学术交流 ｜ 刘万增等：基于混合智能的地图自动审核技术框架

　　以下文章来源于经纬石旁话遥测 ，作者刘万增等

　　经纬石旁话遥测.

　　武汉大学学报信息科学版编辑部

　　↑ 点击上方「中国测绘学会」

　　可快速关注我们

　　摘 要：

　　地图审核是国家测绘地理信息行政主管部门的主要职责。当前我国的地图审核依赖人工目视判别，成本高、效率低。如何从高度依赖专家经验的人工检测走向混合智能的自动判断，是我国地图审核工作面临的技术难点和痛点问题。提出以知识为引导、算法为基础的地图自动审核的混合智能方法，设计了基于混合智能的地图自动审核技术框架，并指出需要重点突破的3项关键技术；并结合典型的“问题地图”智能化审核案例，给出了地图智能化审核的技术实现途径。

　　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。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，用符号、注记、色彩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，反映或体现国家主权和国家意志。地图审核是依照国家法律法规，对公开的地图进行审查核实，对国界、行政区域界线、历史疆界、重要地理信息数据、地名等在地图上的表示的合法性或合规性进行审核。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。但常用审核手段仍然局限于审图专家判读和依赖志愿者地理信息对地图错误进行标报，缺乏高效的辅助工具。

　　国内外测绘部门及互联网地图厂商都高度重视地图审核工作，如美国地质调查局(https://www.usgs.gov/faqs/i-found-error-map-how-can-i-report-it-and-when-will-you-fix-it)、谷歌地图(https://support.google.com/maps/answer/3094088？hl=en)、天地图等都开发了志愿者地图错误标报功能，鼓励用户纠错，对举报地图中的错标、漏标等信息给予奖励(http://www.sdmap.gov.cn/page/newinfo.html？id=a6847917-0b14-442c-9e69-2339e78cc5c3)，以上皆是依赖志愿者的经验进行地图错误发现。此外，部分文献对地图审核的业务流程做了描述和优化，但并未提及智能审图的技术模式。到目前为止，除了文献[7]提出利用深度卷积神经网络对“问题地图”智能审核以外，还没有其他公开的文献资料介绍地图智能审核的技术框架，更没有提供智能化的地图审核算法或工具。

　　长期以来，由于缺乏智能化审图的技术和软件、平台支撑，我国的地图审核工作严重依赖人工判读，依靠审图专家的经验进行目视判读，发现并评估地图的合规性，因而成为一项劳动高度密集的工作，存在专业性要求高、审核主观性强、效率低、成本高的突出问题，难以满足全天候、大范围、大批量审图需求。究其原因，地图审核是主观、客观结合的地图合规性认知过程，是一项知识驱动的高维非线性空间计算、推理和决策活动，充满了极为复杂的外部感知、视觉认知、逻辑判断和实践经验的层次跨越，及其尺度转换、知识融合、关联交织的相互作用，很难通过单一的数据、模型和算法来模拟这种高度复杂的求解过程。采用常规的“问题地图”审核算法，无论是地图审核质量还是效率，都很难达到人工审图的效果。因此，地图审核从高度依赖专家经验的人工化走向基于混合智能的自动化成为必然。

　　本文针对地图人工审核的难点，凝练出地图审核智能化的思路，发展了以知识为引导、算法为基础的混合智能审核方法，在此基础上提出了基于混合智能的地图自动审核技术框架和需要重点突破的关键技术，并结合典型的“问题地图”审核案例，指出了地图智能化审核的技术实现途径。

　　地图智能化审核的技术思路

　　以“问题地图”审核为例，在实际的地图审核工作中，审图专家依据相关法规、制度、标准，结合各自经验，一般采用目视判读方法，对地图重点区域的合规性进行技术审查，如阿克赛钦地区、藏南地区、南海诸岛、钓鱼岛及赤尾屿、台湾省等区域的几何形态、空间关系及色彩一致性、标注合理性进行审核，发现并标识绘制错误的区域，进而筛选出存在问题的地图。由于地图错误类型繁杂，不同比例尺、不同地图投影、不同类型的地图，其表达方式存在一定差异，准确辨析和发现这种差异，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，才能做出科学合理的判断。这种高度依赖专家经验的人工作业方法，成为长期以来我国地图审核工作的一种固定范式。

