小组长期从事交通地理、城市计算、时空机器学习、人类活动大数据分析和高性能地理计算等方面的研究和开发工作，围绕时空大数据智能分析的研究热点，创新了多项时空大数据高效存储、处理、分析、智能解译和可视化的前沿方法，开展了先验感知的时空机器学习研究，研发了多种基于时空智能的交通数据补全、预测关键技术，开展了相关的应用研发与实践工作。先后主持6国家自然科学基金项目和1项国家重点研发计划国际合作项目，发表国际学术期刊论文60余篇。主要成果包括：
(1) 多源时空大数据预处理、缺失补全、可视分析和高性能计算分析方面
提出了曲率积分约束的高精度浮动车地图匹配算法，可有效提升低频浮动车数据的地图匹配精度和计算效率，为交通时空数据特别是轨迹数据在线预处理分析提供有力支持(Zeng等 2016)。构建了多源交通时空数据处理分析和公交出行信息提取的技术框架与流程，建立了动态活动网络的建模表达方法(Zhang等 2018a)。建立了智能卡、GPS 轨迹、公交网络等多源公交数据融合与出行链重建算法(Zhang等 2020)。提出了基于门控生成对抗学习的车道级信控道路交通监控数据缺失补全方法，显著改善了信控道路的交通数据采集质量(Zhang等 2022a)。提出了一种面向大范围城市信控路网的多视图交通状态估计方法和采用多源数据的交通状态数据质量评价方法(Wang 等 2023a)。面向实际交通数据缺失模式复杂多样的问题，建立了集成周期和趋势模式的矩阵分解补全以及多视图的树突神经网络融合方法(Wang等2022a)，提出了基于多视图双向时空图神经网络的交通流数据缺失补全方法(Wang等 2022b)。研发了融合机器学习和交互可视化方法的交通时空大数据综合分析原型系统(Zhang等 2019)和支持OGC互操作地理信息服务标准的船舶轨迹的三维可视化分析平台，指导学生获得2019年度美国地理学者协会年会 Robert Raskin Student Competition 第三名。探索了云计算、GPU等新型计算机构下的高性能时空数据高效管理和资源调度技术(Zhang等 2016；Zhang等 2018b)，研发了基于mapD等高效能GPU数据库的轨迹可视分析原型系统和并行轨迹查询技术(Li等 2018；Wang等2020)。提出了面向个人的传染病风险评估可视化制图方法，利用时间地理的表达框架，针对个体活动空间，建立个性化的传染暴露风险估计和可视化方法(Li等，2021)。
(2) 交通时空大数据模式挖掘与行为分析方面
建立了多源城市时空数据驱动的大规模公交网络服务建模、分析与评价的方法体系与技术流程。利用智能卡等多源公交大数据，建立了高时空分辨率的公共交通多种出行模式（公交走廊和群组等）挖掘方法，在恢复的公交出行链数据基础上，设计实现了公交显著出行走廊提取方法，可在任选的时空范围内提取和分析显著出行的公交走廊(Zhang等 2020)。设计实现了公交乘客出行群组的模式发现算法，研发了群组模式的可视分析方法（何伟等2021；Zhang等 2022b）。提出了基于序列的中心性量度，分析了航海交通网络(Li等 2020)。研发了面向显著出行模式的可视分析技术，开展了城市公交出行活动的结构发现与分析研究，提出了基于图嵌入自编码器的公交出行社区提取和分析方法(Zhang等 2021a)，同时扩展到城市收入隔离空间结构的提取，挖掘了活动视角下深圳市不同收入人群的时空分异模式 (Zhang等 2021b)。从实际可达量度角度探索了公交网络服务质量的评价方法，定义了面向公交实际可达的新量度和计算方法，为大型都市的公交可达分析提供了更加精确的技术手段(Zhang等 2021c)。提出了一种基于潜在迪利特雷分配模型的多维室外运动轨迹的特征分析和模式发现方法(Tian 等2022)。研发了基于地理先验驱动的变分自编码个体出行集成表征方法以及依托出行活动知识图谱的个体/场景联合渐进表征方法，用于城市活动结构发现(段晓旗 2022)。提出一种顾及居民出行异质性探测城市活动结构的表征学习方法, 基于多元高斯分布更好地支持活动社区的发现(Duan等 2023; 段晓旗等 2023)。
开展了基于经验路网分层的路径规划研究，提出了基于浮动车数据的分时段动态路网分层方法，并在经验路网分层的基础上实现经验路径规划。通过武汉市实际浮动车数据的实验验证，经验路径规划与传统最短路径相比，有效地减少了路径的行程时间(Li等 2011)。基于多模式可靠时空网络模型，定义了时间依赖的公交路径换乘图、可靠最优公共交通路径和公交路径占优概念，在A*算法基础上，建立了行程时间不确定条件下的复杂公共交通网络的可靠换乘与最优路径算法(Zhang等 2018)。建立了基于逆强化深度学习的公交出行行为选择模型框架，描述复杂网络的拓扑关系和个体的路径选择偏好，分别构造了多种模型来建立出行成本的估计函数，支持对复杂乘客路径选择行为的解释分析，包括条件对抗逆强化学习模型、具有元关系路径表示和时空注意力机制的逆强化学习模型以及基于图神经网络嵌入表达和参数化动作选择空间的改进模型等。经过深圳公交实际数据测试，说明模型可以较好地描述出行成本、预测出行路径选择并支持路径选择的差异分析（廖采盈 2023）。提出了复杂室内环境下的长程行人轨迹深度生成仿真方法，融合行人行走机制的先验知识和室内环境拓扑约束，生成拓扑合理、符合行人行走特征的行人轨迹，用于低成本、高效率地增广行人轨迹基准数据集 (He等 2023)。
