随着人工智能技术的飞速发展，地理空间人工智能（GeoAI）正成为城市规划和管理领域的一项革命性技术。GeoAI融合了深度学习、机器学习等尖端算法，能够对城市空间数据进行深入分析和智能识别，揭示城市运行的内在模式，为城市的智能化管理和可持续发展开辟了全新的视角与解决方案。

为了进一步推动GeoAI领域的学术交流与合作，促进学术成果的分享与应用，由中国测绘学会智慧城市工作委员会主办，智慧城市大讲堂独家出品的“基于GeoAI的城市智能感知系列讲座”，将于8月28日—30日重磅直播！本次学术讲座将以线上直播的形式，共同探讨GeoAI的最新研究进展、技术应用和未来趋势。

下面就让我们来一睹本次讲座的演讲嘉宾及精彩摘要（嘉宾顺序不分先后）。

城市大数据的涌现为感知城市时空动态、评估城市化进程提供了新的途径。街景影像是感知城市物质空间的一种新型地理大数据。近年来， 以深度学习和计算机视觉为代表的人工智能技术不断发展，为挖掘街景语义信息、理解和定量表达物质空间提供了强有力的支持。街景影像不但可以作为遥感影像的补充，以人的视角对城市物质空间进行观测；而且可以表达城市社会空间，反演城市物质空间背后的人类活动状况和社会经济环境，为基于大数据的人地关系研究、建成环境量化研究、空间数据挖掘与知识发现研究提供新的视角。本报告将以城市视觉智能框架为线索，介绍街景影像在城市研究中的若干案例。

城市街景地图是一种有效表达城市物理结构的工具，被广泛运用于城市自然风貌和社会经济的认知。随着国土调查与规划的不断创新，城市规划的合理性和美学日益受到关注。因此，将街景图像应用于科学、合理的规划方案变得愈发重要。本报告将介绍街景图像的获取方式，并深入探讨街景图像处理的关键技术。此外，报告还将借助多项研究成果，解释如何利用街景图像进行城市多维度感知，系统介绍街景图像在城市规划和公共卫生领域的应用理论和方法。

交通出行是城市重要的碳排放来源，是中国实现碳中和目标的关键。低碳交通出行行为及其影响机制，是规划引导低碳出行的基础，成为实现国家绿色交通发展战略必须解决的重要问题。近年来，随着信息网络技术的发展，社会感知等多源地理空间大数据日益涌现，为低碳交通出行研究提供了新的数据手段，也对地理空间建模方面提出了新的挑战。本研究针对低碳交通出行研究中面临的主要挑战，突破建成环境表征的粗糙时空分辨率、不确定性问题，统计数据无法解决空间非均衡问题，人本视角分析等系列难题，提出了建成环境精细化表征的方法和低碳交通出行行为模式精细化识别方法，并从大样本、精细尺度视角揭示了建成环境对低碳交通出行行为影响的空间效应。

有效地测度城市活力，挖掘城市活力影响机制，对于掌握城市发展现状、有效解决城市发展不均衡问题具有重要意义。静态街景中隐藏了动态的城市节律，基于街景视觉特征，结合场景语义表征字幕，集成视觉编码器Vision Transformer和语义编码器Bert，引入多头注意力机制，设计加权损失函数，从视觉和语义双重视角，构建端到端的多模态深度学习模型，有效测度城市活力。设计情感感知模型和多尺度语义分割模型，从街景影像中分别捕捉主观感知因子和客观视觉因子，基于机器学习技术，构建城市活力归因模型XGBoost-SHAP，结合POI数据，从主观和客观双重视角，捕捉人类主观情感因子、客观视觉因子和客观物理环境与城市活力之间的非线性关系。

人群是城市活动的主体，人群动态感知对智慧城市的空间规划、交通和公共安全管理具有重要意义。近年来，随着时空轨迹大数据的出现，为城市大规模人群时空动态感知提供了重要的数据源。本报告主要介绍城市人群移动时空行为感知的背景意义、轨迹大数据源、相关的理论基础，以及演讲者近年来基于手机大数据在人群移动时空行为方面的主要研究案例，帮助大家了解城市人群动态感知相关工作。

计算性城市科学，即依托计算机技术发展和多源城市数据的涌现，运用量化分析与数据计算途径来研究城市的模式，正在迅速兴起。在此背景下，海量、易得的街景数据为城市空间智能感知提供了人本视角下的新可能。数据来源和分析技术两方面的突破，让兼具大规模和人本尺度的空间感知具有可操作性。针对这一情况，本次讲座从街道空间感知品质测度、城市设计管控精细化、历史风貌智能监测与保护等多个维度做研究与实践案例展示。

