時空人工知能：都市のデジタル変革のための新しいエンジン
時空間 AI は、人工知能分野における新しい革新的な応用技術であり、時空間を「指標」として使用し、複数ソースの異種データを時空間的に管理および統合し、知識工学と知識工学を活用することを目的としています。インテリジェントな処理のための AI アルゴリズム、分析により知識を掘り起こし、意思決定を支援します (図 1)。時空間人工知能は、上記の地理空間インテリジェンス、都市空間インテリジェンス、時空間ビッグデータ インテリジェンスを統合的に表現したもので、時空間知覚、認知から意思決定に至るまでの多くのコア技術が含まれます。その応用生態分野は、スマートシティ、スマート交通、スマートパーク、スマート小売、スマート不動産、スマートビジネスおよびその他の分野を含む非常に広い。
新たな都市インフラのデジタルツイン基盤の構築を推進することを主軸とし、都市データの時空間価値の公開・共有、時空間動的データ資産の構築等を通じて、新たな都市インフラのインテリジェント・ユビキタスビジョンの実現に貢献します。自己組織化、自己学習、自己予測を行うスマート シティ。「エンパワーメント、イノベーション、協力、共有」をコンセプトに、世界に利益をもたらすオープンで共有された時空人工知能テクノロジーとアプリケーションプラットフォームのレイアウトと構築を推進します。スマートシティのさまざまな分野における技術成果の変換、アプリケーションシナリオの実装、標準の研究と策定、および産業エコロジー構築の開発を支援し、都市のデジタル変革を加速し、ダイナミックなデジタルツインシティの新しいパラダイムを構築します。
1. 時空間人工知能：都市デジタル変革の新たなエンジン
時空間 AI は、人工知能分野における新しい革新的な応用技術であり、時空間を「指標」として使用し、複数ソースの異種データを時空間的に管理および統合し、知識工学と知識工学を活用することを目的としています。インテリジェントな処理のための AI アルゴリズム、分析により知識を掘り起こし、意思決定を支援します (図 1)。時空間人工知能は、上記の地理空間インテリジェンス、都市空間インテリジェンス、時空間ビッグデータ インテリジェンスを統合的に表現したもので、時空間知覚、認知から意思決定に至るまでの多くのコア技術が含まれます。その応用生態分野は、スマートシティ、スマート交通、スマートパーク、スマート小売、スマート不動産、スマートビジネスおよびその他の分野を含む非常に広い。
新たな都市インフラのデジタルツイン基盤の構築を推進することを主軸とし、都市データの時空間価値の公開・共有、時空間動的データ資産の構築等を通じて、新たな都市インフラのインテリジェント・ユビキタスビジョンの実現に貢献します。自己組織化、自己学習、自己予測を行うスマート シティ。「エンパワーメント、イノベーション、協力、共有」をコンセプトに、世界に利益をもたらすオープンで共有された時空人工知能テクノロジーとアプリケーションプラットフォームのレイアウトと構築を推進します。スマートシティのさまざまな分野における技術成果の変換、アプリケーションシナリオの実装、標準の研究と策定、および産業エコロジー構築の開発を支援し、都市のデジタル変革を加速し、ダイナミックなデジタルツインシティの新しいパラダイムを構築します。
編集スイッチを中央に切り替える
AI の新しい応用技術として、時空間 AI には 3 つの主要な技術的特徴と 6 つのコア機能があります。
タイムスタンプはデータの適時性をマークし、その後の時空間的なビッグデータの並べ替えを容易にします。データ自体に含まれるタイムスタンプは、データの収集、作成、または変更の特定の日付を記録します。追加されたタイムスタンプは主にデータ収集の時間ノードを記録するため、時空間データの一元管理と分析が容易になります。データ型ごとに異なるタイムマーキング方法が使用されます。フレーム、タイプ/スケール、バッチごとにマークされます。ストリーミング データは流れるデータと見なすことができ、インターフェイスを通じてインポートされる場合、時空間デジタル ベースに書き込む前に時間領域でタグ付けする必要があります。インポートされたデータは、レビュー、ダウンロード、分析のためにユーザーに提供される前に、統一された非感作プロセスを経て機密情報が削除される必要があります。
データ時空間化サブシステムを確立することにより、ビジネス データを時空間化にマッピングする機能が実現されます。これには、時空間データ アクセス、データ クリーニング、時空間処理、データの意思決定、データ エクスポートなどのモジュールが含まれています。
集約されたデータに対して、時空間融合相関が実行されます。さまざまなソースおよびさまざまな解像度からの大量の空間データを効率的に統合および相関付けることは、データの価値を十分に探求し、時空間ビッグデータ アプリケーション システムの構築コストを削減し、空間データの利用効率を向上させるために、実用的に非常に重要です。ナレッジ グラフ手法を通じて、マルチソースの異種データの徹底的な融合をサポートできます。
データ集約からデータ時空間化、データ融合に至るまで、AI+ 時空間アルゴリズムが動的モニタリングと異常評価に追加され、非発見要素が結果を直接提示し、データの時空間パターンを発見し、意思決定を支援します。薄い知識から厚い知識まで蓄積される一方で、大量の冗長な情報ではなく有効な情報を意思決定関係者に正確に提供し、問題処理の効率を向上させ、意思決定の効率的な執行と洗練された経営を実現します。
AI+ の時空間アルゴリズムをエンジンとサービスの形で組み込み、さまざまなビジネス シナリオに応じてさまざまなモデルやツールを使用して、動的な監視、異常診断、評価、最適化を実現します。これにより、問題の発見と解決、問題の定式化を支援します。フィードバックメカニズムと支援された意思決定。
