信息物理融合系统(Cyber-Physical Systems,CPS)集成了先进的信息技术、自动控制等技术,构建了一个物理世界与信息世界中各个对象和要素相互连接,相互影响的复杂系统,并实现了资源的优化配置和运行时操作的最优选择。从应用的角度看,CPS涉及了智能交通、航空航天、智慧农业、电力、医疗等诸多领域。但CPS系统异构性、实时性等特征决定了对CPS中的时空大数据进行建模需要考虑诸多因素,面临众多挑战。本文首先对信息物理融合系统的定义与体系结构进行简介,从整体结构上分析了CPS的运行方式和运行流程,接着介绍了大数据的概念、结构以及工作流程,并结合CPS的特点提出了时空大数据的定义和特点,又描述了CPS的时空属性的特征。重点分析了信息物理融合系统在智能交通、感应与监控设备、智能电网等能源的开发利用、智能医疗、工业自动化和基础设施建设等领域的应用和发展趋势。其次,基于对时间和空间表示方法的分析,结合各种时态和空间表示模型,对当前流行的序列快照模型、时空复合模型、离散格网单元列表模型和基于事件的时空数据模型进行了比较与分析,总结了它们的优劣势以及适用领域,为下面建立新的时空大数据模型提供思路。然后,本文提出一种结合了时态逻辑LTL和空间逻辑BRCC-8的新型时空大数据模型。在此模型中,利用LTL的时间流来表示物理对象的时态演变,结合BRCC-8来描述空间位置的变化来形成新的时空大数据模型,用来表示随着时间的推移物理对象之间的空间信息及其变化,并利用时空分析方法进行模型的可行性分析;还基于基本Petri网提出新的时空Petri网的公式表示与形式化描述。最后,在地铁CPS中分析了列车防撞预警系统的工作原理与基本结构,通过引入列车安全距离的数学公式,构建起列车安全距离预警级别。然后对系统中的列车进行模型分析,使用时空Petri网对地铁CPS中的列车防撞预警系统进行建模,定义Petri网中各个库所、变迁、令牌的具体含义。又利用提出的新型时空大数据模型对其进行时态和空间上的分析,重点是列车在运行时的时间和空间位置信息的变化。