基于 GIS 的人工智能和地理智能

在过去的十年中， 人工智能（AI）和地理信息系统（GIS）发生了重大整合。 虽然 GIS 是一项强大的技术， 拥有广泛的数据集和广泛的人工智能应用， 但人工智能为 GIS 项目提供了先进的方法。 AI GIS 是 AI 技术与各种 GIS 流程的融合， 例如结合 AI 技术的空间数据分析算法（GeoAI）， 以及一系列 AI 与 GIS 支持的技术。 近年来，AI GIS 逐渐成为地球科学研究和应用的焦点。

应用 AI GIS 来增强和维护 GIS 技术系统下一阶段的演进， 是解决当前 GIS 系统智能化问题的有效途径。 AI GIS 首先开始实现从卫星影像图像和视频中计算机视觉提取地理信息。 此外，还可以推出语音识别、语音合成等人工智能技术， 给予更大的赋能。

地理智能

地理智能是一个广义术语， 是指基于 GIS、遥感和全球定位系统技术的地理空间表示、分析、决策、设计和指挥。 GIS 区别于其他信息技术的最显著特征是地理智能。 传统的地理信息系统 (GIS) 仍然高度依赖计算能力， 特别是 3D 模拟、地图制作和路线分析。

为什么以及何时使用 GIS

由于所有 GIS 系统都包含由地理位置定义的大量信息， 因此它们是 AI 系统的理想训练数据集。 鉴于计算机技术和图像识别的最新进展， 这种人工智能已被接受。 利用 GIS 和人工智能进行污染管理和疾病控制已有一些成功的尝试。

卫星图像提供各种详细程度的数据， 但这些数据仍未得到充分利用。 然而，识别建筑物、道路和其他物体也存在一些困难。 其他一些简化的应用程序正在结合 GIS 和 IoT 数据， 为城市工业问题创建现实的解决方案。 来自公共机构的数据， 例如健康报告、污染测量数据等， 也可以通过此类解决方案访问。

人为挑战

使用和建立 GIS 系统的人员必须具备数据科学、机器学习和地理方面的知识。 此外，他们必须了解其所在行业的基础知识， 并能够与其他领域的专家建立联系。 大多数时候，这些用户不会对 GIS 系统有深入的了解， 因此无法提供足够的帮助， 也很少提供足够的资金。

图片资产识别

使用图像识别软件对图像集合进行分析， 该软件经过训练可以搜索特定资产并验证资产的互连方式。 该软件还可以检查类型特征并读取照片上的仪表， 例如气压。当照片具有地理标签时， 图像识别软件可以有效地工作， 但当照片与 GIS 中的特定对象相关时， 它也可以工作。 接下来，需要仅根据图像确定正确的资产类型， 并验证并纠正 GIS 数据库中的数据。

效用映射

公用事业 GIS 世界中存在许多插图， 通常描述网络的不同状态。 通常，不同用途和质量的绘图数据手动保留在公用事业资产登记系统中， 而不是自动将正确的数据提供到 GIS 系统中。 数据专家可以使用机器学习算法来诊断和改善错误的数据情况。 例如，在评估连接管道的直径时， 算法可以识别应添加哪种缺失的阀门类型。 完全训练人工智能以完全适应这些任务可能很困难， 尤其是在面临如此多的障碍的情况下。

数据清理

数据清理和数据改进是耗时的操作， 尤其是从隐藏在表面之下的资产中删除丢失或不正确的数据时。 GIS 公用事业数据是典型的可变质量（历史）数据的活跃集合， 通常由工程师记忆而不是存储在数据库中， 这就是机器学习可以为公用事业行业提供独特优势的地方。

地理人工智能 - AI 驱动的地理空间工作流程

地理空间人工智能 (GeoAI) 是人工智能 (AI) 与地理空间数据、科学和技术相融合的应用， 可加速现实世界对商机、环境影响和运营风险的了解。 组织正在通过自动化数据生成和易于使用的空间工具和算法实现运营现代化， 以实现大规模运行。

• 通过深度学习提取丰富的地理空间数据： 通过自动从图像、视频、点云和文本等数据中提取、分类和检测信息来节省时间。
• 使用机器学习执行预测分析： 建立更准确的模型。使用专家支持的空间算法检测聚类、计算变化、查找模式并预测结果。

GeoAI 的重要性

GeoAI 正在改变我们从复杂数据集中提取意义的速度， 从而帮助应对地球上最紧迫的挑战。 它揭示并帮助我们感知各种持续呈指数增长的数据中的复杂模式和关系。 利用 GeoAI 的组织正在彻底改变将数据转化为信息的方式， 其模型可以随着数据的变化而调整。

• 提高数据质量、一致性和准确性： 利用自动化的力量来简化手动数据生成工作流程， 以提高效率并降低成本。
• 加快态势感知时间： 监控和分析来自传感器和视频等来源的事件、资产和实体， 以实现更快的响应时间和主动决策。
• 将位置智能引入决策： 凭借现实世界的意识做出数据驱动的决策。 通过空间模式的洞察和准确的预测来改善业务成果。

如何使用 GeoAI？

GeoAI 应用于各个行业和应用， 应对挑战并主动抓住机遇。 探索如何使用 GeoAI 来优化作物产量、提高社区安全、简化资产检查、缩短紧急响应时间等。

地方政府

GeoAI 正在加快政府官员利用数据更好地为社区服务的速度。 通过利用 GeoAI，政府可以对城市发展的影响进行建模， 了解人口的资源可用性， 预测道路和基础设施恶化， 并识别土地利用变化（例如新建筑）以主动采取行动。

