首页 > 最新动态 > 蓝皮书文章丨李清泉院士等：数据驱动的测绘地理信息技术新范式

最新动态

蓝皮书文章丨李清泉院士等：数据驱动的测绘地理信息技术新范式

2025-09-174

本文节选自《地理信息产业蓝皮书·中国地理信息产业发展报告（2024）》

数据驱动的测绘地理信息技术新范式

深圳大学
自然资源部大湾区地理环境监测重点实验室
广西省城市空间信息工程重点实验室

李清泉汪驰升胡忠文张星李明晓张博琛

当前传感器技术、计算机技术和机器人技术的迅猛发展正推动测绘地理信息数据感知、处理和表达等理论技术的变革。测绘地理信息领域已进入大数据和智能化时代，形成了以数据驱动为核心的测绘地理信息技术新范式。在空间感知方面，正在从规则驱动向智能自主测绘转变；在数据处理方面，正在从几何计算向空间特征理解发展；在信息表达方面，正在从地图可视化向人机共融表达拓展。本文剖析了人工智能时代测绘地理信息技术面临的新挑战，并阐述了数据驱动的测绘地理信息技术新范式；同时，提出了新时代测绘地理信息技术需要解决的三大科学技术问题。

一、人工智能时代的测绘地理信息技术发展趋势

测绘地理信息技术综合了应用地球物理学、地理学、计算机科学以及遥感、定位和导航、光学和电子信息等技术，通过测量、计算、分析和处理地球表面各种信息，形成数值模型和符号表达，其主要包括空间数据感知获取、多源数据处理分析、测绘地理信息表达等关键部分（图1）。

图1 测绘地理信息技术主要组成部分

测绘地理信息技术的发展史是人类理解和记录地球空间信息的进步史。在远古时期，测绘技术的发展主要由建筑、天文、农业和水利需求推动，主要进行基本的距离测量，测量工具简单。18世纪末至19世纪，最小二乘法的提出和摄影测量方法的发明为测绘技术带来了科学的飞跃，不仅提高了测量的准确性，也为后续技术的发展提供了坚实的数学理论基础。20世纪，航空技术的进步极大推动了航空摄影测量技术的发展，使得通过航空影像生成地形图成为可能，从而大幅提升了测绘的效率和精度。20世纪50年代以后，电子信息和自动控制等技术的进步开启了测绘技术的新篇章。电磁波测距仪的出现解决了复杂环境下距离测量的难题，电子计算机的问世大大加快了数据处理的速度。解析测图仪及其技术的发展进一步促进了测绘技术的自动化和数字化转型。1957年人造地球卫星的成功发射将测绘科学带入了新的维度。卫星导航定位、航天摄影测量、多光谱遥感、卫星测高及合成孔径雷达干涉测量等新型对地观测技术的出现(张永军等，2021; Wang et al, 2024)，为测绘学科注入了新的内涵和手段。进入20世纪80年代，信息技术的迅猛发展使得测绘科学经历了从传统测绘向数字化、信息化、智能化测绘的跨越 (陈军等，2021)。当前，传感器技术、计算机技术和机器人技术迅猛发展，多传感器集成化、智能化趋势越来越明显，深刻影响了测绘地理信息数据感知、处理以及制图的理论、方法和技术的发展 (朱建军等，2021)。

在空间数据感知获取方面，多源传感器的集成融合已成为当前测绘地理信息数据获取的重要趋势，多/高光谱、雷达、声呐等传感器以及高精度定位导航系统的集成为精确获取空间的几何信息和物理属性提供了多源数据支持 (杨元喜等，2023)。几何特征和物理属性的探测，以及高精度室内外一体化的定位与导航技术为突破空间环境限制，实现未知空间的自主探测提供了可能。在多源数据处理分析方面，人工智能技术如机器学习、深度学习不断渗透(龚健雅等， 2021)，在地图制作、三维重建、场景识别、目标识别与定位等方面展现出其独特的优势，不断提升测绘地理信息数据处理和分析的自动化和智能化水平(张永军等，2021)。大数据和云计算技术改变了测绘地理信息数据存储、计算与分析的固有模式，使得高效存储、管理和处理海量数据成为可能。在测绘地理信息表达方面，虚拟现实与增强现实技术快速发展，提供了更为直观、沉浸式的测绘地理信息展示和分析方式，为实现人机共融的信息可视化和交互提供新的可能。

