以多源城市数据为支撑的城市计算研究

Urban computing is an interdisciplinary field fusing the computing science with traditional city science fields like transportation, civil engineering, economy, ecology, and sociology in the context of urban spaces. Heterogeneous data generated by a diversity of sources in cities, i.e., multi-source urban data, are strong supports for urban computing to tackle the major issues that cities face, e.g., air pollution, increased energy consumption and traffic congestion. However, limited by the discipline classification of computer science and city science, existing urban computing works does not fully utilize knowledge of city science. Therefore, it could not fully realize potential of multi-source urban data. In order to solve this problem, we are planning to study theories and methods of multi-source urban data modeling in this project from an interdisciplinary perspective with the assistance of computer science researchers and city science researchers. The project will develop a series of multi-source urban data integration and analysis models on the “macroscopic”, “medium-scopic”, and “microscopic” urban study scales based on the “spatio-temporal structuring” and “multiple systems coupling” features of city systems. These models should have capacity to integrate multi-source urban data crossing different urban systems and different city scales. In our program, the implementation of the project will use a “model-and-case” combination research mode, i.e., for each model, we will use real multi-source data of a case city to verify effectiveness of the model, and meanwhile, use the model to solve a challenge problem of the case city. In our plan, three Chinese cities: Beijing, Shenzhen, and Wuxi were selected as case cities. We will use the proposed models to analyze urban planning, transportation, population, and anti-epidemic problems of these case cities, and propose solutions to these problems. The expected modeling and case analysis research findings of this project could be very valuable for both urban computing field and city science related fields.

城市计算是计算机科学跟城市科学相融合的新兴领域。城市中多种来源的异构数据（即多源城市数据）是支撑城市计算的有效工具。然而，由于学科和行业之间的分割限制，现有的城市计算研究对于城市科学的相关知识利用并不充分，在多源数据应用的深度和广度上都不能满足城市研究的实际需求。针对这一现状，本项目组建了跨学科的研究团队，从多学科融合的角度，对城市计算中的多源数据建模与分析方法进行了深入研究。项目组针对城市数据在“时空结构”与“多系统耦合”方面的特殊性质，从“宏观”、“中观”、“微观”三个城市尺度上构建了一系列多源数据的融合与分析模型，解决了跨系统和多尺度的城市数据建模问题。本项目采用了“模型-案例”相结合的研究方式，在进行数据模型研究的同时，还对北京、深圳、无锡三座城市中的规划、交通、人口、卫生等典型案例进行了建模分析。研究成果在计算机科学和城市科学两个领域上都具有不错的理论价值和应用前景。

城市计算是计算机科学跟城市科学相融合的新兴领域。城市中多种来源的异构数据（即多源城市数据）是支撑城市计算的有效工具。然而，由于学科和行业之间的分割限制，现有的城市计算研究对于城市科学的相关知识利用并不充分，在多源数据应用的深度和广度上都不能满足城市研究的实际需求。针对这一现状，本项目组建了跨学科的研究团队，从多学科融合的角度，对城市计算中的多源数据建模与分析方法进行了深入研究。在项目实施的四年当中，本项目从“城市情境的时空数据融合感知”、“城市场景的因果与传播网络建模”、“基于可解释深度学习的智能决策”三个方面开展研究，在学术论文发表、人才培养、技术应用等方面取得了丰富的研究成果。在论文发表方面，发表和接收学术论文22篇，其中CCF A类论文12篇，包括数据挖掘领域排名第一的期刊TKDE 2篇，排名第一的会议KDD 5篇；CCF B类论文4篇；SCI论文7篇，其中影响因子大于2的5篇，最高影响因子5.273，单篇论文最高引用93次。在人才培养方面，本项目培养博士研究生3人，硕士研究生10人，所培养博士研究生全部在高等院校从事科研工作。在成果应用方面，申请发明专利9项，其中授权专利2项。基于本项目专利技术开发系统平台6套，被应用于北京市、深圳、天津、无锡等城市，用于《无锡市城市总体规划（2016—2030）》编制、北京簋街液化气风险治理、深圳流感防控等工作，服务全国13个省1892个妇幼保健机构的生育风险评估。在此次新冠肺炎疫情爆发之后，项目团队将之前在城市流行病防控和时空轨迹分析方面的研究成果应用于新冠肺炎的疫情防控当中：一是开展全国重点城市疫情预测工作，服务国务院联防联控机制、国家卫健委、外交部、科技部、中央网信办、北京防控办等单位；二是开展密切接触人群的追踪阻断工作，为北京市和山东省多个地市的流行病学调查和基层密切接触追踪提供了技术支持；三是开展城市疫情防控仿真工作，为北京市复工复产的政策制定提供了参考。