地圖上街區(qū)要素圖形綜合模式前瞻性探索

項 文

(廣東繪宇智能勘測科技有限公司 廣東 珠海 519000)

0 引言

當(dāng)前,各領(lǐng)域最深刻的變化莫過于人工智能和大數(shù)據(jù)技術(shù)的應(yīng)用,以及工作效率的極大提升。新技術(shù)的涌現(xiàn)改變了人類的生活方式和工作方式。各個領(lǐng)域在其發(fā)展過程中,積累了海量的數(shù)據(jù),以往這些數(shù)據(jù)發(fā)揮的作用是有限的,隨著人工智能技術(shù)的飛速進(jìn)步,為從這些寶貴的數(shù)據(jù)中挖掘有價值的信息提供了契機,許多以往難以解決的技術(shù)難題將有望解決。

地圖圖形的綜合是制作地圖和空間數(shù)據(jù)處理的重要環(huán)節(jié),通過地圖圖形的變換,有效地解決了地圖上的圖形和實地地貌面積大小的矛盾沖突。過去的半個多世紀(jì),數(shù)學(xué)領(lǐng)域、幾何和拓?fù)鋵W(xué)、圖形圖像技術(shù)、物理學(xué)、模式識別等領(lǐng)域的方法和技術(shù),不斷為地圖圖形綜合注入新的動力,地圖綜合的自動化水平不斷提升。但是,地圖圖形處理是該領(lǐng)域?qū)W者公認(rèn)的世界性難題,許多關(guān)鍵難點問題仍然存在,其解決需要新技術(shù)提供契機。人工智能和大數(shù)據(jù)技術(shù)的結(jié)合,已經(jīng)在其他領(lǐng)域顯現(xiàn)了其巨大的優(yōu)勢和活力,這是科學(xué)問題研究的最新趨勢?；谝陨险J(rèn)識,提出了人工智能和大數(shù)據(jù)相結(jié)合的地圖街區(qū)要素圖形綜合難點的解決方案和模式。

