2018年4月26日，地理信息科学论坛（第四期）“空间认知与地理智能”在北京师范大学地理科学学部举行。来自北京大学、北京工业大学、战略支援部队信息工程大学、武汉大学、中国矿业大学（北京）、加州州立大学、中科院空天信息研究院、中国科学院地理科学与资源研究所、中国基础地理信息中心、高德技术有限公司等近30家高校、科研机构、企业的近百名专家、学者出席了本期论坛。同时，论坛通过网络平台进行直播，并使用场内外互动的模式进行讨论。

上午进行了论坛开幕致辞和特邀报告。开幕致辞由北京师范大学董卫华教授主持，北京师范大学地理科学学部执行部长宋长青部长致辞。宋长青部长指出在新的时代下，地理学面临的新问题和新挑战仍然具有意义。地理学的本质特征、研究方式以及地理学学者本身均面临着全方位的挑战。宋部长还启发大家，在新的技术蓬勃发展之际，要勇于采取新思想、新方法，跨出自己的小圈子，引领地理学的方向。

宋长青部长致辞

特邀报告由北京师范大学董卫华教授和刘慧平教授主持，五位专家围绕空间认知、空间知识服务、空间导航、深度学习等方面进行了学术报告。

中国基础地理信息中心的陈军教授做了题为“地理空间知识服务的基本问题与方向”的报告。陈军教授指出，当前很多地理数据并没有被充分挖掘成为地理知识，而用户则期望着更多的地理知识。因此，如何挖掘地理空间知识，并服务于大众是当前的挑战。陈军教授从地理空间知识定义、地理空间知识服务提供和地理空间知识服务构建三个方面阐述了基本问题，并就基本问题梳理了当下地理空间知识服务研究基本问题、研发关键技术、争取重大应用工程的努力方向。

陈军教授作报告

北京师范大学心理学部的刘嘉教授做了题为“The developing brain and the emerging mind: a perspective from spatial cognition”的报告。刘嘉教授首先从心理学和哲学的角度，阐述了空间认知的概念，以及空间能力的先天性、同源进化型、跨物种一致性的特性。刘嘉教授从社会层面强调了空间能力对于国家科技竞争力的重要性。刘嘉教授还用研究实例阐述了空间能力背后的认知神经机制，基因对于空间能力的先天影响，以及后天提升空间能力的有效方法和最佳年龄段。

刘嘉教授作报告

中科院空天信息研究院的龚建华研究员做了题为“基于虚拟地理环境的空间认知与智能模拟研究与思考”的报告。龚建华研究员从地理学在整个现代科技体系中的定位出发，提出了对地理信息科学理论发展的思考。在此基础上，龚建华研究员对地理空间认知、地学信息图谱，尤其是在VR/AR环境下心理认知和空间认知进行了详尽的解读和总结，并以两个虚拟疏散实验案例作结。龚建华研究员认为，未来的虚拟世界和现实世界是相互连接、相互融合的，空间认知的发展一定要与虚拟环境实验齐头并进。

龚建华教授作报告

武汉大学的艾廷华教授做了题为“当空间认知遇上深度学习”的报告。艾廷华教授通过对空间认知的机理、结果、功效，深度学习的特征、方法的阐述，引出了空间认知与深度学习结合的潜在可行性。艾廷华教授指出，地理学第一定律和深度学习的内部机制可互相结合，从而能使用深度学习完成时空行为匹配、组团格局预测、演化过程预测、典型特征抽象等地理问题。艾廷华教授还通过了两个深度学习案例，阐明了深度学习和空间认知结合能为空间智能问题提供解决途径，图结构卷积能为地理空间深度学习打开一扇窗等观点。

艾廷华教授作报告

高德技术有限公司的王宇静工程师做了题为“超大规模全域时空数据支撑的交通管理与服务关键技术及应用”的报告。王宇静工程师首先介绍了人地时空数据的全域性、高广度、高算力的发展基础，之后分享了利用时空数据解决城市交通病的方法。王宇静工程师从“评”“诊”“治”三个角度，对基于时空大数据的优化交通管理进行了详细的描述。王宇静工程师认为，时空数据还可以解决城市核心区边界划分问题，并可有效地反映城市发展的变迁与衰落。

