- 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. Contributions: A Lightweight Framework for Efficient and Effective Query-Driven Trajectory Simplification3. 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 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 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 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 细胞类型的时空变化Pseudo-time-space (PSTS) trajectory analysis and validation in a mouse model of traumatic brain
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. Spatial Dependencies: A Federated Spatio-temporal Graph Learning Method for Traffic Flow Forecasting3. 3 WaveDiST: A Wavelet Diffusion Transformer for Spatio-Temporal Estimation on Unobserved Locations 作者
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 Time-varying Vector Field Compression with Preserved Critical Point Trajectories3. 、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 Universitiy); Jianfeng Zhou (Bytedance); Jian-Ya Ding (Bytedance)*; Renhao Cao (Bytedance) 关键词：预测物流包裹轨迹
45210编辑于 2026-04-02 - 来自专栏生信探索
monocle3轨迹分析
https://mp.weixin.qq.com/s/UsDC-t1j7NHaLTnI6xCATQ图片monocle3与PAGA有点类似，在UMAP图上显示轨迹图，没有了树状的结构。 加载R包、定义函数using(monocle3, tidyverse, magrittr, Matrix, Seurat, SeuratObject, sp)ps <- function(filename effects with cell alignmentcds %<>% align_cds(alignment_group = "orig.ident",preprocess_method="PCA")3. Reduce dimensions and Cluster cells降维、聚类、分群、分partition这里使用UMAP作为降维算法，再使用轨迹分区算法，把所有细胞分为两个partitio，不同分区的细胞会进行单独的轨迹分析 cds.rds")图片图片Referencehttps://zhuanlan.zhihu.com/p/451727080https://cole-trapnell-lab.github.io/monocle3/
2.2K30编辑于 2023-04-27 - 来自专栏生信探索
monocle3轨迹分析
图片 https://mp.weixin.qq.com/s/UsDC-t1j7NHaLTnI6xCATQ monocle3与PAGA有点类似，在UMAP图上显示轨迹图，没有了树状的结构。 加载R包、定义函数 using(monocle3, tidyverse, magrittr, Matrix, Seurat, SeuratObject, sp) ps <- function(filename effects with cell alignment cds %<>% align_cds(alignment_group = "orig.ident",preprocess_method="PCA") 3. Reduce dimensions and Cluster cells 降维、聚类、分群、分partition 这里使用UMAP作为降维算法，再使用轨迹分区算法，把所有细胞分为两个partitio，不同分区的细胞会进行单独的轨迹分析 ) 图片 图片 Reference https://zhuanlan.zhihu.com/p/451727080 https://cole-trapnell-lab.github.io/monocle3/
1.2K00编辑于 2023-04-24 - 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
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。 3、四维导图整理通过对百度百科中的屈原信息的解读，按照时间线的先后进行整理。 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 Hierarchical Heterogeneous Spatio-Temporal Graph for Irregular Multivariate Time Series Forecasting3. 3 Tracking Topological Shifts: How Can Dynamic Graph Invariant Learning Enable Reliable Out-of-Time Lin, Xinyue Zhang, Yiwei Shuang, Guanyu Yao, Cheng Long, Shengnan Guo, Youfang Lin, Huaiyu Wan 关键词：轨迹预测 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 - 来自专栏达达前端
前端系列21集-vue3，轨迹展示
*/ /* 注意：不要在这里定义宽度、高度、背景色等，因为这些样式会通过动态样式属性设置 */ border: 2px solid black; } </style> 以下是一个完整的Vue 3示例 在el-table-column中使用了插槽（slot）来自定义表格列的内容，使用了Vue 3的新语法<template #default="{ row }">来获取当前行的数据，并使用row.orderId 在Vue 3中，使用ref创建的响应式变量，要访问其值，需要通过.value属性来获取。
87420编辑于 2023-10-08 - 来自专栏新智元
3个思想实验撕裂时空！实验证实：人类居住时空并非物理实体，而是近似
