地理事件建模与分析方法,从城市和城市内部两个尺度进行了暴雨事件与人类活动的一致性响应及区域差异分析,得到了明确的结论,验证了前文分析框架的可行性与实用性。     

测绘导航大数据库建设的思考

按目前形势大数据库的完善和提升,是国家战略直接应用于航空航天、地球物理、资源勘探、土地动态监测、农牧渔业、智能化交通管等重多领域,测绘导航也正在逐渐过渡到具有现代意义的大数据库时代。它特征是数据体量大、类别多、处理数据块、准确率高等优势。但面临的问题也很凸现,导航大数据库实时化、动态化、种类多样化、数据网络化、应用广泛化、重组及扩展化的原因目前面临的主要问题就是测绘导航大数据的思维还未完全转变、体系尚未建立、标准规范不完善、缺少测绘导航大数据支撑系统、管控及数据挖掘不够。现势条件下,测绘导航大数据建设原则应该是"立足专业,着眼急需,突出壁垒,加大管控,规范标准,科技创新"。测绘导航事业发展至今天,从生产方式到数据应用,都发生了很多变化。我们需要结合测绘导航任务特点以及发展趋势,通过政策统筹,打破行业、地域壁垒,建设健全共享机制,逐步建立完善大数据标准规范,建立区域乃至全国的测绘导航大数据体系。对测绘导航数据进行全流程管控,并培养一批具备有测绘大导航数据建设的高素质技术人才,共同迎接信息条件下测绘导航事业的数据时代。     

经济社会发展中的大数据应用

通过全面系统地分析大数据特点和应用升级、大数据引发的新一轮产业革命、阐述大数据在国家基础数据库、电子政务业务、新型城镇化建设、物流公共信息服务、互联网金融、电子商务与企业信息化管理、世纪之村服务平台等行业的应用内容,指出当前中国大数据使用面临的问题与挑战,提出解决的方案和途径。     

自然地理学的大数据研究

大数据给科学研究带来了机遇与挑战,但针对自然地理学的研究很少.基于此,该文结合大数据理念,立足自然地理学特点,分析了自然地理学的大数据源、大数据研究方法及相关变革.认为自然地理研究中的大数据源主要包括遥感大数据、地面传感器数据、自发地理信息和地理成果累积数据,对地观测、自动感知和自发地理信息是其主要生产方式.自然地理的大数据研究方法重点在地理信息科学的升级与变革,集中在数据-信息-知识的处理过程中.大数据背景下自然地理研究将向数据密集型范式转变,地理研究将实现新的综合,应用性地理学得到发展,研究队伍结构更加多元化,众包研究成为新的方式.要在自然地理研究中充分合理地使用大数据,还需要数据开放与共享政策的支撑,同时有必要开展大数据地理学研究.     

大数据时代中国气候变化科学数据共享服务的发展现状与趋势分析

随着气候变化研究的进一步深入,中国已经积累和发布了越来越多气候变化方面的数据,为深入系统的科学研究和科技创新提供了宝贵的数据资源。相关数据存量越来越大,存储类型越来越丰富,促使我们进入一个前所未有的大数据时代。大数据时代需要对海量数据进行挖掘和应用,必然离不开数据的开放和共享。本文首先对气候变化驱动因素科学数据、气候变化事实科学数据、气候变化影响与适应科学数据、气候变化未来预估科学数据、气候变化相关经济社会数据五大类别数据共享服务的现状进行了全面总结,并对数据质量及数据应用的特色进行了系统分析。在此基础上,对大数据背景下气候变化科学数据共享服务未来的发展趋势如服务管理、市场化运营、商业服务、公众服务、数据出版、区块链技术、人工智能、数据挖掘、机器学习、基于模型计算的动态数据共享等进行了展望。最后,总结了气候变化科学数据共享服务在大数据时代所面临的挑战。     

