最新亚洲人成网站在线观看,欧美午夜理伦三级在线观看,宝宝好涨水快流出来免费视频,性色欲网站人妻丰满中文久久不卡

隨著大數(shù)據(jù)時(shí)代的來臨，多源大數(shù)據(jù)正在興起，數(shù)據(jù)驅(qū)動(dòng)研究范式與地理學(xué)日益融合。基于個(gè)體行為的地理空間大數(shù)據(jù)可提供對海量個(gè)體行為模式的觀察，從而實(shí)現(xiàn)“由人及地”的社會(huì)感知，支持城市管理、交通、公共衛(wèi)生等不同應(yīng)用。本文從應(yīng)用角度，以地理空間大數(shù)據(jù)為重點(diǎn)，梳理其支持的6種應(yīng)用范式，按照層次從低到高依次為描述時(shí)空分布、識別異常對象、發(fā)現(xiàn)普適規(guī)律、揭示關(guān)聯(lián)關(guān)系、預(yù)測未來趨勢及優(yōu)化空間決策。其中，第1個(gè)方向是對地理現(xiàn)象和地理要素時(shí)空特征的簡單刻畫；第2～4個(gè)方向則注重探尋時(shí)空分布特征背后的規(guī)律和機(jī)理；最后兩項(xiàng)，則是在決策層面提供支持。繼而，本文指出大數(shù)據(jù)應(yīng)用中數(shù)據(jù)獲取、分析方法和應(yīng)用目標(biāo)3方面的問題。

地理空間大數(shù)據(jù); 時(shí)空分布; 異常對象; 普適規(guī)律; 關(guān)聯(lián)關(guān)系; 未來趨勢; 空間決策

國家自然科學(xué)基金(41830645)(42271426)

第一作者簡介：鄔倫（1964—），男，博士，教授，主要研究領(lǐng)域?yàn)榈乩硇畔⒖茖W(xué)、數(shù)字城市等。E-mail：wulun@pku.edu.cn

通訊作者: 劉瑜　E-mail：liuyu@urban.pku.edu.cn

鄔倫, 侯遠(yuǎn)樵, 劉瑜. 大數(shù)據(jù)的6種地理學(xué)應(yīng)用范式[J]. 測繪學(xué)報(bào), 2024, 53(8): 1465-1479 doi:10.11947/j.AGCS.2024.20230199

WU Lun, HOU Yuanqiao, LIU Yu. Six geographic application paradigms of big data[J]. Acta Geodaetica et Cartographica Sinica, 2024, 53(8): 1465-1479 doi:10.11947/j.AGCS.2024.20230199

隨著數(shù)據(jù)獲取技術(shù)的進(jìn)步，大數(shù)據(jù)概念逐漸走入人們的視野。大數(shù)據(jù)興起為科學(xué)研究帶來新型研究范式，即“數(shù)據(jù)驅(qū)動(dòng)范式”。文獻(xiàn)[1]認(rèn)為大數(shù)據(jù)會(huì)導(dǎo)致“理論的終結(jié)(end of theory)”，即大數(shù)據(jù)研究不需要領(lǐng)域先驗(yàn)知識與假設(shè)，然而這一觀點(diǎn)比較絕對化，引發(fā)了反駁和廣泛討論[2]。就地理學(xué)領(lǐng)域而言，大數(shù)據(jù)并未消亡地理學(xué)理論，而是為發(fā)現(xiàn)地理規(guī)律提供前所未有的數(shù)據(jù)支持，使理論體系更加完善。與一般大數(shù)據(jù)相比，地理空間大數(shù)據(jù)的獨(dú)有特征決定其在地理學(xué)知識發(fā)現(xiàn)過程中的重要地位。文獻(xiàn)[3]指出，地理空間大數(shù)據(jù)具有兩個(gè)重要特征，即個(gè)體粒度與時(shí)空標(biāo)記。首先，相對于傳統(tǒng)數(shù)據(jù)集，大部分地理空間大數(shù)據(jù)可以精確到個(gè)體粒度。這類數(shù)據(jù)在個(gè)體活動(dòng)中產(chǎn)生，可以記錄個(gè)體詳細(xì)位置與語義信息。盡管單個(gè)個(gè)體空間移動(dòng)具有隨機(jī)性，但群體層面可以涌現(xiàn)出規(guī)律性，因此海量個(gè)體位置語義信息可以充分刻畫空間現(xiàn)象分布模式。其次，地理空間大數(shù)據(jù)具有時(shí)空標(biāo)記，相比非地理空間大數(shù)據(jù)增加時(shí)空語義與時(shí)空約束，地理空間大數(shù)據(jù)挖掘可得到時(shí)空標(biāo)記背后蘊(yùn)含的信息。因此，地理空間大數(shù)據(jù)可為地理知識發(fā)現(xiàn)和決策支持提供豐富的信息來源，推動(dòng)地理學(xué)領(lǐng)域方法論革命。在地理空間大數(shù)據(jù)興起的背景下，地理信息科學(xué)的新使命則是針對不同類型大數(shù)據(jù)，以刻畫地理空間特有理論為基礎(chǔ)，引入相關(guān)學(xué)科(如計(jì)算機(jī)科學(xué)、復(fù)雜性科學(xué)等)分析方法，挖掘地理知識，服務(wù)于城市與區(qū)域規(guī)劃、公共衛(wèi)生、交通管理等領(lǐng)域應(yīng)用。

