陈军院士,地图审核的智能化问题与发展方向
1 引言
地图是以符号化的形式，对有关的自然和社会现象进行抽象、概括、建模和表达，既是“空间信息的载体”，也是人们认识现实世界的空间分布、格局的重要手段。国家版图是一个国家行使主权和管辖权的疆域，包...
- 作者：陈军 刘万增 任加新来源：陈军 刘万增 任加新|2022年12月01日
-
1 引言
地图是以符号化的形式，对有关的自然和社会现象进行抽象、概括、建模和表达，既是“空间信息的载体”，也是人们认识现实世界的空间分布、格局的重要手段。国家版图是一个国家行使主权和管辖权的疆域，包括领土和享有一定主权权利的国家管辖海域，可以用地图、文字、图片、视频等多种形式来表达。国家版图是国家主权和领土完整的象征，关乎国家安全，具有严密的科学性、严肃的政治性和严格的法定性。地图是用来表达国家版图的最常用、最主要形式，用标注、注记、界线等形象直观地表示国家的疆域范围以及边界、各级行政区域、行政中心、主要城市等，反映或体现国家的主权和国家意志，因而地图的编制、出版、展示、登载及更新应当遵守国家有关地图编制标准、地图内容表示、地图审核的规定。公民、法人和其他组织应当依法依规使用正确表示国家版图的地图，任何单位和个人不得出版、展示、登载、销售、进口、出口不符合国家有关标准和规定的地图。
为规范地图的发布和使用，2016年1月1日起施行的《地图管理条例》（以下简称《条例》）对我国公开地图的相关事宜进行了规范。《条例》第十五条明确规定：“国家实行地图审核制度，向社会公开的地图，应当报送有审核权的测绘地理信息行政主管部门审核。”地图审核就是指依照国务院测绘地理信息行政主管部门出台的法律法规，对公开的地图进行审查核实。
（1）中华人民共和国国界、行政区域界线以及世界各国间边界、历史疆界在地图上的表示是否符合国家有关规定；
（2）重要地理信息数据、地名等在地图上的表示是否符合国家有关规定。通过开展地图审核，能够有效减少“问题地图”的产生，有力维护国家主权、安全和利益。
目前，地图审核仍采用“人工肉眼”审核法，依靠审图专家采用劳动密集型的“人海战术”进行目视判读。这种方式存在如下弊端：
（1）审核结果主观性强，不够规范：地图审核依赖于审图专家的经验，不同审图专家对同一地图可能存在不同的审图结果；
（2）效率低下，成本太高：通过人工肉眼进行地图审核，审图效率低，人员成本高，难以满足全天候、大范围、大批量审图需求。
本文针对地图人工审核的难点，提炼出地图审核智能化的思路，提出以“算法为基础，知识为引导，群智计算为支撑”的混合智能范式，用以代替繁重且低效的人工审核方式；以典型的“问题地图”作为出发点，给出地图智能审核的具体实施思路；在此基础上，指出后续地图审核的发展方向，以期形成自动、高效、精准的地图智能审核识别方法与平台，助力地图行业健康发展。
2 地图审核的智能化问题
由于地图审核是一项主观、客观结合的地图合规性认知过程，单独依赖算法和模型很难实现审图自动化。我国的地图审核是一项劳动密集型的工作，存在专业性要求高、劳动强度大、审图效率低的突出问题，难以满足大规模、高效率审图需求，地图审核从专业化走向智能化成为发展的必然趋势。
如图1所示，以“问题地图”审核为例。在实际的审图过程中，审图专家一般采用目视解译方法，对国家版图的5个重点区域（阿克赛钦地区、藏南地区、南海诸岛、钓鱼岛及赤尾屿、台湾地区）进行审核，发现并标识绘制错误的区域，进而筛选出存在问题的地图。但由于审核过程中涉及的地图绘制错误过于繁杂（如图1中，一幅简单的中国全图就涉及国界线、颜色、空间关系、小目标等的识别与判断），不同地图投影、不同比例尺、不同地图表达方式生成的地图，其界线的正确画法都存在一定差异，若要准确辨析错误的地图表示方法，就要求审图专家必须具备丰富的审图知识，并经过长时间的判读、分析，才能顺利完成地图审核工作。因此，地图审核一直是一项高度依赖专家经验进行判断的劳动密集型的工作。
