真实的国产乱ⅩXXX66竹夫人,五月香六月婷婷激情综合,亚洲日本VA一区二区三区,亚洲精品一区二区三区麻豆

成都創(chuàng)新互聯(lián)網站制作重慶分公司

時空人工智能概念特點和核心能力-創(chuàng)新互聯(lián)

在網站建設、成都網站制作過程中,需要針對客戶的行業(yè)特點、產品特性、目標受眾和市場情況進行定位分析,以確定網站的風格、色彩、版式、交互等方面的設計方向。成都創(chuàng)新互聯(lián)公司還需要根據客戶的需求進行功能模塊的開發(fā)和設計,包括內容管理、前臺展示、用戶權限管理、數據統(tǒng)計和安全保護等功能。

一、概念定義

時空人工智能(Spatio-TemporalAI)是人工智能領域的新型創(chuàng)新應用技術,旨在以時空為‘索引’對多源異構數據進行時空化治理和融合,并借力知識工程和AI算法進行智能化分析,從而挖掘知識和輔助決策。時空人工智能是上述提出的地理空間智能、城市空間智能和時空大數據智能等的統(tǒng)一表示,包括從時空感知、認知到決策的多項核心技術。其應用生態(tài)領域非常廣泛,包括智慧城市、智能交通、智能園區(qū)、智能零售、智能地產、智能商業(yè)等多個領域。

其首要核心是推進落實城市新型基礎設施之數字孿生底座建設,通過城市數據時空價值釋放與共享、時空動態(tài)數據資產構建等,助力實現(xiàn)新型智慧城市自組織、自學習、自預測的智能泛在愿景。以“賦能、創(chuàng)新、合作、共享”為理念,推動布局構建開放共享、普惠全球的時空人工智能技術和應用平臺。助力智慧城市各個領域的技術成果轉換、應用場景落地、標準研究和制定以及行業(yè)生態(tài)建設等方面的發(fā)展,加快城市數字化轉型和構筑動態(tài)數字孿生城市新范式。

二、主要特點

時空AI作為AI的新型應用技術,具有三大技術特點、和六大核心能力。

1、數據擴展:數據時空化

實現(xiàn)對匯聚獲取的各類數據等添加時空標識,即時間、空間和屬性“三域”標識。時間標識注記該數據的時效性,空間標識注記空間特性, 屬性標識注記隸屬的領域、行業(yè)、主題等內容,以便后續(xù)的數據整理。

時間標識注記該數據的時效性,便于后續(xù)的時空大數據整理。數據本身帶有的時間標識,記錄的是數據采集、生產或修改的具體日期。而加入的時間標識,主要記錄了數據匯集的時間節(jié)點,便于時空數據統(tǒng)一管理和分析。針對不同的數據類型,采用不同的時間標注方式。分別為按幅標注、按類型/比例尺和批次標注。流式數據可以看作是流動的數據,在接口匯入的同時必須打上時間域標簽才可以寫入時空數字底座。匯入的數據必須經過統(tǒng)一的脫敏過程,去掉敏感信息,才能提供給用戶調閱、下載、分析。

通過建立數據時空化子系統(tǒng),實現(xiàn)業(yè)務數據時空化落圖的能力。包含時空化數據接入、數據清洗、時空化處理、數據決策、數據導出等模 塊。

對于匯聚的數據,進行時空融合關聯(lián)。對海量、不同來源、不同分辨率空間數據的高效融合和關聯(lián),對充分挖掘數據價值、降低時空大數 據應用系統(tǒng)的建設成本、提高空間數據的使用效率具有重要的現(xiàn)實意義。通過知識圖譜的方法,能夠支持對多源異構數據進行深度融合。

2、模型增強:AI+時空算法

從數據匯集到數據時空化再到數據融合,將AI+時空算法加入動態(tài)監(jiān)測、異常評估,而非發(fā)現(xiàn)要素將結果直接呈現(xiàn),發(fā)現(xiàn)數據的時空規(guī)律,輔助決策。一方面是知識由薄到厚的積累,一方面以精確的方式給決策相關方提供有效信息而非大量的冗余的信息,提高問題處置效率,在精細化的管理的同時保證決策的高效執(zhí)行。

