人工智能赋能时空大数据平台

王家耀

(河南大学，河南 郑州 475001)

0 引言

自大卫·希尔伯特1900年宣布与人工智能(Artificial Intelligence，AI)有关的2个世界性难题以来已经过百年，经历了梦想期、推理期、知识期和学习期，特别是近十余年来脑科学与智能感知技术和物联网技术的快速发展，AI正在催生新的产业，“智能+”正在快速跨界发展，“智慧大脑”在智慧城市、智慧交通、智能物流、智慧农业、智慧医疗和智能电网等许多领域都得到了应用。

英国维克托·迈尔·舍恩伯格和肯尼思·库克耶所著的《大数据时代》开国外大数据研究之先河，大数据开启了一次重大的时代转型，即思维变革、商业变革和管理变革。

时空大数据是基础地理数据与部门业务专题数据的融合，它的提出具有深刻的哲学依据和实践需求，是大数据的深化研究，是人类面临的问题的变化、人类需求的变化和技术发展变化的产物。

时空大数据平台是“智慧大脑”三要素(智能感知系统、智能存储管理系统和智能操作系统)之一，AI赋能时空大数据平台是新的发展趋势。

1 人工智能时代正在到来

1.1 怎样理解人工智能

AI是研究开发用于模拟、延伸和扩展人的智能的理论、方法、技术及应用系统的一门新的技术科学，是计算机科学的一个分支。它试图了解智能的实质，并生产出一种新的能与人类智能相似的方式做出反应的智能机器。AI领域的研究包括机器人、语音识别、图像识别、自然语言处理和专家系统等。总的来说，AI研究的一个主要目标是使机器能够胜任一些通常需要人类智能才能完成的复杂工作。

1.2 人工智能百年曲折道路

AI技术从提出至今已整整一百年，其间经历了梦想期、推理期、知识期和学习期这4个阶段[1-2]，这是AI逐步深化发展的过程。

(1) 梦想期(梦想探索)。最早由大卫·希尔伯特在1900年宣布了23个世界性难题，其中第2和第10这2个问题与AI密切相关，最终促成了计算机的发明；库尔特·哥德尔于1931年提出了“哥德尔不完备性定理(AI不可能超过人类)”，被美国《时代周刊》评为20世纪最具影响力的数学原理；接着，艾伦·图灵针对大卫·希尔伯特提出的第10个问题中“机械化运算过程”(今天称之为“算法”)设想出了一个机器——图灵机，圆满地刻画出了“机械化运算过程”的含义，最终为计算机的发明做了铺垫，并于1950年发表了《机器能思考吗？》一文，提出了“图灵测试”标准；冯·诺依曼于1945年提出了“冯·诺依曼体系结构”，最终推动人类历史进入了信息社会，使AI之梦成为可能；诺伯特·维纳于1948年提出了“控制论”，揭示了用机器模拟人的可能性，为AI的提出奠定了重要基础。

(2) 推理期(1956年AI元年)。约翰·麦卡锡、马文·闵斯基(人工智能与认知学家)、克劳德·香农(信息创始人)、艾伦·纽厄尔(计算机科学家)和赫伯特·西蒙(诺贝尔经济学奖得主)等于1956年8月聚集在美国达特茅斯学院开了2个月的会，主题是“用机器来模仿人类学习及其他方面的智能”。会议虽然未取得共识，但为讨论的内容取了一个名字——AI。因此，1956年成为AI元年。达特茅斯会议促使AI获得了井喷式发展，概括起来主要有四大成果：① “机器定理证明”，以纽厄尔和西蒙等为代表，是最先取得重大突破的领域之一；② “四色定理”，由凯尼斯·阿佩尔和沃夫冈·哈肯等提出，对于任意地图，最少仅用4种颜色就可以染色该地图，并使任意2个相邻的国家(或行政区域)不会重色；③ “机器学习”，阿瑟·萨缪尔设计的跳棋程序具有自学习功能；④ “模式识别”，奥利弗·萨尔夫瑞德(1956年)、纽厄尔和西蒙(1957年)以及詹姆斯·斯拉格(1963年)等研制开辟了模式识别这一新领域。但是好景不长，自然语言理解成了AI的“硬骨头”，AI研究遇到了挫折，项目研究经费被削减。