地图审核智能化就是要以审图专家知识为引导，使用知识、算法和模型替代机械、重复的人工审核工作，从而判定待审核地图是正确地图还是“问题地图”。如图2所示，本文根据“算法为基础，知识为引导，群智计算为支撑”的思路，研究先验知识的凝练表达及其与人工智能算法的耦合机理，构建在线群智计算与人工智能算法模型的高效、动态训练和推演思路，探索地图审核与算法模型的内在关联关系，构建机器智能、先验知识的共同表达机制，实现基于人工智能算法的实时智能检测，并基于上述研究内容，进一步发展相关模型与方法。
地图作为空间信息的载体，既蕴含丰富的地形、地貌、人文等信息，也涵盖地图制图知识、自然要素和人文现象的状态、分布、变化和关联知识等。这些知识往往无法通过计算机直接抽取，必须要通过专家预先定义才能和图像本身携带的信息有机结合起来，故需要耗费大量人力和物力。目前人工智能中最具代表性的深度学习算法还没有能力去处理结构化的知识，无法自动地把先验知识组织成一种清晰、结构化、有语义的表达形式，大部分算法依然学的是“黑盒子模型”。如何将领域内的专家先验知识同人工智能算法有机结合起来，形成增强型的混合智能，是目前研究的一个热点，也是迫切需要突破的一个难点。这就需要对专业知识进行凝练和解析，形成地图审核专业知识库或知识图谱，对外统一提供简洁、清晰的知识查询接口，返回以文字、图片、视频等为载体的先验知识，满足算法或应用的需求。
在地图审核的过程中积累了大量的错误地图案例，这是智能化审图不可多得的知识资源。从审图专家角度提炼出来的先验知识，不但可以指导人工智能算法的选型，还可以将知识融入算法中，从“全局+ 微观”角度对地图审核进行知识与算法的耦合，实现地图审核的智能化。近年来，机器学习（Machine Learning，ML）技术已被广泛应用于传统图片乃至高光谱影像的分类。改进的机器学习算法提供了可以分层提取更复杂特征的深度学习算法，已被证明能够有效对地图进行智能识别，基于深度学习技术进行地图智能化审核已逐步成为现实。我们可以将地图审核的先验知识融入现有深度学习方法中，重新设计地图审核专用的网络结构，利用知识优化、改进深度学习算法，增强地图中地形、地物等特征信息，提升神经网络模型性能，形成“先验知识+深度学习”的“知识-算法”耦合机制，实现地图审核的智能化。
在线群智计算是一种基于互联网的大众参与的计算模式，其计算资源（包括计算能力、存储能力、交互能力等）是动态、可伸缩、虚拟化的，而且以服务的方式提供，已被广泛应用于各领域。互联网上不断涌现的海量电子地图需要大量的存储和计算资源，而传统的台式机或服务器难以满足这一需求，在线群智计算技术的发展和平台的出现为地图智能审核提供了前所未有的机遇。通过在线群智计算技术提供的多实例扩展能力，能够极大加速深度学习模型的训练和推理；在此基础上提供多种在线群智计算实现方式，能够更加方便地满足地图审核的需要，满足不同应用场景的地图审核需求。在电脑端，可以用在线网页的方式为公众提供免费的地图审核业务。在手机端，以应用或微信小程序的方式满足公众移动审图的需要。在对公或对外提供服务接口，满足客户对大批量地图审核的定制化需求。通过在线群智计算的方式，地图审核的灵活性和可用性可以得到极大的提升，能有效避免“问题地图”的传播。
3 典型案例
近几年来，国家基础地理信息中心积极参加中国工程院工程科技知识中心建设，通过整合基础地理空间信息，发展知识化服务的工具与手段，研制了包括“问题地图”智能化检核的多个应用系统，建立了地理信息专业知识服务系统（http：//kmap.ckcest.cn），为数据汇聚、知识分析和服务提供统一的地理参考，支持用户进行工程科技数据与知识的地理空间关联与查找分析，并从地理空间数据中发现新知识、新规律。