二、人工智能时代测绘地理信息技术面临的挑战

（一） 如何精准感知并反演不同场景下的几何物理特征？

伴随着数据获取技术和装备的发展，丰富的数据获取手段使得我们有机会去探测更加多样的空间场景，从而拓展人类对地球乃至整个宇宙的认识。然而，在地外空间、水下环境和灾后场景等复杂未知场景中，存在时空基准缺失和场景物理介质未知等挑战，带来了测量基准不足和特征测量不准等问题。一方面，在缺少空间基准的情况下，无法理解和描绘场景中不同传感器间的相对位置和关系，导致目标空间定位无法开展；时间基准的缺失，导致不同传感器感知数据无法进行整合和分析。另一方面，不同感知场景下物理介质和环境条件存在差异，导致常用传感器和现有测量数据模型无法适用。不同场景下空间测量环境多样且缺乏先验信息，其物理介质和环境条件可能与已知空间大相径庭，给获取目标准确的几何物理特征带来困难。人工智能时代传感器与人工智能技术的迅速发展，带来更多可用的高性能、高智能测量与传感设备。如何结合新型传感器与人工智能算法，在不同环境场景和不同物理介质中进行测量基准构建与空间数据感知，是人工智能时代下测绘地理信息技术面临的重要挑战。

（二）如何实现多种测绘地理信息数据的高质量融合与高效分析？

由于各类传感器、测绘设备的日益普及，通信技术的飞跃以及网络基础设施的高速发展,测绘地理信息领域已经收集和积累了大量数据，亟须融合多种测绘地理信息数据进分析，充分发挥大数据的价值(李清泉等，2014)。例如，公交卡刷卡数据、出租车轨迹数据、自行车租用数据、手机定位数据都是典型的城市大数据，但是单独使用其中任何一种数据都无法全面客观地描述城市交通人群的移动等信息。智能手机上也具备多种传感器,但是单独使用卫星定位功能只能进行室外定位，结合无线局域网、陀螺仪、气压计等可以同时进行室内及高程定位。因此，无论在宏观还是微观层面的应用都应尽可能地使用多源数据，并对多源数据进行融合分析，以充分发挥大数据的优势。当前，已经积累了地表自然、生态以及人类活动基本情况的大量数据，具有大体量、多模态、流质特性、非结构化等特点，给数据处理带来巨大挑战。如何实现多种测绘地理信息数据的高质量融合与高效分析，也是当前人工智能时代下测绘地理信息技术面临的重要挑战。

（三） 如何从海量数据中挖掘时空信息进行全要素表征？

时空信息表达长期以来以人为中心，服务于人对时空信息的理解和决策。然而，随着机器人和人工智能技术的发展，各种类型和形态的智能体逐渐涌现，并逐渐推广到测绘地理信息技术领域，特别是未知空间的测绘任务。这些智能体能够自主感知信息，并据此做出决策，以实现特定目标或任务。因此，当前测绘地理信息技术除了需要为人提供信息，还要为各类自主探索的智能体提供有效信息。例如，地外星体表面的测绘需要依赖无人系统自主获取周边的几何物理信息进行现势建图，因此测绘地理信息技术需要为无人系统的连续感知与探索提供必要时空信息。地下、灾后等场景环境十分恶劣，威胁人员生命安全，需要依靠多无人系统获取实时时空信息，辅助其他智能系统作业，支撑资源开发与应急救援。当前以人为中心的地图理论和制图成果，无法为智能体系统认知对象、理解环境和任务决策服务。因此，亟须构建人机共融的全要素表征理论和现势建图方法。如何从海量数据中挖掘时空信息，并进行人机共融的全要素表征和现势建图，也是当前人工智能时代下测绘地理信息技术面临的重要挑战。

三、数据驱动的测绘地理信息技术新范式

（一）空间感知：从规则驱动到智能自主测绘

目前，测绘技术主要依靠场景的先验知识和规则驱动测绘任务的规划和执行。然而，地下、水下、灾后和基础设施内部等空间通常存在先验知识不完整、人员难以到达、作业安全风险高等问题，导致规则驱动的测绘方法难以适用。近年来，随着传感器、人工智能、无人系统等技术的快速发展，智能自主测绘技术受到了广泛关注。智能自主测绘将传统测绘理论方法与具身智能（embodied AI） (Savva et al, 2019)、无人系统等技术相融合，目的是使无人测绘系统能够在复杂环境下自主、智能地规划并执行测绘任务。智能自主测绘的关键技术包括任务驱动的无人系统自主导航与探索、多系统智能协同实时测量、测量数据可用性与完备性评价、无人化自主测绘装备研发与集成等，通过这些关键技术的融合提升测绘技术在复杂、未知环境下的自主测绘能力。

