GIS基礎(chǔ)軟件技術(shù)體系發(fā)展及展望

1 引言

隨著地理信息系統(tǒng)(Geographical Information System，GIS)理論體系的豐富和完善，特別是融合了大量先進(jìn)的IT技術(shù)之后，GIS軟件得到快速發(fā)展，新技術(shù)、新概念層出不窮。鑒于此，本文梳理了GIS基礎(chǔ)軟件技術(shù)發(fā)展的脈絡(luò)，以時(shí)間為線簡(jiǎn)要概述了各種GIS軟件技術(shù)發(fā)展的歷程，并著重厘清各種GIS軟件技術(shù)之間的內(nèi)在聯(lián)系，提出了五大GIS技術(shù)體系，介紹了五大技術(shù)體系所包含的內(nèi)容，及其相關(guān)發(fā)展進(jìn)展。

2 中國(guó)GIS技術(shù)發(fā)展歷程

二十一世紀(jì)以來(lái)，GIS軟件技術(shù)在城市數(shù)字化轉(zhuǎn)型等政府與企業(yè)信息化中扮演著愈來(lái)愈重要的角色[1]，并成為IT領(lǐng)域不可或缺的重要組成部分?；仡欀袊?guó)三十余年GIS基礎(chǔ)軟件的發(fā)展歷程，以十年為界，可歸納為以下4個(gè)階段(圖1)。

圖1 中國(guó)GIS技術(shù)發(fā)展的4個(gè)階段

Fig. 1 Four stages of GIS technology development in China

第一階段(1987—1997年)。1987年，PURSIS(Peking University Remote Sensing Information System)誕生，是公認(rèn)的中國(guó)GIS軟件的起點(diǎn)[2]，隨后涌現(xiàn)出一大批GIS軟件。在此期間，GIS軟件形態(tài)從早期的命令行形態(tài)，逐漸演化為相對(duì)更易用的桌面GIS形態(tài)。

第二階段(1997—2007年)。在這個(gè)階段，組件式軟件技術(shù)和互聯(lián)網(wǎng)技術(shù)飛速發(fā)展，成為當(dāng)時(shí)軟件技術(shù)的新潮流。結(jié)合這兩項(xiàng)技術(shù)，組件式GIS和WebGIS應(yīng)運(yùn)而生，這給整個(gè)GIS技術(shù)體系和應(yīng)用模式帶來(lái)巨大影響，并成為GIS軟件技術(shù)的重要支撐[3-6]。隨著地理空間數(shù)據(jù)越來(lái)越豐富，數(shù)據(jù)量越來(lái)越大，單機(jī)文件方式已經(jīng)無(wú)法滿足應(yīng)用的需求，空間數(shù)據(jù)庫(kù)技術(shù)由此誕生，在數(shù)據(jù)庫(kù)中實(shí)現(xiàn)了空間數(shù)據(jù)的存儲(chǔ)和管理。

第三階段(2007—2017年)。IT的需求重心從客戶端轉(zhuǎn)向了服務(wù)端，移動(dòng)互聯(lián)網(wǎng)進(jìn)一步拓展了移動(dòng)端的需求，GIS的應(yīng)用也從室外擴(kuò)展到了室內(nèi)，從宏觀拓展到了微觀[7]，這些需求和變化，促進(jìn)了跨平臺(tái)GIS和新一代三維GIS的發(fā)展。同時(shí)這個(gè)階段也是數(shù)據(jù)爆炸的階段，這對(duì)GIS在多源異構(gòu)數(shù)據(jù)管理及噪聲數(shù)據(jù)處理等方面提出了諸多挑戰(zhàn)[8]。云GIS、大數(shù)據(jù)GIS也在此背景下出現(xiàn)，改變了傳統(tǒng)GIS應(yīng)用的模式和方法，滿足了海量空間數(shù)據(jù)的存儲(chǔ)和分析等需求，從而達(dá)到提高GIS服務(wù)性能、節(jié)約計(jì)算資源的目的[9]。

第四階段(2017年以來(lái))，中國(guó)GIS軟件發(fā)展進(jìn)入第4個(gè)10年，在數(shù)字化轉(zhuǎn)型飛速發(fā)展的背景下，亟需提高GIS基礎(chǔ)軟件的數(shù)據(jù)處理效率和智能化水平[10]。利用邊緣計(jì)算、云原生等技術(shù)，解決GIS的性能、穩(wěn)定性等問(wèn)題;將人工智能應(yīng)用于地理信息領(lǐng)域，替代了傳統(tǒng)建模中基于領(lǐng)域知識(shí)人為設(shè)計(jì)特征的方式，提升了地理信息提取和特征理解能力[11];并通過(guò)空間區(qū)塊鏈技術(shù)的應(yīng)用打造安全、可信的空間數(shù)據(jù)庫(kù)[12]。

隨著地理信息科學(xué)理論的發(fā)展和信息技術(shù)的不斷創(chuàng)新，未來(lái)GIS軟件技術(shù)還將持續(xù)進(jìn)步。

3 GIS基礎(chǔ)軟件技術(shù)體系

在應(yīng)用需求牽引下，在地理信息系統(tǒng)理論發(fā)展與新一代信息技術(shù)的推動(dòng)下，GIS基礎(chǔ)軟件技術(shù)體系得到不斷豐富和完善，作者在2018年提出GIS四大技術(shù)體系分別為：跨平臺(tái) GIS、云GIS、新一代三維GIS和大數(shù)據(jù)GIS[13]。

經(jīng)過(guò)兩年的快速發(fā)展，人工智能GIS技術(shù)體系已初具形態(tài)[11];而云GIS發(fā)展到云原生GIS階段，與邊緣GIS、分布式空間數(shù)據(jù)分析與處理、分布式空間數(shù)據(jù)存儲(chǔ)與管理以及空間區(qū)塊鏈等技術(shù)構(gòu)成了分布式GIS技術(shù)體系。由此形成了GIS基礎(chǔ)軟件五大技術(shù)體系，即：大數(shù)據(jù)GIS技術(shù)(Big Data GIS)、人工智能GIS技術(shù)(AI- GIS)、新一代三維GIS技術(shù)(New Three-D GIS)、分布式GIS技術(shù)(Distributed GIS)、跨平臺(tái)GIS技術(shù)(Cross-platform GIS)，合稱“BitDC”。

GIS技術(shù)體系隨著IT新技術(shù)的引入，以及智慧城市、數(shù)字孿生、新基建等需求的牽引，也在不斷的發(fā)展和完善中，為實(shí)現(xiàn)地理可視化、地理決策、地理設(shè)計(jì)、地理控制等各個(gè)層次的地理智慧應(yīng)用提供必要的技術(shù)支撐(圖2)，為數(shù)字化轉(zhuǎn)型和信息化建設(shè)創(chuàng)造更多價(jià)值。同時(shí)GIS技術(shù)體系也將不斷豐富和升級(jí)，向著更高效、更智能的方向發(fā)展。

下面將分別綜述“BitDC”這五大技術(shù)體系的發(fā)展情況。

圖2 地理智慧的五大支撐技術(shù)

