· 文 |信息工程大學地理空間信息學院 王家耀

時空大數據及其在智慧城市中的應用

· 文 |信息工程大學地理空間信息學院 王家耀

王家耀簡介：

王家耀，1936年生，湖北省武漢市人，中國工程院院士?，F任中國人民解放軍信息工程大學教授、博士生導師，政府特殊津貼獲得者。曾任國務院學位委員會學科評議組成員、中國測繪地理信息學會理事、地圖學與地理信息系統專業(yè)委員會主任。

王家耀院士長期從事地圖制圖與地理信息工程領域的教學與科研工作。作為主要學科帶頭人，最先在國內創(chuàng)辦計算機地圖制圖、地理信息工程等新專業(yè)。主持完成國家及軍隊科研項目20余項，獲國家、軍隊科技進步獎9項，出版學術著作8部。發(fā)表學術論文130余篇，主編學術論文集4部。其中，《地圖制圖數據處理的模型方法》提出了模型方法是地圖制圖的重要科學方法等觀點，為現代地圖學開拓了新的研究領域；《數字地圖自動制圖綜合原理與方法》等3部著作先后獲全國高等學校優(yōu)秀測繪教材一等獎；《空間信息系統原理》被譽為“知識創(chuàng)新的專著”。

一、引言

（一）空間與時間

在哲學上，空間與時間一起構成運動著的物質存在的兩種基本形式。空間指物質存在的廣延性；時間指物質運動過程的持續(xù)性和順序性。空間和時間具有客觀性，同運動著的物質不可分割。沒有脫離物質運動的空間和時間，也沒有不在空間和時間中運動的物質?？臻g和時間也是相互聯系的?，F代物理學的發(fā)展，特別是相對論，證明空間和時間同運動著的物質的不可分割的聯系?？臻g和時間是無限和有限的統一。就宇宙而言，空間無邊無際，時間無始無終；而對各個具體事物來說，則是有限的[1]。

（二）空間參照與時間參照

空間參照與時間參照是自然與社會現象的兩個基本參照系統，任何事物和任何現象都離不開這兩個基本參照。換句話說，空間坐標與時間刻度是標識自然萬物與社會現象的兩個基本特征[2]。

（三）人類活動與空間時間

人類生活在地球上，人類的一切活動（學習、工作、生活等）都是在確定的時間與確定的空間（位置）進行的，時時刻刻都與時間空間相關聯。什么時間、什么地點、在干什么？什么時間、什么地方、發(fā)生什么事？什么時間、在什么地方、探測（深空、深地、深海）到了什么？全球衛(wèi)星導航定位系統（GNSS）、遙感（RS）、地理信息系統（GIS），即“3S”集成（基于計算機網絡）技術和時空大數據與智能挖掘技術，可以回答以上問題。

（四）大數據研究面臨的問題

近些年來，學界和業(yè)界對大數據的問題十分重視，國內外出版了許多論著[3-16]，特別是成立了許多研究院所（中心），但是目前該領域的研究還存在不少問題，歸納起來，大致有以下幾個方面：

1）論述商業(yè)大數據的多（受商業(yè)利益驅動），研究科學大數據的少（科學決策驅動不夠）；

2）研究一般大數據的多，而涉及時空大數據的少，這涉及對大數據與時空大數據本質的認識問題；

3）研究大數據統計分析的多，真正研究大數據挖掘與知識發(fā)現的少；

4）試圖掌握（擁有）大數據的多，而真正應用大數據的少，有的甚至不知道怎樣應用大數據；

5）數據隱含價值→技術發(fā)現價值→應用實現價值，或數據→大數據統計分析與挖掘→決策支持的大數據技術系統尚未形成；

6）大數據的產業(yè)化還剛剛起步，更未形成大數據產業(yè)體系（軟件產品、軟硬件集成產品、數據產品）；

7）數據科學的邊界還不夠清晰，大數據理論研究薄弱，更未形成大數據理論體系。

二、時空大數據及其科學價值與意義

（一）時空數據與時空大數據

時空數據是以地球為對象，基于統一時空基準的與位置直接或間接相關聯的地理要素（或現象）信息的數據。具有時間維（T）、空間維（S）和屬性維（D）等多維特征。時空大數據則是大數據與地理時空數據的融合，即以地球為對象、基于統一時空基準，活動于時空中與位置直接或間接相關聯的大數據。

