- 综合排序
- 最热优先
- 最新优先
- 来自专栏Datawhale专栏
交通时空大数据如何分析，我写了本书！
▲图1 时空大数据 本文将介绍如何使用TransBigData快速高效地处理、分析、挖掘出租车GPS数据。 1、TransBigData简介 TransBigData是一个为交通时空大数据处理、分析和可视化而开发的Python包。 TransBigData为处理常见的交通时空大数据（如出租车GPS数据、共享单车数据和公交车GPS数据等）提供了快速而简洁的方法。 TransBigData为交通时空大数据分析的各个阶段提供了多种处理方法,代码简洁、高效、灵活、易用，可以用简洁的代码实现复杂的数据任务。 本文依托《交通时空大数据分析、挖掘与可视化》一书中所介绍的相关技术开发了Python开源库TransBigData，该库面向交通时空大数据分析不同阶段的处理需求，以简洁、高效、灵活、易用的代码实现复杂的数据处理任务
3K10编辑于 2022-10-31 - 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
60610编辑于 2026-03-10 - 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 针对此，我们研发了在线计算功能，用户无需将数据下载到本地，即可将多个相关数据在云端进行计算分析。 目前已经实现常用 GIS 软件中大多数通用分析方法，包含缓冲区分析、获取中心点、提取边界、插值、栅格化、坡度坡向、山影、波段计算器、NDVI 等，还可以对数据进行切割、投影变换等操作，观测数据可以实现 [插值] [NDVI] [字段计算器] 四、在线代码编辑器 若以上分析方法无法满足用户对数据处理分析的要求，我们还提供了在线代码编辑器，用户可以在线使用 python 语言编写代码，调用平台中的数据和上述一系列封装好的基础分析方法 [在线代码编辑器] 当然，用户也可以直接调用 pandas、spark、matplotlib 等常用科学分析库来处理平台中的数据，得到自己想要的结果。
6.4K01发布于 2020-01-18 - 来自专栏frytea
时空位置与大数据
在这个人人都谈大数据，处处皆用大数据的时代，我们身边的这些大数据究竟如何产生，又有多大的体量了呢？ 根据一份2013年的报告显示，2013 年中国产生的数据总量超过0.8ZB（相当于8亿TB），2 倍于2012 年，相当于2009 年全球的数据总量。 （来源，ZDNET《数据中心2013：硬件重构与软件定义》年度技术报告） 在这些数据中，除了人们日常消费、生活、交通产生的数据之外，基于位置的数据正在其中发挥着越来越重要的作用，基于位置的数据挖掘成果丰硕 参考文献 盘点中国2013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 Link: https://blog.frytea.com/archives/289/ Copyright: This work by TL-Song
1.4K20发布于 2020-07-16 - 来自专栏烹饪一朵云
跨越时空的对白——async&await分析
其可以在主函数和异步函数这两个不同时空互相隔离的生物进行消息传递，比如说在时空A中捕获了时空B里面的异常消息，这样它们就可以相拥❤ 怎么想都觉得这个过程离大谱！ 除此之外，它还有两个特性，使它可以作为异步编程的完整解决方案： 函数体内外的数据交换 错误处理机制。 // { value: 3, done: false } g.next(2) // { value: 2, done: true } next返回值的value属性，是Generator函数向外输出数据 next方法还可以接受参数，向Generator函数体内输入数据。 gen.throw(e); }); }); } step(function() { return gen.next(undefined); }); }); } await分析
1.7K21编辑于 2022-05-08 - 来自专栏labuladong的算法专栏
算法时空复杂度分析实用指南
2、正确理解常用算法底层原理，是进行复杂度的分析的前提。尤其是递归相关的算法，只有你从树的角度进行思考和分析，才能正确分析其复杂度。 鉴于现在历史文章已经涵盖了所有常见算法的核心原理，所以我专门写一篇时空复杂度的分析指南，授人以鱼不如授人以渔，教给你一套通用的方法分析任何算法的时空复杂度。 2、非递归算法中的时间复杂度分析。 3、数据结构 API 的效率衡量方法（摊还分析）。 4、递归算法的时间/空间复杂度的分析方法，这部分是重点，我会用动态规划和回溯算法举例。 数据结构分析 因为数据结构会用来存储数据，其 API 的执行效率可能受到其中存储的数据的影响，所以衡量数据结构 API 效率的方法和衡量普通算法函数效率的方法是有一些区别的。 最后总结 本文篇幅较大，我简单总结下重点： 1、Big O 标记代表一个函数的集合，用它表示时空复杂度时代表一个上界，所以如果你和别人算的复杂度不一样，可能你们都是对的，只是精确度不同罢了。