Fig. 2 Five supporting technologies of geo-intelligence

3.1 大數(shù)據(jù)GIS技術(shù)體系

隨著互聯(lián)網(wǎng)、物聯(lián)網(wǎng)和云計(jì)算等技術(shù)的快速發(fā)展與普及，21世紀(jì)以來(lái)，全球數(shù)據(jù)呈指數(shù)級(jí)增長(zhǎng)，各式各樣的數(shù)據(jù)如洪水般涌來(lái)，沖擊著社會(huì)發(fā)展的方方面面，大數(shù)據(jù)時(shí)代也隨之到來(lái)[14]。大數(shù)據(jù)從規(guī)模(Volume)、速度(Velocity)、種類(Variety)、真實(shí)(Veracity)和價(jià)值(Value)5個(gè)方面被歸納為具有“5V”特征的數(shù)據(jù)[15]。同時(shí)大數(shù)據(jù)在具備空間地理位置屬性(Location)后就成為空間大數(shù)據(jù)，并可用“L+5V”來(lái)表示其特征[16]。

根據(jù)產(chǎn)生方式，常見的空間大數(shù)據(jù)可分為互聯(lián)網(wǎng)大數(shù)據(jù)、移動(dòng)互聯(lián)網(wǎng)大數(shù)據(jù)、物聯(lián)網(wǎng)大數(shù)據(jù)和新型測(cè)繪大數(shù)據(jù)。這些空間大數(shù)據(jù)普遍存在體量大、種類多、變化快、價(jià)值密度低等特點(diǎn)[8]。處理這些數(shù)據(jù)的技術(shù)和方法，已經(jīng)超出了狹義GIS的范圍，需要面向多源異構(gòu)數(shù)據(jù)的廣義GIS，以接納地理空間大數(shù)據(jù)[17]，進(jìn)而形成了面向空間大數(shù)據(jù)的GIS技術(shù)體系(本文中簡(jiǎn)稱為大數(shù)據(jù)GIS技術(shù))。大數(shù)據(jù)GIS技術(shù)包括空間大數(shù)據(jù)存儲(chǔ)管理、空間大數(shù)據(jù)分析處理、空間大數(shù)據(jù)可視化等核心技術(shù)(圖3)。

圖3 大數(shù)據(jù)GIS技術(shù)體系架構(gòu)

Fig. 3 Architecture of big data GIS technologies

3.1.1 空間大數(shù)據(jù)存儲(chǔ)管理

在空間大數(shù)據(jù)時(shí)代，傳統(tǒng)關(guān)系型數(shù)據(jù)庫(kù)已經(jīng)不能滿足空間大數(shù)據(jù)的存儲(chǔ)和管理需求，需要對(duì)傳統(tǒng)空間數(shù)據(jù)引擎進(jìn)行升級(jí)與擴(kuò)展?；诜植际轿募到y(tǒng)、分布式數(shù)據(jù)庫(kù)發(fā)展的分布式空間數(shù)據(jù)庫(kù)，可以有效提升對(duì)空間大數(shù)據(jù)的存儲(chǔ)和管理能力。代表性的分布式數(shù)據(jù)存儲(chǔ)技術(shù)有Elasticsearch、HDFS、MongoDB、HBase等。其中，基于Elasticsearch的空間數(shù)據(jù)引擎可以實(shí)現(xiàn)對(duì)億級(jí)以上的位置空間數(shù)據(jù)的存儲(chǔ)支持;基于HDFS的空間數(shù)據(jù)引擎(分布式空間文件引擎，Distributed Spatial File，DSF)則適用于億級(jí)記錄的靜態(tài)空間數(shù)據(jù)的存儲(chǔ)與分析;基于MongoDB的空間數(shù)據(jù)引擎可以實(shí)現(xiàn)億級(jí)記錄地圖瓦片存儲(chǔ);基于HBase的空間數(shù)據(jù)引擎可以用于億級(jí)空間數(shù)據(jù)的存儲(chǔ)、管理、分析、可視化等綜合應(yīng)用。

3.1.2 空間大數(shù)據(jù)分析處理

空間大數(shù)據(jù)分析是大數(shù)據(jù)GIS技術(shù)的核心功能，主要用于研究大數(shù)據(jù)的空間位置、空間分布、空間關(guān)系、空間行為、空間過(guò)程等[18]。豐富的算子和強(qiáng)大的算力是空間大數(shù)據(jù)分析的支撐?？臻g大數(shù)據(jù)分析算子包括流式計(jì)算、數(shù)據(jù)匯總、軌跡分析、模式分析、數(shù)據(jù)篩選等，以滿足不同場(chǎng)景的需求。面對(duì)超大體量的空間大數(shù)據(jù)，采用Spark等分布式計(jì)算框架，可以有效提升空間大數(shù)據(jù)分析算子的數(shù)據(jù)挖掘能力。多樣化的空間分析算子結(jié)合強(qiáng)勁的空間大數(shù)據(jù)分析性能可以幫助GIS用戶多個(gè)維度認(rèn)知大數(shù)據(jù)，挖掘更多有價(jià)值的信息。

流式計(jì)算(流式空間大數(shù)據(jù)處理)，是空間大數(shù)據(jù)技術(shù)的重要組成部分。大量包含空間位置的數(shù)據(jù)流需要實(shí)現(xiàn)連續(xù)的數(shù)據(jù)接入、分析處理和結(jié)果的輸出。典型的流數(shù)據(jù)處理算法有路況計(jì)算和地理圍欄等。其中，地理圍欄可以實(shí)時(shí)判斷有哪些目標(biāo)落入圍欄，還可以標(biāo)記目標(biāo)在進(jìn)入、保持和離開圍欄時(shí)的狀態(tài)。實(shí)時(shí)路況計(jì)算是另一種常用的流數(shù)據(jù)處理的算法，通過(guò)接入浮動(dòng)車等位置流數(shù)據(jù)，自動(dòng)計(jì)算路況，其響應(yīng)時(shí)間在分鐘級(jí)即可滿足基本的應(yīng)用要求。

目前主流的流數(shù)據(jù)處理框架有Apache項(xiàng)目的Storm、Flink、Spark Streaming 等。相比前二者 ，Spark Streaming 的顯著優(yōu)勢(shì)是對(duì)流數(shù)據(jù)和存檔數(shù)據(jù)采用統(tǒng)一的彈性分布式數(shù)據(jù)集(Resilient Distributed Dataset，RDD)處理模型。這使得面向批處理的大數(shù)據(jù)分析業(yè)務(wù)和面向流數(shù)據(jù)的處理系統(tǒng)可以在一個(gè)技術(shù)框架內(nèi)完成，簡(jiǎn)化了流數(shù)據(jù)技術(shù)方案。流數(shù)據(jù)的處理架構(gòu)可以參考圖4，在流數(shù)據(jù)計(jì)算框架的基礎(chǔ)上，封裝對(duì)流數(shù)據(jù)的持續(xù)處理能力，一邊持續(xù)流入數(shù)據(jù)，另一邊持續(xù)輸出分析結(jié)果[16]。

圖4 流數(shù)據(jù)處理架構(gòu)

