2024年1月9日下午，中國地理學會“行為地理學高級研習班”的第九講在線上順利舉行。本次講座的主題是“地理信息與時空行為大數(shù)據(jù)”，由北京聯(lián)合大學孟斌教授主持，北京大學城市與環(huán)境劉瑜教授、深圳大學樂陽教授應邀開講。劉瑜教授以“地理學中的空間效應”為題，詳細介紹了四種空間效應，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)空間效應并揭示地理規(guī)律。樂陽教授以“出行的（不）可預測性——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，預測算法的一些本質問題。本次研習班通過騰訊會議和會議直播方式進行，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

劉瑜教授的講座共分為三個部分。劉瑜教授首先從學科的角度，介紹了地理信息科學和地理學的關系，強調了地理信息科學在維護地理學整體性以及推動地理學研究上的作用；接著詳細闡述了地理學中的四種空間效應：空間異質性、空間依賴和空間自相關、空間交互和距離衰減、空間聚合與尺度效應；然后討論了人工智能在地理學中的應用，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)空間效應并揭示地理規(guī)律。

第一部分，劉瑜教授從學科角度介紹了地理信息科學與地理學之間的關系。首先，地理信息系統(tǒng)作為工具，為部門地理學提供數(shù)據(jù)整合分析的方法。其次，地理信息科學中的數(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，對地理學科的統(tǒng)一性非常有意義。地理學一直以來受到空心化問題的困擾，而地理信息科學的空間思維和抽象表達在維護地理學整體性、凝聚地理學的核心方面起到了重要作用。此外，地理信息科學中的算法和系統(tǒng)的實現(xiàn)，能夠將地理學的研究成果輸出到其他領域，例如公共衛(wèi)生領域、城市規(guī)劃領域等，從而產(chǎn)生知識溢出，進而體現(xiàn)地理學“經(jīng)世致用”的特點。

第二部分，劉瑜教授結合近些年的思考梳理了地理學中的四種空間效應：空間異質性效應、近鄰效用（空間依賴和空間自相關）、距離衰減效應（空間交互中距離衰減）、尺度效應。空間異質性是地理學的一個最基本的特征，表現(xiàn)各個要素在地球上不同位置的分布不一致。地理學與物理學之間的差異也在于空間異質性，盡管這種異質性使得地理學很難像物理學一樣去探求普遍規(guī)律。地理數(shù)據(jù)由于受空間相互作用和空間擴散的影響，彼此之間可能不再相互獨立，而是相關的，表現(xiàn)為空間依賴性。很多的空間計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、地理加權回歸模型等，都是將這種空間臨近的依賴關系考慮進來，使得我們對空間變量的預測更加準確。此外，距離衰減效應中也非常重要。人、物品、資金在空間上的交互、流動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)，同時也介紹了常用的歐氏距離度量的局限性，強調了地理分析中距離的復雜性。最后，空間聚合和尺度效應是另一個重要的方面。由于地理現(xiàn)象沒有天然的分析單元，需要人為設定。正因為這一點，導致了空間分析中經(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，劉瑜教授詳細介紹了人工智能方法在地理學中的應用。他強調了對AI模型的改造，以使其能夠更好地體現(xiàn)空間效應。接著，通過四個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，并揭示地理規(guī)律。這四個方面的案例分別為：（1）體現(xiàn)空間效應的神經(jīng)網(wǎng)絡。包括利用神經(jīng)網(wǎng)絡模型來處理空間權重，利用單元格之間聯(lián)系權重來體現(xiàn)空間的影響，以及利用圖卷積網(wǎng)絡實現(xiàn)空間回歸，通過圖結構來體現(xiàn)空間鄰近和距離衰減效應。（2）地理表示學習。在地理表征中進行壓縮編碼，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)絡和符號回歸方法去揭示空間交互規(guī)律，并顧及空間異質性。（4）地理生成式人工智能。利用生成對抗網(wǎng)絡模擬城市以及遙感多模態(tài)大模型。

GIS&S和地理學的關系

會議交流：

孟斌教授對劉瑜教授的報告進行了簡要總結。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知、大數(shù)據(jù)與行為地理學結合的最新進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所關注的個體行為建模問題與劉瑜教授進行了交流。主要摘錄如下：

