【时空数据挖掘】推开窗，看一看
炎热的夏季已经过去，秋爽来学。开学了，要开始新一阶段的学习、生活了。空调吹久了，推开窗，看一看，说不定有新发现呢？^_^
最近到了开学季，新的一学年开始了。回顾自己最开始接触时空数据挖掘、城市计算、机器学习领域，还是2018年。4年过去了，从最开始的陌生、好奇，到学习、探索、交流过程中的困惑、失落、激动、喜悦，直到现在，还在不断学习、思考、总结的过程中。前段时间，在知乎写了一系列关于时空数据挖掘的文章，也回答了一些关于如何阅读论文，如何入门时空数据挖掘领域的问题。在2020年暑假参加了京东城市组织的城市计算首届夏令营活动，参与到时空数据融合、城市大数据分析、城市交通预测等科研项目中。因此，积累了一些经验、有一些心得体会，写下来，作为自己的成长记录，也希望对新入门这个领域的同学、研究者有一些帮助，能对该领域的发展做出自己的一份贡献。
那么，首先，我们会问，什么是时空数据挖掘，从这6个字来看，可以分为两部分，时空+数据挖掘，提到时空，第一印象可能就是想到《错位时空》这首歌，“我吹过你吹过的晚风，那我们算不算相拥”，还有疫情期间出现的“时空伴随者”这个词，时空伴随者是指一个人与确诊患者手机号码在同一时空网格（范围为800m*800m）共同停留超过10分钟，且最近14天任一方号码累计停留时间超过30小时以上，查出的号码为时空伴随者号码。想必，大家对时空这一个词有一个直观的印象了。时空，就是时间和空间两个维度，风和人都是时空维度下的对象，我们研究空气质量、天气预报、交通预测、密接人员发现等，都会对对象所处的时间段、空间范围进行分析，分析其时空特征，进行数据分析、建模，得出有意思的分析结果。然后，数据挖掘，与日常听到的数据分析、大数据、机器学习、人工智能等词语，都有一定联系，其主要是指对数据进行清洗、处理、分析、可视化的过程，研究频繁模式挖掘、分类、聚类、异常检测等任务。推荐阅读韩家炜老师的《数据挖掘：概念与技术》这本书，当时我也是开始看这本书进入数据挖掘领域。最后，介绍一下，时空数据挖掘的定义、任务、数据、方法、论文以及如何入门。
定义
采用人工智能和大数据技术对城市时空数据进行分析与挖掘，旨在挖掘时空数据，理解城市本质，解决城市问题。
任务
从任务的特点、属性、层级进行分类，可分为底层的数据处理层级的任务，中层的时空模式发现任务，以及顶层的应用任务。如图1所示。
其中，底层任务包括时空数据预处理，时空数据融合和时空数据管理等。中层任务包括时空数据模式挖掘。顶层任务包括时空预测，时空推荐，异常检测，调度和优化等。
数据
针对时空数据挖掘，数据是必不可少的原料，而且这类数据具有明显的时空特性，包括时间特性（时间的邻近性、周期性、趋势性等）、空间特性（距离远近，空间层次等）。有必要将时空数据进行分类，对时空数据进行了如图2分类：
按时空动态，可以分成空间静态点数据、空间点时序数据、时空动态点数据、空间静态网数据、空间静态时间动态网数据、时空动态网数据。这种分类方式是由京东城市的Yu Zheng老师团队提出，具有时空特色。如图3所示：
按个体交互，可以分为个体数据和环境数据。侧重于个体、群体、环境之间的交互和协同。
按数据构造，可以分为基本单元数据、组合数据、关系数据。这种分类方式，适合于对数据进行形式化组织和描述，具有层次递进关系。
按点线面，可以分为基于点、基于线、基于面的数据。这种分类，和几何上的点线面结构，可以直观地对应上，是比较自然的一种分类方式。如图4所示：
后面的三种分类方式，是笔者在参加2020年京东城市计算夏令营的时候，与北航Jingyuan Wang老师和Dayan Pan, Geyuan Wang同学等的交流、讨论中形成的，感谢他们。
以上的四种时空数据分类方法，可以给读者以不同的视角来看待时空数据，在进行时空数据挖掘时，能对时空数据有全面、充分的理解。如果有其他的分类方式或者一些建议、疑问，欢迎在留言区提问，交流。
此外，针对数据质量不高的问题，采用数据补全、数据增强、数据融合等方式进行预处理、分析。
关于时空数据、多模态数据与多源异构数据的联系与区别的思考：
时空数据：主要是指带有时间和空间特性的一类数据，比如GPS轨迹，其有时间戳，位置信息；地铁刷卡数据，其有乘客进站时间站点、出站时间站点信息等。
多模态数据：主要是指文本、音频、图像、视频等不同模态类型的数据。
多源异构数据：主要是包括多源和异构两种特性，前者是指数据的来源多样，比如来源于交通领域的交通路网、网约车出行订单数据、公共交通刷卡数据与来自环境气象的空气质量、降雨量数据，后者是指数据的类型和格式不一样，比如交通路网是网状结构数据，空间位置相对固定，时间变化频率慢，订单、刷卡、空气质量数据是时空序列，随着时间和空间发生变化。
