Page 107 - 现代测绘技术在水利工程中的应用

The Application of Modern Surveying and Mapping Technology in Water Conservancy Engineering
现代测绘技术在水利工程中的应用

间分析方法 + 非空间分析方法”结合使用，例如在商业大数据中，既有空间位置及相
关信息，也有很多隐含的与空间位置无关的信息，这需要应用许多非空间分析的方法。
模型耦合优势让制图者获取和处理制图数据的方式从耗时长、样本少、手段单一、被
动转变成高效、全面、多样和主动等。

可视分析。符号表达历来是地图制图的核心任务。地图学家探索新的图表、新的
符号表达来解决大数据、大规模、高维度、多尺度等问题；计算机学者研究新的可视
化技术解决快速刷新渲染问题，丰富的在线大数据可视分析软件提供丰富的数据处理
模型、多样的信息图表方案、新颖的色彩符号样式设计，并提供友好的个性化交互界

面，以冀在众多可视化工具中脱颖而出。时空大数据可视分析在表达“技巧”上有显
著的发展，而对于数据“内涵”的表达遇到了瓶颈，对数据的分布（数据复杂关联，
样本分布不代表数据分布）、数据的结构（数据的结构聚集、时序阵发导致时空不均

匀问题）、表达的尺度（数据多尺度并存带来表达尺度的选择）等数据内在的规律的
体现不充分，并且缺乏对人机的交互分析和探索式考察。通过将群体智慧、社会计算、
认知计算等融入可视分析，更多地注重地图交互设计，才能实现“数据分析→数据表
达→数据制造”。

四、智能制图知识表征

智能制图的核心任务包括知识驱动的制图工作流程确定的外部任务和数据智能辅
助制图的内部任务。“表征（Representation）”是从符号学视角理解，包括作为“名词”

的地图内容和作为“动词”的制图实践过程。
（一）两类知识
英国物理化学家和哲学家波兰尼首次提出知识除包含显性知识（即以书面文字、
图表和数学公式加以表达的知识）外，还包括隐性知识（即经验）。在智能制图中，

制图者和读图者的隐性知识是确保“智能”特性的重要方面，其中读图者认知、体验
和反馈尤为珍贵。从隐性知识到显性知识的转化，称为制图符号表达或地图整饰，其
反过程称为地图认知或地图鉴赏。智能制图过程中，制图者根据自身的经验、技能、
灵感等隐性知识，将个人头脑中无法轻易表达的设计经验，物化成使用图形符号（点、

线、面、体）、色彩界面等地图符号进行表达，从而变成显性知识被读图者所感知；
读图者则通过以往积累的经验、自身需求、情感偏好等知识对地图进行认知，即以联
想的形式与制图者进行信息感知交互。
（二）地图知识图谱

知识图谱概念是一种大规模语义网络，本质上也是一个面向应用落地的大规模知
识工程，具有规模巨大、语义丰富、质量精良、结构友好等特征。垂直领域知识图谱

• 94 •