目前，已有學(xué)者從不同角度對大數(shù)據(jù)相關(guān)研究進(jìn)行綜述。文獻(xiàn)[4]總結(jié)了時(shí)空聚類、時(shí)空異常、時(shí)空關(guān)聯(lián)及時(shí)空預(yù)測4種分析方法研究現(xiàn)狀，并深入分析其分析模型如何幫助理解多模態(tài)時(shí)空大數(shù)據(jù)隱含地理知識。文獻(xiàn)[5]總結(jié)多模態(tài)地理空間大數(shù)據(jù)可視化方法，從描述性、解釋性和探索性3個(gè)層次梳理研究進(jìn)展。文獻(xiàn)[6]針對時(shí)空大數(shù)據(jù)挖掘，討論數(shù)據(jù)挖掘領(lǐng)域內(nèi)時(shí)空模式發(fā)現(xiàn)、時(shí)空聚類與分類及時(shí)空異常檢測方法，并闡釋時(shí)空大數(shù)據(jù)挖掘系統(tǒng)架構(gòu)。前人的梳理各具特色，然而大多以研究方法為切入點(diǎn)。這些以方法為核心的梳理固然重要，然而不同應(yīng)用目標(biāo)導(dǎo)向的研究，其范式差異同樣值得探討和歸納。

人類活動(dòng)規(guī)律可以反映地理要素的一階分布特征。近年涌現(xiàn)出大量相關(guān)研究，利用高頻細(xì)粒度數(shù)據(jù)與傳統(tǒng)數(shù)據(jù)源融合，探索不同空間尺度下低頻變化的地理環(huán)境分布屬性。場所尺度下，通過使用各種人類活動(dòng)數(shù)據(jù)，如人流量數(shù)據(jù)、OD交互數(shù)據(jù)及帶有地理標(biāo)簽的微博文本數(shù)據(jù)，可以采用表示學(xué)習(xí)方法揭示城市混合用地特征[10]。城市尺度下，利用移動(dòng)設(shè)備位置數(shù)據(jù)反映通勤空間特征[11]、多類出行模型差異[12]，進(jìn)而反映地理環(huán)境分布特征，如通過通勤定位數(shù)據(jù)反映城市結(jié)構(gòu)[13]、職住空間分布[14-15]等，出行刷卡數(shù)據(jù)可以用于分析城市結(jié)構(gòu)[16]等。使用社交媒體數(shù)據(jù)，通過情緒識別的方法可以反映群體心理空間分布[17]，繪制“情緒地圖”[18]。此外，社交媒體數(shù)據(jù)也可以揭示城市用地類型[19]、多中心結(jié)構(gòu)[20]。在全球尺度下，文獻(xiàn)[21]使用全球300萬用戶手機(jī)定位數(shù)據(jù)，揭示全球不同國家和地區(qū)人類移動(dòng)模式差異性。利用Twitter數(shù)據(jù)，通過語義分析手段同樣可以描述世界范圍內(nèi)的微觀人群移動(dòng)模式[22]及宏觀人口流動(dòng)分布[23]。利用微博數(shù)據(jù)，文獻(xiàn)[24]基于CNN-BERT模型分析了新冠疫情影響范圍的空間分布特征，從而評估疫情對居民日常生活的影響。