AI+ 時空間アルゴリズム サービスは、機械学習の「ラスト マイル」問題を解決でき、サービスの公開、モデルの監視と解釈、サービスのアップグレードとロールバックに使用されます。トレーニング後、パフォーマンス要件を満たすモデルを取得した後、通常の状況では、モデルを機能させるためにサービスを外部に公開する必要があります。現在のAIサービスの機能は、サービスのリリースや管理だけでなく、モデルの解釈や予測後の動作定義なども含まれています。
静的モデリングをベースに、多次元のリアルタイム動的データとAI解析データを重ね合わせることで、生命・生物の観点からガバナンスの最小単位の認識と管理を支援し、都市の実現に向けた体系的なデジタルバイタルサインを構築します。運用管理、リアルタイム予測、リアルタイム検出、リアルタイム処理。
イベントの最小単位、乗客の流れの認識、予測、早期警報を実現し、政府と市場主体間の上下接続と相互連携による協力的な作業モデルを実現します。市場主体のループ、都市交通のクローズドループ、2つのネットワークへの緊急対応のクローズドループ、クローズドループ「5レベルクローズドループ」管理を統合する新しい管理メカニズム。特定のシナリオには以下が含まれますが、これらに限定されません。
(1) 高高度からの落下物の適用シナリオ
放物線状の物体、ファサードの付帯設備、道路沿いの床装飾、窓の状態（窓が開いている、破損している）などの落下物の発生率が高いシナリオでは、ファサードにセンサーやカメラなどの機器を設置し、24時間監視します。AI+ の時空間インテリジェント アルゴリズムと建物のデジタル ツイン モデルを組み合わせることで、比較を行って異常をタイムリーに検出し、タイムリーに警告を発することができます。
(2) 防火用途のシナリオ
廊下の飛び散るワイヤーの充電、安全通路を占有する物体の積み重ね、スマート煙センサー (実際の状況に応じて後で設置されます) などの火災安全アプリケーション シナリオの場合、感知機器は 24 時間 365 日検査され、AI+ 空間時間アルゴリズムを使用して、関連する問題を特定し、早期警告を生成します。コマンド プラットフォームは作業命令を生成し、政府の WeChat を通じて効率的に不動産管理者 (住宅地の場合は近隣委員会の幹部) に命令を送信します。ワークステーション同時にメッセージを受信し、インシデント処理状況に注意を払い、それを 3D モデリングに同期します。関連する問題点がフロア マップ上に表示されます。
(3) 店舗看板・看板管理
店舗サインの周囲にセンシング機器を設置し、AI＋時空間アルゴリズムの解析・予測により、部品の緩み・揺れ・（危険値に近い）・腐食などを分析・予測し、警報・報知します。近くのワークステーション、近隣委員会、不動産管理者に連絡し、問題のある店舗の看板をできるだけ早く修正するよう商店や不動産業者に注意を促します。責任主体：実態の複雑性、多様性を考慮し、店舗の安全管理の直接責任者は運営者、間接的責任者はオーナーとし、両者の責任は連帯関係にある。
(4) 地下パイプラインの適用シナリオ
コミュニティ、建物、公共スペースなどのシナリオでは、スマート パイプライン管理の概念が提案されており、インテリジェント センシング機器、GIS および GPS 測位 (図 2) を設置し、パイプライン図面、ハードウェア レイヤー、モノのインターネットと組み合わせることで、パイプライン施設を機器やイベントと関連付けてデジタル化することができ、AI + 時空間アルゴリズム技術を使用した管理、オンライン監視と予測、1 つの画像に地下空間が表示され、異常気象や緊急事態による事故の修復能力が向上し、手作業による点検の労働力を軽減し、事故の原因を正確に特定するとともに、管理の基礎データを通常の長期管理の仕組みに組み込み、リスクを予測し、保守点検を強化し、住民の安全を守ります。
編集スイッチを中央に切り替える
図2 空間マルチソーススペクトル信号AIに基づく屋内外測位センシング技術
時空間データ収集システムを構築します。さまざまなソーシャル データ ソースについて、複数のデータ ソースからデータを収集してデータベースに保存し、マルチポート データの読み取り、ファイル システム データの読み取り、マルチ インターフェイス データ キュー、完全なデータ テーブルの比較、および実際のデータ ソースを通じて全体的なデータ収集を実行します。メッセージキュー確立時の収集システム。タスク要件に基づいて、都市人口データ、産業経済データなどの関連する社会データを統合します。
さまざまなタイプの構造化および非構造化時空間ビッグ データの場合、シーケンス処理前の処理作業には一般に、統一フォーマット、一貫性処理、空間化が含まれます。
実際のアプリケーション要件に従って、時空間データマイニングツールと時空間人工アルゴリズムに基づくプラットフォームが構築されます。時空間データ マイニング ツール システムは、データ マイニングのあらゆる側面で確立され、時空間データ エンジン アルゴリズムの出力をサポートします。
タグ計算ツールを構築し、メタ タグを定義し、ルールをカスタマイズします。メタ タグ ルールの組み合わせロジックを使用して、新しいディメンション タグを定義し、タグを検証し、最終的にビジネス出力を提供します。総乗客流量、訪問者流量、さまざまな時間次元での乗客流量などを含むがこれらに限定されない、さまざまな主要なシナリオでの乗客流量のディメンションを計算するための乗客流量計算ツールを構築し、さまざまな時間とシナリオに基づいて乗客流量を計算し、最後にビジネス成果を提供します。データ作成ツールを構築して、オフライン POI、AOI、オフライン ブランド ストア、特定のシナリオなどを含むがこれらに限定されないオンラインまたはオフライン データからデータを取得し、データをクリーンアップしてレビューし、データがあらゆる側面で一貫していることを確認します。 . データ生成プロセスの透明性を確保するためにチェックおよび監査することができます。注釈ツールの開発、プロセス定式化などを含め、シーン境界描画、シーン説明、シーン ラベル注釈などのオンラインまたはオンライン データに注釈を付けるデータ注釈ツールを構築します。データ品質分析、データシナリオ計画、データレポート出力など、データに対する全体的な操作を実行するデータ操作ツールを構築します。
