論時空大數據

❶ 院士專家談 - 時空大數據：地理信息產業融合發展必由之路

作 者 ：中國工程院院士 王家耀

地理信息產業是以現代測繪和地理信息系統、遙感、衛星導航定位等技術為基礎，以地理信息資源開發利用為核心，從事地理信息獲取、處理、應用的高技術服務業。自20世紀60年代地理信息系統提出以來，其應用逐漸拓展到多個行業，從產生、成長到壯大，地理信息產業發展取得了可喜成績。

當前，我國的經濟和 社會 發展已經進入新的 歷史 階段， 社會 主要矛盾已經轉化為人民日益增長的美好生活需要和不平衡不充分的發展之間的矛盾；以5G、雲計算、大數據、邊緣計算、物聯網等為代表的新技術快速發展，人工智慧技術也因深層神經網路的成功而獲得了巨大進步；隨著我國行政體制改革和自然資源管理體系的建立，地理信息產業已融入自然資源管理體系中。面對新的 社會 需求、新的技術進步和新的管理體系要求，亟待根據國家大政方針、 社會 生產需要、技術發展趨勢、產業發展規律，做好地理信息產業的工程技術、商業模式、產品類型的轉型升級與融合創新，進一步提高地理信息產業發展的質量和水平。

地理信息產業融合發展的驅動力——人工智慧

信息化的發展遵循從數字化到網路化再到智能化的規律，地理信息產業的發展亦如此，智能化是地理信息產業融合發展的高級階段。

「互聯網 」改變了地理信息產業發展的思維方式。「互聯網 」的本質是跨界融合。「基礎地理信息 」和「通用時空大數據平台 」的本質也是跨界融合。「 」是核心，提出跨界融合的解決方案是關鍵。只有這樣，才能更充分地發揮基礎地理信息和通用時空大數據平台的「基礎」和「通用」作用，實現地理信息產業到時空大數據產業的轉型升級。

雲計算具有的信息資源管理、處理和應用的「全面彈性」，可以支撐「地理信息產業」到「時空大數據產業」的轉型。時空大數據產業化需要超強計算能力的支持。雲計算作為一種新的計算模式，通過「池化」和「雲化」把數千台甚至上萬台機器都放在一個「池子」裡面，這是「資源彈性」；並在「資源彈性」即基礎設施即服務（IaaS）之上增加了一層「應用彈性」，包括平台即服務（PaaS）和軟體即服務（SaaS），以滿足時空大數據的「應用彈性」需求。雲計算支撐時空大數據處理的分布式、協作（同）化和智能化；通過任務分解，解決分布式問題；通過工作流重構，解決並行問題；通過演算法調度，解決協作（同）化問題。

時空大數據產業

——屬於第四產業的范疇

時空大數據，指基於統一時空基準活動或存在於時間和空間與位置直接或間接相關聯的大數據。據此，時空大數據由時空框架數據和時空變化數據兩大類數據組成。

時空框架數據指基於統一時空基準的衛星導航定位數據（含連續運行參考站 CORS數據）、遙感影像數據、地圖數據、地名數據等。時空變化數據包括 社會 經濟人文數據、位置軌跡數據、與位置相關聯的空間媒體數據、社交網路數據、搜索引擎數據、視頻觀測數據、生態環境監測數據等。時空變化數據聚合（關聯）在時空框架數據上，就構成了時空大數據。時空大數據具有位置、屬性、時間、尺度、解析度、多樣性、異構性、多維性、價值隱含性、快速性等特性。時空大數據產業，指以天空地海感測器網路為基礎，以時空信息「獲取（感測網） 處理（生產） 應用（服務）」為產業鏈，以人工智慧等新興信息技術為支撐，以數據密集型計算為特徵的知識密集型信息產業，屬於從第三產業中分離出來的第四產業的范疇。同地理信息產業相比較，時空大數據產業內涵要寬泛得多，規模要大得多，類型更具多維性和多樣性，知識更密集，速度更快，產品更加多樣化和個性化，其應用領域更加廣闊，具有良好的產業發展前景。