時空大數據揭示了幾乎所有大數據都是在一定的時間和空間中產生的，與位置直接或間接相關聯的。大數據本質上就是時空大數據，它是現實地理世界空間結構與空間關系各要素（現象）的數量、質量特征及其隨時間變化而變化的數據集的“總和”。

（二）時空大數據的類型

時空大數據主要包括時空基準數據、GNSS和位置軌跡數據、大地測量與重磁測量數據、遙感影像數據、地圖數據、與位置相關的空間媒體數據等類型。

1. 時空基準數據

時空基準數據主要包含時間基準數據（守時系統數據、授時系統數據、用時系統數據）和空間基準數據（大地坐標基準數據、重磁基準數據、高程和深度基準數據）的總和。

2. GNSS和位置軌跡數據

●GNSS基準站數據

一個基準站按1s采樣率一天得到的數據量約為70MB，按全國3000個基準站計算，則一天的數據總量約為210GB。

● 位置軌跡數據

通過GNSS測量和手機等方法獲得的用戶活動數據，可被用于反映用戶的位置和用戶的社會偏好及相關交通情況等，包括個人軌跡數據、群體軌跡數據、交通軌跡數據、信息流軌跡數據、物流軌跡數據、資金流軌跡數據等。

3. 大地測量與重磁測量數據

包括大地控制數據、重力場數據、磁場數據等。

4. 遙感影像數據

●衛(wèi)星遙感影像數據——可見光影像數據、微波遙感影像數據、紅外影像數據、激光雷達掃描影像數據

●航空遙感影像數據

●地面遙感影像數據

●地下感知數據——地下空間和管線數據

●水下聲納探測數據——水下地形和地貌數據、阻礙物數據

5. 地圖數據

指各類地圖、地圖集數據，數據量大。據不完全統計，全國1∶5萬數字矢量線劃地圖（DLG）數據量達250GB、數字柵格地圖（DRG）數據量達10TB，1∶1萬DLG達5.3TB、DRG達350TB。

6. 與位置相關的空間媒體數據

指具有空間位置特征的隨時間變化的數字化文字、圖形、圖像、聲音、視頻、影像和動畫等媒體數據，如通信數據、社交網絡數據、搜索引擎數據、在線電子商務數據、城市監(jiān)控攝像頭數據等。

（三）時空大數據的科學價值與意義

這里，僅從時空大數據帶來的科學范式的變化和產業(yè)的變化予以說明。

1.時空大數據帶來的科學范式的變化

美國著名科學哲學家Thomas S.Kuhn（庫恩）在《The Structure of Scientific Revolutions》（《科學革命的結構》）一書中提出“范式”的概念和理論：指的是一個共同體成員所共享的信仰、價值、技術等的集合，指常規(guī)科學所賴以運作的理論基礎和實踐規(guī)范，是從事某一科學的研究者群體所共同遵從的世界觀和行為方式。

計算機圖靈獎得主Jim Grey的四個科學范式理論。其中：第一范式，稱為經驗范式，產生于數千年前，是描述自然現象的，人們依靠經驗和觀察為依據進行科學研究，即依靠科學實驗的方式探索未知；第二范式，稱為理論范式，產生于幾百年前，是以建模和歸納為基礎的理論學科和分析范式，即在科學實驗的基礎上進行模型歸納形成相應的規(guī)則和理論；第三范式,稱為計算范式，產生于幾十年前，是以模擬復雜現象為基礎的計算科學范式，即在科學實驗很難進行、理論計算難以開展和歸納的情況下，采用模擬仿真方式以驗證理論及方法正確的可能性，同時探索更廣泛的科學領域；第四范式，稱為數據密集型范式，今天正在出現，是以數據考察為基礎，聯合理論、實驗和模擬一體的數據密集計算的范式，即從數據入手，使用計算機程序對龐大的數據庫進行挖掘，尋找數據之間的關系。從本質上講，他們是利用計算機對海量數據進行研究，從而發(fā)現各種規(guī)則。

