网络行为分析 服务需求预测 云并发服务优化 网络时空信息智能服务

课题组以IPv6网络通信行为、网络地理信息服务访问行为、服务需求变化与计算资源配置为研究对象，开展网络空间行为分析、时空信息服务需求预测、并发服务优化与时空信息按需智能服务研究。重点关注大规模用户通信行为、访问行为和复杂在线空间任务条件下，如何识别用户需求、预测服务负载、优化计算资源配置并提升时空信息服务响应能力，为公共时空信息服务、政务平台和多行业网络信息系统提供高效、稳定的技术支撑。

在国家自然科学基金面上项目“云 GIS 中区域特征的用户行为研究及服务资源需求预测”“基于群体用户密集访问模式的网络地理信息并发服务方法研究”“基于空间数据访问 Zipf-like 分布规律的集群缓存方法研究”及政企合作等项目支持下，课题组系统开展了网络时空信息服务行为计算与云端服务优化研究，构建了多维度时空数据访问模式、群体用户空间访问行为模型以及面向服务资源需求预测的时空效用模型，研究了用户通信行为规律、时空信息访问规律、访问意图与访问兴趣的识别方法，并实现了时空数据缓存、服务时间预测、并发请求处理和云端计算资源配置等技术。相关研究提升了网络时空信息服务对用户动态需求和高并发访问任务的适应能力。

基于上述研究成果，课题组开发了面向领域需求的时空信息网络服务与应用平台，相关技术已应用于“天地图”国家公共地理信息服务平台和自然资源“一张图”政务服务平台及相关的企业平台，在场景并发支持、用户需求与任务识别、时空数据智能推送及服务资源配置等方面发挥作用，为公众信息服务和政务服务提供技术保障。相关成果鉴定为国际领先水平，并获得国家测绘科技进步奖两项。

相关研究成果发表于地理信息科学、计算机与信息服务等领域期刊，出版一部专著《网络地理信息系统用户行为分析与智能服务》，部分代表作如下：

(1) Browsing Target Extraction and Spatiotemporal Preference Mining from the Complex Virtual Trajectories. International Journal of Applied Earth Observation and Geoinformation, 129: 103819. https://doi.org/10.1016/j.jag.2024.103819

(2) Multi-domain Virtual Trajectory Classification based on Spatio-temporal and Semantic Fusion. Transactions in GIS, 29(6): e70108. https://doi.org/10.1111/tgis.70108

(3) 公共地图服务平台中用户访问行为建模与访问兴趣提取(2022, ESWA, 一区Top, doi: 10.1016/j.eswa.2022.116590)

文章速览：https://mp.weixin.qq.com/s/Le_WqfMhy51oM9-ZtVWTdw

(4) Graph neural network-based similarity relationship construction model for geospatial services(2023, GSIS, 一区, doi: 10.1080/10095020.2023.2273820)

(5) 网络地理信息服务中用户空间访问聚集行为研究(2021, 地球信息科学学报, doi: 10.12082/dqxxkx.2021.200424)

文章速览：https://mp.weixin.qq.com/s/1IfPWinOU_TqAWtBNtvHPg

(6) Learning the spatial co-occurrence for browsing interests extraction of domain users on public map service platforms(2022, GSIS, 二区, doi: 10.1080/10095020.2022.2140078)

(7) Planning-oriented optimization strategy for visualizing power distribution networks: from global to local(2021, IJDE, 二区, doi: 10.1080/17538947.2021.1988162)