时空数据科学的基础模型：教程与综述

文章预览

时空（ST）数据科学涵盖跨空间和时间的大规模数据感知、管理和挖掘，是理解城市计算、气候科学和智能交通等领域复杂系统的基础。传统的深度学习方法在这一领域取得了显著进展，尤其是在时空数据挖掘阶段。然而，这些模型仍然是任务特定的，通常需要大量标注数据。受基础模型（FM），尤其是大语言模型成功的启发，研究人员开始探索时空基础模型（STFMs）的概念，以增强跨多样化时空任务的适应性和泛化能力。与之前的架构不同，STFMs赋能了时空数据科学的整个工作流程，从数据感知、管理到挖掘，从而提供了一种更全面和可扩展的方法。尽管进展迅速，但对时空数据科学中STFMs的系统性研究仍然缺乏。本综述旨在全面回顾STFMs，对现有方法进行分类，并确定推动时空通用智能发展的关键研究方向。 1 引言 人类生活在一个由无数元素在空 ………………………………