《测绘学报》智能化测绘专刊 | 陈军院士：智能化测绘的基本问题与发展方向

本文内容来源于《测绘学报》2021年第8期（审图号GS（2021）5047号）

智能化测绘的基本问题与发展方向
陈军¹, 刘万增¹, 武昊¹, LI Songnian², 闫利³     1. 国家基础地理信息中心, 北京 100830;
2. 瑞尔森大学土木工程系, 加拿大 多伦多, M5B 2K3;
3. 武汉大学测绘学院, 湖北 武汉 430079基金项目：国家自然科学基金重点项目(41930650)和中国工程院战略咨询项目(2019-ZD-16)摘要：测绘生产与服务面临着数据获取实时化、信息处理自动化、服务应用知识化等诸多新难题。以算法、模型为核心的数字化测绘, 往往无法用简洁的算法、模型, 实现对纷繁多样、多维动态现实世界进行完整描述与表达, 难以满足高维、非线性的空间问题求解要求。为破解这一难题, 应模仿和利用人类的测绘自然智能, 研发以知识为引导、算法为基础的智能化测绘技术。本文首先讨论了智能化测绘的基本概念与思路; 继而分析指出了智能化测绘的三个基本问题, 包括测绘自然智能的解析与建模、混合型智能计算范式的构建与实现、赋能生产的机制与路径; 然后提出了今后一段时间的主要努力方向, 包括构建智能化测绘的知识体系、研究技术方法、研发应用系统和仪器装备。为了切实地推动这方面的科技研发与工程应用, 应该加强顶层设计, 推动跨学科协同创新, 促进产学研合作, 营造良好发展环境。关键词：智能化    数字化    测绘    自然智能    混合智能计算    知识引导     

引文格式：陈军, 刘万增, 武昊, 等. 智能化测绘的基本问题与发展方向[J]. 测绘学报，2021，50(8)：995-1005. DOI: 10.11947/j.AGCS.2021.20210235

CHEN Jun, LIU Wanzeng, WU Hao, et al. Smart surveying and mapping: fundamental issues and research agenda[J]. Acta Geodaetica et Cartographica Sinica, 2021, 50(8): 995-1005. DOI: 10.11947/j.AGCS.2021.20210235

阅读全文：http://xb.sinomaps.com/article/2021/1001-1595/2021-8-995.htm

引 言 

众所周知，测绘的基本任务是测定和表达各类自然要素、人文现象和人工设施的多维空间分布、多重属性及其随时间的动态变化^[1-3]。为此，需要借助于各种先进技术手段和仪器装备，开展数据采集、处理、分析、表达、管理及成果服务等活动。这使得测绘成为一个技术密集型行业，技术进步在提升其生产效率与服务水平方面发挥着至关重要的作用。我国测绘经历了从模拟测绘技术到数字化测绘技术的重要变革，逐步实现了全行业的数字化转型，推动了数字化产品生产与服务体系的全面建立，促进了地理信息产业的蓬勃发展。但近年来这种数字化测绘技术的“红利”已基本用完，测绘生产与服务面临着数据获取实时化、信息处理自动化、服务应用知识化等诸多新难题。从数字化测绘走向智能化测绘，成为必然选择。

20世纪90年代之前，人们主要是使用光学-机械型测量仪器测制各种比例尺地形图和专题图，作业周期长、更新速度慢，1∶5万地形图覆盖全部陆地国土不足80%，且大部分现势性在10—30年以上，十分陈旧，严重滞后于经济建设和社会发展的需要^[4-5]。为改变这种不利局面，国家测绘主管部门成功地组织完成了数字化测绘技术体系的科技攻关，实现了地理空间数据的数字化采集、处理与服务，向各行各业提供模拟和数字两类产品，奠定了测绘行业在全社会数字化转型大潮中的重要地位，较好地满足了国民经济建设和社会发展的需要^[6-16]。