人類活動(dòng)也能反映地與地之間二階交互特征，不同地點(diǎn)間人類移動(dòng)可以顯著反映“地”與“地”之間關(guān)聯(lián)關(guān)系強(qiáng)弱?？臻g交互模式的形成依賴于4種空間效應(yīng)，包括距離衰減效應(yīng)、空間依賴與社區(qū)結(jié)構(gòu)效應(yīng)、尺度效應(yīng)和地理空間復(fù)雜性效應(yīng)[25]，而二階交互現(xiàn)象可以直接體現(xiàn)這些效應(yīng)。文獻(xiàn)[26]使用全國范圍手機(jī)移動(dòng)定位數(shù)據(jù)，以O(shè)D流快照刻畫空間交互，揭示春節(jié)前后人口遷移所反映的城市空間格局。文獻(xiàn)[27]使用全國移動(dòng)定位數(shù)據(jù)，通過網(wǎng)絡(luò)分析揭示中國城市之間“源-匯”結(jié)構(gòu)。“地”與“地”之間存在跨尺度關(guān)聯(lián)，展現(xiàn)出等級性。文獻(xiàn)[28]利用百度慧眼數(shù)據(jù)分析廣州、深圳飛機(jī)客源地在北京、上海的居住地用地類別狀況，根據(jù)客源地在亞城市尺度空間分布分析到訪地城市尺度功能差異。相對于一階分布屬性，二階交互特征研究更加偏向于網(wǎng)絡(luò)視角下的探索。圖1展示了北京與廣深之間的客流聯(lián)系，可以反映廣深兩地城市功能傾向差異。該研究是分布特征描述范式的典型案例。

圖1 城市功能跨尺度映射[28]

空間相關(guān)性與異質(zhì)性是本范式重點(diǎn)刻畫的性質(zhì)，而二者隨著時(shí)空尺度改變會(huì)發(fā)生相互轉(zhuǎn)化，存在著跨尺度疊加現(xiàn)象[9]。同時(shí)隨著空間尺度變化，研究關(guān)注的時(shí)序特征也會(huì)變化。城市內(nèi)尺度更加關(guān)注日常人群流動(dòng)，而更大空間尺度下更加關(guān)注宏觀人口遷移。確定合適的時(shí)空尺度，選擇適宜的可視化方式，才能更好地呈現(xiàn)時(shí)空分布模式。

2.2　捕捉異常對象

針對行為異常群體的探測，地理空間大數(shù)據(jù)可以提供群體個(gè)體粒度移動(dòng)軌跡和行為信息。此類研究往往需要有關(guān)人類移動(dòng)的先驗(yàn)知識作為支撐。文獻(xiàn)[32]利用公共交通系統(tǒng)刷卡數(shù)據(jù)，尋找和大多數(shù)用戶行為模式不同的特殊人群，如早起者、晚歸者、頻繁出行者及長距離通勤者(圖2)。對于異常地理單元的捕捉，地理空間大數(shù)據(jù)可以提供詳細(xì)場所外觀、屬性信息，捕捉前人難以注意到的特殊場所。文獻(xiàn)[33]利用街景數(shù)據(jù)和社交平臺(tái)簽到數(shù)據(jù)，捕捉城市當(dāng)中外表不起眼但具有潛在吸引力的場所，這些場所外表平常，但非常受本地人歡迎。文獻(xiàn)[34]結(jié)合社交媒體數(shù)據(jù)研究城市當(dāng)中由于供需不匹配及人口流失導(dǎo)致的“鬼城”現(xiàn)象。時(shí)間維度，通過分析細(xì)粒度人群活動(dòng)數(shù)據(jù)背后時(shí)序過程差異，可以識別一些特殊空間變化過程，如微觀人口密度異?；蛘呔植寇嚵髁慨惓５?，從而為災(zāi)害預(yù)警提供幫助[35]。由圖2可知，該研究通過分析北京市智能卡刷卡數(shù)據(jù)識別4類特殊出行群體(早起者、晚歸者、頻繁出行者及長距離通勤者)，是捕捉異常對象范式下的典型案例。

圖2 基于智能刷卡數(shù)據(jù)識別極端出行群體(改自文獻(xiàn)[32])

傳統(tǒng)地理學(xué)研究將時(shí)空異常探測視作重要研究議題，然而傳統(tǒng)數(shù)據(jù)采集有偏性和稀疏性導(dǎo)致其無法獲取細(xì)粒度信息，容易忽略時(shí)空異常。地理空間大數(shù)據(jù)超覆蓋特性使其可以提供更加全面的信息，從而可以發(fā)掘出一些以往難以捕捉的異常，擴(kuò)展異常探測應(yīng)用范圍，然而這一范式對合理定義與識別異常的要求更高，需要結(jié)合具體問題情景綜合考慮如何區(qū)分噪聲與有意義的異常值。