通過引擎與服務的形式,嵌入AI+時空算法,根據不同的業(yè)務場景,使用不同的模型或工具,達到動態(tài)監(jiān)測、異常診斷、評估優(yōu)化,從而輔 助發(fā)現(xiàn)問題、解決問題,反饋機制制定,輔助決策。

AI+時空算法服務能夠解決機器學習的“最后一公里”問題,用于發(fā)布服務、監(jiān)控和解釋模型、升級并回滾服務。經過訓練,在得到滿足性能要求的模型之后,在一般情況下,需要對外發(fā)布服務,使模型發(fā)揮作用。目前AI服務的功能不僅是服務的發(fā)布和管理,還包括模型解釋、 預測之后的行為定義等

3、場景細化:精細化場景

在靜態(tài)建?;A上,通過疊加多維實時動態(tài)數據和AI分析數據,支持以生命體、有機體這樣的視角對最小治理單元進行感知和管理,并 且構建了系統(tǒng)化的數字生命體征,實現(xiàn)城市運行管理的實時預判、實時發(fā)現(xiàn)、實時處置。

實現(xiàn)最小單元事件、客流感知、預測、預警,實現(xiàn)政府和市場主體之間上下貫通、相互聯(lián)動的協(xié)同工作模式,實踐了從崗位責任閉環(huán)、市 場主體閉環(huán)、城運閉環(huán)、應急處置閉環(huán)到兩網融合閉環(huán)的“五級閉環(huán)”管理新機制。具體場景包括但不限于:

(1) 高空墜物應用場景

針對高空拋物、外立面附屬設施、沿街樓層裝修、窗戶狀態(tài)(開窗、破損)等高空墜物高發(fā)場景,通過在外立面安裝傳感器或攝像頭等設備,24小時監(jiān)控。結合AI+時空智能算法和建筑的數字孿生模型,進行對比,及時發(fā)現(xiàn)異常,及時預警。

(2) 消防安全應用場景

針對樓道飛線充電、安全通道占道堆物、智能煙感(后續(xù)視實際情況安裝)等消防安全應用場景,感知設備7*24小時巡查,結合AI+時空 算法發(fā)現(xiàn)相關問題生成預警,經城運指揮平臺生成工單,通過政務微信高效一件事派單物業(yè)經理(若為居民小區(qū),則派給居委干部),工作 站同步收到消息,并關注事件處置情況,并同步在3D建模的樓層圖內展示相關問題點位。

(3) 店招店牌管理

在店招牌周邊安裝感知設備,經過AI+時空算法的分析預測,分析并預測松動、搖晃、(接近危險數值)或零部件腐蝕等情況,設備報警, 將信息報給就近工作站、居委會、及物業(yè),提醒商家或物業(yè)盡快修復問題店招。責任主體:考慮實際情況的復雜性和多樣性,將經營者作為 對店招安全管理的直接負責人,業(yè)主為間接負責人,二者之間的責任具有連帶關系。

(4) 地下管線應用場景

針對小區(qū)、大樓、公共空間等場景,提出智慧管線管理概念,通過安裝智能感應設備、GIS與GPS定位,結合管線圖紙、硬件層、物聯(lián)網實現(xiàn)管線設施將設備與事件關聯(lián)并數字化管理,使用AI+時空算法技術,在線監(jiān)測與預測,一張圖展示地下空間,提升極端天氣和突發(fā) 事件帶來的事故維修處置能力,降低人工排查的勞動強度,精準定位事故根源點位,同時將基礎管理數據納入常態(tài)長效管理機制,預判風險,加強維護巡查,為居民安全保駕護航。

三、核心能力

1、可感知(采集、融合)

構建時空數據采集體系。針對不同的社會化數據源,對多種數據源進行采集數據入庫,通過多端口數據讀取,文件系統(tǒng)數據讀取,多接 口數據隊列,數據全表對比,實時消息隊列建立進行整體的數據采集體系。面向任務需求,整合相關社會化數據,如城市人群數據、產業(yè)經 濟數據等。

對各類結構化、非結構化的時空大數據,在序化前的處理工作,總體上包括:統(tǒng)一格式、一致性處理和空間化。

2、可建模(理解、計算)

根據實際的應用需求,構建基于時空數據挖掘工具、時空人工算法平臺。時空數據挖掘工具系統(tǒng)建立在數據挖掘的各個環(huán)節(jié)中,支撐時空數據引擎算法的產出。

