长沙打造国家级地理空间大数据产业基地

2017年大数据产业增幅达60%

湖南日报新湖南客户端5月29日讯(记者 欧阳倩 通讯员 彭赞)昨天，长沙市人民政府与国家地理空间信息中心签订合作协议，决定以湖南地理信息产业园为基础，合作共建国家级地理空间大数据产业基地。

根据协议，双方将筹划建设地理空间大数据交易中心，推动组建地理空间大数据国家产业创新中心，成立国家地理空间信息中心“天心阁”研究院，进一步打造地理空间大数据产业生态链。

大数据(含地理信息)产业链作为长沙市工业22个新兴及优势产业链之一，目前已形成了一定体系，完成了上下游之间的覆盖。以上游企业为代表的大数据基础产业层，包含大数据中心、产品研发和基础设施及数据交易，如证通电子、中兴软件、湖南橘云数据科技等;以中游企业为代表的大数据资源和服务产业层，包含大数据分析和平台服务，如易观、隆驰数据、智慧眼、优势智通等;以下游企业为代表的大数据应用产业层，以大数据应用为主，如易观、亚信软件、数云信息技术等。

2016年，长沙市大数据产业总产值为100亿元左右，2017年产业规模超过160亿元，增幅达到60%。2017年长沙市从事大数据收集、分析、挖掘的企业总数突破60家。

[责编:荣庭芳]

9月26日，首届空间大数据与国际标准化高峰论坛在河南省三门峡市召开。近年来，河南省三门峡市抢抓大数据时代发展机遇，紧紧围绕打造网络经济大市目标，全面启动新型智慧城市建设，加快推进大数据产业发展，努力打造中西部地区知名的智慧城市建设先行区、智能产品制造集聚区、信息经济创业创新高地。

空间大数据正在全球范围内迅速崛起，给政府、企业和个人提供了前所未有的应用价值和服务能力，为了更好地促进空间大数据与各行业、各领域的深度融合，探讨大数据的技术创新和产业发展，交流大数据最新应用成果，推动大数据在各个领域的应用发展，中科院遥感与数字地球研究所已将卫星遥感数据应用推广中心建于河南省三门峡市陕州区。

此次论坛围绕空间大数据的应用及国际标准化的推动等热点话题，邀请国内外众多知名专家、学者、企业家共190余人，共同对空间大数据及标准化的问题进行交流，探讨大数据时代国际标准化发展趋势与最新研究方向，以及空间大数据如何更好地服务于国家经济建设和生态文明建设，有力促进空间大数据与各行业、各领域的深度融合发展。

在高峰论坛会上，三门峡市市长安伟说，当今世界正处于从IT向DT转变的时代潮流中，加快发展大数据产业既是时代发展的大势所趋，也是增强城市区域核心竞争力的重要依托。特别是中科院遥感与数字地球研究所将中西部地区首个高光谱卫星遥感数据与分发中心落户陕州区，为三门峡市空间大数据产业发展奠定了坚实基础。

此次空间大数据及国际标准化高峰论坛以“数据创造价值、创新驱动发展”为主题，深入探讨空间大数据及国际化标准问题，交流大数据技术创新和产业发展，将进一步促进空间大数据与各行业、各领域深度融合，更好地服务经济社会发展。

据了解，三门峡市将以此次论坛为契机，听取各方专家宝贵意见建议，吸收好、转化好论坛成果，努力推动空间大数据产业化在三门峡制定国际标准。“希望各位企业家朋友们走进三门峡，共同挖掘数据‘金矿’，共享空间大数据产业发展良机，实现企业和地方互惠互利、合作共赢。”安伟说。

在三门峡市陕州区卫星小镇召开的空间大数据应用暨陕州卫星小镇产业发展规划学术交流会上，陕州区区长骆玉峰说，立足新起点、瞄准新领域、厚植新优势，抢抓国家大力发展信息产业的重大机遇，陕州区积极培育智能装备、智能应用等大数据产品产业，先后引进了中科数遥卫星大数据应用、红外线成像设备生产等项目，为陕州区加快转型发展、发力“三次创业”奠定了坚实的基础。

（责编：朱轶琳）

像许多口号一样，“大数据”的概念带有多种定义。从GIS的角度来看，大数据描述了数量庞大的数据集，无论是数量还是复杂性，它们都需要先进的数据、管理，处理、分析工具和技能。如此庞大的数据集可能需要大量的工作，但额外的努力可以带来巨大的回报。地理空间大数据提供详细信息和上下文信息，可跨多个学科和应用程序提供即时和长期价值。