基于位置大数据的青藏高原人类活动时空模式

随着青藏高原城镇化和旅游的发展,人类活动强度不断加剧,有必要对青藏高原不同类型的人类活动时空模式进行研究,以便了解不同区域人类活动对自然环境的影响以及更好地采取生态环境保护措施。利用腾讯位置大数据,分析青藏高原在旅游淡季和旅游旺季的人类活动时空模式,研究旅游人口对青藏高原人类活动的影响。本文分别选取2018年1月和7月的腾讯定位请求数据,构建多时空维度的高阶张量,采用张量分解的方法对数据进行降维,获取旅游淡季和旺季不同时空维度的主要特征,分析活动模式,发现青藏高原在旅游淡季和旺季的活动模式在时间上和空间上都有很大不同,体现了旅游人口造成的影响。在旅游淡季,青藏高原居民的活动在凌晨有个高峰,在午间有个低谷,并且表现有特殊的节日模式,工作日的人类活动主要分布在城镇等人口聚集区,休息日向城镇周边发散;旺季凌晨活动分为两个高峰,一个在时间上较淡季提前,与午夜活动相连,另一个较淡季的时间推迟,旺季活动没有午间的低谷和特殊的节日模式,且工作日和休息日的日间活动都分布较广。     

大数据时代的空间交互分析方法和应用再论

空间交互是理解地表人文过程的重要基础,与空间依赖一起共同体现了地理空间的独特性、关联性以及对嵌入该空间的地理分布格局的影响,具有鲜明的时空属性,因此对于地理学研究具有重要意义。大数据为空间交互研究带来了新的机遇,能够使我们在不同时空尺度感知和观察空间交互模式并对其动态演化特征进行模拟和预测,从而为揭示人类活动规律及区域空间结构提供有力支持。本文在探讨空间交互与地理空间模式关系的基础上,描述了利用地理大数据感知空间交互的方式和定量模型,介绍了空间交互分析方法的研究进展及其在空间规划与交通、公共卫生、旅游等领域的应用情况,并就一些基本问题进行了讨论,以期为大数据支持下空间交互相关研究提供指导。     

POI数据在中国城市研究中的应用

兴趣点（Point of Interest,POI）数据的兴起带动了城市研究的革新。为梳理中国POI数据在城市研究的应用进展,阶段性总结其应用方向、数据分析方法及尚存不足,并为未来POI数据在中国城市发展中的应用提供思路和借鉴。应用CiteSpace工具对中国知网2010—2019年625篇相关文献进行知识图谱分析,结合分析结果对POI数据应用方向和数据分析方法进行梳理总结。结果表明:时间上,国内应用POI数据进行城市研究的文献在2013年后大量涌现,2017年呈现爆发式增长;应用上,主要用于城市功能区划分、城市中心区和边界识别、查明业态集聚分布以及兴趣点推荐4个方面;方法上,常用的有核密度分析、DBSCAN聚类分析和空间自相关分析3类。研究表明,POI地理大数据是一种研究城市发展的有效数据,有助于研究者深入了解城市的空间结构、分布格局和发展规律,未来可进一步与机器学习等算法结合,为城市外部扩张和内部功能结构调整在更长期的发展上提供一个决策分析手段,但POI数据尚无法代替面数据,研究时也要充分考虑到公众认知度高低对研究的影响。     

地理大数据为地理复杂性研究提供新机遇

大数据之风自2010年席卷全球,已在科学、工程和社会等领域产生深远影响。本文首先从地理大数据、第四范式以及非线性复杂地理系统3组基本概念出发,剖析上述3组概念之间的科学联系与相互支撑作用,提出大数据和第四范式为地理复杂性研究提供新机遇。其后,探讨如何利用大数据和复杂性科学的理论方法开展地理复杂性研究。基于地理大数据,可以通过统计物理学的系列指标描述现实地理世界的复杂非线性特征,同时,还可利用深度学习、复杂网络、多智能体等方法,实现复杂非线性地理系统的推演和模拟。上述方法对认知地理现象和过程的复杂性,对复杂地理系统的分析、模拟、反演与预测有重要作用。最后,提出地理大数据和复杂性科学相互支撑可能成为21世纪地理学的主流科学方法。     