時空大數據產業化的核心

——時空大數據平台

時空大數據平台是時空大數據產業化的核心。

它是指把各種分散的和分割的大數據即時空框架數據和時空變化數據匯聚到一個特定的平台上，並使之發生持續的聚合效應。這種聚合效應就是通過數據多維融合和關聯分析與數據挖掘，揭示事物的本質規律，對事物做出更加快捷、更加全面、更加精準和更加有效的研判和預測。從這個意義上講，時空大數據平台是大數據的核心價值，是大數據發展的高級形態，是大數據時代的解決方案。從產業化的角度講，通用時空大數據平台是指將時空框架數據匯聚在一個特定平台上，利用這個平台生產軍民兩用的基礎測繪地理信息產品。

所謂「通用時空大數據平台+」模式，即以通用時空大數據平台作為框架，聚合民用、軍用的時空變化數據，分別構成時空大數據平台。「通用時空大數據平台+民用」模式，即將地方政府各部門各行業的政務、自然資源、規劃、交通、水利、管網、人口、經濟、人文、 社會 、醫療、教育、電力、公安等數據匯聚在通用時空大數據平台上，使之成為新型智慧城市的「智腦」，通過持續的聚合效應，生成各類（種）民用深加工知識產品，為政府綜合決策、各部門各行業和 社會 公眾提供智能化服務。

時空大數據產業化是通過時空大數據平台產業化實現的。因為時空大數據產業化是一個新問題，應該走一條從基礎研究起步的產業化創新之路。這條創新之路首先要研究和建立以數據科學為核心的時空大數據理論體系。目前，「數據科學」的邊界還不清晰，時空大數據理論研究薄弱，更未形成時空大數據的理論體系，而這是時空大數據產業化的基礎。因此，這條創新之路要研究和建立以「數據隱含價值 計算發現價值 應用實現價值」為核心，以「數據獲取（感測器網） 處理（生產） 應用（服務）」為產業鏈的時空大數據產業化技術體系。走在這條創新之路上的人，更要研究和設計包括軟體產品、硬體產品、軟硬體集成產品、各類（種）應用平台產品和數字產品在內的時空大數據產品體系。

總之，在當前全球數字經濟快速發展的大背景下，數字化的知識和信息作為關鍵生產要素，以數字技術為核心驅動力量，以現代信息網路為重要載體，通過數字技術與實體經濟深度融合，數字經濟能夠不斷提高經濟 社會 的數字化、網路化、智能化水平，以加速重構經濟發展與 社會 治理模式。地理信息產業作為處理位置數據的核心產業，可以積極推動其基於「通用時空大數據平台+」模式深度融入數字產業化、產業數字化、數字化治理與數據價值化領域，積極融入自然資源管理工作整體布局，主動引領以地理信息為基礎的新型智慧城市、實景三維中國、新型基礎測繪建設，推進地理信息產業向全產業鏈發展，擴大地理信息產品供給面，加大地理信息消費級產品研發，鼓勵新應用、培育新市場，讓地理信息產品通過生態建設、智慧管理、數字經濟服務國家戰略建設並惠及全 社會 ，從而促使地理信息產業向時空大數據產業的融合發展與轉型升級。

❷ 時空大數據與世界地理的關系

時空大數據是世界地理產業融合發展必由之路。時空大數據，指基於統一時空基準活動或存在於時間和空間與位置直接或間接相關聯的大數據，可以積極推動其基於通用時空大數據平台+模式深度融入數字產業化、產業數字化、數字化治理與數據價值化領域，積極融入自然資源管理工作整體布局，主動引領以地理信息為基礎的新型智慧城市、實景三維中國、新型基礎測繪建設，推進地理信息產業向全產業鏈發展，擴大地理信息產品供給面，加大地理信息消費級產品研發，鼓勵新應用、培育新市場，讓地理信息產品通過生態建設、智慧管理、數字經濟服務國家戰略建設並惠及全社會，從而促使地理信息產業向時空大數據產業的融合發展與轉型升級。