　　如图 1所示，本文借鉴智能化测绘的思路，对审图专家的审图经验进行挖掘、提取、描述与表达，归纳提炼出专家审图知识，与地图审核的深度学习算法级联耦合，构建以知识为引导、算法为基础的地图智能化审核技术框架，实现基于地图感知、认知和推理过程的智能审核，从而替代主观、繁重、低效的人工审核工作，使地图审核从“人工肉眼”逐步走向知识驱动的智能化。

　　图 1 地图审核的智能化思路

　　智能化审图的技术框架

　　1

　　技术架构

　　在对当前我国地图审核现状和需求分析的基础上，基于地图智能化审核的技术思路，充分吸收人工智能、知识图谱、在线计算等新一代信息技术成果，提出基于混合智能的地图自动审核技术框架，整体框架如图 2所示。主要包括以下5个部分：

　　图 2 智能化审图技术框架

　　1) 高性能在线计算基础设施。主要由高性能虚拟资源池、万兆极速网络、分布式大容量存储系统组成，提供24 h高可用的计算与存储能力，满足海量地图数据的计算、共享、存储等需求。

　　2) 多源知识与多尺度典型样本仓库。包括审核专家知识库、专家审图案例库、用户在线自检案例库、多尺度“问题地图”典型样本库、标准地图库等。在此基础上，构建地图审核的知识模型，根据不同地图类型，对地图审核知识、案例、样本进行关联，用于引导模型训练，知识与算法级联耦合等。

　　3) 智能算法引擎。包括深度卷积神经网络、图神经网络、循环神经网络、知识图谱等先进人工智能算法，融合数据层提供的审图知识，形成混合智能计算体，用于求解海量地图的高效认知与智能审核难题。将上述人工智能算法进行模型集成，聚合各模型能力，深入挖掘样本概率分布，提高地图审核精度。

　　4) 混合智能服务总线。通过微服务的方式提供批量调用的智能审图服务层，包括互联网地图智能审核服务、地图智能提取服务、众源数据聚合服务、样本智能标报服务、模型联动与进化服务、知识抽取与关联服务等，并根据需要进行动态扩展。

　　5) 共享应用在线支撑前台。针对用户不同需求，提供智能化审图系统后端管理界面和易于交互的用户界面，以网页、小程序、客户端、批量接口方式供用户免费使用。主要包括地图智能提取系统、“问题地图”智检系统、知识抽取与引导系统、“问题地图”标报系统等在线计算系统等。

　　2

　　关键技术

　　2.1 多源审图知识的凝练与解析

　　审图知识的正确凝练和解析，能够指导深度学习算法的选择和优化，提高地图审核的精度，还能使地图审核具备可解释性。但由于知识的抽象性，隐藏性和非结构化的特征，给知识的凝练与解析带来诸多困难，需要开展相关关键技术研究。

　　1) 地图空间语义知识挖掘的方法。地图作为空间信息的载体，蕴含着自然和人文现象的存在状态、分布格局、时空演化、空间关联及其语义表达等方面的信息，是一种重要的审图知识来源。需要发展空间语义知识挖掘的方法进行提取，从正确的地图中解析出诸如界线的标准画法、重要地理要素的正确表示方法等与审图有关的知识。

　　2) 审图知识质量控制技术。针对专家审图经验知识，需要充分发动专家的力量，对其长期积累的审图经验进行系统总结、梳理、凝练、解析和共享，进而采用固定格式的语义模板进行结构化表达。但审图专家经验层次不齐，往往难以完整、客观凝练所有审图知识，提取知识缺乏完备性和主观性，需要进一步发展审图知识质量控制技术。

