点击上方蓝字关注我们
时空人工智能
时空人工智能是AI领域的新型创新应用技术，定义为以时空为‘索引’对多源异构数据进行时空化治理和融合，并借力知识工程和AI算法进行智能化分析，从而挖掘知识和辅助决策。时空AI是地理空间智能、城市空间智能和时空大数据智能等的统一表示，包括从时空感知、认知到决策预知的多项核心技术。其应用生态领域非常广泛，包括智慧城市、智能交通、智能园区、智能零售、智能地产、智能商业等多个领域。
分层结构
主要特点
基于空间多源频谱信号AI的室内外定位感知技术
时空人工智能平台支持大部分机器学习工具框架，如TensorFlow、PyTorch、Scikit-Learn、XGBoost、Keras、MLlib、MXNet等。针对不同的机器学习框架提供基于Kubernetes的资源调度和分布式训练的能力，以缩短训练时间，提高模型的时效性。用户无须进行复杂的配置和平台分配工作，只需关注数据的输入、代码的运行、日志的输出即可。
时空人工智能预测的核心在于高效的机器学习与深度学习算法，能够根据时空历史数据预测其未来观测值。因卷积神经网络（CNN）、循环神经网络（RNN）、图神经网络（Graph Neural Networks，GNN）和序列到序列（sequence to sequence，Seq2Seq）等深度学习模型在时空域上具有强大的自动特征学习能力，被广泛地应用于各类时空数据预测建模任务中。对于不同的应用，输入和输出变量都可以属于不同类型的时空数据实例，包括点数据、时间序列数据、空间地图数据和轨迹数据等，根据数据类型特点将采取适用的深度学习模型或进行组合建模来实现对未来场景的预测。
时空大数据
时空大数据应用，涉及采集、接入、存储、管理、分析诸多流程环节，每个流程环节又有众多技术路线及其实现框架可供选择。这些技术和框架叠加与融合，即构成了时空大数据技术体系，支撑时空大数据的多类型应用。
（1）数据接入层主要作为数据入口，负责时空大数据的接入与缓存，并供下游系统消费；
（2）数据存储和管理平台负责时空大数据的存储，并组织相应的索引接口，按访问模式可分为分布式文件系统型和非关系型数据库型两类：分布式文件系统型主要用于面向大规模数据量的聚合分析场景，而非关系型数据库型主要用于各类数据精确查询；
（3）数据处理与分析平台除了提供基本查询访问接口之外，进一步提供高性能分析方法，根据数据存在形式和应用场景，分为面向批处理的离线数据分析和面向流处理的实时流计算；
（4）应用层则根据需要，直接调用查询/处理层的访问接口与计算分析操作，或者通过二次开发来组合相关方法，以支持时空大数据的高阶应用。
时空大数据计算一般基于分布式计算平台，利用MapReduce、DAG计算模型、数据分区负载均衡以及分布式索引等关键技术，提高时空大数据分析的计算效率。分布式时空大数据分析的实现主要包含四个步骤：基于时空邻近性的数据分区与负载均衡；分布式两级时空索引的构建；高效空间关系计算库的实现；SQL语言时空谓词的扩展。
基于多源时空大数据与人工智能技术的城市体检场景
基于深度学习模型从遥感图像中自动提取多地物目标
时空人工智能（ST-AI）与地理信息公共服务平台（如“天地图”）之间存在紧密的联系和互补性。以下是它们之间的一些主要联系：
数据基础：
地理信息公共服务平台，如“天地图”，提供了丰富的地理空间数据，包括地图、遥感影像、地理实体信息等。这些数据是时空人工智能进行分析和应用的基础。
服务集成：
时空人工智能可以集成到地理信息公共服务平台中，提供智能化的分析和处理能力，如智能交通分析、城市规划、环境监测等。
功能增强：
通过时空人工智能技术，地理信息公共服务平台能够提供更高级的服务，例如实时交通流量分析、灾害预警、城市热岛效应分析等。
用户体验：
时空人工智能可以优化地理信息公共服务平台的用户体验，提供个性化的位置服务和智能推荐，如基于用户位置和行为模式的智能导航和信息推送。
决策支持：
时空人工智能能够为政府部门和决策者提供基于地理信息的决策支持，如城市规划、资源管理、环境评估等。
实时监测与预警：
结合地理信息公共服务平台的实时数据采集能力，时空人工智能可以进行实时监测和预警，如自然灾害监测、公共安全事件预警等。
数据融合与分析：
时空人工智能可以处理和分析来自地理信息公共服务平台的多源异构数据，提取有价值的信息和知识，为各种应用提供支持。
开发与创新：
地理信息公共服务平台为开发者提供了丰富的API和开发工具，使得开发者可以利用时空人工智能技术开发新的应用和服务。
智慧城市建设：
时空人工智能是智慧城市建设的重要组成部分，地理信息公共服务平台提供了智慧城市所需的地理空间基础设施和数据服务。
教育与研究：
地理信息公共服务平台和时空人工智能为教育和研究提供了丰富的资源和工具，支持地理信息科学、城市规划、环境科学等领域的教学和研究工作。
GEO系统在Kubernets
ArcGis with Kubernetes
时空大数据平台架构
平台按照“统一框架、分布式可组合微服务、高可用和可扩展”的原则，设计相关的系统开发规范和集成规范，形成统一的接口交互规则。平台技术架构分为五层，分别是应用层、平台层、数据层、云平台层和设施层
数据生命周期
平台提供全链路的数据生命周期管理。数据库分为原始库、资产库、专题库和业务库。通过数据引接的数据进入到原始库后，经过数据治理进入到资产库，不同类型资产数据可以整合和迁移进入专题库，项目高度相关的非资产业务数据则在业务库中存储，实现从数据引接，到数据治理、数据分发存储、数据共享，再到数据订阅的全链路流转处理和监控管理能力。
数据治理
API网关
总结
“时空人工智能”是一种结合时间和空间信息的人工智能（AI）技术，旨在处理和分析与时空数据相关的问题。它综合了时间序列分析、地理空间数据处理、计算机视觉、机器学习和深度学习等多种技术方法，来理解、预测和决策与时间和空间相关的现象或行为。
