十位全球青年科学家共话空间信息前沿科技

8月18-19日，由泰伯网主办的WGDC2020全球地理信息开发者大会顺利召开。大会以“科技与产业的共振”为主题，聚集了数百位空间信息领域学术界领军人、产业界领袖以及相关政府机构领导人，共议新一轮科技革命背景下产业变革与发展。《中国图象图形学报》是WGDC2020的媒体合作单位，为大会提供媒体宣传等学术服务。

点击图片了解更多

WGDC2020还举办了备受关注的首届全球前沿科技青年科学家论坛，十位来自全球的优秀青年科学家基于WGDC全球科技创新平台，深入研讨了地理信息前沿科技所面临的机遇、挑战和未来发展方向，不仅带来了前沿的、创新的、交叉学科融合的观点分享，同时向全球展示中国新一代青年科学家的创新力量和精神风貌。下面图图为您梳理和分享这些青年先行者的前沿观点和独到见解。

十个精彩报告一览

人工智能驱动下的新型地理信息科学

李文雯 亚利桑那州立大学(ASU)地理科学与城市规划学院副教授（终身教授）、博士生导师

城市视觉智能：用图像对话世界

张帆 麻省理工学院感知城市实验室(MIT Senseable City Laboratory)研究员

个性化推荐系统的未来

谢幸 微软亚洲研究院首席研究员、中国科技大学兼职博士生导师

计算社会经济学：理念、方法与应用

周涛 电子科技大学大数据研究中心主任、教授，成都大数据产业技术研究院院长

健康大数据的时空智能分析与应用

廖一兰 中国科学院资源与环境信息系统国家重点实验室副研究员、硕士导师

InSAR建筑遗产形变监测与健康诊断

陈富龙 中国科学院空天信息创新研究院研究员

个性化推荐系统的未来

谢幸 微软亚洲研究院首席研究员、中国科技大学兼职博士生导师

基于城市内部人口活动数据的疫情传播预测与仿真

王静远 北京航空航天大学副教授、博士生导师

基于Earth Engine的地理大数据时空分析与交互式制图

吴秋生 美国田纳西大学地理系助理教授、博士生导师

多尺度氢能源汽车早期充气站选址优化与分析

赵群山 英国格拉斯哥大学城市大数据中心城市分析助理教授、博士生导师

论坛主持人

徐颖，中科院空天信息创新研究院研究员、博士生导师

01

专家：李文雯 亚利桑那州立大学(ASU)地理科学与城市规划学院副教授（终身教授）、博士生导师

报告：人工智能驱动下的新型地理信息科学

“人工智能驱动下的新型地理信息科学”AI—Driven，Next—Generation  GIScience

GIScience(Geographic  Information  Science)是一门研究如何将地理空间数据进行存储、管理、分析和可视化的一系列理论方法、技术等方面的交叉学科，是产生并且使用大量数据的学科。Machine的提出，为Data  Driven  Discovery提供了强大的技术能力的支撑。

Cyber  infrastructure  +GIS = CyberGIS

Cyber infrastructure是基于网络的信息计算分析平台,由美国  National  Science  Foundation自然科学基金在2003年蓝丝带报告中提出，它是一个新型的信息处理的架构，基于分布式的计算机，分布式的信息，以及高速互联网提供的一个高效数据获取、建模和分析的平台，对推动知识型经济的发展起到不可或缺的作用。

另一个大型的CI  projects是iPlant——植被科学领域中的CI项目的领头羊，提供了众多研究植被物种的数据源，同时也提供了非常强大的数据分析功能。通过后台的工作流引擎，科学家可以直接在云平台上进行各种数据分析和可视化。

CI在地理世界里面的应用，主要是以CyberGIS为主，CyberGIS就是Cyber infrastructure和GIS的结合，这是由美国伊利诺伊大学香槟分校的王教授首次提出。研究代表人物的主要贡献在于解决了大数据分析计算的瓶颈问题，通过高性能计算或者是云计算平台，实现了对计算密集型任务的快速求解。

CyberGIS存在什么瓶颈？

我们在研究中不仅需要一个计算平台，更需要的是一个数据平台，以及可以为海量数据提供智能分析的一个综合的解决方案。

正如著名的80%-20%法则，绝大多数科学家用80%的时间来搜索数据，而只有20%的时间用来分析数据和解决问题。

为了解决数据的瓶颈，我们开发了PolarHub平台，这是一个大规模的网络数据搜索引擎。目标是寻找在网络上共享的但是离散的那些地理空间数据，然后去搜索注册在各个在线的数据仓库中的地理数据。

