- 综合排序
- 最热优先
- 最新优先
- 来自专栏时空探索之旅
KDD 2025 | (8月轮)时空数据论文总结
KDD 2025将在2025年8月3号到7号在加拿大多伦多举行，本文总结了KDD 2025(August Cycle)有关时空数据（Spatial-Temporal）相关文章，共计17篇，其中1-12为 时空数据Topic：时空预测，轨迹表示学习，轨迹生成，轨迹模拟，信控优化等。如有疏漏，欢迎补充！ /10.1145/3690624.3709331 作者：Wenying Duan, Shujun Guo, Zimu Zhou, Wei Huang, Hong Rao, Xiaoxi He 关键词：动态时空图神经网络 10.1145/3690624.3709273 作者：Kaiwen Xia, Li Lin, Shuai Wang, Qi Zhang, Shuai Wang, Tian He 关键词：稳健交通预测，动态图 ：https://github.com/bigscity/STEVE_CODE 作者：Jiahao Ji, Wentao Zhang, Jingyuan Wang, Chao Huang STEVE 8
1.4K10编辑于 2025-05-01 - 来自专栏脑电信号科研科普
Neuron综述：睡眠和警觉的时空动态
最近的大脑活动和行为数据正在突破分辨率极限，以考虑包含多个时空尺度的复杂动力学，要求对经典视角进行修正。 近年来，静态大脑状态的标准观点与其实际的动态本质之间的差距已经明确，数据驱动(例如基于机器学习的)分类工具可以识别出经典睡眠状态之外的丰富动态，这可以为临床诊断提供信息。 总之，现有数据支持一种超越静止警觉状态的观点，即始终存在的快速动态控制着神经元活动和觉醒的状态。图1 睡眠/觉醒状态中普遍存在的时空动力学4. 目前，我们缺乏关于大脑状态的启动、传播和时空动力学模式的全面数据。哪些细胞类型启动和调节局部和全局状态转换?是否有一些皮质模块比其他模块经历更多的局部睡眠/觉醒或更快的动态? 最后，计算模型和实验应该相互告知神经调节如何对警觉状态的局部动态作出贡献。图4 测试多维神经调节是否以及如何构成大脑状态复杂性的潜在实验示意图8.
84940编辑于 2023-06-26 - 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. 6 信心：4, 4, 3, 3 均分：5.5 推荐阅读 ICLR 2026 | 时空数据(Spatial-Temporal)论文总结[上]【交通与城市科学：交通预测，轨迹挖掘，交通模拟，自动驾驶等】 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
49110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 一、在线管理 当前数据中心数据管理方式多为FTP，用户只能看到数据包含的文件信息，而无法看到真实的数据信息。 并可以深入到数据实体而非数据文件进行管理，能够查看数据的缩略图，查看数据元数据（包含波段、空间范围、大小、分辨率等），查看数据统计信息（包含字段、数量、最大值、最小值、平均值等信息）等。 [数据管理] [元数据] [数据详情] [缩略图] 通过这些信息能够让用户对此数据有一个直观的了解，但这些还不够，还不足以让用户全面的了解一个数据，于是我们实现了数据在线可视化功能。 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
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
2.5K30发布于 2020-11-09 - 来自专栏生信菜鸟团
空间组学 | 用 moscot 对细胞进行时空动态分析
