地理学视角下POI大数据的应用研究及反思

以兴趣点(POI)等为主要代表的地理大数据为增强人地系统认知提供了重要新视角,为推动现代地理学发展提供重要支撑。基于应用、方法与尺度具体总结了POI大数据在地理学特别是人文经济地理学领域的创新应用及进展,发现在机器学习等方法驱动下,POI大数据逐渐从单一应用视角转向多尺度耦合研究,对物质空间、人类活动及人地关系耦合机制的精细化认知增强,促进多尺度区域决策支撑能力。同时,也必须注意的是,受数据质量、获取水平及信息挖掘等能力的影响,在今后及未来一段时间,应着重构建POI及其他地理大数据的长效共享机制,增加小尺度实地质量评估实证研究,加快地学数据增值导向,在知识发现、决策支撑和知识传播等方面发挥更大价值。     

基于大数据的城市土地利用分类研究——以西宁市为例

以西宁市为例，基于宜出行和兴趣点（points of interest，POI）2类常用大数据以及最大似然、支持向量机和神经网络3种常用分类方法，开展了城市土地利用分类研究．通过对比不同数据与方法组合下的城市土地利用分类精度，确定了提取城市土地利用信息的最优数据组合方式和分类方法．并基于分类结果对西宁市的城市土地利用格局进行了分析．结果显示，基于POI和宜出行数据的神经网络分类方法获取的研究区城市土地利用信息精度最高，总体精度为71.25%，Kappa系数为0.62．主要原因在于综合POI和宜出行可以更加充分地反映不同土地利用类型的特征，而神经网络可以有效综合多源大数据的信息．因此，基于多源大数据和神经网络为快速有效地获取城市土地利用信息提供了有效途径，具有较大的应用潜力．      

基于时空语义挖掘的城市功能区识别研究

针对目前城市功能区划分大多依靠人工完成,且未充分使用城市中时空数据的问题,提出一种基于时空语义挖掘的城市功能区识别方案.首先,选取某城市矩形区域为研究样本,并以建筑物为划分依据将研究样本划分为有效的基础区域;然后,对各基础区域内的新浪微博位置签到数据及POI(Points of Interest)数据进行时空语义挖掘,采用狄利克雷多项式回归(DMR)主题模型生成区域的功能性向量;最后,通过向量聚类,依据POI类别比例完成区域的功能性识别.实验结果表明,本方案相比基于POI密度的k-means聚类方案和基于潜在狄利克雷分布(LDA)主题模型的城市功能区识别方法具有更高的准确性,位置签到数据所表征出的人们活动模式可以揭示城市功能区之间的差异,在城市地理空间分析上具有良好的效果.     

基于“12345”市民服务热线的城市公共管理问题挖掘与治理优化途径

以海南省三亚市的“12345”市民服务热线数据为研究对象, 通过提取热线数据记录中的空间信息进行地理编码, 结合热线记录的原始信息, 刻画市民来电的时间、空间和类别特征。利用高频词分布及其相关性网络来归纳城市公共管理中的主要问题, 分析各类问题的时间变化特征和空间分布模式。用不同类型兴趣点(POI)反映城市功能, 用道路网反映城市结构, 探讨影响城市问题发生的因素。结果表明: 1) 热线记录以周为单位波动, 周中数量大于周末; 2) 城市问题发生数量前5类依次为噪音、建设施工、通信与网络、城市用水和停车, 且噪音与建设施工问题联系紧密; 3) 不同城市问题在时间上有不同的发生模式, 空间上集中分布在城市活动密集的区域; 4) 城市问题的发生与道路网密度关系不大, 与城市功能中的公共设施、交通设施和科教文化POI密度显著正相关, 与风景名胜、体育休闲和政府职能POI密度显著负相关。研究结果验证了“12345”市民服务热线在挖掘和刻画城市问题方面的有效性, 并提出利用大数据优化城市治理的途径(包括城市数据积累与分析、融合多源数据以及提高数据共享程度等), 对推动城市精细化治理和智慧城市建设具有迫切意义。     