柴彥威教授提出了關于空間認知和行為研究的問題，特別是如何通過數(shù)學方法和大數(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，以及劉老師對最新關于大數(shù)據(jù)與時空行為結合的動態(tài)的看法。劉瑜教授強調了大數(shù)據(jù)在行為地理學中的重要性。他指出，在大數(shù)據(jù)時代，行為地理學需要更多關注個體之間的異質性，并指出大數(shù)據(jù)在匯總過程中可能會丟失個體的細節(jié)特征，認為挖掘大數(shù)據(jù)的細節(jié)特征并將其與行為地理學的一般性規(guī)律結合起來可能會產(chǎn)生有意義的研究工作。此外，劉瑜教授提到了大數(shù)據(jù)與行為地理學結合的重要性，并分享了他最近在寫一篇文章的觀點。他談到了空間交互語義的概念。傳統(tǒng)的人文地理學關注交互強度，比如從一個地方到另一個地方的人數(shù)。然而，大數(shù)據(jù)的出現(xiàn)使得我們可以獲取更多細節(jié)特征，例如人群的年齡、性別、出行時間等。通過大數(shù)據(jù)，我們可以清楚地了解這些細節(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研究中更加重視語義的表征，可能會取得一些進展。他認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)時代對個體GIS數(shù)據(jù)模型關注方面進展的問題。劉教授認為近期主要還是關于時空軌跡、時空點、匯總、以及語義的加入等。

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

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

首先，樂陽教授介紹了大數(shù)據(jù)進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證分析等。在以上成果的基礎上，樂陽教授提出一個思考：影響空間行為選擇的因素眾多，如何做更有意義的研究？她認為很多研究和算法本質上是在為資本服務，如推薦算法；另一方面，還可以考慮服務于社會，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分異、從活動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現(xiàn)象整體大致可預測、部分細節(jié)不可預測的本質。她以其博士研究所從事的城市路網(wǎng)短期交通預測為例，強調短時交通可預測性的關鍵在于訓練數(shù)據(jù)的質量以及模型對模式和關系的挖掘能力；因此，隨著預測時間間隔的增大，歷史平均值得到的預測效果反而會優(yōu)于各種算法。此外，樂老師以大語言模型預測下一個token的思路為例，探討模型預測的結果。她認為算法預測的是“平均”現(xiàn)象，所以算法的預測精度在邏輯上是有邊界的；除了“卷”算法，建模時更應該深入認識現(xiàn)象的本質。

最后，以軌跡數(shù)據(jù)的表示學習為例，樂陽教授介紹了其團隊在”Science for AI”思路下的研究工作，其核心在于如何更高效準確地表達軌跡數(shù)據(jù)的時空相關性。在這項工作中，樂陽教授的團隊將軌跡的時空相關性這一先驗知識與AI算法進行融合，并利用成都、紐約和東京的真實軌跡數(shù)據(jù)驗證了軌跡表示學習的效果。樂老師認為這些軌跡數(shù)據(jù)的隱空間中也包含了一定的時空特征，她期待大家可以一起探索，在這個方向上能夠得出一些有趣的結果。

會議交流：

在報告結束后，孟斌教授對樂陽教授的報告進行了簡要點評，認為該報告有很多哲學層面的思考以及新技術，特別是AI熱潮的關注和相關實例。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到來時，AI是否會為人文地理背景的同學提供一個彎道超車的可能性這一問題。樂老師認為大語言模型的出現(xiàn)可能會給各領域都提供了一個彎道超車的機會，因為大家都處于學習的起點階段。她認為人文地理學者在理解人或社會方面更加擅長，并提醒大家不僅僅關注算法和技術細節(jié)，而是要思考如何將人文地理學知識與AI算法結合起來，以更好地理解人類和社會，這是人文地理學者的優(yōu)勢所在；尤其是結合城市問題去做模式挖掘和機理的解釋，而不是單純地“卷”算法。她再次強調“科技向善”，算法應服務于社會的公平、效率和可持續(xù)發(fā)展。

部分參會代表合影

“行為地理學高級研習班”由中國地理學會組織領導、行為地理專業(yè)委員會策劃并承辦，旨在進一步加強我國行為地理學研究的理論與實踐水平，持續(xù)了解國際學術前沿，促進與國際研究的接軌，搭建學術交流與互動的平臺，促進行為地理學人才隊伍培養(yǎng)，尤其是幫助那些在行為地理學相關領域從事科研與教學的青年教師、行業(yè)骨干及研究生。

供稿：中國地理學會行為地理專業(yè)委員會委員李秋萍副教授