基于时空上下文迁移推理的灾害应急任务空间数据关联搜索研究

结题报告
项目介绍
AI项目解读

基本信息

  • 批准号:
    41701459
  • 项目类别:
    青年科学基金项目
  • 资助金额:
    25.0万
  • 负责人:
  • 依托单位:
  • 学科分类:
    D0114.地理信息学
  • 结题年份:
    2020
  • 批准年份:
    2017
  • 项目状态:
    已结题
  • 起止时间:
    2018-01-01 至2020-12-31

项目摘要

Geospatial data discovering and sharing technologies can provide a comprehensive platform for disaster monitoring, emergency response, and command decision-making. However, there is no support for disaster emergency task-semantic discovery in current geospatial data discovery approaches, and a lot of efforts need to be conducted to evaluate the search results, which hinders the quick response for disaster emergency task. Thus, in this research, we take the case data of disaster emergency task as the source of knowledge, and provides a disaster-chain coupled feature modeling method for disaster emergency task, which enrich the spatial-temporal and data semantic context. Then we proposed a spatial-temporally aware transfer inference method to establish the semantic link between disaster emergency task and geospatial data dynamically. And a transfer quality evaluating model is conducted to organize and resort geospatial data discovery results. The research achievements are expected to provide a quick access to geospatial data by disaster emergency tasks to enable quick response. Meanwhile, the related theories and methods about intelligent geospatial services will also be enriched by this research, which has important theoretical value and prospects.
空间数据的获取、共享服务能力是灾害监测评估、应急响应和指挥决策的重要保障。现有空间数据搜索方式是元数据关键词检索,不支持灾害应急任务的语义查询,且搜索结果需要大量筛选,导致准确获取所需空间数据非常困难,制约了空间数据对灾害应急任务的快速响应。本课题以灾害应急任务样例数据为知识源,通过耦合灾害链的灾害应急任务特征建模丰富其时空和数据语义上下文,提出顾及时空特征的迁移推理方法动态建立灾害应急任务与空间数据之间的语义关联,并构建迁移质量评估模型对搜索结果进行分组排序,最终实现通过灾害应急任务直接、快速、准确地获取所需空间数据。本研究不仅可提升空间数据在灾害应急任务中的快速响应能力,还可推广至各类空间信息服务中,具有重要的理论研究价值和应用前景。

结项摘要

灾害应急任务通常需要多源空间数据协同以宏观、综合、动态、快速、准确地获取自然灾害信息,通过任务直接获取所需的空间数据对快速响应灾害应急任务具有重要意义。本课题针对灾害应急任务与空间数据之间的语义鸿沟问题,引入迁移学习和语义推理来动态构建灾害应急任务与空间数据之间的语义关联,实现通过灾害应急任务直接获取所需空间数据。项目取得以下成果:1)建立了基于样例的灾害应急任务知识表征方法,构建了灾害应急任务样例结构模型,包含时间、空间、灾害应急任务、使用的空间数据、达到的效果五个元素,并对各要素进行了本体语义特征建模,实现了灾害应急任务样例的语义表征;2)建立了基于迁移推理的灾害应急任务与空间数据语义关联动态构建方法,首先建立了基于时间、空间和灾害应急任务语义相似性的样例可迁移性评价模型,然后基于样例之间的差异信息获取样例迁移知识,建立了基于关联知识的灾害应急任务样例迁移方法,最后扩展了样例检索网络建立了空间样例检索网络,实现了灾害应急任务样例的快速检索和迁移;3)建立了处理模型驱动的空间数据检索结果分组及排序模型,依据处理模型中的输入对空间数据搜索结果进行分组,并提出了迁移质量评估模型对迁移后样例的空间数据进行打分,实现空间数据搜索结果的排序;4)研制了原型系统对各关键技术进行验证。项目研究成果不仅可支持灾害应急任务自动高效的获取所需空间数据,增强空间数据的服务能力,还可进一步推广至其他应用领域,应用于各类空间信息基础设施中,提高空间信息智能化服务水平。