(3) 知识期(专家系统)。面对短暂的挫折，爱德华·费根鲍姆通过分析提出了传统AI之所以会陷入僵局，是因为过于强调使用通用求解方法，而忽视了具体知识的运用，认为AI必须引入知识，于是一个新的研究领域——专家系统诞生了。第一个专家系统于1968年问世，随后不断涌现出各式各样的专家系统。在1977年“第五届人工智能大会”上提出了“知识工程”这个全新领域，在其刺激下，日本、英国、西欧、美国和中国等陆续推出有关计划，致使20世纪60—90年代国内外都出现了专家系统研究热潮。但是，知识获取这个新的棘手问题又摆在了面前。

(4) 学习期(自下而上的启发式)。面对知识获取的“知识工程”瓶颈问题，传统的AI研究主张让专家们自上而下地设计，被统称为“符号学派”；而另外一些研究AI的人则主张通过自下而上的学习获取知识，分别被称为“连接学派”和“行为学派”。自20世纪80—90年代，三大学派形成了三足鼎立的局面。“符号学派”，以约翰·麦卡锡、纽厄尔和西蒙等为代表，集专家、知识、规则和推理于一体，多次人机大战取胜；“连接学派”，即早先神经网络法(以沃伦·麦卡洛克和沃尔特·匹茲等为代表)、多层神经网络即BP算法(以杰夫·辛顿、阿瑟·布赖森等为代表)及统计学习理论(以弗拉基米尔·万普尼克和亚历克塞·泽范兰杰斯为代表)；“行为学派”与“符号学派”和“连接学派”不同，它是从简单的昆虫入手来理解智能是怎样产生的，先后研制了机器昆虫(罗德尼·布鲁克斯)、遗传算法(约翰·霍兰)、蚁群算法以及模拟群体行为的免疫算法(克雷格·雷诺兹、肯尼迪等)。三大学派总的目标一致，但它们分别是从高、中、低3个层次来模拟AI，其理论基础和计算机模型都存在很大差异，而现实中的AI系统却是一个整体，三大学派正是在这样的“分裂与统一”中使AI进入了新世纪。

1.3 20世纪60—90年代国内外专家系统研究的反思

20世纪60—90年代，国内外先后曾出现专家系统研究热潮，处于“知识期”，可是后来热潮却不在了。原因是什么呢？钱学森先生早在1984年就指出过，“我以为外国人工智能工作，似乎急于求成，而基础理论工作不扎实。我们当然最后要取得应用成果，但不能没有理论指导，理论与实践相结合。”[3]时隔17年后，李娜在2011年的《科技导报》发表文章《被批20年无进展，人工智能需要重启》指出，为什么没有机器人能够修复日本的核反应堆？原因是AI研究在20世纪60年代和70年代取得了很大进步，但随后走上了错误道路。作者引用AI和认知科学领域的奠基人马文·闵斯基和帕特里克·温斯顿的话：“过去20年中AI本来是应该取得更大进展的，问题发生在20世纪80年代，AI研究资金开始枯竭，研究人员尝试探索商业化AI，由此产生的最大问题是AI研究的狭窄和专业化，而基础问题研究无人问津，没有进展。因此主张回归早期的研究模式，让狭窄的应用驱动研究回归到好奇心驱动研究。没有理论指导，研究工作就不可能持久[4]”。

后来的事实证明，AI“回归基础”后出现了好的转机。进入21世纪以来，由于重视了AI基础理论研究，取得了一大批理论与应用成果[2,5-14]。

因此，我们要从AI百年发展的“曲折道路”中吸取经验教训。应该像在这个领域做出杰出贡献的科学家们那样，不断前行，挑战极限，克服当前“急功近利”的做法；应该学习当年(1956年8月)麦卡锡等科学家们齐聚达特茅斯学院，用2个月时间围绕一个主题进行交流讨论的精神，克服当前科技界的“浮躁之风”“赶集之风”；要像老一代科学家那样，对待科学问题要提倡争论，如果没有当年关于AI“三大学派”的分裂与统一，怎么可能有今天的AI蓬勃发展的大好局面呢？

