服务热线400-028-2850

新闻中心

News center

经达动态

更多 >
[2017-02-17]
浅谈UBI车险
[2016-12-23]
UBI的发展之旅
经达动态
人工智能时代的地理信息发展趋势分析
发布时间:2019-03-29阅读次数:8625来源:上海经达信息科技股份有限公司

来源:GIS帝国


随着市场需求的激增,以及空间大数据、物联网、人工智能等IT新技术的飞速发展,GIS将迎来新的黄金发展期。那么,为什么说地理信息对于人工智能技术发展至关重要?现阶段地理信息行业的人工智能化主要体现在哪些方面?未来地理信息行业发展将会遇到哪些挑战?详情见下文。

 

一、人工智能技术的发展

 

什么是人工智能?计算机科学理论奠基人图灵(Alan Mathison Turing)在论文《计算机器和智能》中 提出了著名的图灵测试”——如果一台机器能够与人展开对话(通过电传设备),并且会被人 误以为它也是人,那么这台机器就具有智能。人工智能之父之一的马文·明斯基(Marvin Minsky)则将 其定义为让机器作本需要人的智能才能够做到的事情的一门科学。而代表人工智能另一条路线—— 符号派的司马贺(Herbert A. Simon)认为,智能是对符号的操作,最原始的符号对应于物理客体。人工智能大致可分为三个阶段:第一阶段 (1956-1980) 人工智能诞生;第二阶段 (1980- 2000) 人工智能步入产业化;第三阶段(2000- 至今)人工智能迎来爆发。

人工智能算法发展至今不断创新,学习层级不断增加。学术界早期研究重点集中在符号计算,人工神经网络在人工智能发展早期被完全否定,而后逐渐被认可,再成为今天引领人工智能发展潮流的一大类算法,显现出强大的生命力。目前流行的机器学习以及深度学习算法实际上是符号学派、控制学派以及连接学派理论的进一步拓展。

机器学习算法和深度学习算法是人工智能中的两大热点,开源框架成为科技巨头全面布局的重点。开源深度学习平台是推进人工智能技术发展的重要动力,开源深度学习平台允许公众使用、复制和修改源代码,具有更新速度快、拓展性强等特点,可以大幅降低企业开发成本和客户的购买成本。





人工智能技术赋能传统驾驶领域,可以有效提高生产与交通效率,缓解劳动 力短缺,达到安全、环保、高效的目的,从而引领产业生态及商业模式 的全面升级与重塑。智能驾驶是个复杂的产业链,其涉及的领域包括芯片、软件算法、高清地图、安全控制等等。

历史告诉我们,无论空间和时间如何切换变化,可以总结出的一点是:每一次地图的创新迭代,都推动着一轮新的产业时代到来。如果把传感器比作自动驾驶汽车的眼睛,把汽车控制系统比作大脑,那高精度地图就是大脑里的知识库,是大脑里的经验,对大脑的决策起关键性作用。




只有同时满足“精度”和“鲜度”的地图,才是一张真正的高精度地图。在高精度地图实际生产的过程中,有着严格的工艺体系和质量标准,并且需要庞大的实时数据作为支撑,因此,真正的高精度地图时至今日依然是稀缺资源。

 

二、地理信息对于人工智能技术发展的重要性

 

传统导航电子地图以道路为单位建立的拓扑模型,在现如今已无法满足物流、出行服务、智慧城市各个应用场景上的需求,更不要说自动驾驶在感知、定位、决策方面的需求。随着传统电子地图变为高精度地图,并要求数据在云端实时在线更新,有望使得地图厂商的商业模式从传统卖“卖 license”变成提供数据服务的模式,地图厂商在产业链里的配角,变成运营平台的重要参与者。

1、高精度地图是实现无人驾驶不可或缺的重要环节,是厘米级精确度的道路信息虚拟化映射数据库

其可以实现:

