来源： 宋关福 地球信息科学学报
编者按
人工智能GIS（AI GIS）技术是当前重要的研究方向。然而，多数研究主要聚焦某个或某些应用场景，较少涉及AI GIS技术体系的研究与探索,对AI GIS软件技术体系的梳理和总结尚不够全面。为此，超图集团总裁宋关福从地理智慧金字塔入手，阐述了如何构建AI GIS软件技术体系，以及该体系各个组成部分的内涵和示例。并以SuperMap GIS为例，介绍了AI GIS软件产品体系架构，探讨了AI GIS的未来发展趋势。
《地球信息科学学报》
AI GIS是指将AI技术与各种GIS功能进行有机结合，包括融合AI技术的空间数据处理和分析算法（即GeoAI）以及AI与GIS的相互赋能的一系列技术的总称。AI GIS近年来逐渐成为地学科研与应用的主要热点。
01 让我们先从地理智慧说起......
现代地理智慧是指以GIS、遥感和卫星定位技术为基础的地理空间可视化、分析、决策、设计与控制的技术总称。地理智慧是GIS区别于其他信息技术的最为独特的价值，包括地理可视化、地理决策、地理设计、地理控制4个层次，构成地理智慧金字塔，自底向上复杂度越来越高，而成熟度则越来越低。随着人工智能技术的引入，地理智慧将会迎来新一轮技术的革新，创造更大的价值。
SuperMap在2019 GIS软件技术大会上发布了SuperMap GIS 10i系列产品，全面融入人工智能技术，创新并构建了GIS基础软件“BitCC”五大技术体系，丰富和革新了GIS理论与技术，为各行业信息化赋能更强大的地理智慧。
02 AI GIS技术体系三部曲
AI GIS技术由3部分组成:：
GeoAI：是融合AI的空间数据处理与分析算法，是AI和GIS充分融合的产物。
AI赋能GIS（AI for GIS）：是利用AI能力提升GIS软件的功能和用户体验。
GIS赋能AI（GIS for AI）：是GIS利用其可视化和分析技术，对AI输出结果进行空间可视化和进一步的空间分析。
机器学习是人工智能的核心，而深度学习是核心中的热点研究方向。GeoAI也包括空间机器学习（Geospatial Machine Learning）和空间深度学习（Geospatial Deep Learning）2部分。以SuperMap为例，我们可以基于空间机器学习解决空间聚类、空间分类和空间回归等多种GIS应用问题。
而空间深度学习能从地理空间数据中直接识别时间与空间特征，并自动高效地构建复杂特征，使数据驱动的地球科学研究成为趋势。以SuperMap为例，目前提供的空间深度学习算法包括三维数据分析和影像分析2类。
由于地物的空间特征在不同地域，不同季节的表现并不完全相同，因此需要提供GeoAI算法的流程工具，便于应用单位根据自身数据特点重新训练模型，提高模型推理的成功率和准确度。流程工具具体包括数据准备、模型构建和模型应用等几个核心过程。
AI赋能GIS是指利用AI技术提升GIS软件的智能化水平，包括AI属性采集、AI测图、AI配图和AI交互等多个方面。AI属性采集可以帮助用户进行视频图像等多源目标的智能分类和识别；AI测图可以提供更低成本、更为便捷的室内测图方案；AI配图为用户免去手工配图的繁琐流程，通过简单操作就可以实现图像到地图的风格迁移；AI交互包括使用语音、手势、人体姿态等进行丰富的应用交互。
基于手势识别的隔空地图操作
基于人体姿态识别的隔空地图操作
面向AI识别结果，GIS可以利用其空间可视化和空间分析能力进一步处理与挖掘数据价值，即GIS赋能AI。例如交通流量监控、城市部件管理与案件等的地图可视化应用，可为决策者提供更直观的信息表达形式；而对AI提取结果进行深入处理与挖掘，可以进行地理围栏实时告警，车辆行驶路线追踪等进一步扩展应用。
为了对AI GIS的3个方面进行有力支撑，可以自底向上构建4层结构，形成较为完整的AI GIS技术体系。最底层为数据层，之上为领域库，在框架层中可以通过合理抽象和封装兼容多种AI框架，最上面的功能层即具体介绍的AI GIS三个方面。
为了服务于多种GIS应用场景，AI技术需要与组件GIS、桌面端 GIS、服务器GIS等在内的多种形态的GIS软件进行深度融合，共同构建AI GIS产品体系。
03 人工智能GIS展望
利用AI GIS完善发展新一代GIS技术体系是解决当前GIS系统智能化问题的有效方法，AI GIS初步实现了遥感图像、视频等地理信息的计算机视觉提取，以及语音识别，自然语言处理等AI技术的引入赋能。但目前AI GIS还属于弱人工智能（Narrow AI）阶段，离通用AI（AGI）阶段还较为遥远，因此以通用AI为代表的技术也是AI GIS未来发展的重要方向。
