1.5 城市數據

1.5.1 城市數據的分類

1.5.1.1 基于數據結構和時空屬性

如圖1.14所示，這些數據集的形式可以根據它們的結構和時空屬性分為六類。在數據結構方面，有基于點的和基于網絡的數據集，分別顯示在上方和下方。對于時空屬性，有時空靜態數據、空間靜態時間動態數據，以及時空動態數據，分別由三列表示。

例如，圖1.14所示的第一列中以基于點的數據結構表示的POI數據具有靜態的地理位置和固定的屬性，如名稱、地址和類別，這些屬性不隨時間改變。

城市中的道路以網絡結構表示，也具有靜態的時空屬性，如位置、名稱、車道數和速度限制。如圖1.14中間列的下方所示，當與隨時間變化的交通相關聯時，道路交通數據變為基于網絡的空間靜態時間動態數據。

如圖1.14中間列的上方所示，大多數地理感知數據（如氣象數據和空氣質量）具有靜態的點位置，固定傳感器就部署在這些位置，但會持續產生動態的讀數。

如圖1.14最后一列的下方所示，數據的最復雜形式是軌跡數據，它通常表示移動對象（如車輛或人）的運動。軌跡數據既包含空間信息（如移動對象的地理位置），也包含隨時間變化的時空屬性（如速度和行駛方向）。

時空人群感知數據可以被視為一種基于點的時空動態數據集。最后一列上方和下方之間的區別在于，前者的連續點之間的順序屬性比后者要弱得多。例如，人們可能在某個地點發布一個帶有地理標簽的推文，幾天后又在另一個地點發布其他推文。兩個地點之間的聯系變得非常弱，因為人們在這兩個地點之間可能已經訪問了許多其他地方。

1.5.1.2 基于數據來源

城市數據還可以根據其來源進行分類，例如分為地理數據、交通數據、通勤數據、環境監測數據、社交網絡數據、經濟數據、能源消耗數據和健康保健數據。每個來源可能進一步由幾個子類別組成。例如，通勤數據包括人們在公交車、地鐵和共享單車系統中的購票數據。

此外，當從不同的角度和以不同的方式使用同一來源的數據時，可以形成不同的數據結構。例如，從共享單車站點的角度來看，單個站點內人們的單車租賃數據是一個基于點的空間靜態時間動態數據集。然而，通過匯總來自多個站點的大量單車租賃數據，我們可以構建一個單車站點之間的網絡，因為人們從一個站點借出單車并在另一個站點歸還。此外，不同站點之間的自行車流量隨時間變化。因此，來自許多站點的大量共享單車數據可以被視為一個基于網絡的時空動態數據集。如果配備GPS傳感器，單車的移動將形成一條軌跡，這屬于時空動態網絡數據。

鑒于這兩個因素，同一來源的數據可能屬于基于數據結構和時空屬性的分類法中的多個類別，如表1.3所示。

以下小節將根據來源介紹每種類型的城市數據，并討論在城市計算中的潛在應用以及可能面臨的挑戰。