Fig. 4 Architecture of streaming data processing

數(shù)據(jù)匯總是將空間大數(shù)據(jù)按指定的特征進(jìn)行分組，并對(duì)各組中的數(shù)據(jù)進(jìn)行統(tǒng)計(jì)或其它整合操作，得到每組數(shù)據(jù)的匯總結(jié)果。分組特征包括空間地理特征、屬性特征、時(shí)間關(guān)系特征等維度。數(shù)據(jù)匯總是實(shí)現(xiàn)空間大數(shù)據(jù)快速可視化的重要手段。根據(jù)分組方式及整合操作的不同，數(shù)據(jù)匯總可以按照格網(wǎng)匯總、區(qū)域匯總、屬性匯總和軌跡重建等分析方法來(lái)進(jìn)行。

軌跡分析面向具有時(shí)間屬性的點(diǎn)要素或面要素進(jìn)行地圖匹配(道路匹配)、預(yù)處理和軌跡重建等分析。比如軌跡重建，根據(jù)要素的唯一標(biāo)識(shí)確定需要追蹤的要素，再根據(jù)時(shí)間序列追蹤要素，形成軌跡對(duì)象，重建軌跡線。被追蹤的要素，其數(shù)據(jù)類型可以是點(diǎn)數(shù)據(jù)或面數(shù)據(jù)，結(jié)果數(shù)據(jù)類型可以是線數(shù)據(jù)或面數(shù)據(jù)。軌跡重建可以設(shè)置分割距離與分割時(shí)間，用于對(duì)軌跡進(jìn)行邏輯分段。軌跡重建的應(yīng)用場(chǎng)景有：航運(yùn)軌跡、臺(tái)風(fēng)軌跡、海運(yùn)軌跡等。

模式分析是從大量數(shù)據(jù)中分析出事物的運(yùn)行規(guī)律或分布模式，用于輔助決策，包括用于分析交通流量的OD分析、分析事件聚集特征的密度分析與熱點(diǎn)分析等。

數(shù)據(jù)篩選是根據(jù)空間數(shù)據(jù)的位置、時(shí)間、屬性等信息，篩選出符合要求的數(shù)據(jù)，常用的方法包括要素連接、異常檢測(cè)和相似位置篩選。

3.1.3 空間大數(shù)據(jù)可視化

空間大數(shù)據(jù)可視化也是空間大數(shù)據(jù)技術(shù)非常重要的內(nèi)容，是將計(jì)算機(jī)可視化技術(shù)、二維 GIS可視化技術(shù)、三維GIS可視化技術(shù)等相結(jié)合，實(shí)現(xiàn)對(duì)多源、異構(gòu)、海量、動(dòng)態(tài)數(shù)據(jù)的可視化表達(dá)?？臻g大數(shù)據(jù)可視化形式包括熱力圖、矩形格網(wǎng)圖(矢量、柵格)、六邊形格網(wǎng)圖(蜂巢圖)、多邊形格網(wǎng)圖、連線圖(直線OD圖、弧線OD圖)、軌跡圖等(圖5)。這些可視化形式既能以靜態(tài)圖的方式展現(xiàn)，也能以動(dòng)態(tài)的方式展現(xiàn)，既可以在二維方式下展示，也可以在三維方式下展示，以滿足對(duì)不同可視化形式要求。

圖5 空間大數(shù)據(jù)可視化示意

Fig. 5 Sketch map of spatial big data visualization

大數(shù)據(jù)GIS技術(shù)實(shí)現(xiàn)了空間大數(shù)據(jù)的存儲(chǔ)、分析和可視化，形成了一套完整的針對(duì)空間大數(shù)據(jù)應(yīng)用的解決方案。大數(shù)據(jù)GIS技術(shù)除了需要IT大數(shù)據(jù)技術(shù)之外，還需要跨平臺(tái)GIS和分布式GIS技術(shù)作為支撐，跨平臺(tái)GIS技術(shù)讓大數(shù)據(jù)GIS技術(shù)能夠運(yùn)行于Linux、UNIX 操作系統(tǒng)，使得大數(shù)據(jù)GIS的性能得以充分發(fā)揮。分布式GIS技術(shù)為大數(shù)據(jù)GIS技術(shù)提供了彈性可擴(kuò)展的計(jì)算和存儲(chǔ)資源，支持高效能的流數(shù)據(jù)處理、實(shí)時(shí)分析、價(jià)值發(fā)現(xiàn)等任務(wù)。未來(lái)大數(shù)據(jù)GIS技術(shù)將不斷突破系統(tǒng)硬件資源的限制，結(jié)合人工智能GIS等技術(shù)，進(jìn)一步提高空間大數(shù)據(jù)存儲(chǔ)、管理和分析能力，同時(shí)融合更豐富的可視化技術(shù)，形成一套高效的空間大數(shù)據(jù)，實(shí)現(xiàn)其從采集、治理、整合到存儲(chǔ)、分析、發(fā)布等一體化的全流程管理與應(yīng)用。

3.2 人工智能GIS技術(shù)體系

隨著計(jì)算能力的提升，機(jī)器學(xué)習(xí)、深度學(xué)習(xí)等算法得到了進(jìn)一步發(fā)展和應(yīng)用，人工智能(Artificial Intelligence，AI)也日漸成為新一輪科技革命和產(chǎn)業(yè)變革的核心驅(qū)動(dòng)力，基于人工智能的GIS技術(shù)體系(本文中簡(jiǎn)稱為人工智能GIS技術(shù))成為新一代GIS技術(shù)的重要發(fā)展方向[18]。數(shù)據(jù)量、計(jì)算能力、算法模型和應(yīng)用場(chǎng)景是人工智能的主要驅(qū)動(dòng)力，對(duì)于人工智能GIS技術(shù)體系，可相應(yīng)自下而上劃分為數(shù)據(jù)層、領(lǐng)域庫(kù)、框架層和功能層四大部分[11]，如圖6所示。最底層為數(shù)據(jù)層，既包括遙感影像這樣的文件型數(shù)據(jù)，也包括關(guān)系型數(shù)據(jù)以及大數(shù)據(jù)場(chǎng)景下使用較多的NoSQL數(shù)據(jù)。數(shù)據(jù)層之上為領(lǐng)域庫(kù)，是指聚焦于地理空間信息領(lǐng)域，面向AI技術(shù)中較為基礎(chǔ)和重要的樣本和模型2個(gè)方面開展建設(shè)，不斷豐富各類地理空間數(shù)據(jù)樣本和模型。舉例來(lái)說(shuō)，面向基于深度學(xué)習(xí)的遙感影像分析任務(wù)，可以細(xì)分為場(chǎng)景分類、目標(biāo)檢測(cè)、分割等幾類功能，針對(duì)不同功能開展相關(guān)樣本收集積累和模型訓(xùn)練，不斷迭代更新完善。在框架層中，需要通過(guò)合理的抽象和封裝兼容多種AI框架，既可以避免重復(fù)性研發(fā)工作，又可以高效地與最新算法和模型研究成果進(jìn)行融合。最上面的功能層即具體提供出來(lái)的人工智能GIS技術(shù)能力，是人工智能GIS技術(shù)體系的主體，包括三大核心內(nèi)容：GeoAI(人工智能GIS算子)、AI賦能GIS(AI for GIS)和GIS賦能AI(GIS for AI)。

