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, 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 （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！

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 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 ，细胞之间的混合状态直接计算轨迹还是有问题，但是寻因平台是可以参考的。

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 Estimation on Unobserved Locations 作者：Huiling Qin; Yuanxun Li; Weijia Jia 关键词：未观测位置时空估计 and General Backbone Interaction for Urban Spatio-Temporal Learning 作者：Aoyu Liu; Yaying Zhang 关键词：高效时空学习

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 、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 Yat-sen University); Jianxing Yu (Sun Yat-sen University); Jian Yin (Sun Yat-sen University) 关键词：用户轨迹链接 Universitiy); Jianfeng Zhou (Bytedance); Jian-Ya Ding (Bytedance)*; Renhao Cao (Bytedance) 关键词：预测物流包裹轨迹

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：<!

7-2 寻找大富翁

7-2 寻找大富翁 分数 25 全屏浏览题目 切换布局 作者 陈越 单位 浙江大学 胡润研究院的调查显示，截至2017年底，中国个人资产超过1亿元的高净值人群达15万人。

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 】

本文总结了IJCAI 2026有关时空数据（Spatial Temporal）的相关文章，共计30篇，如有疏漏，欢迎补充。 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 Simple Yet Powerful Approach 作者： Shaoxuan Gu, Xingyu Zhao, Dongliang Chen, Yuan Cao, Yanwei Yu 关键词：轨迹表示学习 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

PTA 7-2 符号配对（20 分）

7-2 符号配对（20 分） 请编写程序检查C语言源程序中下列符号是否配对：/*与*/、(与)、[与]、{与}。 输入格式: 输入为一个C语言源程序。

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。 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。文中将详细解析从原始数据到精准预测的全流程，包括地理范围筛选、异常值过滤等预处理技巧，以及编码器-解码器结构的创新应用。 采用速度阈值法剔除异常轨迹——通过计算相邻签到点的空间距离与时间差的比值，过滤掉物理不可行的记录（如瞬间移动）。 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。

7-2 树种统计 (20 分)

本文链接：https://blog.csdn.net/shiliang97/article/details/102924532 7-2 树种统计 (20 分) 随着卫星成像技术的应用，自然资源研究机构可以识别每一棵树的种类

7-2 到底有多二

本文链接：https://blog.csdn.net/shiliang97/article/details/96301355 7-2 到底有多二 一个整数“犯二的程度”定义为该数字中包含2的个数与其位数的比值

PTA 7-2 找奇葩 (20 分)

在一个长度为 n 的正整数序列中，所有的奇数都出现了偶数次，只有一个奇葩奇数出现了奇数次。你的任务就是找出这个奇葩。

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. Giatrakos (Technical University of Crete); Yannis Kotidis (Athens University of Economics and Business) 关键词：轨迹压缩 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

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。 from Trajectories via Primal-Dual Graphs Co-generation 作者：Wenyu Wu, Jiafan Liu and Jiali Mao 关键词：地图推断，轨迹生成 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 Liu, Xuyuan Hu, Xiao Han, Zhehao Dai, Zhaolin Deng, Guojiang Shen and Xiangjie Kong 关键词：预计到达时间估计，多模态轨迹表示学习 （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

【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。

PTA 7-2 方阵循环右移

PTA 7-2 数字之王 (20 分)

的每个数的各位数的立方相乘，再将结果的各位数求和，得到一批新的数字，再对这批新的数字重复上述操作，直到所有数字都是 1 位数为止。这时哪个数字最多，哪个就是“数字之王”。

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. (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， 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

PTA 7-2 列车调度（25 分）

7-2 列车调度（25 分） 火车站的列车调度铁轨的结构如下图所示。 两端分别是一条入口（Entrance）轨道和一条出口（Exit）轨道，它们之间有N条平行的轨道。

7-2 冒泡法排序 (30分)

将N个整数按从小到大排序的冒泡排序法是这样工作的：从头到尾比较相邻两个元素，如果前面的元素大于其紧随的后面元素，则交换它们。通过一遍扫描，则最后一个元素必定是最大的元素。然后用同样的方法对前N−1个元素进行第二遍扫描。依此类推，最后只需处理两个元素，就完成了对N个数的排序。