2.3　發(fā)現(xiàn)普適規(guī)律

守恒量和穩(wěn)定分布方面，目前人類移動(dòng)性領(lǐng)域利用個(gè)體軌跡數(shù)據(jù)發(fā)現(xiàn)規(guī)律較多[39]。大數(shù)據(jù)支持移動(dòng)性研究，始于兩項(xiàng)實(shí)證研究[40-41]。這兩項(xiàng)研究分別使用手機(jī)信令數(shù)據(jù)及鈔票流通數(shù)據(jù)，描述個(gè)體移動(dòng)普適空間特征，并建立隨機(jī)游走模型，解釋人類移動(dòng)步長的分布模式。文獻(xiàn)[42]使用手機(jī)位置數(shù)據(jù)和匿名GPS定位數(shù)據(jù)，擴(kuò)展已有人類移動(dòng)實(shí)證規(guī)律，針對隨機(jī)游走類模型弱點(diǎn)提出探索-偏好返回機(jī)制模型，修正對人類移動(dòng)性機(jī)制的理解。在其基礎(chǔ)上，針對個(gè)體移動(dòng)數(shù)據(jù)當(dāng)中挖掘出的其他普適性質(zhì)，如有限最常訪問地點(diǎn)數(shù)[43]、人群移動(dòng)模式分異[44]及出行頻率分布(圖3)[45]等，并分別引入更多機(jī)制進(jìn)行建模解釋。由圖3可知，研究利用個(gè)體移動(dòng)數(shù)據(jù)發(fā)現(xiàn)人類移動(dòng)距離-頻率普適規(guī)律，是發(fā)現(xiàn)普適規(guī)律范式的典型研究。

圖3 基于個(gè)體移動(dòng)數(shù)據(jù)的人類移動(dòng)距離-頻率普適規(guī)律[45]

針對上述普適規(guī)律的機(jī)理建模方式在一定程度上忽略地理環(huán)境的影響。已有研究引入實(shí)際交通網(wǎng)絡(luò)，以此為基礎(chǔ)探索個(gè)體移動(dòng)規(guī)律。文獻(xiàn)[46]利用地鐵刷卡數(shù)據(jù)，研究城市內(nèi)通勤時(shí)間問題，發(fā)現(xiàn)45 min是通勤時(shí)間分布關(guān)鍵節(jié)點(diǎn)，并對于出行人群進(jìn)行分類，研究各類別人群對應(yīng)的社會(huì)經(jīng)濟(jì)條件。文獻(xiàn)[47]利用地鐵刷卡數(shù)據(jù)，發(fā)現(xiàn)個(gè)體出行當(dāng)中選擇的路線數(shù)維持在一個(gè)固定數(shù)值范圍之內(nèi)，刻畫地理網(wǎng)絡(luò)可導(dǎo)航性(圖4)。這一類普適規(guī)律研究以空間網(wǎng)絡(luò)為根基，研究個(gè)體基于網(wǎng)絡(luò)的普遍行為。守恒量與穩(wěn)定分布的發(fā)現(xiàn)，集中于微觀層次，更多聚焦于“人”的行為，這是由于在宏觀尺度下地理要素組織形式多樣，很難發(fā)現(xiàn)普適模式；微觀層面?zhèn)€體移動(dòng)更多地遵循普遍的簡單策略。正是微觀層次簡單的運(yùn)行規(guī)則，才能造就宏觀地理空間復(fù)雜現(xiàn)象。由圖4可知，發(fā)現(xiàn)地鐵網(wǎng)絡(luò)上人出行線路數(shù)有普遍固定上限[47]。該研究是考慮交通網(wǎng)絡(luò)的普適規(guī)律發(fā)現(xiàn)范式研究。

圖4 基于地鐵刷卡數(shù)據(jù)的出行路線數(shù)量普適上限[47]

