中国科技核心期刊      中国指挥与控制学会会刊     军事装备类重点期刊
指挥控制与仿真

指挥控制与仿真 >

2025 , Vol. 47 >Issue 5: 58 - 63

DOI: https://doi.org/10.3969/j.issn.1673-3819.2025.05.008

信息融合

网格化时空数据关联分析方法

  • 刘旭波 ,
  • 刘敬蜀 ,
  • 贾丽
展开
  • 中国人民解放军91977部队, 北京 100036

刘旭波(1983—),男,博士研究生,高级工程师,研究方向为信号分析与处理。

刘敬蜀(1987—),女,博士研究生,高级工程师。

收稿日期: 2025-07-13

  修回日期: 2025-08-22

  网络出版日期: 2025-09-25

收起

Grid-based spatiotemporal data association analysis

  • LIU Xubo ,
  • LIU Jingshu ,
  • JIA Li
Expand
  • PLA 91977, Beijing 100036, China

Received date: 2025-07-13

  Revised date: 2025-08-22

  Online published: 2025-09-25

Fold

摘要

随着信息感知手段的快速发展,多域多源异构数据量呈现爆炸式增长。传统方法在数据时空尺度不一致、信息冗余等问题处理上存在局限性。本文介绍了时空网格编码原理及应用发展现状,提出了一种基于统一时空网格的数据关联分析方法,开展了时空信息提取、时空网格数据统一编码与标识、时空网格跨尺度数据共享传递和动态关联分析等技术研究,构建了统一多源异构数据空间坐标对齐、时间基准同步与行为属性关联的时空网格框架。通过典型无人机集群低空空域规划应用计算仿真,验证结果表明该方法可有效提升多源异构数据的分类整合、关联分析等管理应用效率。

关键词： 时空网格; 跨尺度数据共享; 动态关联分析

本文引用格式

刘旭波 , 刘敬蜀 , 贾丽 . 网格化时空数据关联分析方法[J]. 指挥控制与仿真, 2025 , 47(5) : 58 -63 . DOI: 10.3969/j.issn.1673-3819.2025.05.008

Abstract

With the rapid development of information perception methods, the volume of multi-source heterogeneous data has increased explosively. Traditional methods exhibit obvious limitations in handing inconsistent spatio-temporal scales and information redundancy. In this paper, the principles of spatiotemporal grid coding and its application are introduced and an innovative unfied spatiotemporal grid based data association analysis method is proposed to conduce research on spatio-temporal information extraction, unified encoding and identification of spatio-temporal grid data, cross-scale spatio-temporal data sharing and dynamic correlation analysis. Our method constructs a spatio-temporal grid framework for unified alignment of heterogeneous multi-source data spatial coordinates, temporal baseline synchronization, and attribute correlation with behaviors. In addition, a spatio-temporal grid framework is constructed to align spatial coordinates of multi-source heterogeneous data, synchronize temporal baseline, and correlate attribute behaviors. The result of simulation of typical low-altitude airspace planning for Unmanned Aerial Vehicles verifies that our proposed method is enable to effectively enhance the management and utilization efficiency in classification, integration, and correlation analysis of multi-source heterogeneous data.

Key words： spatio-temporal grid; cross-scale data sharing; dynamic correlation association

随着信息感知手段与方式的快速发展,现有数据处理分析方法存在计算效率低、有效信息提取难等问题,难以满足数据有效管理运用等需求。时空网格作为一种创新性的数据处理和分析方法,为时空数据关联分析提供了全新的视角。本文通过将全球范围统一网格剖分、要素统一编码,实现时空网格数据统一标识,从空间角度实现跨尺度时空网格数据快速共享传递,从时间角度实现数据的动态关联,支撑数据的快速高效管理运用,通过无人机(集群)低空空域规划应用仿真验证,证明了时空网格技术在数据处理与关联分析的效率提升方面的有效性。