时空数据多见于时空数据挖掘、城市计算、智能交通系统等领域；多模态数据覆盖范围更广，计算机视觉、自然语言处理、数据挖掘领域都有研究；多源异构数据主要侧重于从数据的多来源，结构差异的角度对数据进行描述，可以看做是时空数据和多模态数据的特性之一，另外还有缺失性、不平衡性、动态突变性等，根据具体的数据集质量情况而定。
三者关系可以大致如下：多模态数据>时空数据，多源异构数据用于描述这两类数据的部分特性，从多源和异构角度。
方法
层次体系构建
为了更好地进行时空数据挖掘，我们提出了一种时空数据挖掘的层次体系，包括数据层、任务层、方法层。如图5所示。
该层次体系，首先从数据出发，将时空数据分为静态数据、时间动态数据和时空动态数据，更加详细的时空数据分类方式，可以参考前文数据部分；然后针对时空任务，分成了底层任务、中层任务和顶层任务，更具体的任务分类，可以参考前文任务部分；最后针对特定的数据和任务，选择相应的时空数据挖掘方法，更多的时空数据挖掘方法，可以参考下文方法部分。
在进行具体时空数据挖掘研究中，也可以参照上述的层次体系，思考要研究的时空数据、时空任务、时空方法，从整体的角度进行分析，希望其能对于您的研究有所助益。
注：时空数据挖掘的层次体系构建，感谢北航的Jingyuan Wang和Geyuan Wang等的讨论、交流。
方法论
笔者对时空数据挖掘中常用方法进行分类，主要是站在方法论的角度，进行大致分类。因为方法往往是跟任务、数据和需求等是紧密联系，还需根据实际情况，实际分析。方法的分类，如图6所示。
时空数据挖掘的方法主要分为时空数据预处理方法、传统的机器学习方法、先进的机器学习方法和常用技术框架。
由于人工智能、机器学习、数据挖掘领域的快速发展，一些新的学习方法和技术框架也在不断涌现。时空数据挖掘领域针对时空数据挖掘领域的任务、数据也在提出一些具有时空特色和多场景应用背景下的新方法。
注：上述的时空数据挖掘方法分类是在和北航Jingyuan Wang、Geyuan Wang等老师、同学的讨论下形成，感谢他们。
论文
为了及时跟踪学术前沿论文，准确把握时空数据挖掘领域发展方向，提升对时空数据挖掘的理解，帮助我们更好地学习、研究，对2016-2022年的时空数据挖掘领域的顶级会议、期刊论文进行了梳理。由于工作量较大，加之笔者时间有限，整理的论文还有很多需要完善修改的地方，后续将继续更新。感兴趣的朋友，也可以在我的论文库里发起pull request或提出修改建议。
按会议
AAAI（2019-2022）：
IJCAI （2016-2022）：
KDD （2016-2022）：
ICDM (2016-2019)
CIKM (2017-2020)
WWW (2016-2022)
SDM (2016-2020)
SIGSPATIAL (2016-2019, 2021)
WSDM (2022)
NuerIPS
- 待更新
ICLR（2022）
ICML（2022）
按期刊
TKDE（2016-2020）
TIST（2016-2020）
TITS
- 待更新
TPAMI
- 待更新
TNNLS
- 待更新
写在最后
关于如何入门机器学习、数据挖掘：
- 推荐书籍：1. 数据挖掘：概念与技术（第三版）中文版-Jiawei Han；2.《统计学习方法（第2版）》-李航。这两本书，看下目录，感兴趣的部分，详细读下，电子版和纸质版都可。如果喜欢看视频，再看看吴恩达或者李宏毅的机器学习课程，B站上有。后面如果对某个研究方向感兴趣，再看一些综述论文，比如城市计算、时空数据挖掘领域的论文：1. Urban Computing: Concepts, Methodologies, and Applications-Yu Zheng-TIST 2014. 2. Deep Learning for Spatio-Temporal Data Mining: A Survey-Senzhang Wang-TKDE2020。
关于时空数据挖掘的学习路线：
- 建议首先通过看综述文章、知乎、博客等，了解下什么是时空数据挖掘，城市计算，然后从顶会（KDD, IJCAI, AAAI等）、顶刊（TKDE, TITS, TIST等）上找与自己研究课题相近的论文阅读，此外，养成做论文笔记的习惯，可以从论文的动机（motivation）、任务（task）、方法（method），实验（experiment）等进行总结。最重要的一点，就是要复现论文、跑实验。遇到问题，多思考，多查资料，多交流。
关于看论文遇到不懂的地方，怎么办：
- 自己多看几遍，网上查阅资料，补充预备知识；
- 和老师、同学讨论；
- 发邮件联系作者，讨论，论文中有作者的邮箱。
欢迎各位提出建议、问题，我们一起交流、学习、成长。
“问渠那得清如许？为有源头活水来” ヾ(◍°∇°◍)ﾉﾞ
– 我在半亩方塘等你 ^_^