专栏召集人：涂伟，深圳大学

客座编辑：刘康，中国科学院深圳先进技术研究院；杨雪,中国地质大学（武汉）

导读：随着城市化进程的加速与数智技术的飞跃，智慧城市建设与应用正迎来前所未有的发展机遇。如何利用先进人工智能，包括深度学习、深度强化学习和智能体等，解决复杂城市环境下的交通、城市规划、位置服务等关键问题，已成为地理信息与测绘科学领域的重要研究方向。《测绘学报》青年编委——深圳大学涂伟教授、中国科学院先进技术研究院刘康副研究员、中国地质大学（武汉）杨雪副教授联合参与组织完成的“空间智能与智慧城市”专栏，已于2026年第2期出版。本专栏包含5篇高水平学术论文，旨在共同探讨多维偏好建模、时空自适应预测、设施配置优化、城市低空交通布局及城市空间感知等前沿议题，立体化展示人工智能在提升城市运行效率、优化资源配置及改善居民出行体验方面的巨大潜力。

在智慧城市与精准导航技术发展的背景下，行人路径规划正从单一导向转向满足用户多维个性化需求。针对现有研究在群体差异建模、动态偏好机制及复杂场景适应性方面的不足，论文提出了一种多维偏好增强型对抗深度强化学习（PEA-DQN）驱动的路径规划方法。该方法通过构建“情境感知-动态修正”多维偏好模型，形成效率、安全、舒适多目标协同优化机制，并提出PEA-DQN算法，引入双经验池预训练策略加速收敛。武汉市案例验证显示，与DQN算法相比，PEA-DQN的避障成功率提升超过50%，平均路径长度缩短40.40%；在动态障碍场景中，计算效率提升40%，显著优于动态A*算法及同类深度强化学习方法。

图1多维偏好增强型对抗深度强化学习驱动的行人路径规

【引文格式】：冉耘博，杨雪，周文豪，等．多维偏好增强型对抗深度强化学习驱动的行人路径规划[J]．测绘学报，2026,55(2):191-205.DOI:10.11947/j.AGCS.2026.20250480.

在复杂交通场景中，不同预测模型在不同空间区域和时间段的表现存在显著差异，单一模型往往难以稳定适应多样化的预测需求。为此，本文提出了一种局部-全局上下文联合感知的时空自适应交通集成预测方法，在全局时空相关性和时空异质性的协同约束下自适应优化集成参数，充分发挥多个预测模型的时空互补优势。主要贡献总结如下：（1）设计了局部-全局时空感知模块。通过嵌入路网拓扑结构与交通状态演化特征，从局部和全局视角联合感知监测站点的时空信息，实现集成过程中时空相关性与时空异质性的协同精确表达。（2）提出了时空感知向量驱动的时空自适应加权策略。通过构建时空自适应加权网络充分挖掘基模型在不同时空条件下的预测表现，实现基模型集成参数的自适应优化。（3）采用交通流量和交通速度数据集对提出的方法进行了全面验证。相较于当前主流集成方法，本文方法能够有效表达集成过程中的时空相关性与时空异质性，精准捕捉不同交通状态下的模型性能差异，显著提升了预测精度和计算效率。

图2局部-全局联合感知的时空自适应交通集成预测方法

【引文格式】：王立增，程诗奋，杨一涛，等．局部全局联合感知的时空自适应交通集成预测方法[J]．测绘学报，2026,55(2):206-221.DOI:10.11947/j.AGCS.2026.20250340.

城市公共服务设施的合理配置是提升城市运行效率和居民生活质量的重要基础。随着城市规模不断扩张和人口流动性的增强，传统依赖静态数据和经验模型的选址方法逐渐难以适应复杂多变的城市环境。人口流动数据、兴趣点数据、道路网络等多源时空数据的快速积累，为城市设施配置研究向数据驱动和智能优化转型提供新的机遇。在数据层面，多源时空数据能够更加精细刻画城市人口活动规律与公共服务需求分布，为识别服务盲区与评估空间公平性提供重要支撑；在模型层面，设施选址优化逐步从经典的选址-分配模型发展为融合多源数据的智能优化模型，通过综合考虑交通网络结构、服务半径约束及需求权重，实现更为公平与高效的空间布局；在算法层面，人工智能方法，尤其是深度强化学习，通过智能体与环境的不断交互学习，从而在复杂城市环境中生成更具适用性的设施配置优化方案。该论文从数据、模型与算法3个维度系统梳理城市公共服务设施配置优化的研究进展，为智慧城市建设中的公共服务资源配置提供理论参考与方法支撑。