❸ 什麼是時空大數據

時空大數據

spatio-temporal big data

時空大數據定義：基於統一時空基準（時間參照系和空間參照系）、活動（運動變化）在時間和空間中與位置直接（定位）或間接（空間分布）相關聯的大規模海量數據集。

相關名詞：大數據 科學大數據 場景大數據 遙感大數據 地質大數據 交通大數據

【時空大數據相關】

時空大數據除具有一般大數據的5V特徵外，還具有位置特徵、時間特徵、屬性特徵、尺度（解析度）特徵、多源異構特徵、多維動態可視化特徵。時空大數據的這些特徵，有助於時空大數據的分析與挖掘，揭示大數據的時間變化趨勢和空間分布規律。任何規律的得出，任何決策的作出，都必須依據一定時間、確定地點（地區）的大數據，即時空大數據，同時也給時空大數據的組織、存儲、管理和提取增加了難度。

時空大數據由時空框架數據和時空變化數據構成。時空框架數據一般相對變化較慢，包括時空基準數據、全球衛星導航定位（GNSS）與連續運行參考站（CORS）數據、空間大地測量與物理大地測量數據、遙感影像數據、數字地圖與地名數據、海洋測繪數據、世界海峽與通道數據等；時空變化數據一般變化快，包括社交網路數據、搜索引擎數據、視頻觀測數據、網路空間數據、位置軌跡數據、變化檢測數據、與位置相關的空間媒體數據、空間環境數據、海洋水文數據、社會經濟人文數據、部門行業數據等。時空大數據的核心，是將時空變化數據融合或關聯到時空框架數據上。

時空大數據的提出，反映了人們對大數據本質及其研究內容認識的豐富和深化，揭示了大數據的時空特性，明確了數據文化是尊重事實、強調精準、推崇理性和邏輯的科學文化，這是我國時空大數據發展的靈魂。時空大數據的研究，對我國大數據理論體系、技術體系、產品體系和應用服務模式的形成和創新發展具有重要的實踐意義，有助於形成數據驅動的大數據創新體系和發展模式，推動構建以數據為關鍵要素的數字經濟並形成現代經濟體系，運用大數據提升國家治理的現代化水平與促進保障和改善民生。（時空大數據相關：中國工程院院士、河南大學教授王家耀）

❹ 大數據時代空間數據挖掘的認識及其思考

引言

空間數據挖掘（Spatial Data Mining，SDM）即找出開始並不知道但是卻隱藏在空間數據中潛在的、有價值的規則的過程。具體來說，空間數據挖掘就是在海量空間數據集中，結合確定集、模糊集、仿生學等理論，利用人工智慧、模式識別等科學技術，提取出令人相信的、潛在有用的知識，發現空間數據集背後隱藏的規律、聯系，為空間決策提供理論技術上的依據[1]。

1.空間數據挖掘的一般步驟

空間數據挖掘系統大致可以分為以下步驟：

（1）空間數據准備：選擇合適的多種數據來源，包括地圖數據、影像數據、地形數據、屬性數據等。

（2）空間數據預處理和特徵提取：數據預處理目的是去除數據中的雜訊，包括對數據的清洗、數據的轉換、數據的集成等。特徵提取是剔除掉冗餘或不相關的特徵並將特徵轉化為適合數據挖掘的新特徵。

（3）空間數據挖掘和知識評估：採用空間數據挖掘技術對空間數據進行分析處理和預測，從而發現數據背後的某種聯系。然後結合具體的領域知識進行評估，看是否達到預期效果。

2.空間數據挖掘的方法研究

空間數據挖掘是一門綜合型的交叉學科，結合了計算機科學、統計學、地理學等領域的很多特性，產生了大量處理空間數據的挖掘方法。

2.1 空間關聯規則

關聯規則挖掘是尋找數據項之間的聯系，表達式形式是X→Y，其中X與Y是兩種不相交的數據項集，即X∩Y=？覫。KOPERSKI K等人將關聯規則與空間資料庫相結合，提出了空間關聯規則挖掘[2]。空間關聯規則將數據項替換為了空間謂詞，一般表達形式如下：