時空間人工知能プラットフォームは、TensorFlow、PyTorch、Scikit-Learn、XGBoost、Keras、MLlib、MXNet など、ほとんどの機械学習ツール フレームワークをサポートしています。さまざまな機械学習フレームワークに Kubernetes ベースのリソース スケジューリングと分散トレーニング機能を提供して、トレーニング時間を短縮し、モデルの適時性を向上させます。ユーザーは複雑な構成やプラットフォームの割り当て作業を行う必要がなく、データ入力、コード実行、ログ出力だけに集中する必要があります。
プラットフォーム アルゴリズム ライブラリは、時空間データの計算と分析、データ ガバナンスとマイニングをサポートする幅広い機械学習モデルと深層学習モデルをカバーしており、さまざまなアプリケーション シナリオに適応して、上位層のインテリジェント検出サービスのアルゴリズム サポートを提供できます。たとえば、リカレント ニューラル ネットワークは、時空間シーケンス データを処理して時空間データの時間依存性を学習し、軌跡予測、人流予測、チャーン予測、異常イベント検出などのさまざまな時空間予測タスクに広く使用されています。グラフ ニューラル ネットワークは、住所マッチング、ソーシャル ネットワーク、解釈可能な推奨システム、関連分析、比較分析、類似性分析、群衆のポートレート、シーンのポートレートなどに使用できます。
人口統計分析。ビッグデータ分析手法を使用してインターネットなどのビッグデータを取得し、グリッド価値評価モデルを定式化し、グリッド内のユーザー価値評価結果を通じてグリッドをプロファイリングします。ビッグデータ技術を使用してグリッドポートレート分析モデルを構築し、地図上の任意のグリッドまたはグリッドの組み合わせを通じて、グリッドエリア内の居住人口、労働人口、企業、インフラストラクチャ、治安などのリアルタイム分析と推論を行います。直感的な分析結果を形成します。包括的な人口分析、人口流動傾向、地域社会の比較、社会保障、その他のラベルを含むグリッドエリア内の地域の状況を迅速に分析でき、政府の関係者が市内のさまざまな地域の状況を迅速に理解できるように効果的に支援できます。国民生活のより合理的かつ効果的な管理を促進するため、公安、資源配分およびその他の業務は、政府職員の利便性を提供し、国民により良いサービスを提供するために実施されます。
旅客流量統計は群衆分析にとって非常に重要な意味を持つため、旅客流量統計手法を積極的に習得する必要があり、さまざまなシナリオに応じてさまざまな旅客流統計手法を柔軟に組み合わせて使用する必要があります。乗客の流れを監視することで、ピークフロー、累積人数、人の流れの地域分布のヒートマップなどの基本情報をさまざまな場所の運営者に提供できるほか、特定のエリアへの入場確率（ショッピングモールへの入場など）の分析も提供できます。特定のエリア（特定のアトラクションなど）における人の流れや、その場所全体の人の流れの変化の傾向をデータを活用しながら提示します。インデックス統計を使用すると、マクロの観点から一定期間にわたる場所の傾向をより適切に反映できるため、データを通じて有利な意思決定を行うことができます。旅客流動指数は、旅客流動指数の理論構造とモデル計算に基づいて、空間レベルおよび時間レベルの計算モデルを使用します。旅客流動評価指数と旅客流動強度指数の相関検証により、旅客流動指数が旅客流動の強度を正確に反映できることが確認された。
軌跡熱は、固定領域および固定集団における一部の人々の集団の歴史的流れを視覚的に提示することにより、人の軌跡の分析、統計、予防および逮捕の効果を達成することができます。群衆のポートレート、流れの軌跡、タスクとフィードバック、および群衆の密度の次元から分析して、不審者、懸念のある人々、定住人口または浮遊人口、および不安定な人々の軌跡など、さまざまにセグメント化された人口を取得します。 、など。人事分析、人気の場所の分析と推論など、さまざまなグループの人事情報分布統計を実施し、ビジュアルプレゼンテーションを実施します。
軌道熱の巨視的応用では、地域ヒート マップを使用して意思決定をサポートできます。プロジェクトの複数のエリアを監視システムを通じて検出し、各エリアの人数を決定できます。監視システムには複数のセンサーが含まれています。カメラやモーションセンサーなどとして機能し、ヒートマップ生成モジュールを通じてプロジェクトを生成し、分析プロジェクトを確立し、意思決定の実装のための運用分析の結論を提供します。
業界分析。多次元の企業データを統合し、開発段階、人材分布、製品のハイライト、業界のステータスなど、企業全体を 360 度復元し、視覚的なチャートで表示します。膨大なデータと正確なアルゴリズムを組み合わせて、企業の行動、製品の売上、ビジネスリスクなどを予測します。
企業のポートレートに基づいて、企業の最近のニュース、採用、その他の行動データを分析することで、企業のニーズをインテリジェントに抽出します。起業支援機関のサービス担当者に対しては、企業変革や資金調達などの多くの重要なノードにおいて科学的指導を提供し、企業の発展を促進するための対応措置を講じることができる。
企業のニーズを洞察した後、起業家サービス代理店のリソース マトリックスに基づいて、オンラインのインテリジェント マッチング サービスとオフラインの企業サービス担当者がパーソナライズされたサービスで構成され、企業サービス エクスペリエンスをより正確にします。
