從機器翻譯到語音、影象識別，再到無人駕駛，人工智慧(Artificial Intelligence, AI)技術正在深入影響著我們的工作和生活。人工智慧被視為與計算機、網際網路相提並論的重大技術創新，已成為IT企業發展的重要目標，也是國際競爭的新焦點。聚焦GIS領域，人工智慧對GIS技術的發展和應用產生了哪些巨大影響，如何驅動GIS未來發展?以下為大家分享GIS基礎軟體“BitCC”五大技術體系之人工智慧GIS技術體系。
人工智慧GIS技術體系
在AI與GIS融合的道路上，超圖軟體不斷進行技術創新和探索，2018年推出AI GIS技術，2019年進一步構建了AI GIS技術體系：
該體系包含三個核心內容：
1、GeoAI：融合AI的空間分析與處理;
2、AI for GIS：AI賦能GIS，即基於AI技術，增強和最佳化GIS軟體功能;
3、GIS for AI：GIS賦能AI，即基於GIS技術，將AI分析結果進行進一步處理分析與空間視覺化展現。
圖1 AI GIS 三部曲
GeoAI
基於統計學、機器學習和深度學習等人工智慧基礎理論與演算法，面向地理空間領域問題，超圖軟體創新實現了一系列人工智慧GIS功能，使其服務於GIS空間資料處理、分析、挖掘與綜合建模。SuperMap GIS 10i產品以豐富的空間統計功能為基礎，主要在空間機器學習、空間深度學習兩個方面深化與豐富GeoAI功能，支援人工智慧GIS應用。
機器學習是現階段人工智慧的研究核心，可以讓計算機實現自動“學習”。機器學習領域的三類典型問題包括聚類、分類和迴歸，因此主要面向這三類基本問題展開空間機器學習的研究。
目前提供的空間機器學習運算元包括空間熱點分析、空間密度聚類、基於森林的分類與迴歸分析、廣義線性迴歸分析，幫助解決商業熱點區域探查、住宅小區集聚分析、動植物適生區域識別、自然災害易發區推測、城市不同區域房價預測等自然與社會問題。為了支援空間大資料計算，還將機器學習演算法與分散式計算進行有效結合，大幅度提升了空間機器學習的效能。
圖2 房產價格空間迴歸
深度學習是機器學習技術的一個分支，可以讓計算機模擬人腦的機制進行學習。由於深度學習技術在計算機視覺、影象理解方面已展現較好應用效果，因此，超圖將其應用於遙感影像分析領域，可提高影像處理效率及準確性。SuperMap GIS 10i 新增了基於深度學習的影像資料檢測、分類、提取等演算法，包括目標檢測、二元分類、地物分類和場景分類等，可用於影像建築物、道路提取、土地利用分類、區域性氣候分割槽，可廣泛應用於城市規劃、氣象建模等領域。
圖3 基於空間深度學習的影像建築物提取
由於地理資訊應用的多樣性，當基礎模型不能完全滿足使用者需求時，便可以用提供的流程工具來訓練自己的模型。
機器學習的一般應用步驟是選擇模型—訓練模型—使用模型，因此相應的GeoAI功能使用需要經歷從資料準備到模型應用的完整流程，如下圖所示。而SuperMap GIS 10i的元件、桌面、伺服器產品分別都提供了支援資料準備、模型構建、模型應用的人工智慧GIS工作流程工具，方便軟體使用者根據自己的資料與應用場景訓練和使用自有模型。
圖4 GeoAI 工作流程
AI for GIS
AI for GIS，即基於AI技術增強和最佳化GIS軟體功能。比如將AI技術應用到一些GIS傳統業務中，實現GIS軟體功能的智慧進化。
目前SuperMap主要提供四個方面的功能：AI屬性採集、AI測圖、AI配圖和AI互動。
AI屬性採集功能可以幫助使用者進行影片影象等多類目標的AI識別，例如高效採集違章停車、小廣告、井蓋等資料;AI測圖功能提供更低成本、更為便捷的室內測圖服務;AI配圖功能為使用者免去手工配圖的繁瑣流程，透過簡單操作，進行風格遷移，就可以得到相對滿意的地圖風格;AI互動功能更是包括使用語音操控、隔空手勢等豐富的互動方式，玩轉GIS功能。
GIS for AI
人工智慧在不斷髮展的道路上，也需要不斷吸收融合其他的技術，如GIS。GIS可以將更多空間視覺化和空間分析能力賦予AI，將AI分析結果在GIS軟體中進行進一步處理與分析。
GIS可以將空間視覺化賦能AI，例如交通流量監控、城市管理部件與案件等地圖視覺化應用，可為決策者提供更直觀的資訊表達形式;GIS還可以將空間分析賦能AI，例如可進行地理圍欄實時告警，車輛行駛路線追蹤等，攜手AI為使用者提供更大價值。
AI GIS未來會怎樣?