A1∧A2∧…∧An→B1∧B2∧…∧Bm（3）

令A=（A1，A2，…，An），B=（B1，B2，…，Bm），A和B分別表示Ai和Bj的謂詞集合，A和B可以是空間謂詞或非空間謂詞，但是必須至少包含一個空間謂詞且A∩B=？覫。SHEKHAR S和HUANG Y針對空間關聯規則的特點提出了把關聯規則的思想泛化成空間索引點集的空間同位規則的概念，在不違背空間相關性的同時用鄰域替換掉了事務[3]。時空關聯不僅涉及事件在空間中的關聯，還考慮了空間位置和時間序列因素。國內的柴思躍、蘇奮振和周成虎提出了基於周期表的時空關聯規則挖掘方法[4]。

2.2 空間聚類

空間聚類分析是普通聚類分析的擴展，不能完全按照處理普通數據的聚類分析方法來處理空間數據。由於存在地理學第一定律，即空間對象之間都存在一定的相關性，因此在空間聚類分析中，對於簇內的定義，要考慮空間自相關這一因素。通過對空間數據進行自相關分析，可判斷對象之間是否存在空間相關性，從而可合理判斷出對象是否可以分為一簇。

基本的聚類挖掘演算法有：

（1）劃分聚類演算法：存在n個數據對象，對於給定k個分組（k≤n），將n個對象通過基於一定目標劃分規則，不停迭代、優化，直到將這n個對象分配到k個分組中，使得每組內部對象相似度大於組之間相似度。

（2）層次聚類演算法：通過將數據不停地拆分與重組，最終把數據轉為一棵符合一定標準的具有層次結構的聚類樹。

（3）密度聚類演算法：用低密度的區域對數據對象進行分割，最終將數據對象聚類成為若干高密度的區域。

（4）圖聚類演算法：用空間結點表示每個數據對象，然後基於一定標准形成若乾子圖，最後把所有子圖聚類成一個包含所有空間對象的整圖，子圖則代表一個個空間簇。

（5）網格聚類演算法：把空間區域分割成具有多重解析度的和有網格結構特性的若干網格單元，在網格單元上對數據進行聚類。

（6）模型聚類演算法：藉助一定的數學模型，使用最佳擬合數據的數學模型來對數據進行聚類，每一個簇用一個概率分布表示。

僅採用一種演算法通常無法達到令人滿意的預期結果，王家耀、張雪萍、周海燕將遺傳演算法與K-均值演算法結合提出了用於空間聚類分析的遺傳K-均值演算法[5]。現實空間環境中，存在很多像道路、橋梁、河流的障礙物，張雪萍、楊騰飛等人把K-Medoids演算法與量子粒子群演算法結合進行帶有空間障礙約束的聚類分析[6]。

2.3 空間分類

分類，簡單地說是通過學習得到一定的分類模型，然後把數據對象按照分類模型劃分至預先給定類的過程。空間分類時，不僅考慮數據對象的非空間屬性，還要顧及鄰近對象的非空間屬性對其類別的影響，是一種監督式的分析方法。

空間分類挖掘方法有統計方法、機器學習的方法和神經網路方法等。貝葉斯分類器是基於統計學的方法，利用數據對象的先驗概率和貝葉斯公式計算出其後驗概率，選擇較大後驗概率的類作為該對象映射的類別。決策樹分類器是機器學習的方法，採取從上到下的貪心策略，比較決策樹內部節點的屬性值來往下建立決策樹的各分支，每個葉節點代表滿足某個條件的屬性值，從根節點到葉節點的路徑表示一條合適的規則。支持向量機也是機器學習的方法，思路是使用非線性映射把訓練數據集映射到較高維，然後尋找出最大邊緣超平面，將數據對象分類。神經網路是一種模擬人神經的網路，由一組連接的輸入和輸出單元組成，賦予各個連接相應的權值，通過調節各連接的權值使得數據對象得到正確分類。

針對融入空間自相關性的空間分類挖掘，SHEKHAR S等人使用空間自回歸模型和基於貝葉斯的馬可夫隨機場進行空間分類挖掘[7]，汪閩、駱劍承、周成虎等人將高斯馬爾可夫隨機場與支持向量機結合並將其用於遙感圖像的信息提取[8]。

