HiGISX

高智能空间计算团队

我们致力于利用先进的计算方法和人工智能技术来分析和处理时空大数据,以实现空间环境的智能化决策和优化。通过时空大数据分析,我们揭示数据中的关键信息和趋势,为决策制定提供可靠的依据;利用深度学习和机器学习等技术,我们开展遥感AI、遥感大数据和遥感大模型的研究,解读遥感数据,从而实现地表特征提取、图像分类和目标检测等任务。在可持续发展决策领域,我们将地理时空大数据与人工智能相结合,为决策者提供基于数据和模型的支持,制定可持续发展的空间决策和政策。

banner-img
更多信息关于

近期动态

05/06/2024

论文速递

祝贺龙英秋同学《基于距离容忍度的电动滑板车投放点选址优化》论文被ISPRS International Journal of Geo-Information接收!

03/25/2024

论文速递

祝贺梁浩健《SpoNet: 基于深度强化学习求解面向城市空间决策分析的空间优化问题》论文被International Journal of Digital Earth(中科院一区)接收!

03/21/2024

论文速递

祝贺钟阳博士《ReCovNet:使用覆盖信息进行强化学习,以解决最大覆盖广告牌位置问题》论文被International Journal of Applied Earth Observation and Geoinformation接收!

03/19/2024

论文速递

祝贺李霄同学《一种基于U-Net的倾斜摄影数据的单一数据提取算法》论文被Remote Sensing接收!

01/26/2024

论文速递

祝贺王岳颐老师《复杂地形下废旧铁路动态视觉景观评价:以京门铁路为研究对象》论文被IEEE Journal of Selected Topics in Applied Earth Observations and Remote Sensing接收!

01/25/2024

论文速递

祝贺李霄同学《地理信息系统体系结构特征分析与演进趋势研究》论文被Sustainability期刊接收!

01/19/2024

论文速递

祝贺周俊源同学《一种基于深度强化学习求解应急医疗设施选址-路径问题的新方法》论文被Geoindustry@ACM SIGSPATIAL 2023会议接收!

团队研发

软件系统

HiSpot

开源软件

HiSpot是由HiGISX团队开发的一款开源软件包,旨在解决空间优化问题。软件提供多种求解方法,包括数学规划求解器、近似算法和启发式算法,主要解决选址路径问题(Location Routing Problem)和设施选址问题(Facility Location Problem)。

SpoNet

算法代码

SpoNet是一个统一的深度学习模型,用于求解p-中值、p-中心和最大覆盖选址问题,为空间优化问题的求解提供了新的思路,为大规模空间优化问题的求解提供了一种新的方法。

GCN-Greedy

混合框架

GCN-Greedy是一个使用图卷积网络和贪婪算法解决覆盖位置问题的混合框架。该模型主要使用GCN网络来解决位置集覆盖问题(LSCP)和最大覆盖位置问题(MCLP)问题。损失函数的优化考虑了覆盖位置问题的特点。该模型比经典启发式算法更准确、更高效。