XiaoMi-AI文件搜索系统
World File Search System地图设计
移动地图设计和使用的认知问题
抽象与Internet连接的移动设备改变了PEO PLE访问信息。与其他信息源一样，地图也从移动设备中受益并已重新启动，并且它们在新的环境中使用。但是，这些新环境通常会产生其他认知负载。我们深入探索了两种策略，设计师可以用来减轻与移动地图相关的高认知负载：通过改进的设计来支撑地图和环境之间的注意力分配，从而减少认知和减少认知负载。在审查这些策略时，我们考虑了它们与几个移动地图用例（导航，个人和协作水疗决策，信息丰富和娱乐性）的相关性。接下来，我们确定了对如何测量认知负载和地图使用上下文的了解的最新进展。最后，我们探讨了移动地图对人类行为和认知的广泛含义。我们确定了两个重要的跨切割研究问题：1）如何通过提供用户来促进其认知过程真正需要的东西来设计移动地图以减少认知负荷？; 2）如何通过支持地图和环境之间的用户注意力来管理和最小化移动地图特征所产生的内在额外认知负荷？
移动地图设计和使用的认知问题
抽象与Internet连接的移动设备改变了PEO-PLE访问信息的方式。与其他信息源一样，地图也从移动设备中受益并已重新启动，并且它们在新的环境中使用。但是，这些新环境通常会产生其他认知负载。我们深入探索了两种策略，设计师可以用来减轻与移动地图相关的高认知负载：通过改进的设计来支撑地图和环境之间的注意力分配，从而减少认知和减少认知负载。在审查这些策略时，我们考虑了它们与几个移动地图用例（导航，个人和协作规范决策，信息丰富和娱乐）的相关性。接下来，我们确定了对如何测量认知负载和地图使用上下文的了解的最新进展。最后，我们探讨了移动地图对人类行为和认知的广泛含义。我们确定了两个重要的跨切割研究问题：1）如何通过提供用户来促进其认知过程真正需要的东西来设计移动地图以减少认知负荷？; 2）如何通过支持地图和环境之间的用户注意力来管理和最小化移动地图特征所产生的内在额外认知负荷？
公司平衡记分卡与战略地图设计（案例）
平衡记分卡是一种管理工具，用于改善公司在财务绩效、营销绩效、内部业务流程绩效以及人力资源（员工）绩效方面的进步。由于公司基本上是创造财富的机构，因此在管理中使用平衡记分卡有望显着提高组织创造财富的能力。最初，平衡记分卡是为了克服专注于财务方面的高管绩效衡量系统的弱点而创建的。此外，平衡记分卡在实施过程中经历了发展，不仅作为高管绩效的衡量工具，而且作为制定战略计划的方法。基本上，平衡记分卡是一种管理系统，供公司进行长期投资，即用于客户学习和成长，包括管理层和内部业务流程，以获得财务成果，从而促进未来业务组织的发展。公司的愿景和战略有四个平衡记分卡视角，即：财务视角（股东）、客户视角（客户）、内部业务流程视角以及员工、管理层和组织的学习和成长视角（学习和成长）。平衡记分卡本身的优点是全面、连贯、平衡和可衡量。其中，BSC 方法中的四个视角相互关联，从而提高公司绩效，不仅从财务角度，而且从非财务角度。BSC 方法的步骤是确定公司的愿景、使命和战略，下一步是确定视角，在此步骤中将公司的愿景、使命和战略分组到每个视角中，下一步是确定战略规模，然后确定战略指标。最后一步是制作战略地图（Alamsyah，2017 年）。
贝尼西亚总体规划
顾问 Naphtali Knox & Associates - 规划经理 Michael Fornalski - 报告格式、图形、地图设计、社区与环境 - 环境影响报告、公共安全 Joyce Associates - 岩土环境合作 - 生物资源 Clearwater Hydrology - 水文与水质 Orion Environmental Associates - 危险材料 Donald Ballanti - 空气质量 Fehr & Peers Associates - 交通 Brown-Buntin Associates - 噪音 Mogavero Notestine Associates - 文化资源与城市设计 经济与规划系统 - 经济与财政 社区设计与规划服务、加州大学戴维斯分校 - 公共宣传 Jeffery Baird - 工作计划 Daniel Iacofano - 会议协助 Russ Clifton - 会议视频
推进AI驱动的地理空间分析和数据生成
近年来见证了人工智能（AI）技术的革命，这是由于生成AI和地理空间人工智能（GEOAI）的兴起所强调的。与通用AI不同，Geoai在地理知识的整合中与众不同，将其定位在地理空间科学研究，AI技术和高性能计算的交集中。这种融合对于应对数据和计算密集型地理空间挑战至关重要[1，2]。这些进步是由可用的地理空间数据，机器学习（ML）硬件和GEOAI模型的大量地理空间数据以及对创新分析方法的日益增长的需求助长的，以解决社会和环境研究中的关键知识差距[3，4]。因此，我们在空间信息的映射，提取，生成和分析中看到了很大的进步。特刊（SI）“ AI驱动的地理空间分析和数据生成的进步”旨在展示地理信息科学（Giscience）社区在利用替代计算技术（尤其是AI）来解决复杂地理问题的努力。符合Giscience Research的这一趋势，在著名的期刊上组织了几个相关的特殊问题，例如《国际地理信息科学杂志》，GeoJournal，Geoinformatica，Geoinformatica，Geographing，Geographies或Applied Sciences。这些收藏集中在空间显式模型[1，2]以及Urban Analytics [5]，图像分类和土地覆盖映射[6]，人群图像和文本分析[7]，自然资源管理[8]和基础设施监控[9，10]中的应用[9，10]。此外，最近的系统文献评论还强调了在相关学科中Geoai的日益增长的使用。例如，人类地理学家利用Geoai使用大规模时空数据来探索城市功能区域，城市动态，人类行为和社会感测[11，12]。这种集成为传统领域提供了强大的新工具，可以实现大规模的定量分析。Geoai也在物理地理研究中成为主要领域，并在地球扎华评估，环境变化模拟，生物多样性监测和行星科学等领域中进行了应用[13]。在制图中，Geoai用于增强地理输出评估和地图质量，并改善图像对象检测，地图概括和地图设计[14]。此外，在应对城市增长，社会经济偏见和社会感知等复杂挑战方面，明确的GEOAI模型的发展和可用性显着提高了准确性。这些模型通过直接合并空间依赖性和异质性