圖6 人工智能GIS技術(shù)體系架構(gòu)

Fig. 6 Architecture of AI GIS technologies

3.2.1 GeoAI

GeoAI算子以數(shù)據(jù)準(zhǔn)備、模型訓(xùn)練和模型應(yīng)用的完整流程工具為基礎(chǔ)實(shí)現(xiàn)。當(dāng)前AI技術(shù)已經(jīng)完成了從統(tǒng)計(jì)學(xué)向機(jī)器學(xué)習(xí)的進(jìn)化，并不斷向深度學(xué)習(xí)推進(jìn)。因此GeoAI算子主要包含空間機(jī)器學(xué)習(xí)和空間深度學(xué)習(xí)2個(gè)部分?？臻g機(jī)器學(xué)習(xí)包含聚類、分類和回歸等多種分析，形成了包括空間熱點(diǎn)、空間密度聚類、決策樹分類、決策樹回歸、基于森林的回歸等一系列空間機(jī)器學(xué)習(xí)算子(圖7)，在城市治理，土地利用和生態(tài)恢復(fù)等場(chǎng)景中得到了廣泛應(yīng)用。

圖7 部分空間機(jī)器學(xué)習(xí)算子

Fig. 7 Some operators of geospatial machine learning

空間深度學(xué)習(xí)則以卷積神經(jīng)網(wǎng)絡(luò)(Convolutional Neural Network，CNN)和圖神經(jīng)網(wǎng)絡(luò)(Graph Neural Network，GNN)為代表，對(duì)GIS中圖片數(shù)據(jù)、影像數(shù)據(jù)、時(shí)空數(shù)據(jù)和三維數(shù)據(jù)等進(jìn)行處理，實(shí)現(xiàn)了包括建筑物底面提取、地物分類、二元分類、場(chǎng)景分類，目標(biāo)檢測(cè)，對(duì)象提取、圖時(shí)空回歸等空間深度學(xué)習(xí)算子(圖8)，廣泛應(yīng)用于遙感影像分析、道路和建筑物提取、氣象建模、交通流預(yù)測(cè)等場(chǎng)景[20-24]。隨著語(yǔ)義分割，實(shí)例分割等新技術(shù)的持續(xù)融入，空間深度學(xué)習(xí)的效率和準(zhǔn)確性正不斷被提高。

圖8 部分空間深度學(xué)習(xí)算子

Fig. 8 Some operators of geospatial deep learning

3.2.2 AI賦能GIS

AI賦能GIS即基于AI技術(shù)，增強(qiáng)和優(yōu)化GIS軟件功能和用戶體驗(yàn)，體現(xiàn)在融合AI的增強(qiáng)現(xiàn)實(shí)(Augmented Reality，AR)、屬性采集、測(cè)圖、配圖、交互等方面。通過(guò)AI智能識(shí)別和AR可視化，能達(dá)到信息實(shí)時(shí)虛擬化的展示效果;利用目標(biāo)檢測(cè)和分類技術(shù)可以減少GIS數(shù)據(jù)采集耗時(shí);基于SLAM框架和IMU融合技術(shù)的視覺(jué)慣性系統(tǒng) (Visual- InertialSystem，VINS)[25]，可以在沒(méi)有衛(wèi)星定位信號(hào)的室內(nèi)環(huán)境中實(shí)現(xiàn)定位(圖9)，進(jìn)而實(shí)現(xiàn)基于AI+AR的室內(nèi)導(dǎo)航，并可進(jìn)行非專業(yè)測(cè)繪要求的室內(nèi)測(cè)圖(圖10)，其直接測(cè)圖精度在小范圍最高可達(dá)厘米級(jí)，通過(guò)控制點(diǎn)等輔助方式可實(shí)現(xiàn)大范圍厘米級(jí)精度測(cè)圖，對(duì)測(cè)圖硬件設(shè)備要求也較低(一部支持AR技術(shù)的手機(jī)即可)，可應(yīng)用于商城、地鐵、停車場(chǎng)、辦公樓、地下空間等環(huán)境的快速室內(nèi)測(cè)圖，降低室內(nèi)測(cè)圖成本;使用機(jī)器學(xué)習(xí)聚類算法可實(shí)現(xiàn)自動(dòng)化配圖;基于AI語(yǔ)音識(shí)別和手勢(shì)識(shí)別技術(shù)可簡(jiǎn)化GIS軟件交互流程。這些都是AI賦能GIS的體現(xiàn)，有效地提升了GIS軟件的智能化水平。

圖9 基于AI+AR的室內(nèi)定位

Fig. 9 Indoor positioning based on AI and AR

圖10 基于AI+AR的室內(nèi)測(cè)圖

Fig. 10 Indoor cartograph based on AI and AR

3.2.3 GIS賦能AI

GIS賦能AI即基于GIS技術(shù)，將AI分析結(jié)果進(jìn)行空間可視化和進(jìn)一步空間分析，讓AI技術(shù)發(fā)揮更大的作用。GIS能夠提供熱力圖、聚合圖等多種可視化的地圖展示效果來(lái)對(duì)AI分析結(jié)果進(jìn)行表達(dá)，協(xié)助用戶掌握整體空間信息?；贕IS的空間分析功能，則可以利用空間實(shí)體間存在的多種空間聯(lián)系，建立視頻空間和真實(shí)地理空間的映射，進(jìn)一步挖掘視頻數(shù)據(jù)的深層隱含信息，被廣泛應(yīng)用于行人和機(jī)動(dòng)車違章檢測(cè)、目標(biāo)車輛追蹤等場(chǎng)景。

隨著人工智能技術(shù)的飛速發(fā)展，GIS與人工智能從數(shù)據(jù)、模型到應(yīng)用等多個(gè)方面進(jìn)行了融合：人工智能為GIS注入智能化基因，提高了效率，降低了成本;GIS則為人工智能提供了可視化窗口和空間分析能力。二者相互賦能，在自然資源、智慧城市、農(nóng)林、水利、交通、環(huán)保等方面已經(jīng)得到了應(yīng)用。在人工智能技術(shù)不斷深入和完善過(guò)程中，人工智能GIS技術(shù)也將為GIS產(chǎn)業(yè)創(chuàng)造更大價(jià)值。