我们启动了大规模的网络搜索，人工智能在这个过程中就起到了至关重要的作用。为了实现对地理数据的快速定位，通过对网页特征的分析，以及机器学习的辅助，就可以将搜索范围限制在那些只与地理数据相关的网页上，实现非常快速有效的数据发现。人工智能的第二大作用，就是对已经搜索到的数据进行语义分类。

以上是我们探究的AI和Cyber infrastructure整合的项目，未来将继续研究AI和Cyber infrastructure的深度融合，来开发更加智能的、有效的空间信息分析和处理的解决方案。

0 2

专家：张帆 麻省理工学院感知城市实验室(MIT Senseable City Laboratory)研究员

报告：城市视觉智能：用图像对话世界

在无人驾驶领域，我们更关注人行道在哪里，前后的车辆在哪里，有没有行人。计算机视觉目前可以高效地识别这些要素。但是作为一个关心机器问题的学者，这些还远远不够。我们致力于用图像对话世界，挖掘城市街景，图像背后隐藏的关于城市的更多信息，能够潜在的帮助相关部门做出更好的决策，提升城市生活体验。

AI如何挖掘城市街景？

利用人工智能和深度学习，通过学习训练，让模型像游客一样观察每一个场景，记忆每一个城市的样子。训练后的模型会告诉我们，比如说判断某个样本有99%的可能性属于巴黎，而且确实属于巴黎，这样的照片就可能是比较有巴黎特色；但是如果模型判断一张来自于巴黎的照片，只有20%的可能性属于巴黎，这样的照片就没有代表性，就不具备巴黎的特色。

不同于传统算法的结果，我们不但挖掘出了一些地标性的建筑，还发现了很多历史遗迹的场景，包括一些宗教场所，特色的街道风格，特色的地貌等。正是这些与众不同的场景，使每个城市都与众不同。

如何判断我们对某个城市场景比较偏好，如何实现大规模自动化的评估？利用MIT的一个公共调研平台，我们用6年时间，采集了来自全球几万名志愿者对全球几十个合适场景的偏好评估。收集了大约超过100万次的评价数据，如哪个场景看起来更安全，更压抑等。然后基于人工智能技术从大量的偏好选择中学习知识，最终使得模型可以模拟人对城市场景的感受进行评分。

    

AI情感地图

我们到了一个新城市，关心的不只是时间和距离，更期待有一条舒适、安全的路径，因此，将道路的安全感评分纳入了导航体系中，就可以对路径规划中的每一条道路进行评估和规划，直接查看道路上的街景，给出一个整体的评价。利用计算机视觉技术对街景、起点、终点进行评价的工作。

另外我们还探索和讨论了城市看得见、摸得着的物质空间背后，看不见、有意思的内容。我们还有大量的面向智慧城市应用的一些实践工作，希望将这些产出服务于社会，服务于业界，为解决城市问题提供一些支持。我们在智慧城市应用，政府咨询，商业咨询领域也做了大量的项目。如果大家对我们的工作感兴趣，无论是在研究或者是业务服务方面，欢迎大家合作。

0 3

专家：谢幸 微软亚洲研究院首席研究员、中国科技大学兼职博士生导师

报告：个性化推荐系统的未来

推荐系统无所不在

随着信息技术和互联网行业的发展，信息过载成为处理信息的一个挑战。对用户来说，随着资源的指数增长，如何准确定位到自己需要的内容，是一个非常重要，而且极具挑战的事情。

对商家来说如何恰当地把物品呈现给用户，促进交易的增长，也是非常迫切的事情。推荐系统本身就是为了缓解这个困难。

本质说，推荐系统可以看成一个信息过滤的系统，根据用户的历史来学习出用户的爱好，预测用户对物品的偏好。所以可以改变这个商家和用户的沟通方式，也加强了商家和用户之间的交互。据称，推荐系统给亚马逊带来了35%的销售收入，给NETFLIX带来了大概75%的消费。

   

深度学习用在推荐系统

把推荐问题看成是一个机器学习问题，通过数据来训练一个机器学习的模型，去优化、排序和准确性。深度学习用在推荐系统的参与层面：

第一种是提高表征的学习能力，深度神经网络的优势在于强大的表征学习能力。利用深度学习，可以从复杂内容数据里面去学习一个有效的特征，这样可以很方便把这些内容的特征给后面的推荐算法使用。