2.4 其他空間挖掘方法

空間數據挖掘的方法多種多樣，其他還包括：空間分析的方法，即利用GIS的方法、技術和理論對空間數據進行加工處理，從而找出未知有用的信息模式；基於模糊集、粗糙集和雲理論的方法可用來分析具有不確定性的空間數據；可視化方法是對空間數據對象的視覺表示，通過一定技術用圖像的形式表達要分析的空間數據，從而得到其隱含的信息；國內張自嘉、岳邦珊、潘琦等人將蟻群演算法與自適應濾波的模糊聚類演算法相結合用以對圖像進行分割[9]。

3.結論

空間數據挖掘作為數據挖掘的延伸，有很好的傳統數據挖掘方法理論的基礎，雖然取得了很大進步，然而其理論和方法仍需進一步的深入研究。伴隨著大數據時代，面對越來越多的空間數據，提升數據挖掘的准確度和精度是一個有待研究的問題。同時現在流行的空間數據挖掘演算法的時間復雜度仍停留在O（nlog（n））~O（n3）之間，處理大量的異構數據，數據挖掘演算法的效率也需要進一步提高。數據挖掘在雲環境下已經得到很好的應用[10]，對於處理空間數據的空間雲計算是有待學者們研究的方向。大多數空間數據挖掘演算法沒有考慮含有障礙約束的情況，如何解決現實中障礙約束問題值得探討。帶有時間屬性的空間數據呈現出了一種動態、可變的空間現象，時空數據挖掘將是未來研究的重點。

由於數據挖掘涉及多種學科，其基本理論與方法也已經比較成熟，針對空間數據挖掘，如何合理地利用和拓展這些理論方法以實現對空間數據的挖掘仍將是研究人員們需要長期努力的方向。

參考文獻

[1] 李德仁，王樹良，李德毅.空間數據挖掘理論與應用（第2版）[M].北京：科學出版社，2013.

[2] KOPERSKI K， HAN J W. Discovery of spatial association rules in geographic information databases[C]. Procedings of the 4th International Symposium on Advances in Spatial Databases， 1995： 47-66.

[3] SHEKHAR S， HUANG Y. Discovering spatial co-location patterns： a summary of results[C]. Procedings of the 7th International Symposium on Advances in Spatial and Temporal Databases， 2001：236-256.

[4] 柴思躍，蘇奮振，周成虎．基於周期表的時空關聯規則挖掘方法與實驗[J]．地球信息科學學報，2011，13（4）：455-464.

[5] 王家耀，張雪萍，周海燕.一個用於空間聚類分析的遺傳K-均值演算法[J].計算機工程，2006，32（3）：188-190.

[6] Zhang Xueping， Du Haohua， Yang Tengfei， et al. A novel spatial clustering with obstacles constraints based on PNPSO and K-medoids[C]. Advances in Swarm Intelligence， Lecture Notes in Computer Science （LNCS）， 2010： 476-483.

[7] SHEKHAR S， SCHRATER P R， VATSAVAI R R， et al．Spatial contextual classification and prediction models for mining geospatial data[J]． IEEE Transactions on Multimedia， 2002， 4（2）：174-187.

[8] 汪閩，駱劍承，周成虎，等.結合高斯馬爾可夫隨機場紋理模型與支撐向量機在高解析度遙感圖像上提取道路網[J].遙感學報，2005，9（3）：271-275.

[9] 張自嘉，岳邦珊，潘琦，等.基於蟻群和自適應濾波的模糊聚類圖像分割[J].電子技術應用，2015，41（4）：144-147.

[10] 石傑.雲計算環境下的數據挖掘應用[J].微型機與應用，2015，34（5）：13-15.