2K40编辑于 2022-05-17 - 来自专栏小小挖掘机
【时空序列预测实战】详解时空序列常用数据集之MovingMnist数据集(demo代码)
前言 毋庸置疑在做时空序列模型的时候，oving数据集，或者说标准的数据集是必要的 这篇文章我们主要介绍MovingMnist数据集，做这个方向的research是逃不过这个数据集的使用的 一、 Address 地址：http://www.cs.toronto.edu/~nitish/unsupervised_video/ 这个数据集主要是在 Unsupervised Learning of Video Representations
2.6K30发布于 2020-11-09 - 来自专栏浴巾的学习分享贴
数据结构_时空复杂度
数据结构_时空复杂度 前言：此类笔记仅用于个人复习，内容主要在于记录和体现个人理解，详细还请结合bite课件、录播、板书和代码。 int M = 10; while (M--) { ++count; } printf("%d\n", count); }基本语句（或者说基本操作）执行了2N+10次，大O渐进表示法就是O(N) N是数据规模 ， 数据规模越大，复杂度的差距越大，算法的优劣体现的就越明显 基本语句（或者说基本操作）的执行次数成为时间频度，在上面的例子中T(N)=2N+10 // 计算Func3的时间复杂度? count; } for (int k = 0; k < N ; ++ k) { ++count; } printf("%d\n", count); }基本操作执行了M+N次，而带入到算法中的数据规模也有两个
42220编辑于 2023-05-09 - 来自专栏实验盒
Nature｜时空单细胞分析新突破：moscot框架实现多组学数据高效映射
然而，实验技术的局限性导致细胞在天然时空背景下的完整分子状态难以捕获：时间序列数据存在断点，空间数据覆盖基因有限，跨模态信息整合困难。 统一框架与灵活API 覆盖时间序列重构（moscot.time）、空间对齐（moscot.space）、时空联合分析（moscot.spatiotemporal），无缝对接CellRank、Scanpy moscot支持多模态OT，突破计算瓶颈，统一时空分析场景 三大应用场景 1. 时空联合分析：解析发育调控网络 结合8个小鼠胚胎时空转录组数据集（E9.5-E16.5），moscot.spatiotemporal揭示脑区发育轨迹，预测神经前体细胞驱动因子（如Neurod4、Sox11 Moscot的诞生标志着单细胞时空分析进入“多模态+超大规模”时代。无论是发育生物学、疾病机制研究，还是空间多组学图谱构建，这一工具都将成为不可或缺的“瑞士军刀”。
60210编辑于 2025-02-05 - 来自专栏时空探索之旅
ICDE 2025 教程| 面向时空时序数据的治理-分析-决策系统新范式
-治理-分析-决策”范式，利用时间序列和时空数据进行数据驱动决策，涵盖数据基础、治理方法、分析特性及决策策略，展望预训练、生成模型与LLMs结合等研究方向。 A: 论文中提到了多个与时间序列和时空数据相关的研究工作，这些研究涵盖了数据治理、数据分析、决策制定等多个方面。 A: 论文中提到了多个与时间序列和时空数据相关的研究工作，这些研究涵盖了数据治理、数据分析、决策制定等多个方面。 A: 论文通过提出一个全面的“数据-治理-分析-决策”范式来解决时间序列和时空数据驱动决策的问题。以下是论文解决该问题的具体方法和步骤： 数据驱动决策的范式——“数据-治理-分析-决策” 1. 通过上述方法，论文提供了一个全面的框架，从数据治理到数据分析再到决策制定，系统地解决了时间序列和时空数据驱动决策的问题。
45800编辑于 2025-03-19 - 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
、时空组数据库专辑模块、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， 为充分探索时空组学数据，STOmicsDB团队构建标准化数据分析流程，包括标准化处理、降维、聚类、细胞类型注释，细胞类型特异性标记基因分析及差异基因分析、空间可变基因分析、细胞通讯分析、Hotspot空间特异性模块分析 通过时空数据汇交系统和深度挖掘公共数据资源，将相互独立的公共数据资源，进行数据质控和标准化分析，整合不同层次时空组学数据，形成了一致可对比的数据集。 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。