未來，超圖軟體會持續進行AI技術與GIS技術的深度融合，增加更多的方法和工具，基於AI技術促進GIS業務的深化應用。一方面，AI GIS會持續與深度學習、機器學習等方面的研究相結合，使其逐漸走向成熟;另一方面，AI GIS也會與AutoML、AI PaaS等為代表的AI新技術不斷碰撞融合。隨著人工智慧技術不斷蓬勃發展及與GIS的結合不斷深入，未來的AI GIS也將從弱人工智慧走向通用人工智慧。我們將Gartner 2019 AI光環曲線中的研究方向劃分為，AI GIS初步探索涉及的內容，以及AI GIS未來探索的內容兩個部分。
圖5 AI GIS探索
從機器翻譯到語音、影象識別，再到無人駕駛，人工智慧(Artificial Intelligence, AI)技術正在深入影響著我們的工作和生活。人工智慧被視為與計算機、網際網路相提並論的重大技術創新，已成為IT企業發展的重要目標，也是國際競爭的新焦點。聚焦GIS領域，人工智慧對GIS技術的發展和應用產生了哪些巨大影響，如何驅動GIS未來發展?以下為大家分享GIS基礎軟體“BitCC”五大技術體系之人工智慧GIS技術體系。
人工智慧GIS技術體系
在AI與GIS融合的道路上，超圖軟體不斷進行技術創新和探索，2018年推出AI GIS技術，2019年進一步構建了AI GIS技術體系：
該體系包含三個核心內容：
1、GeoAI：融合AI的空間分析與處理;
2、AI for GIS：AI賦能GIS，即基於AI技術，增強和最佳化GIS軟體功能;
3、GIS for AI：GIS賦能AI，即基於GIS技術，將AI分析結果進行進一步處理分析與空間視覺化展現。
圖1 AI GIS 三部曲
GeoAI
基於統計學、機器學習和深度學習等人工智慧基礎理論與演算法，面向地理空間領域問題，超圖軟體創新實現了一系列人工智慧GIS功能，使其服務於GIS空間資料處理、分析、挖掘與綜合建模。SuperMap GIS 10i產品以豐富的空間統計功能為基礎，主要在空間機器學習、空間深度學習兩個方面深化與豐富GeoAI功能，支援人工智慧GIS應用。
空間機器學習機器學習是現階段人工智慧的研究核心，可以讓計算機實現自動“學習”。機器學習領域的三類典型問題包括聚類、分類和迴歸，因此主要面向這三類基本問題展開空間機器學習的研究。
目前提供的空間機器學習運算元包括空間熱點分析、空間密度聚類、基於森林的分類與迴歸分析、廣義線性迴歸分析，幫助解決商業熱點區域探查、住宅小區集聚分析、動植物適生區域識別、自然災害易發區推測、城市不同區域房價預測等自然與社會問題。為了支援空間大資料計算，還將機器學習演算法與分散式計算進行有效結合，大幅度提升了空間機器學習的效能。
圖2 房產價格空間迴歸
空間深度學習深度學習是機器學習技術的一個分支，可以讓計算機模擬人腦的機制進行學習。由於深度學習技術在計算機視覺、影象理解方面已展現較好應用效果，因此，超圖將其應用於遙感影像分析領域，可提高影像處理效率及準確性。SuperMap GIS 10i 新增了基於深度學習的影像資料檢測、分類、提取等演算法，包括目標檢測、二元分類、地物分類和場景分類等，可用於影像建築物、道路提取、土地利用分類、區域性氣候分割槽，可廣泛應用於城市規劃、氣象建模等領域。
圖3 基於空間深度學習的影像建築物提取
人工智慧GIS流程工具由於地理資訊應用的多樣性，當基礎模型不能完全滿足使用者需求時，便可以用提供的流程工具來訓練自己的模型。
機器學習的一般應用步驟是選擇模型—訓練模型—使用模型，因此相應的GeoAI功能使用需要經歷從資料準備到模型應用的完整流程，如下圖所示。而SuperMap GIS 10i的元件、桌面、伺服器產品分別都提供了支援資料準備、模型構建、模型應用的人工智慧GIS工作流程工具，方便軟體使用者根據自己的資料與應用場景訓練和使用自有模型。
圖4 GeoAI 工作流程
AI for GIS
AI for GIS，即基於AI技術增強和最佳化GIS軟體功能。比如將AI技術應用到一些GIS傳統業務中，實現GIS軟體功能的智慧進化。
目前SuperMap主要提供四個方面的功能：AI屬性採集、AI測圖、AI配圖和AI互動。
AI屬性採集功能可以幫助使用者進行影片影象等多類目標的AI識別，例如高效採集違章停車、小廣告、井蓋等資料;AI測圖功能提供更低成本、更為便捷的室內測圖服務;AI配圖功能為使用者免去手工配圖的繁瑣流程，透過簡單操作，進行風格遷移，就可以得到相對滿意的地圖風格;AI互動功能更是包括使用語音操控、隔空手勢等豐富的互動方式，玩轉GIS功能。
GIS for AI
人工智慧在不斷髮展的道路上，也需要不斷吸收融合其他的技術，如GIS。GIS可以將更多空間視覺化和空間分析能力賦予AI，將AI分析結果在GIS軟體中進行進一步處理與分析。
GIS可以將空間視覺化賦能AI，例如交通流量監控、城市管理部件與案件等地圖視覺化應用，可為決策者提供更直觀的資訊表達形式;GIS還可以將空間分析賦能AI，例如可進行地理圍欄實時告警，車輛行駛路線追蹤等，攜手AI為使用者提供更大價值。
AI GIS未來會怎樣?
未來，超圖軟體會持續進行AI技術與GIS技術的深度融合，增加更多的方法和工具，基於AI技術促進GIS業務的深化應用。一方面，AI GIS會持續與深度學習、機器學習等方面的研究相結合，使其逐漸走向成熟;另一方面，AI GIS也會與AutoML、AI PaaS等為代表的AI新技術不斷碰撞融合。隨著人工智慧技術不斷蓬勃發展及與GIS的結合不斷深入，未來的AI GIS也將從弱人工智慧走向通用人工智慧。我們將Gartner 2019 AI光環曲線中的研究方向劃分為，AI GIS初步探索涉及的內容，以及AI GIS未來探索的內容兩個部分。
圖5 AI GIS探索