Page 197 - 新时期测绘工程测量技术研究

/// 第六章 智能测绘 ///

近几年迅速发展的深度学习、群体智能、知识图谱等人工智能技术，为自然测绘

智能的挖掘提取和描述、表达提供了新手段。例如，利用深度学习提供的多层非
线性变换，可以挖掘隐含在遥感影像数据内部的统计性特征，包括基于几何特征
的边界识别、基于光谱特征的参数反演，进而利用构筑物和自然景观地物构成、
时空分布等领域知识，将这些低层特征组合成高层特征或属性类别，提取复杂的

全局特征和上下文信息，识别出复杂地理场景。这实际上是利用深度学习技术，
将自底向上分层抽象和自顶向下知识迁移的自然信息处理机制转换成机器智能，
形成一种遥感影像解译的混合型智能计算模式。

群体智能（Swarm Intelligence）是模仿生物系统内竞争和合作方式，通过群
体计算、社群感知等方式，从少数的精英专家行为走向众包、众创，实现由下而
上、跨层级的协同问题求解，为测绘样本采集、检核验证、公众参与、决策支持
等提供了新思路。例如，针对大范围地表覆盖遥感制图与变化监测的需要，可利

用众包技术和众源信息手段，研发“众包 + 深度学习”的混合增强方法，由各地
的志愿者采集图像样本资料或提供文本线索，采用图卷积等技术从影像中提取类
型或变化，实现地表覆盖的在线协同更新。同理，可综合利用无人机、移动感知

和各种视频传感器，构建起无线智能传感网络，对违法用地和违法建筑、人们的
时空行为特征等进行动态监测。
此外，知识图谱（Knowledge Graph）、大数据等技术也为构建新型的混合

智能计算模式提供了可能。其中，知识图谱是采用结构化方式，实现多级网状知
识节点（包括概念、实体等）及相互关系的链接与管理，支持语义搜索、知识推
理等服务，可用于构建空间型知识服务系统，提供描述型、诊断型、预测型和方

案型的知识服务，将传统的测绘数据信息服务提升为知识服务。而借助于大数据
技术，可以将基础地理信息、地理国情监测成果等地理空间数据与手机信令等行
为感知数据融合起来，进行人地关系的“相关分析”，寻找出其中的相关关系和
因果关系，从而实现人类活动的时空感知、人地关系的解析模拟，以及国土空间

格局的优化管控。
（三）赋能测绘生产的机制与路径
智能化测绘旨在将越来越多的简单性、重复性甚至危险性的测绘任务交由机

器完成，而让人类更好地发挥知识创造、空间思维等方面的能力，达到赋能测绘
生产、提高效率与水平的目的。基于此，需要在测绘自然智能解析建模和混合型

185