測繪學與地理學的發(fā)展與演進，同Jim Grey四個科學范式的理論非常契合。當今的地球空間信息科學，正面臨著時空大數據時代的全球性挑戰(zhàn)，“第四范式”可能是解決面臨挑戰(zhàn)的具有本質性的理論、方法與技術，不僅是科研方式的轉變，也是人們思維方式的大變化（大數據思維），通過大數據分析和大數據挖掘，可以發(fā)現過去的科學方法發(fā)現不了的新模式、新知識和新規(guī)律。這正是地球空間信息科學要解決的問題。

所以，大數據時代的到來也是推動地球空間信息科學發(fā)展的重要因素，同時數據密集型科學范式也成為地球空間信息科學的科學研究范式。

2.時空大數據帶來的大數據產業(yè)的變化

在時空大數據時代，應該走一條從時空大數據基礎研究起步的大數據產業(yè)化之路，這樣才能可持續(xù)發(fā)展。

（1）構建時空大數據理論體系

圍繞時空大數據科學理論體系、時空大數據計算系統與科學理論、時空大數據驅動的顛覆性應用模型探索等開展重大基礎研究，構建時空大數據基礎理論與方法體系。

（2）構建時空大數據技術體系

采用政產學研用相結合的協同創(chuàng)新模式和基于開源社區(qū)的開放創(chuàng)新模式，圍繞時空大數據存儲管理、時空大數據智能綜合與多尺度時空數據庫自動生成及增量級聯更新、時空大數據清洗、數據分析與挖掘、時空大數據可視化、自然語言理解、深度學習與深度增強學習、人類自然智能與人工智能深度融合、信息安全等領域進行創(chuàng)新性研究，形成時空大數據技術體系。

（3）構建時空大數據產品體系

圍繞時空大數據獲取、處理、分析、挖掘、管理、應用等環(huán)節(jié)，研發(fā)時空大數據存儲與管理軟件、時空大數據分析與挖掘軟件、時空大數據可視化軟件等軟件產品與軟硬件集成產品和多樣化數據產品，提供時空數據與各行各業(yè)大數據、領域業(yè)務流程及應用需求深度融合的時空大數據解決方案，形成比較健全實用的時空大數據產品體系。

三、時空大數據與智慧城市

（一）智慧城市的內涵與特征

1. 內涵

目前，我國的城市信息化建設絕大部分還停留在數字化、網絡化階段，而一旦數字化、網絡化發(fā)展成熟，積累了大量數據，勢必就會產生進一步的信息化需求，這就是智能化。簡單地說，智慧城市就是讓城市更聰明，本質上是讓作為城市主體的人更聰明。通過互聯網把無處不在的被植入城市物體的智能化傳感器連接起來形成的物聯網，實現對物理城市的全面感知，利用云計算等技術對感知信息進行智能處理和分析，實現網上“數字城市”與物聯網的融合，并發(fā)出指令，對包括政務、民生、環(huán)境、公共安全、城市服務、工商活動等在內的各種需求做出智能化響應和智能化決策支持。

2. 特征

（1）透徹感知

無處不在的智能傳感器，對物理城市實現全面、綜合的感知和對城市運行的核心系統實時感測，實時智能地獲取物理城市的各種信息。

（2）全面互聯

通過物聯網將無所不在的智能傳感器連接起來，通過互聯網實現感知數據的智能傳輸和存儲。

（3）深度整合

當前智慧城市建設的關鍵點。充分利用現有系統實現信息資源整合、設備資源整合、業(yè)務系統整合，打造完善、高效的數據流，并以此促進業(yè)務流程改造和轉型，提升綜合服務和決策能力。

