以下文章来源于经纬石旁话遥测 ，作者任福等
本文改编自学术论文《关于智能地图制图的几点思考》
刊载于《武汉大学学报（信息科学版）》2022年第12期
任福1, 2, 3, 4 翁杰1 王昭1 张琛1 游泽威1
1.武汉大学资源与环境科学学院, 湖北 武汉, 430079
2.武汉大学地理信息系统教育部重点实验室, 湖北 武汉, 430079
3.自然资源部数字制图与国土信息应用重点实验室, 湖北 武汉, 430079
4.地球空间信息技术协同创新中心, 湖北 武汉, 430079
任福
博士，教授，主要研究方向为行业专题地图服务、智能制图、地理信息工程。renfu@whu.edu.cn
摘要
以人工智能背景下的智能地图制图为切入点，分析了时空大数据给地图学带来的冲击，指出地图可能的三个演化方向，剖析了智能制图内涵及其具有的众源数据、用户参与、模型耦合和可视化分析等特征，深入讨论智能制图显性和隐性知识表征，提出建立地图知识图谱的构想，总结了基于低代码技术的平台开发范式。
引用
任福, 翁杰, 王昭, 张琛, 游泽威. 关于智能地图制图的几点思考[J]. 武汉大学学报 ( 信息科学版), 2022, 47(12): 2064-2068. doi: 10.13203/j.whugis20220781
地图是人类对世界的地理形式表达。在大数据和人工智能时代，物理空间、社会空间以及信息空间组成了三元空间，现实世界中随时都会产生具有空间性、时间性、多维性、海量性、复杂性的时空大数据信息，化“数”为“据”的思考方式导致各类可视化技术井喷式发展，地图在其中被广泛使用却被严重低估。
随着数据和知识在人类社会、物理空间和信息空间之间交叉融合与相互作用，人工智能发展所处的信息环境和数据基础发生的巨大变化成为驱动其走向新阶段的外在动力，各种“图”思考方式兴起，如图模型、图数据库、图神经网络、图分析、图谱等，地图学也逐步开始回归到人类方法论的本位，地图制图的内涵与外延也得到极大拓展，如地图学四面体、泛地图、场景学等。在测绘领域，“测”可理解为是一种“数”思维，而“绘”则是一种“图”思维，在智能时代泛在测绘的大背景下，“测”空前繁荣，“绘”则显得落寞。人工智能将为“绘”带来大发展机遇，智能地图制图(以下简称智能制图)就是其中重要方向。
近10年来，随着脑科学、智能感知技术和物联网技术的快速发展，“智能+”已接棒“互联网+”和“大数据+”，正在快速跨界发展。地图学作为具有高度智能化特征的学科，地图制图学的发展一直紧跟人工智能技术，近些年在智能制图方面也产生了一些研究成果。随着“全空间”“全信息”“全媒体”“全周期”和“全业务”等地理信息服务需求广泛提出，在科学界、技术界、文化界、设计界、传媒界和产业界等的推动下，地图泛化趋势将更显著，同时智能制图也将与深度学习、知识图谱等方法结合。
1 时空大数据的冲击
目前，数字经济和视觉文化时代的内生需求驱动泛地图成为一个热点话题。随着地理实体的高度领域化、社会感知的高度泛在化和数字人文的高度综合化等趋势，时空大数据作为最重要的大数据之一，将成为泛地图服务的核心数据源。
密集型的行业时空大数据给当前的地图制图学带来三大冲击: ①空间自相关性、空间异质性等地理特性让数据内涵愈发多元化，信息分析和处理愈发复杂。②地图内容表达日益注重智能化过滤、定制推送和个性化表达。③地图知识传输的需求侧(用户认知过程)与供给侧(数据分析过程)的交互反馈机制日益重要。
2 地图的演化
地图学研究对象未来或许会分化为3个独立发展方向: 位置服务类地图、知识服务类地图和文创服务类地图。(1)位置服务类地图靠感知驱动，通过各种传感器和算法获取精准空间位置信息，实现定位、导航、POI(point of interest)查询等服务，制图体现为感知智能，如最新自动驾驶的高精度地图和机器地图等；(2)知识服务类地图靠认知驱动，是人类思维活动中不断累积、不断重复和后天形成的各种经验智慧的结晶，如各种地形图、地理图、专题图等，制图体现为认知智能，让机器具有理解、推理等能力；(3)文创服务类地图靠觉知驱动，融入了个性化的体验和感悟，如丝绸地图、剪纸地图等，制图体现为设计智能，这是一种最难实现的智能。3个发展方向的技术系统差异很大，理论体系也不尽相同，都被称为“地图”，都是自然科学和人文社会科学结合的产物，但应用领域泾渭分明。这种分化为地图学的统一理论建构带来分野，也必将促使智能制图产生很大的技术差异性。