近年来测绘行业的内外部环境发生了较大变化，面临着技术转型升级的巨大挑战。首先，国家大力推进高质量发展、促进国土空间格局优化，要求全面摸清自然资源家底，科学认知人地关系，实施数据赋能的国土空间规划与管控。但现有数字化测绘技术在智能化、动态性、精准度等方面尚存在着不足或局限性，难以完全满足“查得准”“认得透”“管得好”的应用需求。其次，以4D产品为核心的多尺度、多类型地理空间数据已渗透到数字经济、数字治理和数字生活的方方面面，发挥着越来越重要的“时空基底”和关键生产要素作用，但国土空间规划、生态环境保护、防灾减灾、自动驾驶、疫情防控等新兴应用领域对时空信息的精细程度、更新周期、服务方式等提出了诸多新需求，迫切需要研发和提供更多的多维、动态、高精时空数据产品，构建新型时空信息基础设施，从数据信息服务走向时空知识服务等^[17-19]。

面对全社会数字化、智能化转型的时代浪潮以及“第四次工业革命”的影响，如何审时度势，把握机遇，推动行业技术进步和事业转型升级，已成为测绘业界关心的热门话题^[18, 20]。近几年，有关“测绘科技转型升级——从数字化走向智能化”这一问题多次召开学术研讨会，测绘学者的普遍共识是，数字化测绘技术的“红利”已基本用完，应不失时机地开展创新研究，从数字化测绘走向智能化测绘。国际测量师联合会(International Federation of Surveyors，FIG)也专门讨论了smart surveyors主题，提出要发展智能化测绘，实现测绘科技的转型和升级^[22]。

应该指出的是，从数字化测绘走向智能化测绘，是一项极为复杂的系统工程，既涉及理论创新、技术突破、体系构建等科技难题，也牵涉观念更新、学科协同、政策保障等非技术因素。为了切实有效地推动智能化测绘的研发与应用，首先要厘清基本概念和科学问题，研判国内外发展动态，找准重点、难点和着力点，进而明确发展方向与任务。笔者从数字化测绘的技术特征分析出发，讨论了智能化测绘的基本概念与思路，分析了智能化测绘的基本问题，提出了今后的发展方向。

1 智能化测绘的概念与内涵

从技术的角度看，数字化测绘是使用专门的仪器或装备，测定自然要素、人工设施和人文现象的空间分布、专题属性、相互关系及时空变化，并进行数字化建模、空间化处理和可视化表达，产出数字化的地理空间数据产品，并提供相应的数据信息服务。其本质特征是对各种数字化的观测资料，采用定量算法或解析模型，在矢量或栅格等度量空间中进行计算解析，实现几何处理、物理反演及误差分析。多年来，人们以计算几何、离散数学、数理统计等为基础，依据坐标体系、投影变换、成像机理、共线方程、测量平差等测绘原理，对时空基准、遥感影像、数字地图等进行几何特征与物理参数研究，提出了包括坐标变换、几何校正、辐射融合、分类提取、多维建模、空间分析、可视化表达等在内的一系列处理算法与模型，奠定了数字化测绘的模型与算法基础^[9, 23-40]。

现实世界是由纷繁多样的自然要素、人文现象及人工设施组成的，既呈现出千姿百态的几何特征，多维动态的时空分布，又具有错综复杂的相互关系，往往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^[41-46]。

究其本质，主要是以往的测绘算法适合解决低维空间(3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 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^[47]。

图 1 “问题地图”的智能化诊断

Fig. 1 Intelligent detection of "problematic map"

选项 

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 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，对人类测绘活动中形成的自然智能进行挖掘提取、描述与表达，并与数字化的算法、模型相融合，构建混合型智能计算范式，实现测绘的感知、认知、表达及行为计算，产出数据、信息及知识产品。

图 2 智能化测绘的基本思路Fig. 2 The basic idea of smart surveying and mapping

图选项 

2 基本问题

就总体而言，以往人们主要关注测绘新算法、新模型及其在数字化测绘生产中的应用研究，对智能化测绘缺乏系统深入的研究，于是，需要厘清其基本问题，开展模型算法及关键技术研究。其基本问题主要有测绘自然智能的解析与建模、混合型测绘智能计算算法构建与实现、赋能测绘生产的机制与路径等。

