Page 217 - 新时期测绘工程测量技术研究

/// 第六章 智能测绘 ///

二、测绘大数据时代数据处理理论的发展方向

当前大数据的多源、异构以及跨平台、跨尺度、跨参数等形态特征导致了大

数据处理的复杂性，现有的测绘数据处理方法是理论驱动和模型驱动，其优点是
能够将不充足的数据与已知理论结合起来建立相关模型，但也有局限性，如不能

处理大数据量，不能处理很多新类型数据、多媒体数据和高分辨率的遥感数据等。
当前测绘数据量越来越大，并且还将更快地增长，而测绘技术对数据处理的有效
性、精确性、实时性要求越来越高，传统的常规数据处理技术已无法适应测绘新

技术的发展。
（一）多源异构大数据的感知、融合与快速识别

地表观测大数据感知的核心是从大规模、分布式、泛在性的大数据中获取有
价值的数据。如何从细粒度的个体层面更有效地感知数据并利用群体智能来提升

大数据的感知能力，是数据处理理论需要解决的问题。
1.高质量数据的感知和获取技术

由于测绘对象范畴的扩大，数据感知将面临多源、异构以及跨平台、跨尺
度、跨参数等复杂的数据特征，这使得数据采集容易出现缺失、冗余、粗差等问
题，因此，数据的信噪比降低，利用大数据精准还原系统本征属性的智能学习方

法变得困难。人工智能算法在数据处理和理解等方面有较强的优势，如何对其进
行改进以有效处理复杂数据特征的大数据，缩短信息提取的时间，是数据处理方

法需要研究的新问题。例如，日均新增超过 100 TB 的出租车轨迹大数据集蕴藏
着道路交通状态、城市居民出行规律、城市结构及其他高价值信息，可以结合神

经网络、贝叶斯分类、支持向量机和遗传算法等对交通流量、市民出行目的、城
市区域用车需求预测、电动出租车充电站选址等信息进行提取。此外，德国宇航

局 Koyama 等首次利用星载合成孔径雷达（Synthetic Aperture Radar，SAR）影像
大数据集（300 TB）和降雨数据集联合深度学习算法，深入挖掘了降雨条件对 L
波段 SAR 数据后向散射性能的影响，并提出结合人工智能算法对受降雨影响的

SAR 影像自适应修正定标因子。现有的小规模数据或静态数据处理理论显然不
能适应上述数据处理方法的变化，需要研究针对多源异构大数据的精确感知和高

效获取新算法，分析算法精度、稳定性与数据规模之间的关系，研究兼顾精度和

205