我们提出了moscot.spatiotemporal，一种利用跨时空维度的基因表达数据来揭示小鼠胚胎发生时空动态的方法。 Main Para_01 单细胞基因组技术提高了我们对细胞分化和组织结构动态变化的理解。 我们使用一个涵盖 E12.5 和 E13.5 的已发表数据集计算上验证了我们的发现（补充图 29）。接下来，我们研究了染色质可及性的相似性（图 5g 和扩展数据图 8）。 Moscot将较早时间点的基因表达与对应于较晚时间点的细胞中的基序活性联系起来（方法，扩展数据图10，补充笔记8和补充图39）。 对于一致性，我们的实现通过一致的API统一了时间、空间和时空问题，该API与更广泛的scverse8生态系统交互，并且易于使用。
78310编辑于 2025-03-06 - 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 = 2; i <= n ; ++i) { fibArray[i] = fibArray[i - 1] + fibArray [i - 2]; } return fibArray; }动态开辟数组为
38020编辑于 2023-05-09 - 来自专栏脑电信号科研科普
Biological Psychiatry：压力诱导网络重构的时空动态反映负性情感
关键的是，跨网络的个体时空变化轨迹也预测了负面情绪，但不能预测是否存在情绪和焦虑障碍。结论：应激诱导的脑网络重构的时空动态反映了负性情感的精神病理维度的个体差异。 躺在扫描仪外休息30分钟，然后进行静息状态扫描，评估主观情绪和唾液皮质醇(T8)。在额外采血的参与者中，在任务前、任务中和任务后(T3 T8)在扫描仪中采集样本。 简单地说，MRI数据采集在3T GE扫描仪(Discovery MR750)上。功能数据为压力任务755张T2*加权回波平面图像，各静息状态155张回波平面图像。 3.2 动态连接变化预测压力状态和HR的变化为了评估整个压力阶段的压力诱发变化，我们将来自社会心理压力任务和两个侧翼静息状态扫描的数据串联起来(图S1)。 图3 心理社会应激导致功能连接(FC)变化的时空特征为了验证这些时空剖面反映了实验诱导的压力阶段，我们使用支持向量机在四个子网络中基于个体水平估计预测了不可见块的阶段。
41010编辑于 2023-07-01 - 来自专栏Web行业观察
信息论IV：宿主、时空置换、V8玄学
变长类型偏移术 字典压缩大法 尾部残缺问题 Ultra Pack与时空置换原理 V8引擎玄学 本文是《信息论》系列（奇怪知识系列）的最后一篇，本系列全4篇分别是： 《信息与熵：生命以信息为食》（信息论基础 ） 《最优二叉树与Huffman编码》（1~5章） 《寻找序列化的极限》（6~11章） 《宿主、时空置换、V8玄学》（12~16章）（本文） 12 — 变长偏移实数 字符串类型通过修剪utf8的Huffman 32bit整数：MIN=MAX[上]+1=65793，MAX=MIN+2^32-1 13 — 字典压缩大法 好了，字符串和实数的新格式都成功地达到了序列化的理论极限，但他们都是基本数据类型，接下来挑战一下复合类型 如果扫描到EOF，也就是整条数据末尾，发现最后一个元素的长度尚未达到前缀中声明的长度，该怎么办？此时如果报错则违反原则一（永不报错），也不能用0补齐，这样违反原则二（拒绝冗余）。 爱因斯坦的相对论用一个小小的光速统一了时间与空间，让人们意识到，时间和空间原来是可以互换的，于是在硅基科学（计算机科学）领域里就有了cpu与内存的博弈、算法与数据结构的制约、时间复杂度与空间复杂度的耦合
83110发布于 2020-03-25 - 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。 [7]全球土壤湿度数据。 gimms.gsfc.nasa.gov/SMOS/SMAP/ (1)https://www.frontiersin.org/articles/10.3389/fdata.2020.00010/full#h8 [8]北极DEM数据。地址：https://dataverse.harvard.edu/dataset.xhtml?