地理空间大数据可以包括来自各种传感器和数据收集方法的信息。可以使用手持式或测量级GNSS，专用现场计算机甚至智能手机收集具有相关属性的点和特征。与其他技术相比，这些数据集很小，但它们提供了非常高的精度和细节，可以快速更新。移动测绘系统结合激光雷达，成像，GNSS和其他传感器来捕获大量3D信息。然后将数据融合以开发综合模型和数据库。从机载和卫星平台收集的数据范围从图像和激光雷达到多光谱遥感。

收集地理空间大数据的能力继续增长。根据Euroconsult 2014年的一份报告，预计在2023年结束的十年中将有350颗新的地球观测卫星。更接近地面的是，无人机系统（UAS）提供灵活，经济的工具来收集图像。地面3D扫描仪和摄影在细节要求或有限能见度发挥作用的区域收集全面的信息。

试图利用地理空间大数据的巨大数量和多样性就像从消防水管中饮用。为了处理大量数据，现代软件将图像处理，点云管理和摄影测量技术集成到现有的地理空间工作流程中。新的专业解决方案，如自动3D建模和特征识别，通过从大图像和点云中提取专业信息，进一步提高了大数据的价值。

大数据在GIS中的作用

大多数人认为GIS是地图的基础。但它远不止于此。GIS可以作为大数据提供的位置，属性和信息的相关，可视化和分析的平台。通过将资产的位置与其他属性相关联，可以更好地管理该资产。关键在于收集和管理信息。

在大范围内，GIS专业人员可以从多个来源获取数据。例如，考虑地理空间技术在分析农村和城市环境中森林健康方面的作用。原始数据可以来自卫星遥感图像以及机载激光雷达和摄影。来自手持GIS数据采集器的数据提供了详细信息，可用作航空数据的检查点和地面实况。融合和分析后，综合数据可提供有关城市冠层，树木类型，损坏，健康评估以及与树木覆盖相关的热量和能量使用评估的信息。在农村地区，林农可以使用这些信息来评估树木的大小，健康状况和潜在的收获价值。

大数据还改善了GIS的时间组件。初始数据收集允许用户检查特定时间点的特征和条件。后续收集提供了分析资产随时间变化的行为的信息。诸如TrimbleeCognition高级数据分析软件之类的变更检测软件可以检查大型数据集，以自动识别新的或更改的功能。地理空间数据的快速采集和自动处理为时间敏感的应用提供了新的效率，包括工程，土地管理，运输，农业，建筑，远程信息处理等。

大数据的新来源

许多可以从航空和卫星数据中受益的组织没有能力自己收集它们。因此，他们经常求助于机载摄影和图像处理的服务提供商。来自Landsat等卫星系统的图像可以免费获得，但可能缺乏许多GIS应用所需的分辨率。

新选项Trimble Data Marketplace使用户能够查看和选择可用于给定位置的各种地理空间数据。市场策划来自各种公共和私人来源的数据，包括政府图表和地形模型，Landsat图像和高分辨率商业卫星照片。频繁更新图像使用户能够对自然或构建的功能进行基于时间的分析。

不断扩大的大数据可用性和使用为地理空间专业人员带来了新的机遇。随着技术的发展，GIS将增加处理来自越来越多来源的更多数据的能力。例如，UAS为组织提供了从自己的环境中收集数据的可能性。他们可以将数据注入其他大数据集，以实现可视化和高度自定义的分析。

越来越多的学科中的客户正在认识到地理信息的价值，并寻求将其整合到他们的运营中。不断增长的需求将提高收集和共享地理空间和相关信息的效率。

地理空间专业人员拥有选择和整合最适合生成所需信息和结果的数据的技能和工具。通过与客户和利益相关者密切合作，地理空间专业人员可以成为客户信息流的可信赖顾问和关键部分。

很多大数据都具有空间位置信息，这些空间大数据可以通过大数据GIS技术进行高效存储、索引、处理和分析。另一方面，经典GIS所需面对和处理的数据规模也在快速膨胀，对于经典GIS中超大规模数据的处理与分析，同样需要大数据GIS技术作为支撑。经典GIS中常用的缓冲区分析、叠加分析、空间查询等算法都可以通过大数据GIS技术进行分布式重构，用以面向不断膨胀的超大规模数据。

