面向大规模空间Agent建模的分布式地理模拟框架

基于Agent建模的地理模拟是认识和理解动态地理现象的有效方法,但随着地理模拟的规模和复杂性不断增加,模型的计算问题开始凸显。分布式并行仿真是解决大规模Agent复杂模拟计算的途径,然而已有研究基于Agent建模/仿真软件构建并行仿真系统的方式并不适用于具有高移动与行为交互的空间Agent建模及其模拟过程的实时可视化。为解决这个问题,本文提出了一个分布式地理模拟框架DGSimF,用于大规模动态空间Agent模拟,支持模拟过程的实时表示与分析。设计了一个简单但高效的时空数据模型建模空间Agent,支持直接基于Agent行为建模集成地学模型,采用了时间微分方法协同各计算节点行为的执行,实现以“任务并行”的方式进行分布式计算以提高仿真性能,构建了基于三维地球渲染引擎的虚拟地理环境,提供模拟过程的实时可视化。最后,以“红蓝对抗”案例进行了实验验证,对不同模拟计算量和不同客户端数量下的仿真性能进行了分析,结果表明DGSimF可以为具有时空特征变化与行为交互的大规模空间Agent模拟提供一个有效的平台。通过扩展计算节点,DGSimF可以有效地缓解复杂模拟计算的压力问题,并且仿真性能较高,在实验中并...     

一种结合地理知识的遥感影像目标实体关联方法北大核心CSCD

遥感影像目标识别技术已广泛应用于目标动态监测与定位等领域。但影像目标识别的结果缺乏与目标属性信息的链接,导致分析人员只能依据影像特征进行分析,难以进行更复杂的目标数据关联分析与挖掘。针对遥感影像目标识别语义属性信息缺失的问题,本文利用知识图谱相关技术将影像判别的目标信息与知识语义网链接。首先,提出了一种遥感影像目标知识图谱构建框架;其次,针对遥感影像目标不同的数据类型,构建遥感影像目标知识抽取模型,提出了基于相似度目标实体识别和预定义模式的关系抽取方法;然后,基于多特征Logistic模型的影像目标实体链接方法,实现了遥感影像目标实体与百科知识库的知识关联;最后,针对预定试验区域进行试验,验证了本文方法的可行性。     

Modelling and predicting the spatial dispersion of skin cancer considering environmental and socio-economic factors using a digital earth approach

ABSTRACT

Almost all causative factors of diseases depend on location. The Digital Earth approach is suitable for studying diseases globally. Geospatial information systems integrated with statistical models can be used to model the relationship between a disease and its causative factors. Through modelling, the most important causative factors can be extracted and the epidemiology of the disease can be observed. In this paper, skin cancer (the most common type of cancer) has been modelled based on its causative factors, including climate factors, people's occupations, nutrition habits, socio-economic factors, and usage of chemical fertiliser. To fit the model, a data framework was first designed, and then data were gathered and processed. Finally, the disease was modelled using Generalised Linear Models (GLM), a statistical model based on the location of the factors. The results of this study identify the most important causative factors together with their relative priority. Furthermore, a model was used to predict the change in skin cancer occurrences caused by a change in one of its causative factors. This work illustrates the ability of the model to predict disease occurrence. Thus, by using this Digital Earth approach, skincancer can be studied in all the key countries around the world.     

Research on the security of national geospatial data clearinghouse based on ASP

1　ＩｎｔｒｏｄｕｃｔｉｏｎＮｅｅｄｌｅｓｓｔｏｓａｙ ,ｉｔｉｓｖｅｒｙｉｍｐｏｒｔａｎｔｆｏｒｍｏｓｔＧＩＳｕｓｅｒｓｔｏａｃｑｕｉｒｅａｎｄｉｎｔｅｇｒａｔｅｔｈｅｇｅｏｓｐａｔｉａｌｉｎｆｏｒ ｍａｔｉｏｎｆｒｏｍｖａｒｉｏｕｓｄｉｓｔｒｉｃｔｓ.Ｈｏｗｅｖｅｒ ,ｔｈｅｃｕｒｒｅｎｔｓｉｔｕａｔｉｏｎｏｆｇｅｏｓｐａｔｉａｌｉｎｆｏｒｍａｔｉｏｎｐｒｏｄｕｃｔｉｏｎａｎｄｄｉｓｓｅｍｉｎａｔｉｏｎｉｎｔｈｅｗｏｒｌｄｉｓｓｔｉｌｌｕｎｓａｔｉｓｆａｃｔｏｒｙ .Ｏｎｏｎｅｈａｎｄ ,ｕｓｅｒｓｄ…     