1)地图匹配,提高车辆定位精度。

2)解决特定情况下传感器失效的问题,弥补环境感知设备的不足。

3)行驶路径全局规划,并且基于预判制定合理的行驶策略。地图能力是AI的基础能力,地图产品是AI的典型落地场景。

百度地图事业部总经理李莹在18年中旬接受媒体专访时表示,通过AI的赋能,使地图能够真正在产品层面给用户提供更准确、更丰富、更易用的服务。针对地图的场景可以做很多个性化的定制服务,在地图场景下也可以更好地做人工智能的产品化。通过深度学习、图像识别、交通大数据等AI技术,导航地图产品可以实现更准确、更丰富、更易用,比如定位信息准、道路数据准、路况信息准、路线规划准,预估到达目的地时间准。

DeepMind在《自然》杂志发表了一个的研究论文:把一个智能体放到地图数据中。在不给它预设方位和地图数据的前提下,让AI模仿人脑中的海马体,自动在地图中需求位置,规划道路。实验证明,AI可以用像人脑一样,用增强学习的方式去认路。这既阐释了人脑的工作原理,也给未来AI研究带来了新的方向。而整个研究的实验基础,就是建立在地图之上的。可以说没有精准的地图数据,AI仿生人类大脑进行空间预判的研究就无从谈起。这个故事证明了,地图对于AI来说至关重要。AI在地图中学习,并反过来让地图更好用,似乎是我们应对越来越复杂城市时的一个良性循环。

2、自主定位导航技术是机器人智能化的第一步

传统的地图主要用户是人,它是给人去看或者是给人去用的,高精度地图不管是服务于无人驾驶还是服务于机器人,首先一个最重要的变化它是直接给机器人和车辆去用,地图的用户群体完全发生了变化。之所以发生变化是因为在决策过程中间,地图所起到的作用完全不同了,以前的地图只是一个辅助性的,然后现在所谓的高精度地图它在机器人的决策过程中间或者车辆决策过程中间它是直接参与的,和其他传感器一样直接参与控制决策,它的一点点错误会直接影响到人身安全或者是机器人的控制。



 

三、人工智能丰富了地理信息内涵

 

今天,大多数技术进步都不是封闭的创造发明,技术的跨界、聚合,以及技术的指数级增长,都受益于底层核心技术的共创共享。高精度地图实时更新的特性决定了其数据是双向交互的,商业模式以数据服务为主,行业竞争 格局稳定,国外三大图商目前仅TOMTOM 一家是独立图商,Google 服务于自家的无人车,HERE 被奔驰、奥迪、宝马德系三强联合收购。由于地图数据属于敏感信息,国内市场外资有政策禁入壁垒,属于外资禁入行业。另一方面,国家对相关资质严格限制,目前具有测绘甲级资质的单位全国有上百家,但具备导航电子地图甲级资质的单 位仅有 13 家,其中企业化经营的只有 8 家,四维图新和高德地图是导航电子地图的领头羊。

由于精确度的要求,高精度地图的测绘要复杂得多。目前市场上高精度地图的制作 主要包括采集车测绘、众包测绘两种模式。传统技术图商在硬件、数据及技术积累上 有绝对的优势,主要采用采集车绘制,精度较高。各大车厂拥有海量的普通汽车,主要 采用众包测绘的方法,通过与 Mobileye 等传感器厂商合作,利用软件算法,提高精度。目前已有规划的包括特斯拉和丰田,戴姆勒等车厂表示,其也计划将量产车变成采集车。

除了厘米级的精度,完善的高精度地图技术还需要做到实时更新与实时同步。云计算助力信息实时更新与同步。传统导航地图只能做到阶段性更新,而只有做到实时更新同步,才能对外部环境的变化立刻做出反应:如几公里外开始出现堵车,如果高精度地图能立即对此信息进行更新同步,那 AI 就可以据此重新制定最优路线,绕开堵车路段。 现阶段实时更新与同步的实现主要依靠云计算平台的帮助。

