- 综合排序
- 最热优先
- 最新优先
CityPulse — AI时空热力可视化平台
城脉 CityPulse — AI时空热力可视化平台参赛作品 | 腾讯位置服务 × CSDN 征文大赛主题：AI赋能 重塑地图智能新体验技术栈：HTML5 + CSS3 + JavaScript + 腾讯位置服务 城脉 CityPulse 由此而生——一款基于腾讯位置服务 JS API GL 的 AI 时空热力可视化平台，将城市级人流、车流、消费热力数据以3D热力图的形式实时渲染，让用户一眼看清城市脉动。 而加入时间维度后，热力图从静态快照升级为时空纪录片，这才是真正有价值的城市数据叙事。 导出范围可选当前帧或全部24帧时间轴数据，可直接用于后续数据分析或二次可视化。 数据生成 → 可视化 → 分析 → 导出，形成了完整的数据消费链路。
11310编辑于 2026-04-30- 来自专栏DT数据侠
数据点亮城市：如何玩转时空地理数据可视化
日常出行离不开地图导航，你有没有想过结合地图能做出哪些炫酷的可视化作品？ 原来世界上有很多“成型的”可视化工具，掌握各种技能可以做出更多类型的可视化。 在城市数据团主要做一些原创的城市研究的阶段，做城市数据可视化有了不同的方式。 做可视化最开始的构思和设计是最重要的，既要能表现数据规律，又要做好设计。举个例子，《钱都去了哪些城市？ 总结一下，数据可视化最重要的不是技术，更重要的是创意、数据、经验方面的东西。 ▍城市数据可视化的几种类型 接下来要讲的是城市数据可视化的几种类型。那么到底什么是城市数据呢？ ▍避免对数据可视化的误解 大众其实对于数据可视化是有一些误解的，比如认为有了数据就可以搞个大新闻，或者可以用数据去发现新的东西，但其实数据可视化有时是将大家已有的认知去进行量化的过程，这就要求数据工作者需要耐心
1.1K00发布于 2018-08-08 - 来自专栏时空探索之旅
ICLR 2026 | 时空数据(Spatial-Temporal)论文总结（物理时空和气象时空：气象预测，时空点过程等）
本文总结了ICLR 2026时空数据（Spatial-Temporal）的论文，总计36篇，本文涉及13篇，如有疏漏，欢迎补充。 注：由于论文数目较多，分为上下篇，基于数据生成机制与应用场景的本质差异对论文进行分类： 上篇主要涵盖交通时空数据以及城市科学等内容，包括交通预测，人群移动，轨迹挖掘，交通模拟，自动驾驶，信号控制等内容。 下篇主要涵盖：气象时空和物理时空，如气象预测，时空点过程，时空动力系统等 观察：下篇文章统计值 最大均分 均值 最小均分 7 5.31 4 其中均分≥6的有3篇。 1. Gencer Sumbul, Li Mi, Robin Zbinden, Devis Tuia 分数：4, 4, 8, 6 信心：4, 4, 3, 3 均分：5.5 推荐阅读 ICLR 2026 | 时空数据 欢迎各位作者投稿近期有关时空数据和时间序列录用的顶级会议和期刊的优秀文章解读，我们将竭诚为您宣传,共同学习进步。如有意愿,请通过后台私信与我们联系。 如果觉得有帮助还请分享，在看，点赞
46210编辑于 2026-03-10 - 来自专栏秘籍酷
跨越时空的……
这个段子，跟我要说的其实也没什么关系，只是突然联想起来。昨天情人节，GitHub 将其导航栏由以下这样的风格：
51630发布于 2019-08-08 - 来自专栏小小挖掘机
时空序列问题概述
以上就是我摘取kaggle上的一个时间序列预测的可视化图。 二、 什么是时空序列问题 时间序列和时空序列时常有朋友搞混，并且很多朋友都以为我只感兴趣时间序列问题，其实不然，时空序列问题包含了时间和空间两个方面的因素。 所以为什么说是时空序列问题？？ 在这个数据集上，可以看到为什么叫时空序列问题，因为有数字的运动信息和本身数字的像素结构信息，还有序列的前后推移和联系，所以也是时空序列问题。 对于时空序列模型，这里说两个这个领域的大牛。 施行建博士。港中文大学。主要研究的方向是时空序列问题，时间维度为主，并且降水预测的应用。
88810发布于 2019-12-02 - 来自专栏小轻论坛
时空穿梭特效html