2.1 测绘自然智能的解析与建模

自然智能一般是指人类对环境、物体、动物或植物等元素进行识别和分类的能力^[48]。测绘自然智能则是指人类在测绘活动中形成的感知、认知和行为能力，如遥感影像判读解译、地图读图与分析、行进中的导航定位等。这往往可以抽象成特定的自然信息处理机制和支撑的先验知识。例如，人们根据遥感影像中地物光谱特征及相互关系，能够方便地推断出被部分遮挡的地物边界、辨别出云团的阴影等。借鉴自然计算等人工智能的研究思路，可以对其中的信息处理机制进行解析与建模，抽象形成基于数学或逻辑符号的混合型计算模式^[49-52]。实际上，这是一个自底向上分层抽象和自顶向下知识迁移的信息处理机制，可用多粒度认知计算模型加以描述与表达，去实现知识与数据双向驱动的影像智能计算^[53-54]。再如，有学者对人眼观察物体时存在“远粗近细”的现象进行抽象，发现了能揭示地图空间尺度变换机理的“自然法则”(natural principle)，即“对任意给定尺度，均对应着一个最小可视范围(SVS)，凡落入这一范围的任何空间变化均不可见、可被忽略”^[55]，提出了尺度驱动、空间优先的地图空间认知方法，为地形地物多尺度客观表达和地图客观综合范式构建奠定了科学基础^[56-57]。

测绘自然智能解析与建模的另一项基本任务是凝练和整理人们在数据获取、信息处理、服务应用等测绘活动中积累的经验或认识，包括一些自然要素和人文现象的地域分布、时空变化、关联关系等规律，形成可用于辅助测定空间分布的、判定多重属性及分析动态变化的先验知识^[58-59]。例如，人们针对航空航天遥感影像的丰富光谱、纹理及时相特征，研制了众多的地表覆盖自动分类、变化检测的算法，但在大范围应用时往往受制于“同物异谱/异物同谱”现象，难以满足单期高精度、多期一致性的工程化要求。为解决这一问题，人们在研发新算法、新模型的同时，一直致力于收集和整理反映或描述地表覆盖地带分布、区域过渡、空间约束、时间连续等规律的参考数据、样本及其他资料，用于辅助判断地类属性、识别问题区域，提高分类提取及变化检测的精度^[60-62]。

2.2 混合计算模式的构建与实现

早期测绘专家主要是利用以符号主义为核心的逻辑推理(logical reasoning)，将生产服务过程中的有关约束条件、判断规则等专家知识和先验知识形式化，与计算几何、空间关系等算法相结合，形成问题求解的计算模式^[42-43]。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^[63-65]。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^[53]。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^[18, 65-66]。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^[67-68]。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^[69-70]。

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^[19]。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^[71-74]。

2.3 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智能计算模式构建的基础上，研究设计赋能机制与实现路径。例如，目前全国大范围基础地理信息更新采用的是影像信息提取、互联网地理信息获取及地图制图综合等主体技术，由于难以全面地建立严格精确的算法模型、清晰全面的计算规则，自动化程度难以进一步提高，停留在以年为周期的批次化版本式更新阶段^[75]。要做到以地理要素为对象、以月为周期的应需动态更新，必须综合利用深度学习、群体智能、物联网等最新技术，破解自动化提取、智能化处理、协同化生产等方面的技术难点，研发基于影像的地物信息自动提取、基于时空大数据的属性信息挖掘、新型远程式增强型调绘、众源检核等为核心的动态更新技术，提高信息提取与产品制作的智能化程度^[75]。