一、经典GIS数据存储方案

在各种GIS项目应用当中，首要设计的就是数据存储方案。在经典GIS当中，典型数据类型包括矢量的点线面数据、影像和栅格数据、地图缓存瓦片数据等类型。在存储引擎类型方面，使用较多的类型包括以PostgreSQL为代表的SQL数据库型存储，以及众多NoSQL型数据库，包括以MongoDB为代表的文档型数据库，以HBase为代表的列存储数据库，以Redis为代表的key-value型数据库等。随着互联网应用的深入，各种NoSQL型数据库得到了快速发展，并具有支持分布式可扩展部署，高性能读写等特征，因此在大数据GIS技术中，有必要对其进行吸收和融合。

在大数据应用中，由于涉及的数据体量巨大，存储和计算环境的部署强调二者的一体化，或者通过计算向数据靠拢来实现高效的数据读写。在海量空间数据场景下，需要通过空间索引技术将节点内的数据尽可能的保持完整性和独立性，尽量避免节点间的数据交换，从而实现高效的分布式计算。

1、PostgreSQL

PostgreSQL是一个功能强大的开源关系型数据库系统。可以支持各种主流操作系统，它完全兼容ACID，完全支持外键，连接，视图，触发器和存储过程（使用多种语言）。在GIS应用当中，可以使用它进行矢量点线面数据，栅格数据的高效存储和查询，由于它完全支持ANSI-SQL：2008标准，因此可以基于其上定制各种业务化的查询和存储过程。另一方面，基于其上的PostGIS数据库可以直接进行空间对象的存储和索引，并支持高效的查询，以OpenStreetMap为代表的很多GIS应用直接基于PostgreSQL引擎之上构建存储层。

2、MongoDB

MongoDB是一个基于分布式存储的NoSQL文档型数据库，它是一个介于关系型数据库和非关系型数据库之间的产品。大多数NoSQL都提供较少的关系型数据库特征，但MongoDB是个例外，其对于SQL查询支持较为丰富。其BSON形式的数据结构非常适合进行缓存瓦片的存储，而缓存瓦片的使用往往也不要求过多的SQL查询语法支持。另一方面，它也同样可以进行矢量点线面的存储，并且内置了Spatial扩展可以支持空间索引和空间查询。

3、HDFS

HDFS是一种分布式文件系统，它虽然不是一种数据库产品，但由于其是Hadoop生态体系的基石，且与Spark技术无缝结合，因此在大数据实施时，经常被用来作为一种通用型存储方案。在大数据GIS当中，其使用方式主要有两类，一种是直接作为文件系统，将csv、json格式的大文件放置其上进行直接存储，另一种是作为Spark计算引擎的存储方案，使用自定义的二进制格式存储空间数据，并进行空间二级索引设计和实现，以高效对接Spark分布式计算。

二、经典GIS数据处理方案

由于各种存储引擎特点不一，因此在项目实施中，如何选择最适合的存储和计算方案，需要与项目的具体使用背景相结合。我们建议从数据规模（千万级、亿级、十亿级还是更大）、数据更新频率（年、月、日还是更小）、数据处理复杂性（SQL查询、空间查询还是复杂空间运算）等几个维度进行综合考量。我们选择了几个较为典型的应用场景，进行具体说明。

1、千万级实时更新

该应用的典型客户为政府各单位的分中心，虽然全国范围内的汇总数据规模庞大，但省市分中心单位维护的子库数据规模在千万级左右。虽然数据规模不大，但是具有业务逻辑复杂，要求实时更新的特点，因此推荐根据业务场景，灵活使用Oracle或UDB数据库型引擎。可以进行实时更新，也可以根据复杂业务进行较复杂的SQL查询检索。并且可以对接Spark计算引擎，进行大规模数据的复杂计算。

2、亿级准实时更新

该应用的典型客户是部委的全国级主中心，从各省市分中心汇总的数据规模可以达到亿级到十亿级规模，更新频率低于分中心的实时业务系统，但也需要具备一些SQL查询能力。此时推荐使用PostgreSQL或MongoDB进行分布式存储，一方面可以支持数据的动态扩展，另一方面也可以支持一定的SQL查询。当然也可以对接Spark计算引擎，进行业务计算。

3、十亿级低频更新

该应用的典型客户也是部委的全国级主中心，可能需要对汇总的多年份历史数据进行时间序列分析或者综合性分析。此时的数据更新频率较低，可能是以年为单位，但总体的数据规模非常庞大，可能达到十亿甚至百亿规模。此时推荐使用HDFS进行数据存储，再对接Spark技术进行分布式计算，对这种超大规模的空间数据进行处理和综合分析。