论万物互联时代的地球空间信息学

随着5G/6G、云计算、物联网和人工智能等新技术的发展,人类已经进入了万物互联时代。本文探讨万物互联时代地球空间信息技术的五大特点：定位技术从GNSS和地面测量走向无所不在的定位导航定时（PNT）服务体系;遥感技术从孤立的遥感卫星走向空天地传感网络;地理信息服务从地图数据库为主走向真三维实景和数字孪生;3S集成从移动测量发展到智能机器人服务;学科研究范围从对地观测走向物联监测和对人类活动的感知。笔者基于这些特点进一步剖析新时代面临的挑战,并提出新时代地球空间信息学发展亟待解决的三大科学技术问题：测绘学科如何服务人与机器人的共同需求？遥感影像解译的机理是什么和如何突破实现技术的瓶颈？如何利用时空大数据挖掘人与自然的关系,从空间感知走向空间认知？万物互联时代的地球空间信息学,必须且完全可能为万物互联的数字地球和智慧社会做出更大的贡献！     

顾及企业注册地址的区位理论研究

区位理论研究长期忽视作为企业基本属性的注册地址并将其与企业实体位置混淆的做法给区位理论带来挑战和发展机遇。本文回顾地理学、经济学、管理学和法学的有限研究,阐述注册地址作为新区位主体、企业实体与注册地址分离现象以及该现象背景下区位分析的新逻辑等内容。研究表明：注册地址是企业法律关系缔结和实现的基点,具有虚拟性和唯一性的特征,其区位主要受税收政策等制度因素的影响,在不同地区注册的企业面临不同的发展前景,并影响地区的财政收入、形象等。企业实体与注册地址的分离现象已较为普遍,注册地址分布在自贸区、开发区等具有政策优势的各类经济区以及欠发达地区的比例高于企业实体。该现象尽管使企业可以兼顾区位优势和政策优势,促进市场活力,但对地区发展、政府部门监管以及企业自身也造成了广泛的负面影响。企业实体与注册地址存在分离现象促使传统“企业”的一元区位体系调整为“企业实体-注册地址”的二元区位体系,而企业实体与注册地址之间的“黏力”使得未来区位理论研究不仅要辨析区位主体是企业实体还是注册地址,而且在分析区位影响、区位因子、区位迁移等内容时要区分两者的位置关系（重合或分离）,意识到不同关系下彼此间的相互影响。     

基于ALBERT模型的园林植物知识实体与关系抽取方法

园林植物知识图谱可为顾及区域适应性、观赏性和生态性等因子的绿化树种的选型提供知识支持.植物描述文本的实体识别及关系抽取是知识图谱构建的关键环节.针对植物领域未有公开的标注数据集,本文阐述了园林植物数据集的构建流程,定义了园林植物的概念体系结构,完成了园林植物语料库的构建.针对现有Word2vec、ELMo和BERT等语...     

基于地理实体的道路网络面向对象数据模型研究

城市交通迅速发展,道路网络呈现出空间结构复杂、数据量大、时效性强等特点。本文讨论了传统路网模型的特点,顾及道路的信息完整性、数据冗余性、管理高效性3个指标,研究了以道路实体为基本元素的路网模型;运用面向对象技术对路网模型进行了数据建模,并通过动态交通信息更新机制对路网的动态属性进行管理;构建了城市道路实体化实验系统,验证了该模型的有效性和可行性。     

加拿大地理信息产业发展基础与现状研究

从地理信息管理、空间基础设施、地理信息产业发展情况等方面介绍了加拿大地理信息产业发展的现状,并分析加拿大地理信息产业发展的特点,提出促进我国地理信息产业健康快速发展的对策、建议。     

Extracting and analyzing semantic relatedness between cities using news articles

News articles capture a variety of topics about our society. They reflect not only the socioeconomic activities that happened in our physical world, but also some of the cultures, human interests, and public concerns that exist only in the perceptions of people. Cities are frequently mentioned in news articles, and two or more cities may co-occur in the same article. Such co-occurrence often suggests certain relatedness between the mentioned cities, and the relatedness may be under different topics depending on the contents of the news articles. We consider the relatedness under different topics as semantic relatedness. By reading news articles, one can grasp the general semantic relatedness between cities; yet, given hundreds of thousands of news articles, it is very difficult, if not impossible, for anyone to manually read them. This paper proposes a computational framework which can ‘read’ a large number of news articles and extract the semantic relatedness between cities. This framework is based on a natural language processing model and employs a machine learning process to identify the main topics of news articles. We describe the overall structure of this framework and its individual modules, and then apply it to an experimental dataset with more than 500,000 news articles covering the top 100 US cities spanning a 10-year period. We perform exploratory visualizations of the extracted semantic relatedness under different topics and over multiple years. We also analyze the impact of geographic distance on semantic relatedness and find varied distance decay effects. The proposed framework can be used to support large-scale content analysis in city network research.