因此，需要重点研究推进智能化测绘的机制，包括研究相关的政策法规，建立配套的知识创造、更新、共享与激励机制、人机协同工作机制及智能化测绘系列标准规范、业务流程与管理模式等，为实现从数字化测绘向智能化测绘的转型升级提供政策和制度保障。在实现途径上，则要针对不同的应用需求、应用场景，组织开展智能化测绘的实现方法与关键技术研究，形成业务化运行的装备、软件、标准和服务模式，并开展典型应用示范，以点带面，进行全面推广应用，逐步形成生产能力，赋能测绘生产。

3 发展方向

智能化测绘体系的建立，将推动测绘数据获取、处理与服务的技术升级，从基于传统测量仪器的几何信息获取拓展到泛在智能传感器支撑的动态感知，从模型、算法为主的数据处理转变为以知识为引导、算法为基础的混合型智能计算范式，从平台式数据信息服务上升为在线智能知识服务。为了切实推动智能化测绘的创新发展，应努力地构建智能化测绘的知识体系，加大智能化测绘技术方法的研究力度，研制智能化测绘的应用系统与仪器装备。

3.1 构建智能化测绘的知识体系

最近一段时间，人工智能对测绘学科的影响^[76-77]，引起了测绘界广泛关注^[21]，先后提出了对地观测大脑^[17]、泛在测绘^[18, 78]、顾及三元空间的智慧城市GIS框架^[79]等新概念，为智能测绘的研讨奠定了基础。但是，如果要构建智能测绘体系，则还必须聚集智能化测绘的基本问题，开展前沿性的研究探索，构建具有内在逻辑和结构的智能化测绘知识体系，促进知识和应用的融通。

为此，需要加大对智能化测绘的智能机理、计算模式、赋能机制等研究，并在生产实践的基础上，抽象出科学的概念、术语、命题、陈述、定律、定理，凝练出拟研究解决的基础理论与关键技术问题，积极争取国家科技研发专项、自然科学基金等资助，研究形成具有系统性和逻辑性的知识体系^[80]与成套理论方法, 为智能时代的人类测绘活动提供新思路、新方法和新工具。

3.2 研究智能化测绘的技术方法

面向特定测绘目标或任务，需要利用智能原理与知识，研究发展适宜的技术方法，解决“怎样做”和“怎样做得好”的问题。例如，针对大范围地表遥感调查的要求，根据多光谱、多时相、高分辨率、多传感器，以及全天候遥感影像的特点, 构建反映地理相关性、空间异质性和地物位置约束等内容的时空知识图谱，并将其与机器学习算法相结合，研发知识引导和数据学习双向驱动的智能化信息提取方法，提高地物目标、属性及场景的精细化提取水平^[53, 81]；再如, 将已有地表覆盖矢量分类数据蕴含的丰富语义信息(如空间位置、形状和地物类别)作为先验知识，提取单期影像上纹理特征的空间异质性，实现基于先验知识和纹理异常的单期影像变化监测，以克服两期遥感影像变化检测存在的困难^[82]。

对于众多算法、模型、方法来说，其各自有着适用范围和局限性，需要根据给定的应用场景进行选择和组合。例如，目前有数以百计的遥感影像变化检测算法，分别适用于不同的影像条件、地域特点或应用对象。在开展大范围变化监测业务时，需要根据算法与算法、算法与数据、数据与数据之间的竞争、协作、约束关系等，进行算法优选和处理流程构建。但其水平高低往往受制于专家的个人经验与能力，难以满足高质量、自动化监测的需要^[83-84]。当前的一个发展趋势是，将知识工程和机器学习相结合，系统地梳理变化检测算法与影像之间的多级关系，归纳凝练出相应的领域知识，转换为Web服务，形成基于领域知识的在线变化检测工具，减少对专家个人经验与知识的依赖^[85-87]。

3.3 研制智能化测绘的应用系统

从应用的角度看，设计和研制能够支持数据采集、处理、分析、管理的新一代智能化业务系统，提升产品生产与服务的水平与效率, 是智能化测绘的一个重要发展方向。这需要针对每一个特定的单一或综合应用场景，厘清其产品生产与服务过程中所蕴含的信息处理机制，梳理所使用的先验知识，构建混合型的智能计算模式，研制专门或专用的具有一定智能水平的业务系统或平台，并制定出相应的技术规范、工艺流程、质量控制办法等。这一过程将打破大地测量、摄影测量与遥感、地图制图、地理信息工程等传统专业界限，从业务信息流的角度进行整体谋划与优化设计。