面向低资源场景的论辩挖掘研究

由于论辩挖掘任务的复杂性，其往往需要大规模的相关语料进行训练；但当前的研究工作大多是针对单一领域数据进行建模求解，在数据较为匮乏的新兴领域中，论辩挖掘任务难以开展。因此，提出了一种面向低资源场景的多任务学习的论辩挖掘方法。该方法首先通过卷积神经网络（CNN）和高速神经网络（Highway）对原文本的字符信息进行编码，获得多个数据集在词级的共享信息表示，然后由双向的有序神经元-长短时记忆循环神经网络（Bi-ON-LSTM）进一步处理词级信息和任务相关特征的联合表示,挖掘文本中潜藏的层级结构信息。最后使用条件随机场（CRF）对模型进行求解得到最终的序列标注结果。该文实验采用德国UKP实验室的学生论文数据集、维基百科文章等六个数据集进行相关的对比实验。实验结果表明，该文提出的方法在宏观F1值上较基准模型有1%-2%的提升，有效地提升模型的整体性能。     

基于深度学习的土木工程计算机视觉健康监测

土木工程领域的健康监测对保证工程长期、稳定服务有着重要的意义。相较于传统的监测方法,基于深度学习的计算机视觉技术具有高效、准确等优势。对基于深度学习的计算机视觉技术在土木工程全生命周期健康监测领域中的应用进行系统综述。首先,借助文献可视化软件对该领域文献进行科学计量分析;其次,简要阐述了计算机视觉技术的发展历程,总结了在构建深度学习数据集过程中数据获取、数据处理和数据标注三个重要环节的方法与内容;最后,重点回顾了在施工现场安全管理、在役结构局部损伤检测和结构灾后整体损伤评估等应用场景中基于深度学习的计算机视觉技术的发展历程与工程实际应用价值,并展望了可拓展的应用方向。     

高分辨率遥感数据和POI数据支持下的城市土地利用分类——以宁波市某广场为例

遥感影像数据用于城市土地利用分类由来已久,但这种方法难以识别建筑物的社会经济属性.而包含社交媒体数据在内的多源数据为城市研究与应用提供了丰富的数据资源,能有效弥补遥感影像数据无法体现建筑物内在特征的不足.以宁波市某广场为例,利用高分辨率遥感数据和兴趣点(POI)数据,结合主题模型,研究使用多源数据融合是否会对城市土地利...     

基于多源大数据的轨道交通站域街道品质多维评价分析——以成都市三环内地铁站域街道为例

为了科学测度、准确评价站域街道的空间品质并实现有效优化,选取成都市73个地铁站域,以街道网络、POI（point of interest）、街景图片等多源大数据为支撑,运用机器学习、sDNA分析（spatial design network analysis）等技术,构建了以便捷性、功能性与舒适性为核心的评价体系,进行站域街道空间品质的大规模定量评价,并针对不同等级的站点提出了导控策略。结果表明,在城市整体层面,68.03%的站域街道评分低于中等水平,街道功能性与舒适性普遍较好,便捷性较差;在站域层面,街道空间品质呈现出南高北低、西高东低、内高外低的分布特征。研究使人本尺度的分析精度、站点尺度的分析深度和城市尺度的分析广度得以兼顾,有助于创建高效的城市管理动态反馈机制。     

基于文献研究的精益建造与数字技术集成综述

精益建造（LC）与数字技术集成是提高建筑业经济效益和生产效率的关键,也是近年来理论研究和实践创新的热点领域。鉴于目前尚无学者对精益建造与数字技术集成进行系统总结,针对国内外学术刊物发表的精益建造以及应用于建造领域与数字技术相关的研究论文,采用文献计量学和重点文献分析等方法,进行系统分析和归纳。结果表明,数字技术（特别是建筑信息模型（BIM）技术）逐步成为精益建造应用推广的关键支撑,两者深度融合能产生正向协同效应,进一步提高项目管理效率并降低项目管理成本。     

