时空人工智能是人工智能领域的新型创新应用技术，其首要核心是推进落实城市新型基础设施之数字孪生底座建设，助力实现新型智慧城市自组织、自学习、自预测的智能泛在愿景。

人工智能的发展从感知阶段进入认知和预知阶段。AI的发展已经渗入到多个应用领域。近年来，尤其是全球疫情的爆发让大家认识到“时空大数据+AI”在科技抗疫防控中产生了巨大的价值。AI技术与地理空间智能、城市空间智能、时空大数据智能、数字孪生城市的发展产生了深度的融合，推动了AI在认知和预知层面的创新与发展。

这些领域无论在理论方面、还是技术创新和应用实践方面，一个核心的底层创新是基于时空的人工智能：时空人工智能（Spatio-TemporalAI）。随着城市数字孪生的发展，时空人工智能（ST-AI）开始受到产学研的广泛重视，白皮书旨在推动AI技术与城市数字孪生的场景结合，通过场景应用推动技术升级，通过技术创新赋能城市数字化转型。

时空大数据意味着对一个城市的丰富知识，如果正确使用，可以帮助解决各类城市化发展以及场景赋能挑战。通过融合基础地理信息数据资源池（2D、3D），感知物联网数据资源池（环境感知数据），维度丰富的时空数据资源池（人、车、物、场），构建统一的地理信息数据、时空数据、业务数据的数据治理框架，以及丰富灵活的时空服务体系框架，能够支撑海量数据和复杂应急应用的高效率对接。

时空人工智能（Spatio-TemporalAI）是人工智能领域的新型创新应用技术，旨在以时空为‘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。时空人工智能是上述提出的地理空间智能、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。

其首要核心是推进落实城市新型基础设施之数字孪生底座建设，通过城市数据时空价值释放与共享、时空动态数据资产构建等，助力实现新型智慧城市自组织、自学习、自预测的智能泛在愿景。

以“赋能、创新、合作、共享”为理念，推动布局构建开放共享、普惠全球的时空人工智能技术和应用平台。助力智慧城市各个领域的技术成果转换、应用场景落地、标准研究和制定以及行业生态建设等方面的发展，加快城市数字化转型和构筑动态数字孪生城市新范式。

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。

城市规划的诞生可回溯至十九世纪英国《内城地区法案》的诞生，其本质上是协调处理人-地关系的关联。但由于过去一方面无法在掌握城市空间精细化的形态特征与功能构成，一方面无法了解人的行为使用，使得在过去百年中产生重要影响的城市理论多为定性的经验归纳，城市规划、城市设计和城市管理基本都依赖于专家的主观经验判断，研究与实验往往只能在分析的规模与精度中择一深入。

而海量时空数据和时空人工智能的结合，有望改变“宏观尺度”与“微观细节”难以共存的难点。一方面提供兼具大规模与高精度的全景图像，另一方面在CIM本底的基础上通过智能化算法学习专家经验判断、解析建成环境领域的复杂问题，进而形成城市感知、城市体检、更新规划、精细化城市设计与治理的行业闭环，推动行业范式的革新。

城市居民是公共交通出行的组成主体，城市居民的出行活动规律是对城市公共交通运行状况的反映。因此居民出行活动的规律对于深刻理解城市公共交通具有重要的意义。当前，在大数据爆发的时代背景下，各种类型的时空轨迹大数据用于居民出行模式研究，如浮动车运行轨迹数据、交通智能卡刷卡数据等。

随着时空地理大数据的爆发式增长和信息技术的推动，地理空间建模分析方法与人工智能技术具有广阔的交叉前景。时空人工智能的思想可以很好地顾及地理规律的复杂性、地理信息表达的多样性以及地理数据的不完备性等关键问题，为构建更加智能化的地理空间建模和分析方法提供扎实的理论基础和技术支撑，辅助人类更好地理解“人类-环境”复杂系统中的各类地理现象。

产业规划是园区发展的基础所在。需要深入考虑本地经济水平、资源优势、配套支撑、产业基础等多重因素，传统基于专家经验指导的方法耗时长且无法保证能对复杂因素进行全局把控和科学分析，以致许多园区无法形成核心竞争力，呈现粗放发展模式。

基于时空人工智能能够对尚无产业规划的园区进行产业规划推荐，对已有产业规划的园区进行产业补全建议，聚集把优势传统特色产业做大做强、做优。结合知识图谱技术，将多源数据进行图谱化，利用图结构表示学习和相似子图计算，挖掘数据之间潜在的关联信息，最终服务于上层业务与客户。

城市时空智能平台通过构建专业数学模型，全流程、全方位、全角度、全过程的对城市进行解构分析，对城市状态进行系统量化，模拟城市系统运行，感知城市体征，监测城市活动，预演各种建设效果对城市带来的影响，从而实现查看-监测-感知-预警-模拟-评估的全流程。

平台整体上分为数据层、计算层、应用层和决策支持层等四个部分。

城市状态量化：以规划大数据库为基础，将各类数据空间化，将城市状态、描述转化为可视化的规划指标。

城市体征可视：开展城市生命体征的量化研究，分专项用数据量化城市运行状态，在视图中可视，形成城市“仪表盘”。

城市规划预演：根据规划设想进行方案实施模拟与仿真预演，形成规划“预演室”。

城市评估决策：对城市运行状态进行动态检测，对照规划目标评估，为决策提供依据，形成城市仿真决策的智慧“大脑”。

针对不同的用户群体的使用需求，城市三维智能信息平台提供了四套视图，分别面向城市决策者、业务管理者、规划管理者以及公众。

总体而言，目前时空人工智能技术在促进城市数字孪生的发展中已经开始起到重要作用。时空人工智能的生态应用已涉及城市的智能感知与设计、交通智能管治理、地理智能分析以及园区智能管理等多个领域，在多级、高频和高精度的时空大数据与人工智能算法的支持下，可以实现精准化、动态性和高效性的智能城市治理，取得了一定的实践经验与成效。

为了进一步适应城市发展的科学性、包容性和弹性需求，未来需要加强时空人工智能技术与城市数字孪生城市发展的深度的融合，从动态数据库高质量建构、智能算法迭代优化以及应用场景多元拓展等方面持续努力。

具体内容如下

来源：数据观

免责声明：本文系网络转载，版权归原作者所有。但因转载众多，或无法确认真正原始作者，故仅标明转载来源，如涉及作品版权问题，请与我们联系，我们将在第一时间协商版权问题或删除内容！内容为作者个人观点，并不代表本公众号赞同其观点和对其真实性负责

       微信号：BIEIqbs

长按识别二维码关注我们