时空依赖——空间地理路径的实践探索

时空数据是同时具有时间和空间维度的数据，现实世界中的数据超过80%与地理位置有关。一般来说，时空大数据包括时间、空间、专题属性三维信息（见图9-1），具有多源、海量、更新快速的综合特点。随着大数据的飞速发展，空间大数据的来源广泛、种类多样、数量巨大、更新迅速、服务多元等特点对传统的空间数据组织管理方式提出了更高的要求，同时也为下一代GIS的诞生带来了机遇。在时空依赖路径下，经济学开始打破新古典经济学沿用牛顿力学还原论思维而不考虑时间和空间演变问题的局限，从而将时空聚类、遥感图像识别、遥感特征抽取、时空数据可视化等新的分析手段引入宏观经济研究中。

图9-1 时空大数据的三维属性

第一节 主要分析方法：时空大数据分析

朱庆、付萧^[1]将目前的时空大数据分析方法划分为三大类。

表9-1 时空大数据分析方法分类

一 描述性分析

所谓描述性分析，主要是指通过不同类型时空数据（场景数据、时序数据、轨迹数据、多变元网络数据等）符号化或真实感的专题地图或逼真动态场景等形式表达直观展现多模态时空数据的分布、异常、聚集、演化等多维动态特征。典型分析方法包括时序数据可视分析、轨迹数据可视分析、网络数据可视分析等。

二 解释性分析

解释性分析则是数据驱动与模型驱动结合，通过示意性与沉浸式协同的增强现实可视化表达，进行深度挖掘分析，以实现对数据蕴含的规律和模式的分析与解释，如可视化方式实现数据挖掘过程及空间分析过程中参数调整和