3.3 新一代三維GIS技術(shù)體系

自2004年Google Earth發(fā)布以來(lái)，三維GIS得到業(yè)界廣泛關(guān)注[26]。隨后，業(yè)界出現(xiàn)了大量基于開源三維渲染引擎的三維GIS軟件，但隨著該技術(shù)的推廣，潛在弊端也逐漸顯現(xiàn)，即該類型產(chǎn)品側(cè)重于三維可視化，無(wú)法滿足GIS行業(yè)的深度應(yīng)用。2009年，北京超圖軟件股份有限公司(SuperMap Software Co.,Ltd.，簡(jiǎn)稱超圖軟件)推出了國(guó)內(nèi)外首款二三維一體化GIS平臺(tái)軟件，將二維和三維在數(shù)據(jù)模型、數(shù)據(jù)存儲(chǔ)與管理、可視化與空間分析、軟件形態(tài)等層面實(shí)現(xiàn)了一體化，以解決三維GIS系統(tǒng)不實(shí)用的問(wèn)題[27]。自2009起，經(jīng)過(guò)十余年發(fā)展，新一代三維GIS技術(shù)推出了更豐富的三維數(shù)據(jù)模型，并結(jié)合先進(jìn)IT技術(shù)不斷豐富其內(nèi)涵，產(chǎn)生了由二三維一體化數(shù)據(jù)模型、二三維一體化GIS技術(shù)、多源三維數(shù)據(jù)融合技術(shù)、三維空間數(shù)據(jù)標(biāo)準(zhǔn)和三維交互與輸出技術(shù)組成的新一代三維GIS技術(shù)體系，如圖11所示。

圖11 新一代三維GIS技術(shù)體系架構(gòu)

Fig. 11 Architecture of new 3D GIS technologies

3.3.1 二三維一體化數(shù)據(jù)模型

二三維一體化數(shù)據(jù)模型有效解決了三維空間表達(dá)和分析的難題，完成了從二維點(diǎn)、線、面到三維體;從二維網(wǎng)絡(luò)到三維網(wǎng)絡(luò);從不規(guī)則三角網(wǎng)(Triangulated Irregular Network，TIN)到不規(guī)則四面體網(wǎng)格(Tetrahedralized Irregular Mesh，TIM)(圖 12);從柵格(Grid)到體元柵格(Voxel Grid)的升級(jí)與拓展(圖13)。2018年超圖軟件率先在SuperMap GIS基礎(chǔ)軟件中提出并實(shí)現(xiàn)了TIM和體元柵格，最終完成了空間數(shù)據(jù)模型從二維到三維全面升維[28]。形成了涵蓋離散對(duì)象、連續(xù)空間、鏈接網(wǎng)絡(luò)的完整的空間數(shù)據(jù)模型體系，使得新一代三維GIS技術(shù)具有對(duì)現(xiàn)實(shí)世界全空間表達(dá)的能力。

圖12 TIN升級(jí)到TIM

Fig. 12 From TIN to TIM

圖13 Grid升級(jí)到Voxel Grid

Fig. 13 From Grid to Voxel Grid

3.3.2 二三維一體化GIS技術(shù)

二三維一體化GIS技術(shù)主要是指數(shù)據(jù)存儲(chǔ)一體化、分析功能一體化和軟件形態(tài)一體化等關(guān)鍵技術(shù)。其中一體化的空間數(shù)據(jù)存儲(chǔ)與管理，解決了二維數(shù)據(jù)、三維數(shù)據(jù)分別存儲(chǔ)的問(wèn)題，實(shí)現(xiàn)一份數(shù)據(jù)既可供二維使用，也可供三維使用。分析功能一體化不僅讓二維分析的結(jié)果在三維場(chǎng)景中展示成為可能，還支持三維空間運(yùn)算、三維空間關(guān)系判斷、三維空間分析、降維計(jì)算、三維網(wǎng)絡(luò)分析和三維量算等三維場(chǎng)景的分析功能。軟件形態(tài)一體化則指從GIS服務(wù)器到桌面端、瀏覽器端、移動(dòng)端的跨平臺(tái)三維支持。通過(guò)二三維一體化技術(shù)，實(shí)現(xiàn)了一份數(shù)據(jù)在一套軟件中，可以根據(jù)需要進(jìn)行二維、三維的分析和可視化等能力。

3.3.3 多源三維數(shù)據(jù)融合技術(shù)

隨著數(shù)據(jù)采集技術(shù)的迅速發(fā)展，不同來(lái)源、不同類型的空間三維數(shù)據(jù)的高效融合成為一大挑戰(zhàn)。對(duì)新興的傾斜攝影模型、BIM、激光點(diǎn)云、三維場(chǎng)等三維數(shù)據(jù)與傳統(tǒng)的影像、矢量、地形、精模、地下管線等多源數(shù)據(jù)的無(wú)縫融合是新一代三維GIS技術(shù)的關(guān)鍵技術(shù)之一，如融合傾斜攝影和激光點(diǎn)云，大幅提升了三維GIS數(shù)據(jù)采集與生產(chǎn)效率，增強(qiáng)并提高了三維場(chǎng)景的真實(shí)感與精度;融合BIM實(shí)現(xiàn)了室內(nèi)外一體化的無(wú)縫銜接等。多源數(shù)據(jù)的融合匹配可以有效降低GIS應(yīng)用系統(tǒng)的建設(shè)成本、提高空間數(shù)據(jù)的使用效率。

3.3.4 三維空間數(shù)據(jù)標(biāo)準(zhǔn)

隨著三維GIS的廣泛應(yīng)用，提供統(tǒng)一的三維數(shù)據(jù)標(biāo)準(zhǔn)及規(guī)范，對(duì)三維數(shù)據(jù)共享和互操作的支持成為廣大三維GIS用戶日益迫切的需求。目前，新一代三維GIS技術(shù)在國(guó)家《地理空間數(shù)據(jù)庫(kù)訪問(wèn)接口標(biāo)準(zhǔn)》(Open Geospatial Database Connectivity，OGDC)[29]的基礎(chǔ)上已經(jīng)實(shí)現(xiàn)了三維數(shù)據(jù)讀寫訪問(wèn)接口的擴(kuò)展，為多源異構(gòu)三維數(shù)據(jù)提供了統(tǒng)一的入口;同時(shí)，隨著《空間三維模型數(shù)據(jù)格式》(Spatial 3D Model，S3M) [30]以及《空間三維模型數(shù)據(jù)服務(wù)接口》[31]等團(tuán)體標(biāo)準(zhǔn)的發(fā)布，將更進(jìn)一步推動(dòng)傾斜攝影模型、激光點(diǎn)云、BIM、三維場(chǎng)等多源異構(gòu)的三維數(shù)據(jù)融合以及多種軟硬件環(huán)境的兼容，打通數(shù)據(jù)隔閡，實(shí)現(xiàn)三維地理空間數(shù)據(jù)的共享和深入應(yīng)用[32]。

3.3.5 三維交互與輸出新技術(shù)

新一代三維GIS技術(shù)集成了WebGL、VR、AR、AI、3D打印等IT新技術(shù)[33]，為用戶帶來(lái)更便捷、更真實(shí)的三維體驗(yàn)。其中，游戲引擎與GIS的跨界融合，一方面可以賦能游戲開發(fā)者，可使用真實(shí)的地理空間數(shù)據(jù)開發(fā)游戲，另一方面可在數(shù)字孿生城市等三維GIS應(yīng)用場(chǎng)景中，采用GIS軟件提供后臺(tái)數(shù)據(jù)與空間分析服務(wù)，游戲引擎在前端提供可視化與交互能力，大幅提升三維GIS應(yīng)用的可視化效果。

