陳軍院士,地圖審核的智能化問題與發展方向
1 引言
地圖是以符號化的形式，對有關的自然和社會現象進行抽象、概括、建模和表達，既是“空間信息的載體”，也是人們認識現實世界的空間分布、格局的重要手段。國家版圖是一個國家行使主權和管轄權的疆域，包...
- 作者：陳軍 劉萬增 任加新來源：陳軍 劉萬增 任加新|2022年12月01日
-
1 引言
地圖是以符號化的形式，對有關的自然和社會現象進行抽象、概括、建模和表達，既是“空間信息的載體”，也是人們認識現實世界的空間分布、格局的重要手段。國家版圖是一個國家行使主權和管轄權的疆域，包括領土和享有一定主權權利的國家管轄海域，可以用地圖、文字、圖片、視頻等多種形式來表達。國家版圖是國家主權和領土完整的象征，關乎國家安全，具有嚴密的科學性、嚴肅的政治性和嚴格的法定性。地圖是用來表達國家版圖的最常用、最主要形式，用標注、注記、界線等形象直觀地表示國家的疆域范圍以及邊界、各級行政區域、行政中心、主要城市等，反映或體現國家的主權和國家意志，因而地圖的編制、出版、展示、登載及更新應當遵守國家有關地圖編制標準、地圖內容表示、地圖審核的規定。公民、法人和其他組織應當依法依規使用正確表示國家版圖的地圖，任何單位和個人不得出版、展示、登載、銷售、進口、出口不符合國家有關標準和規定的地圖。
為規范地圖的發布和使用，2016年1月1日起施行的《地圖管理條例》（以下簡稱《條例》）對我國公開地圖的相關事宜進行了規范?！稐l例》第十五條明確規定：“國家實行地圖審核制度，向社會公開的地圖，應當報送有審核權的測繪地理信息行政主管部門審核?！钡貓D審核就是指依照國務院測繪地理信息行政主管部門出臺的法律法規，對公開的地圖進行審查核實。
（1）中華人民共和國國界、行政區域界線以及世界各國間邊界、歷史疆界在地圖上的表示是否符合國家有關規定；
（2）重要地理信息數據、地名等在地圖上的表示是否符合國家有關規定。通過開展地圖審核，能夠有效減少“問題地圖”的產生，有力維護國家主權、安全和利益。
目前，地圖審核仍采用“人工肉眼”審核法，依靠審圖專家采用勞動密集型的“人海戰術”進行目視判讀。這種方式存在如下弊端：
（1）審核結果主觀性強，不夠規范：地圖審核依賴于審圖專家的經驗，不同審圖專家對同一地圖可能存在不同的審圖結果；
（2）效率低下，成本太高：通過人工肉眼進行地圖審核，審圖效率低，人員成本高，難以滿足全天候、大范圍、大批量審圖需求。
本文針對地圖人工審核的難點，提煉出地圖審核智能化的思路，提出以“算法為基礎，知識為引導，群智計算為支撐”的混合智能范式，用以代替繁重且低效的人工審核方式；以典型的“問題地圖”作為出發點，給出地圖智能審核的具體實施思路；在此基礎上，指出后續地圖審核的發展方向，以期形成自動、高效、精準的地圖智能審核識別方法與平臺，助力地圖行業健康發展。
2 地圖審核的智能化問題
由于地圖審核是一項主觀、客觀結合的地圖合規性認知過程，單獨依賴算法和模型很難實現審圖自動化。我國的地圖審核是一項勞動密集型的工作，存在專業性要求高、勞動強度大、審圖效率低的突出問題，難以滿足大規模、高效率審圖需求，地圖審核從專業化走向智能化成為發展的必然趨勢。
如圖1所示，以“問題地圖”審核為例。在實際的審圖過程中，審圖專家一般采用目視解譯方法，對國家版圖的5個重點區域（阿克賽欽地區、藏南地區、南海諸島、釣魚島及赤尾嶼、臺灣地區）進行審核，發現并標識繪制錯誤的區域，進而篩選出存在問題的地圖。但由于審核過程中涉及的地圖繪制錯誤過于繁雜（如圖1中，一幅簡單的中國全圖就涉及國界線、顏色、空間關系、小目標等的識別與判斷），不同地圖投影、不同比例尺、不同地圖表達方式生成的地圖，其界線的正確畫法都存在一定差異，若要準確辨析錯誤的地圖表示方法，就要求審圖專家必須具備豐富的審圖知識，并經過長時間的判讀、分析，才能順利完成地圖審核工作。因此，地圖審核一直是一項高度依賴專家經驗進行判斷的勞動密集型的工作。
