- 综合排序
- 最热优先
- 最新优先
- 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. TEAM: Topological Evolution-aware Framework for Traffic Forecasting2. Jensen, Bac Le 关键词：交通预测，拓扑演化感知 2 Quantifying Point Contributions: A Lightweight Framework for Efficient Jensen, Ge Yu 关键词：轨迹查询，轨迹简化 3 SIMformer: Single-Layer Vanilla Transformer Can Learn Free-Space Trajectory 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！
16910编辑于 2026-03-10 时空轨迹和空间细胞相互作用
目前的空间平台Visium11, NanoString Spatial Profiling, seqFISH+, MERFISH and Slide-seq2寻因、华大、百迈客、德运康瑞其中我们关注的内容 1、伪时空(PSTS、pseudo-time-space)，来模拟和揭示经历动态变化的组织中细胞转录状态之间的关系。 2、空间细胞-细胞相互作用。3、纠正技术噪声/dropout并增加ST数据准确率。 每个方向都有了很多的内容空间轨迹方向单细胞、空间、外显子分析方法更新空间轨迹向量场2单细胞轨迹分析之应用篇空间轨迹向量场单细胞个性化分析之轨迹分析篇时空轨迹分析导论空间转录组之空间基因和细胞轨迹空间通讯方向 10X单细胞空间通讯分析之最新版cellphoneDB（v4）解读通过空间行为（optimal transport）推断空间细胞间通讯信号方向(COMMOT)时空通讯分析策略空间注释新思路与临近通讯新玩法时空通讯分析大盘点单细胞个性化分析之多样本细胞通讯比较篇单细胞个性化分析之细胞通讯篇数据矫正方向
40620编辑于 2024-03-29- 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. Spatio-Temporal Hierarchical Causal Models2. 2 Unlocking Dynamic Inter-Client Spatial Dependencies: A Federated Spatio-temporal Graph Learning Method
72810编辑于 2026-03-10 - 来自专栏时空探索之旅
ICDE 2026 | 时空数据（Spatial-Temporal）论文总结（时空预测，POI推荐，轨迹，空间众包等）
本文总结了ICDE 2026有关时空数据（Spatial Temporal）的Research Track相关文章，共计21篇。 ICDE 2026录用列表：https://icde2026.github.io/accepted-papers.html 时空数据Topic：时空预测，POI推荐，用户轨迹链接（TUL），地图匹配，空间众包 Effective Dataset Distillation for Spatio-Temporal Forecasting with Bi-dimensional Compression2. 2 Time-varying Vector Field Compression with Preserved Critical Point Trajectories 链接：https://arxiv.org 、特征保持、临界点轨迹 3 Geography-Aware Large Language Model for Next POI Recommendation 链接：https://arxiv.org/abs
45210编辑于 2026-04-02 - 来自专栏拓端tecdat
Python多层LSTM优化Seq2Seq序列模型预测社交网站用户签到时空轨迹数据
p=42590 分析师：Shenyan Li 在数字化转型浪潮中，用户行为轨迹的时空预测成为智慧服务领域的核心命题。从智能交通的流量调控到商业场景的客群分析，精准捕捉用户签到模式的技术需求日益迫切。 本文改编自某咨询项目的落地实践，聚焦基于序列到序列（Seq2Seq）模型的用户轨迹预测方案，结合真实数据集探讨技术落地的关键环节（点击文末“阅读原文”获取完整智能体、代码、数据、文档）。 为此，研究引入Seq2Seq架构，并与长短期记忆网络（LSTM）、Transformer模型形成对比分析。通过数据清洗、模型调优与多维度验证，构建了适配于稀疏时空数据的预测框架。 Transformer模型：自注意力机制 尝试采用Transformer架构，通过多头自注意力层并行计算序列相关性，但实验发现其在时空轨迹预测中收敛困难，可能因缺乏位置编码导致空间特征建模不足。 可视化结果显示，Seq2Seq的时间预测曲线与真实值高度吻合（图5），空间预测点分布更贴近实际轨迹（图6）。
48810编辑于 2025-06-11 - 来自专栏生信探索