1 人工智能和大數(shù)據(jù)應(yīng)用于地圖綜合領(lǐng)域的研究現(xiàn)狀

人工智能技術(shù)和大數(shù)據(jù)技術(shù)是當(dāng)前各個領(lǐng)域的研究熱點,地圖圖形綜合領(lǐng)域也順應(yīng)這種趨勢,眾多研究者把解決該領(lǐng)域技術(shù)難點的視線轉(zhuǎn)向這兩個領(lǐng)域,取得了大量理論成果。維普和知網(wǎng)檢索人工智能和大數(shù)據(jù)為關(guān)鍵詞的中文文獻(xiàn)共5 689篇,同時包括人工智能、大數(shù)據(jù)和地圖綜合三個關(guān)鍵詞的中文文獻(xiàn)共2 123篇。維普和知網(wǎng)檢索Artificial Intelligence和big data 為關(guān)鍵詞的外文文獻(xiàn)共2 453篇,同時包括Artificial Intelligence、big data 和map generalization 3個關(guān)鍵詞的外文文獻(xiàn)共786篇。其中代表性文獻(xiàn)有：武芳,杜佳威研究了地圖綜合智能化的發(fā)展與思考。分析了傳統(tǒng)機器學(xué)習(xí)與深度學(xué)習(xí)為基礎(chǔ)的智能地圖綜合現(xiàn)狀,提出了地圖綜合智能化研究的主要方法,圍繞地圖綜合智能化研究中的幾個熱點問題,探討了智能地圖綜合的發(fā)展趨勢;艾廷華研究了深度學(xué)習(xí)在地圖制圖中的應(yīng)用。從地圖學(xué)獨特的學(xué)科特點和技術(shù)環(huán)境分析了兩者結(jié)合面臨的挑戰(zhàn),涉及地圖數(shù)據(jù)組織的非規(guī)范性、樣本建立的專業(yè)需求、幾何與地理特征的融合,以及地圖固有的空間尺度性。討論了地圖制作與地圖應(yīng)用融入深度學(xué)習(xí)的切入點和具體方法;何文娜、朱長青研究了智能地質(zhì)體綜合技術(shù)在地質(zhì)圖縮編中的應(yīng)用。提出了一套新的地質(zhì)體智能化綜合方法,實現(xiàn)了地質(zhì)體智能綜合處理模塊,采用自動或人機交互式并行的工作模式,通過“一鍵式”操作可快速完成地質(zhì)體綜合任務(wù);溫婉麗研究了基于知識的居民地地圖自動綜合。結(jié)合地理信息系統(tǒng)(geographic information system,GIS)環(huán)境下地圖綜合的特點,將綜合居民地要素的知識進(jìn)行規(guī)則化、形式化表示,提出將基于知識和基于模糊評判數(shù)學(xué)模型的兩種綜合方法結(jié)合,建立了居民地要素的有向圖和居民地選取中的“重要性”程度評價模型;焦洋洋、劉平芝等研究了面向居民地要素智能化綜合的樣本庫構(gòu)建。依據(jù)地圖數(shù)據(jù)組織特點和制圖綜合過程決策需求,提出了區(qū)分特征型案例和變換型案例的樣本數(shù)據(jù)組織體系以及相關(guān)的數(shù)據(jù)結(jié)構(gòu)設(shè)計,基于通用GIS平臺設(shè)計了樣本數(shù)據(jù)采集與管理系統(tǒng);謝麗敏、錢海忠等研究了基于案例推理的居民地選取方法。采用案例推理方法,結(jié)合KNN算法(一種監(jiān)督學(xué)習(xí)算法，K-nearest neighbors),訓(xùn)練案例庫確定KNN算法的最佳K值,將新案例與源案例庫檢索匹配,得出最佳決策結(jié)果,進(jìn)而指導(dǎo)待決策居民地的自動選取;杜清運、任福等研究了大數(shù)據(jù)時代綜合性城市地圖集設(shè)計。提出大數(shù)據(jù)時代數(shù)據(jù)要素和信息通信技術(shù)變革給綜合性城市地圖集的設(shè)計帶來一系列新挑戰(zhàn),探討城市地圖集設(shè)計亟須適應(yīng)時代特征,從科學(xué)、技術(shù)、設(shè)計、文化、媒體和產(chǎn)業(yè)6個維度尋求創(chuàng)新突破;艾廷華研究了大數(shù)據(jù)驅(qū)動下的地圖學(xué)發(fā)展。研究提出,空間大數(shù)據(jù)的新技術(shù)特征將推動地圖綜合、地圖可視化與地圖投影的新發(fā)展。同時,在大數(shù)據(jù)驅(qū)動下,地圖應(yīng)用可拓寬到非空間數(shù)據(jù)的表達(dá)中,對泛在網(wǎng)絡(luò)空間的網(wǎng)絡(luò)行為、集合空間的語義信息可視化表達(dá),產(chǎn)生賽博地圖、隱喻地圖等新的地圖形式。

2 地圖街區(qū)要素圖形綜合的本質(zhì)及難點

街區(qū)要素是城市地圖普遍存在的一類重要的要素,街區(qū)的外圍是道路,內(nèi)部是縱橫交錯的街道。街區(qū)從形狀上區(qū)分有格網(wǎng)狀的街區(qū)、輻射狀的街區(qū)和不規(guī)則狀的街區(qū)。街區(qū)有連片的建筑物或獨立的建筑物組成。在大比例尺地圖縮編為小比例尺地圖,或者大比例尺空間數(shù)據(jù)轉(zhuǎn)化為小比例尺空間數(shù)據(jù)時,街區(qū)要素圖形會相應(yīng)進(jìn)行化簡、合并、概括、位移等多種操作。涉及圖形的識別,空間關(guān)系的處理,不同的技術(shù)人員處理的結(jié)果也有所不同。