搭建標簽計算工具,定義元標簽,并且定制規(guī)則,利用元標簽規(guī)則組合邏輯,定義新維度標簽,并且對標簽進行校驗,最終業(yè)務輸出。搭建客流計算工具,對各大場景客流維度進行計算,包括但不限于總客流,到訪客流,各不同時間維度客流等,結合不同時間和場景對客流進行計算,最終業(yè)務輸出。搭建數據生產工具,針對線上或線下數據,包括但不限于:線下POI、AOI、線下品牌門店,特定場景等進行數據獲取,數據清洗和審核入庫,保證其數據在各個環(huán)節(jié)均可查,可審核,保證數據生產流程透明化。搭建數據標注工具,對線上或線上數據進行 標注,比如場景邊界繪制,場景描述,場景標簽標注等,包括標注工具的開發(fā),流程制定等。搭建數據運營工具,針對數據進行整體的運營操 作,比如數據質量的分析,數據場景的規(guī)劃,數據報告的輸出等。

時空人工智能平臺支持大部分機器學習工具框架,如TensorFlow、PyTorch、Scikit-Learn、XGBoost、Keras、MLlib、MXNet等。針對不 同的機器學習框架提供基于Kubernetes的資源調度和分布式訓練的能力,以縮短訓練時間,提高模型的時效性。用戶無須進行復雜的配 置和平臺分配工作,只需關注數據的輸入、代碼的運行、日志的輸出即可。

平臺算法庫涵蓋豐富的機器學習與深度學習模型,以支撐時空數據計算與分析、數據治理和挖掘,并能夠適配不同的應用場景,為上層 智能發(fā)現(xiàn)服務提供算法支撐。例如循環(huán)神經網絡處理時空序列數據,以學習時空數據的時間依賴性,被廣泛應用在各類時空預測任務上, 如軌跡預測、人流量預測、流失預測、異常事件檢測等等。圖神經網絡可用于地址匹配、社交網絡、可解釋性推薦系統(tǒng)、關聯(lián)分析、比較分析、 相似度分析、人群畫像、場景畫像等等。

3、可分析(挖掘,推理)

人口分析。運用大數據分析的方法,獲取互聯(lián)網等大數據,制定網格價值評估模型,通過網格內用戶價值評估結果對網格進行畫像。運 用大數據技術構建網格畫像分析模型的方法,通過在地圖上任意網格或網格組合,實時對該網格區(qū)域內居住人口、工作人口、企業(yè)、基礎設 施、公共安全等進行分析推理,形成直觀的分析成果。可以快速分析出網格區(qū)域內包含人口綜合分析、人口流動趨勢、社區(qū)比較、社會治安 等標簽的區(qū)域畫像,可以有效的輔助政府相關人員快速了解本市各區(qū)域形勢,以便于更合理有效進行民生、治安、資源分配等工作的進行, 為政府工作的人員提供便利,更好的為民眾服務。

客流統(tǒng)計,對于人群分析而言意義非凡,因此客流的統(tǒng)計方式也是需要我們主動掌握的,并需要我們結合不同場景靈活使用不同的客 流統(tǒng)計方式。對客流監(jiān)控可為各類場所運營方提供人流量峰值、累計人數、人流量區(qū)域分布熱圖等基礎信息,還提供了進入某個區(qū)域的概 率(比如商場進店率)、駐留率等分析信息,同時通過數據呈現(xiàn)出某個區(qū)域(比如某個景點)的人流量情況、以及整個場所的人流量變化的走勢圖。而運用指數統(tǒng)計的方式,更能從宏觀角度體現(xiàn)場所一段時間內的趨勢情況,從而通過數據提出有利的決策??土髦笖祫t是運用空間 層次以及時間層次的推算模型,在客流指數理論架構及模型推算基礎上。通過對客流評估指數與客流密集指數進行相關驗證,證實客流指 數可以正確的反應客流的密集情況。

