2024年1月9日下午，中國地理學(xué)會“行為地理學(xué)高級研習(xí)班”的第九講在線上順利舉行。本次講座的主題是“地理信息與時(shí)空行為大數(shù)據(jù)”，由北京聯(lián)合大學(xué)孟斌教授主持，北京大學(xué)城市與環(huán)境劉瑜教授、深圳大學(xué)樂陽教授應(yīng)邀開講。劉瑜教授以“地理學(xué)中的空間效應(yīng)”為題，詳細(xì)介紹了四種空間效應(yīng)，并以一些具體的研究工作為例介紹了在人工智能方法中如何去體現(xiàn)空間效應(yīng)并揭示地理規(guī)律。樂陽教授以“出行的（不）可預(yù)測性——從大數(shù)據(jù)到AI不變的邏輯”為題，分享了她對模型可預(yù)測性的思考，并闡述了從大數(shù)據(jù)發(fā)展到人工智能AI的過程中，預(yù)測算法的一些本質(zhì)問題。本次研習(xí)班通過騰訊會議和會議直播方式進(jìn)行，共吸引了全國各地800多人次參加。

講座1：劉瑜教授——地理分析中的空間效應(yīng)

劉瑜教授的講座共分為三個(gè)部分。劉瑜教授首先從學(xué)科的角度，介紹了地理信息科學(xué)和地理學(xué)的關(guān)系，強(qiáng)調(diào)了地理信息科學(xué)在維護(hù)地理學(xué)整體性以及推動(dòng)地理學(xué)研究上的作用；接著詳細(xì)闡述了地理學(xué)中的四種空間效應(yīng)：空間異質(zhì)性、空間依賴和空間自相關(guān)、空間交互和距離衰減、空間聚合與尺度效應(yīng)；然后討論了人工智能在地理學(xué)中的應(yīng)用，并以一些具體的研究工作為例介紹了在人工智能方法中如何去體現(xiàn)空間效應(yīng)并揭示地理規(guī)律。

第一部分，劉瑜教授從學(xué)科角度介紹了地理信息科學(xué)與地理學(xué)之間的關(guān)系。首先，地理信息系統(tǒng)作為工具，為部門地理學(xué)提供數(shù)據(jù)整合分析的方法。其次，地理信息科學(xué)中的數(shù)據(jù)模型和抽象分析方法體現(xiàn)了空間思維和統(tǒng)一性，對地理學(xué)科的統(tǒng)一性非常有意義。地理學(xué)一直以來受到空心化問題的困擾，而地理信息科學(xué)的空間思維和抽象表達(dá)在維護(hù)地理學(xué)整體性、凝聚地理學(xué)的核心方面起到了重要作用。此外，地理信息科學(xué)中的算法和系統(tǒng)的實(shí)現(xiàn)，能夠?qū)⒌乩韺W(xué)的研究成果輸出到其他領(lǐng)域，例如公共衛(wèi)生領(lǐng)域、城市規(guī)劃領(lǐng)域等，從而產(chǎn)生知識溢出，進(jìn)而體現(xiàn)地理學(xué)“經(jīng)世致用”的特點(diǎn)。

第二部分，劉瑜教授結(jié)合近些年的思考梳理了地理學(xué)中的四種空間效應(yīng)：空間異質(zhì)性效應(yīng)、近鄰效用（空間依賴和空間自相關(guān)）、距離衰減效應(yīng)（空間交互中距離衰減）、尺度效應(yīng)?？臻g異質(zhì)性是地理學(xué)的一個(gè)最基本的特征，表現(xiàn)各個(gè)要素在地球上不同位置的分布不一致。地理學(xué)與物理學(xué)之間的差異也在于空間異質(zhì)性，盡管這種異質(zhì)性使得地理學(xué)很難像物理學(xué)一樣去探求普遍規(guī)律。地理數(shù)據(jù)由于受空間相互作用和空間擴(kuò)散的影響，彼此之間可能不再相互獨(dú)立，而是相關(guān)的，表現(xiàn)為空間依賴性。很多的空間計(jì)量模型中都涉及空間近鄰的依賴性，例如空間滯后模型、空間誤差模型、地理加權(quán)回歸模型等，都是將這種空間臨近的依賴關(guān)系考慮進(jìn)來，使得我們對空間變量的預(yù)測更加準(zhǔn)確。此外，距離衰減效應(yīng)中也非常重要。人、物品、資金在空間上的交互、流動(dòng)都會受到距離的影響。劉瑜教授提到了不同的距離衰減函數(shù)，同時(shí)也介紹了常用的歐氏距離度量的局限性，強(qiáng)調(diào)了地理分析中距離的復(fù)雜性。最后，空間聚合和尺度效應(yīng)是另一個(gè)重要的方面。由于地理現(xiàn)象沒有天然的分析單元，需要人為設(shè)定。正因?yàn)檫@一點(diǎn)，導(dǎo)致了空間分析中經(jīng)常討論的可變面積單元問題和不確定地理語境問題。