這些問題是地圖圖形綜合領(lǐng)域的關(guān)鍵難點問題,通常被該領(lǐng)域?qū)W界公認(rèn)為是世界性難題。在地圖綜合領(lǐng)域眾多學(xué)者的持續(xù)努力下,街區(qū)要素圖形綜合已經(jīng)經(jīng)歷了主觀化到客觀化的進(jìn)步。技術(shù)方法上,經(jīng)歷了定量化、模型化、算法化等一系列的進(jìn)展,系統(tǒng)化的綜合和協(xié)同化的綜合技術(shù)已有很大提升。很多先進(jìn)的圖形處理技術(shù)已經(jīng)成功地移植到了街區(qū)要素圖形綜合當(dāng)中,例如，神經(jīng)網(wǎng)絡(luò)、圖論、案例學(xué)習(xí)、遺傳算法、數(shù)學(xué)形態(tài)學(xué)、決策樹等,成功地解決了很多圖形合并、位移、概括、化簡等難點問題。但是,由于街區(qū)要素問題本身非常復(fù)雜,很難在地圖上找出兩塊完全相同的街區(qū),街區(qū)的形態(tài)千變?nèi)f化,比起人臉識別、車牌識別這些領(lǐng)域的圖形處理,特征比較明顯,易于提取,而街區(qū)圖形的復(fù)雜性,決定了街區(qū)要素圖形綜合的極端復(fù)雜性。目前,要實現(xiàn)真正的街區(qū)要素的自動綜合和智能化綜合,還有很長的距離。

街區(qū)要素的圖形處理中,制圖員要對圖形要素進(jìn)行取舍、圖形進(jìn)行概括,還要處理街區(qū)與其他要素的關(guān)系,整個處理過程中,要靠決策和判斷,其實質(zhì)是制圖人員對街區(qū)圖形信息的加工,人腦的思維在整個過程中發(fā)揮著關(guān)鍵的作用。目前,街區(qū)要素圖形處理的很多常規(guī)性的問題已經(jīng)能夠程序化、算法化處理。但是,很多問題靠常規(guī)的算法無法解決,尤其街區(qū)圖形要素的識別、形狀的化簡、形狀的概括等,需要更智能化的技術(shù)支撐去完成。

從研究現(xiàn)狀可知,人工智能和大數(shù)據(jù)已經(jīng)成功地解決了許多領(lǐng)域以往難以解決的問題。這兩種技術(shù)的結(jié)合,已成為當(dāng)下和未來各個領(lǐng)域研究問題的最新范式。自然語言處理中,依賴語法和規(guī)則解決問題,陷入了瓶頸,而大數(shù)據(jù)和人工智能技術(shù)的運用,極大地提高了該領(lǐng)域的技術(shù)水平。解決問題的實質(zhì)是概率統(tǒng)計模型,這也是人工智能和大數(shù)據(jù)的核心技術(shù)。隨著人工智能技術(shù)和大數(shù)據(jù)技術(shù)的飛速發(fā)展,給地圖上的街區(qū)要素圖形處理的難點問題解決帶來了希望和可以借鑒的思路。

3 地圖上街區(qū)要素圖形綜合模式探索

未來地圖上街區(qū)要素圖形綜合將在人工智能技術(shù)和大數(shù)據(jù)的支撐下發(fā)生深刻的變化,借鑒其他領(lǐng)域的難點問題解決模式,提出了人工智能技術(shù)和大數(shù)據(jù)的支撐下地圖街區(qū)要素圖形綜合模式。即利用大量的街區(qū)要素綜合的成果大數(shù)據(jù)作為研究基礎(chǔ),運用先進(jìn)的人工智能技術(shù),從街區(qū)大數(shù)據(jù)中學(xué)習(xí)特征和規(guī)律,提取領(lǐng)域知識,從而解決街區(qū)圖形綜合的關(guān)鍵難點問題,如圖1所示。