1.2K20编辑于 2023-11-17 - 来自专栏小小挖掘机
【时空序列】TKDE2020-时空图数据挖掘深度学习技术全面综述
（3）分类 时空数据的预测在脑影像数据，尤其是fFMRI数据方面的研究较多。随着脑成像技术的发展，脑影像数据（fMRI、EEG、MEG等）分析日益成为神经科学领域的一个热门课题。 该文总结了深度学习技术在基于脑影像数据分析的疾病分类方面的相关研究进展。 （4）估计推断 当前时空数据的估计和推断主要集中在空间地图和轨迹这两类时空数据上。 该文还从特征提取、处理的时空数据类型、挖掘任务、时间依赖性、空间依赖性几个方面，将深度学习和传统机器学习在时空数据挖掘领域的不同进行了分析比较。 ? ? 5.应用 ? 本文介绍了现有工作如何利用深度学习分析LBSN中用户产生的时空数据，并用于POI推荐和位置预测等应用中。 （6）犯罪数据 犯罪数据是典型的时空数据，可以与深度学习模型结合应用于犯罪大数据分析。 如何选取合适的时空数据表示和相应的深度学习模型以获得更好的分析性能，仍然还是一个没有被解决的问题。
3.8K30发布于 2020-12-08 - 来自专栏好奇心Log
时空地理数据大搜寻计划（二）
数据是GIS的血液。时空地理数据是我们经常会用到的，很多时候，分析数据可能花不了多长时间，但是收集一些合适的数据总是耗时最多，So,这一次再去搜索GIS时空地理数据，Go! 1.全球气候分区数据[https://geoafrikana.com/resources/] ? 下载过来在Google Earth或者ArcGIS中打开看看 ? ? 3.哈佛地理空间数据集[http://hgl.harvard.edu:8080/opengeoportal/] ? 4.区域地图[https://dataverse.harvard.edu/dataverse/hrs] 提供有shp文件，以及一些社会经济数据 ? ? ? OK,这一期的时空地理数据收集就先到这里了，不论是做历史地理研究，比如分析城区的扩展历史，还是用来观赏，这些地图都具有了研究价值和美学价值，应该是不错的了 最后，感谢大家的分享与转发！
81710发布于 2021-05-28 - 来自专栏好奇心Log
时空地理数据大搜寻计划（三）
点击下方公众号，回复资料，收获惊喜 收集数据也算是我的一大爱好，所以今天给大家分享一些可能会用到的时空地理数据，具体用到的时候还是要仔细地去看技术文档的。 由哥白尼土地局的全球部门制作，取材自PROBA-V卫星观测和辅助数据集，可以下载到电脑本地 ? ? ###### [2] 荷兰0.5米分辨率非插值DEM数据体验。 [5]全球高分辨率地表水分布数据(1984-2020)。 [7]全球土壤湿度数据。 [10]全球水文数据集。地址：http://hydro.iis.u-tokyo.ac.jp/~yamadai/MERIT_Hydro/index.html ? [12]飓风数据集。
87320发布于 2021-05-28 - 来自专栏云社区全球资讯抢先看
时空大数据加速智慧城市落地
据介绍，城市计算包括城市数据的感知和获取、数据的管理、数据的分析和挖掘以及数据的服务和提供。“这四个层面连成一个环路，不断地、自动地在不干扰人生活的情况下，用大数据解决城市的大挑战。”郑宇说。 更具体地说，城市计算是一个通过不断获取、整合和分析城市中多种异构大数据来解决城市所面临的挑战的过程。按郑宇所述：“城市计算能帮助我们理解各种城市现象的本质，甚至预测城市的未来。” 因此，数据和应用之间就需要一个平台来连接。” “很遗憾现在任何一家公司的云计算平台都不能很好地支持我们的时空大数据。”郑宇坦言，“城市大数据平台并不是云计算平台，后者并不能很好地支持上述运算。” 把握时空数据 “城市计算处理的是时空数据，它跟视频、图像、语音是不同的。这也导致传统的深度学习模型不能直接拿来用。” 郑宇解释说，时空数据有空间属性和时间属性，时间属性又包括时间的平滑性、周期性和趋势性。 据介绍，数据的应用是首先把相邻几个小时的数据放到一个深度卷积神经网络里面，来模拟相邻时间的时序的平滑性。
1.4K00发布于 2017-12-26 - 来自专栏3D可视化
HSDB-超维时空数据库
