Spatio-Temporal Artificial IntelligencePowering The Digital Twin CityWhite Paper V1.0 2021 July时空人工智能编委联系： Whitepaper@wayz.ai 时空人工智能赋能数字孪生城市白皮书（2021）时空人工智能提出背景 01时空人工智能：城市数字化转型的新引擎 02关键技术 03生态应用 04时空人工智能赋能数字孪生城市案例 05结语 06目录CATALOGUE时空人工智能Spatio-Temporal Artificial Intelligence 时空人工智能赋能数字孪生城市白皮书（2021）主编单位：上海维智卓新信息科技有限公司（维智科技）指导单位： 上海市人工智能行业协会时空AI专业委员会编委指导委员会主编陶闯博士 维智科技编委成员 前言 人工智能（AI）的发展从感知阶段进入认知和预知阶段。AI的发展已经渗入到多个应用领域。最近几年，尤其是全球疫情的爆发让大家认识到“时空大数据+AI”在科技抗疫防控中产生了巨大的价值。AI技术与地理空间智能、城市空间智能、时空大数据智能、数字孪生城市的发展产生了深度的融合，推动了AI在认知和预知层面的创新与发展。 我们看到这些领域无论在理论方面、还是技术创新和应用实践方面，一个核心的底层创新是基于时空的人工智能：时空人工智能（Spatio-Temporal AI）。随着城市数字孪生的发展，时空人工智能（ST-AI）开始受到产学研的广泛重视，为此我们组织行业专家首次发布这本白皮书“时空人工智能赋能数字孪生城市（2021）”。本书的发布旨在推动AI技术与城市数字孪生的场景结合，通过场景应用推动技术升级，通过技术创新赋能城市数字化转型。 时空人工智能是AI领域的新型创新应用技术，定义为以时空为‘索引’对多源异构数据进行时空化治理和融合，并借力知识工程和AI算法进行智能化分析，从而挖掘知识和辅助决策。时空AI是地理空间智能、城市空间智能和时空大数据智能等的统一表示，包括从时空感知、认知到决策预知的多项核心技术。其应用生态领域非常广泛，包括智慧城市、智能交通、智能园区、智能零售、智能地产、智能商业等多个领域。为方便大家阅读，白皮书的组织结构如左图所示。如果有任何描述方面的问题，请大家指正。同时我们邀请您参与讨论，一起发展这一全新的AI应用技术。最后，感谢上海市人工智能行业协会时空AI专业委员会对白皮书的发布给予的指导和支持。时空人工智能赋能数字孪生城市白皮书 编委会Michael Batty，英国皇家科学院院士，给时空AI的一个很好的英文定义：Spatio-Temporal Artificial Intelligence (AI) is a collection of digital tools, models, and methods that can be deployed to increase our understanding of how, where and why we locate and move in cities. It also enables us to develop new procedures for designing and managing the future city so that it can become more sustainable, equita-ble and efficient. In this sense, spatial-temporal AI provides the underlying foundations for the data and logic for developing the smart city. It focuses on integrating methods to provide new computational platforms and environ-ments that enable different functions in the city to begin to complement digital with physical activities。 The core of transforming the digital city and managing city growth and development is to dynamically sense key information, to intelligently analyze, and to integrate different applications in moving towards making cities smarter. The base of the smart city should be evolved from information infrastructures to digital foundations with intelligent sensitivity, high precision mapping, fully-scoped insights, and intelligent location-based services. As new technology in AI, Spatio-Temporal AI will liberate a huge potential in city computation, analysis, and forecasting which is key to increasing the livability and sustainability of cities。