数据聚类算法在web数据挖掘中的应用

在数据挖掘的实现过程中,聚类分析已经成为数据挖掘研究领域中一个非常活跃的研究课题。聚类是数据挖掘中一种重要的挖掘方法,它从数据库中计算发现数据中隐舍的有用信息或知识,数据聚类在很多领域中有着广泛的应用。该文研究的主要内容是数据聚类算法在Web数据挖掘中的应用,获得的聚类结果可以作为web网站结构的优化,站点的重构以及个性化的服务和推荐的重要依据。     

多源数据视角下城市建成环境对城市活力空间分布的影响机制

城市活力一直是城市规划领域的热点话题。研究使用百度人口热力数据度量城市活力,使用POI数据、城市矢量数据、夜间遥感影像数据等度量合肥市区建成环境,利用OLS线性回归与GWR地理加权回归模型探究合肥市城市活力与建成环境之间的影响机理。研究结果表明：①合肥市区的城市活力总体呈现出由中心向四周逐级递减、局部高值集中的空间分异特征,空间分布极不均衡。②建成环境对城市活力影响具有空间异质性。提升地区功能混合度、建筑平均层数以及基础设施完善度能够在全局范围内有效改善地区活力;而居住人口密度、街区POI密度、道路交叉口密度、建筑容积率、绿化水域覆盖率、共享单车密度、商业服务设施可达性、教育文化设施可达性等指标则因空间位置的不同而对城市活力产生促进或抑制的双重作用;与公交站最近距离、与地铁站最近距离指标则与城市活力具有负相关性。结合研究结果对城市规划与管理提出一定建议,有助于城市开展精细化与差异化街区建设,促进城市良性发展。     

基于学术知识图谱的增强语义表示与检索

知识图谱作为一个巨大的知识网络图,其中包含着实体概念、关系等信息.基于深度学习的语义表示虽然泛化性强,但对于一些专有知识的敏感度不高,所以许多研究尝试将知识图谱与神经网络结合.目前大部分知识图谱语义表示的方法是围绕通用领域知识图谱展开的,没有针对学术领域的知识图谱语义表示方法的研究.本文以学术文献的全文本数据为研究对象,从基于学术知识图谱的语义表示方法切入研究,在构建学术知识图谱的基础上,对通用领域的研究方法（K-BERT）进行领域化改进（KEBERT）,进一步使用实体知识增强文本的语义信息.通过开展下游任务的对比实验,在学术检索数据集上验证KEBERT、K-BERT和ERNIE的性能.实验采用检索任务中常用的NDCG评价指标对结果进行评价,实验结果表明改进后的KEBERT在检索任务上的效果优于其他模型.     

基于POI和主动学习的城市功能区分类方法研究

城市功能区是认知城市复杂系统的重要单元。然而，由于城市系统的复杂性，城市功能区分类目前仍存在一定的挑战。本文提出构建一种基于POI(Point of Interest，兴趣点)和主动学习算法的城市功能区分类方法。一方面，该方法采用的主动学习算法是一种半监督分类方法。相较于非监督分类方法，该方法可具有更高的分类精度；相较于监督分类方法，该方法仅需标记少量的功能区类型，而由于城市系统的复杂性，功能区类型的标记往往需要行业专家的专业知识及对城市深入地熟悉与了解。另一方面，相较于现有研究中常用的大数据（高空间分辨率遥感影像、POI、移动通信、公交刷卡等社会感知数据），该方法选择的POI数据具有易获取、数据完整性高且兼顾城市系统中地理实体的自然属性和社会经济属性的特点，使得本方法具有较高的可行性。本文以北京市朝阳区为例，采用该方法进行城市功能区分类，并将识别结果与人工识别结果进行对比分析，验证了本方法的可行性与准确性，然后分析了该方法实现过程中的两个重要参数对分类结果准确性的影响。     

基于机载激光雷达和遥感影像融合的地物探测方法研究

机载激光雷达（LIDAR）技术可以快速的获取地表的高精度三维点云数据,在三维城市模型（3DCM）的构建等许多领域有着极其广泛的应用.目前对机载激光雷达数据的处理主要体现在对数据的滤波和分类,仅靠单一的LIDAR数据难以实现很好的效果.本文利用常熟市的激光雷达数据及其遥感影像作为基本数据源,提出将两者加以融合的思想对地物进行滤波和分类,达到了良好的效果.     

