摘 要：测绘学科已经完成由数字化测绘向信息化测绘的跨越。近年来，人工智能引发的智能化测绘模式正逐渐蔓延，给测绘地理信息产业带来了新的挑战。智能测绘硬件装备的发展是推动测绘科技变革的根本动力之一。首先介绍了智能测绘硬件装备的背景及发展现状，然后提出构建云端智能测绘技术体系，指出基于智能硬件+云+智能算法+大数据等，架构云端智能测绘技术，提出云端虚拟测绘装备、行业服务测绘引擎两个概念。在行业服务测绘引擎的支持下，构建云端智能测绘技术体系。可以预见，测绘科技的新变革最终将导致测绘科技基本形态的变革，主要表现为内外业颠覆、专业测绘泛化、数据产品转向服务的趋势。最后，对智能测绘科技下高等教育教学内容、教学模式、从业人员要求、教育改革4个方面进行了分析思考。总体来讲，测绘科学领域的认知理论、智能硬件、物联技术以及云服务技术等正逐渐形成系统的领域应用理论与技术体系，测绘地理信息学科将随着人工智能的潮流完成新一轮的转型和发展。

　　关键词：人工智能 云端智能测绘 测绘地理信息 思维转变 模式转变

　　自从德国于2012年推行“工业4.0计划”以来，人工智能再次成为世界各国关注的焦点，不断引发工业的变革。2013年，欧盟委员会与欧洲机器人协会合作完成了平流层-对流层过程及其在气候中的作用(Stratosphere-troposphere Processes and their Role in Climate, SPARC)计划，资助机器人领域的创新。2016年，AlphaGo与李世石人机围棋对决，使人工智能发展得到社会新的认识;同年12月，美国白宫发布报告称，人工智能的时代即将来临。2017年，英国政府发展“现代工业战略”，在人工智能、机器人技术和5 G领域投入47亿英镑的研发资金。同年，日本政府制定了人工智能产业化路线图，分3个阶段推进人工智能在制造业、医疗等领域的应用[1]。

　　中国自2015年国务院印发《“互联网+”行动指导意见》起，就开始促进人工智能在智能家居、智能终端、机器人等领域的应用。2016年初，工信部联合发改委发布了《智能硬件产业创新发展专项行动》。2017年，国务院印发《新一代人工智能发展规划》，进一步明确人工智能发展的战略地位。2018年，教育部印发了《高等学校人工智能创新行动计划》，吹响了教育领域人工智能发展的号角。经过60多年的演化，特别是在云计算、神经网络等新理论及社会需求的共同驱动下，人工智能呈现出深度学习、跨界融合、人机交互、自主操控等新特征。作为当前最具代表性和突破性的科技力量之一，人工智能无疑成为了各国技术发展中必不可少的一环，工业、教育等多个领域的智能化趋势势不可挡。

　　测绘装备的核心部件及测绘产品发展是测绘学科革新的重要基础。芯片、传感器、云平台以及大数据等技术的革新，为智能测绘硬件的进步提供了有效支撑，智能测绘硬件和产业的结合已经成为传统产业升级的风向标。伴随着地理信息产业的快速发展及空间地理信息产业的深度整合，测绘行业逐渐融入物联网、人工智能、云处理等高新技术，测绘对象也扩大到了海、陆、空、天[2]。因此，智能测绘硬件在实现深度学习时空大数据、智能分析空间动态信息、实时进行决策与控制辅助的智能化测绘地理信息技术中扮演着关键的角色[3]。

　　本文首先讨论了智能背景下测绘硬件装备发展的趋势，对智能测绘硬件的现状及发展趋势进行了探讨。然后基于智能测绘硬件，架构云端智能虚拟测绘技术，提出利用分布式、云端、大数据技术、智能算法等架构虚拟测绘仪器的思想。同时，思考了智能测绘软件虚拟装备的发展以及由此带来的智能化测绘科技基本形态。最后，从教学内容、教学模式两个方面讨论了智能测绘科技对高等教育的要求。

