基于深度学习的道路短期交通状态时空序列预测
上QQ阅读APP看本书,新人免费读10天
设备和账号都新为新人

1.1 时空数据

万事万物都存在于时空当中,天然地具有时间和空间两个维度的特性。在描述一个事物的状态时,最为自然的选择当属时间和空间两个维度。

数据是对事物状态的具体描述。对事物时间维度状态的描述中非常重要的一类数据就是时间序列数据(如一个交通观测站一天中每个小时观测到的交通流量所构成的时间序列),而对事物空间维度状态描述中非常重要的一类数据就是空间面板数据(如一个特定地理位置的交通观测站,在某个时段内观测到的交通流量、平均交通速度、交通密度等数据)。而如果面对的数据是在一个路网内,不同地理位置的n个交通观测站,在连续T个时段内观测到的交通流量、平均交通速度、交通密度等数据,那么这个数据由于同时具有时间和空间两个维度的特征,就被称为时空数据。

时空数据定义目前还没有一个统一的标准,以下是有代表性的2种定义,读者可以参考,虽然形式不同,但内涵的意义是一致的。

(1)同时具有时间和空间维度的数据称为时空数据。

(2)时空数据是指具有时间元素并随时间变化而变化的空间数据,是描述地球环境中地物要素信息的一种表达方式。

近年来,随着全球定位、传感器、通信等信息技术的大规模商业化落地,以及各种移动终端、数据采集设备的普及化应用,时空数据的采集和存储量空前巨大,以至于时空数据与大数据的概念充分融合而形成了时空大数据。时空大数据的种类很多,包含了手机信令数据、网约车(如滴滴出行、Uber等)订单数据、出租车GPS定位数据、地铁刷卡数据、气象观测数据、人口普查数据等。