新一代三維GIS技術(shù)實(shí)現(xiàn)了數(shù)據(jù)模型、場(chǎng)景構(gòu)建、空間分析和軟件形態(tài)的二三維一體化，更全面地融合傾斜攝影模型、激光點(diǎn)云、BIM、三維場(chǎng)等多源異構(gòu)數(shù)據(jù)，基于分布式的處理工具實(shí)現(xiàn)實(shí)景三維數(shù)據(jù)的高效全流程管理，并集成IT新技術(shù)帶來(lái)更友好、更便捷的三維體驗(yàn)。在新型智慧城市、數(shù)字孿生建設(shè)等需求的推動(dòng)下，新一代三維GIS技術(shù)將在標(biāo)準(zhǔn)化建設(shè)、海量數(shù)據(jù)加載、處理以及可視化等方面取得長(zhǎng)足的發(fā)展。

3.4 分布式GIS技術(shù)體系

當(dāng)前，隨著地理空間數(shù)據(jù)的數(shù)據(jù)量爆炸式增長(zhǎng)，GIS軟件技術(shù)及應(yīng)用面臨數(shù)據(jù)密集、計(jì)算密集、并發(fā)密集和時(shí)空密集四大挑戰(zhàn)[34]，傳統(tǒng)GIS軟件已很難應(yīng)對(duì)這些挑戰(zhàn)，迫切需要通過(guò)分布式技術(shù)來(lái)突破超大規(guī)模時(shí)空數(shù)據(jù)和服務(wù)管理，以滿足各類用戶對(duì)超大規(guī)模時(shí)空數(shù)據(jù)高效管理和高性能計(jì)算的實(shí)際應(yīng)用需求。分布式GIS技術(shù)是指利用多機(jī)分布式協(xié)同技術(shù)和計(jì)算資源的橫向擴(kuò)展能力，集群完成大量并發(fā)任務(wù)，或分解完成單一復(fù)雜任務(wù)的GIS技術(shù)。分布式GIS技術(shù)是GIS技術(shù)重要的發(fā)展方向和信息技術(shù)升級(jí)換代的必然要求。分布式GIS技術(shù)體系如圖14所示。

圖14 分布式GIS技術(shù)體系架構(gòu)

Fig. 14 Architecture of distributed GIS technologies

3.4.1 分布式空間數(shù)據(jù)存儲(chǔ)與管理

數(shù)據(jù)庫(kù)管理系統(tǒng)起初都是單機(jī)形式，隨著在線業(yè)務(wù)的蓬勃發(fā)展，很多系統(tǒng)都面臨處理高并發(fā)、大數(shù)據(jù)量、超高峰值等挑戰(zhàn)，數(shù)據(jù)庫(kù)開始了分布式之旅。分布式空間數(shù)據(jù)庫(kù)主要解決海量時(shí)空數(shù)據(jù)的存儲(chǔ)、查詢和分析等的需求，重點(diǎn)應(yīng)對(duì)擴(kuò)展性、高可用等挑戰(zhàn)[35]。

利用分布式存儲(chǔ)技術(shù)建立統(tǒng)一的數(shù)據(jù)管理引擎，包括分布式空間文件管理系統(tǒng)(HDFS等)、分布式SQL數(shù)據(jù)庫(kù)(Oracle、Postgres-XL等)和分布式NoSQL數(shù)據(jù)庫(kù)(HBase、MongoDB、Elasticsearch等)，并提供統(tǒng)一的管理接口，從而支持對(duì)TB級(jí)和PB級(jí)規(guī)?？臻g數(shù)據(jù)的存儲(chǔ)和管理。通過(guò)分布式空間數(shù)據(jù)引擎，不同存儲(chǔ)格式下的空間數(shù)據(jù)分別通過(guò)不同的數(shù)據(jù)引擎被快速訪問(wèn)和查詢，并通過(guò)統(tǒng)一的一體化模型進(jìn)行使用，同時(shí)分布式空間數(shù)據(jù)引擎突破了存儲(chǔ)容量的限制，解決了海量數(shù)據(jù)的存儲(chǔ)、管理問(wèn)題。

3.4.2 空間區(qū)塊鏈技術(shù)

區(qū)塊鏈?zhǔn)且环N分布式的數(shù)據(jù)存儲(chǔ)方式，由一串使用密碼學(xué)方法產(chǎn)生的數(shù)據(jù)存儲(chǔ)結(jié)構(gòu)組成，每一個(gè)區(qū)塊都包含上一個(gè)區(qū)塊的哈希值，從創(chuàng)世區(qū)塊開始連接到當(dāng)前區(qū)塊，形成區(qū)塊鏈，每一個(gè)區(qū)塊都確保按照時(shí)間順序在上一個(gè)區(qū)塊之后產(chǎn)生，否則無(wú)法得到前一個(gè)區(qū)塊的哈希值[36]，如果要篡改某一個(gè)區(qū)塊的數(shù)據(jù)，就需要修改這個(gè)區(qū)塊后續(xù)所有區(qū)塊的數(shù)據(jù)(圖15)，同時(shí)由于區(qū)塊鏈在多個(gè)分布式節(jié)點(diǎn)上重復(fù)存儲(chǔ)多份，還需要修改其他節(jié)點(diǎn)所有相關(guān)的數(shù)據(jù)，才能完成數(shù)據(jù)的篡改，這使得區(qū)塊鏈上的惡意篡改變得非常困難。

圖15 篡改區(qū)塊鏈數(shù)據(jù)過(guò)程示意

Fig. 15 Process diagram of tampering with blockchain data

為了實(shí)現(xiàn)安全、可追溯、高可信等特點(diǎn)，區(qū)塊鏈存儲(chǔ)會(huì)導(dǎo)致性能降低，以及空間膨脹。因此，一般僅僅把需要保護(hù)的關(guān)鍵數(shù)據(jù)上鏈管理即可，盡可能避免把所有空間數(shù)據(jù)上鏈管理。

空間區(qū)塊鏈采用“鏈內(nèi)存儲(chǔ)和IPFS鏈外擴(kuò)展”并行的方式，設(shè)定數(shù)據(jù)量閾值，低于閾值采用直接上鏈存儲(chǔ)，高于閾值時(shí)，將使用星際文件系統(tǒng)(InterPlanetary File System，IPFS)進(jìn)行鏈外存儲(chǔ)，將數(shù)據(jù)寫入IPFS網(wǎng)絡(luò)，并將返回的哈希值存儲(chǔ)到區(qū)塊鏈中。其中，IFPS主要用來(lái)存儲(chǔ)大規(guī)模的空間數(shù)據(jù)和非結(jié)構(gòu)化文件數(shù)據(jù)，與區(qū)塊鏈技術(shù)類似，也是一種去中心化的存儲(chǔ)方式，通過(guò)文件內(nèi)容生成獨(dú)立哈希值來(lái)表示文件，然后上鏈存儲(chǔ)，這樣既節(jié)約了存儲(chǔ)空間，又降低了存儲(chǔ)成本，還能夠提高空間數(shù)據(jù)的訪問(wèn)性能。