2 人工智能为何能赋能时空大数据平台

2.1 认识时空大数据

大数据，是社会大众普遍的提法，为什么提出“时空大数据”？时空大数据与大数据各自的内涵和特征是什么？这是首先要搞清楚的。

(1) 时空大数据的哲学依据和实践需求，核心是大数据的时空统一观

从哲学角度看，世界是物质的，物质是运动的，包括人类活动在内的万事万物的运动变化都是在一定的时间和空间进行的，而所有大数据都是包括人类活动在内的万事万物的运动变化的产物，空间参照和时间参照是大数据的2个基本特征，这就是哲学时空观。

从作战指挥和军事行动的实践需求看，“战略是时间和空间的使用艺术”，任何军事行动都是在一定的时间和空间进行的，过去、现在、未来都是如此。时空统一至关重要，这就是作战指挥和军事行动的时空观。

从社会管理治理的实践需求看，当今社会的一个重要特点，是社会管理治理对时间和空间的依赖程度越来越高，时空大数据正日益成为社会治理体系和治理能力现代化的核心驱动力，这就是社会管理治理的时空观。

从复杂地理世界表达的实践需求来看，非线性复杂地理世界，必须用时间轴(Ti)、空间轴(Si—XiYiZi)和属性轴(Di)(i=1,2,…,n)的n维空间来表达才是科学的，这就是复杂地理世界表达的时空观。

从大数据的本质来看，所有大数据都是包括人类活动在内的万事万物在一定时间和空间运动变化产生的，空间参照和时间参照是自然与社会现象的基本参照系统，任何事物和现象都离不开这2个基本参照，这就是大数据的时空观。

(2) 时空大数据内涵

基于上述时空大数据的哲学依据和实践需求，时空大数据是指基于统一的时空基准(空间参照系统、时间参照系统)，存在于空间与时间中，与位置直接(定位)或间接(时空分布)相关联的大规模海量数据集。由“基础地理时空数据”和“部门行业专题数据”融合而成。基础地理时空数据，包括时空基准数据、GNSS与CORS数据、空间大地测量与物理测量数据、海洋测绘和海图数据、摄影测量数据、遥感影像数据、“4D”数据和地名数据等；部门行业专题数据，包括政府部门/企业/研究院所业务数据和科学数据、视频观测数据、搜索引擎数据、网络空间数据、社交网络数据、变化检测数据、与位置相关的空间媒体数据和人文地理数据等。

(3) 时空大数据的基本特征

不同于大数据的4V(Volume，Variety，Velocity，Value)特征，时空大数据的基本特征主要包括：

① 位置特征。点、线、面的三维空间位置(Si—XiYiZi)，点、线、面的空间关系(拓扑、方向、变量)；由点构成线，由点、线构成面，由点、线、面构成体。

② 属性特征。每个点、线、面、体都有自身的数量、质量特征。

③ 时间特征。物体(现象)的位置、属性等随时间变化而变化。

④ 尺度特征。空间尺度或比例尺随应用需求而不同，大比例尺为小尺度，小比例尺为大尺度。

⑤ 分辨率特征(针对影像)。包括空间分辨率、光谱分辨率和时间分辨率(重访周期)。

⑥ 异构性特征。包括时空基准、时间、尺度和语义等的不一致性和不完整。

⑦ 多样性特征。数据类型多样(图像、文本、视频和音频)、数据结构多样(结构化、半结构化和非结构化)。

⑧ 巨量性特征。指数据量巨大，达到TB，PB，EB甚至ZB级，需要科学先进的存储管理技术。

⑨ 多维特征。空间维(Si—XiYiZi)、属性维(Di)和时间维(Ti)构成多维数据。

⑩ 价值隐含性特征。指大量不相关的信息，需要关联；数据隐含价值，需要进行数据挖掘以发现知识。

2.2 认识时空大数据平台

把各种分散的(点数据)和分割的(条数据)时空大数据汇聚到一个特定的自主可控的平台(GIS)上，并使之发生持续的聚合效应。这种聚合效应就是通过数据多维融合和关联分析与数据挖掘，揭示事物的本质规律，对事物做出更加快捷、更加全面、更加精准和更加有效的研判和预测。从这个意义上讲，时空大数据平台是大数据的核心价值，是大数据发展的高级形态，是大数据时代的解决方案。