　　1 智能测绘硬件装备

　　测绘地理信息行业是“劳动密集型”产业，根据相关产业报告，测绘地理信息数据采集占据总产值的70%，而大量的数据采集工作需要高性能的测绘硬件[4]。随着硬件技术和测绘理论的快速发展，智能化硬件是广大用户的需求。

　　性能和需求是衡量测绘硬件的关键指标。智能化硬件要求硬件功能多、尺寸小、内存大、功耗低、价格低廉、续航时间长等[5]。例如，高性能的惯性器件能够实现高精度数据采集、计算、显示一体化，并且能够与其他传感器进行集成;高精度多核全球导航卫星系统(Global Navigation Satellite System，GNSS)导航芯片、全系统全频点定位定向模块、多系统高精度定位板卡是实现高精度导航定位的基础;大疆无人机集成多种传感器，能够满足遥感、导航等不同需求。技术的发展无止境，只有发展高性能的智能化硬件技术，才能被用户认可，满足时代发展要求。单一的硬件已无法满足复杂环境以及高精度的需求，多硬件智能化集成将是未来智能化硬件技术的发展趋势[6-7]。作为与云计算、大数据等紧密结合的智能化测绘主要组成，测绘装备智能硬件特征明确，主要分为小型低功耗泛化终端、高速物联大数据采集装备、云端智能运算中心3个方面。

　　全站仪、水准仪、全球定位系统(Global Positioning System，GPS)等小型低功耗测绘装备在高精度的控制测量中有着广泛的应用。但小型低功耗泛化终端操作繁琐、专业性强，仍难以摆脱较为沉重的外业工作[8]。高速物联大数据采集装备一般包括视频影像监测终端、连续运行参考站(continuously operating reference stations，CORS)数据实时采集终端、自然资源信息在线监测系统等，如图 1所示的地形图自动更新系统。这种大数据采集装备在众包采集、违法用地和违法建筑的视频监测以及人流量在线采集等方面有着较为广泛的运用，有利于实现无人化、高效率、高灵敏度的实时监测。测绘地理信息在不断地扩展自身数据采集手段(无人机、无人船等)的同时，也将结合大数据与云平台为智能决策提供新的技术手段[9-10]。目前，云端智能运算中心的代表者为阿里云、千寻云端定位等。基于云平台的百度无人驾驶，智能定位导航算法让测绘地理信息走进了人们的生活，满足了人们的个性化位置服务需求。与智能决策相关的道路交通决策疏导、智慧城市运行的终端应用提高了人们的生活品质。基于位置的税收现场支持、智慧矿山决策支持则大大减少了企业市场的人力成本[11]。

　　测绘智能硬件领域总体还处于发展的起步阶段，缺乏有活力的创新环境。但随着人工智能时代下测绘产品个性化、智能化的需求逐渐增加，高效、智能的“互联+智慧”特征要素逐渐成为智能测绘硬件生产者的关注重点。测绘地理信息应当牢牢把握人工智能及智能硬件催生的历史发展机遇，依靠智能硬件具备的超强数据处理及连接能力，紧密结合云计算、大数据等高新技术，通过设备传感实现人机交互、现实感知的智能化测绘应用。

　　2 云端智能测绘技术

　　2.1 云端虚拟测绘装备

　　云端虚拟测绘装备有别于一般的云计算系统。智能测绘硬件前端与云计算结合的关键在于仪器的智慧能力，即高精度、高智能和高自动化[12]。因此除了采用多嵌入式硬件设计、研发云计算测试服务软件、搭建分布式平台外，更需要大量的智能测绘核心算法，解决将云计算应用到工程中的实际难题。

　　一般来说，智能测绘硬件前端可以直接连接各种智能传感器，保障实时的数据传输及远程控制，并在智能前端之间存在功能的交叉性。从数据采集的精密性来说，测绘前端可以采集多种动、静态的高精度信号。从智能化方面而言，测绘智能前端本身就包含了自动化测量、离线工作、自适应数据格式分发等多种能力。在可靠性方面，需要保证可测量信号的抗电磁干扰能力以及数据传输的安全性。对于如国防军工、资源勘探、公共服务等方面的关键性应用，云端虚拟设备必须通过政府相关法律法规的许可认证[13]。