三、经典GIS应用案例

矢量数据的空间叠加赋值算法，是国土测绘领域这样的大规模矢量数据分析常用功能。SuperMapiObjectsjavaforSpark以该算法为例，讲解大数据技术如何提升经典GIS数据处理和分析性能。矢量数据分析的基础是高效的空间索引，而分布式矢量分析同样需要基于空间索引进行加速。

1、分布式构建空间索引

分布式构建空间索引根据整体流程，又可以细分为索引对象构建，数据集重分区，索引后数据缓存等几个子过程。较常使用的索引类型有均匀格网索引和四叉树索引两种。索引对象构建后可以广播到集群各节点，数据集重分区过程各节点可以获取该对象进行空间对象处理。由于后续的叠加赋值计算需要基于索引后数据进行，所以SuperMapiObjectsjavaforSpark需要把重分区后的数据缓存下来，以kryo序列化的方式将数据缓存到HDFS上。

2、分布式叠加赋值计算

由于在前面的分布式构建索引过程中，SuperMap iObjects java for Spark把按照索引重分区后的数据缓存到了HDFS上，因此在进行叠加赋值计算之前，SuperMap iObjects java for Spark首先需要将数据从HDFS上读取到Spark的RDD中。在读取之后，就可以基于索引后的FeatureRDD进行两图层间的叠加计算了。由于叠加赋值一般涉及被更新数据和更新数据两个数据集，所以SuperMap iObjects java for Spark使用RDD的zipPartitions接口来将两个RDD进行组合。

四、经典GIS性能提升测试

SuperMap iObjects java for Spark使用的测试环境的单节点操作系统为64位Ubuntu 16.04 Linux系统，CPU为英特尔酷睿i7-6700K，四核处理器，主频为4 GHz，硬盘为1 TB，内存为16 GB。Spark集群配置为一个Master节点，四个Woker节点，即五台同配置的PC机环境。使用的Hadoop版本为2.7.3，Spark版本为2.1.0。

测试数据局部放大图

为了保证测试的有效性，SuperMap iObjects java for Spark设计了规模不等的三组矢量数据进行分析计算。A组数据被 更新图层图斑对象数目为10万，更新图层（即提供属性值的图层） 图斑对象数目为80。

两图层数据分布特征为：更新图层的单个矢量面对象面积显著大于被更新图层对象，但二者的总体图斑覆盖范围相近。B组数据被更新图层图斑对象数目为100万，更新图层图斑对象数目为800，两图层数据分布特征与A组数据类似。C组数据被更新图层图斑对象数目为1000万，更新图层图斑对象数目为1万，两图层数据分布特征与A组数据类似。SuperMap iObjects java for Spark将分布式改进后的方法与传统GIS软件的单节点叠加赋值功能进行了性能对比，结果如表1所示。

表1性能测试结果

从测试结果可以看出，基于大数据技术的矢量数据叠加赋值方法，在不同级别的实验数据下，相比传统GIS单节点功能都有更好的性能表现。在小规模数据量（数据A）场景下性能有约33%的提升，在中等规模数据量（数据B）场景下性能有约71%的提升，在大规模数据量（数据C）场景下性能有约90%的提升，图2使用柱状图来更为直观的进行结果展示。

在对常用的GIS核心算法进行分析之后，我们认为：大多数的经典GIS核心算法都可以进行分布式算法改进，即使用大数据技术进行海量空间数据处理和分析的性能提升。目前SuperMap iObjects java for Spark已经完成的算法包括空间查询、叠加分 析、缓冲区分析、属性更新、矢量裁剪等功能，后面还计划针对矢量数据处理，拓扑检查等经典GIS常用功能进行进一步的升级改进。

内容来源：超图

2017年6月13日，以“空间大数据的崛起”为主题的第六届全球地理信息开发者大会(WGDC2017)在国家会议中心拉开序幕，会期两天。本次会议以地理信息测绘、互联网、人工智能、大数据等方面为主，结合当下社会发展的实际情况为与会嘉宾共同分享大数据所带来的科技化革命和成果。

今年是WGDC诞生以来的第六年。过去五年，WGDC从摸索中出发，怀揣“跨界、创新、全球”的理想一路前行。从最初跨界、融合到“无处不在的地理信息”，从3000人次到6000人次，WGDC不断刷新着空间信息领域对会议的认知。