　　3) 基于自然语言处理技术的审图知识凝练和解析模型。对于蕴含在制图规范及与地图审核相关的法规、制度、文件等文本中的审图知识，则需要研究基于自然语言处理技术的审图知识凝练和解析模型，将蕴含在文本中的非结构化的知识，按照地图审核的知识体系进行梳理，采用自然语言处理技术进行提取、关联和结构化建模。

　　4) 多源审图知识融合技术。对以上不同来源的知识，进行对齐、融合，建立地图审核知识库，对外提供简洁、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，满足算法或应用调用的需求。

　　2.2 耦合先验知识的混合智能计算

　　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分类。可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。

　　然而，目前大部分深度学习算法依然学的是“黑盒子模型”，还没有能力将专家先验知识组织成一种清晰、结构化、有语义的表达形式，并与深度学习算法自动耦合，形成增强型的混合智能，因而，耦合先验知识的混合智能计算仍然是当前研究的一个热点，也是迫切需要突破的一个难点。

　　如图 3所示，从实践的角度看，地图审核的先验知识不但可以指导人工智能算法的选型，还可以将知识融入到算法中，从全局+微观角度对地图审核进行知识与算法的耦合，实现其全业务流程智能化升级。进一步地，还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，进而能够对地图上纷繁复杂的制图要素、空间关系、样式表达进行审核。

　　图3 耦合先验知识的混合智能计算方法

　　2.3 协同审图的在线计算模型

　　互联网地图审核是进入信息化时代后我国地图审核部门面临的一项新任务。互联网上不断涌现的海量电子地图，其智能化审核需要消耗大量的存储和计算资源，采用传统的工作站或服务器的计算模式难以满足这一需求。近年来，逐渐发展成熟的在线计算技术为这一问题的解决提供了一种新的思路。

　　在线计算是一种基于互联网的大众参与的计算模式，其计算资源以服务的方式提供，具有动态、可伸缩、虚拟化的特点，被广泛应用于经济社会发展的诸多领域[36-40]。在线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；提供的多种在线计算方式能够满足不同应用场景的地图协同审核需求。通过在线计算，可以极大地提升地图审核的灵活性和可用性。

　　如图 4所示，通过构建协同审图的在线计算模型，采用人机协同、专家协同的审图模式，在如下层面实现在线协同审图: (1)人机协同审图。首先由机器对待审地图进行自动审核，由审图专家或用户对智能审图结果的正确与否进行判断，然后将结果作为知识重新参与模型训练，实现模型进化，进而达成了人在回路的在线协同审图。(2)专家协同审图。通过收集和凝练审图专家经验及相关资料构建审图知识库，厘清知识架构，消除认知歧义。以此作为协同基础，进行任务分工与协作，实现审图专家网络化协同会审，如国省两级审图部门的协同等。

　　图 4 协同审图的在线计算模型

　　实现案例

　　针对“问题地图”审核自动化的迫切需求，国家基础地理信息中心在中国工程院工程科技知识中心建设项目的资助下，研制了版图智检系统。该系统通过凝练“问题地图”审图知识，耦合深度卷积神经网络形成混合智能计算，对待审核地图进行初步审核，审图专家对初步审核结果进行再审核，实现审图的在线协同。部署在地理信息专业知识服务系统(http://kmap.ckcest.cn)，面向全国的科技工作者，免费提供地图审核前的在线自助检查服务。主要功能包括版图知识引导的“问题地图”智检方法和在线计算支持的视频地图智能提取。用户只需要上传待检测地图或视频，智检模型对上传文件进行自动检测，很快便可返回检测结果，如图 5所示。