企業が集まるエリア（テクノロジーパーク、工業団地、インキュベーターなど）で組織を運営するためのビッグデータ管理ツール。パークが企業データを運用可能な資産に変え、企業により広範で効率的、より正確なサービスを提供できるように支援します。公園管理者がコミュニケーションコストを削減し、社内外のリソースを活性化し、迅速な開発を達成できるように支援します。企業のサービス担当者がサービスの品質を向上させ、作業効率を向上させ、内部のやり取りを強化できるように支援します。
時空間人工知能予測の中核は、時空間履歴データに基づいて将来の観測値を予測できる、効率的な機械学習と深層学習アルゴリズムにあります。畳み込みニューラル ネットワーク (CNN)、リカレント ニューラル ネットワーク (RNN)、グラフ ニューラル ネットワーク (GNN)、シーケンスツーシーケンス (Seq2Seq) などの深層学習モデルは、時空間領域での強力な自動機能を備えているため、学習能力はさまざまな時空間領域で広く使用されています。データ予測モデリングタスク。さまざまなアプリケーションに対して、入力変数と出力変数は、点データ、時系列データ、空間地図データ、軌跡データなどを含むさまざまなタイプの時空間データ インスタンスに属することができます。データ タイプの特性に従って、適用可能な深層学習モデルは次のようになります。将来のシナリオを予測するためのモデルを採用するか、組み合わせて構築します。
都市全体の時空間認識データの収集、高性能コンピューティング エンジンとクラウド サービスの恩恵、ナレッジ グラフの知識融合と知識埋め込みに基づいて、大量の異種時空間データのリアルタイム動的分析予測と解釈可能性予測スマートシティの応用シナリオ：具体的には、道路交通流予測、渋滞予測、交通事故予測、タクシーやオンライン配車の需給関係予測、異常事象検知などが挙げられますが、これらに限定されません。都市交通管理シナリオ、旅行サービスシナリオにおける人流予測、旅行目的地予測と旅行モード予測、気象解析における気象条件予測と大気質、湿度、騒音などの環境品質予測、商品販売予測、乗客数予測流量変換率予測、顧客消費レベル予測、商業事業における消費、嗜好予測、物流軌跡予測と広告予測、工業団地運営における企業と頭脳流出の予測、公園と企業のリスク警告と世論予測など。
データの解釈とは、知識ベース内のエンティティ、概念、関係を使用して現象を説明するプロセスを指します。ニューラル ネットワークのエンドツーエンド学習の「ブラック ボックス」特性により、多くの深層学習モデルが解釈不能になり、専門家や手動介入に大きく依存し、データに含まれる大量の暗黙知とプロセス知識を理解することが困難になります。都市交通のインテリジェント配車や金融インテリジェントな投資助言など、フォールト トレランスが低くリスクが高いシナリオでは、マシンの結果を完全に信頼することはできないため、注意して使用する必要があります。時空間人工知能をナレッジ グラフ テクノロジーと組み合わせることで、従来のドメイン技術ソリューションの時空間管理の欠如を効果的に補うことができます。従来の GIS (地理情報システム、地理情報システム) および CIM プラットフォームでは、ドメイン データの詳細なマイニングと相関が不足しています。従来の人工知能プラットフォームには、解釈性の低さやスケーラビリティの低さなどの問題がありました。
すべては複雑な因果関係のネットワークの中にあり、そこには採掘すべき多くの知識が含まれています。時空間知識グラフは、断片化された時空間データを関連付けて融合し、メタデータを提供することで、自律的かつ普遍的な融合を可能にします。豊富な時空間意味論的知識を含む業界のビッグ データの場合、ナレッジ グラフは欠落している因果関係の連鎖を効果的に補完できます。知識表現、知識融合、推論計算などの技術と行動結果データを組み合わせることで、その発生の背景や理由を深く追跡し、それが何なのか、なぜそうなのかを知り、業界データへの理解と洞察を深めます。を実現し、データの価値を最大限に解放します。時空間データ内のエンティティ、概念、つながり、およびトピックの認識を実現し、大量の知識をマイニングして分析および予測タスクのためのより多様な情報を提供することは、時空間データの利用効率を向上させ、ビジネス シナリオを効率的に実現する上で重要な実用的意義を持ちます。
データの関連付けと意思決定の管理ニーズに基づいて、ビジネス アプリケーション シナリオの豊富なインテリジェントな分析モデルを確立し、時空間人工知能の意思決定機能を強化して、都市運営のインテリジェントな発見と介入の最適化を実現し、科学的で信頼性の高い、経営意思決定者をサポートするインテリジェントサービス 「データインテリジェンス」から知識主導型の「意思決定インテリジェンス」への移行を実現します。意思決定能力の鍵は、時空間ナレッジ グラフ視覚化テクノロジーにあります。そのコアには、グラフ データベース上に構築された効率的なクエリ メカニズムが含まれており、視覚化を通じてユーザーがビジネス モデルを迅速に発見できるように支援し、探索的な知識の検索と分析推論に対応するフレンドリーなインタラクティブ モジュールを提供します。 、大規模ナレッジグラフ環境におけるグラフマイニングアルゴリズムのサポートなど。ナレッジ グラフのグラフ マイニング アルゴリズムには、通常、グラフ トラバーサル、パス分析、関連分析、権威ノード分析、コミュニティ発見、類似サブグラフ計算、ファジー サブグラフ マッチングおよびリンク予測などが含まれます。