第二种是深度协同过滤，主张分解模型可以看成非常简单的神经网络，扩展这个网络，引入了非线性的单元，来加强其功能。如自动编码机，卷积神经网络，注意力模型等。

第三种是特征间的社交库。为了提交模型的准确性，往往会使用很丰富或异构的内容数据。使用神经网络可以学习高阶的交互模式。目前很多新的研究方向包括可解释推荐，基于知识图谱的推荐，基于强化学习，图神经网络，还有迁移学习的推荐。

   

推荐可以看成是用户和物品之间的关系

  

第一，如何来表达物品；第二，如何来表达用户；第三，如何计算他们之间的关系，以及最后如何把推荐的结果展现给用户。

用户表示需要准确预算用户多方面的行为，比如说搜索、网页浏览、新闻浏览，不同的行为都需要准确的表示。基于一个多元异构的用户数据来构建一个统一的用户表示模型，尽可能全面而准确地包含用户在不同属性和纬度的特征信息。从而，应用于多种用户画像的任务。

进一步拓展这一模型，发现有时两个用户有同样的行为，但是关注点不一样。而且同一用户在不同平台上都有行为，如何把这些行为集成到一起？借助多视角学习的方式，同样一个来源的行为放到一起，称之为一个视角，在这个视角底下先生成一个表示，然后把不同的视角集成起来，从而生成一个统一的用户表示，这样就达成了集成用户不同来源行为的不同的结果。

   

最后共享一些代码和数据。Github上的Microsoft  Recommenders是最受关注的推荐系统项目，包括DKN，新闻推荐的算法，以及序列推荐的算法等。

   

0 4

专家：周涛 电子科技大学大数据研究中心主任、教授，成都大数据产业技术研究院院长

报告：计算社会经济学：理念、方法与应用

计算社会经济学三大趋势

第一，整体上来说，社会学，经济学，社会经济学以及相关的包括管理学等，都在经历大的发展趋势，从定性研究向定量研究发展。我们提出的理论越来越定量化，现在纯粹定性的理论已经很难得到大家的认可。

第二，以前在研究社会经济问题的时候，很多时候我们苦于没有数据，因为没有数据，所以我们也很难进行真正的定量化研究。但是现在，我们面对的是一切都被数据化，一切都被记录的所谓的大数据时代。截止到今年，2020年底，全球数据存储量40ZB，我们的很多行为都被记录下来，这是第二个大的趋势。

第三，越来越强的学科交叉融合趋势。在早期，如50多年前做人工智能，研究计算机科学的人，视野相对较窄。但是现在，方法论上的前进只是很小的一部分，必须在生命科学，甚至是物理学，化学，管理学，社会科学，经济学中发挥作用，才能获得认可。另外，做社会科学经济学的学者在寻求新的工具，形成更深度的学科交叉。

四个计算社会经济学方法论

计算社会经济学是基于大规模的真实数据，一是大规模，二是真实数据。用定量化的手段，研究社会经济发展中的各种现象，特别关注与社会过程有关的经济发展问题，和与经济发展有关的社会问题。下面从四个方面简单介绍我们所认为的计算社会经济学的几个特征的方法论：

第一，分析自然数据。以社会学为例，以前分析的绝大部分数据都是来源于统计数据，问卷数据，调查数据等等。现在有了越来越多的数据，也有了更好的计算手段，所以可以用自然的数据来进行分析。就是在行为过程中，自动形成的数据，而不非要填表得到。当然做研究是有伦理学的要求的，不能给出微观数据，只能给出统计结果。

第二，应用大规模的互联网实验。利用互联网的手段，可以在百万、千万，甚至是更大规模的人群中做实验。

第三，结合大数据的方法和传统的社会调查方法。社会调查能够得到高价值，小规模的数据。而通过遥感卫星，社交媒体，智能手机能得到超大规模的数据。用低价值、大规模的数据，去预测高价值、小规模的数据，从而得到等同于大规模、高价值的数据。

第四，用预测去佐证理论。当我们面对一些可量化的社会经济问题时，更多的是要做预测，这种预测不是预测2019年的东西，而是提前公布2022、2023年会发生什么，让时间来检验和佐证。

