2018年GIS学術年次大会の概要
昨年は、議題を開くのが不安で長沙に行って会議に参加しましたが、今年は北京から福州に戻り、卒業のプレッシャーを抱えて太原に移りましたが、またしても参加できてとても光栄でした。 2018年GIS学術年次会議。心の中には不安が残りますが、ダイ・チャオ先輩が私に話しかけて、このように良い学習環境が整っているのは本当に良いことだと言い、とても幸運だと感じています。この年次学術会議は、次から次へと思索の饗宴が行われ、各学者が科学に熱意を持って集中する様子を観察する、一種の「見上げる山、達成できないが立ち止まる景色」のようなもので、しかし、それを切望している」崇拝が自然に生じます。いつものように、この年次学術会議は、航空遠隔制御から屋内測位まで、都市コンピューティングから軌道マイニングまで、時空間分析から人工知能まで、ビデオ GIS から仮想現実まで、地理モデリング シミュレーションから空間データ ストレージまで、あらゆる内容をカバーします。上品さと下品さが共存し、その深さはあなたが選ぶことができると言えます。私は常に、GIS の理論と手法に基づいて、ネットワーク テキスト、ビデオ画像、従来の座標データなどのマルチソース データを使用し、コンピュータ テクノロジを使用して、現実社会の問題に答えて解決しようとする方法に興味がありました。データマイニングによる問題です。したがって、主に 2 つの側面に焦点が当てられています: (1) マルチソース データの取得と処理、(2) GIS をあらゆる分野と組み合わせるというビジョンの拡大。そこで、時空間データの分析とマイニング、マルチソースデータの処理と応用、国境を越えた思考の拡張とインスピレーションの3つの側面から以下をまとめます。
1. 時空間データ分析とマイニング
一般的に理解されている地理的ビッグデータ マイニングは、空間的位置を伴うデータを使用して、時間と空間における自然および社会問題の特性を研究し、それに基づいて時間と空間での現象の形成を分析することです。空間的思考の機能を備え、さまざまな意思決定に対する科学的な説明と解決策を提供します。したがって、研究は多くの場合、問題駆動に焦点を当て、興味深い点を発見し、その後、さまざまなデータを使用して現象を分析します。もちろん、科学研究はデータのサポートによって制限されることが多く、既存のデータに関する科学的問題に関する研究が不足することはありません。しかし、ビッグ地理データに基づいて、新しい知識を発見したり、新しい分析手法を提供したりできるかどうか、問題そのものにさらに注目します。
武漢大学の秦坤教授は、複雑なネットワーク理論と手法を用いて、一帯一路地域諸国間の交通ネットワーク、貿易ネットワーク、イベントネットワークの相互関係を研究し、国際関係と地政学的分析の基礎を提供した。地域での研究。北京連合大学のMeng Bin教授は、Weiboのデータと文化財保護単位のデータを使用して、実体とテキストの2つの空間から文化遺産の時間的および空間的相関を定量的に調査しました。Beida Huangzhou は、flickr の写真データセットに基づいて、観光スポットを景勝地として抽出し、天気予報テキストとその他のコンテキスト情報を組み合わせて、ユーザーの興味の特性を掘り起こし、景勝地に対するモデルベースのパーソナライズされた推奨システムを確立します。Xue Cunjin 氏は、時系列降雨データを使用して、大雨の展開の抽出と追跡に集中するプロセス指向の方法を提案しました。Yi Jiawei は、動的なマルチソース データと異常検出手法を使用して、都市交通に対する暴風雨の影響を迅速に検出し、定量的に表現します。Fan Zide博士は、携帯電話測位のビッグデータに基づいた都市の動的な群集フラックスの概念とその計算方法を提案しました。深セン大学のジャン・ジンチェン博士は、携帯電話のローミングデータに基づいて群衆の移動の法則を測定し、複雑なネットワークとニューラルネットワークを使用して、短期的な都市経済成長の規模を予測しました。これは小さな知識の稀な例です。 。北京師範大学のスー・カイ氏は、携帯電話の信号データを使用して、九寨溝地震前後の人口変化パターンの特徴を分析した。水利水力研究研究所のリー・シャオタオ教授は、さまざまなリモートセンシングデータソースに基づいた干ばつモニタリング技術と方法について語ります。Dou Aixia 氏は、高解像度のリモート センシング画像を使用して、九才溝地震によって生じた損傷した道路を抽出しました。武漢大学のSu Shiliang氏は、ネットワークのユビキタス空間データに基づいて、都市家賃を動的に監視するための機械学習統合特性価格モデルを提案した。中山大学のユアン・ユアン教授は、リモートセンシング画像とオンライン家賃データを使用して、都市の貧困を空間的に測定しました。中山大学のチェン・イーミン氏は、タクシーのデータを巧みに利用して、都市部の医療の供給と需要の関係を分析しました。上記レポートの内容は、現実の社会問題を発見し、データや手法を用いて科学的に問題を説明し、合理的な提案を行うものです。
2. マルチソースデータの処理とアプリケーション