除去單變量守恒量和穩(wěn)定分布，“地”視角下的穩(wěn)定數(shù)量關(guān)系同樣是普適規(guī)律研究重點(diǎn)。其中，城市標(biāo)度律研究是代表性領(lǐng)域之一[48-49]，它指城市宏觀指標(biāo)隨城市規(guī)模增長所展現(xiàn)出的冪律關(guān)系。在地理空間大數(shù)據(jù)興起之前，標(biāo)度律主要關(guān)注宏觀指標(biāo)，難以捕捉城市內(nèi)要素，尤其是細(xì)粒度人類活動(dòng)展現(xiàn)出的標(biāo)度律。地理空間大數(shù)據(jù)興起使得城市標(biāo)度律研究重?zé)ㄉ鷻C(jī)。文獻(xiàn)[50]引入活動(dòng)人口刻畫人口規(guī)模，利用群體移動(dòng)定位數(shù)據(jù)研究亞城市尺度標(biāo)度律形成機(jī)制。利用手機(jī)信令數(shù)據(jù)、城市中交互(圖5)[51]、商業(yè)POI數(shù)量[52]等指標(biāo)與人口規(guī)模間的標(biāo)度律關(guān)系得以揭示。此外，OD流數(shù)據(jù)提供了利用交互數(shù)據(jù)重新確定標(biāo)度律研究中更合理地理邊界的機(jī)會(huì)[53]。

圖5 基于手機(jī)數(shù)據(jù)的交互量隨城市規(guī)模的標(biāo)度律[51]

作為總結(jié)，普適規(guī)律常常與復(fù)雜系統(tǒng)理論相關(guān)。復(fù)雜性理論通過建立個(gè)體交互模型和網(wǎng)絡(luò)動(dòng)力學(xué)模型，幫助理解普適規(guī)律形成機(jī)制。合理的假設(shè)是建立此類機(jī)理模型的關(guān)鍵，也是大數(shù)據(jù)在白箱模型中發(fā)揮作用的基礎(chǔ)。同時(shí)，空間尺度、適用范圍是普適規(guī)律需要考慮的另一類重要問題，它們決定機(jī)制的實(shí)際意義。利用地理空間大數(shù)據(jù)發(fā)現(xiàn)普適規(guī)律，可以更準(zhǔn)確地捕捉人類移動(dòng)和地理空間演化的普遍動(dòng)力，然而在解釋機(jī)制時(shí)需要警惕影響因素的過度簡化，協(xié)調(diào)地理空間異質(zhì)性和規(guī)律普遍性。

2.4　挖掘關(guān)聯(lián)關(guān)系

在大數(shù)據(jù)幫助下，時(shí)空關(guān)聯(lián)規(guī)則挖掘發(fā)展出局部關(guān)聯(lián)規(guī)則挖掘、關(guān)聯(lián)規(guī)則統(tǒng)計(jì)推斷和考慮額外約束的關(guān)聯(lián)規(guī)則挖掘諸多方向[54]。受益于海量數(shù)據(jù)及豐富的語義標(biāo)簽，本范式的核心在于利用地理空間大數(shù)據(jù)支持機(jī)器學(xué)習(xí)模型進(jìn)行訓(xùn)練，挖掘出隱含的深層次關(guān)聯(lián)，使小數(shù)據(jù)集上難以完成的訓(xùn)練成為可能。與前述普適規(guī)律中的穩(wěn)定關(guān)系不同，本范式所關(guān)注的關(guān)系并不需要嚴(yán)格的機(jī)制性解釋，其挖掘方法也更加偏向黑箱模型的方法。

使用街景影像數(shù)據(jù)挖掘關(guān)聯(lián)模式是關(guān)聯(lián)關(guān)系研究當(dāng)中一個(gè)重要分支。街景數(shù)據(jù)可挖掘?qū)傩缘姆秶鷺O廣：城市自然環(huán)境方面，顆粒物大氣污染[55]、太陽眩光[56],“聲景”環(huán)境[57]都是街景數(shù)據(jù)可以挖掘的變量；城市建成環(huán)境方面，街景數(shù)據(jù)中可以挖掘出建筑物年齡[58]、用地類型[59]；城市人群特征方面，街景數(shù)據(jù)可以挖掘出居民情緒信息[60]、交通流量[61]、人群移動(dòng)特征[62]、社區(qū)內(nèi)人口組成[63]等因素；城市社會(huì)屬性方面，街景數(shù)據(jù)大有可為，不僅可以挖掘出能源消耗[64]、房價(jià)[65]等局部信息，還可以挖掘出宏觀社會(huì)經(jīng)濟(jì)指標(biāo)信息[66]。此外，其他數(shù)據(jù)源產(chǎn)生的地理空間大數(shù)據(jù)同樣可以輔助關(guān)聯(lián)關(guān)系挖掘。個(gè)體定位數(shù)據(jù)可以用于揭示與人類活動(dòng)有關(guān)的不同因素間的相關(guān)性，文獻(xiàn)[67]利用手機(jī)GPS定位數(shù)據(jù)，融合遙感影像數(shù)據(jù)發(fā)現(xiàn)新型冠狀病毒傳播風(fēng)險(xiǎn)與環(huán)境指標(biāo)、住房條件之間的關(guān)系。

