背景技术

随着信息技术的不断提高以及移动设备和网络的广泛使用，数据产生的速度越来越快，数据收集的频率越来越高，数据密度的增长越来越显著，这些因素都使得大数据问题成为一种必然的趋势。而在大数据时代下很多商业数据都包含有时间和空间信息。在很多特定的应用场景下，比如垂直领域、封闭领域，通常难以获取充足的数据来完成相应的任务，因此，充分利用已有的数据进行数据增强是一个十分迫切的需求，即在保持标签一致的情况下，通过某种转换方法扩充出类似于真实数据的训练数据。数据增强可以实现数据更复杂的表征，从而减小验证集和训练集以及最终测试集的差距，让网络更好地学习迁移数据集上的数据分布，对于提升如目标识别、轨迹预测等下游任务具有重要意义。数据挖掘领域的一些较成熟的技术，如关联规则挖掘、分类、预测与聚类等被逐渐用于时间序列数据挖掘和空间结构数据挖掘，以发现与时间或空间相关的有价值的模式，并且得到了快速发展。信息网络和手持移动设备等的普遍应用，以及遥感卫星和地理信息系统等的显著进步，使人们前所未有地获取了大量的地理科学数据。这些地理科学数据通常与时间序列相互关联，并且隐含许多不易发现的、又潜在有用的模式。从这些非线性、海量、高维和高噪声的时空数据中提取出有价值的信息并用于商业应用，使得时空数据挖掘具有额外的特殊性和复杂性。随着时空数据采集效率的不断提高，时空数据积累越来越大，时空数据挖掘也面临诸多挑战。对于结构复杂且形式多样的时空数据，如何寻找合适的数据挖掘算法或者技术，可以挖掘什么有价值的模式，这些问题的解决都迫切需要构建一个时空数据挖掘的理论框架。因此，寻找有效的时空数据分析技术对于时空数据中有价值的时空模式的自动抽取与分析具有重要意义。

近年来，传感器网络、移动互联网、射频识别、全球定位系统等设备的快速发展和广泛应用，造成数据量的爆炸式增长，数据增加的速度远远超过现有的处理能力。一方面，时空数据本质上是非结构化数据，不仅包含时间序列模型，还存在地图模型。基于地图模型的算法时间复杂度通常比较大，对时空数据的存储管理和索引技术要求比较高。另一方面，MapReduce计算模型的组织形式和数据处理方法不适合处理时空数据模型；Hadoop技术也无法有效支持数据挖掘中监督学习所用的迭代式计算方法，因而无法完全满足时空数据分析的需求。

时空数据流是指在时间和空间中通过时间序列传送可持续数据，是用来表示空间实体的地理位置和分布特征等方面信息的数据，表述了空间实体或目标事件随地理位置的不同而发生的变化。空间数据是数据的一种特殊类型，它是指带有空间坐标的数据，这类数据通常是地图文件，用点、线、面以及实体等基本空间数据结构来表示。时空数据流时间序列(timeseriesmodel)数据是按照其属性(实际上就是时间)的顺序来的。在这种情况下，i＝t，即一个t时刻的更新为(t,ct)。此时对α的更新操作为αt(t)＝ct，且对于i＝t，αi(t)＝αi(t，1)。这种时空数据流模型适用于时序数据，如某特定IP的传出的数据，或股票的定期更新数据等。时空数据流包含随时间变化的空间信息，并且是流数据形式(即数据像一个无限的流，流进流出)。时空数据流每时每刻都在源源不断地产生大量的数据，不断从各种来源收集的时空数据的可用性日益增加，与传统的数据集不同,这些数据是海量的(massive),时序的(temporallyordered),快速变化的和潜在无限的(potentiallyinfinite)我们称这样的数据形态为数据流(DataSteaming,简称Streaming),并用数据流模型(DataStreamingModel)来描述它。在这些数据中发现异常模式构成了重大挑战。时空数据中的时间关系和空间关系通常比较复杂，尤其很多可度量的和不可度量的时间关系和空间关系都是隐含在时空数据中。挖掘数据中隐含的时空关系必然会引入某种程度的不确定性和模糊性，这将很大程度上影响数据挖掘的结果。近年来物理层对时空数据模型的研究主要侧重于对以往模型的修正,应用层的时空数据模型集中于满足各领域具体需求,而逻辑层的研究在表达能力方面有待改进。由于正常模式和异常模式之间通常没有明确的界限，现有的解决方案在识别大型、动态和异构数据中的异常、解释其多层面时空上下文中的异常以及允许用户在分析循环中提供反馈方面的能力有限。空间、属性、时间是地理现象的三个基本特征，也是GIS数据库的三种基本数据成分。这里的“空间”指空间位置数据及其派生数据。“属性”指与空间位置无派生关系的专题属性数据。“时间”则指时间、空间和属性状态的时变信息。

