基于 MacBERT 和对抗训练的城市内涝信息识别方法

BERT 与神经网络模型相结合等方法，已逐渐应用于获取灾害信息，但此类方法存在参数量繁多、数据集和微调数据集不一致、局部不稳定等问题。针对上述问题，该文提出一种基于 MacBERT 和对抗训练的信息识别模型，该模型利用 MacBERT 预训练模型获得初始向量表示，再加入些许扰动生成对抗样本，然后依次输入双向长短期记忆网络和条件随机场。该模型不仅减少了预训练次数和微调阶段差异，还提高了模型的鲁棒性。实验结果表明，在微博数据集和 1998 年人民日报数据集上，基于 MacBERT 和对抗训练的信息识别模型的精确率和 F1 值均有所提升，性能较其他模型更优，将该模型用于城市内涝信息识别具有一定的可行性。     

基于聚类的地铁通勤行为时空规律挖掘方法

针对目前通勤群体的划分方法较少考虑通勤行程的时间连续性特征的问题,该文基于上海市一周的地铁刷卡数据,构建了通勤人群职住识别模型,并定义了一种通勤行程时间相似度计算方法,然后提取特征对通勤群体进行层次聚类,并利用热点分析模型进行空间分析和可视化,探究通勤人群的时空规律性及上海市的职住空间分布特征。结果表明：(1)就业单中心模式明显,不同簇的就业热点均分布在市中心,居住点呈“西热东冷”的空间组织特征。(2)主流通勤时段为 7:00—8:30 和 17:00—19:00,近半数通勤人群在早主流时段通勤。(3)不同通勤类型的出行时间特征总体上与其职住热点分布一致。该文提出的研究方法揭示了通勤人群的出行时间规律与其职住热点空间分布具有较强的关联性,可为城市运行管理和城市规划提供参考信息。     

基于腾讯迁徙数据的全国春运人口流动时空格局分析

城市间的大规模人口流动一定程度上体现了城市间的关联性。该文选取腾讯迁徙数据库中2015—2018 年官方春运期间全国人口迁徙数据,利用 Gephi 软件对人口联系强度进行可视化分析,获取全国城市间联系强度总体格局的变化特征。利用 DBSCAN 算法对全国城市进行时间序列聚类,讨论在春运不同时间节点的城市流动共性与差异。此外,该文还改进重力模型,以分析省内、省际人口流动的距离衰减效应。结果表明：(1)全国城市总体形成稳定的“菱形”结构,北京、上海、西安等城市形成单轴心空间组织模式,广东、深圳形成多轴心空间组织模式,一线城市中心性较强。除“菱形”结构外,西北部和东北部城市的中转和承接能力具有强大优势。(2)春节期间净迁移人口变化趋势较为稳定,春节前后形成对称式流入流出。(3)春运期间的流动符合距离衰减定律,随着距离的增加,城市吸引力在逐渐降低。