时空地理大数据,地理的时空读后感

时空 Da 数据，时空Da数据的特点是既有时间属性又有空间属性，就像讲深度学习，经常讲图像识别之类的，这个很重要。如果对深度学习略知一二，需要用CNN(卷积神经网络)做图像识别，主要挖掘的是空间的可变性，所以时空 Da 数据和图像识别有相通之处。在时间方面，还有一个时间属性，RNN，它是递归神经网络处理序列的数据。这些时空-2/也包括在内。

同时，另一个时空 Da 数据的特点是数据的类型很多。要解决一个问题，我们需要各种信息，比如预测在线租车订单供需的应用。数据有多种类型，如GPS、订单数据、天气数据、附近路况数据。这和原来的深度学习问题不一样。图像识别只需要图像，语音识别只需要声音，而时空large数据有各种数据和这些-2。

智慧城市是建立在数字城市和安全城市基本框架上的全新实体。它通过物联网将现实世界与数字世界有效融合，自动实时感知现实世界中人和物的各种状态和变化，云计算中心处理海量复杂的计算和控制，为城市管理和公众提供各种智能服务。从国家政策来看，我国“863计划”智慧城市项目总体技术框架由科技部863计划“智慧城市(一期)”项目支持，863计划智慧城市项目(一期)总体团队提出了“六横两纵”的智慧城市技术框架。

地理加权回归是一种探索空间非平稳性的方法。空间非平稳性是指一个简单的“全局”回归模型不能完全解释a 地理 region中某些变量之间关系的情况。相反，模型的性质应该随着空间的变化而变化，以反映数据中的结构。例如，在a 地理 area中，与危险因素相关的疾病风险是否保持不变，或者在该区域的某些点上关系是否更强。Brunsdon等人(1996)开发了地理加权回归，试图通过校准多元回归模型来捕捉这种空间变化，多元回归模型允许变量在空间的不同点之间具有不同的关系。

这与回归集中观测点附近采样的观测结果比更远的观测结果对该点回归参数的影响更大的观点是一致的。然后，在所定义的区域的每个点生成一组参数估计。然后我们可以用GIS软件画出这些参数估计值，确定变量之间的关系在哪里变化，从而提供一个有用的探索性分析表格。两个假设可以用蒙特卡罗方法检验:数据可以用全局模型而不是非平稳模型来描述。

地理信息产业发展趋势向好。“互联网加测绘”将成为行业新常态地理信息产业是现代测绘技术、信息技术、计算机技术、通信技术、网络技术相结合而发展起来的综合性产业。不仅包括GIS( 地理信息系统)行业、卫星定位导航行业、航天遥感行业，还包括传统测绘行业和地理信息系统的专业应用，以及LBS(基于位置的服务)、地理信息服务和各种相关技术及其应用。

1专题地图编制的思路发生了变化数据时代，顶层理念发生了变化，数据处理理念也发生了很大的变化。首先，数据更全面，综合的数据分析更具有全局性、客观性和代表性。信息的时效性、多维性和细粒度有利于克服抽样统计的片面性、主观性和随机性。large数据Times数据种类多，精度不同，也有一些选择性和健壮性的问题，但是异构性的存在与实体的真实存在不谋而合。

数据算法无论简单还是复杂，都必须是宽容的。2专题地图数据比较传统的地图学数据主要来自测绘领域。比如专题图的数据，主要来源于:(1)地面测量就是实地测量数据；(2)遥感与摄影测量影像数据；(3)各种GPS测量数据；(4)各种地理surveys数据书面材料和各种专题统计数据。专题地图的底图由普通地理地图的各种地形图、底图要素和专题表达要素组成。专题元素图形数据的制作多为专题统计数据，是基于统计数据的分析、加工和处理。

早期的GIS系统几乎是完全独立的，有自己特定的软件组件、文件格式和自己专用的采集空间数据，不同GIS系统之间很少交互和集成。随着网络和数据图书馆技术的发展和GIS应用领域的扩大，发展了许多空间数据集成理论和方法，根据侧重点的不同，地理空间数据集成的概念可分为以下几类:①从①GIS功能的观点出发，认为数据集成是地理信息系统的基本功能；(2)简单组织转化观，认为数据整合是数据层的简单重组；③从过程的观点出发，认为地理空间数据的整合是在一致的拓扑空间框架内建立曲面描述或使同一数据信息系统中的不同地理集合相互兼容的过程；④从关联性的角度，认为数据 integration是属性数据和空格数据的关联性。