2.3 从“智慧大脑”看人工智能赋能时空大数据平台

(1) “智慧大脑”的三要素。类比人类智能的人脑具有感知、存储管理、分析判断决策功能，AI的“智慧大脑”也应由智能感知系统、智能存储管理系统和智能操作系统(分析判断决策)组成。

智能感知系统——天地一体智能感知网(传感器网)。建设天地一体智能感知系统，综合统筹利用国内外各类卫星遥感影像数据，特别是商业卫星数据，并进行快速处理。充分利用无人机多角度倾斜摄影数据，并进行自动三维建模，为构建“数字地表模型(DSM)+局部实景三维+重点建筑信息模型(BIM)”的三维模型奠定基础。充分发挥融合体制的作用，加强基础地理时空数据的生产和更新，最大限度地缩短生产、更新周期。充分利用“时空大数据+卫星遥感影像+开源情报信息”模式，通过分析获得敏感地区、敏感领域、敏感设施和敏感对象的信息。

智能存储管理系统——资源池。指云计算数据中心所涉及的各种硬件、软件、数据和知识等的集合。按其类型可分为：信息基础设施资源池，包括计算资源、存储资源和网络资源；数据资源池，包括基础地理时空数据、政府各部门行业的专题数据及其他专题数据；功能资源池，包括软件资源、模型算法资源、知识资源和专家资源。云计算是将计算任务分布式部署在由大量计算机(计算、存储)构成的“资源池”上，使用户能按需获取计算能力、存储能力和提供应用的能力。这种“资源池”称为“云”，云计算的核心是“资源池”。采用中心、分中心技术体制，建设一体化国家、省、市时空大数据中心。一体化时空大数据中心主要功能有：传感器网络(简称“传感网”)接入功能、时空大数据分布式存储、管理和动态更新功能、已建分布式地理信息系统(GIS)、数据库的网格化(第三代互联网/新一代Web)集成应用功能以及网络空间数据安全态势监控与防范功能。

智能操作系统——时空大数据平台。“智慧大脑”通过“天空地海”一体的智能感知传感器网络获取海量信息；资源池存储管理信息基础设施资源(计算、存储和网络)、时空大数据资源(基础地理时空数据、各部门行业数据、科技咨询信息数据)和功能资源(软件、模型、算法、知识和专家)。“智慧大脑”怎样进行分析、判断、预警和辅助决策呢？这就需要有一个“操作系统”——“时空大数据平台”。时空大数据平台的功能包括一体化时空大数据中心数据接入功能，多源异构时空大数据融合功能，时空大数据分析、数据挖掘与知识发现功能，目标分析识别功能，时空大数据可视化及可视化设计功能，分析、判断、预警和辅助决策功能，时空大数据平台应用接口功能，网络空间安全态势监控和防范功能等。

(2) “智慧大脑”三要素之间的关系：相互联系、相互依赖、相互制约、相互作用的统一整体。智能感知系统获取的大规模海量数据，需要存储在资源池中，若没有资源池，感知系统获得的大规模海量数据就无法汇聚在一起，更无法共享；反之，若没有感知系统获得的大规模海量数据，资源池就成了一个“空池”；同样，若仅有感知系统和存储管理系统，而没有操作系统——时空大数据平台，那么大规模海量数据和各类资源就无法发挥其服务社会的作用。所以，“智慧大脑”三要素是一个整体，缺一不可。

(3) “智慧大脑”三要素中的任何一个要素内部的各组成部分也是一个统一整体。以存储管理系统为例，包括数据资源(基础地理时空数据、各部门行业专题数据)、功能资源(模型、算法)和计算资源(计算能力或算力)。形象地讲，若把资源池比作一个“发电厂”，那么，计算存储资源就相当于“发电机”，数据资源就相当于“发电动力”，模型算法等功能就相当于“引擎”，三者缺一不可，是一个整体或系统。所以，一定要用整体或系统工程的思想来建设“智慧大脑”。

