Page 216 - 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 ////

境之间具有较强的耦合作用，数据质量和数据分析的结果无法得到有效的保证。

由探测数据、飞行数据、仪器状态数据组成的原始数据具有复杂多变性，准确解
耦出测绘成果是非常困难的。大数据模态多样、真伪难辨的特性是复杂系统构建
的难题，如何解释不同平台、不同尺度、不同参数之间的随机与非线性关联作用

影响大数据的演化形态是现代测绘数据处理理论需要解决的问题。
（二）多源、异构、周期性

随着测绘对象范畴的扩大，多尺度、个性化、智能化、全天候的测绘服务型
需求越来越多，复杂对象的数据感知面临大数据多源、异构等复杂的数据形态。
不同学科和不同技术之间、不同观测工具和不同分辨率之间以及不同对象之间的

观测将使得观测数据呈现多元化的特点。这些数据的类型、统计性质和数据结构
完全不相同，形成了异构数据，它们随时间和空间交替变化表现出某种循环、重
复或叠加，呈现周期性变化的特点。因此，测绘大数据通常表现出多源、异构、

周期涌现等特征。传统的测绘数据处理理论已无法有效分析和预测大数据之间的
变化规律和真实价值。大数据需要新型的不依赖于全体数据的算法理论支持，需
要降低大数据中的不确定性影响，以提高非确定化和局部增量的机器学习能力，

需要突破小规模数据处理中独立同分布的假设。
（三）高速、更新快、时效短

空天地海不同的观测技术以及各类观测设备的高速发展，使得数据获取的速
度、更新周期越来越快，信息量也越来越大，时效性越来越短。例如，当前在轨
能够获取到高分辨率影像的卫星重访周期约为 1~5 d，而无人机、移动测量车、

背包式的三维激光扫描仪等新型测绘技术则可以实时获取到相应的地理信息数
据。再如，卫星对地观测数据也是一种高速、更新快、时效短的大数据，它不仅

具有海量大数据的特征，同时也具有实时更新的数据流特征。数据的快速处理与
决策的及时性是大数据高速性的前提，如地图导航中路况的实时信息、共享出租
车的行驶轨迹数据等，每隔 10 s 至 1 min 数据中心就需要进行更新。增强测绘数

据的处理速度必须建立在测绘大数据的快速分析之上，如为了更好地预报地震发
生的地点、时间和强度，地震观测中不仅需要快速获取数据，更需要数据的快速

分析和处理。时空大数据处理的实时性需要利用各种方法进行有效的挖掘，如何
快速地处理海量时空数据是当前数据处理中需要重点研究的一个问题。

204