王宇静工程师作报告

下午进行了青年学者报告与主题讨论。青年学者报告由北京师范大学张立强教授和杜克平副教授主持，共有六名优秀青年学者围绕着空间交互、空间认知表达与计算、交通出行行为、行人地图导航、路网认知规律、遥感数据融合等主题进行了短平快的交流和研讨。其中，北京大学的杨学习博士做了题为“基于AMOEBA的显著异常空间交互区域探测”的报告；战略支援部队信息工程大学的郑束蕾讲师做了题为“空间认知差异的眼动计算及可视化表达”的报告；中国科学院地理科学与资源研究所的黄洁博士做了题为“基于地铁刷卡数据的交通出行行为与城市空间结构研究”的报告；北京师范大学的廖华博士做了题为“真实环境下行人地图导航的眼动行为模式研究”的报告；中国矿业大学（北京）的李军副教授做了题为“出租车的路网认知规律与影响因素初探”的报告；中国科学院地理科学与资源研究所的全金玲博士做了题为“一种融合多源遥感地表温度数据的综合模型”的报告。

杨学习博士作报告

郑束蕾讲师作报告

黄洁博士作报告

廖华博士作报告

李军副教授作报告

全金玲博士作报告

之后的主题讨论围绕三个议题展开。裴韬研究员从地理智能与地理复杂性的角度，引出讨论问题：人工智能是否能预测地理复杂性。刘瑜教授从深度学习在地学分析中应用的角度，引出讨论问题：如何将训练好的模型与地学知识和规律结合起来，使深度学习可解释；如何构建地学空间独特特征的深度网络。董卫华教授从人机协同与地理智能的角度，引出讨论问题：如何将人类的认知规律、神经机制融入机器智能模型；如何让机器实时智能识别人类状态和行为，提供自适应的决策辅助；如何构建人机协同地理信息空间认知理论、方法与应用体系；如何建立定量化的人机协同地理智能模型。

裴韬研究员提出议题

刘瑜教授提出议题

董卫华教授提出议题

针对以上议题，参会学者展开了热烈的讨论。关于深度学习是否能预测地理复杂性的问题，艾廷华教授认为，针对地理复杂性，应当借鉴生物学、物理学中的思路，采取逆向思维，去研究在地理环境当中的简单的基础的构造单元；龚建华研究员认为，深度学习、人工智能、虚拟现实等技术本身将会影响未来世界而非仅仅预测未来世界；解决地理复杂性应当采取创造性思维。裴韬研究员指出，地理复杂性的机理模型形式都是很简单的，然而得到的结果是很复杂的，主要受到动力学方程的复杂性和协同效应的影响。李宏伟教授认为，对于类脑的研究突破可能会对解决地理复杂性问题、人机协同问题提供解决方案。关于地学分析和深度学习的问题，赵文智讲师认为，深度学习方法对一些具有因果关系的地理过程的分析效果可能较好；程昌秀教授指出，深度学习的输入输出机制和地理学的分异分区规律有着天然的矛盾，需要想方法进行调和；黄洁博士则认为，未来技术的发展能够帮助深度学习中对现象的初始描述更加精确化，从而能够有可能解决地理学的一些复杂问题。关于人机协同和地理智能相结合的问题，董卫华教授指出，人机协同下地理智能的数据结构和传统的地理信息数据结构可能有所不同；在人机协同当中，人类和机器的行为基础也是有差异的。刘慧平教授认为，当前的多传感器数据，并不能完全地刻画人的行为；针对不同的地理问题，决策方法是不同的，不存在普适的决策办法。郑束蕾博士呼吁在进行人机协同的研究时，要看到“人”和“机”的根本区别，即认知和情感两方面的差异。除了以上学者的讨论之外，其他学者也针对地理智能、人机协同、地理大数据与模型等方面的议题展开了深入讨论，迸发出了思想的火花。

会议现场

主题讨论环节

与会学者合影

（素材来源：北京师范大学地理科学学部）