2.4 互联网技术与“3S”技术的快速发展为时空大数据平台提供强有力的技术支撑

这主要表现在3个方面：

(1) 北斗全球导航系统为全球实时高精度定位提供了强大支撑，卫星对地观测系统为环境信息获取奠定了坚实基础。采用“统一时空基准+北斗全球导航系统+天地一体对地观测网”的模式，解决时空信息获取的全球化、实时/准实时动态化和精准化问题。

(2) 分布异构地理信息系统的网格化集成与智能服务技术使已建GIS数据和数据库数据继续发挥作用。对于已建遗留系统，由于系非面向服务的体系架构(SOA)，通过开发数据中间件、协同中间件和事务中间件，以解决系统间的数据交互、消息传递、协同工作及事务处理等问题；对于新建SOA系统，通过进行标准化服务封装，主要解决各类地理空间信息服务的标准化问题。

(3) 时空信息获取、处理(生产)、应用(服务)一体化技术可行，关键是新型技术体制建设。主要通过基于网格(Grid)的深度联网计算和服务环境，实现逻辑上的信息探测网、信息处理网和应用服务网的3类网络的优化集成，以提高时空信息获取、处理(生产)、应用(服务)的一体化水平，尽最大可能地缩短从地理信息获取到提供地理信息服务的周期。

2.5 人工智能技术的快速发展支撑时空大数据平台的智能化

(1) 机器学习由浅层神经网络到深层神经网络(深度学习)的发展为解决时空大数据平台的“知识工程”瓶颈问题开辟了一条新的途径。

这就是用大数据教会计算机自己不断学习以获取知识。机器学习是AI的一个分支，它是通过算法使机器能从大量历史数据中学习规律，从而对新的样本做出智能识别或对未来做出预测。神经网络的前世是基于统计方法的浅层机器学习模型，经历了人工神经网络BP算法、支持向量机(SVM)和最大熵算法等；神经网络的今生是基于大数据方法的深度学习(2006年)，特征提取和表示是关键，主要包括卷积神经网络(1998年)、基于自编码器的深层学习、受限玻尔兹曼机和深度网络等，主要用于语言识别、图像识别和自然语言处理，其优势是用大数据教会计算机自己学习。

(2) 类脑智能研究将为“智慧大脑”的智能化打开一扇大门。

类脑智能是AI领域的一个研究方向，是AI发展的另一条路径，将成为AI发展的最佳方向。AI领域的专家认为，基于机器学习的AI技术已深入到许多领域，但是机器学习往往需要大量的数据，而且还面临无法进行推理的困境。正是在这种情况下，科学家们开始转向对大脑的借鉴与研究。

类脑(Brain-inspired Intelligence)——模拟人脑，类脑智能——模拟人脑的类脑计算机，是AI发展的重要途径，通过发展类脑智能可以揭示人脑信息处理的途径，有利于完善AI研究。

为什么要研究类脑和类脑智能？一是，机器学习不灵活，需要大规模人工标注的高质量样本数据；二是，训练模型要很大的计算开销；三是，AI仍然缺乏高级认知能力和举一反三的能力。

目前，类脑智能的研究已经有了良好的开端，取得了一些研究成果，但仍面临三大瓶颈：脑机理认知不清楚、类脑计算模型和算法不精确以及计算架构和能力受制约。

(3) AI“三驾马车”或“三要素”，即算法、时空大数据和计算能力，已成为时空大数据平台的核心驱动力。

算法，指某个领域某个问题的有穷地机械地判定(计算)。它只用有穷多条指令描述，计算机便按指令执行有穷步的计算过程，从而得出问题解的结果。从本质上讲，算法本身就是一种知识。算法是机器学习的核心(是引擎)。以算法为核心的AI与人脑相比较至少有四大优势：速度更快、效率更高、结果更好、耐力更强。