（4）資源共享

當前智慧城市建設的重要突破點。以信息資源為核心，從技術層面和管理體制方面著手推進智慧城市信息共享，打破信息孤島，建立科學合理的管理制度和標準體系。

（5）協同運作

建設成為面向對象的服務聚合。

（6）智能服務

在城市智慧信息設施基礎上，利用云計算服務模式，充分利用和調動現有一切信息資源，通過構架一個新型的服務模式或一種新的能提供服務的系統結構，對海量感知數據進行并行處理、數據挖掘與知識發(fā)現，為人們提供各種不同層次、不同要求的低成本、高效率的智能化服務。

（7）激勵創(chuàng)新

鼓勵政府、企業(yè)和個人在智慧信息基礎設施上進行科技和業(yè)務的創(chuàng)新應用，尋求新的經濟增長點，為城市經濟社會發(fā)展提供源源不斷的動力。

（二）新型智慧城市及其對時空信息的需求

1. 新型智慧城市及其特點

截至2015年底，我國智慧城市建設的數量已達到386個，其中省級和副省級智慧城市建設達到100%，地級市建設智慧城市達到74%，縣級市建設智慧城市達到32%，取得了一些進展，但也暴露了許多問題，主要表現在：缺乏國家層面的頂層設計與綜合協調機制；缺乏健全的信息安全技術、機制與體系；缺乏應對大數據挑戰(zhàn)的技術與管理機制；缺乏智慧城市建設的風險認識和對應策略；盲目跟風，無明確目標；協調不夠，各自為政；試點過多，流于形式；體制機制缺乏創(chuàng)新。

根據智慧城市建設中暴露出來的問題，亟待加強頂層設計、統籌規(guī)劃、科學引導、有序推進。正是在這種情況下，國家發(fā)展改革委、中央網絡辦等25個部委于2016年5月聯合成立了新型智慧城市建設部級協調工作組。新型智慧城市是適應新型智慧城鎮(zhèn)化建設，以信息化創(chuàng)新引領城市發(fā)展轉型，全面推進新一代信息通信技術與城市發(fā)展融合創(chuàng)新，加快工業(yè)化、信息化、城鎮(zhèn)化、農業(yè)現代化融合，提高城市治理能力現代化水平，實現城市可持續(xù)發(fā)展的新路徑、新模式、新形態(tài)。

2. 新型智慧城市對時空信息的需求

新型智慧城市對時空信息的需求，主要體現在智慧城市時空信息云平臺建設（如圖1所示）。其中：

1）共享。指地理時空數據為城市各部門（行業(yè)）共享（城市“一張圖”），即各部門（行業(yè)）在統一的地理時空數據基礎上建設各自的業(yè)務應用系統。

2）交換。各部門（行業(yè)）能交換的信息都應以統一地理時空數據進行定位，相互交換，避免出現不一致現象。

3）聚合。指各部門（行業(yè)）除不能公開的信息都應聚合在統一的地理時空數據上，以建立城市綜合決策系統。

4）傳感網接入。指時空信息云平臺應是一個開放共享平臺，包括具有空間位置特征的地面?zhèn)鞲芯W（如大氣、地面溫度、水質監(jiān)測、土壤監(jiān)測等）和地下管線智能感知設備等，都應能接入時空信息云平臺。

5）時空大數據體系。指傳感網接入數據、地理時空數據與各部門（行業(yè)）融合的數據所建成的時空大數據集，并對其進行一致性處理，形成時空大數據體系。

6）時空大數據統計分析與挖掘。指對時空大數據進行時間序列和空間趨勢的統計分析和數據挖掘，發(fā)現知識，為空間決策支持系統提供知識服務。

3. 時空大數據在智慧城市中的應用

（1）智能交通

智能交通系統（ITS）擁有實時的交通和天氣信息，所有車輛都能夠預先知道并避開交通堵塞，減少二氧化碳的排放，沿最快捷的路線到達目的地，能隨時找到最近的停車位，甚至在大部分時間車輛可以自動駕駛，而乘客可以在旅途中欣賞在線電視節(jié)目。

