基于空间推理的地理空间大数据定性处理关键技术研究

Nowadays, our world has entered the era of artificial intelligence and big data. Geospatial data is an important data type in current real-world applications. As a major approach for dealing with geospatial data, qualitative spatial representation and reasoning has been successfully applied in several fields, including computer vision. The project studies qualitative processing of geospatial big data that is used in multiple application scenarios, huge in size, uncertain, and dynamic, based on qualitative spatial representation and reasoning. The main contents of the project include: 1) Research on extraction of qualitative spatial relationships from massive geospatial data; 2) Exploration of simplifying representation of a large number of qualitative spatial relationships; 3) Study on reasoning and maintenance of dynamic large qualitative spatial information. Achievements in the project will greatly increase the capability of qualitative spatial representation and reasoning for handling big data, promote the utilization of geospatial big data in artificial intelligence, and improve human experience in intelligent interaction technologies.

当今社会已经迈入人工智能和大数据的时代，当前实际应用中的重要数据类型之一是地理空间数据。定性空间表示与推理是处理地理空间数据的主要手段之一，已成功应用于计算机视觉等领域。本项目针对地理空间大数据呈现的应用场景多、体量巨大、不确定性和动态性等特点，以定性空间表示及推理为理论基础和主要手段，来研究地理空间大数据定性处理的关键技术，具体内容包括：1）大规模地理空间数据的定性空间关系提取研究；2）大规模定性空间关系的简化表示研究；3）大规模动态定性空间信息的推理与维护研究。项目研究成果对于提高定性空间表示和推理处理大数据的能力，推动大规模地理空间数据在人工智能技术中的实际应用，以及改善智能交互技术的人性化体验都将具有重要的促进作用。

定性空间表示与推理是处理地理空间数据的核心支撑理论之一。本项目针对地理空间大数据在实际应用中凸显出的信息提取、简化表示、推理及维护等问题，研究了其定性处理的多项关键理论和方法。主要取得了以下成果：（1）提出了多种定量几何数据、定性时空信息等的自动提取方法；（2）给出了基于机器学习和数据挖掘技术等的空间数据聚类和边界提取方法；（3）设计了两种大规模定性空间关系的简化表示方法；（4）提出了基于信念修正的动态定性空间信息维护方法；（5）提出了基于鲁棒性问题的动态定性空间信息推理方法。相关研究成果发表学术论文11篇，还有多篇在审，其中获得国际会议最佳学生论文奖1项，申请国家发明专利1项。这些成果对提高定性空间表示和推理的大数据处理能力、推动大规模地理空间数据的实际应用、改善人工智能技术的人性化体验均具有重要作用。