3.4.3 分布式空間數(shù)據(jù)分析與處理

Spark是目前使用最廣泛的分布式計(jì)算架構(gòu)，但其本身不具備空間分析計(jì)算能力，為了實(shí)現(xiàn)對(duì)海量空間數(shù)據(jù)的分析與處理能力，需要將GIS基礎(chǔ)內(nèi)核與Spark架構(gòu)進(jìn)行融合，構(gòu)建空間大數(shù)據(jù)分析引擎。首先通過(guò)拓展Spark的基礎(chǔ)數(shù)據(jù)模型(RDD/DataFrame)，實(shí)現(xiàn)其對(duì)點(diǎn)、線、面等多源空間數(shù)據(jù)的支持;并擴(kuò)展Spark對(duì)空間索引的支持，提高性能優(yōu)化能力;同時(shí)重構(gòu)GIS軟件已有的分析處理算法使其具有分布式計(jì)算的能力，構(gòu)建分布式的空間數(shù)據(jù)分析與處理模型，包括經(jīng)典的矢量和柵格數(shù)據(jù)分析、空間大數(shù)據(jù)分析(熱點(diǎn)分析、聚合分析等)、GeoAI分析算法(空間聚類分析、回歸分析等)以及三維數(shù)據(jù)分析(挖洞分析、鑲嵌分析等)，拓展GIS軟件對(duì)多源異構(gòu)數(shù)據(jù)的分析能力，實(shí)現(xiàn)從時(shí)間、空間、屬性多個(gè)維度進(jìn)行數(shù)據(jù)挖掘;另外，提供多類別GIS空間分析算子編排協(xié)同的地理處理(Geoprocessing，GP)工具，將GIS空間分析任務(wù)的拆分、執(zhí)行與Spark的任務(wù)調(diào)度模型實(shí)現(xiàn)深度融合，進(jìn)一步提升GIS軟件的計(jì)算和應(yīng)用能力。通過(guò)分布式改造，傳統(tǒng)的空間分析效率，相比單機(jī)的空間分析，都有數(shù)量級(jí)的提升，部分測(cè)試對(duì)比結(jié)果如表1所示。其中，單機(jī)分析計(jì)算環(huán)境為4核16GB內(nèi)存;分布式分析計(jì)算環(huán)境為6節(jié)點(diǎn)，每個(gè)節(jié)點(diǎn)與單機(jī)分析計(jì)算環(huán)境相同。

3.4.4 云原生GIS技術(shù)

云原生是原生面向云設(shè)計(jì)軟件的一種思想理念，是充分發(fā)揮云效能的最佳實(shí)踐路徑，有利于各組織在公有云、私有云和混合云等新型動(dòng)態(tài)環(huán)境中，構(gòu)建和運(yùn)行可彈性擴(kuò)展的應(yīng)用[37]。云原生GIS則是原生為云設(shè)計(jì)的GIS軟件技術(shù)，包括GIS微服務(wù)、GIS容器化部署、GIS自動(dòng)編排等內(nèi)容。

其中GIS微服務(wù)就是把傳統(tǒng)復(fù)雜的單體WebGIS軟件拆分為可獨(dú)立運(yùn)行的若干個(gè)服務(wù)模塊，每個(gè)服務(wù)模塊專注單一的功能，如數(shù)據(jù)目錄服務(wù)、地圖服務(wù)等，并可以實(shí)現(xiàn)獨(dú)立編排和部署。GIS容器化部署是指GIS的部署方式從虛擬機(jī)變?yōu)槿萜?，利用容器化技術(shù)將拆分的GIS微服務(wù)制作成Docker鏡像存入鏡像倉(cāng)庫(kù)，部署時(shí)直接拉取鏡像形成容器，通過(guò)容器運(yùn)行的方式提供服務(wù)。GIS自動(dòng)編排是指在部署過(guò)程中，利用Kubernetes作為微服務(wù)的管理工具，提供GIS容器的自動(dòng)化編排，可以快速地部署多節(jié)點(diǎn)GIS環(huán)境，并且根據(jù)訪問(wèn)壓力實(shí)現(xiàn)基于微服務(wù)的資源彈性伸縮能力和故障恢復(fù)能力。

通過(guò)云原生GIS技術(shù)，降低了資源的消耗，提高了資源的利用率，并實(shí)現(xiàn)了故障隔離，從而大幅提高系統(tǒng)穩(wěn)定性，還可以實(shí)現(xiàn)服務(wù)的自動(dòng)化管理與運(yùn)維。

3.4.5 邊緣GIS技術(shù)

GIS應(yīng)用需要消耗大量的帶寬和計(jì)算資源，當(dāng)出現(xiàn)大量并發(fā)應(yīng)用時(shí)，就會(huì)出現(xiàn)帶寬不足、計(jì)算延遲等問(wèn)題，在借鑒邊緣計(jì)算和互聯(lián)網(wǎng)CDN(ContentDelivery Network)的思想后[38]，SuperMap GIS提出了邊緣 GIS 技術(shù)。在靠近GIS云中心的網(wǎng)絡(luò)邊緣側(cè)，就近提供低延時(shí)的服務(wù)(圖16)，同時(shí)利用邊緣計(jì)算能力，提供更快的計(jì)算響應(yīng)，滿足行業(yè)數(shù)字化在敏捷聯(lián)接、實(shí)時(shí)業(yè)務(wù)、數(shù)據(jù)優(yōu)化、應(yīng)用智能、安全與隱私保護(hù)等方面的關(guān)鍵需求[39]。除了在數(shù)據(jù)處理上的高效率，在服務(wù)聚合、空間數(shù)據(jù)分發(fā)方面，邊緣GIS技術(shù)都能很好地提升系統(tǒng)工作效率，緩解帶寬壓力和云中心的計(jì)算壓力，降低時(shí)間與資源消耗，提升系統(tǒng)整體性能。

圖16 邊緣節(jié)點(diǎn)與云中心分布式協(xié)同

Fig. 16 Distributed collaboration between edge node and cloud center

分布式GIS技術(shù)突破了傳統(tǒng)GIS軟件在數(shù)據(jù)管理處理、數(shù)據(jù)安全和性能方面的瓶頸，實(shí)現(xiàn)了GIS在高可用、高并發(fā)、高彈性、高性能、大容量、高可信(簡(jiǎn)稱“五高一大”)等方面的重大突破，構(gòu)建起GIS云邊端一體化的分布式協(xié)同應(yīng)用新模式。

3.5 跨平臺(tái)GIS技術(shù)體系

隨著WebGIS的興起，GIS功能重心從客戶端轉(zhuǎn)移到服務(wù)器側(cè)，鑒于服務(wù)器操作系統(tǒng)中除Windows外，Linux也有大量份額，因此GIS軟件跨操作系統(tǒng)成為一種新的趨勢(shì)，2001年超圖軟件啟動(dòng)了跨平臺(tái)GIS軟件技術(shù)的研究與開發(fā)。