随着近年来以空间数据库为基础的GIS研究和应用的不断深入，随时间而变化的信息越来越受到人们的关注，因而提出了时态GIS(简称TGIS)的概念。时态GIS的组织核心是时空数据库，时空数据模型则是时空数据库的基础。而时空数据库是保存流数据不同时刻的分布状态,以支持离线阶段的分类、聚类和关联规则发现等数据挖掘操作，又是时态GIS(TGIS)的核心。但是由于空间、属性、时间三者之间的关系和结构组织非常复杂，理想的时空数据库和时态GIS系统目前还没有出现。由于数据的时空相关关系，其残差会形成一个零均值的非独立的时空相关随机过程。使得现有时空数据增强不具有针对性和通用性。

国内外关于数据增强的研究持续不断，相关的关键技术也取得了一定的进展，国内外研究存在着一定的相似性及差异性。相似的地方是大部分研究主要是基于图像以及文本数据增强的研究，但对于时空数据增强的研究偏少。不同的地方在于国内研究普遍偏向于有监督数据增强，而国外主要集中于无监督数据增强技术。由于监督学习需要大量的标签，无监督学习虽不需要标签，但是学习的效果不如监督学习。近来研究学者逐步关注和研究自监督学习，平衡了有监督学习和无监督学习之间的矛盾。

目前研究比较有影响的时空数据模型有以下几种：

时空复合模型，将每一次独立的叠加操作转换为一次性的合成叠加，变化的累积形成最小变化单元，由这些最小变化单元构成的图形文件和记录变化历史的属性文件联系在一起表达数据的时空特征。最小变化单元即是一定时空范围内的最大同质单元。其缺点在于多边形碎化和对关系数据库的过分依赖，随着变化的频繁会形成很多的碎片。

连续快照模型。连续快照模型在数据库中仅记录当前数据状态，数据更新后，旧数据变化值不再保留，即“忘记”过去的状态。连续的时间快照模型是将一系列时间片段快照保存起来，以反映整个空间特征的状态。由于快照将对未发生变化的所有特征重复进行存储，会产生大量的数据冗余，当事件变化频繁时，且数据量较大时，系统效率急剧下降。

基态修正模型。为避免连续快照模型将未发生变化部分的特征重复记录，基态修正模型只存储某个时间点的数据状态(基态)和相对于基态的变化量。只有在事件发生或对象发生变化时才将变化的数据存入系统中，时态分辨率刻度值与事件或对象发生变化的时刻完全对应。基态修正模型对每个对象只存储一次，每变化一次，仅有很少量的数据需要记录。基态修正模型也称为更新模型，有矢量更新模型和栅格更新模型。其缺点是较难处理给定时刻时空对象间的空间关系，且对很远的过去状态进行检索时，几乎对整个历史状况进行阅读操作，效率很低。

时空立方体模型。时空立方体模型用几何立体图形表示二维图形沿时间维发展变化的过程，表达了现实世界平面位置随时间的演变，将时间标记在空间坐标点上。给定一个时间位置值，就可以从三维立方体中获得相应截面的状态，也可扩展表达三维空间沿时间变化的过程。缺点是随着数据量的增大，对立方体的操作会变的越来越复杂，以至于最终变的无法处理。

时空对象模型。时空对象模型认为世界是由时空原子(Spatio-temporalAtom)所组成，时空原子为时间属性和空间属性均质的实体。在该模型中时间维是与空间维垂直的，它可表示实体在空间和属性上的变化，但未涉及对渐变实体的表示。缺点是随着时间发生的空间渐进的变化不能在时空对象模型中表示，没有一个描绘变迁、过程的概念。

面向对象的时空数据模型。面向对象方法是在节点、弧段、多边形等几何要素的表达上增加时间信息，考虑空间拓扑结构和时态拓扑结构。一个地理实体，无论多么复杂，总可以作为一个对象来建模。缺点是，没有考虑地理现象的时空特性和内在联系，缺少对地理实体或现象的显式定义和基础关系描述。除这几种之外，常见的时空数据模型还有第一范式(1NF)关系时空数据模型、非第一范式(1NF)关系时空数据模型、基于事件的时空数据模型、历史图模型等等。