0 5

专家：廖一兰 中国科学院资源与环境信息系统国家重点实验室副研究员、硕士导师

报告：健康大数据的时空智能分析与应用

疾病防控预警面临的挑战

   

健康大数据是国家重要的基础性战略资源，是未来健康医疗服务发展的重要趋势。在健康大数据产业加速发展的基础上，健康大数据研究逐渐形成了多个热点。比如：研发新的智能化医学设备与技术平台，探寻最前沿、普遍关注的人类健康问题，还有利用大数据挖掘对重大疾病进行预防和诊断的智能辅助诊断方面，有实时监测突发公共卫生事件提供预测预警的公共卫生安全的方面，还有研发新药、研发新的治疗方案的转化医学。现在的公共卫生安全领域，疾病防控预警面临着重重挑战。

首先，难融合。现行的系统监测数据仅仅来源于医疗机构的患者个体和发病信息，来源单一。对早期预警具有重要意义的其他数据的融合、应用，除了政策的机制，还受到自身数据质量的影响。数据融合共享成为了难题。

第二，难识别。现在的疾病异常苗头的判别多为回顾性分析，那么预警的时间关口明显滞后，而且并没有综合利用疾病在时间、空间、人间多维度上的分布信息，容易造成错失时机。

第三，难智能。现在预警模型多以不具备学习能力的确定性模型为主，算法缺乏智能化学习能力，同时对各种措施实施效果缺乏时空预警预测的能力。

多种时空智能分析技术，能够为解决上述问题提供重要的支持。

时空智能分析与应用的进展

  

第一，健康大数据疾病制图的分析与应用。在进行疾病预警、预防之前，首先要通过少量的监测点，对疾病的时空分布进行估计。如何基于少量的监测点，融合多元的疾病相关的大数据，及时精确地表达疾病的分布呢？我们基于三位一体理论的疾病制图方法体系，研发了疾病制图软件，成果主要应用于上海世博会的疾病症状监测平台，我国癌症可视化与数据共享系统，以及广西自治区全民健康信息平台辅助决策系统。

第二，健康大数据时空聚类分析与应用。了解疾病的分布后，要对疾病的异常苗头进行识别。如何及时准确探测到传染病爆发苗头，是预警研究领域的热点和难点。针对这个问题，建立了基于多期时空数据的时空据类方法体系，成果应用于国家传染病网络直报系统的时空预警平台。

第三，健康大数据时空关联分析及应用。对疾病的异常进行识别后，如何在疾病发生发展的过程中，智能地发现预防和控制疾病的传播。为了最大限度地提高疾病预警的灵敏性和及时性，我们课题组目前逐步整合多元数据，形成具有学习功能的智能预警算法模型体系。成果主要应用在国家传染病病原监测系统，江苏省重大新发传染病综合防控科技示范工程，并且在此次的新冠疫情中，为国家提供了5份政府咨询报告。

未来，我们准备使用街景数据识别疾病潜在的传播风险区；研究利用可穿戴设备去感知城市微观环境对疾病的影响。

0 6

专家：陈富龙 中国科学院空天信息创新研究院研究员

报告：InSAR建筑遗产形变监测与健康诊断

“世界遗产”是一个特殊的地球表面目标

世界遗产是全人类文明的见证，并且关乎着全人类文化的传承。以“一带一路”为例，它不仅是古沙漠之路的见证，也是著名的文化之路。截止到2018年，“一带一路”沿线世界文化遗产共计529项，在当前的形势下，遗产的保护直接关系到“一带一路”互通互联，民心相通。同时遗产的保护也是直接关乎联合国在2030年社会可持续发展议程SDG11.4的实现。因此保护世界遗产，不仅是保护全人类共同美丽家园的重要的技术手段，也是助力我国科技外交的一个重要举措。

文化遗产以什么形势表征？

我们有五种不可移动的文物类型来表征，包括古遗址、古墓葬、古石窟石刻、古建筑、近现代重要史迹以及代表性建筑。其中后两者直接和建筑相关，所以我们可以统称为建筑性遗产，也是主要研究的一个对象。