従来の数値データに加えて、個人は、科学研究や産業用途をサポートするために、空間的位置情報を含む写真、ビデオ、テキストなどの非構造化ユビキタス空間データにさらに注意を払っています。Zhongxing Technology Co., Ltd.のZhou Daliang氏は、位置情報とビデオシーンの間の空間論理マッピング関係を確立し、ビデオベースのGIS分析機能を提供し、AIテクノロジーを使用してビデオ内の動的な空間情報の迅速な抽出とビデオGISの応用を実現しました。大規模イベントのセキュリティ、指揮と派遣、コミュニティの警備などの実際のビジネス シナリオ。重慶郵電大学の Wei Jiangfan 教授は、コンテキスト情報とさまざまな種類のデータ ソースの相補性を統合することで、手動によるデータのラベル付けの作業負荷を軽減します。信陽師範大学のZhang Xingguo氏は、ビデオから静的ターゲット、動的ターゲット、およびターゲットの軌道を抽出し、統計分析を実行しました。南方師範大学のLiu Xuejun氏は、ビデオシーンを空間化するためのカメライメージングの原理を研究し、静的シーンの幾何学的補正と動的オブジェクトの非変形表現を実現し、ビデオマップの特徴分析、ラベル付けメカニズムを通じてビデオシーンマップの完全な構築プロセスを形成しました。と融合発現法の研究。
テキストには自然と社会に関する豊富な空間情報が含まれています。テキスト内の豊富な空間情報と意味情報をどのように人々に提供するか。主に 2 つの方向性があります。1 つはテキスト内の数値データと位置データを取得することです。 2 つ目は、機械の脳による地理知識の理解と応用をサポートするために、テキスト内の空間意味情報から地理知識ベースを構築することです。地理研究所の Qiu Peiyuan 博士は、ネットワーク テキストにおける地理知識の取得、理解、応用に長年従事してきました。彼の研究には、ネットワーク テキストからの地理的エンティティ、地理的関係、および地理的イベントの抽出が含まれており、その後、地理的情報を形成します。ナレッジ マップ。位置ベースのホログラフィック マップ、興味のある地点の推奨、広告配信、地理的意味検索、地理的インテリジェンス質問応答、地理的知識推論などのアプリケーションをサポートします。
3. 国境を越えたアイデアの拡張とインスピレーション
武漢大学のDu Qingyun教授は、第4回特別報告書「ソーシャル地理コンピューティング：理論的枠組みからカリキュラムシステム構築まで」の主要報告を行い、地理コンピューティングと社会学の統合が地理情報科学に新たな研究機会と課題をもたらすと指摘した。理論的枠組みは、人間が社会問題をよりよく理解して解決できるようにするために、ビッグデータの背後に隠された空間情報、空間法則、空間知識を掘り起こして洞察を得るために、経験的なメカニズムモデルとコンピューター思考プログラムを設計する方法にさらに注意を払っています。 。「彼が提案したアイデアは、私の視野を大きく広げてくれました。私たちが以前GISの研究に取り組んでいたとき、私たちはこの問題をGISのデータと手法で解決できるかどうかに重点を置いていました。そして、この問題はGISのカテゴリーです。しかし、空間多くの場合、情報は多くの社会問題のほんの一部にすぎず、私たちは狭い考え方のせいでこの科学的問題の研究を諦めがちです。実際、私たちが必要としているのは、適切な入口点、つまりソーシャル ジオグラフィック コンピューティングだけです。データの背後にある空間特性、空間法則、空間知識をマイニングして洞察することにより、この社会問題は GIS の特性を持ち、空間データの利用に焦点を当てるか、時空間分析を行うかに限定されることはありません。 。
もう一人は北京師範大学のチェン・チャンシュウ教授で、「水平方向は尾根、横方向は山、距離と高さが異なる」地理的ビッグデータに対する、さまざまな人々の異なる理解について独自の観点から解説しました。 (1) リモートセンシングデータ、携帯電話信号データ、タクシー軌跡データ等を含む社会認識（人間を研究対象とする）を対象とした研究、(2) 自然言語理解等を含むビッグデータ解析技術（手法研究を開始）、複雑なネットワーク、機械学習、深層学習など; (3) Hadoop、MapReduce などを含むデータ管理 (並列ストレージとコンピューティング)。次に、現実世界の複雑性を 3 つのポイントで紹介し、複雑なシステムはライフサイクルとともに進化する可能性があり、複雑性科学、機械学習などの手法を使用して、研究システムの不確実性に重点を置きます。 . そして、このプロセスは多くの場合元に戻せません。したがって、地理データ分析の新時代には新しい特徴があります: (1) 地理ビッグデータは地理的複雑さの研究に新しい機会を提供します; (2) 複雑さの科学 (人工知能と時空間統計) は地理的複雑さの計算研究に新しい機会を提供します; (4) ) 地理的な複雑さは、地理データ分析に新たな科学的問題を引き起こします。彼女は、GIS テクノロジーへの自身の取り組みから地理データ分析への移行を分析し、哲学的かつ体系的な観点から新時代の地理の特徴を説明し、第 4 のパラダイムに触発された地理の複雑さを紹介し、研究者にもオープンにしました。自分の基礎に基づいて、地理分野で自分に合った、興味のある研究職を見つけます。