軌跡熱力在固定區(qū)域和固定人群中,可通過對部分人群的歷史流動情況進行可視化呈現(xiàn),達到對人軌跡的分析,統(tǒng)計,預防和抓捕的效 果。分別從人群畫像、流動軌跡、任務與反饋和人群密集度等維度進行分析,獲取不同的細分人群,如可細分為可疑人員,關注人員,常駐人 口或流動人口,未落地人員軌跡,群體出行、敏感軌跡等人群。針對不同人群進行人員信息分布統(tǒng)計,包括人員分析,熱門場所分析推理等, 進行可視化呈現(xiàn)。

軌跡熱力的宏觀運用上,可運用區(qū)域的熱力圖來支持決策,通過監(jiān)測系統(tǒng)來檢測項目的多個區(qū)域,確定每個區(qū)域的人群數量,并且該監(jiān) 測系統(tǒng)包括多個傳感器,如攝像機,運動傳感器等;通過熱力圖生成模塊生成項目,建立分析項目,為決策的實施提供具有操作性的分析結論。

產業(yè)分析。融合多維企業(yè)數據,360度還原企業(yè)全貌,如發(fā)展階段、人才分布、產品亮點、行業(yè)地位等,以可視化圖表展示。結合海量數據 和精準算法,就企業(yè)行為、產品銷量、經營風險等進行預測。

根據企業(yè)畫像,通過分析企業(yè)近期新聞、招聘等行為數據,智能提取企業(yè)需求。對創(chuàng)業(yè)服務機構服務人員來說,可在企業(yè)轉型、融資等諸多關鍵節(jié)點進行科學引導,采取相應措施推動企業(yè)發(fā)展。

在洞察企業(yè)需求后,基于創(chuàng)業(yè)服務機構資源矩陣,線上智能匹配服務,線下企業(yè)服務人員配置個性化服務,讓企業(yè)服務體驗更精準。

面向企業(yè)聚集區(qū)(科技園、產業(yè)園、孵化器等)的運營機構的大數據管理工具,協(xié)助園區(qū)把企業(yè)數據變成可運營的資產,為企業(yè)提供更廣泛、 更高效、更精準的服務。助力園區(qū)管理者降低溝通成本、激活內外資源、實現(xiàn)快速發(fā)展。助力企業(yè)服務人員提升服務質量、提高工作效率、加強內部互動。

4、可預測(人流、銷量、異常、投放等)

時空人工智能預測的核心在于高效的機器學習與深度學習算法,能夠根據時空歷史數據預測其未來觀測值。因卷積神經網絡(CNN)、 循環(huán)神經網絡(RNN)、圖神經網絡(Graph Neural Networks,GNN)和序列到序列(sequence to sequence,Seq2Seq)等深度學習模型 在時空域上具有強大的自動特征學習能力,被廣泛地應用于各類時空數據預測建模任務中。對于不同的應用,輸入和輸出變量都可以屬于 不同類型的時空數據實例,包括點數據、時間序列數據、空間地圖數據和軌跡數據等,根據數據類型特點將采取適用的深度學習模型或進 行組合建模來實現(xiàn)對未來場景的預測。

基于城市全域時空感知數據的采集、高性能計算引擎和云服務加持以及知識圖譜的知識融合和知識嵌入,能夠實現(xiàn)對海量異構時空數 據的實時動態(tài)分析預測和可解釋性預測,服務于各類智慧城市應用場景:具體包括但不限于城市交通管理場景下的道路交通流量預測、擁 堵預測、交通事故預測、出租車及網約車供需關系預測和異常事件檢測,出行服務場景下的人群流量預測、出行目的地預測和出行方式預 測,氣象分析中的天氣狀況預測和空氣質量、濕度、噪音等環(huán)境質量預測,商業(yè)經營中的商品銷量預測、客流轉換率預測、客戶消費水平預 測、消費偏好預測、物流軌跡預測和廣告投放預測,產業(yè)園區(qū)運營中的企業(yè)及人才流失預測、園區(qū)及企業(yè)風險預警和輿情預測等。

5、可解釋(現(xiàn)象到本質,由果及因)