　　对于智能测绘硬件前端动态服务的可靠性，一般需要解决硬件的自动检校设置、信号自动辨识、传感器自动识别、粗差数据的实时探测等问题，用以适应智能测绘中无人化自动检测的情况。虚拟测绘仪器主要以物联在线监测进行工作，通过远程实时监测，回传数据，然后提供实时服务。当在物联困难的特殊时刻，智能测绘硬件前端也需要具备离线存储及紧急测绘的功能。云端虚拟测绘设备的基本组成如图 2所示。

　　2.2 行业服务的测绘引擎

　　云端智能测绘技术的一个关键问题就是如何设计出既符合云计算技术原理，又适合工程应用，并以提供实时可靠的服务为主要形式的服务软件系统。当前测绘行业的软件一般为单机化软件，操作繁琐，灵活性低。因此，测绘服务软件需要向并行计算、网格计算等云计算模型进行转型，满足多用户的协同处理。服务软件的商业模式可以采用云计算技术完成大量信息的并行存储和复杂分析，最终通过智能测绘软件将智能决策的分析结果和报告通过网络方式输出到各式各样的终端设备上。图 3给出了测绘综合服务引擎的初步构想。

　　同时，行业服务的智能化处理模块需要包括多用户系统，以保证多名用户和行业专家对数据计算结果进行远程联合分析及抽查复核，给出进一步的诊断结论。对于服务终端用户而言，测绘云服务软件仅作为一种智能决策显示工具，与运行平台及操作系统无关。实际操作人员不需要接受过多复杂的培训和练习，位于云端的智能化处理模块能够自行进行信息存储和相关功能配置，保障用户数据安全。图 4表示云计算服务平台的运行流程。

　　2.3 云端智能测绘技术体系

　　云端智能测绘服务系统中的智能测绘硬件前端、云中心服务软件和用户都是分布在互(物)联网的不同节点上。在整个系统的运行过程中，用户使用的前端智能测绘硬件是整个智能测绘技术体系的基础，并作为实时数据及智能决策分析的交流平台。信号测量和数据分析过程由云中心服务平台自动完成，相关的专家及专业人员提供智能决策的抽查服务或满足用户定制的个性化需求。在云端智能测绘技术体系中，用户无需深入了解仪器的操作方式和数据分析的原理知识。此时，用户得到的并不是原始产品，而是最终的智能决策服务。这就是云端智能测绘技术的服务型特点，云智慧测绘系统将使传统的产品形式转为现代的服务形式。

　　3 智能化测绘科技基本形态变革

　　智能测绘硬件及测绘技术的发展将使测绘科技的基本形态发生巨大变革。从数字化到信息化，测绘科学简化了复杂的仪器作业、信息采集流程，但仍然是以测绘作业流程为基础。上述智能化发展将推动测绘科技的业态发生本质变化。

　　3.1 内外业测绘颠覆

　　20世纪90年代以前，受限于技术发展，模拟测绘一直占主导地位，作业时间长，成果形式单一。20世纪90年代至21世纪初，3S技术和信息技术使测绘学科向数字化测绘转变。自2000年开始，微电子机械系统技术得到大规模使用。互联网和信息技术使中国测绘进入一个新的阶段——信息化测绘[14-17]。随着传感设备的精确性和可靠性越来越高，勘测类及数据采集工作将由各类智能仪器及传感器来完成。同时，航天航空技术和摄影测量遥感技术的逐渐成熟扩展了测绘的观测对象。测绘领域从地表延伸到空间、整个地球系统乃至深空，测量周期逐渐按照人们需求实现实时观测。

　　然而，尽管信息化测绘背景下内外业工作的界限、分工逐步模糊，但其仍遵循线性思维，分为外业测量和内业处理的工作模式。GNSS等技术的出现仍然不能使测绘完全脱离外业作业。无人机摄影测量虽然可以大幅降低外业工作量，但内业数据量及处理难度也成指数增加。因此，在快速发展的云计算、“测绘大脑”的设想以及分布物联网技术支撑下，智能化测绘在测绘地理信息行业已经呈现出广泛的应用前景。智能化测绘时代外业工作可能彻底消失，颠覆传统内外业的思维。未来智能化的滑坡监测、基坑监测、桥梁监测系统或许将不需要外业测量工作。

