Page 243 - 测绘科学技术理论及实践应用研究

第九章 测绘工程及其技术改革创新的几点思考

其他社会数据。如何建立基于历史测绘地理信息大数据的智能挖掘技术，是测绘
地理信息行业一个重大命题。测绘地理信息历史数据不仅可以为深度卷积神经网
络等提供训练样本，而且是发现地物实体变化规律的主要信息源。例如，通过对

城市的历史地图和影像大数据进行挖掘、分析，并利用深度学习建立模型，城市
管理者可以掌握城市的运行规律和规划发展，甚至可以预测城市未来的发展趋势。
地图移动端实时产生的大数据和历史数据可作为人工智能训练的样本，以帮助地
图导航产品提高预判出行环境变化和趋势的能力。第四，室内外一体化精确定位

技术。室内外一体化精确定位是时空大数据动态预测推理的基础，只有获取了动
态高精度的孪生环境实体的精确空间位置，才能挖掘出模式和规律。反过来，通
过融合大数据智能技术也可以改进和提高目前的 GNSS 和室内定位的精度，如定

位信号干扰源的智能识别分析，融合移动手机图像的定位分析等。第五，测绘地
理信息与社会大数据融合。城市管理资源配置的决策依赖于人类社会中群体行为
与社会结构、信息空间中事件和主题、物理世界中空间位置信息之间的关联。人
类社会、信息空间以及物理空间的大数据具有关联复杂性的特点，其关联复杂性
体现在多维演化、多元异构以及多尺度关联等方面。面对如此复杂的关联关系，

需要对人类社会、信息空间以及物理空间的大数据进行深层表征的建模，即将人
类社会、信息空间和物理世界的三元数据作为输入，从已知关联中通过深层表征
建模的方法，学习三元空间的统一表征空间。在此基础上建立“人—事—地”大

规模图深度网络，可实现城市管理的精细化、科学化和智能化。例如，在流感爆
发之际，建立个体体征属性和其他属性的映射，如某种流感与年龄、身体体征等
之间的关系；其次，基于社交网络可知道个体之间的交往程度及其个体活动的地
理位置信息；通过“人—事—地”大规模图深度网络，可以准确预测流感疫情的
趋势。如某个人的兴趣爱好这一属性为“球迷”，“工人体育场”这一地点发生

的事件是足球比赛，则这个人就工体与足球比赛建立起了关联。在打通了人事地
关联关系之后，则这个人所住小区就与工人体育场发生了关联。基于“人—事—
地”大规模图深度网络，可以预测城市中交通走向等。

（二）测绘地理信息与跨媒体智能融合
时空大数据中承载的信息源种类繁多，如城市声音污染源是音频信号，城市
大气污染源是嗅觉信号，城市概貌是图像信号，城市热岛效应是触觉信号，城市
大楼的名称为文本信号。在孪生测绘地理信息的大框架下，这些多媒体信号的公

235