简讯：
2022年11月15日，科睿唯安 (Clarivate)发布了2022年度全球 “高被引科学家“（Highly Cited Researcher）榜单。科研圈内人 (GeoInsider) 长期合作学者，美国威斯康星大学麦迪逊分校高松博士入选“社会科学”领域的2022全球高被引科学家榜单。入选这份榜单的自然科学家和社会科学家均在2011至2021十年内发表了多篇Web of Science核心数据库收录的高被引论文，其被引频次位于同学科、同发表年份的全球前1%，彰显他们在同行之中的重要学术影响力。今年共有来自全球69个国家和地区的6938位科研人员入选高被引科学家名单。
高松博士的高被引入选证书
学者简介：
高松博士目前为美国威斯康星大学麦迪逊分校副教授（终身教职）、博士生导师，地理空间数据科学实验室主任。先后获北京师范大学学士（地学部和励耘实验班成员）、北京大学硕士、美国加州大学圣塔芭芭拉分校（UCSB）博士学位，读博期间师从地理信息科学领域的著名学者Krzysztof Janowicz、Michael F. Goodchild (美国科学院院士)和Helen Couclelis。曾获得美国地理信息大学联盟（UCGIS）早中期职业杰出研究奖（每年全美遴选1名），奥地利国家科学院（OAW）地理信息科学优秀青年学者、美国制图学与地理信息科学协会（CaGIS）优秀博士生奖、国际制图学会（ICA）优秀青年学者、国家年度优秀留学生奖、威斯康星大学优秀本科生论文指导老师奖、UCSB地理系优秀博士生研究奖、北京大学“学生五四奖章”（在校生最高荣誉）、北京师范大学“十佳大学生”（本科在校生最高荣誉），入选科睿唯安（Clarivate）全球 Top 1% 年度高被引科学家榜单、斯坦福大学全球前2%顶尖科学家榜单、福布斯中国北美华人精英 Top 60榜单、全球地理信息前沿科技青年科学家榜单。担任国际华人地理信息科学协会（CPGIS）2021-2022年主席兼理事会成员，美国地理学会（AAG）地理信息系统与科学分会副主任兼理事会成员，国际地理信息科学旗舰期刊International Journal of Geographical Information Science (IJGIS)和Annals of GIS副主编、以及CaGIS、TGIS、和International Encyclopedia of Geography的编委会成员。
高博士目前主要研究方向为地理空间人工智能的理论、方法和应用。在大数据时代和人工智能技术背景下专注于地理学领域的人和场所空间相互作用关系研究，擅长融合和挖掘人类移动产生的时空大数据，将地理信息理论、空间统计方法和人工智能领域中的知识图谱、机器学习等方法结合与扩展，研发空间显式的智能计算模型和位置隐私保护方法，并将其应用于社会感知、城市规划与治理、公共卫生等领域。目前已主持和参与包括美国国家科学基金委、威斯康星大学校友研究基金会、州卫生局、校企创新合作基金、微软“地球人工智能计划”等十余项科研项目，其中主持项目受资助总额超过100万美元，获得国家发明专利授权1项。目前共发表学术论文100余篇，含12篇 “高被引论文”，论文发表在美国科学院院刊(PNAS)、地理学旗舰期刊Annals of AAG，和国际地理信息科学领域旗舰期刊（IJGIS、TGIS、CEUS、Annals of GIS）等，谷歌学术被引总数达6000余次，h-index 36。
高松博士带领的地理空间数据科学实验室研究团队
成果介绍：
自新型冠状病毒（COVID-19）疫情爆发以来，定量分析和建模传染病在时间和空间的传播，有益于公众健康和防疫。高松博士团队在科研基金的支持下，基于大规模手机追踪人口移动数据，开发了地理可视化平台观测动态人口流动，在GitHub平台开源了移动数据和模型供科研人员使用，并从多尺度（州、郡）对新冠病毒感染率进行了建模分析，其合作研究成果发表在美国科学院院刊（PNAS）等高影响力学术期刊。
开源数据集：
https://github.com/GeoDS/COVID19USFlows
多尺度人口移动数据集包括了美国三种地理单元尺度（州、郡、街区）2019年至2021年末每日和每周的起始点-终止点OD人口移动数量。该数据不仅有助于公共卫生，也有益于其他相关领域如社会感知、计量经济学、城市规划、交通等的研究。
开源模型：
https://github.com/GeoDS/IntraCounty-Mobility-SEIR
基于人口流动的SEIR模型来分析疾病感染率的时空变化规律。该模型有两个特点，第一，该模型考虑了不同地区的空间异质性，利用空间聚类分析将整个地区（郡）分成多个子区域，并在这些子区域上建立相互关联的SEIR模型。第二，在基于人口流动的SEIR模型的基础上加入了随机过程，利用动态演化过程和卡尔曼滤波来确定模型中的感染率参数变化。该模型可以更精细地分析城市内部各个地区感染率的变化情况和跨区人口流动影响，并基于此因地制宜制定相关公共卫生防疫政策。
开源模型：
https://github.com/GeoDS/LSTM-TrajGAN
LSTM-TrajGAN是一个端到端的位置隐私保护轨迹生成模型，可基于原始轨迹数据生成合成轨迹数据作为真实轨迹数据的替代。实验表明合成轨迹数据能够有效降低防止用户身份被重新识别的准确率，并且能够一定程度上保留轨迹基本的空间、时间和语义特征。
此外，值得指出的是，高松博士发表的关于地理空间人工智能理论方法、利用时空大数据研究空间交互和城市空间结构的三篇学术论文位列国际地理信息科学领域的旗舰期刊IJGIS和TGIS的最高被引论文之列，获得了国际同行认可，在跨学科领域也受到了广泛关注。以下为部分论文：
1.Janowicz, K., Gao, S., McKenzie, G., Hu, Y., & Bhaduri, B. (2020). GeoAI: spatially explicit artificial intelligence techniques for geographic knowledge discovery and beyond. International Journal of Geographical Information Science, 34(4), 625-636.
2.Gao, S., Janowicz, K., & Couclelis, H. (2017). Extracting urban functional regions from points of interest and human activities on location‐based social networks. Transactions in GIS, 21(3), 446-467.
3.Gao, S., Liu, Y., Wang, Y., & Ma, X. (2013). Discovering spatial interaction communities from mobile phone data. Transactions in GIS, 17(3), 463-481.
参考资料：
https://clarivate.com/highly-cited-researchers/
https://scholar.google.com/citations?user=eLdz_6IAAAAJ&hl=en
原文链接：https://geography.wisc.edu/geods/
转自：“科研圈内人”微信公众号
如有侵权，请联系本站删除！