　　3.2 专业测绘转向泛化

　　智能化背景下，测绘工作将表现出高科技、操作简单化、行业多样化的特征。一方面对研发类测绘人才要求越来越高;另一方面，从事实际测绘操作方式更为简单，非专业人员即可完成专业人员难以完成的测量工作。可以预见，单独就人才需求的变化而言，一些从事智能设备与测绘类产业的深度融合工作和企事业机关单位的测绘管理工作的复合型人才需求将会大量增加，一线工作的应用型测绘人才需求也会呈上升趋势。新的市场模式对应用型测绘人才的基础能力、实践能力、服务能力、适应能力提出了更高的要求。

　　同时，位置服务等新的学科内涵将拓展测绘工作的内容，无人驾驶、室内测图、智慧城市等新的领域将提供广泛的测绘市场，并将进一步增加如手机测绘、众包测绘等新的测绘工作内容与工作方式。

　　3.3 数据产品转向服务

　　测绘是采用最新的仪器装备采集多尺度、海量异构数据，并采用概率论、数理统计等多种数学手段进行分析处理，为自然资源监测、市政工程、矿产勘查、海洋生产等提供基础时空数据产品的科学。随着各行各业需求的丰富、学科发展的交融，测绘科技处理除提供数据产品外，将逐步关注基于数据产品的行业服务。智能化测绘技术的不断进步以及各行业的交叉，用户将更为关注测绘科技能给本行业提供服务的整体解决方案，而非数据产品本身。未来测绘数据采集智能化、智能测绘云分析将进一步为测绘服务提供理论与技术保证。互联网和北斗BD-3相结合将为全球用户提供稳定的应急搜救服务，为渔业、农业等领域提供常规服务。在智能测绘云的支持下，依托互联网、物联网、车联网、移动通信网、北斗网等网络交叉融合，可形成能实现覆盖全行业、一站式的智能化测绘服务系统。

　　4 智能测绘科技对高等教育的要求

　　4.1 教学内容发生变化

　　测绘地理信息学科内容的变革源于不断增长的时空位置服务需求。测绘地理信息的学科结构将融汇交叉到地理学、信息学乃至管理学、经济学、社会学等学科。

　　位置空间数据的采集、管理是测绘学的基本内容，空间信息的获取通常需要以测绘的手段来完成。信息学关注信息的获取、传输、分类、处理及利用。地理学则借助自然环境、人文分布等内在规律的研究帮助指导人类活动。管理学研究能够合理组织人力、财产、物品等因素来提高生产力的水平。此外，测绘学科在国民经济社会的建设发展中也具有不可忽视的作用，如水利建设、交通建设、城乡规划建设等。应用需求的增长推动着测绘地理信息学科与其他学科的交叉融合，学科之间的互通有无也促进了测绘地理信息学科的不断发展。

　　4.2 教学模式发生变化

　　智能化测绘科技教学内容复杂，涉及多种交叉学科。传统教师为主体的教学方式已经不适应教学需求。只有针对学生制定个性化学习规划，通过学生自主学习、合作探究、交流展示、迁徙运用等环节，使学生主动参与进去，才能真正对智能化测绘教学的内容有本质理解。发挥学生的个性、特长、需求进行施教，也利于学校未来为学科发展做更多贡献。

　　智能化背景下，教师的知识结构很难单方面满足学生对课堂教学的需求，需要充分利用智能化教学平台，将足够多的测绘涉及的理论、方法、技术及案例通过智能化教育平台传递给学生。教学过程也要求在教师、学生和人工智能之间保持平衡。教师需要向学生与人工智能边学、边教;人工智能通过与老师及学生的交流、实时学习改变教学策略;学生在与教师、人工智能交流中，达到学习的目的。通过三者的平衡，培养出自主思考、自主创新的创造型人才，实现智慧教育。

