下面是一个示例解决方案，该方案使用Python和Geopandas库来按区域、类别和时间间隔统计GIS数据点数。

首先，确保已安装以下依赖库：

• pandas
• geopandas
• shapely

import geopandas as gpd
import pandas as pd
from shapely.geometry import Point

# 读取GIS数据，此处假设数据已存储为一个shapefile文件
data = gpd.read_file('path_to_data.shp')

# 将数据点的坐标信息转换为geometry类型
geometry = [Point(x, y) for x, y in zip(data['longitude'], data['latitude'])]
data = data.drop(['longitude', 'latitude'], axis=1)
crs = {'init': 'epsg:4326'}
geo_data = gpd.GeoDataFrame(data, crs=crs, geometry=geometry)

# 按区域、类别和时间间隔进行统计
geo_data['time_interval'] = pd.cut(geo_data['timestamp'], bins=pd.date_range(start=min(geo_data['timestamp']), end=max(geo_data['timestamp']), freq='1H'))
result = geo_data.groupby(['region', 'category', 'time_interval']).size().reset_index(name='count')

# 打印结果
print(result.head())

上述代码假设GIS数据包含以下列：

• region：区域信息
• category：类别信息
• timestamp：时间戳信息
• longitude：经度
• latitude：纬度

代码首先读取shapefile文件，并将经度和纬度信息转换为geometry类型的点。然后，使用pd.cut函数将时间戳信息按照1小时的间隔进行分组。最后，使用groupby函数按照区域、类别和时间间隔对数据进行分组统计，并将结果打印出来。