知識ネットワークに基づいて、補助分析にグラフマイニングアルゴリズムが使用され、知識間の相関関係がグラフの視覚化の形で表示されます。ステップサイズやフィルタ条件などの関連パラメータや、ノードの色、サイズ、距離などの視覚化形式をカスタマイズできるため、ユーザーはより直感的にデータの関連マイニングや分析を行うことができます。グラフ手法により、視覚的な意思決定を提供します。さまざまなビジネス上の意味の割り当てをサポートし、ポジショニング、評価、帰属、最適化のライフサイクル全体を通じてインテリジェントな業界管理を実現します。たとえば、意思決定サポートは、工業団地のナレッジ マップ内の企業と産業の発展についての詳細な解釈を提供できます。公園属性クエリ、ノード探索、パス発見、公園関連探索、比較分析などのインタラクティブなグラフ視覚化分析テクノロジーを通じて、公園情報が包括的に表示され、公園が初期段階で公園の産業上のポジショニングを達成するのに役立ちます、公園開発指標の評価、ベンチマーク公園との比較、きめ細かい最適化の推奨事項への帰属の動的管理。
ビッグデータのアプリケーションには、収集、アクセス、保存、管理、分析などの多くのプロセス リンクが含まれており、各プロセス リンクには選択すべき多くの技術的ルートと実装フレームワークがあります。これらの技術とフレームワークを重ね合わせ、統合することで時空間ビッグデータ技術システムが構成され、複数種類の時空間ビッグデータの応用をサポートします。
(1) データ アクセス層は主にデータの入り口として機能し、時空間ビッグ データへのアクセスとキャッシュ、および下流システムによる消費を担当します。
(2) データストレージおよび管理プラットフォームは、時空間ビッグデータのストレージを担当し、対応するインデックスインターフェイスを組織し、アクセスモードに応じて、分散ファイルシステムタイプと非リレーショナルデータベースタイプの 2 つのカテゴリに分類できます。ファイル システム タイプは主に大規模なデータ ボリュームの集計分析シナリオに使用され、非リレーショナル データベースは主にさまざまな種類のデータの正確なクエリに使用されます。
(3) データ処理および分析プラットフォームは、基本的なクエリ アクセス インターフェイスの提供に加えて、さらに高性能な分析メソッドを提供し、データの存在形式とアプリケーション シナリオに応じて、バッチ処理用のオフライン データ分析とリアルタイム データ分析に分けられます。ストリーム処理のためのストリームコンピューティング。
(4) アプリケーション層は、必要に応じてクエリ/処理層のアクセスインターフェースや計算解析操作を直接呼び出したり、二次開発を通じて関連メソッドを組み合わせたりして、時空間ビッグデータの高次アプリケーションをサポートします。
[ws1] 2.1 概念定義 - Wayz によって作成[ws2] 2.2 主な機能 - Wayz によって作成[ws3] [ws3] 2.4 コア機能 - Wayz によって作成
AI の新しい応用技術として、時空間 AI には 3 つの主要な技術的特徴と 6 つのコア機能があります。
タイムスタンプはデータの適時性をマークし、その後の時空間的なビッグデータの並べ替えを容易にします。データ自体に含まれるタイムスタンプは、データの収集、作成、または変更の特定の日付を記録します。追加されたタイムスタンプは主にデータ収集の時間ノードを記録するため、時空間データの一元管理と分析が容易になります。データ型ごとに異なるタイムマーキング方法が使用されます。フレーム、タイプ/スケール、バッチごとにマークされます。ストリーミング データは流れるデータと見なすことができ、インターフェイスを通じてインポートされる場合、時空間デジタル ベースに書き込む前に時間領域でタグ付けする必要があります。インポートされたデータは、レビュー、ダウンロード、分析のためにユーザーに提供される前に、統一された非感作プロセスを経て機密情報が削除される必要があります。
データ時空間化サブシステムを確立することにより、ビジネス データを時空間化にマッピングする機能が実現されます。これには、時空間データ アクセス、データ クリーニング、時空間処理、データの意思決定、データ エクスポートなどのモジュールが含まれています。
集約されたデータに対して、時空間融合相関が実行されます。さまざまなソースおよびさまざまな解像度からの大量の空間データを効率的に統合および相関付けることは、データの価値を十分に探求し、時空間ビッグデータ アプリケーション システムの構築コストを削減し、空間データの利用効率を向上させるために、実用的に非常に重要です。ナレッジ グラフ手法を通じて、マルチソースの異種データの徹底的な融合をサポートできます。
データ集約からデータ時空間化、データ融合に至るまで、AI+ 時空間アルゴリズムが動的モニタリングと異常評価に追加され、非発見要素が結果を直接提示し、データの時空間パターンを発見し、意思決定を支援します。薄い知識から厚い知識まで蓄積される一方で、大量の冗長な情報ではなく有効な情報を意思決定関係者に正確に提供し、問題処理の効率を向上させ、意思決定の効率的な執行と洗練された経営を実現します。
AI+ の時空間アルゴリズムをエンジンとサービスの形で組み込み、さまざまなビジネス シナリオに応じてさまざまなモデルやツールを使用して、動的な監視、異常診断、評価、最適化を実現します。これにより、問題の発見と解決、問題の定式化を支援します。フィードバックメカニズムと支援された意思決定。
AI+ 時空間アルゴリズム サービスは、機械学習の「ラスト マイル」問題を解決でき、サービスの公開、モデルの監視と解釈、サービスのアップグレードとロールバックに使用されます。トレーニング後、パフォーマンス要件を満たすモデルを取得した後、通常の状況では、モデルを機能させるためにサービスを外部に公開する必要があります。現在のAIサービスの機能は、サービスのリリースや管理だけでなく、モデルの解釈や予測後の動作定義なども含まれています。
静的モデリングをベースに、多次元のリアルタイム動的データとAI解析データを重ね合わせることで、生命・生物の観点からガバナンスの最小単位の認識と管理を支援し、都市の実現に向けた体系的なデジタルバイタルサインを構築します。運用管理、リアルタイム予測、リアルタイム検出、リアルタイム処理。