WGDC被誉为“中国空间信息产业的创新风向标盛会”，此次大会既有高瞻远瞩的领袖峰会，也有展现新技术、新产品、新商业的盛大展览。几十家展商和媒体共同到场，其中包括广东泰一、瞰景科技、深圳飞马、南方测绘等众多知名企业，活动现场观众约计有500人左右。演讲嘉宾分别有国家测绘地理信息局副局长李鹏德、百度地图事业部总经理李东旻、泰伯创始人刘玉璋、英国伦敦大学学院大数据分析实验室创始人兼主任程涛等知名人物。

随着移动互联网和云计算的快速发展，空间位置数据的快速沉淀和积累，使得空间大数据正在全球范围内迅速崛起，给政府用户、企业用户与个人用户提供前所未有的应用价值和服务能力。而机器深度学习、人工智能技术的诞生则进一步拓展了空间大数据的服务能力，人工智能技术不仅能够提升数据处理能力及效率、降低人力消耗，更使得空间大数据服务应用到更多领域，再针对不同客户需求，精准定制数据信息服务方面都有着出色的表现。当空间大数据、云计算与人工智能发生碰撞，地理服务产业势必会发生神奇的变革与进步。

基于云计算的空间大数据和人工智能技术的新型地理服务时代已经悄然到来，当空间大数据、云计算与人工智能发生碰撞，迎来更高效、便捷、智能的新方法，地理服务产业势必会发生神奇的变革与进步，让我们拭目以待吧！

来源中国军网综合

空间“大数据”为美军提供便利的同时，也带来了诸多困扰和挑战。美军在近几场战争和非战争军事行动中，各级指挥系统均不同程度地遭遇到空间“大数据”的困扰。在这些行动中，数据“难以用现有的数据库管理工具来驾驭，困难存在于数据的获取、存储、搜索、共享、分析和可视化等诸多方面。”请关注今日出版的《解放军报》的文章——

“大数据”缘何给美军造成困扰

■肖慧鑫 李 义

美军从上世纪60年代起就认识到数据共享和集成管理的重要性，投入大量资源进行数据建设，并于1997年提出“大数据”的概念，自伊拉克战争爆发后不断在实战中探索“大数据”的运用。美军认为，太空态势感知是控制空间、掌握制天权的根本前提，快速高效地获取空间“大数据”是控制空间、掌握制天权的关键。为此，美军建立了完善的太空态势监视系统，包括地基主动红外激光雷达和分布式相控阵雷达、光电深空望远镜和天基空间目标监视系统等。

然而，空间“大数据”为美军提供便利的同时，也带来了诸多困扰和挑战。美军在近几场战争和非战争军事行动中，各级指挥系统均不同程度地遭遇到空间“大数据”的困扰。在这些行动中，数据“难以用现有的数据库管理工具来驾驭，困难存在于数据的获取、存储、搜索、共享、分析和可视化等诸多方面。”

一是空间“大数据”的数量呈现爆炸式增长。美军各级指挥机构及作战部队在军事行动前可同时得到5个渠道的战场数据支持，即：国家情报系统提供的战略及战术情报数据，远程侦察监视系统自动报告的数据，作战部队蓝军跟踪系统自动报告的数据，相关数据库自动报告的数据，全球资源系统、训练系统及其它资源产生的数据等。不仅如此，美军还大量采用商用数据，使用“数字地球”和“地球眼”提供的卫星图像，利用谷歌地球和影视业提供的数字图像产品。因此，美军各级指挥控制机构所获得的数据已经不能以通常的G和T为单位来衡量，而是要以P（1024个T）或E（1024个P）来计算。

二是空间“大数据”的高效存储和高速传输压力巨大。经过多年的全球信息栅格基础设施建设，美军的网络传输能力已达到空前水平。但是，由于各类侦察卫星、测绘无人机、激光雷达等军事测绘传感器每天都要采集大量的情报数据，海量数据不仅在重要关头阻塞了关键网站，更使指挥官和参谋人员陷入了信息的“海洋”。数据无法及时转变成为明晰易懂的报告和指令，严重影响了作战效能，阻碍了作战进程。这就需要提供虚拟化存储技术和超大容量数据高速传输技术，解决空间“大数据”的组织、管理、存储和传输等问题。