monocle2轨迹分析
安装monocle2 下载源代码 wget https://www.bioconductor.org/packages/release/bioc/src/contrib/monocle_2.26.0.tar.gz pd,fd) # 删除不需要的变量 估计size factor和离散度 cds <- estimateSizeFactors(cds) cds <- estimateDispersions(cds) 轨迹定义基因选择及可视化和构建轨迹 method = "DDRTree") cds <- orderCells(cds) 轨迹图 #以pseudotime值上色 plot_cell_trajectory(cds,color_by="Pseudotime show_backbone=TRUE) #以细胞状态上色 plot_cell_trajectory(cds, color_by = "State",size=1,show_backbone=TRUE) #轨迹图分面显示 (cds[s.genes,], grouping = "cell_type", color_by = "cell_type") p2 <- plot_genes_violin(cds[s.genes,]
1.3K41编辑于 2023-04-03 - 来自专栏Leaflet
端午屈夫子祭-基于LeafLet的夫子一生时空轨迹纵览
以全新的一种视角去观察屈夫子的一生，基于LeafLet结合时间轴，完成时间与空间的时空纵览。最后祝所有的伙伴们端午安康，阖家幸福。 2、人物轨迹时间线 屈原其人的生平活动轨迹时间线可以从百度百科中直接获取转换。 我们形成以下的四维导图： 二、时空轨迹界面设计1、界面设计为了从时间和空间两个角度来综合展示屈原夫子一生的轨迹，我们将整个展示界面分为四个部分。标题栏：这里直接以大标题的形式展示界面信息。 左边：界面左边将直观展示屈原一生的主要活动轨迹文字描述。中间地图及轨迹：将采用二维地图的形式展示地图信息，同时将屈原一生的轨迹线进行绘制时间轴：界面右下角直接展示不同的历史时期，以时间轴的形式展开。 三、时空轨迹展示实现1、创建一个Html文件骨架文件 在电脑任一盘符下创建一个Html文件的骨架文件，这里引入必须得Css样式文件和Javascript脚本文件。关键代码如下所示：<!
12610编辑于 2026-05-05 - 来自专栏全栈程序员必看
轨迹跟踪求解Fmincon函数（2）「建议收藏」
函数可以求解带约束的非线性多变量函数(Constrained nonlinear multivariable function)的最小值,即可以用来求解非线性规划问题 matlab中，非线性规划模型的写法如下 ---- 2. 定义了优化参数，不填写表示使用Matlab默认的参数设置 ---- 3.解题思路 如果我们要解这一道题目，我们的思维过程： 1.目标函数定义 function f=fun1(x); f=x(1).^2+ x(2).^2+x(3).^2+8; 2.定义非线性约束条件 function [g,h]=fun2(x); g=[-x(1).^2+x(2)-x(3).^2 x(1)+x(2).^2+x(3 ).^3-20]; h=[-x(1)-x(2).^2+2 x(2)+2*x(3).^2-3]; 3.编写主程序函数 [x,y]=fmincon('fun1',rand(3,1),[],[],[] ,[],zeros(3,1),[],'fun2') 4.得出结果 x1=0.5522,x2=1.2033,x3=0.9478最小值y=10.651 参考：https://www.cnblogs.com/
79810编辑于 2022-08-18 - 来自专栏时空探索之旅
IJCAI 2026 | 时空数据（Spatial-Temporal）论文总结【交通预测，轨迹预测，轨迹表示学习，天气预报，EEG，农业，自然灾害治理等应用 】
时空数据Topic：交通预测，轨迹预测，轨迹表示学习，天气预报，EEG，农业，自然灾害治理等应用等 IJCAI2026 accepted papers: https://2026.ijcai.org/accepted-papers STAR: Spatio-Temporal Attention Rebalancing for Eco-Friendly Autonomous Mobility-on-Demand Systems2. Attention Rebalancing for Eco-Friendly Autonomous Mobility-on-Demand Systems 代码：https://github.com/2jungeuni eco-friendly-fleet-rebalancing 作者：Jungeun Lee, Seungjae Baek, Seongjae Lee, Sunhwi Kim, Jeong hwan Jeon 关键词：环境友好，共享出行 2 KunLiangChen/HyGNN 作者：Liangkun Chen, Xiang Li, Guiyuan Jiang, Zhongying Zhao, Junyu Dong, Yanwei Yu 关键词：时空移动轨迹