而近来地图商们的一系列动作和声音所释放的信号显示:地图导航的人工智能化,可能是接下来产品间制胜的下一个角力点。实际上,地图导航中的智能功能已经屡见不鲜,比如地图商们很早便将人机语音交互功能内置到移动端地图导航中,导航线路的规划,到达时间的估计,甚至对第二天道路路况的预测,也是根据海量数据的积累,对未来结果进行的一次智能化预测。在地图导航中应用人工智能,也不应该只是噱头,更重要的在于其利用人工智能中的技术解决了哪些问题,或者实现了什么样的功能。近一段时间来,图商们纷纷出手,着力探索其应用的价值。

总结来看,现阶段地理信息行业(包括GIS平台、地图导航、行业应用等)的人工智能化体现在以下几个个方面。

1GIS平台智能化迎来新机遇,构建智慧城市大脑

随着市场需求的激增,以及空间大数据、物联网、人工智能等IT新技术的飞速发展,GIS(地理信息系统)将迎来新的黄金发展期。尤其在智慧城市的建设中,GIS将作为大脑而存在,为城市信息化奠定技术基础。人工智能与GIS的融合将实现智能化GIS,是GIS发展的终极目标。构建在云计算、大数据、人工智能基础上的多维动态新一代GIS,将在智慧城市、智慧产业,以及地理控制方面,发挥越来越重要的作用。目前的GIS平台尚不能全面胜任智慧城市的全部需求,未来应以GIS平台为核心,打造智慧城市的操作系统,是一项非常重要的工作,其核心要素和能力为:数据集成与融合、可视化表达,以及开放式的二次开发环境。




2、地图导航与计算机视觉的结合

地图导航与计算机视觉技术的结合,在用户端体现在与AR整合,进而优化导航过程中的体验;而在地图生产内业工作中则可辅助提高效率,乃至成为主要的生产技术方式。早在167月底,百度地图向外界正式披露其地图数据采集团队时,也一同亮相了基于人工智能的地图内业处理技术:让机器视觉从卫星正摄遥感影像、无人机航拍影像中识别和标注道路信息,从街景汽车拍摄的街道影像数据中识别路两旁的店铺名称,以及车道线、车道标牌等信息。

对这些视觉类人工智能技术的应用,让原本需要大量人工处理的内业工作,转变为由机器自动化、规模化的生产地图数据。16年百度世界大会上,百度地图事业部总经理李东旻提到,在团队内部地图数据自动化生产率已经达到了80%




3、地图导航与人机交互技术的结合

地图导航与人机交互技术的结合,其用途一方面是面向驾驶场景帮助用户解放双手专注驾驶,提高安全性;另一方面,人机交互效率的提升,也有效降低操作的门槛,用言语表达的方式直诉需求。其最大帮助,莫过于让依靠移动端导航的司机、骑行用户完全解放双手并通过语音交流来使用各种地图上的功能,从而让注意力更集中于驾驶或骑行本身,保障出行过程的安全。而多轮对话则旨在构建一个可持续沟通的人机交互环境,它在多次问答中衔接上下文内容,并可以一步步地满足用户的诉求,在同样减少不必要的手动操作的同时,对于低高龄人群或一部分能力障碍人群来说,也能降低操作的门槛。“毫无疑问,地图是人工智能非常好的承载平台。”搜狗地图总经理孔祥来如此评价。在其看来,这也是搜狗之于语音和语义识别的技术积累,与地图导航技术之间的一次紧密融合。

4、从时空地理信息大数据中利用人工智能挖掘价值

以地图为载体的大数据已经作为重要的资产,通过对其中的数据的挖掘、甄别、提取,可以为公众出行效率的提升,提供更为精准的出行决策或建议。通过对大数据的充分挖掘和利用,可以让导航平台承载一颗更聪明的出行规划“大脑”。高德地图、腾讯地图,以及百度地图等图商,其实都善于将地图导航软件中由用户贡献的脱敏大数据“数”尽其用。基于用户红利,图商们利用实时产生的大数据或历史数据,对社会人口的出行状况进行可视化分析。这些数据正在作为人工智能训练的样本,帮助地图导航产品提高预判出行环境变化和趋势的能力。同时未来时空地理信息大数据平台是智慧城市的“大脑”——把时空框架数据和时空变化数据聚合到一个特定的平台上,这个特定的平台就是GIS软件。