三是空间“大数据”与通用情报进行融合的难度巨大。为了提高效率，美国陆军作战指挥系统需要访问最新的、精确的和存储于共享和分布式地理空间数据库的通用地理空间数据，这些数据构成通用作战图的基础。由于空间“大数据”包含物体及其相对地球表面的结构化数据，其格式繁多、数据量庞大，处理困难，严重制约着通用情报的融合。要实现基于网络的数据、信息和情报共享，就要求地理空间位置、时间参考框架以及测试度量标准一致。因此，美军需要制定并推行与之相对应的量测方法和度量标准，并建立与C4I、情报单位和作战部队的紧密联系。

四是现有数据架构无法满足快速决策要求。大量的网络服务从单一的文字形式转向图片、语音和影像等多媒体形式，促使数据量大增。在这种大背景下，美军现有数据架构不仅仅要处理、存储“结构化”数据，还要应对各类报表、图片、文档、文本、音视频、可扩展标记语言和超文本标记语言等“非结构化”数据,因此读取和处理效率也越来越低。长期以来，美军各级指挥控制机构及专业人员要时刻面对数据超载的巨大压力，由于需要处理的数据量太大，以致耗费大量时间。

而实际上，美军各级侦察机构使尽浑身解数收集来的信息中，有相当一部分从未经过彻底分析，因此这些数据也就从来没有派上过用场。地理空间数据、影像和影像情报、视频情报等富媒体数据不像电话簿那样，可以用二维数据来表达，它们属于非结构化数据。现有的数据架构在“大数据”之下更是搜索困难、速度缓慢，无法满足快速决策的要求。

为此，美军地理空间部门把重心放在虚拟存储技术上，着力解决空间“大数据”的存储、网络传输和服务问题，目的是以更大的数据量、更多的数据种类和更短的响应时间，提供更快、更好的地理空间信息和影像。同时，为了推动空间“大数据”的应用，美国国家安全局正在兴建一座超级情报数据中心，用于存储国家安全局的侦察卫星、无人机、海外侦察站以及遍布全美电信设施的监控中心所收集的海量情报数据。

此外，美国情报界正在研发一些能抓取“谷歌地球”图像的空间“大数据”处理工具，美国海军和海军陆战队也在试验一种被称作“语义维基”的“大数据”分析方法，可以搜索视频、情报以及卫星影像，还可加入视频流。而更有发展前途的是 “防务情报信息企业系统”，它利用空间“大数据”技术，从众多传感器和数据库中收集、处理、分析信息，提高数据处理的效率。

近年来，农业在大数据在多种场合被提起，可除了农业大数据外，其实还有空间大数据。

空间大数据就是通过地理信息系统、全球卫星定位系统、遥感技术、计算机等自动化控制技术的应用，按照田间每一操作单元的具体条件，包括作物生长的土壤性状等，精准地调节对作物的投入。

通过全生命周期的精细化管理，精准农业可以极大地节约化肥、种子、水、农药等投入，把各种原料的使用量控制在非常准确的程度，让农业经营像工业流水线一样连续地进行，从而实现可持续的规模化经营。

虽然空间大数据被农业界领导、专家等看到，可由于投入的费用、地块大小等影响，起步还是较为缓慢。目前国内精准农业的投入，还是集中在新疆等地区。在播种与收割中，运用卫星导航和自动驾驶功能的农机。

就空间大数据的运用地区而言，较为适宜的还是那些大规模生产的地区，比如西北和东北地区的大规模农业生产基地。对于一些土地资源较少的省份，要想推行精准农业，可能会难得多。虽然当前困难重重，但仍然不可阻挡的是其未来的发展趋势，它会带领农业步入数字和信息时代。

“大数据的魅力，在于它几乎能够研究世界上的任何问题。”全国政协常委、国家测绘地理信息局副局长李朋德在6月13日召开的WGDC2017上指出，我们已经来到了数据大爆炸的时代。

李朋德认为，空间大数据要在中国充分发挥价值，就需要在数据开放和共享上做出突破。他表示，未来，将会有越来越多的权威地理信息数据开放给社会和企业，空间大数据将迎来新的机遇。

挖掘空间大数据的价值

“大数据已经上升为国家战略，而几乎所有的大数据，都需要而且可以与地理信息数据紧密融合。”泰伯创始人、董事长兼CEO刘玉璋表示，空间大数据是大数据与地理信息数据的融合体。由此，空间大数据正在全球范围内迅速崛起，给政府用户、企业用户与个人用户提供前所未有的应用价值和服务能力。