這需要信息技術、交通大數據、先進交通管理給予支持。依托城市交通信息中心，實現城市公共汽車系統、出租車系統與軌道交通系統、交通信號系統、電子通信系統、車輛導航系統、電子地圖系統綜合集成的一體化交通信息管理。

目前智能交通已經取得以下應用實例：

1）利用智能交通信息技術支撐、交通大數據支撐、先進交通管理支持等，實現道路的“零堵塞”、“零傷亡”和“極限同行能力”。

2）利用車輛軌跡和交通監(jiān)控數據，為政府改善交通狀況，為乘客提供交通信息，為駕駛員提高行車效益提供幫助。

3）根據用戶歷史數據，為司機和乘客設計一種雙向最優(yōu)出租車招車/候車服務模型。

4）基于出租車GNSS軌跡數據，并結合天氣及個人駕駛習慣、技能和對道路的熟悉程度等，設計針對個人的最優(yōu)導航算法，可平均為每30min的行車路線節(jié)約5min時間。

5）利用車聯網技術和用戶車輛慣性傳感器數據，匯集司機急剎、急轉等駕駛行為數據，預測司機的移動行為，為司機提供主動安全預警服務。

（2）智能電網

以先進的通信技術、傳感器技術、信息技術為基礎，以電網設備間的信息交互為手段，以實現電網運行的可靠、安全、經濟、高效、環(huán)境友好和使用安全為目標的先進的現代化電力系統，其核心是實現電網的信息化、自動化和智能化。

信息技術支持：通過物聯網技術，對電網和用戶的信息進行實時監(jiān)控和采集，并可將已嵌入智能傳感器的各類供電、輸電和用電設備連成一體，從而實現各類設備的物理實體入網，通過智能化、網絡化的管理實現能源替代以及對電能的最優(yōu)配置和利用。

電網大數據支持：通過物聯網技術，連接遍布電網六大要素的傳感器，每秒從發(fā)電系統讀取60次同步相量測量值記錄所有電流數據和智能電網設備狀態(tài)數據，智能電表每隔15min到1h從每個家庭或企業(yè)自動采集數據，甚至跨區(qū)域電網收集數據。電網基礎地理空間大數據，如電網布局的空間結構和空間關系數據、全部傳感器位置數據、輸電線路巡線位置軌跡數據、停電或事故斷電等電網安全數據。

先進電網管理支持：集發(fā)電監(jiān)控中心、調度中心、輸電系統、變電系統、配電系統、用電系統等于一體的智能電網信息系統。

目前智能電網已經取得以下應用實例：

1）智能電表數據的應用：更好地掌控電網中用戶的需求層次；監(jiān)控各種電器詳細的電力消耗情況；可按時間或需求量的變化定價；根據用電模式對用戶進行分類；避開高峰時段用電；識別用電需求來自哪個地方或用戶。

2）智能電網規(guī)劃、設計、建設和運行：基于智能電網地理空間大數據的電網覆蓋范圍布局的空間結構和空間關系的優(yōu)化設計；基于電網地理空間大數據的電網上所有傳感器的精確空間定位；基于電網地理空間大數據的智能電網信息系統（集發(fā)電系統、調度系統、輸電系統、變電系統、配電系統、用電系統、安全監(jiān)控系統等于一體）的高效運行。

（3）智能物流

采用GNSS、PDA、多功能手持終端、RFID、無線網關等設備，集生產中心、倉儲中心、商務中心、配送中心、監(jiān)控中心等于一體的精細化、智能化、協同化物流信息系統。

信息技術支持：GNSS、多種感知設備（溫、濕、壓等多功能手持終端、RFID等）、無線通信技術、物聯網技術、地理信息系統技術。

物流大數據支持：覆蓋物流網范圍的地理空間大數據、物流系統五元素空間位置數據、物流網絡詳細交通數據、油氣管道線路位置數據及其感知設備上的位置數據、智能物流過程的大數據、食品物流過程數據（溫、濕、壓、車況、人況）、油罐或化學品等易燃易爆物流過程實時動態(tài)監(jiān)控數據、物流車等的位置軌跡數據、物流車時間數據、車速數據。