时空大数据，是AI(机器学习)的动力(类比发电厂的水动力、煤动力和核动力)，没有时空大数据，算法就不起作用，数据质量不好，就会算不准。

计算能力(算力)。云计算是一种新的计算模式，它通过“池化”和“云化”把数千台甚至上万台机器都放在一个“池子”里面。用户需要多少CPU、内存和硬盘的“虚拟电脑”，只要通过一种叫做“调度(Scheduler)”的算法的调度中心，就可以在“池子”里面找到并使用自己所需要的信息资源，这就是基础设施即服务(IaaS)，具有时间弹性和空间弹性。云计算为信息资源管理构建一个庞大的“资源池”，实现信息资源的弹性。云计算在资源弹性IaaS之上加了一层应用弹性，以解决时空大数据所需的应用弹性平台即服务(PaaS)和软件即服务(SaaS)。

上述AI“三要素”中的算法、时空大数据和计算能力三者缺一不可，但当前要把可控的智能算法研究放在更重要位置。

3 时空大数据平台的技术体制及应用模式

时空大数据平台必须采用不同于目前已有商业化GIS软件的技术体制，针对现有GIS软件应用存在的问题提出了更科学和更符合社会需求的应用模式。为此，必须首先对现有的地理信息服务模式进行分析。

3.1 现有3种服务模式及分析结论

目前，地理信息服务有3种模式：① 基于网络服务(Web Service)的空间信息共享和空间数据互操作技术模式；② 基于网格服务(Grid Service)的信息资源共享与协同工作(解决问题)技术模式；③ 基于云计算的时空信息服务技术模式。

对上述3种服务模式，从其内涵、功能、关键技术、采用标准、技术架构、服务共享特点和发展趋势等7个方面进行了全面分析，得出了如下综合分析结论：

第一，4种模式都采用SOA。

第二，都是解决“共享”与“服务”的问题，只不过“共享”的“程度”与“服务”的范围、方式不完全相同。

第三，网络服务与网格服务的技术标准有相同的，也有不同的，网络服务与网格服务的大趋势是兼容或“融合”，但标准是统一的国际或国家标准，服务提供方、请求方都必须清楚；而云服务标准可以是内部统一的，用户不必清楚。

第四，网格服务是网络服务的发展，云服务(Cloud Service)是网格服务的简化版或商业化实现。

3.2 时空大数据平台的技术体制：基于“网格集成”与“弹性云”的混合式服务模式

基于前述对现有时空信息服务的3种技术模式的综合分析及所得出的结论，提出了时空大数据平台采用基于“网格集成”与“弹性云”的混合式技术模式。这是因为，网格服务是网络服务的发展，可以解决广义的信息资源共享，推进技术融合、业务融合和数据融合，实现跨层级、跨地域、跨系统、跨部门和跨业务的协同管理和服务；而云服务是网格服务的简化版或商业化实现，相对于网格服务而言其门槛要低，而且云计算具有“空间弹性”和“时间弹性”。所以，时空大数据平台的技术体制兼顾了网格服务与云服务的优点，即通过网格集成汇聚各类信息资源，通过弹性云向各类用户提供所需服务。

3.3 时空大数据平台的构建技术

为实现时空大数据平台的技术体制，提出如下6项关键技术：

(1) 一个“SOA”：构建一个开放的体系架构，强化共用，整合通用，开放应用。SOA由3个角色和4个基本操作构成。3个角色包括服务提供者、服务请求者和服务注册中心；4个基本操作是服务注册(描述/发布)、服务查找(访问/定位)、绑定服务和调用服务。

(2) 一张“网”：建设一张“天地”一体的信息服务网，为实现信息资源共享和跨层次、跨地域、跨系统、跨部门、跨业务的多节点协同工作提供崭新的运行环境。其一，城市时空信息获取、处理、服务的一体化运行环境和时空信息处理的实时化、处理的智能化、应用服务的网络/网格化环境；其二，信息整合，实现多源、异构时空数据集成、融合与同化的环境，提供全球一致、陆海一体、无缝连续的一致性时空信息服务；其三，资源共享环境，实现SaaS，KaaS，PaaS，DaaS，IaaS等；其四，协同工作(协同解决问题)环境；其五，分布异构地理信息系统集成应用环境。

(3) 一个“一体化”数据体系：建设一个科学实用的全球一致、无缝连续的时空大数据体系。对传感器网接入数据，各部门行业及其他来源的信息资源数据，进行数据分类、数据编目，编制元数据，进行数据编码，为时空大数据平台提供了一致性的数据集支持。