文章探讨了关于时空结构的一些思想实验，这些实验挑战了我们对宇宙的基本理解。 文中指出，我们所居住的宇宙的时空结构似乎并不是无法再进一步分解的最基础单位，而是某种更深层次事物的近似。 随着物理学家总结出对现实进一步理解的更基本单位，现有的时空结构概念最终将被取代。 文中提出了3个思想实验来论证这一观点。 这些思想实验表明，我们所居住的宇宙的时空结构在极端情况下可能会崩溃。 综上所述，如果在普朗克尺度以下无法进行任何测量，那么或许，我们所理解的时空在这个尺度上并不存在。 思想实验2：进行局部测量 这个思想实验探讨了「测量时空中任何物体的任何物理属性」的可能性。 思想实验3：存储信息 这个思想实验探讨了「在一个固定的时空区域中尽可能多地存储信息」后，可能发生的情况。 首先，想象在一个区域内——比如一间房间——放满书籍。书页上可以记录多少信息？ 综上所述，或许黑洞——乃至所有时空区域——都是存在于某种未知性质的二维表面上的数据全息图。
23500编辑于 2025-02-14 - 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。 项目团队在处理某位置服务平台数据时发现，传统时序模型难以有效刻画签到数据的时空耦合特性与长程依赖关系。 LSTM模型架构如图3所示，直观展现了两层网络的时序特征提取逻辑。 图3 LSTM模型架构示意图 2. Seq2Seq模型：编码器-解码器架构 针对长程依赖问题，引入编码器-解码器结构。 图4 Seq2Seq模型架构示意图 3. 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。
48810编辑于 2025-06-11 - 来自专栏数据科学（冷冻工厂）
单细胞分析 | 使用 Monocle 3 进行发育轨迹分析
引言 在本指南[1]中，会展示如何利用Monocle 3软件和单细胞ATAC-seq数据来构建细胞发展轨迹。 构建轨迹的另一种方法是使用整个数据集，并为 Monocle 3 发现的不同细胞分区构建单独的伪时间轨迹。 构建细胞发育轨迹 可以通过 SeuratWrappers 包中的 as.cell_data_set() 函数将 Seurat 对象转换成 CellDataSet 对象，并利用 Monocle 3 来构建细胞的发展轨迹 虽然会分别针对红细胞和淋巴细胞系列来构建它们的轨迹，但你同样可以尝试将所有细胞系列合并在一起来构建一个统一的轨迹。 根据的理解，造血干细胞是轨迹中其他细胞类型的起源，因此可以将这些干细胞设定为轨迹的起点。Monocle 3 提供了一个交互式工具，允许用户在图形界面中选择哪些细胞作为轨迹的起点。
1.2K10编辑于 2024-12-30 - 来自专栏MeteoAI
【时空序列预测第六篇】时空序列预测模型之EIDETIC 3D LSTM（结合3DConv与RNN）
_eidetic3d.pdf ? 二、Introduction 2.1 3DCNN和RNN模型 3DCNN和RNN模型都用于时空序列预测上，之后呢，大家肯定会想两个模型简单得做一下前向的连接会不会更有效果呢？ 三、EIDETIC 3D LSTM 3.1 在循环神经网络中的3D-CNN结构 把3D-CNN与RNN结合处理序列问题，可以有以下两种结构 ? 注：黑色箭头就是普通的数据格式和维度，而蓝色的是代表通过3D-CNN的方式来传递的。 提出了一个更深的组合，将3D-Conv集成在LSTM内，以便将卷积特征纳入随时间变化的递归状态转换中。 ?
1.7K50发布于 2020-06-19 - 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. : Geospatial Entity Resolution over 3D Objects5. Haitao Yuan (Nanyang Technological University)*; Gao Cong (Nanyang Technological University) 关键词：数据选择，轨迹相似度计算 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。 FedDis: A Causal Disentanglement Framework for Federated Traffic Prediction3. Chengyang Zhou, Zijian Zhang, Chunxu Zhang, Hao Miao, Yulin Zhang, Kedi Lyu and Juncheng Hu 关键词：联邦交通预测，因果解耦 3 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 - 来自专栏机器学习、深度学习
时空特征--Learning Spatiotemporal Features with 3D Convolutional Networks
/c3d/ https://github.com/facebook/C3D 本文使用 3D CNN 来分析视频序列，学习到的时空特征称之为 C3D，主要寻找3D CNN 中的最优3D滤波器结构 视频数据的分析是一个很重要的工作 我们的 C3D是多才多艺的： ? 3 Learning Features with 3D ConvNets 3.1. 3D convolution and pooling 我们相信 3D CNN 网络适合于时空特征的学习，和 2D CNN 网络相比，3D ConvNet 通过3D 卷积和 3D 池化 可以对时间信息进行建模。 我们用这个网络提到的特征称之为 C3D ? ?
1.6K100发布于 2018-01-03 - 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”
本研究的作者把计算机生成的一系列3D面部模型展示给802名参与者。 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。 27个笑容代表3个空间因素（嘴的角度，微笑程度，露出的牙齿）和3个不同级别（低，中，高）的组合。数字1-27是用于事后分析，没有标在动画中。 ? 图2.研究中使用的空间参数的定义。 每个面后面的3个垂直条表示3个响应变量（有效、正确和愉快）的预测得分：有效，真实和愉快。 绿色越深对应越好（即评价更高）的微笑，并且较红的颜色对应于较差（即评价较低）的微笑。 ? 图8.
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. 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】 ICLR 2026 | 时间序列 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
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 - 来自专栏新智元
训练速度远超3D CNN，提速3倍！Facebook首发「时空版」Transformer
视频剪辑上限可达几分钟，远远超过当下最好的3D CNN，且成本更低。 此外，与现代3D 卷积神经网络(CNN)相比，TimeSformer 的训练速度提高了大约3倍，推理所需计算量不到原来的十分之一。这是支持需要实时或按需处理视频的应用程序的重要一步。 分时空注意力 传统的视频分类模型利用3D 卷积滤波器。虽然这些滤波器在捕捉局部时空区域内的短期模式方面有效，但是它们不能对超出其接受域的时空依赖关系进行建模。 传统的3D卷积神经网络由于需要在视频的所有时空位置上使用大量的滤波器，所以计算成本也很高。 此外，该研究发现分时空注意不仅比联合时空注意更有效率，而且更准确。 ?
1.3K10发布于 2021-03-24
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