时空AI与数实共生的未来城市
随着城市数字孪生的发展，时空人工智能（Spatio-Temporal AI）开始受到产学研的广泛重视。
时空人工智能作为AI的新型应用技术，其首要核心是推进落实城市新型基础设施之数字孪生底座建设，助力实现新型智慧城市自组织、自学习、自预测的智能泛在愿景。
时空人工智能：城市数字化转型的新引擎
世界是由时间、空间和知识组成的。随着技术的不断发展，地理空间智能的萌芽、城市空间智能的扩展，以及无处不在的时空大数据的规模化，让目前的智慧城市进入初级阶段。但是目前仅以静态数据为主，人机交互的能力尚且较弱，注重场景的环境但是可视化分析上仍有欠缺。
面对这些问题，通过与城市现代化治理场景、业务需求的紧密结合，并且逐步建立了以业务需求为导向的同一时空智能底座建设，使得数字城市发展到了第二阶段。
清华大学城市规划系主任武廷海
“未来城市将涌现出城市的信息空间，打破物理空间与社会空间之间的隔阂，并交织重组。未来城市实际上是物理空间、 社会空间和信息空间的融合体。”基于数字技术实现设施与服务的高效供需匹配，是数字技术背景下未来城市的核心特征。而实现这种基于动态时空的资源供需匹配所需要的核心技术之一，就是时空人工智能。
时空人工智能（Spatio-Temporal AI）是人工智能领域的新型创新应用技术，旨在以时空为“索引”对多源异构数据进行空化治理和融合，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。
时空人工智能是地理空间智能、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。
时空人工智能其首要核心是推进落实城市新型基础设施之数字孪生底座建设，通过城市数据时空价值释放与共享、时空动态数据资产构建等，助力实现新型智慧城市自组织、自学习、自预测的智能泛在愿景。
时空人工智能之关键技术
时空人工智能具有三大特点和六大核心能力。
主要特点：
数据拓展：数据空石化
模型增强：AI+时空算法
场景细化：精细化场景
核心能力：线下世界可感知（采集、融合）、可建模（理解、计算）、可分析（挖掘，推理）、可预测（人流、销量、异常、投放等）、可解释（现象到本质，由果及因）、可决策（干预、优化、规避等）。
时空人工智能可以使数据融合在“场景”数据基础上不断叠加，建立物理世界的“真实数据库”实现对任一场景“人-事-地-物-组织”全要素状态洞察与关联分析。
关键技术是时空大数据、时空大数据计算、时空知识图谱和时空信息可视化。
通过时空AI算法、知识图谱和可视化辅助建设数字孪生城市。比如先通过时空AI算法，对搜集到的数据进行预测、分类、异常处置和需求评估。然后，利用时空知识图谱对数据进行分析和拓展。最后利用时空信息动态可视化技术，让智慧城市的建设中3D技术与AI、VR技术进行深度结合，方便专家们进一步解读与下一步决策。
时空人工智能的生态应用
1、 城市智能
城市规划的诞生可回溯至十九世纪英国《内城地区法案》的诞生，其本质上是协调处理人-地关系的关联。但由于过去一方面无法在掌握城市空间精细化的形态特征与功能构成，一方面无法了解人的行为使用，使得在过去百年中产生重要影响的城市理论多为定性的经验归纳，城市规划、城市设计和城市管理基本都依赖于专家的主观经验判断，研究与实验往往只能在分析的规模与精度中择一深入。
而海量时空数据和时空人工智能的结合，有望改变“宏观尺度”与“微观细节”难以共存的难点。一方面提供兼具大规模与高精度的全景图像，另一方面在CIM本底的基础上通过智能化算法学习专家经验判断、解析建成环境领域的复杂问题，进而形成城市感知、城市 体检、更新规划、精细化城市设计与治理的行业闭环，推动行业范式的革新。
