我们最近主办了一个在线研讨会——公共部门中的地理空间分析和人工智能——期间，我们讨论了公共部门中的顶级地理空间分析用例，并展示了如何在销售的地理空间数据上构建可扩展的分析和机器学习管道。地理空间分析网络研讨会概述今天，政府机构可以访问大量的地理空间信息，这些信息可以进行分析，以提供广泛的决策和预测分析用例，从交通规划到灾难恢复和人口健康管理。虽然许多机构已经投资于能够产生大量地理空间数据的地理信息系统，但很少有机构具备适当的技术和技术专长来准备这些大型、复杂的数据集进行分析，从而抑制了它们构建人工智能应用程序的能力。在本次网络研讨会中，我们回顾了：公共部门中涉及公共安全、国防、基础设施管理、卫生服务、欺诈预防等领域的顶级地理空间大数据使用案例使用遗留体系结构分析大量地理空间数据的挑战如何在云中使用数据块和开源工具来克服这些挑战网络研讨会上分享的技术演示和笔记本：xView图像中的对象检测：使用深度学习和可访问的基于SQL的非数据科学家角色分析的复杂对象检测架起桥梁。下载相关笔记本：数据工程和分析。处理大规模纽约市出租车接送向量：优化地理空间谓词操作和连接，将原始上下车坐标与其相应的纽约市邻域边界相关联，以便于空间分析。下载相关笔记本。如果您想免费访问统一数据分析平台并尝试我们的笔记本电脑，您可以在这里访问免费的Databricks试用版。在网络研讨会的最后，我们举行了一个问答。下面是问题和答案：Q： 我们处理大量的流式地理空间数据。对于下游分析，您建议如何处理这些实时数据流？A： 这可以分解为（1）处理大量流数据和（2）执行下游地理空间分析。Databricks使处理和存储大量流数据变得简单、可靠和高效。请参考Delta Lake的数据库和Delta Lake简介，了解更多信息。第二部分建立在处理阶段所做的存储和模式决策之上。空间分析基本上是通过使用sparksql、数据帧和数据集来增强对来自不同格式和模式的数据的转换和操作。Databricks提供了各种运行时，如机器学习运行时和Databricks运行时，Conda为CPU和GPU集群预绑定了包括Tensorflow、Horovod、PyTorch、Scikit Learn和Anaconda在内的流行库，以方便常见的数据工程和数据科学需求。客户还可以管理自己的库或容器，以定制用于任何分析的环境，以包括特定于空间的需求。请参考以下问题中列出的流行空间框架以及FINRA客户案例研究Q： 公共部门正在使用哪些更受欢迎的空间框架？A： 为地理空间分析扩展apachespark的流行框架包括GeoMesa、geortrellis、Rasterframes和GeoSpark。此外，Databricks使得使用单节点库变得更加容易，比如GeoPandas、Shapely、地理空间数据抽象库（GDAL）和Java拓扑服务（JTS）。通过在用户定义函数（udf）中包装函数调用，这些库也可以进一步在分布式上下文中使用。udf提供了一种简单的方法，用最少的代码更改来扩展现有的工作负载。Q： 我的数据存储在哪里？数据块如何帮助确保数据安全？A： 您的数据存储在您自己的云数据湖中，例如aws3或azureblob存储中。然而，由于对摄取的数据缺乏控制，数据湖经常存在数据质量问题。Delta Lake为数据湖添加了一个存储层来管理数据质量，确保数据湖只包含面向消费者的高质量数据。Delta Lake还提供了ACID事务等功能，以确保数据的完整性、可序列化性和审核历史记录，允许您维护有关数据每次更改的日志记录详细信息，提供完整的更改历史记录，以实现合规性、审核和复制。此外，Delta Lake旨在解决各种擦除权倡议，如通用数据保护条例（GDPR）和最近的加利福尼亚消费者隐私法（CCPA），请参考使您的Data Lake CCPA符合统一的数据和分析方法。作为我们企业云服务的一部分，Delta Lake与其他Databricks企业安全功能紧密集成。其他地理空间分析资源注册免费试用并下载以下笔记本开始体验：数据工程：用xView进行目标检测分析：使用xView进行目标检测用GeoMesa分析纽约出租车阅读我们最近的blog Processing geogospatial Data in Scale With Databricks，了解Databricks统一数据分析平台如何解决摄取、存储和分析海量空间数据方面的难题下载我们的公共部门数据分析和人工智能指南请访问我们的公共部门页面，了解医疗保险和医疗补助服务中心、国土安全部和其他机构如何利用数据块进行创新免费试用Databricks。今天就开始吧