1 国内外研究现状

美、英、澳等国积极探索时空网格技术的研究应用。美国DeepMind团队发布的AlphaEarth Foundations模型,运用多模态数据融合与深度学习技术,把地球表面精细划分为数万亿个精确到米级的网格,实现全球陆地与沿海水域网格化动态监测。此外,美国NASA开发的时空自适应分辨率编码(STARE)技术,革新了地球科学数据处理,其独特的时空索引机制能有效对齐不同来源的数据。英国的研究主要集中在气候领域,如英国气象局创建了HadUK-grid气候数据集,涵盖了英国各地1 km×1 km网格的气候变量。此外,英国伦敦大学等高校组成的联盟获得了英国政府的资助,开展名为RealityGrid的项目,旨在利用网格技术进行复杂凝聚态物质结构的建模和模拟。澳大利亚的地球科学数据立方体(AGDC)能灵活处理大量分层网格数据,显著减少传统图像分析的处理时间。
国内对于时空网格剖分编码的研究也已有一定成果。北京大学程承旗教授等提出了GeoSOT网格剖分与统一编码方法[1-3],该方法已广泛应用于减灾、公安、建筑、国土资源、军事等多个领域。北斗网格码以GeoSOT地球空间剖分理论为基础,已发展为一种离散化、多尺度区域的位置标识体系。阿里云的Ganos[4]也是基于GeoSOT全球网格剖分理论。除此之外,国内地理网格标绘相关研究不断深入,如国家“863”计划提出了中国国家网格项目(CNGrid)。空间信息网格体系及网格GIS研究也取得了一些成果,并在武汉等城市的信息网格中得到应用。近年来,陈彬[5]等将时空网格运用于极端灾害下配电网受灾情况分析上,成果可有效协助配电网灾后指挥及修复。基于时空网格的STGI模型[6]实现了海洋大数据的高效查询,提升了数据检索效率。郭星华[7]等分析了时空网格在指挥控制系统中的应用前景,为新一代指挥信息系统的发展提供了思路。

2 时空网格数据关联分析方法

面向多源异构时空数据的关联分析需求,基于时空网格方法实现对数据的统一标识、快速管控及高效运用,主要研究内容包括数据时空信息提取、时空网格数据统一标识、跨尺度时空网格数据共享传递、动态时空数据关联分析等。

2.1 数据时空信息提取

时空网格技术在多源异构时空数据关联分析方面的应用,首先需将数据的时空信息准确提取,按照数据的时间信息和空间信息将数据与时空网格进行绑定,使得数据等实体对应空间位置的数据能够映射在相应的网格中,对应时间的数据能够映射在相应的时间段内。多源异构时空数据的时空信息提取流程如图1所示。
图1 数据时空信息提取流程图

Fig.1 Flowchart of data spatio-temporal information extraction

数据时空信息提取的主要内容包括:面向多源异构时空数据,设计实体识别规则,采用基于正则表达式与词典的实体识别方法提取时空描述的关键词及实体类型,收集训练语料,构建正则规则库,实现对数据的识别与实体标注;采用RNN/CNN的方法开展时间/空间序列的关系建模,识别时空网格数据间的关系,丰富其时空语义特征,支撑后续关系抽取与时空网格数据的实体识别的结合;利用时空网格数据的维度与属性信息,基于时序和空间维度的事件关系,对时空网格数据的关联关系与事件时序、因果关系进行提取,实现数据的时间信息提取及空间信息提取。当数据时空信息表征不明确时,可通过序列标注模型学习文本中的时间实体特征以实现复杂歧义表达的时间信息提取,学习空间位置的上下文特征来识别提取出非标准空间位置,从而实现复杂时空信息的提取。

2.2 时空网格数据统一标识

针对数据来源广泛、数据量大等导致的计算空间爆炸的问题,利用时空网格编码的方式,划分多层级空间网格及离散时间序列,将对应地理位置/时间的数据与时空网格绑定,完成对数据的离散化时空统一标识。
时空网格技术通过对数据时空信息提取和及时空网格编码规范设置,实现了数据与时空网格的绑定,数据按照对应的时间信息、空间信息被划分在对应的网格中,具备唯一的二进制标识码,有效提高数据的存储、筛选及计算效率。时空网格数据统一标识概念描述如图2所示。
图2 时空网格数据统一标识概念图

Fig.2 Conceptual diagram of unified identification of spatio-temporal grid data

(1)时间编码
本文开展时间编码,实现多源异构数据的时间信息统一表征,针对不同粒度的时间单位,采用多尺度时间剖分编码的形式进行时间描述。时间编码通过64位二进制编码来存储时间,编码从高位到低位,依次存储该时间的UTC年数、月数、日数、时数、分数、秒数、毫秒数、微秒数,实现数据时间的高效准确描述,为数据在时间角度的高效关联分析提供支撑,具体如图3所示。本方法保证了时间编码具有单调递增的性质,即时间的值越大(时间越晚),时间剖分编码的值越大,确保同一个编码值的只有唯一的时间对应。
图3 时间剖分编码规则

Fig.3 Encoding rules for time partitioning

(2)空间编码
本文基于GeoSOT地球空间剖分理论开展空间编码[8-9],考虑纬度范围与经度范围的大小不一致性,需将纬度方向进行扩展,使其与经度方向的跨度保持一致。通过四叉树递归剖分法,将整个地球表面经纬方向全空间进行四等分,完成一级剖分,每个1级网格的经纬度范围为180°×90°;再将这四个子空间继续剖分,划分为四个更高级别的子空间,依次递归剖分,直至获得最高层级(32级)的子空间,如图4所示。对于第N(N>2)级剖分,其对应网格的经纬范围为(90°/ 2 N - 2)×(90°/ 2 N - 2)。空间网格在应用过程中与任务相关,由于不同人员的任务不同,关注的空间网格层级也有所不同。在空间剖分完成后,通过二进制编码进行空间编码,空间编码能够快速完成多源异构数据地理位置的统一表征,实现数据信息在地球中位置的准确描述,为数据在空间角度的高效关联分析提供支撑。
图4 空间剖分编码规则