时空人工智能赋能数字孪生城市整体框架 01 人工智能（AI）领域的技术进步给地理空间相关研究和应用的智能化发展和融合创新带来了新机遇和新挑战。虽然早期人工智能概念的提出和理论算法的发展可以追述到20世纪40～50年代，但其近期快速发展的主要动力来自于深度学习模型和开发框架（如Tensorflow、Keras、PyTorch）的快速发展和产业化日趋成熟，各行业领域大数据的生产爆发，和计算机硬件（如图形处理单元GPU和高性能计算平台HPC）和终端设备的计算性能不断升级，进而可以支持在很短的时间内训练和部署人工智能模型、支持数据驱动的智能化决策和产业变革。地理空间人工智能（Geospatial Artificial Intelligence，简称GeoAI），是指地理空间相关科学与人工智能相结合的交叉学科研究方向，通过研究与开发机器的空间智能提升对于地理现象的动态感知、智能推理和知识发现能力，并寻求解决人类和地球环境系统相互作用中的重大科学和工程问题 （比如人口迁移预测、城市扩张预测模拟、复杂条件下的智能交通决策、高精地图制作与自动驾驶、全球变化对农业产的影响、自然灾害应急救援工程等）。地理空间智能的萌芽与发展与地理学、地图学与地理信息系统、遥感科学与技术、地球系统科学、资源环境与城乡规划、智能交通和计算机科学（尤其是机器学习和知识图谱）等学科间的交叉融合、创新发展紧密结合。1.1 地理空间的智能 日前发布的第七次人口普查数据显示，中国城镇化水平已超过63%，已处于城镇化进程的下半场。在此背景下，城市空间的需求正在从关注“增量”的快速建设向关注“存量”的精细化治理转变，城市空间监测评估、品质提升和精细治理转型正在成为热点。与这一大趋势呼应，国家“十四五”规划纲要明确提出了“加快数字社会建设步伐，全面提升城市品质”的国家战略，需要我们将新近涌现的智能化算法应用在高密度城市空间建设与管理的迫切需求上，探索高密度与高品质协同发展的路径。 当前城市空间层面的智能化研究与实践经过近年来的快速发展，基本已经解决了城市数字本底的构建问题，相当数量的城市及相关委办实现了业务上云，建设了大量的大数据中心，并通过各类摄像头、物联网和穿戴式设备来实现海量数据的大规模、高精度获取。以移动互联网、城市大数据、物联网、穿戴式设备等新技术的平台性整合，形成兼具大规模和高精度的建成环境数据集成，以及与之匹配的高分辨率市民行为与感知数据。随着城市数据时空精度的不断提高，这些海量的新数据能的可视化也揭示了之前难以有效获得的直观图景，为个体层面的行为活动与空间形态现状评估提供坚实的基础。 但城市空间的智能化需求远不止于海量数据的可视化展现，及其所支持的简单现状监测和使用评估。高密度城市空间建设与管理的人性化、品质化需要能高效处理和应对大量复杂而交联的城市问题，而这是通过现状数据可视化所不能解决的。换而言之，智能化算法的应用不能止步于城市空间及市民行为基础数据的获取与清洗层面，而是应该更深入融合到城市规划、设计、治理等领域中来，通过各类深度学习算法的引入，推动可感知、可建模、可分析、可预测、可解释、可决策的智能化变革，有望为这一系列经验主导的行业范式带来的变革可能。 1.2 城市空间的智能01时空人工智能提出背景01时空人工智能提出背景1-1 时空人工智能提出背景规划与设计地理知识图谱表达与推理地理深度学习与模式挖掘地理群智智能与复杂性模拟分析与仿真应用层方法层基础层地理知识的认知心理学基础面向地理人工智能的高性能计算为方便大家阅读，白皮书的组织结构如左图所示。如果有任何描述方面的问题，请大家指正。同时我们邀请您参与讨论，一起发展这一全新的AI应用技术。最后，感谢上海市人工智能行业协会时空AI专业委员会对白皮书的发布给予的指导和支持。时空人工智能赋能数字孪生城市白皮书 编委会 01 互联网、传感技术和大规模计算基础设施在城市空间中产生了各种各样的动、静态大数据，其中超过80%的数据与时空有关，如空气质量报点读数、天气、出租车移动轨迹、实时路况等。这些数据都至少具有时间或者空间维度，并且可能还有其它属性维度。时空数据按照数据结构可分为点数据、网数据；按照时空信息是否动态变化又分为三类：空间静态、时间静态、时空动态。通过组合可分为六类，其中，空间静态时间动态的点数据：例如传感器大多安装在固定位置，但其产生的读数却随时间不断变化；时间和空间都随时间变化的点数据：两个时空动态点数据之间没有关联，例如在不同时间段滴滴打车的使用记录；空间静态时间动态的点数据：例如路网可以用一个网络来表达，虽然路网是空间静态的数据结构，但在其上叠加动态的交通流量信息，叠加了动态流量信息的管网也就变成了空间静态时间动态的数据结构；事件时空都动态的网络结构数据：整个网络的节点和边都在不断变化。以轨迹数据为例，空间中的人、车、物在不同的时间段经过不同位置，体现出不同的状态，时空点按照时间顺序连接，形成链式结构。 时空大数据意味着对一个城市的丰富知识，如果正确使用，可以帮助解决各类城市化发展以及场景赋能挑战。通过融合基础地理信息数据资源池（2D、3D），感知物联网数据资源池（环境感知数据），维度丰富的时空数据资源池（人、车、物、场），构建统一的地理信息数据、时空数据、业务数据的数据治理框架，以及丰富灵活的时空服务体系框架，能够支撑海量数据和复杂应急应用的高效率对接。1.3 时空大数据智能 数字孪生的概念模型最早出现于2003年，由Grieves M．W．教授在美国密歇根大学的产品全生命周期管理课程上提出，当时被称作“镜像空间模型”，后被定义为“数字孪生”。2010年，美国国家航空航天局（NASA）在太空技术路线图中首次引入数字孪生概念，用于实现飞行系统的全面诊断和预测功能，以保障在整