版图智能化检核是针对“问题地图”开发的专门化知识服务系统，提供面向公众的版图智检服务，如图4所示。首先，地图专家对长期审图过程中积累的丰富经验进行总结，凝练成有关“问题地图”的认知规则；据此选取正负样本集，采用多尺度融合算法，对深度学习模型进行训练，获取“问题地图”的多尺度和多维度特征知识；然后结合空间关系约束规则和计算模型，对地图出问题区域进行判断和标定。这种“问题地图”检测是以审图专家的先验知识为引导，以样本增强、多尺度融合等算法为基础，以深度学习模型为核心的混合智能计算模式，识别正确率可逾80%。
实践表明，智能化是解决地图高效审核问题的一种有效途径。将知识和算法、模型结合，构建一种基于混合智能的计算模式，是破解地图智能化认知诊断难题的新范式，为地图智能化审核提供了一条新思路。
4 从单机到协同的地图智能化审核
2022年，自然资源部开展了地图审核下放试点工作，形成了国家、省两级地图协同审核的工作模式，未来地图审核平台也需要从单机审核发展为在线协同共审，这就需要研发分布式智能审图协同业务工作平台，实现国家级、省级自上而下传递的知识、样本、模型共享，提升待审地图的在线智能判别能力。因此，需要在地图群智协同审核平台的基础上，构建地图智能审核的知识库、样本库，进一步探究地图智能化审核的成套模型和算法。
地图审核严重依赖审图专家的专业知识，具有极强的专业性。要构建智能审图业务平台，需要审图专家对其在长期审图过程中积累的丰富经验进行总结，凝练成有关地图审核的认知规则，进而构建基于审图经验的地图审核专业知识库或知识图谱。此外，由于地图对现势性要求极高，要求地图所提供的地理空间信息要尽可能地反映当前最新的情况。因此，需要定时对专家知识库进行动态的存量维护以及增量更新。
基于深度学习的图像识别技术，是数据驱动的典型代表，具有网络结构复杂、待求解参数多、算力要求高的特点，往往需要大量的训练样本才能够使得网络收敛，并达到理想的预测精度。因此，实现地图审核的智能化，需要国家测绘地理信息主管部门主导，联合建立国家级、省级典型样本库，并逐步向部分地市延伸，持续更新、完善和丰富“问题地图”典型样本库样本类型和数量，为地图智能审核模型提供强大的数据支撑。
目前，国家基础地理信息中心研发的版图智检系统以审图专家知识为基础，提出了多尺度特征融合的自适应“问题地图”检测方法，实现了“问题地图”从人工目视解读到在线智能检测质的提升。但该算法对更加细化的错误检测识别精度较差，且识别其他类型的“问题地图”还需要重新收集样本并重新训练识别模型。因此，未来将通过审图专家知识并结合深度神经网络特点，引导构建专家知识数据集，然后使用深度神经网络算法进行建模，构建以“算法为基础，知识为引导，群智计算为支撑”的知识﹣算法一在线计算的混合智能计算范式，进一步提高地图智能审核的准确性及可扩展性。
5 小结
地图审核是《条例》赋予测绘行政主管部门的重要职责，当前我国的地图审核工作主要依靠人工审核，存在的效率低、成本高、难以满足大批量地图高效审核的问题。如何提高地图审核的效率和水平，实现地图监管的自动化和智能化，有效防范“问题地图”等违法事件的发生，成为当前我国地图管理工作者面临的一大难题。为此，本文提出以“算法为基础，知识为引导，群智计算为支撑”的地图审核智能化思路，利用审图专家获取的先验知识与先进的人工智能算法结合，建立地图智能化协同审核机制与平台，实现地图审核的智能化，将审图专家从繁重的地图审核工作中解放出来。未来笔者会继续进行地图审核智能化的相关研究。相信随着人工智能算法的改进以及专家知识的进一步融合，地图审核会变得更加精准，更加方便，更加智能。
刘万增，
博士、高级工程师，国家基础地理信息中心、自然资源部时空信息与智能服务重点实验室。
任加新，
硕士，国家基础地理信息中心、中南大学地球科学与信息物理学院。
上一篇：浅论地理信息产业助力高质量发展
下一篇：以高水平服务助推测绘地理信息高质量发展