苏州市汽车服务业空间分布及影响因素分析

基于苏州市汽车服务业POI数据,以镇街为尺度探讨汽车服务业在城市内部的分布特 征,并在此基础上,利用负二项回归模型探究苏州汽车服务业区位选择的影响因素。研究发现： （1）苏州市汽车服务业企业空间分布不均匀,总体呈现出“多中心、块状集聚”特征;（2）不同类型的 汽车服务业空间集聚强度不同,集聚强度由大到小依次为销售型、服务型和维修型;（3）汽车服务 业企业分布受交通条件、集聚条件、人口密度和城乡区位等多因素影响,其中集聚条件对汽车服务 业的区位选择影响最为显著。     

基于文献计量可视化的中外“建筑信息模型+大数据”研究现状对比

建筑信息模型(building information modeling,BIM)与大数据集成应用为项目智慧化管理提供新方法,该领域近年来深受中外学者关注.为了更全面了解该领域的研究情况,以Web of Science数据库研究类文献及中国知网数据库期刊文献作为数据来源,运用文献计量可视化方法,以Citespace、Ucinet软件为分析工具,梳理2014-2019年期间发表的文献,绘制可视化知识图谱,从研究热点、研究演进趋势两个方面进行分析.结果 表明:中外“BIM+大数据”集成研究各有所侧重点,以智能管理和智慧决策为目标,深度集成物联网、云计算、人工智能等新兴技术,服务于智慧城市建设与智慧建造的发展是未来研究趋势.     

基于WEB的数据挖掘研究综述

运用数据挖掘技术进行Web数据挖掘成为数据分析领域中的一个重要研究热点,与传统数据相比较,Web数据具有结构复杂、形式多样与内容广泛等特点,且用户对其需求亦是五花八门的,这对数据分析领域提出了更大的挑战.基于为研究Web数据挖掘提供参考,将Web数据挖掘粗略地分为三类:内容挖掘、结构挖掘和使用挖掘,并分别进行了综述,然后根据当前的应用现状分析了这一研究领域的几个研究方向.     

深度神经网络算法研究及应用

深度神经网络通过低层特征组合从而形成高层特征,以此来找出数据分布特征形式,深度神经网络同时也是人工智能研究领域的重点。伴随计算机技术发展以及数字设备数量增长,数据以非常快的速度增长,如何对快速增长的数据进行有效利用并且挖掘其价值,是面对海量数据需要思考的问题。本文就深度神经网络算法研究及应用做简要阐述。     

Web 3.0与信息智能获取研究综述

大数据时代下,如何对数据进行更好的应用,已经成为当前研究热点.Web 3.0技术可以实现信息的深度挖掘,并将散布于网络中的信息点及用户需求点予以有效整合及对接.采用文献研究法,对相关文献进行梳理,进一步的分析Web 3.0的内涵以及其与Web 2.0、Web 1.0的主要区别,并就Web 3.0以及当前环境下信息智能获取关键技术进行分析和探讨,发现Web 3.0下信息智能获取技术已经能够实现协同过滤等难度较大的模型,但是还存在着一些问题,尚待进一步的深入研究.     

基于POI数据的南昌市零售业空间布局研究

利用POI数据研究城市零售业布局成为一种社会发展的推进剂。以南昌市POI数据为基础，运用标准差椭圆法、最近邻指数法、核密度估计法分析南昌市零售业空间分布特征及影响因素。研究结果表明:南昌零售业在空间分布上以赣江为轴，沿赣江分布红谷滩核心和老城核心2个主要核心，形成城东商圈、高新区商圈、九龙湖商圈、西湖商圈等多个次要核心。交通、人口、经济环境等因素对南昌市零售业空间布局影响较为明显。整体来看，南昌市零售业POI数据研究结果能够真实地反映南昌市零售业空间分布特征，可为南昌市城市规划提供一定参考。