-
基础地理信息是国家经济建设、国防建设、社会发展和生态保护中不可或缺的基础性和战略性信息资源[1-2],具有通用性强、共享需求大、行业应用广泛等特点,广泛应用于资源调查、宏观规划、工程建设、环境监测、灾害防治、科学研究、信息化建设等方面[3-4]。
近年来,中国国家基础地理信息数据库建设取得了显著成绩,实现了全国范围数据全覆盖以及“一年一版”动态与联动更新,整体现势性达到1 a内[5]。省级基础地理信息数据库建设及更新全面开展,已覆盖全国范围60%国土面积,大多数省份已实现了常态化更新,部分省份也实现了“一年一版”动态更新[6]。
随着互联网+、大数据、云计算、人工智能为代表的新一代信息技术浪潮蓬勃兴起,社会发展进入智能化时代,对加强基础地理信息资源建设带来了新机遇,可用于信息获取的遥感影像及互联网资源越来越丰富,信息提取初步融入深度学习等人工智能技术,空间信息网络传输速度更快,信息共享更便捷[7-16]。新一代信息技术指引地理信息采集、更新、监测、服务等以更加灵活、自动、实时、开放的新方式进行,也驱动国家基础地理信息数据库的产品模式、技术模式、服务模式、生产组织模式等方面转型升级。
-
智能化时代下,传统以数据库为更新对象、以年为更新周期的批次化版本式动态更新,将升级发展到以地理要素为更新对象、以天为更新周期的应需实时动态化监测。为此,地理信息动态监测未来发展需求将体现在以下5个方面。
1) 大力丰富产品模式与社会属性信息。产品类型上,传统4D产品类型比较单一,偏重数字地形图产品,不能很好适应当前信息服务需要。要素内容方面,现有的数据内容与要素选取以地形图要素为主,专业要素及属性不够丰富。智能化时代下,应建立全空间、全信息的新型地理信息成果,并根据需要提供多元化专题信息产品。
2) 大幅提升地理要素提取处理自动化程度。目前地理信息动态更新中,遥感影像解译、专业资料整合、制图综合处理等仍需通过人机交互实现,自动化程度低,耗费大量的人力、物力、财力,是困扰测绘地理信息行业生产力跨越提升的最后壁垒。智能化时代下,地理要素的提取和处理应接近全自动化。
3) 创新高效协同的生产组织模式。目前国省两级地理信息分级管理、分别更新的模式造成生产统筹、人员调度、资料共享等方面难以协同,全国性更新工作更难以高效实施。而生产单位按照统一划定的作业区进行跨省实施、集中出测、一次性作业的方式不仅增加了生产成本,而且也难以实现针对实地变化的快速反馈和及时更新。智能化时代下,应建立国省地联动、专业部门协同、商业公司参与、志愿者自发贡献的一体化生产组织模式。
4) 构建面向应用的灵活服务模式。目前地理信息服务仍以提供数据产品和纸图产品为主,用户应用的技术门槛高、处理工作量大、使用成本高。智能化时代下,应构建基于产品定制、服务在线、信息分析的灵活服务模式,为用户提供统计分析和在线应用等精细化服务。
5) 跨越式提高地理信息成果现势性。目前更新工作需统一进行资料下发、更新生产、检查验收、数据汇交、成果建库等环节。虽然各环节划分清晰,但彼此存在衔接和制约,且需要统筹协调,全流程1年完成1轮更新已接近极限,更新周期难以进一步缩短。智能化时代下,地理要素现势性应跨越式提高,整体现势性达到3个月,重要要素现势性达到1个月,特定要素实现应需实时更新。
-
在互联网+、深度学习、大数据、云计算等一系列关键技术突破和新一代装备研发的基础上,重点对现有产品模式、技术模式、服务模式、生产组织模式进行转型升级。建立全空间、全信息化产品模式,创新自动化、智能化技术模式,拓展灵活化、实时化服务模式,构建一体化、协同化生产组织模式,实现全国地理信息动态监测“一盘棋”。智能化地理信息动态监测的总体思路如图 1所示。
-
遵循“需求驱动、面向应用”的基本原则,按照“统筹设计、融合建库、丰富扩展”的基本思路,改变现有的产品分类模式,建立“全国统一、多尺度融合、专题信息丰富、专业要素衔接”的全空间、全信息的新型国家地理空间框架数据库。
1) 产品全空间化获取。全面理清应用需求,拓展地理信息数据的覆盖范围,从国内拓展到全球范围、从陆地拓展到海洋、从地上拓展到地下和水下、从室外拓展到室内等多方面的地理信息。
2) 产品全信息无缝融合。摒弃传统综合取舍和按比例尺制图思路,按需应采尽采、全面表达要素、丰富专题信息,实现最大比例尺地理信息全信息无缝融合。
-
创新基于深度学习的影像信息提取技术,实现地理信息的应需自动提取。同时,基于互联网泛在资源等,辅以基于大数据的信息挖掘技术,弥补影像信息提取的不足,最终实现地理要素的提取和处理接近全自动化。
1) 基于深度学习的影像信息提取技术。基于现有的2011-2017年连续七版的基础地理信息成果以及相应的遥感影像数据,从海量数据中自动学习,提取最有预测性的特征,构建出相应的深度学习模型,继而进行高效的信息分类、解译和自动化提取。