3 智能制图特征
智能制图本质上是通过自适应手段跨媒体快速制作满足不同层次阅读需求的个性化地图，输入是各类时空大数据，输出是泛地图，此处“智能”是从大ICT(information and communications technology)视角理解，包括物联网、大数据、云计算、人工智能、区块链、增强现实乃至数字孪生、元宇宙等所有信息技术方法。
智能制图呈现以下特征：
1) 众源数据
数据集是智能制图的基础。地图制图历来重视采用由专业机构提供的权威、系统、一致的制图资料，即专业生产内容PGC (professionally-generated content)，数据质量高但广度和深度不足；智能制图使用多样化的时空大数据，其中重要一个来源是用户生产内容UGC(user-generated content)，数据体量大、类型多、速度快，但价值密度低，需进行大数据挖掘之后从中发现联系，从而产生新的地图知识表达。
来自PGC或UGC的各种对地观测数据、社会感知数据、专业传感器数据、网络自媒体数据等，具有类型多样、结构复杂、数据量大、语义丰富和空间信息等特征，是智能制图中构建深度学习模型的优质数据集。融合这些数据集，一是可降低各种智能算法的门槛，二是有助于提升地图用户体验和创新应用模式。
2) 用户参与
当前，智能手机和平板电脑改变了人们交流和消费信息的方式。智能制图重要特征之一就是用户(读图者)的深度参与、及时反馈和系统的自适应调整。用户参与式制图模糊了地图制作和地图使用之间的界限，从而导致了不寻常的结构变化，用户开始处于中心地位，也不再是被动的信息接收者或服务消费者，而是共同创造的生产者，来自互联网经济中的“Prosumer”更能反映智能制图中的制图者和读图者合二为一的概念。Prosumer由Producer(生产者)和Consumer(消费者)两个词汇合成，意指互联网时代生产者即消费者。
3) 模型耦合
时空大数据制图的优势之一是把“先定主题后找数据”的惯性制图思维转变为“从高维数据中提炼主题”的可视化和符号化思维；二是把“小数据+大模型”的经典制图分析模型转变为“大数据+小模型”的流行空间分析方式；三是把“空间分析方法+非空间分析方法”结合使用，例如在商业大数据中，既有空间位置及相关信息，也有很多隐含的与空间位置无关的信息，这需要应用许多非空间分析的方法。
模型耦合优势让制图者获取和处理制图数据的方式从耗时长、样本少、手段单一、被动转变成高效、全面、多样和主动等。
4) 可视分析
符号表达历来是地图制图的核心任务。地图学家探索新的图表、新的符号表达来解决大数据、大规模、高维度、多尺度等问题；计算机学者研究新的可视化技术解决快速刷新渲染问题，丰富的在线大数据可视分析软件提供丰富的数据处理模型、多样的信息图表方案、新颖的色彩符号样式设计，并提供友好的个性化交互界面，以冀在众多可视化工具中脱颖而出。
时空大数据可视分析在表达“技巧”上有显著的发展，而对于数据“内涵”的表达遇到了瓶颈，对数据的分布(数据复杂关联，样本分布不代表数据分布)、数据的结构(数据的结构聚集、时序阵发导致时空不均匀问题)、表达的尺度(数据多尺度并存带来表达尺度的选择)等数据内在的规律的体现不充分，并且缺乏对人机的交互分析和探索式考察。
通过将群体智慧、社会计算、认知计算等融入可视分析，更多地注重地图交互设计，才能实现“数据分析→数据表达→数据制造”。
4 智能制图知识表征
智能制图的核心任务包括知识驱动的制图工作流程确定的外部任务和数据智能辅助制图的内部任务。“表征(Representation)”是从符号学视角理解，包括作为“名词”的地图内容和作为“动词”的制图实践过程。
