在研课题

在研课题 | Crowd Prediction and Simulation in Disaster Scenarios

This project aims to develop a geographical model-based intelligent prediction system for crowd flow simulation and emergency decision support in disasters, effectively leveraging Digital Twin data. To accurately predict crowd flow changes, we will construct a sophisticated prediction model that integrates comprehensive data from geographical environment, disaster dynamics, and crowd movement trajectories. Digital Twin technology will be strategically utilized as a rich data source and a powerful virtual simulation platform.

在研课题 | 人地协同的城市动态社区发现模型与韧性评估

精准划分动态社区揭示城市空间结构演变规律，指导韧性城市建设。然而，现有算法忽视城市空间中的人地特征和长期历史信息，评估城市韧性的方法亦不完善。本项目提出顾及人地协同的城市动态社区发现模型，以精准识别动态社区并评估社区韧性。通过因果推断挖掘人地关联，深度表征多模态数据，建立动态社区发现模型，融合多维度空间特征和时序信息，构建社区韧性指标，实现韧性定量评价，为优化资源配置和应急响应提供依据。

在研课题 | Resilience patterns of multiscale human mobility under extreme rainfall events

This research presents a framework utilizing massive individual trajectory data to dissect resilience patterns of human mobility across scales. The framework includes the following components: 1) Quantifying human mobility and resilience levels. 2) Extracting resilience patterns and their spatial heterogeneity. 3) Explaining differences in resilience patterns through social factors. This study will be analyzed in the context of Japan experiencing an extreme rainstorm event, with the Japanese metropolitan area as the study area.

在研课题 | 基于人地关系的国土空间特征分析及其优化路径

本项目将使用多种数据和指标，如交通可达性因子、城市连通性因子等，量化城市交通模式及其变化；结合交通模式指标集和矢量元胞自动机模拟城市发展过程，并预测不同场景下的城市未来土地利用格局；建立“土地-人口-交通”协同模拟模型，挖掘城市土地利用变化与交通密度变化的互馈机制，深入理解和描述未来城市交通模式变化。

基于遥感地理大数据的乡村变电站电压等级选择智慧助手（视频）

Abstract中国属于发展中国家。截止2017年，中国乡村常驻人口为5.77亿人，占全国总人口的41.48%。2018年，党的十九大胜利召开，提出了全面建成小康社会和乡村振兴发展战略，中国农村正处于转型重构的重大发展时期。习总书记强调，全面建成小康社会最艰巨、最繁重的任务在农村，没有农村的小康，特

深圳折叠：基于手机信令大数据的贫困人群精准识别和时空分布研究

Abstract相对于农村贫困，城市贫困人口的分布情况和活动模式有着更多的可变性，不同经济水平人群的社会隔离现象尤为明显。本研究基于深圳市手机信令数据，构建精细用户画像。耦合深圳市房价分布与用户画像精准识别贫困人群和非贫困人群。通过对两类人群的时空分布和活动模式的分析，揭示贫困人群在城市内的活动模式