在当前形势下，建筑遗产的可持续发展会面临哪些挑战呢？总体而言，我们认为它既受到人类因素的影响，又受到自然灾害的影响。比如地震、洪涝、大风、全球变化。人类因素包括资源的开发，大型工程，城镇化，过渡旅游开发等等。例如近期我们也在新闻上看到了很多案例，今年8.18陕西西安的明城墙崩塌事故，今年南方的洪涝灾害等，这些事件在社会上引起了较大关注。如果我们有很好的技术，很多事情是可以预知的。研究表明，建筑遗产在发生病害之前往往可以表征为在时空维上的一个形变异常等先验知识。进而为它的预防、保护和动态监测可以提供定量的科学数据。

建筑遗产的监测技术

第一，卫星雷达干涉技术。

第二，地基雷达和激光雷达，用于遗产单体及其临近环境精细监测的技术手段。

第三，对有病害的建筑单体进行物联网的布设，获得单体构件上连续的微变的实时信息。

如果可以做到三种技术的无缝集成，就能从景观到单体到构件的三级尺度的微变综合监测，以及建筑遗产的健康诊断。

卫星雷达干涉技术，无论是在技术的可研性，还是大范围、热点靶区的拟定和甄别方面的能力，我们把卫星雷达干涉在建筑遗产上的监测作为重点的研究技术手段。  

当时序雷达干涉技术和建筑遗产交叉渗透的时候，会发现更多的科学问题。亟待进行深入研究。我们课题组致力于建筑遗产微变稳健估计和精细建模的研究，初步开发了两类方法：

第一，增强型的时序雷达干涉方法。主要通过永久散射体和分布式散射体两种技术的集成，使得自然场景区能够监测到足够多的测量点。

第二，通过传统的算法和分布式散射体算法的技术集成，解决SAR影像小数据量的技术问题。面对建筑遗产单体精细监测方面，研发了一个精细的微变监测和建模的方法。

未来，我们将探索持续雷达干涉微变预警监测方法的适用性，以及从监测到建模到风险评估、全过程的科学问题。基于天眼探微平台，为我们国家的移动文物、建筑遗产保护提供科技支撑。

0 7

专家：龙瀛 清华大学建筑学院研究员、博士生导师

报告：未来城市：空间干预、场所营造与数字创新

第四次工业革命带来很多新兴的科技，如物联网，穿戴式设备，大数据，人工智能，云计算，混合现实，自动化系统等，这些新兴的，颠覆性的科技正在改变我们的个人和生活。

在这样的背景下，城市规划、城市设计的研究，我们尝试用计算机来支撑。我们也希望科技会更深入地参与到设计规划的过程，改变现有空间存在的问题，如不够灵活，空间利用不充分，浪费资源，弹性有限等。

传统的规划设计，核心是空间干预。比如说通过改变空间的形状，布局，密度，规模，来改善创造更好的人居环境，来实现空间的可持续发展。面向未来城市的设计，还需要数字创新一系列的技术手段。数字创新参与到未来的空间设计有三个路径：

路径一，以物联网的方式植入到物质空间，让每一个物质空间，每一个路灯都有物联网，可以来记录使用的状态，让空间变成有生命。

路径二，通过场所营造的方式，让空间和个人有互动。

路径三，不通过人参与到物质空间，或者是参与到社会空间，而是以数字孪生的城市，参与到线上的空间或者是虚拟的空间。   

数字创新有什么优势？

在空间干预的方面，数字创新带来更智慧的创意，一定程度上代替了传统上的边界，让空间越来越虚拟化，数字化。

未来，数字创新将和场所营造、空间干预一起促进空间的可持续。

0 8

专家：王静远 北京航空航天大学副教授、博士生导师

报告：基于城市内部人口活动数据的疫情传播预测与仿真

新冠肺炎疫情是当前全球面对的一个公共社会问题，我国的疫情防控治理水平非常高。在治理背后是基于大数据和人工智能的方法进行疫情趋势的预测。1月23日武汉封城，1月27日我们团队开始研发了第一个预测模型，1月30日通过公众号对外发布。后来给国务院的联防联控机制的三个工作组：疫情防控工作组，科技公关工作和外事工作组提供关于国内外疫情的一些预测的工作。这些工作对我国的疫情防控的实际政策制定上，都提供了一定的参考。

流行病的传播，和人的行为有非常密切的关系。一旦把视野收缩到城市中，研究就非常困难，因为城市中人的活动行为相对比较复杂，不像城市之间容易捕捉。

为了捕捉人类活动数据，需要建模，构建街道办的尺度上城市疾病的传播网络。SEIR模型将人分成了健康的人，暴露的人（进入潜伏期的人），被治疗好的人，以及死亡的人。在有隔离手段的情况下，SEIR模型的四个状态会发生一些变化，在这四个状态之间的切换，满足于动力学方程。利用这个模型，我们经过一段时间的参数调试，取得了很好的结果。