“空间大数据的崛起，带来的远比我们想象的要多得多。”泰伯研究院专家顾问、英国伦敦大学学院教授程涛说，“空间大数据崛起给我们带来的是时空大数据，不只是告诉位置，也不只是告诉时间，更重要是有了内涵和内容。这为城市智能化和个人的位置服务提供了非常好的机遇。”

数据离不开时空，在李朋德看来，大数据有序的挖掘才能出现价值。他把时空大数据分为五大形态，第一是基础地理信息数据，即按照国家标准精准测绘所形成的政府数据；第二是专题地理信息数据，比如地理国情所获取的大量与经济、社会有关的数据；第三是专业地理信息数据，如农业部门、国土部门等专业部门的数据；第四是传感地理信息数据，也是时空大数据里面重要且有活力的部分，并涵盖很多的领域；第五是社交地理信息数据，比如采集的共享单车所走的轨迹等数据。

“目前，真正在经济价值上值得花功夫的是第四类和第五类，而前面一、二、三类是政府部门有序打开支撑产业的发展。因此要建立以企业为中心的公众服务、事业支撑、政府监管的新大数据体制。”李朋德说。

李朋德也带来了时空大数据创新发展方面的新思路：把“一带一路”沿线和区域的大坐标关联起来，形成基础地理数据和系列的地图成果，用于规划、建设、感知，借助互联网时代的物联网、云计算和大数据技术，时空数据在数字空间串接起来，形成物理世界的虚拟再现，支持混合现实的智能化管理，为地理信息产业发展提供全新的渠道和原动力。

知卓集团创始人、董事长、泰伯研究院顾问委员陶闯还在大会上发布了《2017中国空间大数据产业趋势报告》。陶闯在发布趋势报告时表示，物联网、云计算、大数据、人工智能的迅速发展，正在催生一个庞大的空间大数据产业链。他认为，空间大数据是全球政府管理和经济发展的基础设施，随着产业的迅速发展，空间大数据将会在社会经济的各个领域发挥不可替代的重要作用，尤其是在智慧城市和智慧汽车领域。

仍面临很多挑战

虽然，现在通过遥感、社会感知传感器等获得了一些信息，这些信息从理论上来说可以更好地理解客观的世界、物理的世界，但是挑战也相当明显。

中国科学院院士、泰伯研究院名誉院长龚健雅在报告中指出，测绘遥感有严格的产品标准和生产技术规程，社会感知数据没有标准规范，模态多样、杂乱无章，如何梳理成可信的数据是一大挑战。

“如果两类数据要融合的话，它的量不一致、时空尺度不一致、精度不一致、可靠性不一致，两类数据如何集成，信息和空间如何融合？这是第一个挑战。”龚健雅说。

另外，“社会感知的数据杂乱无章需要清理，清理后需要入库，是否在线清理等都是一系列的问题。传感网的数据很大，是把传感网的数据直接存进来，还是摘取，这都给我们带来挑战。”

从动态到实施，无论是测绘还是遥感，获取的信息都是在某一个时刻经过时得到的，往往把数据导入数据库里进行管理。但是现在，地理信息已从静态向动态发展，传统的数据管理的模式已经不再适应。

“今天，从传感和各种感知设备出来之后，我们迫切需要发展一种新的地理信息系统。”龚健雅提出，能够支撑实时数据采集、处理、分析与应用模拟的实时的地理信息系统（GIS）将成为未来GIS发展的一个重要方向，也是时空大数据分析的重要平台。

“在统一的空间大数据框架下，基于传感网的实时动态GIS可以实时管理与分析城市内部的人流、物流和事件流，因而能够在智慧城市中发挥重要作用。”龚健雅说。

他还表示，天、空、地传感器成为地理信息数据采集与实时更新的重要工具，传感网与互联网和云计算结合将构成地理国情监测、智慧城市、大数据分析的基础设施。

空间大数据的崛起有着非常重要的意义，首先给我们带来的是更多的服务和信息，这是非常重要的两点，此外就是通过一些图绘来给我们直观讲解。

在大家讲的物联网和云概念也就最近短短几年，伴随社交媒体大量出现。这个时候我们关注空间信息不光是位置、时间，更多的是内容，还有很多的不同影像。

这些带给我们的问题，刚才李朋德局长讲了很多，是从空间信息到时空信息，从规则数据到不规则数据。这些内容怎么提取，其实是非常具有挑战的问题。这个社会的核心就是智能的问题。

智能是什么?