イベントの最小単位、乗客の流れの認識、予測、早期警報を実現し、政府と市場主体間の上下接続と相互連携による協力的な作業モデルを実現します。市場主体のループ、都市交通のクローズドループ、2つのネットワークへの緊急対応のクローズドループ、クローズドループ「5レベルクローズドループ」管理を統合する新しい管理メカニズム。特定のシナリオには以下が含まれますが、これらに限定されません。
(1) 高高度からの落下物の適用シナリオ
放物線状の物体、ファサードの付帯設備、道路沿いの床装飾、窓の状態（窓が開いている、破損している）などの落下物の発生率が高いシナリオでは、ファサードにセンサーやカメラなどの機器を設置し、24時間監視します。AI+ の時空間インテリジェント アルゴリズムと建物のデジタル ツイン モデルを組み合わせることで、比較を行って異常をタイムリーに検出し、タイムリーに警告を発することができます。
(2) 防火用途のシナリオ
廊下の飛び散るワイヤーの充電、安全通路を占有する物体の積み重ね、スマート煙センサー (実際の状況に応じて後で設置されます) などの火災安全アプリケーション シナリオの場合、感知機器は 24 時間 365 日検査され、AI+ 空間時間アルゴリズムを使用して、関連する問題を特定し、早期警告を生成します。コマンド プラットフォームは作業命令を生成し、政府の WeChat を通じて効率的に不動産管理者 (住宅地の場合は近隣委員会の幹部) に命令を送信します。ワークステーション同時にメッセージを受信し、インシデント処理状況に注意を払い、それを 3D モデリングに同期します。関連する問題点がフロア マップ上に表示されます。
(3) 店舗看板・看板管理
店舗サインの周囲にセンシング機器を設置し、AI＋時空間アルゴリズムの解析・予測により、部品の緩み・揺れ・（危険値に近い）・腐食などを分析・予測し、警報・報知します。近くのワークステーション、近隣委員会、不動産管理者に連絡し、問題のある店舗の看板をできるだけ早く修正するよう商店や不動産業者に注意を促します。責任主体：実態の複雑性、多様性を考慮し、店舗の安全管理の直接責任者は運営者、間接的責任者はオーナーとし、両者の責任は連帯関係にある。
(4) 地下パイプラインの適用シナリオ
コミュニティ、建物、公共スペースなどのシナリオでは、スマート パイプライン管理の概念が提案されており、インテリジェント センシング機器、GIS および GPS 測位 (図 2) を設置し、パイプライン図面、ハードウェア レイヤー、モノのインターネットと組み合わせることで、パイプライン施設を機器やイベントと関連付けてデジタル化することができ、AI + 時空間アルゴリズム技術を使用した管理、オンライン監視と予測、1 つの画像に地下空間が表示され、異常気象や緊急事態による事故の修復能力が向上し、手作業による点検の労働力を軽減し、事故の原因を正確に特定するとともに、管理の基礎データを通常の長期管理の仕組みに組み込み、リスクを予測し、保守点検を強化し、住民の安全を守ります。
図2 空間マルチソーススペクトル信号AIに基づく屋内外測位センシング技術
時空間データ収集システムを構築します。さまざまなソーシャル データ ソースについて、複数のデータ ソースからデータを収集してデータベースに保存し、マルチポート データの読み取り、ファイル システム データの読み取り、マルチ インターフェイス データ キュー、完全なデータ テーブルの比較、および実際のデータ ソースを通じて全体的なデータ収集を実行します。メッセージキュー確立時の収集システム。タスク要件に基づいて、都市人口データ、産業経済データなどの関連する社会データを統合します。
さまざまなタイプの構造化および非構造化時空間ビッグ データの場合、シーケンス処理前の処理作業には一般に、統一フォーマット、一貫性処理、空間化が含まれます。
実際のアプリケーション要件に従って、時空間データマイニングツールと時空間人工アルゴリズムに基づくプラットフォームが構築されます。時空間データ マイニング ツール システムは、データ マイニングのあらゆる側面で確立され、時空間データ エンジン アルゴリズムの出力をサポートします。
タグ計算ツールを構築し、メタ タグを定義し、ルールをカスタマイズします。メタ タグ ルールの組み合わせロジックを使用して、新しいディメンション タグを定義し、タグを検証し、最終的にビジネス出力を提供します。総乗客流量、訪問者流量、さまざまな時間次元での乗客流量などを含むがこれらに限定されない、さまざまな主要なシナリオでの乗客流量のディメンションを計算するための乗客流量計算ツールを構築し、さまざまな時間とシナリオに基づいて乗客流量を計算し、最後にビジネス成果を提供します。データ作成ツールを構築して、オフライン POI、AOI、オフライン ブランド ストア、特定のシナリオなどを含むがこれらに限定されないオンラインまたはオフライン データからデータを取得し、データをクリーンアップしてレビューし、データがあらゆる側面で一貫していることを確認します。 . データ生成プロセスの透明性を確保するためにチェックおよび監査することができます。注釈ツールの開発、プロセス定式化などを含め、シーン境界描画、シーン説明、シーン ラベル注釈などのオンラインまたはオンライン データに注釈を付けるデータ注釈ツールを構築します。データ品質分析、データシナリオ計画、データレポート出力など、データに対する全体的な操作を実行するデータ操作ツールを構築します。
時空間人工知能プラットフォームは、TensorFlow、PyTorch、Scikit-Learn、XGBoost、Keras、MLlib、MXNet など、ほとんどの機械学習ツール フレームワークをサポートしています。さまざまな機械学習フレームワークに Kubernetes ベースのリソース スケジューリングと分散トレーニング機能を提供して、トレーニング時間を短縮し、モデルの適時性を向上させます。ユーザーは複雑な構成やプラットフォームの割り当て作業を行う必要がなく、データ入力、コード実行、ログ出力だけに集中する必要があります。
