数字孪生万物皆可时空化？

　　天空没有翅膀的痕迹，但我已飞过。
　　I leave no trace of wings in the air,
　　but I am glad I have had my flight.
　　——泰戈尔 《飞鸟集》 1913
　　如今，在科技从业者眼中，这行诗可能没有诗人想象得如此浪漫，只要在鸟类的翅膀上装置一个GPS定位仪，就能清晰地分辨鸟类在空中的痕迹，如果进一步分析，人类甚至能分辨哪只鸟儿、在何时飞过自己头顶。站在还原历史的角度上，这是物联网、大数据等技术带给这个时代的另一种壮丽艺术与图景。
　　鸟类迁徙轨迹大数据可视化 by Cinematic Design and Communication
　　现在，大家都在谈 数字孪生 ，但并不清楚这其中将面临的重重阻碍。那么，凭借目前的技术，是否能实现万事万物的时空化呢？
　　现实空间 → 数字空间→ 图形空间
　　现实世界透过感知系统，构建了一个数字世界。
　　如果将它类比现实世界，时空大数据便是这个世界的基底（地图）、钢筋水泥（空间三维）、人与物体（物联网数据）。
　　这些数据透过地理信息系统（GIS），绘制出图形空间，并通过云服务分享给各个行业、组织与个人。
　　在数字世界中，时空大数据是体量最大、增量最多也最快的大数据类型之一，如果不能做到支持动态增长与实时处理的话，不仅难以做到数字空间向图形空间的实时映射，后续的分析运算也将无法进行。 基础地理信息系统百万兆TB级-十亿兆PB级数据量 空间三维信息系统十亿兆PB级-万亿兆级ZB级数据量 时空大数据以上两者，加实时增长的物联网数据的总和
　　为了突破这个瓶颈，超擎通过核心技术缩减了数据预处理环节，实现了 10PB级时空大数据的分布式存储、＂获取即发布＂的云处理效率 ，破解了数字空间到图形空间实时映射的难题。
　　国家级地理平台，59G时空数据发布时间为15天，通过超擎平台提供的数据发布工具，缩短为1天入库完成
　　可即使解决了海量数据的云服务与共享难题，也并非是数据的终点，而是另一个起点—— 业务应用的起点。
　　图形空间 →空间智能
　　GIS绘制的这个图形空间，不仅为了观看，而是更加深刻、精确地理解这个世界和城市问题。如何透过图形分析问题呢？ ＂空间智能＂。
　　空间智能 注重图形的交互分析 ，这就需要理解隐藏在图形背后的逻辑，而逻辑最精确的表达，还是数据，这就需要一个＂数图通道＂ ，在触及图形的同时，也触及图形背后对应的数据。
　　举个例子，公安部门车辆管理大数据平台，通过超擎提供的千亿级轨迹数据工具，任意选择地图区域，可迅速获取：这块区域有哪些车辆经过，他们的行驶轨迹，以及进一步透视其日常活动热力范围、时空交汇相遇情况、行驶路线相似程度等诸多智能决策信息，这对于提高监督与办案的业务效率起到了关键作用，并且类似的分析，在智慧交通、车联网、智能网联等行业中，也占据了重要地位。
　　通过对地图的任意框选，找出经过这个区域的车辆及其轨迹，一个典型的、通过图形交互实现时空分析的场景。图源：超擎千亿级轨迹大数据平台界面
　　空间智能 → 时空智能
　　看到这里，你也许会说，我们已经拥有了空间智能，为何还需要 ＂时空智能＂？
　　空间智能可以帮助我们理解问题、辅助简单决策，但是时空有了人工智能的参与和融合，能够进一步 将数据转化为影响现实世界的力量，这也是支撑＂学习孪生＂到＂模拟孪生＂的关键步骤。
　　图源：《数字孪生：为城市和你创造一个虚拟副本》
　　时空看似包容万物，其实可归纳为两个简单的方向：纵向与横向，也可理解为，数学中的横轴与纵轴。横轴为时间线，所有信息以时间顺序进行排列；纵轴则是包容万物的空间，承载了全要素数据。在现实社会中发生的各种事件大多并非由于单一因素而造成的，而是由多种因素的耦合或相互作用的复杂成因而影响生成。
　　- 测绘、遥感卫星、雷达等采集了地图与空间数据；
　　- 农业、电力、工业、气象等拥有行业专题业务数据；
　　- 人类活动数据更为频繁和多源，如GPS定位、手机信令、车载硬件、智能家居与穿戴设备、摄像头数据、传感器等等..