84220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（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! 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 ? ? ? Beiing City Lab, 2013, Data 8, Housing price in Beijing, http://www.beijingcitylab.com ? ? ? 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！
79410发布于 2021-05-28 - 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
传统数据挖掘方法因为时空数据的时空特性和高相关性特征而效果不佳，并随着时空数据容量日益增长而不堪重负。最近，拥有自主特征表示能力、强大的功能逼近能力的深度学习技术在时空数据挖掘上取得了重大的成功。 该论文的主要贡献如下： （1）系统且扼要地回顾了近期运用于时空数据挖掘的深度学习技术，对时空数据类型进行分类，介绍在时空数据挖掘中广泛使用的流行的深度学习模型，并总结了不同时空数据类型的数据表示形式。 时空数据实例和格式： (1)数据实例: 时空数据的数据实例包括事件，轨迹，时间序列，空间图和时空栅格。 时空数据预处理的目的是将时空数据实例表示为深度学习模型能够处理的合适的数据表示格式，通常一种类型的时空数据实例对应于一种典型的数据表示。 在一个时空数据挖掘任务中，除了所研究的时空数据，还有一些其他类型的数据与时空数据高度相关，将这些数据与时空数据相结合通常可以提高学习任务的性能。
3.7K30发布于 2020-12-08 - 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
另外，救护车辆如何在各个站点之间动态调度，使得系统运力最大化是第二步需要解决的问题。“就是要找到一个使得很多人到此的汇聚时间最优化的点。”郑宇建议，所有以速度优先级最高的应用都可以考虑这个选址模型。 “在摩拜单车使用中，不同时间有不同的人在不同地方发出请求，这就是一个时空多变的数据；网络结构中，路网就是一个静态的网络结构，把路网叠加了交通流量信息以后就变成空间不变、时间变化的数据。” 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. Mining Platoon Patterns from Traffic Videos8. Mateng0228/Vplatoon 作者：Yijun Bei, Teng Ma, Dongxiang Zhang, Sai Wu, Kian-Lee Tan, Gang Chen 关键词：交通视频，车队模式 8 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！
12810编辑于 2026-03-10 - 来自专栏脑电信号科研科普
从空间、时间和时空动力学角度研究大脑的动态特性
时空动态活动和行波及其与功能连接的关系可以为大脑动态性提供重要的见解；然而，这种强调超出了本文的范围。 2. IVA最大限度地提高了数据集中底层匹配源之间的独立性，同时也考虑了数据集中每个源的依赖性。通过将来自每个时间窗的数据视为的单独数据集，能够捕捉每个源跨时间窗口和对象的空间依赖性(图3B)。 发现进一步显示了空间动态分析可以通过评估健康对照和SZ患者的大量多位点数据集提供的关于脑疾病的额外信息。空间动态分析确定了以前的分析方法没有检测到的大脑结构的强健和细微的变化。 时空均匀性是另一个独特的特征，只能通过将空间纳入动态分析来衡量。不同网络中的SZ患者的时空一致性存在显著差异，并揭示了与认知域分数的显著关联，突出了所提出的空间动态测量的潜在认知相关性(图4D)。 图4 空间流体时间组研究的结果 8. 总结 神经影像学研究，尤其是功能磁共振成像研究，已经迅速转向从大脑功能连接的时间重构角度研究大脑动态。
80610编辑于 2021-11-29 - 来自专栏开源部署
Tomcat-8 Manager动态部署
tomcat8 安装请参考： http://www.linuxidc.com/Linux/2014-10/108065.htm。 点击左边的Tomcat Manager链接，提示输入用户名和密码，本文都是coresun，然后可以看到以下页面： 将项目导出为war包,点击“选择文件”，将war加入进去，点击Deploy，至此动态部署完成
39410编辑于 2022-07-03 - 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
60110编辑于 2026-03-10 - 来自专栏时空探索之旅
ICLR 2025 | 时空数据(Spatial-Temporal)论文总结
本文总结了2025 ICLR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（交通，气象），时空动力学等。 （ICLR更多的是交通数据以外的物理驱动的深度学习以及AI4Science的时空数据，笔者能力有限，囊括了更为广义的时空数据，没有加以区分。因此，部分内容可能缺乏必要的严谨性。） id=Cjz9Xhm7sI 作者：Ziye Wang, Yiran Qin, Lin Zeng, Ruimao Zhang 关键词：三维高斯，动态重建，雷达预测，天气临近预报（NWP） 分数：888 id=fU8H4lzkIm 作者：Bocheng Zeng, Qi Wang, Mengtao Yan, Yang Liu, Ruizhi Chengze, Yi Zhang, Hongsheng Liu id=MbM1BqGpZu 作者：Hengyu Fu, Zehao Dou, Jiawei Guo, Mengdi Wang, Minshuo Chen 关键词：扩散模型，序列数据，时空依赖性，样本复杂性
77210编辑于 2025-02-21
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