Fig.4 Encoding rules for spatial partitioning

2.3 跨尺度时空网格数据共享传递

针对信息传递链路冗长导致信息传递时效性难以保证的问题,利用空间编码将地球逐级进行精细化网格剖分,对应形成跨尺度网格间的从属关系,如图5所示,进而按照网格间从属关系进行数据快速共享,打破现有数据传递逐级上报的链路壁垒,实现基于时空网格的数据开放共享传递。
图5 跨尺度多层级空间网格示意图

Fig.5 Diagram of cross-scale and multi-level spatial grids

跨尺度时空网格数据共享传递主要基于空间剖分编码,实现在空间区域内自上而下的逐级精细剖分,自下而上的数据共享传递。对于0级剖分区域内的海量数据,通过查看高层级剖分的区域,最终可准确定位数据来源的精细区域,形成精细区域的数据可快速共享给较大区域的数据传递方式。如图6所示的示例中,该区域内显示有15条数据信息,经1次剖分形成的四个区域中分别包含3、4、2、6条数据信息,逐级剖分最终可确定各条数据信息所属网格及位置区域,从而使得低级剖分网格快速精准掌握区域内数据情况,高级剖分网格数据信息对应向低级剖分网格进行高效共享传递。
图6 跨尺度时空网格数据传递示例

Fig.6 Data transfer of cross-scale spatio-temporal grid

2.4 动态时空数据关联分析

针对海量数据分散异构、关联性差等问题,通过对数据进行时空多维分析,在空间角度形成区域数据集合,在时间角度形成数据动态变化时间序列,实现数据的动态关联,支撑态势演进分析、资源要素变化趋势分析等应用。图7为某区域在不同时刻的资源分布示意图,通过时空网格数据统一标识开展数据关联分析,可以准确表征在不同时刻资源分布的变化趋势,从时间角度呈现数据的动态关联情况。
图7 动态时空数据关联示例

Fig.7 Dynamic correlation of spatio-temporal data

动态时空数据关联分析的主要流程:首先利用时空网格将连续、异构的多源数据离散化、标准化,统一映射为网格单元序列,接下来依托分布式框架实现高效的邻域统计、叠加分析,最后开展动态时空数据关联分析。动态时空数据关联分析主要包括个体行为模式挖掘以及实体行为与环境的关联分析。对于个体行为模式挖掘,主要是在序列数据库中进行频繁项筛选,通过逐步生成频繁序列的前缀,完成对个体行为模式的挖掘;对于实体行为与环境的关联分析,是通过逐层搜索的迭代方法在数据库中找出项集的关系,形成一定的规则,完成实体的行为动机或受环境影响程度的分析。动态时空数据关联分析能够实现相应资源要素在不同时间内的能力表征,支撑开展双方态势分析研判及任务规划。

3 基于时空网格的空域规划计算仿真验证

结合典型空域规划计算应用,对时空网格编码与计算进行仿真验证。通过战场数据时空网格统一标识使得空域规划同时考虑空间位置和时间约束,可有效提升空域规划计算效率。具体仿真方法为:
(1)场景设定
面向低空无人机(集群)低空空域规划的需求,需进行空域规划计算,确保无人机均能合理使用空域,完成飞行任务,避免因空域冲突造成的损失。时空网格能够准确描述空域情况且计算复杂度低。针对飞行速度不高、飞行区域较小的低空无人机,进行基于时空网格的空域规划计算,主要是利用时空网格计算给定范围内多个空域的冲突情况。
(2)网格划分
按照GeoSOT地球空间剖分理论及空间编码规则,16级网格对应的格网大小为32″,对应赤道附近的大概尺度为989.5 m;17级网格对应的格网大小为16″,对应赤道附近的大概尺度为494.7 m;18级网格对应的格网大小为8″,对应赤道附近的大概尺度为247.4 m;19级网格对应的格网大小为4″,对应赤道附近的大概尺度为123.7 m。考虑飞行速度较低的无人机短距离飞行试验,利用18级/19级网格剖分下的地球开展空域规划计算仿真。
(3)仿真计算
在数字地图上选取两个任意形状区域,使其有叠加区域,开展空域叠加计算分析。仿真计算机硬件配置:CPU内核为24,CPU逻辑处理器为32,GPU内存为47.8 G,算力约为20 TFLOPS。
(4)结果分析
开展3次空域规划仿真计算,设置第1次仿真计算的网格等级为19级网格,第2次、第3次仿真计算的网格等级为18级网格,分别进行仿真数据统计。3次仿真的空域范围如图8所示,空域设置情况、时空网格计算结果见表1。
图8 空域规划计算仿真范围