除空間相關(guān)性外，學(xué)者們試圖揭示空間現(xiàn)象背后的因果關(guān)系：城市尺度下，文獻(xiàn)[68]利用海量社交媒體數(shù)據(jù)，與土地利用數(shù)據(jù)結(jié)合，探討CBD位置及路網(wǎng)結(jié)構(gòu)對城市用地分布的驅(qū)動(dòng)作用；國家尺度下，文獻(xiàn)[69]利用疫情期間人口流動(dòng)數(shù)據(jù)、全國疫情數(shù)據(jù)分析人類移動(dòng)性和管控政策對疫情傳播的影響；全球尺度下，文獻(xiàn)[70]利用全球社交媒體數(shù)據(jù)，分析不同國家和地區(qū)的情緒高低(圖6)，由此衡量封控政策為不同區(qū)域居民帶來的正向或負(fù)向情緒影響[70]。地理學(xué)中因果關(guān)系復(fù)雜，大量因素相互耦合，這為理解空間現(xiàn)象因果關(guān)系造成困難。近年興起的因果推斷方法研究可能會(huì)成為揭示地理現(xiàn)象背后形成機(jī)制的新手段。挖掘關(guān)聯(lián)關(guān)系致力于尋找看似無關(guān)的時(shí)空屬性之間內(nèi)在關(guān)系，為時(shí)空預(yù)測優(yōu)化提供理論基礎(chǔ)。

圖6 通過社交媒體數(shù)據(jù)研究疫情及封控政策對人群情緒的影響[70]

2.5　預(yù)測未來趨勢

在城市及以下尺度，地理現(xiàn)象預(yù)測更關(guān)注相對微觀的現(xiàn)象，即偏向于對人的預(yù)測。針對個(gè)體的位置預(yù)測對于場所推薦、公共管理等領(lǐng)域均有重要意義。使用軌跡定位數(shù)據(jù)，可以捕捉個(gè)體移動(dòng)模式，進(jìn)而預(yù)測其位置[71]。使用社交媒體數(shù)據(jù)，可以直接從文本語義信息當(dāng)中預(yù)測用戶位置[72]。交通流預(yù)測是時(shí)空預(yù)測的一個(gè)重要方向。交通流可預(yù)測性，來源于交通現(xiàn)象的時(shí)空相關(guān)性，目前已經(jīng)產(chǎn)生大量相關(guān)研究，如圖7所示[73]，其主要研究方法包括深度神經(jīng)網(wǎng)絡(luò)[74]、時(shí)序神經(jīng)網(wǎng)絡(luò)[75-76]、殘差圖卷積網(wǎng)絡(luò)[77]等，應(yīng)用于基礎(chǔ)設(shè)施等領(lǐng)域[78]。

圖7 交通流預(yù)測方法框架[72]

前文所述挖掘異常對象的應(yīng)用范式，和時(shí)序預(yù)測范式也存在對立統(tǒng)一的關(guān)系。實(shí)際應(yīng)用層面，實(shí)時(shí)預(yù)測系統(tǒng)在交通、安全等領(lǐng)域發(fā)揮重要作用，在這一類系統(tǒng)當(dāng)中，局部異常值代表著非常規(guī)事件，如交通擁堵、踩踏事故等。另一方面，探測與分析異常值，也可以幫助優(yōu)化時(shí)序預(yù)測模型本身。建立時(shí)序預(yù)測模型，需要從真實(shí)值和預(yù)測值之間的差異當(dāng)中，區(qū)分模型系統(tǒng)性偏差和觀測值波動(dòng)性誤差，通過不斷修正模型對每一個(gè)時(shí)間節(jié)點(diǎn)給出預(yù)測，在提高預(yù)測能力的同時(shí)更準(zhǔn)確地捕捉異常，兩個(gè)過程相輔相成。利用大數(shù)據(jù)進(jìn)行時(shí)空預(yù)測具有廣泛應(yīng)用前景，但仍需注意預(yù)測模型在具體地理問題中的適用性強(qiáng)弱。