图2（a）是本文研究团队为四足机器人研发的移动三维测图系统，集成了激光雷达、双目相机、惯性测量单元（IMU）、全球导航卫星系统（GNSS）和控制单元，结合了场景地形感知、多源数据融合测图、自主导航、机器人路径规划与运动控制等技术，能够实现复杂地形条件下的自主三维测量；图2（b）和图2（c）为大型在建隧道场景移动三维测图示例，在高噪声动态在建隧道场景下的三维测图平均误差约1cm。

图2 基于四足机器人的在建隧道移动三维测图

（二）数据处理：从几何计算到空间特征理解

随着传感器的多样化、测量平台的动态化和被测对象的复杂化，测量任务发生了颠覆式变化，进入了从传统几何测量到当代融合大数据与人工智能，以多要素提取为目标的工程测量新时代。测量要素从过去的边、角、高等基本静态几何要素测量扩展到综合描述测量对象状态的多要素指标(李清泉等，2022)。例如，高速公路路面的平顺度、特大桥梁的实时线形、大坝表面的裂缝等测量成果，从离散的几何点逐步变为测量对象的几何形状、特征语义，甚至是状态变化。当代工程测量通过快速获取目标对象的多源几何和非几何数据，并进行高效处理和识别，获得目标对象相关的变形、沉降、表观变化等特征信息，并在此基础上对测量目标的状态进行评估和分析，为其安全运行和维护提供可靠依据。

以本文研究团队研制的城市管道检测胶囊设备为例(李清泉等，2021; Fang et al, 2022)，它是一种新型的适用于大范围、低成本、高效率、简便作业的排水管道检测设备，由防水外壳、广角摄像头监控模块、发光二极管（LED）补光灯、感光调节系统、电源模块、惯性辅助测量单元、配重块等模块组成，是一款轻量级的物联网设备。为了实现管道病害的定位和识别，除了涉及几何计算的胶囊定位测图技术，也要涉及空间特征理解的管道病害检测分类技术（图3）。

图3 管道胶囊定位与测图与缺陷自动识别

（三）信息表达：从地图可视化到人机共融表达

地图可视化作为数据呈现的一种形式，长久以来帮助人类理解和分析地理空间信息。当前测绘地理信息技术研究场景已从既有空间定位准确、作业条件简单的已知空间拓展至卫星定位拒止、环境相对恶劣的未知空间，推动了地图表达目标主体由“以人为主”向“以机器为主，以人为辅，人机共融合作”的表达范式转变。如何利用人类智能和机器自动化的优势，使二者相互补充、相互支持，共同实现更高效、更智能的空间信息表达与决策已经成为测绘地理信息技术的前沿领域与新兴挑战。

“人-机”可读表征理论可为人与机器和机器与机器协作建图与交互提供理论基础。现势地图测绘中多无人系统亦需要基于“机读”现势图进行信息交互，以实现任务分配与调度、测绘成果质量评价。“人-机”可读现势地图是未知空间测绘和开发利用的必要基础资料。当前，地图学理论以人为中心构建地理要素表征和符号系统，制作人读地图，而没有顾及“机读”，也就无法支撑无人系统认知对象、理解环境和执行任务。从现有要素的分级分类体系和符号化体系，可提出基于深度预训练模型的全要素特征向量表达方法，形成机器可读的现势地图语言模型；建立人机可读的逻辑表达和物理存储格式，可全面提升空间要素的存储、管理和分析效率；建立“图-数”一体化的场景知识表达模型，满足“人-机”可读空间场景知识表达的准确性、完备性、扩展性等需求。

几何物理要素现势建图方法可提升建图效率并服务空间表达实时更新。以道路交通为例，本文研究团队提出了道路立体交叉口提取方法，解决了遥感影像的遮挡问题；提出了基于车载卫星定位轨迹大数据的U-Turn道路结构信息获取方法，推动道路信息精细化、丰富化（图4） (王梓豪等，2023)；开创了众包数据用于城市人行路网识别与提取系列创新性研究，填补了人行路网感知空白 (唐炉亮等，2022)。研究成果创新性提出了车道级精细道路数据众包测图方法，形成了大数据环境下高精度道路地图众包测绘与动态更新的新理论、新方法与成套技术，突破了基于众源轨迹数据的车道级道路精细提取、变化检测与动态更新技术。依托同类系列技术突破，可实现静态地理要素与人及智能体等动态要素的实时提取和变化检测，可服务于全空间要素多维多尺度现势建图与更新。