第三部分，劉瑜教授詳細(xì)介紹了人工智能方法在地理學(xué)中的應(yīng)用。他強(qiáng)調(diào)了對AI模型的改造，以使其能夠更好地體現(xiàn)空間效應(yīng)。接著，通過四個(gè)方面的具體研究案例，劉瑜教授展示了如何在人工智能方法中體現(xiàn)先前提到的空間效應(yīng)，并揭示地理規(guī)律。這四個(gè)方面的案例分別為：（1）體現(xiàn)空間效應(yīng)的神經(jīng)網(wǎng)絡(luò)。包括利用神經(jīng)網(wǎng)絡(luò)模型來處理空間權(quán)重，利用單元格之間聯(lián)系權(quán)重來體現(xiàn)空間的影響，以及利用圖卷積網(wǎng)絡(luò)實(shí)現(xiàn)空間回歸，通過圖結(jié)構(gòu)來體現(xiàn)空間鄰近和距離衰減效應(yīng)。（2）地理表示學(xué)習(xí)。在地理表征中進(jìn)行壓縮編碼，從空間交互和距離衰減的角度表示場所。（3）地理規(guī)律的揭示。利用神經(jīng)網(wǎng)絡(luò)和符號回歸方法去揭示空間交互規(guī)律，并顧及空間異質(zhì)性。（4）地理生成式人工智能。利用生成對抗網(wǎng)絡(luò)模擬城市以及遙感多模態(tài)大模型。

GIS&S和地理學(xué)的關(guān)系

會議交流：

孟斌教授對劉瑜教授的報(bào)告進(jìn)行了簡要總結(jié)。隨后，柴彥威教授就大數(shù)據(jù)如何創(chuàng)新行為地理的研究以及國外空間認(rèn)知、大數(shù)據(jù)與行為地理學(xué)結(jié)合的最新進(jìn)展與劉瑜教授展開了熱烈討論。孟斌教授也針對行為地理學(xué)所關(guān)注的個(gè)體行為建模問題與劉瑜教授進(jìn)行了交流。主要摘錄如下：

柴彥威教授提出了關(guān)于空間認(rèn)知和行為研究的問題，特別是如何通過數(shù)學(xué)方法和大數(shù)據(jù)深化這方面的研究。他還詢問了大數(shù)據(jù)在行為研究中的創(chuàng)新和難點(diǎn)，以及劉老師對最新關(guān)于大數(shù)據(jù)與時(shí)空行為結(jié)合的動(dòng)態(tài)的看法。劉瑜教授強(qiáng)調(diào)了大數(shù)據(jù)在行為地理學(xué)中的重要性。他指出，在大數(shù)據(jù)時(shí)代，行為地理學(xué)需要更多關(guān)注個(gè)體之間的異質(zhì)性，并指出大數(shù)據(jù)在匯總過程中可能會丟失個(gè)體的細(xì)節(jié)特征，認(rèn)為挖掘大數(shù)據(jù)的細(xì)節(jié)特征并將其與行為地理學(xué)的一般性規(guī)律結(jié)合起來可能會產(chǎn)生有意義的研究工作。此外，劉瑜教授提到了大數(shù)據(jù)與行為地理學(xué)結(jié)合的重要性，并分享了他最近在寫一篇文章的觀點(diǎn)。他談到了空間交互語義的概念。傳統(tǒng)的人文地理學(xué)關(guān)注交互強(qiáng)度，比如從一個(gè)地方到另一個(gè)地方的人數(shù)。然而，大數(shù)據(jù)的出現(xiàn)使得我們可以獲取更多細(xì)節(jié)特征，例如人群的年齡、性別、出行時(shí)間等。通過大數(shù)據(jù)，我們可以清楚地了解這些細(xì)節(jié)信息，這對于理解行為的語義特征非常有幫助，如果我們在行為地理學(xué)研究中更加重視語義的表征，可能會取得一些進(jìn)展。他認(rèn)為這使得值得努力探索的方向。

孟斌教授提出了在大數(shù)據(jù)時(shí)代對個(gè)體GIS數(shù)據(jù)模型關(guān)注方面進(jìn)展的問題。劉教授認(rèn)為近期主要還是關(guān)于時(shí)空軌跡、時(shí)空點(diǎn)、匯總、以及語義的加入等。

講座2：樂陽 教授——出行的（不）可預(yù)測性：從大數(shù)據(jù)到AI不變的邏輯

本次報(bào)告中，樂陽教授首先基于其國家自然科學(xué)基金項(xiàng)目《數(shù)據(jù)驅(qū)動(dòng)的空間選擇行為機(jī)制的研究》，簡要介紹了圍繞基金所取得的主要研究和發(fā)現(xiàn)；并重點(diǎn)分享了在項(xiàng)目完成過程中的兩點(diǎn)思考：1）研究服務(wù)可持續(xù)發(fā)展，2）模型可預(yù)測性的辯證思考。

