时间：2021年5月12日 周三 10：30-11：30

地点：汇星楼905会议室

摘要：数据密集型、计算密集型和空间分析密集型特征对时空大数据的存储、查询、分析和可视化提出了新的挑战，如何选型新的技术架构来处理数亿条海量全球航班轨迹亟待解决。如何基于时空大数据和空间优化方法有效提高城乡公共设施的优化效率是重要的研究问题之一。自华罗庚等学者在1961年提出在设施选址引入数学模型来求解社会民生的空间优化场景以来，运筹学特别是空间优化方法和理论在的城乡公共设施优化得到广泛应用，且不断的深入并应用到具体建设和管理实践中。如何用数学模型来描述多情景的meet-up活动的空间选址模型？如何描述城乡公共设施空间选址模型(COVID-19测试点/充电桩/广告牌等)？本次交流将以交通大数据和众源数据为例，介绍时空大数据分析的集成架构，梳理多情景meet-up活动安排的空间优化模型构建、求解方法，高效应用公共设施的空间分布特征来优化空间选址模型，并将简介基于强化学习求解空间优化问题。

个人简介：王少华，中国科学院地理科学与资源研究所地图学与地理信息系统专业博士，美国伊利诺伊大学香槟厄巴纳分校CyberGIS中心博士后。他的研究方向是CyberGIS，时空大数据和空间优化。近10年来从事地理信息科学研究及其关键技术攻关, 曾作为骨干成员研发大型GIS 基础平台软件—SuperMap GIS 系列软件和CyberGISX平台软件研制。曾获北京市科学技术一等奖（排名第10）。王少华博士的研究内容以“数据-模型-软件-系统”为主线，包括时空大数据分析、多情景空间优化模型构建、新一代地理信息系统研制、地理空间智能和地理数据科学的集成等。他的工作成果已发表在IJGIS、FGCS、Energy和Sustainable Cities and Society等期刊。