2) 基于大数据的专业地理信息挖掘技术。基于互联网泛在资源、公众地理信息反馈的变化信息等,发展基于大数据的信息挖掘与变化监测技术,弥补影像提取信息的不足,并丰富地理信息要素属性内容。
-
结合无人机技术并辅以虚拟现实(virtual reality,VR)/增强现实(augmented reality,AR)显示技术,发展协同化远程调绘方法,利用无人机实时获取并传输实景影像至调绘终端,按需辅以VR/AR技术将调绘影像进行增强显示,调绘人员可身临其境对实地情况进行远程调查、核实、采集,解决传统调绘到达困难、工作量大、作业效率低等缺点。
1) 基于无人机技术的远程调绘方法。利用无人机机动灵活的优点,实时获取高分辨率的实景立体影像,并实时传输至调绘人员,实现“千里眼”远程调绘,大幅提高外业调绘工作效率。
2) 基于VR/AR技术的显示增强化辅助调绘方法。基于无人机实时传输实景影像,结合VR技术构建临场感、AR技术增强特征信息,将调绘对象在多维化信息空间中显示增强,辅助调绘人员在终端全方位获取信息并完成调绘任务。
-
对更新后的地理信息进行自动化审核,对涉及的保密信息进行自动脱密处理,形成可以公开的地理信息成果。构建近实时常态化地理信息动态发布技术,为各行业用户提供实时地理信息服务。此外,在地理信息动态发布后,发展基于众包平台的信息检核与反馈技术,对地理信息进行检核并上报。
1) 地理信息涉密审核与脱密处理。发展涉密信息自动审核流程与方法,将地理信息涉密部分进行自动筛选、剔除,做到涉密内容不发布。同时,建立涉密信息自动脱密处理方法,将坐标、精度等信息处理至可公开发布。
2) 地理信息实时动态发布。基于地理信息动态监测的数据成果,构建实时动态发布技术,实现极短时间内(1 d)发布特定区域或特定内容的最新地理信息成果。
3) 基于众包平台的信息检核与反馈。基于地理信息动态发布平台,搭建信息反馈入口,广大用户或志愿者在使用地理信息成果的同时,可对发现的数据质量问题进行便捷的标记和反馈,为后续动态监测提供线索。
-
基于地理信息动态监测的数据成果,结合各行业用户需求,基于深度学习技术发展自动化缩编方法与智能化制图方法,实现多级多类地理信息产品的任意定制和自动制作。
1) 基于深度学习的自动缩编。结合深度学习技术,基于现有的2011-2017年连续七版的1:5万、1:25万、1:100万基础地理信息成果,从海量数据中自动学习,提取最有预测性的规则特征,构建出缩编规则化深度学习模型,继而进行高效的自动化缩编。
2) 基于深度学习的智能化制图。结合深度学习技术,基于现有的2011-2017年连续7版的基础地理信息成果以及相应的地形图制图成果,从海量数据中自动学习,提取最有预测性的规则特征,构建制图配置规则化深度学习模型,继而进行高效的自动化制图。
-
基于国省地联动机制以及无线互联、加密传输等技术,建立全国地理信息变化监测中枢,发展网络化数据传输方式,构建协同化任务调度机制,实现地理信息动态监测内业任务集中化处理,外业调绘常驻化作业以及监测成果增量化审核入库,最终实现全国地理信息动态监测“一盘棋”。
1) 数据传输网络化。转变目前数据成果的保密介质存储和保密人员护送的传输方式,基于商用移动通信平台构建测绘无线专网,基于高保密的网络加密传输技术,实现内业工序和外业工序之间的实时通信和数据传输。
2) 任务调度协同化。转变目前的更新任务调度薄弱化现状,建立全国统一的地理信息变化监测中枢,为外业常驻人员装备高度集成一体化更新终端,并保持二者的实时通信,实现外业状态监控,任务统一调度,各终端协同作业。
3) 内业处理集中化。转变目前内业处理分散化方式,将更新任务的内业工作集中开展,统一进行遥感影像数据、专业现势资料的收集、处理,统一进行影像信息提取、专业资料整合以及内业预更新。
4) 外业调绘常驻化。转变目前外业调绘的跨省实施、集中出测、一次性作业方式,建立日常应需式外业常驻化巡查机制,对发生变化的地点,由调度平台自动就近安排常驻人员及时进行实地调绘核查与更新。
5) 成果审核入库增量化。转变目前传统数据成果质检与汇交建库方式,建立增量要素汇交、质检与入库模式,对每天调度平台接收的外业调绘要素成果,由全国地理信息变化监测中枢进行实时的审核入库。
-
自动化提取和智能化处理是未来地理信息动态监测的重要特征之一。然而传统影像信息提取、互联网地理信息获取以及地图制图综合等技术研究大多基于规则模型,难以建立严格准确的算法模型、清晰全面的计算规则,导致适用性有限、通用性不高、自动化程度难以提高。智能化时代下地理信息动态监测过程中,尚需进一步解决关键技术问题,结合深度学习、大数据挖掘技术,大幅提高信息提取与地理信息产品制作的智能化程度。关键技术问题主要有以下3方面内容。