IE=edge" /> <meta name="viewport" content="width=device-width, initial-scale=1.0" /> <title>时空穿梭
76010编辑于 2024-09-30 - 来自专栏用户画像
流水时空图
（1）画出流水处理的时空图，假设时钟周期为100ns。 （2）求流水线的实际吞吐率（单位时间里执行完毕的指令数）。 （3）求流水线的加速比。
1.6K20发布于 2018-08-27 - 来自专栏授时安全防护装置
GPS北斗时空安全隔离装置（卫星时空防护装置）说明书
北斗时空安全隔离装置-产品概述 卫星时空安全隔离装置是为应对卫星信号易受到干扰、攻击以及欺骗等特点，影响到正常卫星信号的接收，导致卫星时间同步装置工作异常而开发的卫星时空安全防护产品。 卫星时空安全隔离装置适用于电力、交通、智能制造、医疗、金融等行业卫星时间同步装置的卫星信号抗干扰、防欺骗的功能加固。 北斗时空安全隔离装置-产品特征 干扰检测及告警； 防欺骗及告警； 原位加固； 卫星信号安全隔离； 远程监控； 具备欺骗、干扰条件下输出正常卫星信号功能； 具备输出信号强度（功率）可调； 支持远程 WEB监控设备工作状态，设置工作参数； 通过国网电力科学研究院实验验证中心检测； 北斗时空安全隔离装置-技术参数 北斗时空安全隔离装置-结构功能 北斗时空安全隔离装置-安装调试 以上是GPS/北斗时空安全隔离装置（卫星时空防护装置）说明书
2K40编辑于 2022-07-14 - 来自专栏算法与编程之美
PS|如何制作‘时空门’？
而要说起百宝袋什么最吸引人，那一定是少不了‘时空门’——可以去世界上的任何地方。在塔克拉玛干沙漠里游泳、珠穆朗玛峰上泡温泉、马里亚纳海沟踢足球统统都不是梦。 今天就为大家讲解如何在一张图片里制造‘时空门’。 1.素材 ? 图1.1 镜头 ? 2.成品预览 ?
1.2K30发布于 2020-04-20 - 来自专栏生信技能树
NAR | STOmicsDB：用于时空组数据共享、分析和可视化的综合数据库
STOmicsDB具有用户友好的界面，可快速可视化数百万个细胞。为了进一步促进时空组不同层次数据的收录与整合，STOmicsDB建立了时空组数据归档标准，并构建了时空组数据归档系统。 同时，STOmicsDB和各科研团队合作研发了多个时空组数据库专辑，共同打造时空组数据生态圈，通过标准化数据存储模式和规范的工具，为科研人员提供高效的数据可视化服务。 、数据集分析与可视化模块。 时空组专辑数据库（Collection）页面 点击图片了解更多 数据集分析与可视化模块 STOmicsDB整合了时空组学不同层次数据资源，对公共数据库的6962篇文献进行数据挖掘，联合时空数据汇交系统， 时空组数据集可视化示例 Analysis模块作为时空组数据的分析利器，提供了SingleR、Gene search、Compare和Stereomap四种分析工具。
1.1K20编辑于 2023-11-17 - 来自专栏MeteoAI
【时空序列预测实战】风险时空预测？keras之ConvLSTM实战来搞定
作者 | Eric琨 学校 | 武汉大学信管 研究 | NLP、时空序列 出品 | AI蜗牛车 前言 毕设临近截止，故写一篇心得以供新手学习，理论在知乎上有很多介绍的不错的文章，这里强烈推荐微信公众号 ：AI蜗牛车，这位东南老哥写了时空预测系列文章，能够帮助了解时空领域模型的演变，同时也向他请教了一些训练技巧。 回顾理论基础 在ConvLSTM中，网络用于捕获数据集中的时空依赖性。 ConvLSTM的主要公式如下所示： 详细可参考： 【时空序列预测第二篇】Convolutional LSTM Network-paper reading 2. size更能够获取时空的联系） strides： (1,1)为卷积的步长，即卷积核向右和向下一次移动几格，默认步长为1 padding： 补0，为“valid”或 “same”。
3.2K30发布于 2020-06-19 算法之时空并查集：穿越时空的连通性管理
