杨 学 习，邓 敏，刘 瑜

(1.中南大学地球科学与信息物理学院，湖南 长沙 410083；2.北京大学地球与空间科学学院遥感与地理信息系统研究所，北京 100871)

0 引言

社会感知(social sensing)是通过多源地理时空大数据研究人类时空间行为特征，进而揭示社会经济现象的时空分布格局、联系及演化过程的理论和方法[1]，其通过场所语义感知[2]、空间交互感知[3]、动态演化感知[4]，充分挖掘多源时空大数据中蕴含的丰富人群时空间行为信息，与遥感数据互为补充。近年来，信息与通信和物联网技术的快速发展，无线传感器、手持智能终端设备等装置的广泛应用，以及人们对互联网和移动通信网络的依赖，产生了大量具有个体标记和时空语义信息的时空“大数据”(big geo-data)[5]，使得长时间、高精度追踪观测个体的空间移动成为可能。伴随大数据时代的来临，全面涵盖人类活动与地理环境信息的地理大数据突破了传统目的性采样数据在数据范围、时空粒度与信息内涵等方面的局限，为“人—地”关系的全面认知带来了全新的研究范式[6,7]。近年来，人工智能领域的技术进步为地理空间相关领域研究的智能化发展和融合创新带来了新机遇和新挑战[8]。地理空间智能(GeoAI)作为地理空间科学与人工智能相结合的交叉学科研究方向，有力提升了对于地理现象和地球科学过程的动态感知、智能推理和知识发现的能力[9]。因此，在地理大数据社会感知手段的支持下，探讨地理空间智能的关键技术与应用，可为地理学研究提供有力的方法和技术支撑。

面向学科发展与行业需求，《地理与地理信息科学》组织了“社会感知与地理空间智能”专栏，邀请国内外从事时空大数据与社会感知的理论与方法、地理空间智能的前沿关键技术、时空大数据行为模式挖掘的理论与方法、时空大数据与社会感知的智慧城市应用研究的学者介绍相关研究进展、应用实例，以期总结成果和经验，发现不足和问题，探索前沿和方向，推动大数据时代社会感知与地理空间智能的创新和发展。该专栏论文集中反映了当前社会感知与地理空间智能的研究动态和热点方向。本文作为导读论文，通过对相关论文的系统分析和综述，总结了当前社会感知与地理空间智能的发展动态，并结合新时代下的新需求、新挑战和新机遇，对社会感知与地理空间智能未来的发展方向进行了初步探讨。

1 “社会感知与地理空间智能”专栏论文简介与研究动态

“社会感知与地理空间智能”专栏包括15篇论文[10-24]，内容涵盖COVID-19疫情分析、群体行为分析、场所情绪刻画、个性出行推荐、城市路网感知等，选择的典型研究区既包括长三角城市群区域，也包括北京、广州、武汉、长沙、成都、西宁等典型城市，选择的研究数据主要包括社交媒体数据、手机信令数据、GPS轨迹数据、街景数据等，采用的信息处理方法涉及机器学习新理论以及地理模拟、空间统计、空间聚类等空间分析方法，系统地呈现了当前社会感知的研究进展。专栏论文具体介绍如下：

姜伟等[10]以新浪微博数据作为主要数据源，结合实地问卷调查，提出了疫情场景下城市内用户群体多维情感响应时空特征分析框架。该框架重点构建了城市内用户群体对于疫情的多维情感强度精确评估方法，并分析疫情情感响应的时空变化特征，解析情感响应的显著影响因子。该文通过将社交媒体大数据与规则采样“小数据”相结合，高效地解析了大规模城市内用户群体的情感响应时空特征，为政府疫情相关政策制定提供理论基础。

朱炤瑗等[11]通过构建COVID-19疫情防控期间的国家对抗和依赖关系交互网络模型，提出一种基于时间序列聚类与空间统计的国家关系交互网络演化模式探测方法。研究充分利用节点的网络特征与空间属性，有效发掘了疫情防控期间国家关系交互网络节点的动态演化模式与空间分布特征，为公共卫生危机事件中的国际关系研究提供参考。

游憩热点的识别和空间特征解析是城市管理者理解居民游憩活动行为的重要依据，师浩辰等[12]以“社会感知”视角为切入点，以GPS众包轨迹为数据源，提出基于“时、地、人”要素提取游憩热点的新思路。通过“时、地”的双重限定识别出每条轨迹的停留点，结合核密度分析与 “头尾划分”法提取停留点的高密度区域，并以道路为基础整合表达游憩热点的空间分布。

冯泽琪等[13]采用新浪微博社交媒体数据，通过用户分类、微博情感分析、微博主题分析、微博负面情绪分析等进行旅游者的情绪感知，并将情绪因素与时空行为研究相结合，提出一套系统的游客微博文本分析方法。该研究可为建设旅游目的地游客舆情监测、预警和管控系统提供借鉴。

屈树学等[14]针对微博社交媒体大数据，利用机器学习算法区分游客与本地居民，进而采用空间分析算法挖掘游客与居民的行为差异，从人群异质性角度发现及揭示空间分异现象，研究结果可为旅游和规划提供一定的参考。

王润泽等[15]基于POI数据利用功能密度指数、功能优势指数识别城市混合用地功能，在此基础上以腾讯位置大数据刻画人口流动差异性和时空聚散模式，并区分为公共主导—聚散波动、商务主导—持续集聚、居住主导—持续集聚、绿地主导—聚散交替、商业主导—动态平衡和工业主导—先聚后散6种模式，为科学合理地制定国土空间规划、完善配套设施建设等提供理论与实践支撑。

