Geospatial Big Data: Survey and Challenges

近年来，地理空间大数据（GBD）在各个学科中受到了关注，分为大地观测数据和大人类行为数据两类。从GBD中识别地理空间模式已成为城市管理和环境可持续性领域的重要研究方向。本文回顾了GBD挖掘的演变及其与先进人工智能（AI）技术的整合。GBD由卫星、传感器、移动设备和地理信息系统生成的数据组成，我们根据不同的视角对地理空间数据进行分类。我们概述了GBD挖掘的过程，并演示了如何将其纳入统一框架中。此外，我们探讨了新技术，如大型语言模型（LLM）、元宇宙和知识图谱，以及它们如何使GBD更加有用。我们还分享了GBD帮助城市管理和保护环境的例子。最后，我们讨论了在处理GBD时遇到的实际挑战，例如数据检索和安全问题。我们的目标是为读者清晰地展示GBD挖掘的现状以及未来可能的发展方向。

本文旨在回顾地理空间大数据挖掘的发展，并探讨其与先进人工智能技术的整合。主要解决的问题是如何从大量的地理空间数据中识别出模式，以应用于城市管理和环境保护等领域。

本文提出了将地理空间大数据挖掘纳入统一框架的方法，并探索了新技术如大语言模型、元宇宙和知识图谱等如何使地理空间大数据更有用。此外，本文还提出了一些挑战，如数据检索和安全性等问题。

本文介绍了地理空间大数据的定义和分类，并详细阐述了地理空间大数据挖掘的过程。同时，本文还提供了一些应用案例，如城市管理和环境保护。实验使用了卫星、传感器、移动设备和地理信息系统等数据源，并探讨了大语言模型、元宇宙和知识图谱等新技术的应用。本文的亮点是提出了将地理空间大数据挖掘纳入统一框架的方法。

最近的相关研究包括：1.《地理空间大数据挖掘的研究进展》；2.《基于地理空间大数据的城市管理》；3.《地理空间大数据的应用与发展趋势》等。