1) 基于深度学习的影像信息自动化提取。结合多源遥感影像及专业资料,对多时相、多区域、多谱征的地理要素特征信息开展深度学习,从海量数据里发现图像目标的内部结构和关系,形成地理要素的最佳特征表达,构建特征知识库,在此基础上设计适合地理要素特征识别的深度卷积神经网络,通过多层非线性网络逼近复杂遥感分类,让计算机具备观察与理解的能力,实现地理要素的自动化识别与提取。
2) 基于大数据的地理信息自动化挖掘。结合互联网开源地图信息、众源地理数据等,发展基于大数据技术的自动化关联规则挖掘与属性信息挖掘,对多源地理信息的地理要素特征进行挖掘,提取地理要素的影像特征、空间关系特征、语义特征等,用于在影像获取困难地区的地理信息获取;对多源地理信息的地理要素属性进行挖掘分析,提取具有较强相关性的属性信息,丰富地理信息属性内容。
3) 基于深度学习技术的地理信息产品自动化制作。结合现有的2011-2017年连续七版的1:5万、1:25万、1:100万基础地理信息成果以及相应的地形图制图成果,从海量数据中自动学习,提取最有预测性的规则特征,构建缩编规则化深度学习模型;研究基于矢量数据库驱动制图的系列表达规则,结合深度学习技术,构建制图规则化深度学习模型,继而进行高效的自动化缩编和高效的自动化制图,完成各级各类地理信息产品制作。
-
《全国基础测绘中长期规划纲要》确定了2015-2030年的重点任务之一是基础地理信息资源建设与更新。智能化时代下的地理信息动态监测必将作为新一代地理信息更新模式,实现包括产品模式、技术模式、服务模式、组织管理模式的全面转型升级。产品模式实现从4D产品到全空间、全信息产品的跨越,技术模式实现从以人机交互为主到计算机自动处理的跨越,服务模式实现从版本式数据提供到在线实时发布的跨越,生产组织模式实现从分级分散化组织到全国生产“一盘棋”的跨越。这必将有助于进一步提升国家基础测绘的保障能力,更好服务于自然资源管理、国家经济建设、国防建设、社会发展和生态保护等领域。
-
摘要: 互联网+、大数据、云计算、人工智能为代表的新一代信息技术与测绘地理信息技术的加速融合,促使传统批次化版本式地理信息动态更新,将升级发展到应需实时动态化监测。分析与探讨了智能化时代下地理信息动态监测的新需求、发展方向、关键技术,详细阐述了新形势下全空间、全信息化产品模式建立,自动化、智能化技术模式创新,灵活化、实时化服务模式拓展,一体化、协同化生产组织模式构建的发展思路,为数字化、信息化测绘向智能化测绘转型升级提供了参考。Abstract: With the accelerated integration of surveying and mapping geographic information technology and the new generation information technology represented by internet accelerated speed, big data, cloud computing and artificial intelligence, the traditional annual-version geographic information updating pattern will be upgraded to the required real-time dynamic monitoring. This paper discusses the new demand and development direction of geographic information dynamic monitoring in intelligent era, and expounds in detail the leapfrogging mode of establishing full-space and full-information product mode, innovating automation and intellectualization technology mode, expanding flexible real-time service mode and constructing integrated and cooperative production organization mode. This will provide a reference for the transformation and upgrading from digital and informational surveying and mapping to intelligent mapping.