圖1 基于人工智能和大數(shù)據(jù)技術(shù)的街區(qū)要素圖形綜合模式

街區(qū)要素圖形綜合最為常見的操作是合并、化簡和概括,其中概括可以認(rèn)為也是化簡操作中的一種,街區(qū)圖形概括的目的是在大比例尺地圖縮編為小比例尺地圖時,將街區(qū)圖形概括為簡單的形狀,因此,本文以合并和化簡這兩類最為常見的操作為例,設(shè)計在人工智能技術(shù)和大數(shù)據(jù)支持下的綜合模式。

3.1 基于人工智能和大數(shù)據(jù)技術(shù)的街區(qū)要素圖形化簡模式

街區(qū)圖形化簡的原則是化簡前后的圖形相似性,不同的操作人員會有不同的化簡結(jié)果。但是,概率統(tǒng)計能夠很好地解決這個問題。研究街區(qū)要素圖形化簡時,從街區(qū)圖形大數(shù)據(jù)中,統(tǒng)計相似區(qū)域的現(xiàn)有圖形化簡結(jié)果,對其化簡模式進(jìn)行分類統(tǒng)計,建立街區(qū)圖形化簡的模型庫,利用人工智能技術(shù)特有的優(yōu)異的特征學(xué)習(xí)能力,結(jié)合基于內(nèi)容的檢索技術(shù),檢索出待化簡的街區(qū)圖形與模型庫中相似的街區(qū),提取模型庫中的化簡結(jié)果圖形,進(jìn)行放大和調(diào)整位置,最終得到優(yōu)化的街區(qū)圖形化簡結(jié)果。通俗地說,就是選取模型庫中,大多數(shù)操作人員采用的化簡結(jié)果作為待化簡街區(qū)圖形的化簡結(jié)果,如圖2所示,類似于自然語言處理中的概率統(tǒng)計原理。

圖2 基于人工智能和大數(shù)據(jù)技術(shù)的街區(qū)要素圖形化簡模式

3.2 基于人工智能和大數(shù)據(jù)技術(shù)的街區(qū)要素圖形合并模式

大比例尺地圖縮編為小比例尺地圖時,臨近的獨立的建筑物會合并為街區(qū),臨近的小街區(qū)會合并為較大的街區(qū)。與街區(qū)圖形化簡類似,不同的操作人員會采用不同的合并方式,街區(qū)合并的結(jié)果并不一樣。研究街區(qū)圖形合并時,從現(xiàn)有大量的街區(qū)圖形合并成果庫中,檢索與合并街區(qū)合并任務(wù)相似的區(qū)域,同一塊街區(qū),不同的制圖者合并的結(jié)果不相同,采用概率高的合并結(jié)果作為待合并街區(qū)的圖形合并結(jié)果，如圖3所示。

圖3 基于人工智能和大數(shù)據(jù)技術(shù)的街區(qū)要素圖形合并模式

4 結(jié)束語

以往的街區(qū)圖形綜合中,積累了大量的街區(qū)圖形綜合成果,這是實現(xiàn)街區(qū)圖形綜合智能化的關(guān)鍵基礎(chǔ),有效利用現(xiàn)有大量的街區(qū)圖形綜合成果,通過新興的人工智能技術(shù),歸納模式,學(xué)習(xí)知識,提取規(guī)律,從而解決街區(qū)圖形綜合中的核心難點問題,這是街區(qū)圖形綜合發(fā)展的新興模式,也是必然趨勢。針對地圖上街區(qū)要素圖形綜合存在的識別、化簡和合并的難點問題,結(jié)合人工智能和大數(shù)據(jù)技術(shù)分別設(shè)計了模型和流程,這些模型對于克服復(fù)雜街區(qū)圖形合并和化簡時的主觀性問題,提高科學(xué)性和準(zhǔn)確性,具有一定借鑒意義。由于地圖圖形綜合問題本身的復(fù)雜性,采用人工智能和大數(shù)據(jù)技術(shù)結(jié)合的街區(qū)要素圖形綜合模式,要實現(xiàn)真正的街區(qū)圖形綜合的自動化、智能化,還有很多關(guān)鍵技術(shù)問題需要努力去解決。