如果是调整政策，武汉会发生什么情况？所以我们调整了交通控制的强度，比如说不要求人们呆在家里，如果说管控的启动时间比较晚，后果也会非常严重。如果放松了隔离政策，不是100%的隔离，也会出现问题。

这项工作为我们积累了经验，在新发地疫情爆发之后，很快就借用类似的方法，对北京新发地的疫情做了分析。新发地的疫情的时间比武汉的疫情要短，很快就发现传染源，并进行了控制。直接使用网约车的出行网络，评估全北京各个街道的风险等级。

“上工治未病”，期待有更多学者去关注并不是热点的领域，在这些领域中多做一些事情，这也是我们作为科研人员更应该发挥科学家良知的一种体现。

0 9

专家：吴秋生 美国田纳西大学地理系助理教授、博士生导师

报告：基于Earth Engine的地理大数据时空分析与交互式制图

Earth  Engine及其应用开发接口

Google Earth  是一个虚拟的三维地球，可以浏览一些卫星的影像，地图，地形，包括一些建筑物的三维模型。

Earth  Engine是一个云计算的平台，支撑Google  Earth背后的影像计算，就相当于一个强大的计算支撑。它有一个很强大的数据库，包括常用的卫星的影像，如地形，土地利用，气侯，气象的数据等。

应用开发主要有两种，一种是JavaScript  API；另一种是Pyphon  API。JavaScript API的优点是有很多官方的帮助文档，缺点是界面限制，不能安装别的软件，扩展性较差。Pyphon  API优点是容易批处理，还可以选择不同的编辑器，缺点是官方的帮助文档较少，也没有什么教程，相对新手来说比较难用。

Google  Earth  Engine的Geemap软件包

这个软件包是我们团队开发。整个代码均是开源的，简单说就是利用Earth  Engine的计算功能，可以做静态图，也可以做一些动态的图，比如说想做一些光谱曲线，加载图层之后，点击选择图层，很快就可以获取图。图的选项也很多，点状图，柱状图等都可以自定义。

还可以做地表影像分类，机器学习，或者是决策树等。在Google  Earth  Engine中，研究区域不是很重要，最重要的是算法、思维，最后只需要把算法应用到整个大的研究区域，几行代码就可以很快实现。好处是可以做大尺度，大范围的分析。

通过Earth  Engine得到的成果，怎么分享给别人呢？我开发了python的版本，不需要有Google  Earth  Engine的帐户，Google不仅提供了Earth  Engine  APP，点进链接就可以看。

10

专家：赵群山 英国格拉斯哥大学城市大数据中心城市分析助理教授、博士生导师

报告：多尺度氢能源汽车早期充气站选址优化与分析

氢能源汽车

在全球范围内对新能源汽车都有很大的发展趋势，英国打算在2040年禁售所有的汽油车和柴油车，中国，法国，德国，印度也有相应的计划。在未来的10到20年之间，慢慢的市面上就没办法购买到常见的汽油车，柴油车，所有的汽车都要转换成可替代能源的汽车。

   

特斯拉近期在中国开厂，在疫情期间股价仍然大涨。特斯拉是著名的新能源汽车，以电池引导。除了特斯拉之外还有很多其他车厂也在做电动车，如雪佛兰，尼桑。除了电动车以外，还有很多可替代能源的汽车，比如说氢气车。

我主要研究氢气车，早期大家对它的关注不是很多，原因是在氢能源的制造和组成上有很大的技术障碍，但是近几年氢气车快速发展，技术障碍也在慢慢被克服。

氢气车并不是把氢气直接燃烧，而是以电的形式，把氢加到车里面，以电的形式来燃烧，最后以电的形式来推动车的行走。氢气的主要优势很明显，充电速度非常快，大概只要三五分钟就可以充满。氢气车也有问题，比如制造和储存，现在的生产成本还是相对比较高。还有就是加氢站非常有限，电动桩已经有很多，但是对氢气的加氢站有很大的限制，这不是一个可以轻易建造的基础设施。