图4 U-Turn 道路结构信息获取方法

场景驱动现势建图大模型可降低既有测绘地理表达对先验经验与专家知识的依赖，全面提升测绘任务响应的实时性，并拓展测绘成果的应用场景。当前地图制图方法由规则驱动，依赖人类对地球表面的认知和先验经验，制图过程复杂且流程较长。对于海量异质场景空间，先验地图知识与经验难以完全适用。迁移学习、强化学习等新机制和知识图谱、生成模型等新方法，为构建场景驱动的现势建图大模型提供了技术基础(任福等，2022)。引入人工智能驱动“地图”理念，构建现势建图基元操作库，并创建计算机与地图构建基元操作库的中间件，让计算机在不同的地图元素与地图底版中进行基础元操作和交互，可形成计算机分析理解、辅助人类专家介入引导的现势建图模型。通过多任务元学习过程，可让建图大模型从大量源域环境中学习到可迁移的异质场景空间建模能力，形成学会学习的能力,即元学习能力。利用真实未知空间的探测任务,不断迭代训练和更新建图垂直大模型，不断演化，可将当前测绘场景下的技术拓展应用至地外天体、地下空间、水下工程等场景下的自主测绘任务中，拓展测绘成果应用边界。

四、人工智能时代测绘地理信息发展的科学技术问题

（一）空间测量基准与多物理介质感知机理

人工智能时代人类对空间的认知边界得到极大拓展。然而，复杂未知空间通常缺乏完善的测量基准，定位、导航、授时服务存在空白，难以支撑自主无人系统的定位定姿、时间同步与协同测绘。地外星体环境未知，测量条件不足，测量仪器匮乏，难以直接应用地球表面测量基准和方法。地下空间、水下环境等存在卫星信号受限、弱纹理特征等问题，无法实现高精度绝对定位，难以构建可靠的空间参考。如何基于多智能体多源传感器获取海量测量数据，智能自主构建时空参考框架，为自主无人系统提供准确、可靠的测量基准，是未知空间自主测绘需要解决的首要基础性科学问题。

另外，地外星体、地下空间、水下环境等未知空间的环境因素与物质组成和地球表面并不完全相同，导致光谱、电磁、声场等信号传播特性出现显著差异。未知环境中固态、液态、气态等多相物理介质混杂，感知信号跨相、跨介质的传播过程极其复杂，现有传感器和测量数据模型无法适用，难以实现精准的几何特征测量与物理特性感知。因此，刻画多相介质、非均匀介质中信号传播过程，揭示多物理介质感知机理，构建物理特性感知的智能模型，也是人工智能时代测绘地理信息技术的基础性科学问题。

（二）多无人系统自主决策与协同测绘机制

人工智能技术的发展推动了无人系统的广泛应用。无人系统目前已经在自动驾驶、国家安防和深空探索等众多行业和领域开始广泛应用，其发展路径大致可以分为程式化、智能化和自主化的三个发展阶段(Chen et al, 2022)。在测绘地理信息领域，具备自主决策或自主智能的无人系统是未来智能化测绘发展的最终目标。要实现这一目标，一方面需要将已知的先验知识和测绘决策策略迁移到未知探索场景下，另一方面需要通过自主探索的增量学习，渐进式理解测绘环境，实现自主任务调度与智能决策。人工智能技术的发展则为无人系统的自主决策提供了强大的技术支持和算法基础。然而，无人机、无人车、无人船和潜航器等异构无人系统在感知维度、测量精度、测量范围、测量效率等方面存在局限，单一无人系统无法满足复杂测绘任务需求，需要异构多无人系统协同测绘。在交互共融达成共同目标的群体行为过程中，无人系统局部个体行为与全局最优决策间存在矛盾，无人系统间的任务分配和动态调整也面临挑战。因此，开展测绘行为决策、任务分配与规划调度研究，引入大量测绘先验知识，并基于群体智能，探索知识迁移和增量学习的无人系统自主决策和群体智能任务分配与规划机制，是实现多无人系统协同自主测绘的重要途径。

