Page 194 - 新时期测绘工程测量技术研究

·新时期测绘工程测量技术研究·
/// Research on Measurement Technique in Surveying and Mapping Engineering in the New Era ////

无法用一组简洁通用的数学模型或算法加以完整描述。例如，数字化地形要素的

图形、属性之间存在着错综复杂的关系，虽可以利用计算几何、空间关系等模型、
算法加以计算分析，但要对其内容完整性和逻辑一致性等进行合理性判定，则需
借助于专家的认知经验。实际上，根据地形图上相邻等高线的邻接关系和相差的
等高距数，有经验的测绘工作者能快速地识别出山包、谷地、鞍部等地形要素，

判断其高程赋值是否存在异常，但却难以将之表达成解析型算法或模型。在全国
1 ∶ 5 万基础地理信息建库与更新工程设计与实施过程中，有关专家曾通过研究
4D 数据应满足的内容完整性和逻辑一致性，凝练了 5 类 20 余种约束条件与规则，
将其与等高线邻接关系、复杂线 - 线关系等系列算法相结合，形成了基于“规则 -

算法”的数据质量检查、评价方法，实现了等高线高程异常、DEM 粗差等近百
种数据质量元素的自动检查与错误信息定位，在基础地理信息数据库更新工程中
发挥了重要作用。

究其本质，主要是以往的测绘算法适合解决低维空间（三维以下）的线性问
题，难以有效进行全局认知和不确定性判断，无法满足高维、非线性空间的问题
求解需求。而利用人所具备的测绘感知、认知能力，可以凝练出形式化的领域知

识与判断规则，用以引导算法的选择组合、数据的处理分析、成果的质量控制等，
能够在一定程度上改变单纯依赖算法的不利局面。借助人工智能等新技术、新手
段，可以归纳提炼环境感知、空间认知等自然智能及先验知识，将其融入测绘数

据获取、信息处理、分析服务的过程中去，即将数字化测绘提升为智能化测绘。
例如，图 6-1 给出了知识与算法相结合的“问题地图”智能化诊断过程。首先，
地图专家们对长期审图过程中积累的丰富经验进行总结，凝练成有关“问题地图”

的认知规则；继而据此选取正负样本集，采用多尺度融合算法，对深度学习模型
进行训练，获取“问题地图”的多尺度和多维度特征知识；然后结合空间关系约
束规则和计算模型，对地图问题区域进行判断和标定。这种“问题地图”检测是
以审图专家的先验知识为引导，以样本增强、多尺度融合等算法为基础，以深度

学习模型为核心的混合智能计算模式，识别正确率可达 80% 以上。
进一步分析可知，智能化测绘是以知识和算法为核心要素，构建以知识为引
导、算法为基础的混合型智能计算范式，实现测绘感知、认知、表达及行为计算，

如图 6-2 所示。针对传统测绘算法、模型难以解决的高维、非线性空间求解问题，
在知识工程、深度学习、逻辑推理、群体智能、知识图谱等技术的支持下，对人

182