时空引擎

随着智能感知、物联网、云计算等新兴信息技术的迅速发展，人们的活动信息、环境的变化信息都成为了可被感知、记录、存储、分析和利用的数据，这些数据都具备了时空数据特征——即拥有空间、时间和属性三个维度的特征。

时空引擎功能以大数据分布式技术为基础，专用于对具备空间、时间、属性三个维度的时空数据进行处理，通过高效的索引和强大的分析处理能力，可以实现海量时空数据的快速查询和分析，为用户提供稳定、弹性、高效的时空数据的接入、管理、查询分析和业务开发功能。

功能介绍

时空引擎具备了时空数据的接入、管理、查询分析及业务开发能力，提供了完整的时空数据开发方案支持。利用时空引擎的各项能力，从数据中分析对象的行为轨迹和时空状态，可以有效挖掘出价值信息。

图-1 时空引擎功能架构

时空引擎可以根据时空特性，对数据按时间、空间、属性三大维度进行扩展索引，并分布式存储。同时，支持OGC标准的CQL，可以实现对异构时空数据进行统一管理。

时空引擎支持对时空数据进行实时和离线计算，其基于Flink和Spark提供了高性能的实时和离线时空计算服务。此外，时空引擎还内置丰富的时空分析算子，支持通过标准SQL对时空大数据进行分析。

时空引擎支持对时空数据分析与计算任务，进行统一编排与灵活调度，辅助时空数据分析在约定规则下正常运行。

进入时空引擎功能的步骤如下：

在顶部导航栏中选择[数据运营/时空引擎]，进入时空引擎页面。

时空引擎界面提供了如下功能界面：

时空引擎可以实现海量数据快速迁移入库，还支持对时空数据进行准实时接入。

时空引擎采用复合表的方式进行表管理，同时满足流式存储、海量存储、内存存储三大存储需求，在不同使用场景中均可以提供极致性能。

时空引擎支持多种索引定义，包含空间索引、时空索引、主键索引、属性索引，可以支撑TB级数据秒级检索。

时空引擎兼容OGC标准的CQL查询，将查询功能扩展为查询转换、实时状态、聚合统计、查询导出功能，增强时空查询能力，可以支撑百亿级数据量查询秒级响应。

时空引擎内置了超过70种空间分析算子，同时覆盖了Flink和Spark两大分布式内存分析框架，对FlinkSQL和SparkSQL作业进行了空间分析能力扩展。此外，时空引擎还统一了函数的使用语法，掌握SQL即可对时空数据进行复杂分析，无需感知具体的分析过程及编写复杂的分析代码。

时空引擎适用于对海量数据进行空间位置查询分析的场景，查询方式支持使用空间拓扑关系查询（空间包含、相邻、相交等空间关系条件）。通过时空引擎对时空数据进行分析，可以便捷地帮助用户进行轨迹分析、选址分析、道路规划等。

传统的监控按编号、名称等划分，查看不方便，难以基于位置直观快速查看监控视频。

时空引擎通过将位置空间化，以地图作为视频接入的入口，提供基于空间位置的视频服务，可以按位置显示并调取视频，实现视频快速导览；还能批量快速选取并查看某个区域内的所有视频。可以极大地提升安防监控的易用程度。

在日常活动中，常会对多个目的地进行查询（如外出就餐选择合适餐厅），常需要了解各目的地之间的位置关系。

时空引擎可以提供基于空间位置关系的查询。查询结果在地图上显示，清晰展示各点的方位。

在选址场景中，用户需要了解预定位置附近的信息，例如附近所有的同类型店铺和位置信息、附近路口每天上下班经过的人流量信息、上下班距离预定位置300米以内的人、如何向这些人推送广告等等。

时空引擎可以根据相关的时空数据，围绕用户需要了解的信息进行时空数据分析，帮助用户进行选址。

共享单车解决了出行最后一公里的问题，并激发了大众的骑行需求。然而，当已有的自行车道无法满足大众的日常使用需求时，就需要利用有限的资源来合理地修建自行车道。

时空引擎利用共享单车轨迹数据，结合人工智能算法，可以帮助规划人员合理规划自行车道，提高骑行体验，保障出行安全，同时也节约道路资源。