项目成果

期刊论文数量(3)
专著数量(0)
科研奖励数量(0)
会议论文数量(0)
专利数量(0)
Exploring the Weekly Travel Patterns of Private Vehicles Using Automatic Vehicle Identification Data: A Case Study of Wuhan, China
使用自动车辆识别数据探索私家车的每周出行模式:以中国武汉为例
  • DOI:
    10.3390/su11216152
  • 发表时间:
    2019-11
  • 期刊:
    Sustainability
  • 影响因子:
    3.9
  • 作者:
    Zhao Yuhui;Zhu Xinyan;Guo Wei;She Bing;Yue Han;Li Ming
  • 通讯作者:
    Li Ming
基于本体的遥感数据需求文本时间获取及其语义计算
  • DOI:
    10.13203/j.whugis20190240
  • 发表时间:
    --
  • 期刊:
    武汉大学学报(信息科学版)
  • 影响因子:
    --
  • 作者:
    曹启程;朱欣焰;吴瑞龙;李铭
  • 通讯作者:
    李铭
Detection of Indoor High-Density Crowds via Wi-Fi Tracking Data.
通过Wi-Fi跟踪数据检测室内高密度人群
  • DOI:
    10.3390/s20185078
  • 发表时间:
    2020-09-07
  • 期刊:
    Sensors (Basel, Switzerland)
  • 影响因子:
    --
  • 作者:
    Wang P;Gao F;Zhao Y;Li M;Zhu X
  • 通讯作者:
    Zhu X

数据更新时间:{{ journalArticles.updateTime }}

{{ item.title }}
{{ item.translation_title }}
  • DOI:
    {{ item.doi || "--"}}
  • 发表时间:
    {{ item.publish_year || "--" }}
  • 期刊:
    {{ item.journal_name }}
  • 影响因子:
    {{ item.factor || "--"}}
  • 作者:
    {{ item.authors }}
  • 通讯作者:
    {{ item.author }}

数据更新时间:{{ journalArticles.updateTime }}

{{ item.title }}
  • 作者:
    {{ item.authors }}

数据更新时间:{{ monograph.updateTime }}

{{ item.title }}
  • 作者:
    {{ item.authors }}

数据更新时间:{{ sciAawards.updateTime }}

{{ item.title }}
  • 作者:
    {{ item.authors }}

数据更新时间:{{ conferencePapers.updateTime }}

{{ item.title }}
  • 作者:
    {{ item.authors }}

数据更新时间:{{ patent.updateTime }}

其他文献

NEFAs对BRL-3A氧化应激的作用
  • DOI:
    10.16303/j.cnki.1005-4545.2019.09.26
  • 发表时间:
    2019
  • 期刊:
    中国兽医学报
  • 影响因子:
    --
  • 作者:
    邹颖;李铭;郭寒;杨威;徐闯;夏成;张洪友;张冰冰
  • 通讯作者:
    张冰冰
自体脂肪移植和乳房假体在隆乳手术中应用效果研究
  • DOI:
    --
  • 发表时间:
    --
  • 期刊:
    中国医疗美容
  • 影响因子:
    --
  • 作者:
    王婷;陈小松;张超宇;翁海燕;高杭琪;陈爱贞;胡凯伦;李铭
  • 通讯作者:
    李铭
市县空间规划改革探索的演进脉络——基于试点城市案例的回顾
  • DOI:
    --
  • 发表时间:
    2019
  • 期刊:
    城市发展研究
  • 影响因子:
    --
  • 作者:
    高菠阳;李铭;易成栋
  • 通讯作者:
    易成栋
高热稳定性有序介孔TiO2/活性炭制备及其孔-孔协同光催化性能
  • DOI:
    --
  • 发表时间:
    2014
  • 期刊:
    中国科学:化学
  • 影响因子:
    --
  • 作者:
    李佑稷;徐鹏;李铭;曾孟雄
  • 通讯作者:
    曾孟雄
促肾上腺皮质激素释放因子对肠道杯状细胞分泌产物的影响
  • DOI:
    --
  • 发表时间:
    2017
  • 期刊:
    山东大学学报(医学版)
  • 影响因子:
    --
  • 作者:
    李霞;李理想;李铭;陈飞雪;左秀丽;李延青
  • 通讯作者:
    李延青