智能是用复杂的分析、复杂的模型、复杂的优化、复杂的可视化来帮助我们做更好的决策。基于这样的问题，基于这些挑战我在2012年在伦敦成立了时空实验室，我们有了时空信息，但是没有时空一体化分析的手段和方法，更没有这样的理念，所以基于这样的理念我在UCL创立了时空实验室，研究时空数据的预测、模拟、分类、画像及可视化，目的是服务于政府，服务于社会，服务于人。

大数据的应用是非常有意义的，大家可以通过一体化的思维进行分析，然后利用各种智能机器来进行讲解，对数据进行分析和统计，从而得出一定的结论。空间大数据不仅给我们带来了信息，还带来了智慧。

地理信息数据管理现状

大数据为地理信息行业带来了全新机遇，伴随大数据技术的发展，获取地理信息的各种新技术也在不断涌现。传统的地理信息采集是专业任务，强调几何精确性，测绘遥感是主要的采集手段。而大数据地理信息采集手段更为丰富和自由，传感器网络、个体出行过程、网络行为、消费记录等均可能成为大数据地理信息采集手段。这些地理数据具有体量大、来源广、多样化、多时项、多尺度、高维度、高复杂性和非结构化特点。

目前，各行业用户拥有的地理数据普遍存在着数据分散、重复布局、更新维护困难等情况，严重影响到数据资源的共享、开发、利用。用户迫切需要一款数据管理平台，帮助自己实现海量数据资源的统一管理与维护。

‘安徽·天地图’政务版平台数据管理经验

安徽基础测绘信息中心应用捷泰天域睿图数据库管理系统建立了一套“高效、灵活、实用”的数据资源管理平台，完成了安徽省天地图“母库”库体建设，实现了全省基础矢量数据、影像数据、地名地址数据、三维数据、街景数据、瓦片数据等各类数据资源的高效管理和可视化应用，提高了中心数据资源管理水平与成果应用效能。

系统平台建立了灵活、可配置的数据查询体系，实现了数据查询、统计、提取的一体化；建立了融合数据与母库数据同步机制，形成母库与融合数据的良性互补，减少了重复建设；采用众筹思维模式，建立了需求牵引的快速同步更新机制，通过迭代方式快速更新产品库热点区域数据，然后与母库同步更新，从而完善、提高母库数据质量。

专业数据管理平台——睿图数据库管理系统

捷泰天域为了解决当前海量数据管理难题，推出睿图数据库管理系统，是以空间对象为主体的地理信息综合管理系统，以数据模型为核心，采用插件式开发框架，实现对基础地理信息数据、专题数据、影像数据、文档资料等各类数据的统一组织和有效管理。支持数据模型定制，可以根据实际情况跟随业务进行调整；支持开发定制，满足各种类型地理信息数据库的快速搭建和定制扩展。

用户仅需使用极低的成本，即可获得地理信息数据资源的统一存储和高效管理。捷泰天域数据库管理系统帮助用户实现数据资源的统一管理、更新、维护、分发、共享，使数据更好的为业务应用和数据挖掘提供支撑。

产品的核心价值包括以下几个方面：

数据资源一体化管理

为用户提供从数据质检、数据建库、数据更新到数据查询、数据展示、数据分发、数据共享全流程的一体化管理，减少用户进行数据管理、查找、更新、维护工作量。

灵活的数据建模能力

产品采用数据模型组织管理数据资源，用户可根据需要建立相应的数据模型。模型具备可扩展性，满足未来用户数据管理内容扩展的需要。

高效检索，快速、精确定位

用户无需担忧如何从海量的数据中快速获得到想要的那份数据，首先，产品采用ElasticSearch智能高效检索技术，提升海量数据的检索效率；其次，产品提供多种检索方式，包括空间检索、元数据检索、空间与元数据组合检索等，帮助用户快速、精确的找到需要的数据。

要素级更新能力

产品具备要素级更新能力，支持要素级更新数据的历史管理。帮助用户实现要素级的历史回溯。

提供二次开发接口

产品具备定制开发能力，用户可以通过库管产品提供的二次开发接口，结合自己的业务需求进行二次开发扩展。

目前睿图数据库管理系统产品已面向政府、企事业单位和各行业各层面用户提供了专业的数据管理解决方案，并且产品已服务于时空信息云平台大数据管理、天地图母库管理、大数据中心建设等多个应用领域。