-
[1] 刘建军, 吴晨琛, 杨眉, 等.对基础地理信息应需及时更新的思考[J].地理信息世界, 2016, 23(2):79-82 doi: 10.3969/j.issn.1672-1586.2016.02.014 Liu Jianjun, Wu Chenchen, Yang Mei, et al. Thoughts of Demand-Response Real-Time Updating of Fundamental Geographic Information[J]. Geomatics World, 2016, 23(2):79-82 doi: 10.3969/j.issn.1672-1586.2016.02.014 [2] 刘建军, 杜晓, 赵仁亮, 等.地理信息快速更新需求下的在线调绘系统设计探讨[J].地理信息世界, 2014, 21(2):112-115 doi: 10.3969/j.issn.1672-1586.2014.02.028 Liu Jianjun, Du Xiao, Zhao Renliang, et al.Design and Research on a New System of Online Field Surveying for Geographic Information Rapid Update[J]. Geomatics World, 2014, 21(2):112-115 doi: 10.3969/j.issn.1672-1586.2014.02.028 [3] 刘建军.国家基础地理信息数据库建设与更新[J].测绘通报, 2015(10):1-3 http://d.old.wanfangdata.com.cn/Periodical/chtb201510001 Liu Jianjun.Construction and Updating of National Fundamental Geographic Information Database[J]. Bulletin of Surveying and Mapping, 2015(10):1-3 http://d.old.wanfangdata.com.cn/Periodical/chtb201510001 [4] 陈军, 赵仁亮, 王东华.基础地理信息动态更新技术体系初探[J].地理信息世界, 2007, 5(5):4-9 http://d.old.wanfangdata.com.cn/Periodical/dlxxsj200705001 Chen Jun, Zhao Renliang, Wang Donghua.Dynamic Updating System for National Fundamental GISs:Concepts and Research Agenda[J]. Geomatics World, 2007, 5(5):4-9 http://d.old.wanfangdata.com.cn/Periodical/dlxxsj200705001 [5] 王东华, 刘建军.国家基础地理信息数据库动态更新总体技术[J].测绘学报, 2015, 44(7):822-825 http://d.old.wanfangdata.com.cn/Periodical/chxb201507017 Wang Donghua, Liu Jianjun. Key Techniques for Dynamic Updating of National Fundamental Geographic Information Database[J].Acta Geodaetica et Cartographica Sinica, 2015, 44(7):822-825 http://d.old.wanfangdata.com.cn/Periodical/chxb201507017 [6] 王东华, 刘建军, 张元杰, 等.国家基础地理信息数据库升级改造的思考[J].地理信息世界, 2018, 25(2):1-6 doi: 10.3969/j.issn.1672-1586.2018.02.001 Wang Donghua, Liu Jianjun, Zhang Yuanjie, et al. Thoughts on Upgrading of National Fundamental Geographic Information Database[J]. Geomatics World, 2018, 25(2):1-6 doi: 10.3969/j.issn.1672-1586.2018.02.001 [7] 陈军, 武昊, 李松年, 等.面向大数据时代的地表覆盖动态服务计算[J].测绘科学技术学报, 2013, 30(4):369-374 doi: 10.3969/j.issn.1673-6338.2013.04.007 Chen Jun, Wu Hao, Li Songnian, et al. Services Oriented Dynamic Computing for Land Cover Big Data[J]. Journal of Geomatics Science and Technology, 2013, 30(4):369-374 doi: 10.3969/j.issn.1673-6338.2013.04.007 [8] 陈军, 丁明柱, 蒋捷, 等.从离线数据提供到在线地理信息服务[J].地理信息世界, 2009, 7(2):6-9 doi: 10.3969/j.issn.1672-1586.2009.02.001 Chen Jun, Ding Mingzhu, Jiang Jie, et al.From Off-Line Data Provision to Online Geo-information Service[J]. Geomatics World, 2009, 7(2):6-9 doi: 10.3969/j.issn.1672-1586.2009.02.001 [9] 李德仁.展望大数据时代的地球空间信息学[J].