地圖審核智能化就是要以審圖專家知識為引導，使用知識、算法和模型替代機械、重復的人工審核工作，從而判定待審核地圖是正確地圖還是“問題地圖”。如圖2所示，本文根據“算法為基礎，知識為引導，群智計算為支撐”的思路，研究先驗知識的凝練表達及其與人工智能算法的耦合機理，構建在線群智計算與人工智能算法模型的高效、動態訓練和推演思路，探索地圖審核與算法模型的內在關聯關系，構建機器智能、先驗知識的共同表達機制，實現基于人工智能算法的實時智能檢測，并基于上述研究內容，進一步發展相關模型與方法。
地圖作為空間信息的載體，既蘊含豐富的地形、地貌、人文等信息，也涵蓋地圖制圖知識、自然要素和人文現象的狀態、分布、變化和關聯知識等。這些知識往往無法通過計算機直接抽取，必須要通過專家預先定義才能和圖像本身攜帶的信息有機結合起來，故需要耗費大量人力和物力。目前人工智能中最具代表性的深度學習算法還沒有能力去處理結構化的知識，無法自動地把先驗知識組織成一種清晰、結構化、有語義的表達形式，大部分算法依然學的是“黑盒子模型”。如何將領域內的專家先驗知識同人工智能算法有機結合起來，形成增強型的混合智能，是目前研究的一個熱點，也是迫切需要突破的一個難點。這就需要對專業知識進行凝練和解析，形成地圖審核專業知識庫或知識圖譜，對外統一提供簡潔、清晰的知識查詢接口，返回以文字、圖片、視頻等為載體的先驗知識，滿足算法或應用的需求。
在地圖審核的過程中積累了大量的錯誤地圖案例，這是智能化審圖不可多得的知識資源。從審圖專家角度提煉出來的先驗知識，不但可以指導人工智能算法的選型，還可以將知識融入算法中，從“全局+ 微觀”角度對地圖審核進行知識與算法的耦合，實現地圖審核的智能化。近年來，機器學習（Machine Learning，ML）技術已被廣泛應用于傳統圖片乃至高光譜影像的分類。改進的機器學習算法提供了可以分層提取更復雜特征的深度學習算法，已被證明能夠有效對地圖進行智能識別，基于深度學習技術進行地圖智能化審核已逐步成為現實。我們可以將地圖審核的先驗知識融入現有深度學習方法中，重新設計地圖審核專用的網絡結構，利用知識優化、改進深度學習算法，增強地圖中地形、地物等特征信息，提升神經網絡模型性能，形成“先驗知識+深度學習”的“知識-算法”耦合機制，實現地圖審核的智能化。
在線群智計算是一種基于互聯網的大眾參與的計算模式，其計算資源（包括計算能力、存儲能力、交互能力等）是動態、可伸縮、虛擬化的，而且以服務的方式提供，已被廣泛應用于各領域?；ヂ摼W上不斷涌現的海量電子地圖需要大量的存儲和計算資源，而傳統的臺式機或服務器難以滿足這一需求，在線群智計算技術的發展和平臺的出現為地圖智能審核提供了前所未有的機遇。通過在線群智計算技術提供的多實例擴展能力，能夠極大加速深度學習模型的訓練和推理；在此基礎上提供多種在線群智計算實現方式，能夠更加方便地滿足地圖審核的需要，滿足不同應用場景的地圖審核需求。在電腦端，可以用在線網頁的方式為公眾提供免費的地圖審核業務。在手機端，以應用或微信小程序的方式滿足公眾移動審圖的需要。在對公或對外提供服務接口，滿足客戶對大批量地圖審核的定制化需求。通過在線群智計算的方式，地圖審核的靈活性和可用性可以得到極大的提升，能有效避免“問題地圖”的傳播。
3 典型案例
近幾年來，國家基礎地理信息中心積極參加中國工程院工程科技知識中心建設，通過整合基礎地理空間信息，發展知識化服務的工具與手段，研制了包括“問題地圖”智能化檢核的多個應用系統，建立了地理信息專業知識服務系統（http：//kmap.ckcest.cn），為數據匯聚、知識分析和服務提供統一的地理參考，支持用戶進行工程科技數據與知識的地理空間關聯與查找分析，并從地理空間數據中發現新知識、新規律。