來源 | AET電子技術應用

❺ 什麼是智慧城市時空大數據與雲平台

智慧城市是在數字城市、平安城市等基礎框架之上建立的全新實體，通過物聯網將現實世界與數字世界進行有效融合，自動和實時地感知現實世界中人和物的各種狀態和變化，由雲計算中心處理其中海量和復雜的計算與控制，為城市管理和公眾提供各種智能化的服務。

從國家政策來看，中國「863計劃」智慧城市項目總體技術體系架構在科技部863計劃「智慧城市(一期)」項目的支持下，863計劃智慧城市項目(一期)總體組提出了「六橫兩縱」的智慧城市技術框架。「六橫」層層遞進，最下層的是城市的感知層，再是傳輸層，再上面依次分別是處理層、支撐服務層、應用服務層，最上面是智慧應用層，貫穿全局的是安全保障體系以及標准與評測。

而要真正實現智慧城市，必須引入大數據技術，主要包含三大方面的需求，通過以下三個方面才能實現海量數據的搜集、處理、加工、分析，並真正作用於具體細分行業：

一、大數據融合技術

我國智慧城市建設面臨的重大挑戰之一，是城市系統之間由於標准問題無法有效集成，形成信息孤島。因此，在大數據融合技術領域，一方面要加強大數據標准建設，另一方面要加強海量異構數據建模與融合、海量異構數據列存儲與索引等關鍵技術研發，為給予底層數據集成的信息共享提供標准和技術保障。

二、大數據處理技術

大規模數據在智慧城市系統流動過程中，出於傳輸效率、數據質量與安全等因素的考慮，需要對大規模數據進行預處理。大數據處理技術往往需要與基於雲計算的並行分布式技術相結合，這也是目前國際產業界普遍採用的技術方案。

三、大數據分析和挖掘技術

大數據分析與挖掘技術為智慧城市治理提供了強大的決策支持能力。相比於大數據融合和處理技術，大數據分析與挖掘技術更為復雜，是國際學術界和產業界面臨的極具挑戰性的技術難題。

隨著大數據技術的不斷發展，以及行業用戶對大數據技術的需求日漸明顯，大數據行業應用遍地開花。小編通過金鵬信息在智慧城市大數據應用的探索，分享一些國內外的實際案例供借鑒。

1.國內的智慧城市

2013年3月，北京市的「智慧朝陽服務網」正式上線。通過大數據技術的處理、分析手段，從支撐庫提煉出數據後發送到服務管理系統，然後通過服務門戶，包括微信、微博、移動應用、服務網站、機頂盒等多元化的方式與不同的用戶群體進行溝通。

2.國外的智慧城市

瑞典首都斯德哥爾摩市政府在通往市中心的道路上設置了18個路邊控制站，通過使用RFID技術以及利用激光、照相機和先進的自由車流路邊系統，自動識別進入市中心的車輛，自動向在周一至周五(節假日除外)6:30到18:30之間進出市中心的注冊車輛收稅。通過收取「道路堵塞稅」減少了車流，交通擁堵降低了25%，交通排隊所需的時間下降50%，道路交通廢氣排放量減少了8%-14%，二氧化碳等溫室氣體排放量下降了40%。

3.智慧醫療

金鵬信息醫療制定了基於英特爾大數據解決方案的區域衛生數據中心建設目標，在鄭州區域衛生數據中心形成了完整的大數據解決方案。經過反復測試和調優，這一區域衛生大數據計算架構可以滿足海量數據(一億條以上記錄數)的高並發檢索和實時數據分析的性能要求，滿足了「智慧」的大數據需求。

4.智慧警務

通過充分利用雲計算、物聯網、大數據和視頻智慧分析技術、GIS(地理信息系統)、GPS(全球定位系統)、移動通信網路、移動警務智能系統、數字集成等前沿科技，實現警務工作現代化、智能化、流程化、可視化。

5.智慧交通

鄭州建立智能公交系統，使公交車信息就在地圖上顯示出來：如最近的一輛公交車還有5分鍾到站，滿員;下一輛公交車還有10分鍾到站，有空座，可以選擇乘坐;下樓2分鍾，走到站台1分鍾，餘下7分鍾，還有時間坐下喝杯熱茶。

6.智慧消防

鄭州建立智能消防系統，報警人只需撥打119，系統將立刻定位報警人當前位置，並調用位置所在區域監控攝像頭，確定災情地點和火勢情況。

7.智慧城市規劃

在城市規劃方面，通過對城市地理、氣象等自然信息和經濟、社會、文化、人口等人文社會信息進行挖掘，可以為城市規劃提供強大的決策支持，強化城市管理服務的科學性和前瞻性。
金鵬信息智慧城市解決方案