　　图5 版图智检服务用户界面

　　版图知识引导的“问题地图”智检方法如图 6所示，其基本步骤如下: 对审图专家长期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，利用227张不同比例尺(如1∶1 600万、1∶3 000万、1∶4 800万、1∶1亿)、不同绘制方式(如分省设色、线划、色块)的正确中国版图构建多尺度特征金字塔数据集，其中，具备审图号的正确中国地图(107张)作为训练集，余下不具备审图号的中国地图(120张)作为测试集；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，包括形状知识(藏南、阿克赛钦、南海诸岛、钓鱼岛等形状绘制正确)、制图知识(台湾和大陆底色相同)、方位知识(台湾、阿克赛钦、藏南、钓鱼岛、南海诸岛的相对位置应与正确版图一致)等；经过模型计算得到初步检测结果，再结合空间关系约束知识和深度学习计算模型，进一步对地图问题区域进行判断和标定，“问题地图”识别正确率可达80%以上。

　　图6 版图知识引导的“问题地图”智检方法

　　1

　　基于地图尺度特征知识构建地图特征尺度自适应检测模型

　　考虑不同尺度地图投影差别对“问题地图”识别的影响，在已构建的多尺度特征金字塔数据集的基础上，融合深度卷积神经网络不同阶段的图像特征，映射为现实物理世界中不同尺度的地图特征，构建孪生的地图多尺度特征金字塔网络，实现高层次语义可解释性和底层次空间地物高空间分辨率的平衡，在不影响计算效率的情况下，实现多尺度的“问题地图”自适应智能识别。

　　2

　　顾及重点区域宽高比知识标注地图问题区域

　　“问题地图”的五大关键区域(台湾、阿克赛钦、藏南、钓鱼岛、南海诸岛)在不同尺度地图下的尺寸是变化的，但其宽高比是固定的，对地图尺度不敏感。根据上述知识，提出一种顾及重点区域宽高比的自监督标注算法，以此来改进已有目标检测算法，旨在加强与实际检测区域之间的关联，突破不同尺度下同一地物尺寸变化带来的识别难题，进一步提高地图关键区域的检测精度。

　　3

　　基于空间关系约束知识进一步提升检测精度

　　为提高检测的准确率、降低误检率，在对“问题地图”进行检测之后，利用重点区域的空间方位约束知识检测结果，进一步提升检测质量。对于每一幅正确绘制的中国地图，五大关键区域在地图上的相对位置也是确定的，在x轴和y轴方向有以下特点：

　　以此为约束进一步提升检测质量。实践证明，这种以先验知识为引导，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，是解决地图高效审核问题的一种有效途径，也是破解地图智能化认知诊断难题的新范式。

　　4

　　在线计算支持下的“问题地图”协同审核模型进化

　　为进一步提高“问题地图”审核精度，将已面向公众开放的版图智检系统中算法判定为“问题地图”和正确的中国版图，联合审图专家对样本进行再判断，利用专家和机器结合的方式构建在线计算回路。将专家甄别后的样本持续反馈到已有的多尺度特征金字塔数据集，结合主动学习定时重新训练预测模型，完成模型的进化，在丰富训练样本结构的同时，持续提高模型精度。

　　结语

　　本文针对我国地图审核工作面临的技术难点和痛点，提出以知识为引导、算法为基础的混合智能地图自动审核框架；指出了需要重点突破的关键技术；结合典型的“问题地图”审核案例，提出了地图智能化审核的技术实现途径。

　　客观地讲，由于地图审核是一项主观和客观融合的动态认知过程，在短期内，期待由机器完全取代人工审核，达到全流程自动化和高质量，必然会陷入技术利维坦的窘境。但从长远看，将专家的权威性和技术的客观性相结合，建立人在回路的混合增强智能，实现人机融合将是未来推动这一问题进一步解决的主流方向。

　　END

　　引用格式：刘万增, 陈军, 任加新, 徐琛, 李然, 翟曦, 蒋志浩, 张晔, 彭云璐, 王新鹏. 基于混合智能的地图自动审核技术框架[J]. 武汉大学学报 ( 信息科学版), 2022, 47(12): 2038-2046. doi: 10.13203/j.whugis20220683

　　原标题：《学术交流 | 刘万增等：基于混合智能的地图自动审核技术框架》

　　阅读原文