城市人口及其流动是城市发展最活跃的因素，是城市的社会主体。面向城市人口分布时空相异与人口流动过程复杂多样，提出城市场景驱动的人口分析单元和人口流动网络研究方法；考虑特大城市空间异质性与人口密集特征，一体化语义描述并按需构建多尺度人口分析单元，动态关联并融合多源数据；定量表达人口分布时空耦合规律，精确估计人口时空分布；构建层次清晰、多元关联、主题牵引的人口流动网络，揭示复杂的人口流动时空交互与时空演化规律；自主理解城市场景，快速感知人口流动密集趋势，提升理论方法和关键技术持续长效的服务保障能力。

在城市快速发展、互联网化、智能化的时代背景下，人类活动模式日益丰富，其活动场所不仅限于所处的现实物理空间，同时线上虚拟空间的活动已成为不可忽视的重要组成部分。城市信息学是一门新兴交叉学科，也是现代智慧城市发展的理论技术基础。本次报告首先介绍城市信息学的基本发展现状，例如城市信息学主要包括城市感知，城市大数据基础设施，城市计算，城市科学，以及城市系统与城市应用等5个重要维度。以此为背景，本次报告其次介绍虚实融合空间的人类活动感知表达方法，虚实空间人类活动链的提取，以及在此基础上进行网络构建和分析的研究案例。城市化进程的加快，海量人群的高频迁移，以及人类活动和线上线下交互加强，给城市研究带来了新的挑战。本次报告以城市信息学和虚实空间交互研究为例，为未来智慧城市的建设提供决策支持。

随着地理人工智能研究的兴起，街景图像由于其全面的覆盖范围、丰富的信息和易于获取性，受到了广泛关注。然而，获取完整的时空场景表示面临挑战，因为一个地点常常由不同角度、时间和位置的多张图像组成。针对这一问题，我们提出了一种用于城市功能识别的纯视觉、稳健且可靠的方法。本研究引入了一个基于两层空间依赖图神经网络结构的方法，该网络结构处理序列街景图像，充分考虑了道路网络间的空间依赖性。我们使用中国武汉的OSM数据构建城市拓扑图网络，并利用大规模预训练模型计算街道尺度的整体语义表示。通过分析75,628张街景图像和5,458条街道构建了28,693个映射关系的图网络，仅需5.3%的节点标签即可为研究区域内所有节点识别出10类功能。实验结果表明，通过合适的空间权重、街道编码器和图结构，我们的方法在P@1达到46.2%，P@3达到73.0%，P@5达到82.4%，P@10达到89.9%，充分展示了所提方法的有效性。此模型还可用于计算时间序列街景图像，感知城市时空更新，并预测少量标签下的其他属性，以获得有效且可靠的场景感知结果。

随着现代社会全球化、城市化、信息化的快速发展，传染病传播更加快速、隐匿而复杂。利用时空大数据与人工智能的优势构建高空间分辨率的传染病传播模型，对指导新发突发传染病疫情防控和保障人类生命健康具有重大意义。面向城市人群时空活动与地理环境的异质性，基于轨迹等时空大数据，本研究构建了一套时空大数据与人工智能支持下的城市疫情精细化建模与防控措施优化方法，为COVID-19与登革热等重大疫情的防控措施部署提供决策支持。

“城市病”是我国新型城镇化建设面临的重要难题，亟需整合多源城市信息，构建智能分析系统，科学服务智慧城市建设。当前智慧城市系统具备了较强的多维信息感知能力，但欠缺数据分析能力，导致科学决策水平不足。随着城市时空大数据与智能学习技术的快速发展，智慧城市建设迎来了新一轮机遇与挑战。本次课程首先介绍了时空大数据智能分析技术体系，详细讲解了聚类分析、关联挖掘、异常探测、时空预测等技术的基本内涵、需要解决的关键难题、以及取得的创新理论与技术成果；围绕智能分析技术，结合案例阐述了在用地规划、交通规划、公共安全、疫情防控、城市矿山等智慧城市典型领域的应用；最后，总结了时空大数据智能分析技术的未来研究方向。

本次讲座邀请了12位地理信息科学领域和计算机科学领域的优秀专家学者，将分享GeoAI在空间感知、知识挖掘、行为认知与模拟、智慧城市等方面的最新研究成果和应用案例。讲座不收取任何费用，请扫描下方二维码，点击加入学习，预约观看课程直播。