　　4.3 从业人员要求发生变化

　　伴随着用户不断增长的地理信息服务需求，测绘行业的从业人员将面临新的挑战。智能硬件的发展可以使得测绘地理信息的获取越来越智能化，测绘智能装备也将更加注重仪器功能的动态化、实时化、经济化。这不仅提高了空间数据采集的效率，也在一定程度上表示以往需要专业测绘技术人员处理的测绘地理信息将会被大众以更快捷方便的手段获取，专业化的门槛将变得模糊。因此，对于智能硬件在测绘地理信息领域引起的“全面测绘”的现象，从业人员本身的职能身份发生变化。社会需求需要从业人员朝着创新型、服务型和功能型的方向发展。在实际的作业过程中，从业人员不仅需要为大众提供快速获取地理信息服务的方法、信息和接口，也需要引导配合各种工程的解决方案，灵活运用现代化的测绘手段获取精确的测绘地理信息。

　　4.4 测绘教育改革

　　为了面对测绘智能硬件所带来的测绘教育的挑战，测绘行业教学应当及时瞄准行业发展，基于现阶段的行业背景对测绘地理信息从业人员的要求，对传统测绘教学模式提出改革，努力培养出能够适应社会需求、为社会做贡献的新时代测绘从业者。

　　然而，像目前发展的无人机航测、三维激光扫描仪、倾斜摄影设备、多波束水下地形测量等新型装备，由于其昂贵的价格和较高的技术含量，许多高校都没有这些仪器的培养环境，学生教育还停留在全站仪、水准仪和实时动态(real-time kinematic，RTK)等传统设备，人才培养与社会需求有较大脱节。许多监测系统都可以将传感器采集的数据实时传输到服务器，然后在Web端在线查看，还可以及时发送预警信息，目前测绘专业课程的知识都不足以开发这样的系统，对于如全国土地调查、地理国情监测的项目，传统课程更是不能解决。在目前智能硬件发展的现状下，测绘教育应当从课程结构和仪器设备两方面进行改革。一方面，高校测绘可以增设一些网络技术、信息技术和智能化方面的基础课程，重视培养学生的数据处理能力，拓宽学生的知识面;另一方面，可以适当引入新仪器，并主动与校外企事业单位联合，通过校外实习加强学生的实践能力。

　　对于新增设的课程应保证两个方面：①注重理解智能装备基础原理，这样可以启发学生在仪器设备的创新，可以发现一些智能测绘装备都是新老技术的组合。②注重数据处理能力和软件编程能力，对于新型测绘仪器采集的数据处理是成果输入的必经之路，目前新型测量装备在软件方面存在的主要问题是软件使用不够灵活，多数情况下测量设备输出的数据并不能满足项目的需要，这就需要开发专用的软件来处理数据。

　　5 结语

　　人工智能时代，智能硬件产品和服务发展空间将变得极为广阔。未来的智能硬件产品将依托高新的人工智能软件和硬件技术，推动社会的各个领域朝着智能化的方向不断发展。

　　新的智能设备是人工智能时代发展的新需求，是测绘领域发展的新方向，是测绘地理信息转型升级的关键点，是测绘地理信息跨越发展的新追求。测绘地理信息技术从开始发展到现在，都离不开便捷的仪器设备。光学水准仪、全站仪等传统设备提供了人们丈量大地的途径，现在的无人机、无人船更是为外业测量提供了极大的便利。仪器设备的更新换代不断影响着测绘地理信息的作业模式与作业内容。因此，在人工智能时代，测绘地理信息技术应当紧随时代潮流，从智能测绘的目标出发，创新创造地开发出智能软件及硬件技术相结合的智能设备。智能测绘技术的发展与智能设备更新的良性循环，将打破传统的数据处理与数据服务模型，实现测绘地理信息的智能转型升级。加强智能设备研发，推广智能设备应用，将会催进智能测绘向着更高的领域不断前进。

　　作者：高井祥，王坚，李增科

　　本文转载自勘测联合网，原文刊载于《武汉大学学报·信息科学版》2019第1期（版权归原作者及刊载媒体所有）