时空人工智能具有什么特点？

时空人工智能具有三大技术特点。

1.数据扩展：数据时空化

实现对汇聚获取的各类数据等添加时空标识，即时间、空间和属性“三域”标识。时间标识注记该数据的时效性，空间标识注记空间特性， 属性标识注记隶属的领域、行业、主题等内容，以便后续的数据整理。

时间标识注记该数据的时效性，便于后续的时空大数据整理。数据本身带有的时间标识，记录的是数据采集、生产或修改的具体日期。而 加入的时间标识，主要记录了数据汇集的时间节点，便于时空数据统一管理和分析。针对不同的数据类型，采用不同的时间标注方式。分别 为按幅标注、按类型/比例尺和批次标注。流式数据可以看作是流动的数据，在接口汇入的同时必须打上时间域标签才可以写入时空数字底 座。汇入的数据必须经过统一的脱敏过程，去掉敏感信息，才能提供给用户调阅、下载、分析。

通过建立数据时空化子系统，实现业务数据时空化落图的能力。包含时空化数据接入、数据清洗、时空化处理、数据决策、数据导出等模 块。

对于汇聚的数据，进行时空融合关联。对海量、不同来源、不同分辨率空间数据的高效融合和关联，对充分挖掘数据价值、降低时空大数 据应用系统的建设成本、提高空间数据的使用效率具有重要的现实意义。通过知识图谱的方法，能够支持对多源异构数据进行深度融合。

2.模型增强：AI+时空算法

从数据汇集到数据时空化再到数据融合，将AI+时空算法加入动态监测、异常评估，而非发现要素将结果直接呈现，发现数据的时空规 律，辅助决策。一方面是知识由薄到厚的积累，一方面以精确的方式给决策相关方提供有效信息而非大量的冗余的信息，提高问题处置效 率，在精细化的管理的同时保证决策的高效执行。

通过引擎与服务的形式，嵌入AI+时空算法，根据不同的业务场景，使用不同的模型或工具，达到动态监测、异常诊断、评估优化，从而辅 助发现问题、解决问题，反馈机制制定，辅助决策。

AI+时空算法服务能够解决机器学习的“最后一公里”问题，用于发布服务、监控和解释模型、升级并回滚服务。经过训练，在得到满足性 能要求的模型之后，在一般情况下，需要对外发布服务，使模型发挥作用。目前AI服务的功能不仅是服务的发布和管理，还包括模型解释、 预测之后的行为定义等。

3.场景细化：精细化场景

在静态建模基础上，通过叠加多维实时动态数据和AI分析数据，支持以生命体、有机体这样的视角对最小治理单元进行感知和管理，并 且构建了系统化的数字生命体征，实现城市运行管理的实时预判、实时发现、实时处置。

实现最小单元事件、客流感知、预测、预警，实现政府和市场主体之间上下贯通、相互联动的协同工作模式，实践了从岗位责任闭环、市 场主体闭环、城运闭环、应急处置闭环到两网融合闭环的“五级闭环”管理新机制