2.6　優(yōu)化空間決策

地理空間大數(shù)據(jù)支持下的優(yōu)化目標(biāo)可分為靜態(tài)目標(biāo)和動(dòng)態(tài)目標(biāo)，從優(yōu)化對象的角度來看，二者分別對應(yīng)于對地優(yōu)化和對人優(yōu)化。靜態(tài)目標(biāo)主要包括地理要素的空間組合方式。如交通網(wǎng)絡(luò)設(shè)施優(yōu)化，主要研究興趣集中于城市內(nèi)尺度道路網(wǎng)絡(luò)不同目標(biāo)下的優(yōu)化；如以減小噪音[80]、減少擁堵[81]、提高交通效率及公平性為目標(biāo)的優(yōu)化[82]等，這類研究大多利用大量出行軌跡數(shù)據(jù)刻畫交通狀況。對于基礎(chǔ)設(shè)施的空間優(yōu)化，研究使用多源地理空間大數(shù)據(jù)，發(fā)現(xiàn)通過基礎(chǔ)設(shè)施重新分布，可極大提升設(shè)施可達(dá)性(圖8)[83]。文獻(xiàn)[84]針對空間設(shè)施選址問題，構(gòu)建多解碼器的注意力模型。與傳統(tǒng)的精確求解及啟發(fā)式求解方法相比，這種強(qiáng)化學(xué)習(xí)方法在求解時(shí)間和質(zhì)量方面均表現(xiàn)更優(yōu)。對于土地利用的優(yōu)化，已有多種優(yōu)化目標(biāo)下的嘗試，如優(yōu)化空間緊湊度、用地相容性和適宜度等[85]。

圖8 優(yōu)化基礎(chǔ)設(shè)施分布模式提高設(shè)施可達(dá)性[83]

首先，數(shù)據(jù)獲取問題從源頭上決定地理空間大數(shù)據(jù)應(yīng)用范式的可行性。數(shù)據(jù)質(zhì)量是保證研究結(jié)論代表性的基礎(chǔ)，具體包括數(shù)據(jù)有偏性[90-92]、不確定性和語義模糊性等。這些數(shù)據(jù)質(zhì)量問題可能導(dǎo)致刻畫分布不準(zhǔn)確，進(jìn)而影響各范式的結(jié)論的可信度。同時(shí)，數(shù)據(jù)隱私[93-94]是研究者需要關(guān)注的另一問題。地理隱私可預(yù)測性強(qiáng)，其與個(gè)體敏感信息高度相關(guān)。這導(dǎo)致個(gè)體粒度數(shù)據(jù)可用性受到嚴(yán)格限制，從而影響地理空間大數(shù)據(jù)應(yīng)用范圍。地理空間大數(shù)據(jù)研究的任務(wù)，就是在充分保護(hù)個(gè)體隱私的前提下，盡可能減小數(shù)據(jù)質(zhì)量問題的影響，發(fā)現(xiàn)地理知識。

然后，數(shù)據(jù)分析方法的局限性制約著應(yīng)用范式的發(fā)展。地理空間大數(shù)據(jù)分析方法的兩個(gè)主要分支，分別為針對現(xiàn)象和結(jié)果建模的黑箱模型以及針對過程和機(jī)制建模的白箱模型。地理空間大數(shù)據(jù)提供海量訓(xùn)練與測試樣本，為黑箱模型訓(xùn)練與改進(jìn)提供數(shù)據(jù)保障。黑箱模型優(yōu)勢在于通過結(jié)構(gòu)設(shè)計(jì)并合理選擇參數(shù)，達(dá)到良好擬合精度；然而其結(jié)果很難解釋背后機(jī)理，難以泛化。目前地理空間人工智能(GeoAI)的發(fā)展?jié)u成體系，但將計(jì)算機(jī)領(lǐng)域方法用于地理研究仍在數(shù)據(jù)源、模型可泛化性和分析能力等方面面臨挑戰(zhàn)[95]。只有了解黑箱模型作用機(jī)制，在機(jī)器學(xué)習(xí)模型當(dāng)中合理引入地理約束與假設(shè)，并結(jié)合空間機(jī)制用于學(xué)習(xí)過程，才能構(gòu)建具有更強(qiáng)解釋能力的GeoAI模型，這也是GeoAI研究相對于一般AI的獨(dú)特之處[96]。白箱模型將復(fù)雜地理過程進(jìn)行高度抽象，捕捉代表性特征。與黑箱模型類似，白箱模型參數(shù)同樣需要優(yōu)化。地理空間大數(shù)據(jù)由于其超覆蓋特性，可以提供接近全樣本分布的參數(shù)選擇，幫助白箱模型更好地解釋真實(shí)地理現(xiàn)象。然而，白箱模型一定程度上忽略了地理空間的經(jīng)濟(jì)、文化、社會(huì)屬性，導(dǎo)致在面對真實(shí)地理場景中復(fù)雜現(xiàn)象時(shí)很難充分解釋其成因，這也正是地理學(xué)空心化趨勢成因之一[9]。白箱模型應(yīng)當(dāng)加深對空間機(jī)制的理解。如果對空間機(jī)制理解和抽象方式不當(dāng)，即使使用地理空間大數(shù)據(jù)估計(jì)參數(shù)，仍很難解釋真實(shí)地理現(xiàn)象的發(fā)生機(jī)制?？偠灾瑑深惸Ｐ驮诘乩韺W(xué)領(lǐng)域各自面臨機(jī)遇與挑戰(zhàn)，在未來，兩類模型相融合形成“灰箱模型”，一方面通過引入可解釋的機(jī)制形成地理領(lǐng)域的可解釋AI，另一方面對于白箱模型含義明確的參數(shù)使用機(jī)器學(xué)習(xí)方法進(jìn)行訓(xùn)練，都是未來可以挖掘的思路。

