访问量： 135 次浏览
数字制图和地理信息系统的发展对世界的理解方面有着深远的影响。 如谷歌地图，为 GIS 和数字地图的发展做出了巨大贡献。 鉴于 Google 地图首次推出已经十多年， 当今 GIS 如何用于数字地图并讨论我们对未来的期望会很有趣。
有无数因素促成了数字地图和 GIS 的发展， 从日益复杂的地理空间分析软件到市场对技术的需求， 例如需要前所未有的准确度水平的智能汽车。 以下是我们在数字制图和 GIS 方面的四大趋势， 以及它们对地理信息科学和技术的意义。
数字制图对 GIS 世界最重要的贡献之一是更新信息的速度。 例如，开源地图和地理空间数据项目使任何具有 GIS 知识的 人都可以创建地图、共享信息并开发可供需要的人轻松使用的见解。 当与无人机和先进的图像识别软件等技术相结合时， 众包数据变得更容易验证，并且可以补充详细的图像。
众包空间数据有助于解决的挑战之一是响应动态社会边界 和由于灾害或军事冲突引起的地理变化等因素的更新频率。
然而，开源映射的持续挑战之一是数据的多样性。 即使在考虑来自政府机构的地理空间信息时， 数据格式和映射实体的引用方式历来也缺乏标准化， 因此很难创建统一的真相视图。这一挑战促使致力于创建 开放地理空间数据社区的组织重新关注数据质量。
推进图像识别软件是众多数字地图巨头的首要任务， 包括谷歌、HERE Technologies 以及亚马逊网络服务等 云计算领导者。在过去的几年中，由于前所未有的准确度， 机器学习算法已成为图像识别的中心。例如， 2018 年发表的面部识别研究发现，算法的准确性能够与经过专业 训练的面部相匹配；更有趣的是，未来似乎是人类和人工智能 之间的合作—最准确的结果来自人类在高级图像识别算法的帮助下。
图像识别与 GIS 和数字地图相结合的当前兴趣领域之一 是仅通过拍照即可自动创建结构化空间数据的潜力。 这将对无数 GIS 应用程序产生重大影响， 包括自动驾驶汽车、消费者地图应用程序、 移动 GIS 软件和地理空间智能。作为实践中的一个例子， 微软在 2018 年 6 月以开放数据的形式发布了 1.25 亿 个建筑足迹，这得益于该公司在深度学习、 计算机视觉和人工智能方面的投资。
图像识别的进步及其与结构化空间数据的集成最终 将导致更准确的数字地图，因为数据更新将减少 对手动数据输入的依赖，也不太容易出现用户错误。
将 GIS 用于工业和消费者应用程序的显着好处之一 是利用 Web 工具构建地图的兴起。使脚本库（如 jQuery）、 标记语言（如 HTML5）和编程语言JavaScript 有利于构建其他 Web 应用程序的相同特性使它们非常适用 于数字地图和 GIS；这些工具使 GIS 开发人员可以 更轻松地将交互性构建到他们的地图中， 并使需要信息的人更容易消化信息。
例如，假设您想比较几个世纪以来特定地区的地理、 政治边界和社区。网页设计工具使得使用滑动条工具 和过滤器创建地图变得相对容易，以观察该地区随时间的演变。 使用打印的地图，可能必须查看数十张（如果不是数百张） 地图才能获得完整的图片。
对数字制图和 GIS 具有重大影响的更广泛的技术趋势之一 是“边缘”计算。虽然边缘计算的定义各不相同， 但其背后的共同主题是推动在通信网络边缘进行处理。
例如，考虑自动驾驶汽车以及处理大量空间数据可能涉及的挑战。 如果自动驾驶汽车必须捕获地理空间数据并将其发送到云端进行处理， 则任何通信中断或网络延迟都可能导致严重事故。 在边缘计算的世界中，车辆本身将捕获、处理和分析数据， 降低由延迟和信号中断引起的风险。
除了更智能的车辆，安全和城市规划代表了边缘计算 和 GIS 的关键领域。
例如，可以更好地利用来自大型监控系统的视频数据来制定 城市规划和安全决策。现在处理这些数据的常用方法之一 是向它发送一个由 GPU 加速集群组成的中央系统。然而， 这种方法既耗能又耗时。对更高效算法的研究表明， 处理视频数据的效率可以提高 10 倍， 从而减少将原始数据转换为可操作信息所需的能量和时间。 这也将有助于创建可以在相机内部进行分析的软件， 而不是依赖于来回传输大量数据。
通过更快的处理和更多能够从视频数据中提取意义的设备， 可以制作实时自动更新的数字地图，并更好地展示时空元素， 例如一天中特定时间的人口密度或步行和车辆交通的典型模式， 然后，这些信息可用于更好地规划道路系统、 制定更安全的疏散计划或在灾难期间更有策略地分配应急响应人员。