首先，樂陽教授介紹了大數(shù)據(jù)進(jìn)行空間行為選擇的一些代表性研究，例如多源數(shù)據(jù)融合方法、數(shù)據(jù)采樣率對建模精度的影響，以及利用大數(shù)據(jù)對商業(yè)中心的空間吸引力模型及影響因素識別，通勤與職住平衡的實(shí)證分析等。在以上成果的基礎(chǔ)上，樂陽教授提出一個(gè)思考：影響空間行為選擇的因素眾多，如何做更有意義的研究？她認(rèn)為很多研究和算法本質(zhì)上是在為資本服務(wù)，如推薦算法；另一方面，還可以考慮服務(wù)于社會，如城市規(guī)劃和城市管理，需要兼顧公平和效率，從而保障社會的整體可持續(xù)發(fā)展。

接下來，樂陽教授分享了她在城市可持續(xù)發(fā)展方面的研究，主要是針對中低收入群體的多項(xiàng)代表性成果，如利用公交刷卡數(shù)據(jù)分析中低收入人群居住遷徙、中低收入群體及新移民是否存在活動(dòng)分異、從活動(dòng)空間角度分析交通的不均等性等。

隨后，針對模型對人群行為模型，樂陽教授探討了人類相關(guān)現(xiàn)象整體大致可預(yù)測、部分細(xì)節(jié)不可預(yù)測的本質(zhì)。她以其博士研究所從事的城市路網(wǎng)短期交通預(yù)測為例，強(qiáng)調(diào)短時(shí)交通可預(yù)測性的關(guān)鍵在于訓(xùn)練數(shù)據(jù)的質(zhì)量以及模型對模式和關(guān)系的挖掘能力；因此，隨著預(yù)測時(shí)間間隔的增大，歷史平均值得到的預(yù)測效果反而會優(yōu)于各種算法。此外，樂老師以大語言模型預(yù)測下一個(gè)token的思路為例，探討模型預(yù)測的結(jié)果。她認(rèn)為算法預(yù)測的是“平均”現(xiàn)象，所以算法的預(yù)測精度在邏輯上是有邊界的；除了“卷”算法，建模時(shí)更應(yīng)該深入認(rèn)識現(xiàn)象的本質(zhì)。

最后，以軌跡數(shù)據(jù)的表示學(xué)習(xí)為例，樂陽教授介紹了其團(tuán)隊(duì)在”Science for AI”思路下的研究工作，其核心在于如何更高效準(zhǔn)確地表達(dá)軌跡數(shù)據(jù)的時(shí)空相關(guān)性。在這項(xiàng)工作中，樂陽教授的團(tuán)隊(duì)將軌跡的時(shí)空相關(guān)性這一先驗(yàn)知識與AI算法進(jìn)行融合，并利用成都、紐約和東京的真實(shí)軌跡數(shù)據(jù)驗(yàn)證了軌跡表示學(xué)習(xí)的效果。樂老師認(rèn)為這些軌跡數(shù)據(jù)的隱空間中也包含了一定的時(shí)空特征，她期待大家可以一起探索，在這個(gè)方向上能夠得出一些有趣的結(jié)果。

會議交流：

在報(bào)告結(jié)束后，孟斌教授對樂陽教授的報(bào)告進(jìn)行了簡要點(diǎn)評，認(rèn)為該報(bào)告有很多哲學(xué)層面的思考以及新技術(shù)，特別是AI熱潮的關(guān)注和相關(guān)實(shí)例。與會師生與樂陽教授展開了熱烈的討論與交流。其中，孟斌教授提出在大語言模型這類新的技術(shù)到來時(shí)，AI是否會為人文地理背景的同學(xué)提供一個(gè)彎道超車的可能性這一問題。樂老師認(rèn)為大語言模型的出現(xiàn)可能會給各領(lǐng)域都提供了一個(gè)彎道超車的機(jī)會，因?yàn)榇蠹叶继幱趯W(xué)習(xí)的起點(diǎn)階段。她認(rèn)為人文地理學(xué)者在理解人或社會方面更加擅長，并提醒大家不僅僅關(guān)注算法和技術(shù)細(xì)節(jié)，而是要思考如何將人文地理學(xué)知識與AI算法結(jié)合起來，以更好地理解人類和社會，這是人文地理學(xué)者的優(yōu)勢所在；尤其是結(jié)合城市問題去做模式挖掘和機(jī)理的解釋，而不是單純地“卷”算法。她再次強(qiáng)調(diào)“科技向善”，算法應(yīng)服務(wù)于社會的公平、效率和可持續(xù)發(fā)展。

部分參會代表合影

“行為地理學(xué)高級研習(xí)班”由中國地理學(xué)會組織領(lǐng)導(dǎo)、行為地理專業(yè)委員會策劃并承辦，旨在進(jìn)一步加強(qiáng)我國行為地理學(xué)研究的理論與實(shí)踐水平，持續(xù)了解國際學(xué)術(shù)前沿，促進(jìn)與國際研究的接軌，搭建學(xué)術(shù)交流與互動(dòng)的平臺，促進(jìn)行為地理學(xué)人才隊(duì)伍培養(yǎng)，尤其是幫助那些在行為地理學(xué)相關(guān)領(lǐng)域從事科研與教學(xué)的青年教師、行業(yè)骨干及研究生。

供稿：中國地理學(xué)會行為地理專業(yè)委員會委員李秋萍副教授