基于 OpenStreetMap 和 H3 网格的全球规模时空知识图谱

May, 2024

基于 OpenStreetMap 和 H3 网格的全球规模时空知识图谱

A Planet Scale Spatial-Temporal Knowledge Graph Based On OpenStreetMap And H3 Grid

Martin Böckling, Heiko Paulheim, Sarah Detzler

TL;DR基于开放街道地图 (OpenStreetMap) 数据，我们提出了一个支持全球范围的 OpenStreetMap 数据转化成时空知识图谱的框架，同时利用 Apache Sedona 作为计算框架来构建该图谱。

Abstract

geospatial data plays a central role in modeling our world, for which openstreetmap (OSM) provides a rich source of such data. While often spatial data is represented in a tabular format, a graph based representa

geospatial data openstreetmap spatial knowledge graph graph-based representation apache sedona

发现论文，激发创造

创建 Web 地理数据知识图谱

本文介绍了我们最近开发的方法，以解决地理数据在 Web 和机器学习应用中的数据真实性、缺乏地理和语义特性集成以及不完整表示等问题。

Feb, 2023

地理空间知识图谱

地理知识图谱是一种新的范式，用于表示和推理地理空间信息，其基于图形数据格式为建立可管理和分析地理信息的 FAIR 环境提供了基础，并在地理和环境科学中扮演着桥接符号和子符号 GeoAI 以应对跨学科地理空间挑战的角色，同时也提出了与地理知识图谱相关的新的研究方向。

May, 2024

Chatmap：大型语言模型与地图数据的交互

利用相对较小规模（10 亿参数）的大型语言模型和相对较小的人工数据集精细调整，为 OpenStreetMap 数据提供了语言接口，以查询城市区域的属性，并探索人工智能适应性和生成能力在这一领域的早期应用潜力。

Sep, 2023

OpenGraph: 大规模户外环境中的开放词汇层次化三维图谱表示

本文提出了 OpenGraph，一种适用于大规模户外环境的开放词汇层次图结构表示，该结构兼具图像和文字语义，并通过 2D 模型提取实例和标题，以增强文本推理能力，并通过将图像投影到 LiDAR 点云上实现了 3D 增量全景映射和特征嵌入，最终根据车道图连通性对环境进行分割构建了一个层次化图。验证结果显示，OpenGraph 能够在没有微调模型的情况下推广到新的语义类别，并取得最高的分割和查询精度。

Mar, 2024

模板化基于链接空间数据的问题回答

本文提出了一种基于自然语言问题的问答引擎，用于处理大量地理空间数据的查询，该引擎可以对连接的地理空间数据源进行查询，采用 SPARQL 或 OGC 标准扩展 GeoSPARQL，研究者们可以使用我们提供的 201 个自然语言问题数据集来评估该引擎的性能。

Jul, 2020

空间 - 时间城市知识图谱启用的出行模式预测

本文利用空间 — 时间城市知识图谱中的移动轨迹，特定地点类别信息及时间信息，设计了一个模型，旨在解决基于知识图谱技术的用户的远期移动预测问题，提高了预测精确度。同时，对 POI 类别作为背景知识和辅助信息的实验结果表明，可帮助提升预测精度。

Nov, 2021

通过知识图谱整合 3D 城市数据

使用基于知识图谱的 CityGML KG 框架，将 CityGML 本体中的概念通过声明式映射到 3DCityDB 中进行填充，从而将其中的 CityGML 数据作为一个知识图谱公开。示范了该方法的可行性，并在慕尼黑市的 CityGML 数据中集成了 OpenStreetMap 数据。

Oct, 2023

利用地球观测和 OpenStreetMap 数据进行联合学习，以获取更快、更好的语义地图

本文探讨在地球观测图像语义标注中使用 OpenStreetMap 数据的潜力。作者在 ISPRS Potsdam 和 DFC2017 两个公共数据集上使用不同的架构并进行了实验，结果发现使用 OpenStreetMap 数据能够显著提高模型的精度和收敛速度，尤其是使用融合的架构和分层的细分。

May, 2017

OSM 与高清地图：轨迹预测的地图表达

利用 OpenStreetMap (OSM) 作为长期动态预测的替代方案，取得了竞争力的表现，并在不同场景中进行了深入分析，为自动驾驶中的长期动态预测提供了潜在可扩展的解决方案。

Nov, 2023

SSTKG: 简单时空知识图谱的解释性和多功能动态信息嵌入

本文介绍了一种新的框架：Simple Spatio-Temporal Knowledge Graph (SSTKG)，用于构建和探索时空知识图谱。通过新的三步嵌入方法，将时空数据整合到知识图谱中，输出嵌入可用于未来时间序列预测和空间信息推荐，提供了对零售销售预测、交通量预测等多种应用的有价值的洞察。该框架简单而全面，能够增强预测的准确性和推荐的相关性，为知识图谱中时空数据的更有效利用铺平了道路，对多个领域具有潜在的影响。

Feb, 2024