时空大数据组成部分

时空大数据的概念及提出者

时空大数据是指在时空维度上具有大规模、高维度、多源异构、高速度的数据集合，其具有时序性和地理位置属性，可以用来分析和挖掘时空相关的信息。这个概念的提出者是很难准确确定的，因为它是在大数据和地理信息系统（GIS）等领域交叉融合的产物，涉及到了多个研究领域和实践应用。然而，我们可以追溯到一些关键的时间点和人物，他们在时空大数据概念的发展和推广中发挥了重要作用。

1. 关键时间点和发展历程：

20世纪80年代末至90年代初：

地理信息系统（GIS）技术开始发展，并逐渐应用于地理空间数据的管理、分析和可视化。

21世纪初期：

随着互联网的普及和信息技术的迅速发展，大数据概念逐渐兴起，人们开始关注如何处理和分析海量的数据。地理空间数据的采集、处理和分析也取得了突破性进展。

2000年代中期至2010年代初期：

人们开始意识到将大数据和地理空间数据结合起来分析的重要性，相关研究和实践逐渐兴起。

2010年代中期至今：

时空大数据的概念逐渐成为学术界和产业界关注的焦点，相关理论研究和应用案例不断涌现，涉及领域包括城市规划、交通管理、环境保护、应急响应等。

2. 涉及领域和关键人物：

地理信息系统（GIS）领域：

在GIS领域，许多学者和专家都为时空大数据概念的发展做出了贡献，例如Michael Goodchild、Walid G. Aref等。

大数据领域：

在大数据领域，Doug Cutting和Mike Cafarella等人为大数据技术的发展做出了重要贡献，他们的工作为时空大数据的处理和分析提供了基础。

交叉学科研究者：

除了GIS和大数据领域的专家外，还有一些交叉学科研究者在时空大数据概念的提出和推广中发挥了关键作用，他们跨越地理信息、计算机科学、地理学、城市规划等多个领域，例如Helen Couclelis、May Yuan等人。

3. 提出者的可能性：

由于时空大数据概念的涉及领域广泛，且是多个学科交叉的产物，因此很难将其归功于单个个人或团体。可以说时空大数据的概念是在众多学者、研究者和实践者的共同努力下逐步形成和推广的。因此，时空大数据的提出者更应被看作是一个涵盖多个领域的共同努力的结果，而不是单一个人或团体的功绩。

标签： 时空大数据组成部分 时空大数据引擎 时空大数据是什么意思 时空大数据的典型应用 时空大数据概念