（三）人机共融全要素表征与现势建图模型

测绘地理信息数据是国家社会和经济发展的重要基础。精准且易理解的现势地图有助于全面及时掌握空间的几何和物理特征，在自动驾驶、资源开发、灾后应急响应等领域具有重要的作用(Chen et al, 2022)。在现势地图测绘中，多无人系统需要基于“机读”现势图进行信息交互，以实现任务分配与调度以及测绘成果质量评价，因此，必须要建立“人-机”可读的现势地图。当前，地图学理论以人为中心构建地理要素表征和符号系统 (郭仁忠等，2022)，制作“人读”地图，而忽略了“机读”地图的需求，无法支持无人系统认知对象、理解环境和执行任务。同时，现有测绘数据处理方法与制图模型依赖统计学，流程冗长、效率低，无法全面快速地刻画变化和未知空间的态势，无法满足无人系统实时性的要求。因此，需要开展人机共融全要素表征的研究，以及面向无人系统的现势建图新模型，这对于人与机器、机器与机器信息交互有着极其重要的意义，是自主测绘和测绘成果应用的重要基础。

五、结论与展望

伴随着信息技术的发展，测绘地理信息技术实现从模拟测绘向数字化测绘、信息化测绘和智能化测绘的阶段性发展。在当前大数据和人工智能算法蓬勃发展的背景下，产生了数据驱动的测绘地理信息技术研究新范式，进一步丰富了行业内涵和应用场景。未来，随着人们对空间测量基准与多物理介质感知机理、多无人系统自主决策与协同测绘机制、人机共融全要素表征与现势建图模型等关键科学技术问题的深入研究和突破，测绘地理信息技术将进一步适应大数据和智能化时代的发展，为空间信息的感知、融合和服务做出更大的贡献。

参考文献

陈军, 刘万增, 武昊, 闫利. 2021. '智能化测绘的基本问题与发展方向'.

龚健雅, 许越, 胡翔云, 姜良存, 张觅. 2021. '遥感影像智能解译样本库现状与研究'.

郭仁忠, 陈业滨, 马丁, 赵志刚, 应申. 2022. '论 ICT 时代的泛地图表达'.

李清泉, 谷宇, 涂伟, 朱家松, 赵天鸿, 朱松. 2021. '利用管道胶囊进行排水管网协同检测的新方法', 武汉大学学报(信息科学版), 46: 1123-30.

李清泉, 李德仁. 2014. '大数据 GIS', 武汉大学学报(信息科学版), 39: 641-44.

李清泉, 汪驰升, 熊思婷, 张德津, 邹勤, 涂伟. 2022. '从几何计算到特征提取的广义测量数据处理', 武汉大学学报(信息科学版), 47: 1805-14.

任福, 翁杰, 王昭, 张琛, 游泽威. 2022. '关于智能地图制图的几点思考', 武汉大学学报(信息科学版), 47: 2064-68.

唐炉亮, 赵紫龙, 杨雪, 阚子涵, 任畅, 高婕, 李朝奎, 张霞, 李清泉. 2022. '大数据环境下道路场景高时空分辨率众包感知方法'.

王梓豪, 唐炉亮, 杨雪, 戴领, 李朝奎. 2023. '利用车载 GNSS 轨迹大数据的 U-Turn 道路结构信息获取方法', 测绘学报, 52: 1330.

杨元喜, 王建荣. 2023. '泛在感知与航天测绘', 测绘学报, 52: 1-7.

张永军, 张祖勋, 龚健雅. 2021. '天空地多源遥感数据的广义摄影测量学', 测绘学报, 50: 1-11.

朱建军, 宋迎春, 胡俊, 邹滨, 吴立新. 2021. '测绘大数据时代数据处理理论面临的挑战与发展', 武汉大学学报：信息科学版, 46: 7.

Chen, Jie, Jian Sun, and Gang Wang. 2022. 'From unmanned systems to autonomous intelligent systems', Engineering, 12: 16-19.

Fang, Xu, Qing Li, Jiasong Zhu, Zhipeng Chen, Dejin Zhang, Kechun Wu, Kai Ding, and Qingquan Li. 2022. 'Sewer defect instance segmentation, localization, and 3D reconstruction for sewer floating capsule robots', Automation in Construction, 142: 104494.

Savva, Manolis, Abhishek Kadian, Oleksandr Maksymets, Yili Zhao, Erik Wijmans, Bhavana Jain, Julian Straub, Jia Liu, Vladlen Koltun, and Jitendra Malik. 2019. "Habitat: A platform for embodied ai research." In Proceedings of the IEEE/CVF international conference on computer vision, 9339-47.

Wang, Chisheng, Ling Chang, Xiang-Sheng Wang, Bochen Zhang, and Alfred Stein. 2024. 'Interferometric Synthetic Aperture Radar Statistical Inference in Deformation Measurement and Geophysical Inversion: A review', IEEE Geoscience and Remote Sensing Magazine, 12: 8-35.

本文节选自《地理信息产业蓝皮书·中国地理信息产业发展报告（2024）》