2、交通智能
城市居民是公共交通出行的组成主体，城市居民的出行活动规律是对城市公共交通运行状况的反映。因此居民出行活动的规律对于深刻理解城市公共交通具有重要的意义。当前，在大数据爆发的时代背景下，各种类型的时空轨迹大数据用于居民出行模式研究，如浮动车运行轨迹数据、交通智能卡刷卡数据等。
3、地理智能
随着时空地理大数据的爆发式增长和信息技术的推动，地理空间建模分析方法与人工智能技术具有广阔的交叉前景。时空人工智能的思想可以很好地顾及地理规律的复杂性、地理信息表达的多样性以及地理数据的不完备性等关键问题，为构建更加智能化的地理空间建模和分析方法提供扎实的理论基础和技术支撑，辅助人类更好地理解“人类-环境”复杂系统中的各类地理现象。
4、园区智能
产业规划是园区发展的基础所在。需要深入考虑本地经济水平、资源优势、配套支撑、产业基础等多重因素，传统基于专家经验指导的方法耗时长且无法保证能对复杂因素进行全局把控和科学分析，以致许多园区无法形成核心竞争力，呈现粗放发展模式。
基于时空人工智能能够对尚无产业规划的园区进行产业规划推荐，对已有产业规划的园区进行产业补全建议，聚集把优势传统特色产业做大做强、做优。结合知识图谱技术，将多源数据进行图谱化，利用图结构表示学习和相似子图计算，挖掘数据之间潜在的关联信息，最终服务于上层业务与客户。
时空人工智能赋能数字孪生城市案例
以城市时空智能平台为例，通过构建专业数学模型，全流程、全方位、全角度、全过程的对城市进行解构分析，对城市状态进行系统量化，模拟城市系统运行，感知城市体征，监测城市活动，预演各种建设效果对城市带来的影响，从而实现查看-监测-感知-预警-模拟-评估的全流程。
平台整体上分为数据层、计算层、应用层和决策支持层等四个部分。
城市状态量化：以规划大数据库为基础，将各类数据空间化，将城市状态、描述转化为可视化的规划指标。
城市体征可视：开展城市生命体征的量化研究，分专项用数据量化城市运行状态，在视图中可视，形成城市“仪表盘”。
城市规划预演：根据规划设想进行方案实施模拟与仿真预演，形成规划“预演室”。
城市评估决策：对城市运行状态进行动态检测，对照规划目标评估，为决策提供依据，形成城市仿真决策的智慧“大脑”。
针对不同的用户群体的使用需求，城市三维智能信息平台提供了四套视图，分别面向城市决策者、业务管理者、规划管理者以及公众。
2022年9月，河北建成首个国家级智慧城市时空大数据平台。石家庄智慧城市时空大数据平台整合了涉及全市基础时空、公共领域、自然资源、行业部门、物联网实时感知、互联网在线抓取共约700余类数据，融合形成了全市统一的时空大数据“一张图”。
总体而言，目前时空人工智能技术在促进城市数字孪生的发展中已经开始起到重要作用。时空人工智能的生态应用已涉及城市的智能感知与设计、交通智能管治理、地理智能分析以及园区智能管理等多个领域，在多级、高频和高精度的时空大数据与人工智能算法的支持下，可以实现精准化、动态性和高效性的智能城市治理，取得了一定的实践经验与成效。
为了进一步适应城市发展的科学性、包容性和弹性需求，未来需要加强时空人工智能技术与城市数字孪生城市发展的深度的融合，从动态数据库高质量建构、智能算法迭代优化以及应用场景多元拓展等方面持续努力。
责编：岳青植
监制：李红梅
文章参考：
1.《前瞻：十大前沿科技应用趋势，数字孪生、数字人、Web3趋势报告》腾讯研究院
2.《同济大学王昊奋：时空AI到底是什么，能与数字孪生擦出怎样的火花？》智东西
3.《全球讯息：城市救灾、疫情智能防控、商业娱乐……时空AI正在为智能城市建设提供技术支撑》劳动报