先進物流管理支持：集生產中心、倉儲中心、商務中心、配送中心、監(jiān)控中心于一體的智能物流信息系統中心。

目前智能物流已經取得以下應用實例：

1）對物流車輛進行遠程監(jiān)控和指揮調度：根據顯示在電子地圖上的GNSS記錄的物流車輛位置軌跡數據，分析和掌控物流車輛（隊）行駛狀況；根據顯示在電子地圖上的相應感知設備記錄的車上物資的溫度、濕度、壓力等監(jiān)控數據，分析和掌控物流物資的安全狀況。

2）對油氣管道物流狀況的監(jiān)控：根據管道安全巡線員利用PDA和GNSS進行巡線的數據，進行分析并發(fā)出應對指令；根據管道上各類感知設備記錄的溫、濕、壓、損數據，進行分析并采取相應措施。

3）物流安全事故預防和事故處理：監(jiān)控中心根據物流大數據進行實時分析，發(fā)現可能隱患，并提出預防措施；對已發(fā)事故，利用監(jiān)控中心的物流信息系統平臺研究處理方案，調集和組織力量趕赴事發(fā)現場搶救。

（4）智慧醫(yī)療

智慧醫(yī)療是為了實現各級醫(yī)院之間人才資源、醫(yī)療信息資源和醫(yī)療文獻資源共享。

信息技術支持：人的身體和生理微型感知技術；互聯網遠程醫(yī)療技術；醫(yī)學影像分析處理和三維仿真技術；計算機電子醫(yī)療檔案技術；醫(yī)療衛(wèi)生物聯網技術。

醫(yī)療大數據支持：城市醫(yī)療衛(wèi)生機構（行政機構、各類各級醫(yī)院、衛(wèi)生院所、保健院、藥品商店、急救中心等）的空間分布數據；地方病、流行病、急性傳染病數據；各類各級醫(yī)院特色（專業(yè)）、人才、床位、醫(yī)療檔案（病歷）、大型專業(yè)和特殊設備、醫(yī)療文獻等數據；個人保健數據。

目前智能醫(yī)療已經取得以下應用實例：

1）流感傳播預測：美國Rochester大學的研究人員利用全球定位系統數據，分析紐約63萬多微博用戶的440萬條微博數據，繪制身體不適用戶位置“熱點”地圖，顯示流感在紐約的傳播情況，指出最早可在個人出現流感癥狀之前8天做出預測，準確率達90%。

2）個人保?。和ㄟ^安裝在人身上的各類傳感器，對人的健康指數（體溫、血壓、心電圖、血氧等）進行監(jiān)測，并實時傳遞至醫(yī)療保健中心，如有異常，保健中心會通過手機，提醒你去醫(yī)院檢查身體。

3）遠程醫(yī)療：通過國家衛(wèi)生信息網絡，利用醫(yī)療資源共享及檢查結果互認數據以及急重病人異地送診過程中的實時監(jiān)控數據，在線會診分析、治療和途中急救等。

（5）智慧城市社會管理

信息技術支持：傳感網監(jiān)測技術；平安城市監(jiān)控攝像頭、空氣質量監(jiān)測、車流監(jiān)測；GPS/北斗導航技術；搜索引擎技術；地理信息系統技術。

城市社會化大數據支持：城市基礎地理空間信息交換共享平臺（一張圖）大數據；位置軌跡數據；平安城市攝像頭監(jiān)控數據；空氣質量監(jiān)測數據；搜索引擎數據；流動人口注冊數據。

目前智慧城市社會管理已經在平安城市中得到應用。利用部署在大街小巷的監(jiān)控攝像頭數據，進行圖像敏感性智能分析，并與110、119、112等交互，通過物聯網實現探頭與探頭之間、探頭與人、探頭與報警系統之間的聯動，從而構造和諧安全的城市生活環(huán)境。例如：