4.1
两类知识
英国物理化学家和哲学家波兰尼首次提出知识除包含显性知识(即以书面文字、图表和数学公式加以表达的知识)外，还包括隐性知识(即经验)。在智能制图中，制图者和读图者的隐性知识是确保“智能”特性的重要方面，其中读图者认知、体验和反馈尤为珍贵。
从隐性知识到显性知识的转化，称为制图符号表达或地图整饰，其反过程称为地图认知或地图鉴赏。智能制图过程中，制图者根据自身的经验、技能、灵感等隐性知识，将个人头脑中无法轻易表达的设计经验，物化成使用图形符号(点、线、面、体)、色彩界面等地图符号进行表达，从而变成显性知识被读图者所感知；读图者则通过以往积累的经验、自身需求、情感偏好等知识对地图进行认知，即以联想的形式与制图者进行信息感知交互。
4.2
地图知识图谱
知识图谱概念是一种大规模语义网络，本质上也是一个面向应用落地的大规模知识工程，具有规模巨大、语义丰富、质量精良、结构友好等特征。垂直领域知识图谱的构建是当前行业智能升级的难点和热点。
智能时代的地图制图，基于移动互联网的群智协同提供了一种通过聚集群体智慧解决问题的新模式，可理解、可计算的知识图谱成为连接制图端和应用端的中介。与影像相比，地图本身已是知识集成产品，地图制图已融合多领域、多学科，构建地图知识图谱目的是获取大量的、让计算机可读的知识，既包括显性知识，也包括隐性知识。
智能制图依赖各行业时空大数据，融合作为“名词”的地图内容语义和作为“动词”的制图实践过程，通过知识图谱来实现地图内容表达的智能化过滤、定制推送和个性化表达，建立地图知识传输的需求侧(用户认知过程)与供给侧(数据分析过程)的交互反馈机制。
实施地图知识图谱工程，通过自顶向下(从本体知识中演绎)、自底向上(从大数据中归纳)或横向迁移(从同行实例中借鉴)等多路径，在数据、算力和模型的支持下，构建多模态地图知识图谱，使多源时空大数据在语义层关系上高度对齐，支持非监督的机器学习；打造用于未来各类智能化应用的知识引擎，从高质量的用户生成内容UGC中，把地图制图的领域知识通过知识获取、数据挖掘、信息融合、知识计算和可视化等手段显示出来，并使用众包技术进行规模化验证，深挖和揭示地图制图的动态发展规律，赋能和拓展制图从数据驱动到知识引导，同时解决制图隐性知识“只可意会不可言传”的问题。
5 开发范式
研发开放式智能制图平台，需要建立各种规则库、符号库、模型库、模板库和样式库等，需要结合深度学习、强化学习、迁移学习、时空神经网络和知识图谱等先进计算方式，需要算法层面融合地图制图显性知识和隐性知识(方法策略、经验技巧等)，需要开发系列自适应地图制图引擎等，除去这些核心内容，还需解决个性化地图的表达和动态交互制图等重要问题。近两年兴起的高生产力开发范式——低代码技术为解决此问题提供支持。
国际知名咨询公司Forrester在2014年第一次正式提出低代码概念，Gartner发布的“2022新兴技术和趋势影响雷达图”，更是将低代码技术列入了雷达图最核心的位置。从低代码视角看，智能制图全流程遵循着经典的可视化和模型驱动理念，结合最新的云原生与多端体验技术，通过全栈可视化编程，系统控制和记录制图数据产生、流转、加工、使用、归档应用等全生命周期过程，实现制图数据拿来即可用，制图过程执行即留痕，制图成果输出即归档。低代码将应用软件开发过程工业化的能力刚好与智能制图需求契合。
6 结语
地图是诠释世界的杰作，是浓缩历史的经典。智能制图具有多维性和交叉性，像数学抽象出点线面体，物理讲求表达规律，化学精准符号参数配置，绘画在空间呈现，音乐沿时间展开，舞蹈随数据起伏。数字经济时代对时空大数据地图新需求的大量涌现，打造高水平智能制图平台成为一个迫切、长期且极具挑战性的任务，需要地图学强大的内生创新驱动和更紧密的交叉学科融合。本文仅是一些碎片化思考，智能制图未来还有很多工作要做。
转自：“测绘学术资讯”微信公众号
如有侵权，请联系本站删除！
