一切人类的活动无非是在（连续、离散、开放、封闭）的时间和空间内寻找确定性，所以地图在会展管理里面是一个很好的应用。 要研究地图，首先必须研究关于地图的理论。 地理学第一定律这个理论是沃尔多·R·托布勒1969年提出的第一部地理定律（也称为地理学第一定律），即空间相关性定律“All things are related, but nearby things are more related thandistant things.”事物之间的相关性与距离有关，一般来说，距离越近，事物间相关性越大；距离越远，事物间相异性越大。 也就是说一切都与其他的一切有关，但是近处的事物比远处的事物更为相关。这个概念适用于污染、噪音、土壤科学和无数现象。在社会、政治、创新领域，同样适用，比如远亲不如近邻；在管理创新领域，艾伦曲线也是很好的证明：人们总是与距离自己近的人协作和沟通频率更高，领导总是喜欢用自己近的下属，走到哪带到了哪儿。 莫兰指数：莫兰指数可以用自相关数值来描述托布勒第一地理定律，描述物体与周围物体的相似程度。 莫兰指数分为全局莫兰指数（Global Moran’s I）和局部莫兰指数（Local Moran’s I），前者是Patrick Alfred PierceMoran开发的空间自相关的度量；后者是美国亚利桑那州立大学地理与规划学院院长Luc Anselin 教授在1995年提出的。 通常情况，先做一个地区的全局莫兰指数，全局指数告诉我们空间是否出现了集聚或异常值。如果全局有自相关出现，接着做局部自相关，局部Moran’I会告诉我们哪里出现了异常值或者哪里出现了集聚。 Moran指数分为正相关、负相关和无空间自相关。
正空间自相关表示地图中的相似值聚类。而负空间自相关则表明地图中的聚类值不同。MoranI值为0通常表示没有自相关。 利用空间自相关，地理学家了解疾病和其他现象是否是孤立的。展会之中，可以识别物以类聚人以群分，热力指数，也可识别展商和观众是分散、聚集而传播的。
托布勒的第一地理定律是基于成本距离或 distance decay。这意味着两个相距较远的地方存在更大的障碍。例如，人们不太可能去更远的地方逛商店。对于预测观展人群模型也可以有所帮助。因为，随着距离的增加，对运输成本和采购的阻碍越大，摩擦系数越大，探亲访友的阻力也越大。 地图在会展活动之中的应用会展主办方、场馆方掌握着大量的人员与人群信息，但是这些数据是分散的、离散的。如何找到规律，建立展会的空间相关性莫兰指数？就是一个很好的启示。 对于会展活动，无论是线上还是线下，实体空间还是虚拟空间，开放空间还是封闭空间，只要数据量足够大，人的活动、商品的消费、企业的运营都是有迹可循的。 因此，利用地图相关的技术采集人群的行为轨迹在展会和商场空间的分布是很好的应用，可以分析这个地方究竟是热门展台的引流还是仅仅是因为位置好带来的人流集聚。从而有针对性的招展、招租、定价。 基于空间和位置的服务LBS在展会之中的应用在很短的时间内，需要给精准的人群提供所需的服务，比如：位置和空间的导航、配对、推荐、导览、带看、预约、日程，这些都与空间和时间相关，利用AI+Map提供更好的服务。
按照技术的语言来说，就是服务的可视化、互动与交互、游戏化、服务更精细化、数据化。
在元宇宙的未来，一切搜索和社交都与虚实结合的位置、空间相关。