プラットフォーム アルゴリズム ライブラリは、時空間データの計算と分析、データ ガバナンスとマイニングをサポートする幅広い機械学習モデルと深層学習モデルをカバーしており、さまざまなアプリケーション シナリオに適応して、上位層のインテリジェント検出サービスのアルゴリズム サポートを提供できます。たとえば、リカレント ニューラル ネットワークは、時空間シーケンス データを処理して時空間データの時間依存性を学習し、軌跡予測、人流予測、チャーン予測、異常イベント検出などのさまざまな時空間予測タスクに広く使用されています。グラフ ニューラル ネットワークは、住所マッチング、ソーシャル ネットワーク、解釈可能な推奨システム、関連分析、比較分析、類似性分析、群衆のポートレート、シーンのポートレートなどに使用できます。
人口統計分析。ビッグデータ分析手法を使用してインターネットなどのビッグデータを取得し、グリッド価値評価モデルを定式化し、グリッド内のユーザー価値評価結果を通じてグリッドをプロファイリングします。ビッグデータ技術を使用してグリッドポートレート分析モデルを構築し、地図上の任意のグリッドまたはグリッドの組み合わせを通じて、グリッドエリア内の居住人口、労働人口、企業、インフラストラクチャ、治安などのリアルタイム分析と推論を行います。直感的な分析結果を形成します。包括的な人口分析、人口流動傾向、地域社会の比較、社会保障、その他のラベルを含むグリッドエリア内の地域の状況を迅速に分析でき、政府の関係者が市内のさまざまな地域の状況を迅速に理解できるように効果的に支援できます。国民生活のより合理的かつ効果的な管理を促進するため、公安、資源配分およびその他の業務は、政府職員の利便性を提供し、国民により良いサービスを提供するために実施されます。
旅客流量統計は群衆分析にとって非常に重要な意味を持つため、旅客流量統計手法を積極的に習得する必要があり、さまざまなシナリオに応じてさまざまな旅客流統計手法を柔軟に組み合わせて使用する必要があります。乗客の流れを監視することで、ピークフロー、累積人数、人の流れの地域分布のヒートマップなどの基本情報をさまざまな場所の運営者に提供できるほか、特定のエリアへの入場確率（ショッピングモールへの入場など）の分析も提供できます。特定のエリア（特定のアトラクションなど）における人の流れや、その場所全体の人の流れの変化の傾向をデータを活用しながら提示します。インデックス統計を使用すると、マクロの観点から一定期間にわたる場所の傾向をより適切に反映できるため、データを通じて有利な意思決定を行うことができます。旅客流動指数は、旅客流動指数の理論構造とモデル計算に基づいて、空間レベルおよび時間レベルの計算モデルを使用します。旅客流動評価指数と旅客流動強度指数の相関検証により、旅客流動指数が旅客流動の強度を正確に反映できることが確認された。
軌跡熱は、固定領域および固定集団における一部の人々の集団の歴史的流れを視覚的に提示することにより、人の軌跡の分析、統計、予防および逮捕の効果を達成することができます。群衆のポートレート、流れの軌跡、タスクとフィードバック、および群衆の密度の次元から分析して、不審者、懸念のある人々、定住人口または浮遊人口、および不安定な人々の軌跡など、さまざまにセグメント化された人口を取得します。 、など。人事分析、人気の場所の分析と推論など、さまざまなグループの人事情報分布統計を実施し、ビジュアルプレゼンテーションを実施します。
軌道熱の巨視的応用では、地域ヒート マップを使用して意思決定をサポートできます。プロジェクトの複数のエリアを監視システムを通じて検出し、各エリアの人数を決定できます。監視システムには複数のセンサーが含まれています。カメラやモーションセンサーなどとして機能し、ヒートマップ生成モジュールを通じてプロジェクトを生成し、分析プロジェクトを確立し、意思決定の実装のための運用分析の結論を提供します。
業界分析。多次元の企業データを統合し、開発段階、人材分布、製品のハイライト、業界のステータスなど、企業全体を 360 度復元し、視覚的なチャートで表示します。膨大なデータと正確なアルゴリズムを組み合わせて、企業の行動、製品の売上、ビジネスリスクなどを予測します。
企業のポートレートに基づいて、企業の最近のニュース、採用、その他の行動データを分析することで、企業のニーズをインテリジェントに抽出します。起業支援機関のサービス担当者に対しては、企業変革や資金調達などの多くの重要なノードにおいて科学的指導を提供し、企業の発展を促進するための対応措置を講じることができる。
企業のニーズを洞察した後、起業家サービス代理店のリソース マトリックスに基づいて、オンラインのインテリジェント マッチング サービスとオフラインの企業サービス担当者がパーソナライズされたサービスで構成され、企業サービス エクスペリエンスをより正確にします。
企業が集まるエリア（テクノロジーパーク、工業団地、インキュベーターなど）で組織を運営するためのビッグデータ管理ツール。パークが企業データを運用可能な資産に変え、企業により広範で効率的、より正確なサービスを提供できるように支援します。公園管理者がコミュニケーションコストを削減し、社内外のリソースを活性化し、迅速な開発を達成できるように支援します。企業のサービス担当者がサービスの品質を向上させ、作業効率を向上させ、内部のやり取りを強化できるように支援します。