❻ 如何讓大數據落地轉化時空大數據專家們精彩分享

「如何讓新新大數據勢力落地，將成果轉化成項目，實現就地轉化？」

在日前舉行的「時空大數據2021年度大會」分論壇——時空大數據產業生態協同創新論壇上，河南大學人文與建築時空大數據融合研究中心執行主任王振凱提出了這一疑問，現場的專家們圍繞這一主題進行了深入探討與交流。

全球人文與時空大數據
讓建築工程可視化

王振凱介紹，通過時空大數據平台，衍生出時空大數據集合系統。該系統集合了建築信息、地球信息、交網信息、電網信息、水網信息、市政信息、人文信息等集合系統，最終得出全球人文、建築與地理環境時空數據基礎。

簡單來說，工程可以通過時空大數據來具象化，大到建築物本身，小到建築物內一根鋼管，都能清晰可見，甚至可以見到建築物內鋼管內部。精確的時空大數據讓工程成本管控、進度管控都有跡可循。

TOD與城市時空大數據融合
建軌道就是建設城市

軌道交通帶給人民快捷速度的同時，新的擁堵問題又出現了。地鐵「建的起，養不起」的問題如何破局？如何讓交通擁堵得到緩解，同時又能賦予交通線更多的經濟價值？TOD模式由此營運而生。

「TOD模式是以公共交通為導向的開發模式（transit-oriented development，TOD）。」中鐵上海設計院集團有限公司TOD中心主任郭琳解釋，就是在規劃居民區或者商業區時，使公共交通的使用最大化的一種非 汽車 化的規劃設計方式。該模式可以同步城鎮化進程，帶動城市經濟提升。

郭琳認為，建軌道就是建設城市，經營軌道就是經營城市。軌道交通建設中會出現技術、主體、利益、主體邊界不明確，這就要破解融合。TOD模式通過大數據為未來城市提供了無限可能。未來是TOD5.0時代，通過可視化鼓勵機制，為城市碳達峰做貢獻。

一葦數智·時空大數據平台

時空大數據構建交通底座

眾合 科技 對構建軌道交通的時空大數據底座進行了實踐，一葦數智·時空大數據平台應運而生。構建數字孿生、挖掘數據價值、實現萬物互聯、賦能業務創新，是一葦數智平台四個顯著的特點。現場，浙江眾合 科技 股份有限公司研發中心總經理王廈通過示例進行了深入淺出的講解。

數字孿生，即通過一張圖可以看到地上空間和地下空間，兩者結構關系一目瞭然。同時，數字空間里還能看到空間構架的物件、供應商信息等信息，無論產品質量監控還是施工進度都可以實時跟蹤。

一葦數智平台以數據驅動業務，在四維數據的海洋中為業務挖掘更深層次的價值。王廈介紹，平台可以接入到終端設備，數據介面對外開放給合作夥伴和應用程序開發人員。

「我們願意共享平台及其內部功能與數據，與用戶、合作夥伴建立起價值的連接，所謂的萬物互聯，一切可聯通。」王廈說。

利用智能引擎，平台可向每項業務提供AI能力和模型演算法，同時為行業應用提供便捷易用的開發模板和工具。數據快速迭代為有效創新提供了支持。「早高峰的地鐵內，你可以提前知道哪節車廂比較空，從容候車避免擁擠。」王廈用這一實例介紹了一葦數智平台在賦能業務創新上所能起到的作用。

大數據助力園區管理

天集產城集團有限公司產城項目總經理李書江分享了時空大數據在園區管理上的應用。他介紹，時空資料庫分共有與私有，私有資料庫體現了建築數據、資產管理、現場施工進度、物料管理、智能化運維。智慧運維端深入園區日常需求，進行智慧園區的運營管理，全面了解園區企業基本經營情況，為企業在銀行和金融機構貸款做增信（從抵押增信到數據增信）。

此外，通過可視化界面，時空大數據還可以幫助企業進行員工打卡、門禁管理、智能管控和設備管理。平台內還能導入政務服務和其他功能性服務，助力企業完成工商注冊、財稅服務、知識產權、社保服務、法律服務等各類事項。