目前的研究热点包括：时空数据按需搜索与协作服务系统^[88-89]、综合PNT服务系统^[90]、卫星在轨数据处理系统^[91]、天空地综合智能摄影测量系统^[92]、云端遥感影像智能解译系统^[93]、智能地理信息系统^[94]、空间型知识服务系统^[19]等，而诸如此类的众多单项智能化业务系统的有效集成，将可望形成面向全行业的智能化测绘技术体系。

3.4 研制智能化测绘的仪器装备

测绘仪器装备是指那些用于数据获取、信息处理、成果表达等方面的专用工具，对于提高人们测绘活动中的感知、认知、表达、行为能力至关重要。全站仪、摄影测量工作站、数码航空相机、高速绘图仪等是传统测绘仪器装备的代表。目前，以云计算、物联网、智能芯片、人工智能为代表的新兴技术，为智能化测绘仪器装备的研制提供了新思路^[95-96]。今后应该进一步发展智能化的测绘仪器装备^[95-97]，如智能全站仪^[98]、智能化GIS软件系统^[99]、智能化的单波束测深系统^[97]、测绘无人机、测量机器人、全组合智能导航系统、识图机器人，以及利用智能设备和其所带的智能传感器(如iPad的激光传感器)开发的数据采集系统等^[100]。

3.5 推动跨学科协同创新与合作

智能化测绘的研究与应用涉及测绘、地理、人工智能、大数据等诸多学科，是一项复杂的系统工程，亟须进行跨学科的交叉与融合，在学科结合中寻找增长点，取得新突破，培养创新型人才。因此，应充分发挥政府、学术界、高校和科研机构、事业单位、企业的积极性，建立优势互补的良性协作机制。自然资源部作为测绘主管部门，应在全国智能化测绘的顶层设计、项目推动、试点示范、标准规范制定等方面发挥领导作用；以中国测绘学会为代表的学术团体则应发挥联系全国广大科技工作者的优势，在组织学术研讨、交流争鸣、培训推广等中发挥学术引领作用。

4 结语

回顾数字化测绘技术的发展历程与重要贡献，可知其是以确定性的“规则-算法-模型”为本质，对现实地理世界进行数字化采集、表达、处理与分析，但往往难以满足多维动态的地理场景建模和复杂空间问题求解的需求。面对全社会数字化发展、智能化转型的时代浪潮，应通过人类自然智能、机器智能与测绘知识、算法的有机结合，构建以知识为引导、算法为基础的智能化测绘体系，实现对真实世界的智能感知、认知、表达及行为计算，提供更加丰富、更为精准的地理空间数据、信息及知识产品。为此，须聚焦测绘自然智能的解析与建模、混合型测绘智能计算的构建与实现、智能赋能测绘生产的机制与路径等基本问题，大力开展智能化测绘知识体系的构建、技术方法研究、应用系统和仪器装备研发。

从数字化测绘走向智能化测绘，是测绘行业积极应对全社会数字化发展、智能化转型的一项重要行动举措。为切实地推动这一方面的研究与应用，应充分发挥政府的引领作用，加强顶层设计，营造良好发展环境；同时，要促进学术界、事业单位和企业积极地更新观念，加强协同创新，通过立项实施、试点示范、标准规范制定等，促进和推动智能化测绘体系的早日建成并发挥成效。

致谢

张继贤研究员、李荣兴教授等为本文提出了宝贵意见，在此一并感谢。

作者简介

第一作者简介：陈军(1956—), 男, 教授, 中国工程院院士, 研究方向为基础地理信息建模、更新与服务。E-mail: [e-mail]

通信作者：武昊, E-mail: [e-mail]

初审：张艳玲

复审：宋启凡
终审：金   君