一、算法本质 时空并查集如同连通性管理的时光记录者： 时间维度：记录每个操作的时间戳，支持历史状态回溯 空间演化：维护动态变化的连通关系，支持时空联合查询 版本快照：通过操作日志重建任意时刻的连通状态 自动驾驶场景的实时环境建模 五、学习路线 新手入门： 实现基础版本回退功能 可视化不同时间点的连通状态差异 解决LeetCode 周赛306（时间约束连通问题） 高手进阶： 研究量子时空纠缠版本 六、创新方向 时空压缩感知：基于时间序列相似性的压缩存储 概率时空模型：处理不确定时间戳的连通性 神经时空预测：使用LSTM预测未来连通状态 四维可视化 ：时空连通性的立体展示系统 七、哲学启示 时空并查集展现的维度思维： 时空统一：连通性在四维时空中的动态展现 历史价值：每个时间切片都承载独特信息 可逆计算：打破传统算法的单向时间流假设 当你能在TB级的社交网络数据中秒级回溯三年前的关系状态时，便掌握了时空算法的精髓——这不仅需要技术实力，更需要将时间维度纳入数据结构设计的维度思维。
14210编辑于 2025-10-14- 来自专栏Datawhale专栏
【时空序列预测】什么是时空序列问题？这类问题主要应用了哪些模型？
以上就是我摘取kaggle上的一个时间序列预测的可视化图。 二、 什么是时空序列问题 时间序列和时空序列时常有朋友搞混，并且很多朋友都以为我只感兴趣时间序列问题，其实不然，时空序列问题包含了时间和空间两个方面的因素。 所以为什么说是时空序列问题？？ 在这个数据集上，可以看到为什么叫时空序列问题，因为有数字的运动信息和本身数字的像素结构信息，还有序列的前后推移和联系，所以也是时空序列问题。 对于时空序列模型，这里说两个这个领域的大牛。 施行建博士。港中文大学。主要研究的方向是时空序列问题，时间维度为主，并且降水预测的应用。
2.2K10发布于 2019-11-28 - 来自专栏Python编程和深度学习
ConvLSTM：时空特征提取结构
由于预测的输入是时序雷达图等具有空间和时间关系的数据，因此文中提出了convolutional LSTM (ConvLSTM)模型，用这个模型可以捕获数据的时空依赖，进而提高模型的预测结果。 加上定期记录观测结果，我们可以得到一系列具有时空依赖的数据 。 模型如下图所示，其通过一个卷积层提取图像特征之后，送入多个ConvLSTM层进行时空特征提取，最后把这些ConvLSTM的输出concat起来再通过1x1卷积进行最后的预测。 ? 4 结论 这篇文中提出了一种可以提取时空特征的结构ConvLSTM，并且通过实验证明了其有效性。该结构其实可以应用到其他具有时空关系的数据上。
7.5K21发布于 2020-08-11 - 来自专栏WOLFRAM
用 Wolfram 语言可视化东京地铁高峰时段列车的2D3D 时空数据
我发布了东京地铁系统的 3D 视图(https://community.wolfram.com/groups/-/m/t/1632078)， 这一次，我试图将从第一班地铁到早上 8 点的高峰时段的运行可视化 z 被校正以使可视化看起来更好。 h=800;(* station->{x,y,z}@line *)line9StationCoordinates3DN=line9inf3D/. line9StationCoordinates3DESLhN[[9]]];\[IndentingNewLine]line9StationCoordinates3DESLhN[[9]]=line9StationCoordinates3DESLhN[[6]]; 可视化地铁线 curs2D=Quiet[{getcur2D[#,1],getcur2D[#,2]}&/@Range[Length@line9Names]]; 可视化地铁 可视化从首班地铁到早上 8 点高峰时间的操作的 可视化二维图形图像： 创建图像、2D、3D 和时钟的拼贴画： (* collage 2D, 3D and clock *)\[IndentingNewLine]frames=ParallelMap[
73740编辑于 2022-04-27 - 来自专栏点滴积累
时空大数据云平台
