研究背景与应用价值

电子围网是一种以电子信息技术替代或辅助传统物理围网的新型管理方式，通过对特定区域内环境与对象进行全天候、自动化、智能化监管，实现“无形围网、有形管理”。该系统综合利用物联网、遥感、人工智能、数据挖掘等先进技术，对多源异构数据中的目标对象及其语义关联、时空关联关系进行统一建模与分析。

根据国函〔2011〕85号文批复要求，横琴新区不设物理隔离围网，改由环岛巡查及智能监控设施实现监管。在此背景下，项目合作方承担了横琴电子围网系统的整体设计、实现与运行。该系统沿横琴环岛岸线构建总长度约53公里的闭合电子信息围网，综合红外检测、雷达监测、无人机巡查、车载巡查、卫星定位及船舶自动识别系统（AIS）等多种感知技术，形成覆盖陆域、海域与空域的全天候智能感知体系。项目成果荣获广东省科技进步一等奖，对提升电子围网智能化水平及拓展其在其他领域的应用具有重要示范意义。

2. 研究目标与问题创新性

本项目以电子围网应用为核心场景，面向多源异构时空数据的深度融合与智能分析，构建多维度、多数据源协同的智能管理与决策系统。具体研究目标包括：

1. 多摄像头目标区域协同，突破单一视角限制

2. 小目标与复杂背景条件下的目标识别

3. 风浪等复杂环境下的稳健目标检测

4. 异构多源电子围网数据的统一融合建模

5. 面向电子围网的图嵌入学习算法

6. 电子围网时空数据的动态知识图谱生成模型

7. 面向时空数据的知识迁移与复用技术

电子围网数据涵盖地理时空信息、海空监测数据、遥感数据及多类开放数据资源，具有实时性强、关联关系复杂、概念层次丰富等特点，为人工智能与大数据研究提供了具有挑战性的真实应用场景和前沿研究问题。

3. 关键技术创新与研究进展

围绕上述目标，项目在多个关键方向取得了系统性进展：

（1）动态时空数据识别与理解模型
提出面向城市与围网场景的层次化事件聚类模型，实现事件识别与语义理解的统一建模，支持知识的持续增长与反向先验增强。相关成果发表于 ACM TIST 2021。

（2）无标注与不平衡图数据分类技术
针对图数据中标注稀缺与类别不均衡问题，提出基于语义迁移的图表示学习方法，引入标签语义量化与原型图分解机制。代表性成果发表于 KDD 2021。

（3）关系抽取与噪声鲁棒学习方法
针对远程监督学习中的噪声问题，提出多层修订网络与抗噪多实例学习框架，有效提升关系抽取质量。成果发表于 EMNLP 2021。

（4）高质量负采样的表示学习技术
创新提出基于对抗学习的动态图负采样机制，并结合缓存策略提升训练效率与性能。相关成果被 IEEE TNNLS 接收。

（5）多源数据的元学习与迁移技术
针对城市时空数据中局部区域或时间段稀疏的问题，提出多源数据元学习框架，实现跨城市知识迁移，提高预测精度。成果发表于 IEEE TKDE。

4. 研究成果与实际应用

本项目紧密依托大横琴科技公司已建成的电子围网系统开展研究，相关算法已全面集成并在实际系统中运行。同时，澳门大学研究团队基于项目核心算法，进一步开发了面向澳门居民与游客的智慧出行与服务系统，涵盖：

• 景点发现与导航服务

• 停车场车位预测与引导

• 公交线路发现与到站预测

• 澳门交通拥堵状态预测

该系统目前已进入试运行阶段，具备良好的推广前景。