项目

【国家自然科学基金青年项目】机器学习算法辅助下城市居民多尺度移动行为决策过程与空间优化研究 (项目批准号:41801158)

项目简介:随着近年来移动行为与移动性成为人文地理学与交通行为等领域研究的热点,本项目将研究聚焦在中国城市居民的多尺度移动行为(如迁居、就业流动、日常出行等)。从移动轨迹整体视角出发,强调移动行为的序列决策过程与多尺度关联性。面对轨迹数据的多维度性与序列决策的动态复杂性,本研究首先拟构建基于机器学习算法的移动轨迹行为模式挖掘与序列决策过程模拟的分析框架,通过监督学习与无监督学习算法发掘轨迹中的惯常行为与异常行为,并利用逆向强化学习算法模拟移动行为的序列决策过程。其次,围绕移动行为序列决策过程的复杂机理,揭示行为习惯在移动决策中的作用与形成机制、移动决策的路径依赖性、前瞻效应与滞后效应、决策与外部环境之间的动态联系以及长短期移动决策的关联性。最后,通过实证分析探测城市居民在不同尺度移动行为决策过程中对社会环境与建成环境的偏好差异及变化,为移动决策优化与空间引导提供精准与动态的评估。

项目主持人:张文佳,项目起止时间:201901-202112

 

【深圳市科创委基础研究自由探索项目】基于复杂网络与强化学习的时空轨迹大数据行为模式识别与决策模拟技术

项目简介:从时空大数据中进行知识发掘、学习与转移是当前地理信息科学、交通科学、城市规划、计算机科学、人工智能等多个学科领域研究的热点,而时空轨迹数据分析则是时空大数据研究的重中之重与技术难点。本研究旨在从复杂网络科学与人工智能强化学习领域引入更灵活与高效的方法,以对人车时空轨迹大数据进行更精准的行为模式挖掘与序列行为决策模拟。针对目前数据结构和模型结构参差不齐(即多源异构性),缺乏一套统一的、灵活且高效的分析框架的问题,建立一个基于复杂网络的时空轨迹大数据分析框架,系统地把轨迹数据转换成网络数据,并开发灵活高效的网络分析算法。并引入逆向强化学习算法,在尽可能减少大数据信息损耗和保证行为决策的时空连续性的基础上,更准确地模拟序列决策行为与环境的耦合关系,预测交通行为轨迹,并应用于出行需求预测、交通拥堵预测、城市与交通政策评估等。

项目主持人:张文佳,项目起止时间:201901-202012

 

【科技部国家重点研发计划项目子课题】“村镇聚落空间重构数字化模拟及评价模型”项目,负责子课题二“多重转型动力下村镇聚落空间响应模式”,参加子课题一“村镇聚落发展动力与作用机理”(子课题编号:2018YFD1100304-2)

项目简介:结合村镇聚落动力因素与作用机理的分析,研究各种转型动力因素对不同区域不同类型村镇聚落空间重构的影响方式与作用程度,揭示村镇聚落转型发展的空间响应模式。针对我国村镇聚落剧烈转型重构的典型区域,建构区域中农业升级、产业变革、休旅介入、生态保育等不同驱动力影响下村镇聚落多情景“空间—动力”耦合模拟模型;利用人工智能深度学习算法等,分析判别多重转型动力影响下村镇聚落发展演变过程的空间响应模式。

子课题负责人:张文佳,项目起止时间:201812-202212

【铁汉科研基金】大数据与复杂城市网络视角下的粤港澳大湾区格局演变与机制研究

项目简介:粤港澳大湾区的区域协调发展需要理解其城市网络格局的时空演变与形成机制,并明确其在全球城市体系与城市网络中的地位与角色,而相关理论与方法论研究还不够充分。本项目旨在构建城市网络视角下的中国城市群研究与分析框架,聚焦在粤港澳大湾区城市群,利用40年全球新闻为主的大数据建立城市之间动态的与不同功能类型的联系(经济、社会、文化等),构建多元动态的全球城市网络数据库。本项目基于社会网络分析模型与大数据分析算法,整合微观、中观与宏观维度的分析框架来解析大湾区城市网络格局的时空演变,定量测度粤港澳大湾区城市群在全国、亚太地区乃至全球地域内不同功能类型城市网络中的地位与角色演化过程,并通过比较分析三大世界级大湾区城市网络的发育与演变机制,预测粤港澳大湾区城市网络的发育过程,为其全球化战略规划与空间治理提供决策支持。

子课题负责人:张文佳,项目起止时间:201901-202112