湖南省第三测绘院THE THIRD SURVEYING AND MAPPING INSTITUTE OF HUNAN PROVINCE

杨 鸣

地理信息 大数据应用2017

湖南省第三测绘院THE THIRD SURVEYING AND MAPPING INSTITUTE OF HUNAN PROVINCE

地理信息与大数据

The Third Surveying and Mapping Institute of Hunan Province

地理信息资源是大数据的重要贡献者

地理信息 个人导航数据 对地观测数据 基础设施建设

自然地理要素或地表人工设施形状、大小、空间位置及

属性信息的总称

地理信息大数据

可视化展示

图形学、计算机图像

处理技术，可视化形

式显示、交互

存储与管理

地理信息系统（GIS）

ArcGIS，超图，

Hadoop，Spark

数据采集

栅格数据、矢量数据

采集，传感器和视频

监视器的数据采集等

数据分析

地理信息的数据分析

是大数据应用的重要

组成部分

地理信息大数据的数据分析

地理空间本身特性

的深层次分析模拟空间决策、评价

复杂系统时空演化

的模拟和预测

湖南省第三测绘院THE THIRD SURVEYING AND MAPPING INSTITUTE OF HUNAN PROVINCE

社区生活空间质量

评价体系

The Third Surveying and Mapping Institute of Hunan Province

生活质量

政治和社会环境

经济环境

社会文化环境

健康和卫生

学校和教育

公共服务和运输

娱乐

消费品

房屋

自然环境

PH

OT

O

FR

OM

P

IX

AB

AY

国外生活质量评价体系

社会发展阶段 生活质量评价体系 建立模式的基础 研究范式

经济福利测算（NEW）

消费信心指数（CCI）

可持续性经济福利指数（ISEW）

真实进步指数（GPI）

王兴中, 中国城市生活空间结构研究[M]. 北京: 科学出版社, 2004: 59.

持续发展阶段

群众高消费阶段

追求生活质量阶段

以经济学人为基础的扩展（GDP）账户模式

关注经济增长与物质财富的积累

以社会学人为基础的社会指标模式 关注政府行为与环境影响

以心理学人为基础的心理模式关注生活方式多样与宏观社会结构变化

对“人的发展”的影响

欧洲生活质量指标（QOL）

荷兰、德国、瑞典生活质量指标

物质生活质量指标（PQLI）

社会进步指数（ISP）

人类发展指数（HDI）

世界卫生组织生活质量指标（WHOOL）

幸福生活预期指数（HLE）

主观福利指数（SWB）

国内生活质量评价体系

研究时期 研究角度 关注层面 代表性指标 优越性和局限性

王兴中, 中国城市生活空间结构研究[M]. 北京: 科学出版社, 2004: 60.

80 年代初期

80 年代后期

90 年代

经济学角度

社会（心理）学角度

生态学角度

关注人们主观对生活的满意度（主观指标）

关注客观的资源分配（客观指标）

生活质量由物质、非物质条件及人们对生活满意度共同构成

（主、客观综合指标）

1. 首都社会发展指标；2. 小康社会指标

1. 林南等的生活质量指标；2. 易松国等的生活满意度指标

卢淑华等的生活质量主客观指标

1.资料易收集；2.依赖统计资料，走机械决定论误区

1. 更能体现以人为本的理论；2. 标准难以确定

1. 能全面揭示生活质量；2. 统计资料复杂、易变

生活质量评价体系

城市生活的宏观综合评价

依赖统计资料与调查问卷

数据量不大

未利用城市空间信息P

HO

TO

F

RO

M

PI

XA

BA

Y

Witten et al. The Quality of Urban Environments: Mapping Variation in Access to Community Resources[J]. Urban Studies, 2003, 40(1): 167-177.

社区生活空间质量评价体系

（CRAI）

文化、体育和娱乐设施

交通和物流设施

购物设施

教育设施

健康设施

社会服务设施

社区生活空间质量指标

构成多个二级指标

距离阈值：对在一定范围

内的POI进行计数

数量阈值：根据数量给予

相应权重

权重：根据重要性给予二

级指标的权重

社区生活空间质量评价体系

2003 年，Witten 等 2004 年，王中兴 2016 年，张苏等

长沙市雨花区

社区生活空间质量

使用“天地图·湖南”POI 点

集（2049个）

人口统计中的村级行政区划

（164个）

更新了二级指标（地铁站，加

油站）

PH

OT

O

FR

OM

A

rc

GI

S

使用更详细的小区信息；

使用路程作距离；

使用轨迹路径判断距离阈值；

结合村级常驻人口或收入等数据分析；

发布城市空间生活质量年度报告，为公共服务项目

建设提供参考；

比较不同权重或阈值下的结果.