5810编辑于 2026-06-08 - 来自专栏机器人课程与技术
玫瑰线轨迹如何规划？（desmos+ROS2+turtlesim+……）
这篇博客是之前魔幻步伐的补充（有学生已经做出了，自然要补充更难的内容）： ROS2趣味题库之turtlesim魔幻步伐（轨迹类题型）_zhangrelay的专栏-CSDN博客 轨迹是机器人运动的重要内容 有点像吧，用C++写一个简单的动态甜甜圈吧字符串显示的那种哦_zhangrelay的专栏-CSDN博客 推荐用desmos看一看，选择一款最爱的曲线，然后控制机器人的线速度和角速度进行控制，画出优美的轨迹 也还不错，但是和需求也差太远了…… 笛卡尔与极坐标…… 公式就不列了，各种曲线都能绘制出来，这是开环曲线绘制，当然还必须有闭环曲线绘制，也可以称为轨迹跟踪，这个演示是运动学的，后续动力学案例也会加入^
83730发布于 2021-12-02 - 来自专栏时空探索之旅
SIGMOD 2026 | 时空数据(Spatial-Temporal)论文总结【轨迹压缩，轨迹相似度计算，地理空间数据库，多模态大模型，数据清洗等】
本文总结了SIGMOD 2026有关时空数据（Spatial Temporal）的相关文章，共计5篇，如有疏漏，欢迎补充。 时空数据Topic：轨迹压缩，轨迹相似度计算，地理空间数据库，多模态大模型，数据清洗等 1. DimWeaver: Dimensional Weaved Trajectory Compression2. 2 GoodTP: An Effective Data Selection Framework for Enhancing Trajectory Similarity Learning via Monte Yu Sun (Nankai University)*; Shaoxu Song (Tsinghua University); Xiaojie Yuan (Nankai University) 关键词：时空数据
13510编辑于 2026-06-03 - 来自专栏时空探索之旅
WWW 2026 | 时空数据(Spatial -Temporal)论文总结(交通预测，人群移动，轨迹表示，城市感知，信控优化等)
Topic：交通预测（多模态，大模型等），人群移动预测，城市感知（智能体），信控优化，轨迹表示学习，城市规划等。 VisionST: Coordinating Cross-modal Traffic Prediction with Interactive Geo-image Encoding2. paper/2026_www_chen.pdf 作者：Jinwen Chen, Hao Miao, Chenxi Liu, Yan Zhao and Kai Zheng 关键词：交通预测，视觉模型，多模态 2 https://arxiv.org/abs/2409.02124 作者：Jinming Wang, Hai Wang, Hongkai Wen, Geyong Min and Man Luo 关键词：轨迹恢复 （禽流感）预测，异质图 推荐阅读 KDD 2025 | (2月轮)时空数据(Spatial-temporal)论文总结 KDD 2025 | (2月轮)时空数据(Spatial-temporal)论文总结
69610编辑于 2026-03-10 - 来自专栏新智元
【计算机图形学生成完美笑容】科学家根据时空轨迹生成“成功的微笑”
该研究的作者表示，使用3D计算机模拟有助于理解时空变化对面部表情的情感感知的影响。对于由于中风之类的疾病导致面部表情障碍的患者，这个研究的结果也对目前的面部康复护理和医疗有参考作用。 ? 我们发现一个成功的微笑可以通过各种不同的时空轨迹来表达，包括复杂的嘴巴角度的平衡，笑的程度和露出的牙齿，以及动态对称性。这些发现在各种领域有广泛的应用，如面部手术，康复治疗，计算机图形学和心理学。 图2.研究中使用的空间参数的定义。 嘴的角度是指绿线和蓝线之间的角度。微笑程度是指绿线的长度。牙齿露出是指双唇之间的距离。 ? 图3. 具有不同的时间（延迟）的不对称微笑。
89670发布于 2018-03-27 - 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. OmniField: Conditioned Neural Fields for Robust Multimodal Spatiotemporal Learning2. (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】 ICLR 2026 | 时间序列(Time Series)论文总结[下]【分类，异常检测，
58110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：
54230发布于 2019-08-08 - 来自专栏小小挖掘机
时空序列问题概述