解釋數據,是指利用知識庫中實體、概念、關系解釋現(xiàn)象的過程。神經網絡端到端學習的“黑箱”特性使得很多深度學習模型不具有可解 釋性,嚴重依賴專家和人工干預,且數據中蘊含的大量隱性知識和過程知識等難以表達,在大量應用場景尤其是低容錯高風險場景中,機 器結果因無法完全置信而需要謹慎使用,例如城市交通智能調度、金融的智能投顧等等。時空人工智能能夠結合知識圖譜技術有效彌補傳 統(tǒng)領域技術解決方案缺乏時空化管理,傳統(tǒng)GIS(Geographic Information System, 地理信息系統(tǒng))和CIM平臺缺乏領域數據的深度挖掘 和關聯(lián),單純依賴機器學習和深度學習的傳統(tǒng)人工智能平臺解釋性差、可擴展性低等問題。

萬事萬物都處在一個復雜的因果網絡中,隱含大量待挖掘知識。時空知識圖譜可以對碎片化的時空數據進行關聯(lián)和融合,為其提供元數 據,使得自主、普適融合成為可能。對于蘊含豐富時空語義知識的行業(yè)大數據,知識圖譜可以有效補齊缺失的因果鏈條。通過知識表示、知 識融合、推理計算等技術,結合行為結果數據深溯其產生背景或原因,知其然且知其所以然,進而深化對行業(yè)數據的理解與洞察,大程度 釋放數據價值。實現(xiàn)時空數據中的實體、概念、聯(lián)系和主題認知,挖掘大量知識為分析和預測任務提供更加多元化的信息,對提高時空數據 的使用效率、高效賦能業(yè)務場景具有重要的現(xiàn)實意義。

6、可決策(干預、優(yōu)化、規(guī)避等)

根據數據關聯(lián)及決策管理需求,建立豐富的業(yè)務應用場景智能分析模型,將時空人工智能的決策能力賦能城市運行智能發(fā)現(xiàn)和干預優(yōu) 化,為管理決策者提供科學、可靠、智能化的服務支撐,實現(xiàn)從“數據智能”邁向知識驅動的“決策智能”。決策能力的關鍵在于時空知識圖譜 可視化技術,其核心包括建立在圖數據庫上的高效查詢機制、通過可視化方式輔助用戶快速發(fā)現(xiàn)業(yè)務模式、提供友好的可交互模塊滿足探 索式知識檢索與分析推理,以及大規(guī)模知識圖環(huán)境下的圖挖掘算法支撐等。知識圖譜中的圖挖掘算法一般包括圖遍歷、路徑分析、關聯(lián)分 析、權威節(jié)點分析、社群發(fā)現(xiàn)、相似子圖計算、模糊子圖匹配和鏈接預測等。

基于知識網絡,通過圖挖掘算法進行輔助分析,以圖譜可視化的方式展示知識間的關聯(lián)??梢詫﹃P聯(lián)參數,如步長、過濾條件等,以及可 視化的形態(tài),如節(jié)點顏色、大小、距離等進行定制,使得用戶可以用更加直觀的圖譜方式對數據進行關聯(lián)挖掘與分析,從而為可視化決策支 持賦予不同的業(yè)務含義,實現(xiàn)定位、評估、歸因、優(yōu)化全生命周期的智能化行業(yè)管理。例如,決策支持可對產業(yè)園區(qū)知識圖譜中的企業(yè)及產 業(yè)發(fā)展情況進行深度解讀。通過園區(qū)屬性查詢、節(jié)點探索、路徑發(fā)現(xiàn)、園區(qū)關聯(lián)探尋、對比分析等交互式圖譜可視化分析技術,全方位展示 園區(qū)信息,幫助園區(qū)實現(xiàn)從前期園區(qū)產業(yè)定位、園區(qū)發(fā)展指標評估、與標桿園區(qū)的對比歸因到細粒度優(yōu)化建議的動態(tài)化管理。

互聯(lián)互通社區(qū)


互聯(lián)互通社區(qū)專注于IT互聯(lián)網交流與學習,旨在打造最具價值的IT互聯(lián)網智庫中心,關注公眾號:互聯(lián)互通社區(qū),每日獲取最新報告并附帶專題內容輔助學習。

方案咨詢、架構設計、數字化轉型、中臺建設、前沿技術培訓與交流,合作請+微信:hulianhutongshequ


當前題目:時空人工智能概念特點和核心能力-創(chuàng)新互聯(lián)
文章地址:http://weahome.cn/article/dpscjh.html

其他資訊

在線咨詢

微信咨詢

電話咨詢

028-86922220(工作日)

18980820575(7×24)

提交需求

返回頂部