测绘学报, 2016, 45(4):379-384 http://d.old.wanfangdata.com.cn/Periodical/chxb201604001 Li Deren. Towards Geo-spatial Information Science in Big Data Era[J].Acta Geodaetica et Cartographica Sinica, 2016, 45(4):379-384 http://d.old.wanfangdata.com.cn/Periodical/chxb201604001 [10] 宁津生, 王正涛.面向信息化时代的测绘科学技术新进展[J].测绘科学, 2010, 35(5):5-10 http://d.old.wanfangdata.com.cn/Periodical/kjzx201321026 Ning Jinsheng, Wang Zhengtao. The Newest Progress of Surveying and Mapping Oriented Information Stage[J].Science of Surveying and Mapping, 2010, 35(5):5-10 http://d.old.wanfangdata.com.cn/Periodical/kjzx201321026 [11] 王家耀.开创"互联网+测绘与地理信息科学技术"新时代[J].测绘科学技术学报, 2016, 33(1):11-14 http://www.cnki.com.cn/Article/CJFDTOTAL-JFJC201601001.htm Wang Jiayao. Creation a New Era of "Surveying, Mapping and Geographic Information Science and Technology Based on Internet Plus"[J].Bulletin of Surveying and Mapping, 2016, 33(1):11-14 http://www.cnki.com.cn/Article/CJFDTOTAL-JFJC201601001.htm [12] 刘先林. "互联网+"时代GIS的智能特征及展望[J].测绘科学, 2017, 42(2):1-4 http://d.old.wanfangdata.com.cn/Periodical/chkx201702001 Liu Xianlin.The Intelligence Characteristic and Prospect of GIS in the "Internet Plus" Era[J].Science of Surveying and Mapping, 2017, 42(2):1-4 http://d.old.wanfangdata.com.cn/Periodical/chkx201702001 [13] 刘经南, 高柯夫.智能时代测绘与位置服务领域的挑战与机遇[J].武汉大学学报·信息科学版, 2017, 42(11):1506-1517 http://ch.whu.edu.cn/CN/abstract/abstract5864.shtml Liu Jinnan, Gao Kefu.Challenges and Opportunities for Mapping and Surveying and Location Based Service in the Age of Intelligence[J]. Geomatics and Information Science of Wuhan University, 2017, 42(11):1506-1517 http://ch.whu.edu.cn/CN/abstract/abstract5864.shtml [14] 李德仁, 王密, 沈欣, 等.从对地观测卫星到对地观测脑[J].武汉大学学报·信息科学版, 2017, 42(2):143-149 http://ch.whu.edu.cn/CN/abstract/abstract5653.shtml Li Deren, Wang Mi, Shen Xin, et al. From Earth Observation Satellite to Earth Observation Brain[J]. Geomatics and Information Science of Wuhan University, 2017, 42(2):143-149 http://ch.whu.edu.cn/CN/abstract/abstract5653.shtml [15] 李德仁, 柳来星.上下文感知的智慧城市空间信息服务组合[J].武汉大学学报·信息科学版, 2016, 41(7):853-860 http://ch.whu.edu.cn/CN/abstract/abstract5475.shtml Li Deren, Liu Laixing. Context-Aware Smart City Geospatial Web Service Composition[J]. Geomatics and Information Science of Wuhan University, 2016, 41(7):853-860 http://ch.whu.edu.cn/CN/abstract/abstract5475.shtml [16] 肖建华, 彭清山, 李海亭."测绘4.0":互联网时代下的测绘地理信息[J].测绘通报, 2015(7):1-4 http://d.old.wanfangdata.com.cn/Periodical/dlkjxx201710038 Xiao Jianhua, Peng Qingshan, Li Haiting."Geomatics 4.0":Surveying, Mapping and Geoinformation in the Internet Era[J]. Bulletin of Surveying and Mapping, 2015(7):1-4 http://d.old.wanfangdata.com.cn/Periodical/dlkjxx201710038 -