如果对于时常竞赛的朋友，玩结构化数据的朋友来说，肯定会首先想到时间序列的一维数据的预测问题，主要围绕于预测的问题来展开，主要是针对时间的问题做一些回归等问题，常见的问题比如天池新人实战赛o2o优惠券使用预测 说到这里又勾起了我一个回忆，大概是2017年的冬天，有一天突然想搞搞竞赛，正好是北大的wepon大佬的这个天池o2o比赛的直播，我点了进去，顺便也把他github的top1的solution给学习了，第一次知道时间序列的魅力 时间序列主要用到的模型，传统的有马尔可夫链以及ARMRA模型，但是这些在比赛中可以说不是哥哥级别，所以基本上不会用，我个人也没学，一般能涉及的就是lstm构建，gru构建，seq2seq模型之后三个巨头 这里我已经引出了时空序列问题的两种形态。 1.表格化数据2.图片数据 2.1 表格化数据 表格化数据一般带有的特质就是数据中带有两个量，时间和地点的值，地点主要是经纬度。 2.3 时空序列模型 常用的有施行建博士的 ConvLSTM, 轨迹GRU 等等，以及利用上Unet-attention的时空序列模型，以及近年来的predrnn序列等等，虽然这个方向很少人研究，但是依然还是有很多力作持续输出
90610发布于 2019-12-02 - 来自专栏时空探索之旅
ICLR 2026 | 时空数据(Spatial-Temporal)论文总结【交通与城市科学：交通预测，轨迹挖掘，交通模拟，自动驾驶等】
本文总结了ICLR 2026时空数据（Spatial-Temporal）的论文，总计36篇，本文涉及23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：上篇的所有文章统计值 最大均分 均值 最小均分 6.5 5.28 4 其中 均分≥6的有6篇 1. deployment 作者：Patrik Patera, Yie-Tarng Chen, Wen-Hsien Fang 分数：6, 6, 4 信心：2, 2, 2 均分：5.333333333333333 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
33010编辑于 2026-03-10 - 来自专栏半杯茶的小酒杯
轨迹拼接(Trajectory Stitching)
对于控制来说，连续稳定的轨迹更利于控制下发指令的平滑性，避免车辆产生抖动。 实际测试表明，轨迹拼接(Trajectory Stitching)确实能够使实车的控制更加平滑。 轨迹规划模块以固定的频率进行, 我们使用了轨迹拼接的算法(Trajectory Stitching)保证相邻帧的轨迹在控制器看来是平滑的。 )； 如果上一周期的轨迹存在, 我们会根据当前系统时间 T, 在上一周期的轨迹中找到相对应的轨迹点, 然后我们进行一个比较, 比较这个轨迹点与定位模块获得的当前车辆状态的差异, 如果这个差异在一定范围内 这种机制保证了在控制误差允许的情况下, 做到相邻帧轨迹的平滑拼接. 在控制器看起来, 规划模块发出的轨迹是一小段一小段 dt 长度的轨迹光滑拼接起来的.
3.5K10编辑于 2022-06-23 - 来自专栏TSINGSEE青犀视频
车辆轨迹回放中如何实现轨迹信息表格的自动滚动？
TSINGSEE青犀视频目前正在研发基于车载视频监控的新功能，包括轨迹跟踪、轨迹回放等。 轨迹跟踪适用于车载监控场景，基于车内的车载监控装置，可以实时记录车辆的位置、行驶轨迹等信息，并且在轨迹回放中，能对车辆的行驶路线过程进行回放，掌握车辆的历史行踪。 需求： 轨迹信息表格为了能和地图上运动的轨迹点同步运动，需要滚动到对应的列并展示高亮。 实现方式： 1）在表格标签上加入ref，方便操作Dom元素。 2）编写操作表格滚动的函数，函数传入表格列表的下标。这里已经知道列表高度为38，当传入对应的下标并乘38，赋值给滚动的高度。表格的SetCurentRow为设置表格的高亮方法。 TSINGSEE青犀视频基于JT1078协议与多年来在音视频流媒体领域的研发经验，围绕定位、轨迹回放、实时视频监控、驾驶行为监测、录音、智能报警等模块，打造出智能化、数字化、可视化的车载视频监控平台，助力
2.5K20编辑于 2022-04-24 - 来自专栏文献分享及代码学习
单细胞转录组学轨迹分析解析2-Slingshot代码解析
第一个（称为“单轨迹”数据集）在下面生成，旨在表示单个谱系，其中三分之一的基因与过渡相关。 2 Upstream Analysis 2.1 Gene Filtering 上一节提到的Slingshot也可以用于前面的数据过滤等流程分析，作者也是提供了相应的代码。 ,2,sort) refdist <- apply(counts.sort,1,median) norm <- apply(rk,2,function(r){ refdist[r] }) <- uwot::umap(t(log1p(assays(sce)$norm)))colnames(rd2) <- c('UMAP1', 'UMAP2') plot(rd2, col 总结 目前是对前面的数据过滤的内容进行解析，但是一般我们在做轨迹分析的时候基本上前面的数据过滤和降维基本上已经分析完了，因此主要是后面的轨迹分析，所以主要还是明天下一节的内容，我们主要是对这个软件前面的内容进行一下了解
1.9K30编辑于 2023-11-07
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