编者寄语
城市时空数据涵盖交通流量、人群移动、环境监测、基础设施运行等城市核心要素，呈现多维、动态、异构的复杂特征。这些数据是驱动智慧城市向实时感知、精准决策、自主优化方向演进的新质生产力。然而，传统时空建模技术面临多重瓶颈：海量数据的异构性导致特征提取困难，时空关联的复杂性使得规律建模受限，而动态环境的不确定性更对算法泛化能力提出挑战。
时空智能计算通过深度融合人工智能与时空数据特性，是城市治理的新范式。在技术层面，自监督学习、时空预训练模型等技术有望突破复杂时空建模难题，实现从浅层统计到深度语义理解的跃迁；在应用层面，时空智能计算已被广泛应用于出行预测、交通事件预警、应急资源调度等场景中，并展现出超越传统方法的优势。
编委主任：
苏金树 CCF会士 军事科学院教授
本期主编：
郭 斌 CCF普适计算专委秘书长 西北工业大学教授
王乐业 CCF普适计算专委副秘书长 北京大学计算机学院教授
目录
点击“阅读原文”浏览《CCF数图焦点》第66期详细内容。