HSDB是具备万维数据描述和存储能力的超维时空数据库，能够覆盖IoT数字孪生六大维度集，包括具有时间序列特征的行为/状态和具有空间坐标特征的位置/关系。 通过先进的数据分片技术，能够实现海量数据的分布式存储。同时，利用成熟的倒排索引技术，可支撑百亿数据量级下的高性能查询需求，满足上层各种数字孪生可视化场景的数据使用需求。 什么是维度？ 后来，维度被引入物理学领域，用于描述独立的时空坐标（N个坐标代表N维空间）。在数字孪生领域，维度可以理解为现实对象的数据参数，也称属性。 维度有什么作用？ 如何保障维度调整的灵活性，这就需要软件定位多维数据模型的能力。 软件定义数据模型的本质，就是将数据模型与上层应用功能解耦，使数据模型具备扩展性，从而满足不同应用场景下的数字化需求。 （软件定义的本质是实现了数据平面和管理控制平面解耦）优锘提供了便捷的软件定义数据模型能力，通过图形界面灵活定义和维护对象分类、属性及关系约束，降低数据模型的变更成本和实施风险，真正实现了数据模型对上层可视化需求的快速响应
1.6K51发布于 2019-11-14 - 来自专栏时空探索之旅
VLDB 2025 | 时空数据（Spatial-Temporal）论文总结(时空预测，轨迹相似度，轨迹表示等)
本文总结了VLDB 2025有关时空数据（Spatial Temporal）的相关论文，主要包含如有疏漏，欢迎大家补充。 时空数据Topic：时空预测，交通预测，轨迹相似度，轨迹表示等。 1. Jensen 关键词：自动化，轨迹数据质量评估系统 6 Revisiting CNNs for Trajectory Similarity Learning 链接：https://www.vldb.org ，轻量化 推荐阅读 VLDB 2025 | 时间序列（Time Series）论文总结（预测，异常检测，数据压缩，自动化等） VLDB 2024 | 时间序列（Time Series）论文总结 VLDB 2024 | 时空数据（Spatial-temporal）论文总结 SIGMOD 2025 | 时间序列（Time Series）论文总结 SIGMOD 2025 | 时空数据（Spatial-temporal ）论文总结 ICDE 2025 | 时间序列(Time Series)论文总结 ICDE 2025 时空数据（Spatial-Temporal）论文总结 此公众号的文章皆系本人原创，辛苦码字不易！
19110编辑于 2026-03-10 - 来自专栏时空探索之旅
AAAI 2026 | 时空数据(Spatial-temporal)论文总结（时空预测，轨迹挖掘，自动驾驶等）
本文总结了2026 AAAI 上有关时空数据（Spatial-Temporal）相关论文。如有疏漏，欢迎大家补充。 时空数据Topic：时空预测，天气预报，城市区域表示，轨迹表示学习，相似度计算，轨迹预测，自动驾驶等。总计45篇，本文涉及24篇。 注：由于论文数目较多，分为上下篇，此为上篇，主要涵盖时空预测，轨迹数据挖掘，部分自动驾驶等的文章。下篇主要涵盖自动驾驶，城市区域表示学习，天气预报等。 1. /2508.10427 作者：Keishi Ishihara; Kento Sasaki; Tsubasa Takahashi; Daiki Shiono; Yu Yamaguchi nan 关键词：时空推理的视觉问答数据集 表示学习，生成等) AAAI 2026 | 时间序列(Time Series) 论文总结[上] (Oral+预测) AAAI 2025 | 时间序列（Time Seies）论文总结 AAAI 2025 | 时空数据
80010编辑于 2026-03-10 - 来自专栏脑电信号科研科普
帕金森病患者脑电时空微状态分析
PD患者早期非药物状态下的脑功能障碍指标可能为PD早期诊断及后期治疗提供有价值的依据，为了寻找PD脑功能障碍的时空特征标志，研究人员采用静息状态脑电图微状态分析，在亚秒时间尺度上对23例无药物治疗的PD 脑电图微状态反映了短暂稳定的具有时空特征的脑拓扑结构，而空间特征的微状态分类和时间参数为了解PD患者的脑功能活动提供了依据。 2.3 分析软件 将19个Ag/AgCl头皮电极按照10-20系统放置19个位置，记录静息脑电图数据，如图1，这里的A1和A2连接两个耳垂作为参考，这19个Ag/AgCl头皮电极连接19个数据通道 2.4 脑电预处理 脑电图数据的采样频率为500Hz，监测每个参与者脑电图数据10-20 min，静息脑电图数据采用MATLAB软件预处理，所有的脑电图数据都经过仔细检查，以确定伪影(身体运动 2.5脑电微状态分析 将预处理后的数据导入CARTOOL进行下一步的微状态分析，检测EEG微状态并计算表征，全局电场功率(GFP)是对头皮电位强度的测量： 其中i表示每个电极，n为
99910发布于 2020-11-19 - 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：
55530发布于 2019-08-08
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