高效協同的時空大數據生態鏈

「每天要從家的A點到工作地B點，有多條路可以走，早晨出發可以選擇路上有早餐店和咖啡館的路線，晚上下班可以換一條路線，看看哪裡有聚餐點、哪裡有商場。這些，大數據生態鏈都可以為你作出指引。」維正集團企知道產學研科研成果轉化有限公司總經理李志慧從城市信息、物質和 社會 空間，三者連接共生數據互補出發，生動解釋了時空大數據生態鏈。

她表示，時空大數據是具有時空屬性的數據，搭建大數據集合平台，從而產生更廣泛的應用場景，引入聯盟成員，便能為大眾生態搭建出一套高效協同、開放包容的運行規律。

科技 金融助力推動時空大數據

力合金融控股股份有限公司創新基金管理總經理申康認為， 科技 和金融的結合決定了產業未來的發展，是未來時空大數據發展的關鍵。

中小企業 科技 創新具有投入高、周期長、風險高特徵，短期難以依靠自我造血實現滾動發展。中小企業融資難的根本原因在於其天然的弱質性，但傳統金融機構很難為中小型新新大數據企業賦能。力合金融利用金融支持打通發展到創新的過程，打造時空大數據產業投資基金，通過差異化服務，滿足時空大數據產業不同階段企業的投資需求，做到差異化賦能。



來源| 科技 金融時報（記者 孫俠）

❼ 誰知道數之聯時空大數據智能解譯起什麼作用

數之聯自主研發的時空大數據智能解譯平台（AI4EO），能夠實現對遙感影像、無人機影像以及視頻圖像數據的全智能、大規模、高效率的實時處理與分析。傳統遙感數據解譯這一環節很大程度上依賴判讀員的經驗進行人工解譯。由於遙感影像數據量大，這就導致遙感影像的解譯過程處理速度慢、對判讀員要求高；通過時空大數據平台就可以高效處理與分析，降低遙感解譯的時間和人力成本，提高生產效率。歡迎你採納我的回答，給個大大的贊吧。

❽ 時空觀的特點在於哪

時空數據是同時具有時間和空間維度的數據，現實世界中的數據超過80%與地理位置有關。時空大數據包括時間、空間、專題屬性三維信息，具有多源、海量、更新快速的綜合特點。隨著科學技術的快速發展,人類對自身生活環境的探索已經不僅僅局限於周圍的世界，探索空間的外沿急劇擴展，已經遍及地球各個角落、各個圈層,並延伸到外太空。因此，如何表述人類活動的客觀世界和活動特徵，已經成為了科研機構和人員研究的熱點和重點。伴隨著計算機技術的發展,如何利用計算機模擬和表徵客觀世界和人類活動，無疑也為學者提供了廣闊的研究空間。

伴隨著人們探索空間的過程,各種信息的獲取范圍也從局部地面、全球地表、地球各個圈層擴展到地球內外的整個空間，從原有二維平面空間基準逐步演變到三維空間基準，進而演變到反映地理空間對象時空分布的四維空間基準。時空數據是指具有時間元素並隨時間變化而變化的空間數據，是描述地球環境中地物要素信息的一種表達方式。這些時空數據涉及到各式各樣的數據，如地球環境地物要素的數量、形狀、紋理、空間分布特徵、內在聯系及規律等的數字、文本、圖形和圖像等,不僅具有明顯的空間分布特徵，而且具有數據量龐大、非線性以及時變等特徵。同時具有時間和空間維度的數據，現實世界中的數據超過80%與地理位置有關。時空大數據包括時間、空間、專題屬性三維信息，具有多源、海量、更新快速的綜合特點。時空數據由於其所在空間的空間實體和空間現象在時間、空間和屬性三個方面的固有特徵，呈現出多維、語義、時空動態關聯的復雜性，因此，需要研究時空大數據多維關聯描述的形式化表達、關聯關系動態建模與多尺度關聯分析方法，時空大數據協同計算與重構提供快速、准確的面向任務的關聯約束。