为了解决当前数据中心运营过程中的数据管理组织混乱，无法深入数据本身，无法实现在线查看、浏览、分析计算等问题，我司推出了一款时空大数据云平台，能够实现数据的在线管理、在线可视化、在线计算以及在线代码编辑器等功能 二、在线可视化 当前数据中心只能针对选定的特殊数据，采用提前发布服务的方式供用户在线浏览，需要提前进行大量的预处理操作并且用户无法实现自行配置可视化样式。 ；若观测数据包含空间信息（诸如经纬度、地址等），还可以将观测数据转为空间数据，在地图中进行可视化。 [数据可视化] [矢量数据可视化] [栅格数据可视化] [观测数据可视化] [观测数据可视化] [数据过滤] [空间化] 系统还支持直接将可视化结果输出，用户可以自行配置标题、指北针、图例、比例尺、作者 为此我们设计了长时间序列数据可视化功能，能够在地图中按照时间顺序动态显示数据。
6.2K01发布于 2020-01-18 - 来自专栏frytea
时空位置与大数据
行业数据量 大数据史记2013：盘点中国2013行业数据量（上） 2019年第三季度中国城市活力研究报告 高德位置开放平台 百度地图开放平台 腾讯位置大数据 Author: Frytea Title: 时空位置与大数据
1.4K20发布于 2020-07-16 - 来自专栏新智元
GNN如何建模时空信息？伦敦玛丽女王大学「时空图神经网络」综述，简明阐述时空图神经网络方法
为了满足这一需求，出现了一种新的GNN族:时空GNN，通过学习图结构的时间表示，同时考虑了数据的空间和时间维度。本文对最先进的时空图神经网络进行了全面的回顾。 本文首先简要概述不同类型的时空图神经网络及其基本假设。更详细地研究了时空GNN中使用的特定算法，同时也为这些模型的分组提供了有用的分类法。 2.1 混合时空图神经网络 混合时空图神经网络由两个主要组件组成:空间组件和时间组件。在混合时空图神经网络中，利用图神经网络算法对数据中的空间依赖关系进行建模。 多目标跟踪视频中的多目标跟踪严重依赖于对目标之间的时空交互进行建模[16]。[16]提出了一种时空图神经网络算法，对对象之间的空间和时间交互进行建模。 本文对时空图神经网络进行了全面的概述。本文提出了一种分类法，基于时变方法将时空图神经网络分为两类。还讨论了时空图神经网络的广泛应用。最后，根据当前时空图神经网络面临的公开挑战，提出了未来的研究方向。
1K70编辑于 2023-02-24 - 来自专栏电光石火
Oracle排序时空值顺序
Nulls first和nulls last是Oracle Order by支持的语法 如果Order by 中指定了表达式Nulls first则表示null值的记录将排在最前(不管是asc 还是 desc) 如果Order by 中指定了表达式Nulls last则表示null值的记录将排在最后 (不管是asc 还是 desc)
70910编辑于 2022-06-09 - 来自专栏时空探索之旅
AI论文速读 | 2024时空解耦掩码预训练的时空预测
，掩码自编码器，时空预测，异质性 TL; DR: 本研究提出了一种自监督预训练框架STD-MAE，利用时空解耦掩码自编码器（S-MAE和T-MAE）分别在空间和时间维度上重建时空序列，以学习丰富的上下文表示 由于复杂的时空异质性，时空序列的准确预测仍然具有挑战性。 具体来说，论文试图解决以下问题： 复杂的时空异质性：时空序列预测的准确性受到时空异质性的挑战，因为时空数据在不同位置（如城市中心与郊区）和不同时间段（如工作日与周末）表现出不同的模式。 学习清晰完整的时空异质性：为了提高模型在时空幻影问题上的稳健性，论文提出了通过预训练来学习清晰和完整的时空异质性。 以下是论文的主要内容总结： 问题背景：时空预测对于交通、能源和气象等领域至关重要。由于时空数据的复杂异质性，准确预测时空序列面临挑战。
85110编辑于 2024-11-19
腾讯云开发者
Copyright © 2013 - 2026 Tencent Cloud. All Rights Reserved. 腾讯云 版权所有
深圳市腾讯计算机系统有限公司 ICP备案/许可证号：粤B2-20090059 
粤公网安备44030502008569号
腾讯云计算（北京）有限责任公司 京ICP证150476号 | 京ICP备11018762号