其他文献

{{ item.title }}
{{ item.translation_title }}
  • DOI:
    {{ item.doi || "--" }}
  • 发表时间:
    {{ item.publish_year || "--"}}
  • 期刊:
    {{ item.journal_name }}
  • 影响因子:
    {{ item.factor || "--" }}
  • 作者:
    {{ item.authors }}
  • 通讯作者:
    {{ item.author }}
empty
内容获取失败,请点击重试
重试联系客服
title开始分析
查看分析示例
此项目为已结题,我已根据课题信息分析并撰写以下内容,帮您拓宽课题思路:

AI项目思路

AI技术路线图

相似国自然基金

{{ item.name }}
  • 批准号:
    {{ item.ratify_no }}
  • 批准年份:
    {{ item.approval_year }}
  • 资助金额:
    {{ item.support_num }}
  • 项目类别:
    {{ item.project_type }}

相似海外基金

{{ item.name }}
{{ item.translate_name }}
  • 批准号:
    {{ item.ratify_no }}
  • 财政年份:
    {{ item.approval_year }}
  • 资助金额:
    {{ item.support_num }}
  • 项目类别:
    {{ item.project_type }}
{{ showInfoDetail.title }}

作者:{{ showInfoDetail.author }}

知道了

AI项目解读示例

课题项目:调控A型流感病毒诱导IFN-β表达的机制研究

AI项目摘要:

本研究聚焦于TRIM2蛋白在A型流感病毒诱导的IFN-β表达中的调控机制。A型流感病毒是全球性健康问题,其感染可导致严重的呼吸道疾病。IFN-β作为关键的抗病毒因子,其表达水平对抗病毒防御至关重要。然而,TRIM2如何调控IFN-β的表达尚未明确。本研究假设TRIM2通过与病毒RNA或宿主因子相互作用,影响IFN-β的产生。我们将采用分子生物学、细胞生物学和免疫学方法,探索TRIM2与A型流感病毒诱导IFN-β表达的关系。预期结果将揭示TRIM2在抗病毒免疫反应中的作用,为开发新的抗病毒策略提供理论基础。该研究对理解宿主抗病毒机制具有重要科学意义,并可能对临床治疗流感病毒感染提供新的视角。

AI项目思路:

科学问题:TRIM2如何调控A型流感病毒诱导的IFN-β表达?
前期研究:已有研究表明TRIM2参与抗病毒反应,但其具体机制尚不明确。
研究创新点:本研究将深入探讨TRIM2在IFN-β表达中的直接作用机制。
技术路线:包括病毒学、分子生物学、细胞培养和免疫检测技术。
关键技术:TRIM2与病毒RNA的相互作用分析,IFN-β启动子活性检测。
实验模型:使用A型流感病毒感染的细胞模型进行研究。

AI技术路线图

        graph TD
          A[研究起始] --> B[文献回顾与假设提出]
          B --> C[实验设计与方法学准备]
          C --> D[A型流感病毒感染模型建立]
          D --> E[TRIM2与病毒RNA相互作用分析]
          E --> F[TRIM2对IFN-β启动子活性的影响]
          F --> G[IFN-β表达水平测定]
          G --> H[TRIM2功能丧失与获得研究]
          H --> I[数据收集与分析]
          I --> J[结果解释与科学验证]
          J --> K[研究结论与未来方向]
          K --> L[研究结束]
      
关闭
close
客服二维码