考慮到GIS屬于計(jì)算密集型應(yīng)用，跨平臺(tái)GIS技術(shù)內(nèi)核采用了性能最高但也最復(fù)雜的 C++技術(shù)路線，利用C++語(yǔ)言一次編寫、多平臺(tái)編譯的特點(diǎn)，實(shí)現(xiàn)了支持多種CPU、操作系統(tǒng)和數(shù)據(jù)庫(kù)的高性能、原生的跨平臺(tái)GIS技術(shù)。支持x86、ARM、MIPS、OpenPower、SW-64等多種CPU架構(gòu);支持Windows、Linux、UNIX等PC和服務(wù)器操作系統(tǒng)以及Android、iOS等移動(dòng)操作系統(tǒng);并基于Oracle、PostgreSQL、HBase、華為GaussDB、阿里PolarDB等多種商用或開源數(shù)據(jù)庫(kù)實(shí)現(xiàn)了統(tǒng)一接口的空間數(shù)據(jù)引擎。

跨平臺(tái)GIS技術(shù)從開始研發(fā)到產(chǎn)品全面成熟并面向市場(chǎng)經(jīng)歷了十幾年的時(shí)間，這其中最主要的原因就是跨平臺(tái)技術(shù)存在很多技術(shù)難點(diǎn)。比如需要解決因異構(gòu)硬件平臺(tái)(如不同架構(gòu)CPU，字節(jié)序處理方式不同等)帶來(lái)的問(wèn)題;為了滿足上層應(yīng)用對(duì)不同開發(fā)環(huán)境的需求，要針對(duì)不同的開發(fā)語(yǔ)言進(jìn)行相應(yīng)的封裝，對(duì)Java進(jìn)行支撐時(shí)，需要通過(guò)JNI技術(shù)對(duì)C++內(nèi)核進(jìn)行封裝，實(shí)現(xiàn)Java語(yǔ)言對(duì)C++功能的調(diào)用;基于Java Swing圖形界面技術(shù)構(gòu)建標(biāo)準(zhǔn)工具條，需實(shí)現(xiàn)界面布局，屏蔽不同操作系統(tǒng)間的可視化差異[40];利用同樣的技術(shù)思路，實(shí)現(xiàn)對(duì)Python、.NET等其他語(yǔ)言環(huán)境等支持。

基于跨平臺(tái)GIS技術(shù)，在政府和企業(yè)的信息化建設(shè)需要多種基礎(chǔ)運(yùn)行環(huán)境時(shí)，GIS軟件可快速實(shí)現(xiàn)對(duì)各類CPU(如華為鯤鵬、龍芯、飛騰等)和操作系統(tǒng)(如中標(biāo)麒麟、銀河麒麟、統(tǒng)信UOS等)的適配(圖17)，實(shí)現(xiàn)跨終端、跨系統(tǒng)、跨環(huán)境的高性能GIS應(yīng)用，為信息化建設(shè)的安全提供保障。

圖17 跨平臺(tái)GIS支持的部分軟硬件環(huán)境

Fig. 17 Software and hardware environments supported by cross-platform GIS

跨平臺(tái)GIS技術(shù)作為基礎(chǔ)支撐技術(shù)，與分布式GIS技術(shù)、大數(shù)據(jù)GIS技術(shù)、人工智能GIS技術(shù)和新一代三維GIS技術(shù)等新技術(shù)進(jìn)行深度融合，比如在跨平臺(tái)GIS技術(shù)的支撐下，新一代三維GIS技術(shù)可以在Windows、Linux、Android、iOS等多種操作系統(tǒng)下實(shí)現(xiàn)三維場(chǎng)景的高性能渲染，完成場(chǎng)景的調(diào)度、裁剪控制、資源管理、繪制等，同時(shí)結(jié)合WebGL技術(shù)，實(shí)現(xiàn)無(wú)插件、跨平臺(tái)、跨終端、跨瀏覽器的Web三維應(yīng)用。跨平臺(tái)GIS技術(shù)也會(huì)根據(jù)技術(shù)發(fā)展和應(yīng)用需求的變化，不斷實(shí)現(xiàn)對(duì)新的軟硬件環(huán)境的支撐和應(yīng)用。

4 結(jié)論與展望

結(jié)合未來(lái)發(fā)展趨勢(shì)，本文將GIS技術(shù)分為五大體系。大數(shù)據(jù)GIS技術(shù)是底層支撐，深度挖掘空間大數(shù)據(jù)價(jià)值。人工智能GIS技術(shù)賦能地理智慧，為GIS帶來(lái)了智能化的產(chǎn)業(yè)變革。新一代三維GIS技術(shù)提供了全空間表達(dá)、真三維分析計(jì)算，以及結(jié)合游戲引擎實(shí)現(xiàn)的生動(dòng)視覺(jué)體驗(yàn)。分布式GIS技術(shù)將為GIS技術(shù)帶來(lái)更高效、更彈性、更穩(wěn)定等方面的能力?？缙脚_(tái)GIS技術(shù)則使得GIS基礎(chǔ)軟件技術(shù)安全性、擴(kuò)展性、創(chuàng)新性得以保障。這五大技術(shù)體系對(duì)前沿技術(shù)與GIS行業(yè)進(jìn)行了深度融合，使得GIS技術(shù)與時(shí)俱進(jìn)，能夠切實(shí)滿足用戶多樣化的空間信息需求。

根據(jù)技術(shù)所處不同應(yīng)用階段，繪制了GIS軟件技術(shù)成熟度曲線(光環(huán)曲線)(圖18)，五大技術(shù)體系分別處于不同的位置。

圖18 GIS軟件技術(shù)成熟度(光環(huán)曲線)

Fig. 18 GIS software technology maturity (Hype Cycle)

(1)跨平臺(tái)GIS技術(shù)已入成熟期，目前已廣泛支持多種操作系統(tǒng)和CPU，正在得到廣泛應(yīng)用;

(2)新一代三維GIS技術(shù)正在從復(fù)蘇期向成熟期轉(zhuǎn)移，未來(lái)將在三維空間分析和三維可視化效果等方面繼續(xù)完善，并將在實(shí)景三維中國(guó)、自然資源三維立體一張圖、CIM等領(lǐng)域得到廣泛和深入應(yīng)用;

(3)分布式GIS技術(shù)已度過(guò)低谷期，處于復(fù)蘇期，技術(shù)和產(chǎn)品正在逐步成熟和完善，正在有越來(lái)越多領(lǐng)域得到應(yīng)用，未來(lái)將成為大型系統(tǒng)的基礎(chǔ)支撐技術(shù);

(4)大數(shù)據(jù)GIS技術(shù)正在從低谷期轉(zhuǎn)入復(fù)蘇期，隨著技術(shù)的成熟和完善，應(yīng)用將會(huì)逐步推廣;

(5)人工智能GIS技術(shù)正從過(guò)熱期滑向低谷期，經(jīng)過(guò)最近兩三年的宣傳，應(yīng)用單位的期望高于技術(shù)成熟度，能否盡快度過(guò)低谷期，取決于未來(lái)技術(shù)發(fā)展的速度，進(jìn)入成熟應(yīng)用還有待時(shí)日。

GIS技術(shù)體系由四大技術(shù)體系發(fā)展到五大技術(shù)體系，也只是GIS發(fā)展應(yīng)用過(guò)程中的一個(gè)階段性成果，在應(yīng)用需求的牽引和IT技術(shù)的推動(dòng)下，未來(lái)GIS技術(shù)體系還將會(huì)不斷的演化和進(jìn)步，出現(xiàn)更多GIS技術(shù)的創(chuàng)新。