 

四、地理信息行业未来发展的挑战

 

1、人工智能或许给出行市场中为数并不算多的各地图导航产品又重新画上一条差异化竞争的新起跑线

因为从本质上来看,人工智能技术赋能地图导航其主要目的,还是提高和优化用户体验,而不断满足用户需求的产品,才会在地图导航的人工智能化趋势中,获得胜出。而百度系、阿里系和腾讯-四维图新系地图导航产品之于基础地图数据和导航能力的开放,可能还会让不少人工智能初创团队注意到地图平台的价值,成为新进者在地图导航的大生态中掘金。 从融资额看,高精地图赛道已和一些L4自动驾驶公司同轮次融资额接近。放眼全局,觊觎这个赛道的却绝非仅是初创公司:新玩家除了创业公司,还包括滴滴、京东、美团等掌握场景的小巨头,以及地图行业客户的主机厂;老资格的一派则有最上游的高德、四维图新等图商,和站在图商背后、此前已重金投入地图行业的BAT。根据网络公开信息显示:高精地图这项技术至少能在34年内让整个中国地图市场扩张45倍。

高精地图行业未来会形成类似导航地图行业的寡头市场:因为做地图成本极高,天然限制了公司数量,所以玩家不会太多;但单一公司又很难覆盖乘用、物流等各类场景和各家车厂、共享出行公司的需求,所以也很难垄断。

2、大家都在做高精地图,但市场上还没有一张真正意义上的高精地图

随着 CPU/GPU 并行计算能力的提升,海量地图数据为人工智能的训练提供基础,加之高速网络、 云计算的结合,汽车智能化已经进入了实质性阶段。无人驾驶涉及到的硬件核心是传感器,传感器包括激光测距仪、摄像头等。软件核心就是高精度地图,无人驾驶汽车需要将实时将感知到的数据与地图数据比较,来识别周边环境。在制图技术、功能和产业链地位上,高精地图都与此前的电子导航地图有较大差异。高精地图主要给行业带来了3个变量:众包、人工智能和自动驾驶刚需。众包意味着更低的成本,人工智能意味着更高的效率,刚需则意味着更强的付费意愿。

关于高精地图到底应该是什么样的,精度到底有多高,目前仍然只有初步、阶段性的答案,不同传感器对应的高精地图也不同。另外,数据更新要多快,要如何更新,也仍然在探索和尝试中。

3、人工智能给测绘地理信息行业带来的机遇

未来的测绘技术依赖于人工智能,包括无人驾驶等。因此,需要改变理念,人工智能能在测绘活动里扮演很重要的角色。另外,人工智能也对测绘带来挑战。一是海量数据处理;二是人工智能的智商越高,对定位精度、空间信息准确性,以及地理信息认知要求就越高。

总体来说,人工智能将来对测绘的冲击比现在更大。如果将来路上全是无人车,无人车本身就带了很多测绘的传感器,这些数据跟终端数据一样的,如果能统一处理的话,实时路况很清楚,很准确。智慧城市有很多流数据,如车流、人流,这些流数据跟固定的数据怎么实现智能,通过线上线下的对生存环境怎么感知,这些跟测绘都有密切的关系。利用人工智能的自主学习功能,当机器掌握了城市历年来的信息之后,甚至可以预见到未来的发展。对我们最直观的影响,就是可以利用这个城市大脑预测交通拥堵、人口迁徙等趋势分析。现在,在地理信息领域,人们能够接收很多时空数据,有的时候人们甚至会感觉到各种数据太多。

因此,怎样有效找到人们需要的数据信息、人们怎么利用信息,才是关键问题。要利用大数据、云计算等挖掘数据的有效信息,智能化的地理信息系统需要对自己建模,对抽象的数据进行有效转换。对智能的地理信息系统而言,先要有现在的地理信息系统,然后通过大数据、云计算等变成地理知识系统,最终朝人工智能方向迈进,变成智能化的地理信息系统。