自然资源

GeoAI 通过帮助自动检测入侵物种， 正在彻底改变精准农业市场。 它通过自动提取火炬、新井场或现场通道来帮助石油和天然气行业监控资产。 林务人员和土地所有者使用 GeoAI 来了解树木的数量和种类， 而无需进行耗时的现场检查。

国家测绘和统计

GeoAI 正在提高国家测绘机构的响应能力、生产力和产品交付速度。 通过自动化，这些组织正在扩展其内部能力和生产工作流程。 国家测绘部门可以在数小时内（而不是数月或数天内）快速更新国家的地理信息系统 (GIS)。

国防和情报

GeoAI 正在加快组织提取信息、识别模式和确定大数据变化的速度。 情报组织可以通过自动分析与事件、实体、 监控视频和遥感数据相关的信息来支持其基于活动的情报工作。

公共安全

GeoAI 正在改善与交通事故、应急响应和灾害管理相关的公共安全。 组织通过预测可能发生事故的地点并优化应急响应时间， 使社区变得更加安全。 可以快速识别受损的基础设施和通航道路， 以帮助分配急救人员。

保险

GeoAI 正在帮助保险组织在数小时而不是数天内了解事件的影响， 以改进索赔处理并有效地帮助会员。 保险公司可以使用图像和 GeoAI 来检测和分类影响其成员的损害。 有了这种了解， 他们就可以更快地让会员重新站起来。

原子能委员会

GeoAI 能够从图像中提取信息， 为数字孪生提供信息， 从而正在改变建筑、工程和施工 (AEC) 行业。 这些数据使决策者能够改进项目管理、识别潜在风险并优化建筑性能。 因此，建筑公司可以设计节能建筑。

商业

GeoAI 正在加速智能业务决策， 提供洞察和预测， 从而推动更好的市场规划、选址、供应链效率和客户智能。 有了这些见解，企业可以响应客户行为， 并根据市场特征的模式和预测分析来确定新的市场领域是否可行。

GIS 与人工智能：人才吸引新策略

人才吸引是经济发展中一个重要的新兴问题， 与该行业的各个方面一样， 它将受到技术的深刻影响。

近年来，劳动力已成为大部分企业选址决策的关键因素， 因此劳动力已成为许多经济开发商的决定性问题。 正如 Lightcast 最近的一份报告《打造本地人才： 利用已有的人才打造社区劳动力》所示， 通过引进缺失的工人（那些不在劳动力市场但愿意加入的人）， 可以增强当地劳动力的深度和广度。 工作一进入劳动力市场。 但许多经济开发商也得出结论， 他们需要吸引人才， 以在业务扩张和吸引方面保持竞争力。 对于这些经济开发商来说， 当地现有的劳动力供应不足以满足特定技能的需求。 最后，吸引人才正在成为其经济发展战略的前沿。

大多数经济发展战略计划都包括确定目标产业： 具有对社区有吸引力的属性， 例如大量的资本投资和高于平均水平的工资， 同时具有与社区的优势和资产相匹配的要求。 一个很好的示例是一个拥有多元化制造基地和针对先进制造公司有吸引力的工业基础设施地区， 或者一个拥有发达的风险投资网络和针对新兴科技公司的创业生态系统社区。

许多经济开发商面临的问题是， 传统的战略计划没有定量地考虑目标行业所需技能的供需平衡。 在许多情况下， 贸易学校、社区学院和传统技能提升所提供的供应不足以满足其目标公司和行业的需求。 因此，经济开发商越来越多地将人才吸引作为其战略的必要组成部分， 通过专门招募到社区的个人来补充当地技能。

随着人才吸引成为经济发展战略的一部分， 经济发展技术也在迅速发展， 特别是 GIS（地理信息系统）和 AI（人工智能）。

从历史上看， 经济开发人员主要通过在线选址应用程序使用 GIS。 这些应用程序位于 EDO 的网站上， 提供可用的属性以及人口统计、劳动力数据、基础设施和用于生成报告的工具。

然而，GIS 近年来发展迅速， 现在几乎适用于经济发展中使用的所有数据， 包括人才吸引。 用于向人才推销社区的当地生活质量资产（例如海滩、公园、景点和社区）本质上是空间性的， 因此非常适合 GIS。 但 GIS 在支持人才吸引方面可以做更多的事情， 包括提供分析工具来确定有针对性的人才招聘区域。

例如，一个生活成本有吸引力、以国防和航空航天工业为目标的商业吸引社区， 可以使用基于 GIS 的分析来确定全国范围内航空航天工程师集中且生活成本较高的区域， 这些区域应该是成熟的人才招聘目标。 这种类型的分析使他们能够将有限的人才招聘资金瞄准可能最有生产力的领域， 而有针对性的人才吸引举措使他们能够在与航空航天和国防领域的潜在客户交谈时提前解决问题。

同样，人工智能正在成熟， 人工智能能够发现对于人类分析来说太大的数据集趋势， 这意味着它在吸引人才方面具有天然的用途， 并使经济开发者能够在当前吸引人才的最佳实践的基础上发展。 例如，人工智能将使经济开发人员能够比过去更准确地理解、预测和应对人口变化和迁入/迁出模式， 从而更有信心。人工智能将从海量数据集中收集推动目标技能人才重新安置的因素， 并帮助经济开发人员预测哪些招聘方法可能会成功。 人工智能甚至可以让经济开发者将宏观经济趋势提炼为对当地企业、当地经济和迁入/迁出的具体影响。

这两种趋势人才吸引成为经济发展的重点领域， 以及 GIS 和人工智能技术的不断发展，正在融合。 未来几年经济发展的赢家将是那些利用数据和技术来吸引人才的组织， 就像领先的经济发展集团利用数据和技术来选址一样。