人工智能GIS技术体系

从机器翻译到语音、图像识别，再到无人驾驶，人工智能（Artificial Intelligence, AI）技术正在深入影响着我们的工作和生活。人工智能被视为与计算机、互联网相提并论的重大技术创新，已成为IT企业发展的重要目标，也是国际竞争的新焦点。在AI与GIS融合的道路上， AI GIS技术体系应运而生。

该体系包含三个核心内容：

1、GeoAI：融合AI的空间分析与处理；

2、AI for GIS：AI赋能GIS，即基于AI技术，增强和优化GIS软件功能；

3、GIS for AI：GIS赋能AI，即基于GIS技术，将AI分析结果进行进一步处理分析与空间可视化展现。

                                                        AI GIS 三部曲

GeoAI

基于统计学、机器学习和深度学习等人工智能基础理论与算法，面向地理空间领域问题，体系创新实现了一系列人工智能GIS功能，使其服务于GIS空间数据处理、分析、挖掘与综合建模。

• 空间机器学习

机器学习是现阶段人工智能的研究核心，可以让计算机实现自动“学习”。机器学习领域的三类典型问题包括聚类、分类和回归，因此主要面向这三类基本问题展开空间机器学习的研究。

目前提供的空间机器学习算子包括空间热点分析、空间密度聚类、基于森林的分类与回归分析、广义线性回归分析，帮助解决商业热点区域探查、住宅小区集聚分析、动植物适生区域识别、自然灾害易发生区域推测、城市不同区域房价预测等自然与社会问题。为了支持空间大数据计算，还将机器学习算法与分布式计算进行有效结合，大幅度提升了空间机器学习的性能。

房产价格空间回归

• 空间深度学习

深度学习是机器学习技术的一个分支，可以让计算机模拟人脑的机制进行学习。由于深度学习技术在计算机视觉、图像理解方面已展现较好应用效果，因此，应用于遥感影像分析领域，可提高影像处理效率及准确性。

                                                                                基于空间深度学习的影像建筑物提取

• 人工智能GIS流程工具

由于地理信息应用的多样性，当基础模型不能完全满足用户需求时，便可以用提供的流程工具来训练自己的模型。

机器学习的一般应用步骤是选择模型—训练模型—使用模型，因此相应的GeoAI功能使用需要经历从数据准备到模型应用的完整流程，如下图所示。体系的组件、桌面、服务器产品分别都提供了支持数据准备、模型构建、模型应用的人工智能GIS工作流程工具，方便软件使用者根据自己的数据与应用场景训练和使用自有模型。

                                                            GeoAI 工作流程

AI for GIS

AI for GIS，即基于AI技术增强和优化GIS软件功能。比如将AI技术应用到一些GIS传统业务中，实现GIS软件功能的智能进化。

目前体系主要提供四个方面的功能：AI属性采集、AI测图、AI配图和AI交互。

AI属性采集功能可以帮助用户进行视频图像等多类目标的AI识别，例如高效采集违章停车、小广告、井盖等数据；AI测图功能提供更低成本、更为便捷的室内测图服务；AI配图功能为用户免去手工配图的繁琐流程，通过简单操作，进行风格迁移，就可以得到相对满意的地图风格；AI交互功能更是包括使用语音操控、隔空手势等丰富的交互方式。

隔空手势AI操控GIS桌面产品

GIS for AI

人工智能在不断发展的道路上，也需要不断吸收融合其他的技术。GIS可以将更多空间可视化和空间分析能力赋予AI，将AI分析结果在GIS软件中进行处理。

GIS可以将空间可视化赋能AI，例如交通流量监控、城市管理部件与案件等地图可视化应用，可为决策者提供更直观的信息表达形式；GIS还可以将空间分析赋能AI，例如可进行地理围栏实时告警，车辆行驶路线追踪等，携手AI为用户提供更大价值。

地理围栏实时警告

资料来源：超图