Fig.8 Calculation and simulation scope of airspace planning

表1 基于时空网格的空域冲突计算应用仿真结果

Tab.1 Simulation results of airspace conflict calculation application based on spatio-temporal grids

序号 空域1网
格数量		 空域2网
格数量		 叠加网
格数量		 空域冲
突率		 计算
时间
1 888 207个 2 037 494个 28 783个 0.98% 715 ms
2 1 021 086个 1 826 496个 70 902个 2.49% 763 ms
3 426 762个 675 108个 4 104个 0.37% 351 ms
由上述仿真计算结果可知,在给定仿真计算机硬件配置情况下,从空间角度开展面向典型应用的空域冲突计算分析,在1s内能够计算出总数约100万个网格的叠加网格数量,证明了时空网格技术应用于数据处理分析的高效性,能够有效提升资源利用率,一定程度上增强了空域规划的动态调整能力。从时间角度,通过时间剖分编码准确表征空域占用情况的时间序列,进一步提升空域规划的效率及合理性。

4 结束语

本文针对来源广泛、格式多样、内容复杂的数据在高效处理、关联挖掘等方面存在的问题,开展基于时空网格的数据关联分析方法研究,分析了时空网格在国内外的研究现状,通过时空网格数据统一标识设计、时空网格数据关联分析方法研究,实现了多源异构数据的网格化表征及处理应用,支撑多源异构数据的跨尺度共享传递、动态关联分析及高效管理运用。以空域规划(空域冲突计算)应用为例,开展数据时空网格编码与计算仿真验证,结果表明时空网格能够有效提升数据关联分析效率。

参考文献

原文顺序 | 文献年度倒序 | 文中引用次数倒序
[1]
程承旗, 任伏虎, 濮国梁, 等. 空间信息剖分组织导论[M]. 北京: 科学出版社, 2012.

CHENG C Q, REN F H, PU G L, et al. Introduction to spatial information division and organization[M]. Beijing: Science Press, 2012.

[2]
吴立新, 余接情. 地球系统空间格网及其应用模式[J]. 地理与地理信息科学, 2012, 28(1): 7-13.

WU L X, YU J Q. Earth system spatial grid and its application modes[J]. Geography and Geo-Information Science, 2012, 28(1): 7-13.

[3]
CHENG C Q, TONG X C, CHEN B, et al. A subdivision method to unify the existing latitude and longitude grids[J]. International Journal of Geo-Information, 2016, 5(9):1-23.

[4]
XIE J, CHEN Z, LIU J W. Gano: A Multi-dimensional, Dynamic and Scene-Oriented Cloud-Native Spatial Database Engine[C]// 48th International Conference on Very Large Databases, Sydney, Australia (and hybrid), September 05-09, 2022.

[5]
陈彬, 倪明, 周霞, 等. 极端灾害下基于时空网格的配电网多源数据融合方法[J]. 中国电力, 2019, 52(11): 77-84.

CHEN B, NI M, ZHOU X, et al. Multi-source data fusion method for distribution network based on spatiotemporal grid under extreme disasters[J]. Electric Power, 2019, 52(11): 77-84.

[6]
QU T T, WANG L Z, YU J, et al. STGI: a spatio-temporal grid index model for marine big data[J]. International Journal of Digital Earth, 2020, 4 (4):435-450.

[7]
郭星华, 朱伟, 郭锦杰. 时空剖分网格在指挥控制系统中的应用展望[J]. 指挥信息系统与技术, 2022, 13(4): 80-84.

GUO X H, ZHU W, GUO J J. Application prospect of spatio temporal subdividing grid in command and control system[J]. Command Information System and Technology, 2022, 13(4): 80-84.

[8]
宋树华, 程承旗, 濮国梁, 等. 全球遥感数据剖分组织的GeoSOT网格应用[J]. 测绘学报, 2014, 43(8): 869-876.

SONG S H, CHENG C Q, PU G L, et al. Global remote sensing data subdivision organization based on GeoSOT[J]. Acta Geodaetica et Cartographica Sinica, 2014, 43(8): 869-876.

[9]
金安, 程承旗. 基于全球剖分网格的空间数据编码方法[J]. 测绘科学技术学报, 2013, 30(3): 284-287.

JIN A, CHENG C Q. Spatial data coding method based on global subdivision grid[J]. Journal of Geomatics Science and Technology, 2013, 30(3): 284-287.

Options
文章导航

/

〈 〉