最后，應(yīng)用目標(biāo)決定了地理空間大數(shù)據(jù)范式的適用范圍。盡管地理空間大數(shù)據(jù)的挖掘方法已有顯著進(jìn)展，但對于地理學(xué)新知識發(fā)現(xiàn)卻幫助有限[9]。如果大數(shù)據(jù)的研究，使用更加海量的數(shù)據(jù)和更前沿的研究方法，卻僅僅停留且滿足于驗(yàn)證常識，則并未真正推動(dòng)地理學(xué)進(jìn)步，也難以發(fā)揮地理空間大數(shù)據(jù)的真正優(yōu)勢。對于已有知識的突破，需要完善的概念體系和框架作為基礎(chǔ)。社會(huì)感知研究框架正是一個(gè)合適的宏觀理論框架。社會(huì)感知將個(gè)體當(dāng)作傳感器，通過人的時(shí)空活動(dòng)模式反映地的性質(zhì)，揭示社會(huì)經(jīng)濟(jì)現(xiàn)象分布、聯(lián)系與過程[3,97]。社會(huì)感知“由人及地”的宗旨貫穿上文所述地理空間大數(shù)據(jù)6種應(yīng)用范式，“人-地-時(shí)”3種基本要素，在6類應(yīng)用范式中仍是討論問題的3類主體；反過來從6種范式出發(fā)，可以更有層次和條理地幫助理解和梳理社會(huì)感知語境下紛繁復(fù)雜的研究?？傊鐣?huì)感知研究框架在地理空間大數(shù)據(jù)背景下具有廣闊的應(yīng)用前景，可以引導(dǎo)地理空間大數(shù)據(jù)研究，而本文提出的6個(gè)應(yīng)用范式，則是在此框架下審視具體研究議題的新視角。

作為地理學(xué)研究中目前最為活躍的分支之一，地理空間大數(shù)據(jù)驅(qū)動(dòng)下的研究繼承地理學(xué)研究傳統(tǒng)，并融合社會(huì)學(xué)、物理學(xué)、計(jì)算機(jī)科學(xué)等諸多領(lǐng)域知識。從研究目標(biāo)來看，地理空間大數(shù)據(jù)研究尚未脫離地理學(xué)探索人地關(guān)系的宗旨；從研究假設(shè)來看，地理空間大數(shù)據(jù)研究需要以大量已有先驗(yàn)地理知識為基礎(chǔ)；從方法論來看，地理學(xué)現(xiàn)象研究、機(jī)理研究和決策優(yōu)化仍然可以作為地理空間大數(shù)據(jù)6類應(yīng)用范式形成的3個(gè)層次。另一方面，地理空間大數(shù)據(jù)相對于傳統(tǒng)數(shù)據(jù)的優(yōu)勢使其議題、假設(shè)、方法在傳統(tǒng)地理學(xué)基礎(chǔ)上有所進(jìn)步，這使得地理空間大數(shù)據(jù)研究范式具有顯著特殊性。在未來，6種應(yīng)用范式將在數(shù)據(jù)源、研究議題和方法層面進(jìn)一步發(fā)展，吸收計(jì)算機(jī)科學(xué)、復(fù)雜科學(xué)領(lǐng)域新方法，不斷擴(kuò)展地理學(xué)的內(nèi)涵和外延。