版圖智能化檢核是針對“問題地圖”開發的專門化知識服務系統，提供面向公眾的版圖智檢服務，如圖4所示。首先，地圖專家對長期審圖過程中積累的豐富經驗進行總結，凝練成有關“問題地圖”的認知規則；據此選取正負樣本集，采用多尺度融合算法，對深度學習模型進行訓練，獲取“問題地圖”的多尺度和多維度特征知識；然后結合空間關系約束規則和計算模型，對地圖出問題區域進行判斷和標定。這種“問題地圖”檢測是以審圖專家的先驗知識為引導，以樣本增強、多尺度融合等算法為基礎，以深度學習模型為核心的混合智能計算模式，識別正確率可逾80%。
實踐表明，智能化是解決地圖高效審核問題的一種有效途徑。將知識和算法、模型結合，構建一種基于混合智能的計算模式，是破解地圖智能化認知診斷難題的新范式，為地圖智能化審核提供了一條新思路。
4?從單機到協同的地圖智能化審核
2022年，自然資源部開展了地圖審核下放試點工作，形成了國家、省兩級地圖協同審核的工作模式，未來地圖審核平臺也需要從單機審核發展為在線協同共審，這就需要研發分布式智能審圖協同業務工作平臺，實現國家級、省級自上而下傳遞的知識、樣本、模型共享，提升待審地圖的在線智能判別能力。因此，需要在地圖群智協同審核平臺的基礎上，構建地圖智能審核的知識庫、樣本庫，進一步探究地圖智能化審核的成套模型和算法。
地圖審核嚴重依賴審圖專家的專業知識，具有極強的專業性。要構建智能審圖業務平臺，需要審圖專家對其在長期審圖過程中積累的豐富經驗進行總結，凝練成有關地圖審核的認知規則，進而構建基于審圖經驗的地圖審核專業知識庫或知識圖譜。此外，由于地圖對現勢性要求極高，要求地圖所提供的地理空間信息要盡可能地反映當前最新的情況。因此，需要定時對專家知識庫進行動態的存量維護以及增量更新。
基于深度學習的圖像識別技術，是數據驅動的典型代表，具有網絡結構復雜、待求解參數多、算力要求高的特點，往往需要大量的訓練樣本才能夠使得網絡收斂，并達到理想的預測精度。因此，實現地圖審核的智能化，需要國家測繪地理信息主管部門主導，聯合建立國家級、省級典型樣本庫，并逐步向部分地市延伸，持續更新、完善和豐富“問題地圖”典型樣本庫樣本類型和數量，為地圖智能審核模型提供強大的數據支撐。
?
目前，國家基礎地理信息中心研發的版圖智檢系統以審圖專家知識為基礎，提出了多尺度特征融合的自適應“問題地圖”檢測方法，實現了“問題地圖”從人工目視解讀到在線智能檢測質的提升。但該算法對更加細化的錯誤檢測識別精度較差，且識別其他類型的“問題地圖”還需要重新收集樣本并重新訓練識別模型。因此，未來將通過審圖專家知識并結合深度神經網絡特點，引導構建專家知識數據集，然后使用深度神經網絡算法進行建模，構建以“算法為基礎，知識為引導，群智計算為支撐”的知識﹣算法一在線計算的混合智能計算范式，進一步提高地圖智能審核的準確性及可擴展性。
5 小結
地圖審核是《條例》賦予測繪行政主管部門的重要職責，當前我國的地圖審核工作主要依靠人工審核，存在的效率低、成本高、難以滿足大批量地圖高效審核的問題。如何提高地圖審核的效率和水平，實現地圖監管的自動化和智能化，有效防范“問題地圖”等違法事件的發生，成為當前我國地圖管理工作者面臨的一大難題。為此，本文提出以“算法為基礎，知識為引導，群智計算為支撐”的地圖審核智能化思路，利用審圖專家獲取的先驗知識與先進的人工智能算法結合，建立地圖智能化協同審核機制與平臺，實現地圖審核的智能化，將審圖專家從繁重的地圖審核工作中解放出來。未來筆者會繼續進行地圖審核智能化的相關研究。相信隨著人工智能算法的改進以及專家知識的進一步融合，地圖審核會變得更加精準，更加方便，更加智能。
劉萬增，
博士、高級工程師，國家基礎地理信息中心、自然資源部時空信息與智能服務重點實驗室。
任加新，
碩士，國家基礎地理信息中心、中南大學地球科學與信息物理學院。
上一篇：淺論地理信息產業助力高質量發展
下一篇：沒有了！