在中国也有一些已经建好的加氢站，主要是在广东、上海地区。今年2020年有了大量的规划，但是具体落地还在进展中。

早期的充气站规划其实是鸡生蛋，蛋生鸡的问题。从某种意义上来说，当你有足够多的加氢站，在这种情况下，购买车的人才会考虑是不是现在可以购买相应的新能源汽车了。另一方面，只有当更多的人、更多的用户真正购买了可替代能源汽车，才能够保证这些加氢站、加气站能够合理的运营和发展。

怎么样建最少的加氢站或者是加气站，能够提供最大范围的服务，这种情况下可以保证用比较少的基础设施投资的情况下，但是又能够服务最多的人群。

充气站选址优化与分析

这个问题其实是一个优化问题，怎么样用最少的资源来覆盖最大的面积。

我们的研究进行多尺度的站点选择的规划。实例应用在康乃狄克州。这个研究有几个主要的创新点：

第一，方法集成了2005年Flow-refueling  model模型、2012年Deviation  Model模型、2017年Freeway  trattic  capture  method模型。我们把这三个方法集成在一起，做一个比较完整的工作流，进行交通的规划。

第二，考虑了便利程度和可达性。

第三，最终结果补充了专家支持和判断。

虽然是氢气车选址，方法也可以用到电车等新能源汽车的建模。

"图图Seminar" 直播活动

回放平台：

知网在线教学服务平台：

http://k.cnki.net/Room/Home/Index/181822

B站：

https://space.bilibili.com/27032291

往期目录：

汪荣贵——机器学习基本知识体系与入门方法

陈强——从Cell封面论文谈AI研究中的实验数据问题

石争浩——从先验到深度：低见度图像增强

行知论坛——南理工行知论坛&图图Seminar：智能画质增强专题

孙显——遥感图像智能分析：方法与应用

章国锋——视觉SLAM在AR应用上的关键性问题探讨

林宙辰——机器学习中优化算法前沿简介

白相志，冯朝路——“医学图像与人工智能”主题论坛

李雷达——以人为中心的图像感知评价：从质量到美学

汪荣贵——深度强化学习系列课程1-4讲

张明敏，郭诗辉——“人工智能与虚拟现实”主题论坛

看完微推意犹未尽？

扫码加入图图社区，优享最新资讯

     好文推荐

前沿进展 | 多媒体信号处理的数学理论

中国卫星遥感回首与展望

单目深度估计方法：现状与前瞻

目标跟踪40年，什么才是未来？

10篇CV综述速览计算机视觉新进展

算法集锦 | 深度学习在遥感图像处理中的六大应用

封面故事 | 从传统到深度：火灾烟雾识别综述

封面故事 | 光场数据压缩综述

学者观点 | 结合深度学习和半监督学习的遥感影像分类

编辑推荐 | 视频 + 地图！四维信息助力实景中国

深度学习+图像降噪，如何解决“卡脖子”问题？

❂ 专家报告

专家推荐|高维数据表示：由稀疏先验到深度模型

专家报告 | AI与影像“术”——医学影像在新冠肺炎中的应用

专家推荐|真假难辨还是虚幻迷离，参与介质图形绘制让人惊叹！

学者推荐 | 深度学习与高光谱图像分类【内含PPT 福利】

专家报告|深度学习+图像多模态融合

专家报告 | 类脑智能与类脑计算

实战例题！200+PPT带你看懂监督学习

118页PPT！机器学习模型参数与优化那些事儿~

专家开讲 | 机器学习究竟是什么？

❂ 论文写作

羡慕别人中了顶会？做到这些你也可以！

如何阅读一篇文献？

共享 | SAR图像船舶切片数据集

资源分享| 不知道如何获取最新的算法资讯？快来这里看一看

资源分享|热门IT资讯号推荐

本文系《中国图象图形学报》独家稿件

内容仅供学习交流

版权属于原作者

欢迎大家关注转发！

编辑：韩小荷

指导：梧桐君

审校：夏薇薇

总编辑：肖   亮

声  明

欢迎转发本号原创内容，任何形式的媒体或机构未经授权，不得转载和摘编。授权请在后台留言“机构名称+文章标题+转载/转发”联系本号。转载需标注原作者和信息来源为《中国图象图形学报》。本号转载信息旨在传播交流，内容为作者观点，不代表本号立场。未经允许，请勿二次转载。如涉及文字、图片等内容、版权和其他问题，请于文章发出20日内联系本号，我们将第一时间处理。《中国图象图形学报》拥有最终解释权。

我就知道你“在看”