1）從城市人群流動數據中，揭示區(qū)域功能和區(qū)域人流的關系，對城市區(qū)域的社會學功能進行分類和優(yōu)化。

2）利用地理監(jiān)測站有限的空氣質量數據，結合交通流道路結構、興趣點分布、氣象條件和人群流動規(guī)律等大數據，基于機器學習算法建立數據與空氣質量的映射關系，從而推斷出整個城市細粒度的空氣質量。

3）通過對各類企業(yè)（特別是房地產）的銷售狀況的監(jiān)管和分析，發(fā)現不交或交增值稅的問題，征收或罰款，確保國家和地方財政收入。

四、總結

1）大數據是信息時代發(fā)展的必然趨勢，已經滲透到社會工作、學習、生活的方方面面，我們這個時代已近乎就此打上了大數據的烙印，必將帶來思維變革、商業(yè)變革和管理變革，我們必須認識大數據、適應大數據，應用大數據。

2）時空大數據是時空數據與大數據的融合，強調大數據的空間化（空間定位）。一切大數據都是人類活動的產物，而人類的一切活動都是在一定的時間和空間進行的，所以大數據都具有時間和空間特征，從這個角度看，大數據本質上就是時空大數據。時空大數據是一個更為科學的術語。導航定位數據則是時空大數據的一種最基本的組成部分。

3）時空大數據時代的到來，使我們面臨前所未有的挑戰(zhàn)和機遇。時空大數據帶來了科學范式的變化，可能是解決當前面臨挑戰(zhàn)的具有本質性的理論、方法與技術；時空大數據有可能實現“數據→信息→知識→決策支持”到“數據→知識→決策支持”的轉變；時空大數據推動時空大數據產業(yè)的變化，可能形成以時空大數據科學為核心的理論體系、以人類自然智能與計算機人工智能深度融合為核心的技術體系和以軟件產品、軟硬件集成產品和數據產品為核心的產品體系。

4）時空大數據無論在軍事領域還是民生領域都具有廣泛的應用，并將帶來革命性的影響。其中民生領域的智慧城市是大數據時代發(fā)展的必然。應用的拓展將帶來新的科學問題，需要新的關鍵技術。

[1]夏征農，陳至立.辭海（第六版，縮印本）[M]，上海辭書出版社，2010.4.

[2] [德] MichaclSoffel Ralf Langhans著，王若璞，趙東明譯.時空參考系[M]，科學出版社，2015.9.

[3] [英]維克托·邁爾-舍恩伯格，肯尼思·庫克耶著，盛楊燕，周濤譯.大數據時代[M]，浙江人民出版社，2013.6.

[4] [美]BillFranks著，黃海，車皓陽，王悅等譯.駕馭大數據[M]，人民郵電出版社，2013.3.

[5] [美]AnandRajaraman, Jeffrey David Ullman著，王斌譯.大數據挖掘[M]，人民郵電出版社，2013.2.

[6] [英] 維克托·邁爾-舍恩柏格著，袁杰譯.刪除-大數據取舍之道[M]，浙江人民出版社，2013.1.

[7] 涂子沛著.大數據[M]，廣西師范大學出版社，2013.4.

[8] 楊軼莘著.大數據時代下的統計學[M]，電子出版社，2015.9.

[9]楊旭著.重構大數據統計[M]，電子出版社，2014.8.

[10][美]埃里克·西格爾著，周昕譯.大數據預測[M]，中信出版社，2015.4.

[11][美]Bernard Marr著，秦磊，曹正鳳譯.智能大數據SMART準則：數據分析方法、案例和行動綱領[M]，電子工業(yè)出版社，2015.10.

[12][美]Michael Manoochehri著，戴志偉，許楊毅等譯.尋路大數據：海量數據與大規(guī)模分析[M]，電子工業(yè)出版社，2014.11.

[13]吳朝暉，陳華鈞，楊建華著.空間大數據信息基礎設施[M]，浙江大學出版社，2013.1.

[14]大數據時代的中國機遇.文摘365[引用日期2013-05-30]

[15]“大數據時代”來臨.北京晚報網.2012-06-15[引用日期2012-10-10]

[16]工信部.電信研究院大數據白皮書（2014年）.