　　将这些数据以统一的标准与单位进行融合与交叉分析，让城市、社会、行业的时空发展形成一个有机交融的整体，才能支持实现城市的模拟、监控、诊断、预测和控制，解决城市规划、建设、运行、管理、服务的复杂性和不确定性，赋予人类 ＂前可追溯历史，后可预测未来＂ 的力量。
　　那么，在这一环节上，超擎又做了什么？
　　为了＂复制＂、＂计算＂与＂融合＂的时空
　　现实世界中，我们用索引（即目录，Index）快速查找一本书中的指定内容；在数字世界中，索引可以帮助我们从云上的海量数据中快速寻找、提取各类指定的数据，并贯穿了时空数据的融合、呈现与分析一系列环节，同时也是机器深度学习的重要媒介与工具。
　　超擎以此为线索，建立一套全新的时空索引云核心系统。
　　超擎索引以什么为标准统一时空？
　　矢量坐标点。
　　为什么选择它？
　　矢量坐标，是由数字坐标绘制生成的地图小点，无数坐标可以拼合成一幅完整的矢量地图，它是地理信息系统中最为精细的单位，地图无论是放大还是缩小，其中每个小点都与空间中的其他对象保持着相对位置关系，表达了 精准的空间位置。
　　正反向地理编码功能最能说明这一过程：每个坐标点都对应着一个地图上一个小点，每个小点背后也也有纯数字的存在，但这并不代表着每种地图技术都能以为坐标点为单位进行数据分析。
　　这个表达位置的小点， 不仅自带精确时间戳，更能串联扩展的属性与语义信息 。
　　如果是一幅电子地图，可以设置POI（兴趣点，即地址），提供LBS服务，还可以串联泛时空信息，例如社交、新闻、语义（大家在这个定位点说了什么话）。
　　箩筐基于超擎技术，打造了一款基于LBS与地图，串联社交信息、新闻、消费资讯的APP
　　如果是一辆汽车的轨迹呢？不仅能细数车主人走过了多少路，经过多少个加油站，更能附加这个人的 社会属性 ，性别、年龄、职业等等，这就能够从自然人属性的角度去分析其行为与需求，协调城市供需之间的矛盾。
　　超擎通过附带标签的千亿级轨迹分析，能够融合人工智能，探索发现各类不同社会属性自然人的出行习惯与需求
　　在＂万物时空化＂的数字孪生世界中，不仅有大众地图呈现的路网与POI，大道本身的厘米级宽度、电管杆、树木花草等海量精细对象，都将以实体面积等比反映在地图中。通过以矢量坐标点为单位的索引技术，能够精确地选中任意精细对象，并将动态个体与其进行实时交互，这对于无人驾驶＂车路协同＂、时空孪生模拟运行的真正落地实现，起到至关重要的作用。
　　超擎索引与传统地图索引对地图对象选择的冗余对比
　　而这些海量精细对象所隐含的属性信息、语义信息，也会以标签的形式，折叠在地图与时空之中， 支持与地图背后的坐标数据一同参与到时空智能分析与深度学习 之中，这在城市综合治理、行业智慧管辖、突发事件防控中，能够起到多种＂变量＂参与的精确监控、智能防护作用。
　　超擎时空索引云技术，为建立基于时空智能的＂数字孪生＂提供基础核心能力： 实现 无需预处理的＂非切片＂时空数据处理模式， 支撑数字孪生的实时映射、虚实交互；支持 以时间与空间坐标为统一标准与线索， 对多源结构化数据 （数字、时空数据等）与非结构化数据 （文档、照片、视频等）进行统一处理与融合分析；支持融合人工智能，对高精度地图/空间/时空中的 精细对象 ，进行无冗余海量次深度学习 。
　　全时空大数据云平台
　　超擎构建了一个全时空大数据云平台，为什么要叫 ＂全＂时空 ？这是一个＂全域、全要素、全流程＂ 的时空大数据平台。
　　横向聚焦了三个时空领域最为重要也是覆盖面最为广泛的数据类型—— 矢量地图数据、影像数据 （含空间三维数据）与物联网数据 （物联网数据含工业传感器数据、轨迹数据、LBS位置数据、手机信令等动态数据），基本覆盖了以＂人、车、地、物＂ 为核心要素在内的广博万物。
　　纵向实现了数据全生命周期的极速处理。在云计算环境下，超擎在横向的全要素地物空间，无论是矢量地图、遥感影像、空间三维、物联网与轨迹等数据， 都无需切片预处理 ，大为缩短数据从采集到发布的时间，实现了海量时空数据的超高（秒级、毫秒级）响应速度。
　　无论是横向，还是纵向，超擎采用一种形式为纽带与标准： 超擎核心索引云技术 ，这带来了海量时空数据从显示、融合、分析到支持人工智能运算的全方位云端服务优势，起到了＂万物时空化＂的虚实对应、相互映射、协同交互 的关键作用。
　　超擎全时空大数据平台提供了 PB级、全类型时空大数据非切片、分布式管理能力，以及PaaS、SaaS级服务能力 ，平台基于超擎时空引擎技术，支持Docker、Kubernetes的微服务架构，兼容HBase、Spark、GeoMesa、GeoServer等广泛开源生态，内置时空AI智能分析、渐进传输、边缘计算等智能运算模块。
　　平台以强大的功能和兼容性、在线应用工具集及API接口，广泛应用于基础测绘、智慧城市、航天遥感、环保、商业、农业等众多领域，为数据洞察、价值发现、综合决策等提供强大的空间数据以及技术支持，助力大数据、物联网、AI时代背景下的时空云服务产业升级，并支持与人工智能多维融合，构建时空智能场景。
　　高效存储 无冗余全网分布式云存储
　　高效传输 自适应化简、渐进云传输
　　高并发读写与访问
　　智能化实时交互与可视化
　　在 ＂超擎数字世界背后的深层逻辑（二）＂ 中，我们将融合超擎全时空大数据平台技术特点，介绍超擎服务于各行业案例，以及在用户场景中实现的应用价值。