(4) 一个“通用功能模块集”：将各类“服务”按标准封装为网络服务，实现基于工作流服务链的各类信息资源的高效调用，支撑信息服务的智能化。这里，最关键的是构建工作流服务链，而且应是自适应的。具体实施时，首先将系统功能按照标准封装为网络/网格服务，而用户则基于自适应工作流服务链接需组合服务形成面向各类应用的服务能力。

(5) 一个科学实用的“组织管理体系”：采用虚拟化技术构建虚拟组织(V0)，实现信息资源的汇聚共享和跨层级、跨地域、跨系统、跨部门、跨业务的协调联动，为平台安全可靠运行提供支撑。采用虚拟化技术构建的虚拟组织(V0)，必须与国家、省(自治区、直辖市)、地级市、县(区)及各自下属政府部门的社会组织体系结构一致，它们都在虚拟组织的网络节点上。虚拟组织分为2类，一类是静态V0，以资源为中心，固定存在，执行信息资源发布功能；另一类是动态V0，以任务为中心，随建随销，执行信息资源共享和服务。二者互相配合，构成了资源共享生命周期管理的主体。

(6) 一套“标准体系”：建立一套标准体系，保证时空大数据平台规范、有序、健康、安全且可持续运行，这是目前急需研究解决的问题。国外，地理信息标准和网络/网格(栅格网)服务的标准基本已成体系，例如服务分类标准、服务描述标准、服务注册标准，以及服务提供者、请求者与服务代理之间的通信标准、网络/网格化服务标准。国内，地理信息标准已基本成体系，网络/网格服务标准已取得一些研究成果，但尚未形成自主可控的统一的标准体系。

3.4 时空大数据平台的应用模式

采用什么样的应用模式，才能使时空大数据平台最大限度地发挥作用，这个问题至关重要。这里提出“共用时空大数据平台+”的应用模式。

共用时空大数据平台，指按照“时空大数据平台”内涵和技术体制构建的“基础地理时空数据平台”，是各种不同层级部门共用的。“共用时空大数据平台+”中的“+”，指跨界，这样就可以解决目前各所属部门所建各种“平台”或“系统”的“基础地理时空数据”不一致的“老大难”问题。这里就“共用时空大数据平台+民用”而言，以服务黄河流域生态保护与高质量发展为例，可以构建：

“共用时空大数据平台+沿河两岸分布的湖泊、湿地、生态廊道数据”，构建智慧沿河两岸湖泊、湿地、生态廊道监测、评估、预警平台；

“共用时空大数据平台+河口三角洲湿地及生物多样性数据”，构建智慧河口三角洲湿地及生物多样性监测、评估、预警平台；

“共用时空大数据平台+流域矿藏资源数据”，构建智慧流域矿藏资源动态监测、评估与预警平台；

“共用时空大数据平台+流域社会经济人文统计数据”，构建智慧流域经济发展趋势监测、分析、评估平台；

“共用时空大数据平台+农作物主产区数据”，构建智慧农业平台；

“共用时空大数据平台+黄土高原水土流失数据”，构建智慧黄土高原水土流失和生态修复监测、分析与评估平台；

“共用时空大数据平台+城市(镇)群或城市(镇)带”，构建智慧城市时空大数据平台等等。

4 结束语

AI时代正在到来是时代之大势，“AI+”也是时代之大势，AI赋能时空大数据平台是“AI+”的一个重要研究领域。

“智慧大脑”三要素(智能感知系统、智能存储管理系统、智能操作系统)无一不与AI技术有关，三要素中的任何一个要素的各组成部分也无一不与AI技术有关，可以说AI技术已经或正在渗透(融合)到“智慧大脑”的方方面面。智能感知系统、智能存储管理系统是支撑智能时空大数据平台的，而智能时空大数据平台是面向社会、面向服务和面向工作的。

目前，AI技术应用于“智慧大脑”建设已取得了很大进展。但是，要建成真正的“智慧大脑”，实现“智慧大脑”三要素的智能化，特别是建成真正的智能时空大数据平台，还有许多问题需要进一步地深入研究。我们坚信，这个目标是一定能够实现的。