時空間人工知能予測の中核は、時空間履歴データに基づいて将来の観測値を予測できる、効率的な機械学習と深層学習アルゴリズムにあります。畳み込みニューラル ネットワーク (CNN)、リカレント ニューラル ネットワーク (RNN)、グラフ ニューラル ネットワーク (GNN)、シーケンスツーシーケンス (Seq2Seq) などの深層学習モデルは、時空間領域での強力な自動機能を備えているため、学習能力はさまざまな時空間領域で広く使用されています。データ予測モデリングタスク。さまざまなアプリケーションに対して、入力変数と出力変数は、点データ、時系列データ、空間地図データ、軌跡データなどを含むさまざまなタイプの時空間データ インスタンスに属することができます。データ タイプの特性に従って、適用可能な深層学習モデルは次のようになります。将来のシナリオを予測するためのモデルを採用するか、組み合わせて構築します。
都市全体の時空間認識データの収集、高性能コンピューティング エンジンとクラウド サービスの恩恵、ナレッジ グラフの知識融合と知識埋め込みに基づいて、大量の異種時空間データのリアルタイム動的分析予測と解釈可能性予測スマートシティの応用シナリオ：具体的には、道路交通流予測、渋滞予測、交通事故予測、タクシーやオンライン配車の需給関係予測、異常事象検知などが挙げられますが、これらに限定されません。都市交通管理シナリオ、旅行サービスシナリオにおける人流予測、旅行目的地予測と旅行モード予測、気象解析における気象条件予測と大気質、湿度、騒音などの環境品質予測、商品販売予測、乗客数予測流量変換率予測、顧客消費レベル予測、商業事業における消費、嗜好予測、物流軌跡予測と広告予測、工業団地運営における企業と頭脳流出の予測、公園と企業のリスク警告と世論予測など。
データの解釈とは、知識ベース内のエンティティ、概念、関係を使用して現象を説明するプロセスを指します。ニューラル ネットワークのエンドツーエンド学習の「ブラック ボックス」特性により、多くの深層学習モデルが解釈不能になり、専門家や手動介入に大きく依存し、データに含まれる大量の暗黙知とプロセス知識を理解することが困難になります。都市交通のインテリジェント配車や金融インテリジェントな投資助言など、フォールト トレランスが低くリスクが高いシナリオでは、マシンの結果を完全に信頼することはできないため、注意して使用する必要があります。時空間人工知能をナレッジ グラフ テクノロジーと組み合わせることで、従来のドメイン技術ソリューションの時空間管理の欠如を効果的に補うことができます。従来の GIS (地理情報システム、地理情報システム) および CIM プラットフォームでは、ドメイン データの詳細なマイニングと相関が不足しています。従来の人工知能プラットフォームには、解釈性の低さやスケーラビリティの低さなどの問題がありました。
すべては複雑な因果関係のネットワークの中にあり、そこには採掘すべき多くの知識が含まれています。時空間知識グラフは、断片化された時空間データを関連付けて融合し、メタデータを提供することで、自律的かつ普遍的な融合を可能にします。豊富な時空間意味論的知識を含む業界のビッグ データの場合、ナレッジ グラフは欠落している因果関係の連鎖を効果的に補完できます。知識表現、知識融合、推論計算などの技術と行動結果データを組み合わせることで、その発生の背景や理由を深く追跡し、それが何なのか、なぜそうなのかを知り、業界データへの理解と洞察を深めます。を実現し、データの価値を最大限に解放します。時空間データ内のエンティティ、概念、つながり、およびトピックの認識を実現し、大量の知識をマイニングして分析および予測タスクのためのより多様な情報を提供することは、時空間データの利用効率を向上させ、ビジネス シナリオを効率的に実現する上で重要な実用的意義を持ちます。
データの関連付けと意思決定の管理ニーズに基づいて、ビジネス アプリケーション シナリオの豊富なインテリジェントな分析モデルを確立し、時空間人工知能の意思決定機能を強化して、都市運営のインテリジェントな発見と介入の最適化を実現し、科学的で信頼性の高い、経営意思決定者をサポートするインテリジェントサービス 「データインテリジェンス」から知識主導型の「意思決定インテリジェンス」への移行を実現します。意思決定能力の鍵は、時空間ナレッジ グラフ視覚化テクノロジーにあります。そのコアには、グラフ データベース上に構築された効率的なクエリ メカニズムが含まれており、視覚化を通じてユーザーがビジネス モデルを迅速に発見できるように支援し、探索的な知識の検索と分析推論に対応するフレンドリーなインタラクティブ モジュールを提供します。 、大規模ナレッジグラフ環境におけるグラフマイニングアルゴリズムのサポートなど。ナレッジ グラフのグラフ マイニング アルゴリズムには、通常、グラフ トラバーサル、パス分析、関連分析、権威ノード分析、コミュニティ発見、類似サブグラフ計算、ファジー サブグラフ マッチングおよびリンク予測などが含まれます。
知識ネットワークに基づいて、補助分析にグラフマイニングアルゴリズムが使用され、知識間の相関関係がグラフの視覚化の形で表示されます。ステップサイズやフィルタ条件などの関連パラメータや、ノードの色、サイズ、距離などの視覚化形式をカスタマイズできるため、ユーザーはより直感的にデータの関連マイニングや分析を行うことができます。グラフ手法により、視覚的な意思決定を提供します。さまざまなビジネス上の意味の割り当てをサポートし、ポジショニング、評価、帰属、最適化のライフサイクル全体を通じてインテリジェントな業界管理を実現します。たとえば、意思決定サポートは、工業団地のナレッジ マップ内の企業と産業の発展についての詳細な解釈を提供できます。公園属性クエリ、ノード探索、パス発見、公園関連探索、比較分析などのインタラクティブなグラフ視覚化分析テクノロジーを通じて、公園情報が包括的に表示され、公園が初期段階で公園の産業上のポジショニングを達成するのに役立ちます、公園開発指標の評価、ベンチマーク公園との比較、きめ細かい最適化の推奨事項への帰属の動的管理。