吴涛等[16]提出一种基于众源地理数据的个性化路线服务框架，通过将大众对不同地点的偏好、时间与成本预算等信息映射到实际路网空间中，融合个人意向进行动态建模分析，从而为用户提供合适且更具个性化的出行方案。

杨鸿海等[17]以手机信令数据作为数据源，研究西宁市居民在工作日和休息日的时空活动差异及POI设施空间分布对居民活动差异的影响。该研究从宏观、时空动态的角度分析西宁市居民的时空行为，有助于理解工作日和休息日居民在城市空间的时空活动差异及影响机制，可为城市出行空间和基础设施规划提供参考。

郭鑫等[18]利用手机信令数据探索城市不同年龄群体活力空间分布模式，并从区位条件、交通可达性、建筑空间、功能空间和绿地景观空间五方面构建建成环境影响指标体系，进而通过多元线性逐步回归模型和多尺度地理加权回归模型，实现建成环境对城市不同年龄群体活力时空异质性影响的定量刻画。

肖通等[19]提出一种融合街景影像和手机信令数据的城市街道安全性评估方法，通过两种类型数据反映的特征互补来减小“安全感知偏差”，从而有效刻画研究区域街道真实安全性，并对低安全性区域提出针对性建议，研究结果可为城市街道合理规划提供科学参考。

陶奕宏等[20]从微观角度出发，充分考虑地理区位、自然因素、社会经济因素的影响，借助GIS空间分析技术与人工神经网络挖掘不同类型智能体在城市扩展过程中的偏好差异，结合多期遥感影像，运用人工神经网络—智能体模型—元胞自动机(ANN-ABM-CA)模型对城市扩展进行模拟，从而服务于城市可持续发展与国土空间规划。

郭文峰等[21]从人群出行数据感知城市道路的角度出发，采用共享单车GPS数据对城市历史路网进行变化路段检测与更新，提出一种分段—聚类—聚合增量轨迹数据自动生成道路方法。该文提出的基于局部路网更新的检测—提取—更新思想，有效降低了路网数据更新成本，有助于快速感知城市交通路网动态。

汤恒等[22]利用百度指数数据表征信息流，进而分析长三角城市群网络的中心性特征和影响信息流网络形成的因子，进而发掘影响城市间关系的内在因素，为全面理解城市群的空间结构及其成因提供支持。

王钺等[23]结合空间网络分析模型与多尺度地理加权回归模型，以成都市2020年二手住宅交易数据为研究对象，探究不同空间尺度下城市路网对住宅价格的影响机制及其间的差异，可为政府制定房地产市场的相关政策、房地产开发商的选址布局、城市交通规划提供参考。

钟怡然等[24]将高速公路智能监控系统中的实体抽象为多粒度时空对象，并从时空参照、时空位置、空间形态、属性特征、组成结构、关联关系、行为能力和认知能力八方面的特征出发，设计高速公路智能监控系统概念数据模型，有助于监控系统中实体及其复杂关系的组织与管理，以及支撑高速公路智能监控系统的构建与应用。

2 社会感知与地理空间智能的研究展望

地理时空大数据及其提供的社会感知手段，为信息地理学、人文地理学带来了全新的研究范式，为地理规律的发现提供了重要的工具和手段，在“人—地”关系研究中发挥了重要作用。在取得这些进展的同时，同样需要对当前社会感知面临的问题进行冷静的思考。

(1)社会感知提供了一种“由人及地”的研究范式，通过地理时空大数据蕴含的海量人群的时空行为信息，在蓬勃发展的地理空间智能算法的优化驱动下，揭示空间要素的分布格局、地理单元的交互特征、地理场所的情感语义，可视为对城市精细化动态运行提供了一个“上帝视角”，在人工智能技术的支撑下，可望实现对设施的智能管理、人群出行的优化调度，提高城市运行效率。但在城市系统高效运行的背后，如何平衡人们是否接受算法支配的伦理问题，是社会感知和人工智能研究面临的重要挑战。

(2)地理时空大数据丰富的信息内涵如何充分感知利用？多源地理时空大数据覆盖的时段、空间或渗透人群存在明显的差异，产生了多视角的感知。以城市人群交通活动为例，其活动信息蕴含于公交车、地铁、出租车、私家车等不同交通方式，不同的出行方式反映了不同人群的出行规律，例如：公交或地铁刷卡数据主要覆盖出行相对规律的通勤者，出租车轨迹数据主要反映出租车出行者的规律，仅采用单一类型的出行数据获得的人群交通活动研究成果往往有所偏颇。不同来源地理大数据如何实现对某一地理事实的共同反映和表征？多源地理时空大数据的深度融合是解决上述问题的重要途径[25]，即需要在统一的时空框架下，依据具体的应用需求对不同来源数据进行融合，实现不同时态、不同语义、不同尺度地理时空大数据的协同、信息派生与增值[26]，进而采用多尺度建模、多视角协同、多特征认知与多特性表达等手段[27]，基于不同来源的地理大数据对同一地理事实的表征进行深层次理解，发现不同来源地理时空大数据的一致性与互补性。

(3)如何破解“社会感知的结果多为验证性的”这一困局。地理时空大数据及其提供的社会感知手段在人的行为模式挖掘等方面取得了一些新的认知成果，但是现有社会感知成果尚难以真正实现“未知知识”的发现。社会感知成果虽然使人们对“人—地”关系有了更加细化、定量化的认识，但是这些感知结果多是验证性、常识性的。如何真正感知地理时空大数据背后隐含的、新颖的知识，取得诸如“胡焕庸线”的地理发现，是大数据时代社会感知面临的严峻挑战。知识与数据双重驱动的社会感知挖掘手段有望成为破解当前研究困局的重要方式，开放式、可扩展的地理知识图谱的构建以及融合地理规律的机器学习模型的搭建是未来重要的研究方向。