社区生活空间质量体系

未来改进

PH

OT

O

FR

OM

P

IX

AB

AY

湖南省第三测绘院THE THIRD SURVEYING AND MAPPING INSTITUTE OF HUNAN PROVINCE

城市人口流动

预测系统

The Third Surveying and Mapping Institute of Hunan Province

P H O T O F R O M P I X A B A Y

城市人口分布 交通流预测与控制

公共安全评估 商业分布决策

研究人口流动的意义

“百度迁徙”直播

蛇年岁末春运

PH

OT

O

FR

OM

B

AI

DU

在 2014 春节前后，百度公司一个

名为“百度迁徙”的产品引起了社会的

关注。百度地图基于其拥有的 LBS 大

数据进行计算分析，动态、即时地在

中国地图上展现了春运期间人口大迁

徙的轨迹与特征。

腾讯位置大数据与

联通人口流动大数据

PH

OT

O

FR

OM

T

EN

CE

NT

拥有轨迹或定位的详细信息

轨迹信息涉及个人隐私

联通人口流动大数据：提供某区域

流入人口

流出人口

实时人口

深度学习预测城市人口流动

1. 城市划分网格（1km）；

2. 将每个网格视为图片的像素，网格中的

流入、流出、实时人口视为像素值；

3. 使用深度神经网络学习图像，并预测人

口流动。

PH

OT

O

FR

OM

M

IC

RO

SO

FT

微软亚洲研究院·城市计算团队

深度学习预测城市人口流动

影响城市人口流动预测的因素：

1. 天气

2. 节假日

3. 时间上的因素

1. 临近时间因素

2. 周期性因素

3. 趋势性因素

因素处理方法：

• 时间因素分别使用深度学习

• 与非时间因素融合学习

PH

OT

O

FR

OM

M

IC

RO

SO

FT

微软亚洲研究院·城市计算团队

ZHANG J, ZHENG Y, QI D, et al. DNN-Based Prediction Model for Spatio-Temporal Data[C].

Proceedings of the 24th ACM SIGSPATIAL International Conference on Advances in Geographic

Information Systems, 2016(92):91-94.

特征提取

全连接

卷积 1 卷积 1 卷积 1

卷积 n 卷积 n

融合

Tanh 误差

遥远 临近 最近

时间

趋势因素

外部

因素

+

卷积 n

周期因素

临近因素

城市人口流动预测·深度学习（人工神经网络）

树突 轴突 输入

输出

1x

2x

3x

4x

1w

2w

3w

4w

细胞体

激活函数

生物神经网络神经元

人工神经网络神经元

权重 加

权求和

城市人口流动预测·深度学习（人工神经网络）

输入层 隐藏层 输出层

经典人工神经网络（全连接）：

•输入层；

•多个隐藏层；

•输出层；

•层之间由神经元连接；

•前一层神经元的输出作为下一层神经

元的输入。

5

神经网络

1x

2x

3x

4x

1w

2w

3w

4w

权重

城市人口流动预测·深度学习（人工神经网络）

将图片像素视为神经元的输入；

卷积：部分神经元的输出作为下层

神经元的输入，共享权重；

输入图片 3个特征图 3个特征图 5个特征图 5个特征图 输出层

卷积层 池化层 卷积层 池化层 全连接网络

卷积神经网络

池化：通过采样减少神经元数量；

反复进行如上操作。

特征提取

全连接

卷积1

残差1

卷积1

残差1

卷积1

残差1

残差L

卷积2

残差L

卷积2

残差L

卷积2

融合

Tanh 误差

遥远 临近 最近

时间

趋势

周期

连续

外部

+

城市人口流动预测系统

PH

OT

O

FR

OM

M

IC

RO

SO

FT

ZHANG J, ZHENG Y, QI D. Deep Spatio-Temporal Residual Networks for Citywide Crowd Flows

Prediction[C]. AAAI Conference on Artificial Intelligence, 2017, 1655-1661.

影响城市人口流动因素的学习：

天气

节假日

时间上的因素

加入残差学习

城市人口流动预测系统

未来改进

采用更小的时间或空间划分；

对于临近时间因素，使用更多临近时间

周期去分类不同的人口流动速度带来的

影响；

融合更多的因素；

使用其它人工神经网络；

人口流量预警；

职住分析；

探索可视化、多元素和互动展示。

湖南省第三测绘院THE THIRD SURVEYING AND MAPPING INSTITUTE OF HUNAN PROVINCE

THANKS FOR WATCHING杨 鸣