室内定位数据分析与应用研究进展

现代人文地理学的研究越来越多地关注人的时空行为,而获取个体在出行活动中的时空位置数据是研究人类时空行为的前提。受数据获取技术的限制,之前对时空行为的研究主要集中在室外空间。随着室内定位技术的出现和应用,这类研究由室外空间扩展至室内空间。室内定位技术和方法较多,但从数据的角度来看,根据数据获取中使用定位方法的不同,可将室内定位数据分为几何位置数据、指纹位置数据和符号位置数据3类。目前,基于室内定位数据的研究可以归结为以下4个方面,即：人在室内的时空分布、人在室内的移动模式、人在室内的行为习惯及属性推断、人与室内环境的交互作用。然而,总体上目前的研究还处于探索阶段,理论和方法体系尚未成熟。本文认为后续的研究中需要关注以下问题：①数据获取方面。相对于蓝牙、射频识别、红外等定位技术,“智能手机+WiFi”模式的定位系统具有覆盖范围广、成本低廉、无需专门设备支持、易与用户交互等优势,是一种最具应用前景的室内定位技术;②研究内容方面。时空行为特征的研究是基础,个体属性推断及个体与环境的相互作用形式和机理研究将是重点,多时空尺度数据融合分析是一种趋势;③科学伦理方面。室内定位涉及微观尺度人类活动的记录,隐私保护问题需要高度关注。     

信息技术影响下休闲研究动态与展望

作为一种发生在可自由支配时间的任意性活动,休闲既包括人们在其居住地的日常游憩与娱乐活动,也包括人们离开其惯常居住地开展的相关旅游活动。随着经济社会的进步与价值观的转变,休闲的价值内涵正逐步由人们的身心健康扩展至城市居民的生活品质及城市的发展质量。信息与通讯技术(ICT)的迅猛发展给包括休闲在内的人类生产、生活的各个领域带来了广泛和深刻的影响。在上述背景下,本文采用文献信息分析法和对比分析法就信息技术对休闲的影响,从休闲时空行为、休闲产业及休闲研究方法等三个方面进行梳理、分析与总结,结果显示国内外关于信息技术对休闲影响的研究在研究视角、研究方法及研究侧重点上均存在差异。在信息技术支撑的大数据时代,应更多地应用大数据挖掘与分析技术研究人们的休闲行为特征,并在此基础上,分析休闲行为的空间效应及信息技术对不同休闲方式的影响。     

基于POI大数据和可达性双重约束的城市空间结构研究

针对城市空间结构研究现状,将传统的城市空间可达性研究与大数据有机结合,在网格法基础上构建城市空间结构研究新思路.通过空间句法模型计算每个城市网格的空间可达性,应用POI大数据得到每个网格的POI密度,对可达性与POI密度进行交叉对比分析,得到基于POI大数据和可达性双重约束的城市空间结构特征类型和空间分区方案.以合肥市中心城区为例,经分析将中心城区划分为3类空间分区,进而根据每类空间的特点提出针对性的空间发展建议.该研究可为城市空间结构研究及城市空间规划布局提供方法参考和决策依据.     

基于大数据的流空间研究进展

流空间是认识城市网络结构和演化的重要手段。近年来大数据的快速发展为流空间研究提供了新的机遇和挑战。论文系统综述了基于大数据的流空间研究进展。首先,论文梳理了基于大数据流空间研究的背景和历史,然后总结了基于大数据的流空间研究的主题、数据类型、方法和主要发现,最后展望了未来的研究挑战。2011年以后,基于大数据的流空间研究呈指数增长趋势,中英文论文年均发表量从2010年的11篇增长到2018年的106篇。大数据主要从提供新的数据源、激发新的分析方法和提供新的研究视角三方面推进了流空间研究。常用于流空间研究的大数据主要包括手机信令数据、社交媒体签到数据、公共交通刷卡数据和出租车轨迹数据,它们比传统统计数据更能直接提供人流、物流和信息流的时空动态信息。研究方法也从传统的基于距离的重力模型发展为网络分析方法。未来在交叉学科研究、大数据和传统数据的耦合、大数据与深度学习和云计算等新方法的结合方面仍需进一步探索,从理论、数据和方法上全面深化流空间研究。     

基于路网相关性的分布式增量交通流大数据预测方法

针对城市道路拥堵问题的日益加剧的问题,智能化城市交通管理平台是缓解拥堵问题的有效方法,利用交通流大数据预测结果进行交通诱导,能够指导用户调整出行方案,有效缓解交通压力。研究了交通流大数据的分布式增量聚合方法,对海量交通流数据进行清洗统计,为交通流预测提供数据基础,基于交通流在路网中上下游路段的相关性分析,利用路口转弯率多阶分配将该相关性量化,构建基于路网相关性的空间权重矩阵,完成对于STARIMA模型的改进。通过应用试验证明,该方法能更准确的进行交通流预测,为交通诱导信息发布提供依据。