(3) 交通时空数据的估计与短期预测方面
研发了融合注意力机制的双层图卷积网络多源交通数据短期预测方法(Zhang等 2019)。研发了基于多边形划分的卷积神经网络预测方法，支持区域船舶流量的预测(Wang等 2019)。基于Wasserstein生成对抗模型的混合平行学习短期交通速度预测方法，有效地通过图神经网络和循环神经网络等，综合利用生成和判别模型描述交通流的时空关联(Jin等 2022)。提出了一种顾及缺失值的动态时间图网络预测模型，(D-TGNM)，提出Traffic BERT模型刻画道路路网中隐含的动态的空间关系,支持各种缺失模式下的交通流预测(Wang等 2023b)。提出了一种顾及缺失值的基于因果图的时空预测网络模型，通过自动的捕捉时空数据中的缺失模式，有效提升了各种时空预测任务的性能(王培晓等 2023)。深入分析了城市交叉口级拥堵全生命周期发展的时空模式，提出基于时间点过程神经网络模型的道路交叉口拥堵预测模型和面向区域路网拥堵预测的标值时空图过程神经网络模型(Deep Marked Graph Process Model, DMGP)，可对较大规模的城市道路网络进行交叉口和路网两个层级的交通拥堵事件预测(王建龙 2022; Zhang等 2023a)。提出了一种新颖的兼顾预测精度及可解释的时空注意力神经常微分方程模型（spatiotemporal attentional neural ordinary differential equation，STA-ODE），定义了一个兼顾时间信息和空间信息的时空导数网络，设计了损失函数保证多个维度融合结果尽可能相等，从而解决时间维度和空间维度中融合结果的对齐问题(Wang等2023c，图20)。提出了一种考虑地理空间异质性的抗缺失时空预测模型，即对缺失数据不敏感的因果图注意力模型（Causal Graph ATtention model insensitive to Missing data，CGATM）,设计了缺失数据处理组件，使得时空预测模型具备了自动捕捉缺失模式和处理缺失数据的能力。研发了一种因果图注意力机制，使得时空预测模型具备了捕捉地理空间异质性的能力(Wang等 2023d)。开展了集成重力/辐射模型的图神经网络活动建模研究，定义了支持重力和辐射模型的图表征方法。模型针对OD流量估计任务，在多项指标上都取得了优于DeepGravity和经典物理模型的性能（刘仁宇 2023）。
(4) 其他时空预测和地理空间智能方法方面
提出了集成SIR模型和深度图嵌入的传染病时空传播分析方法，有助于理解传染病的时空传播路径规律，支持科学防疫决策(Zhang和Li 2021，图21)。提出了集成时空近邻和气象属性的时空图卷积神经网络预测算法，提高了暴雨事件的预测精度和可解释性(Zhang等 2023)。研发了集成了时空先验的地震短期预报多任务学习模型，改善了短期地震预报的精度和可靠性(Liu等 2023，图22)。提出了流体个别变化指导的暴雨过程预报模型，通过改进门控卷积单元将大气属性动态变化嵌入为事件表征，为暴雨预测提供时空模式先验支持(Zhang等 2023b)。提出基于卡尔曼门控优化网络的暴雨集合预测方法，优化暴雨过程预测的结果，提高暴雨预测的可靠性（刘杰 2023）。出了基于深度强化学习的室内兴趣点推荐算法(Huang和Zhang 2021)。综述了感知物理先验的机器学习及其在地理空间智能中的应用(张彤等 2023)。
(5) 遥感影像解释方面
提出了基于深度置信网络的迭代特征重建算法的场景分类方法，成果论文被引700多次（根据Google Scholar统计）(Zou等 2015)。提出了主题一致高阶势能的条件随机场和融合协分割非局部约束的多层条件随机场多类语义标记算法，显著改善了地物分割的边界精度(Zhang等 2015; 2016)。提出了方向感知的无锚点车辆检测算法，通过多任务学习从高分航空摄影图像获得车辆中心点、方向、尺度和偏移信息，实现密集场景下车辆的精确提取(Shi等 2021a)。研发了基于数字表面模型和数字正射影响的崩岗地貌融合检测和基于通道交换的崩岗精细分割算法，实现了自动化的崩岗复杂地形检测和分割(沈盛彧等2020；Shen等 2000, 2021, 2023)。研究了基于距离-掩膜-边界多任务一致性约束的建筑物提取方法，显著改善了建筑物分割的准确度(Shi等 2021b)。针对遥感影像人工地物的实例分割问题，提出了基于边框优化和类别显著性补充的无锚框多类别实例分割算法，实现较为准确地提取人工目标实例掩膜(Shi等 2022)。所指导的博士生史芙蓉(2022)进而提出了“边框检测—语义分割—实例分割”多层次人工目标提取模型以及各层的深度多任务学习提取算法。提出了集成OpenStreetMap数据的遥感影像高效预训练语义分割模型以及相应的节点区位编码方法(Liu等2023)。
whu.edu.cn