图3 城市公共服务设施配置优化的多学科融合技术框架

【引文格式】：王少华，梁浩健，苏澄，等．耦合时空大数据和人工智能的城市设施配置优化研究进展与展望[J]．测绘学报，2026,55(2):222-235.DOI:10.11947/j.AGCS.2026.20250385.

论文链接：http://xb.chinasmp.com/article/2026/1001-1595/1001-1595-2026-02-0236.shtml

随着城市规模的扩大与居民通勤距离的增长，传统地面交通面临效率与拥堵的双重压力。近年来，城市空中交通逐渐成为一种备受关注的新型出行方式。以电动垂直起降飞行器为代表的空中出行工具有望为城市居民提供更加快速、灵活的通勤选择。不过，这类交通方式能否真正发挥作用，很大程度上取决于垂直起降场的布局方式。围绕这一问题，论文聚焦城市居民的长距离通勤场景，利用真实通勤需求数据，探索垂直起降场在城市中的合理布局。研究构建了一个双层规划模型：一方面，优化不同候选站点的组合，寻找更合理的起降场选址方案；另一方面，利用多智能体交通仿真模拟居民的日常活动与出行过程，评估不同布局方案的综合效果。以南京为案例的优化结果显示，垂直起降场的合理布局可以明显提升城市长距离通勤的整体效率，同时也有助于缓解高峰时段地面通勤走廊的压力。研究从居民真实出行需求出发，为多模式交通规划与城市地理空间的优化布局提供了理论依据与支持。

图4城市垂直起降场布局优化

【引文格式】：付晓，朱司蕊，厉旭东，等．面向长距离通勤场景的城市垂直起降场布局优化方法[J]．测绘学报，2026,55(2):236-248.DOI:10.11947/j.AGCS.2026.20250434.

停留点识别作为轨迹数据挖掘的重要前期准备工作，对兴趣点挖掘、人类移动模式分类等空间智能与智慧城市建设研究具有重要支撑作用。传统停留点识别方法多面向GPS等稠密轨迹，难以适配交通卡口、手机信令等稀疏数据，易因密度不均、分布复杂出现误判，尤其易将拥堵、红灯等待误识为停留。为此，研究提出自适应扩展密度峰值聚类（AE-DPC）+双阈值的识别方案：先依据全局时空特征设定时间、速度阈值，快速过滤途径点；再通过AE-DPC算法自适应划分时空簇，生成适配局部路况的精细化阈值，最终结合双重约束实现精准识别。试验采用开源合成数据集与武汉真实交通卡口数据验证，结果显示，AE-DPC在ARI、AMI等聚类指标上显著优于HDBSCAN、SNN-DPC等对比算法；双阈值法停留点识别查准率达0.89，较HDBSCAN局部阈值法提升14.10%，较动态阈值法提升9.88%，有效降低误判率。该方法可直接应用于城市出行规律挖掘、交通治理、客流分析等场景，为稀疏轨迹数据挖掘提供了可靠的方案。

图5稀疏轨迹中的停留点精准识别

【引文格式】：郭军豪，吴明治，王培晓，等．一种面向定点稀疏轨迹的密度聚类停留点识别方法[J]．测绘学报，2026,55(2):249-260.DOI:10.11947/j.AGCS.2026.20250284.

本期“空间智能与智慧城市”专栏精选刊出的5篇论文全方位展示了地理人工智能（GeoAI）在解决城市复杂系统问题中的创新思路与实用价值。在此，衷心感谢广大专家学者对本期专栏的关心和支持，诚邀共同关注空间智能与智慧城市的前沿动态和未来趋势，携手推动测绘地理信息与人工智能的深度融合。

欢迎访问《测绘学报》官方网站全文阅览2026年第2期（审图号GS京(2026)0323号）。