IT技术进展与GIS发展展望-2018

IT技术进展与GIS发展展望-2018

    近年来，IT技术取得了大量的突破性进展，主要包括六个方面，即大数据、GPU与XR、持续交付、区块链、人工智能、物联网等，而云计算作为已经大量使用的计算基础设施，将会加速上述新技术的发展。GIS技术建立在IT技术基础之上，IT技术的进展也必将推动GIS进入一个新的发展时期。下面具体说明：

1、Big-Data：大数据技术进入广泛应用阶段。

    大数据技术主要解决数据层、模型层、应用层的大规模计算问题。以Apache Hadoop/Spark为主的大数据软件生态已经成熟而且占据了大数据技术的主流，已经大量用于生产级应用。2017年Spark推出了2.X版本，增强实现了DataFrame、Streaming、ML（机器学习）等重要模块，超图软件在此基础上扩展了空间数据的支持和空间分析、流数据处理、时空可视化模块，将GIS从单机时代推进到了大型集群时代，并进一步开发了桌面GIS、移动GIS、WebGIS等软件。大数据GIS平台已经成型，未来将进一步体系化、框架化，提高易用性，包括桌面、移动端和Web端App可以面向终端用户，实现开箱即用。同时，随着大数据应用的发展，需要持续培养大数据人才队伍，包括Linux和Hadoop、Spark等Apache技术栈开发、测试、实施、设计、运维、支持高级人才，加强宣传、培训和技术支持能力建设。

2、三维技术：实时分析、实时视觉与VR-AR-MR发展。

    GPU（图形处理单元）/VR（虚拟现实）技术主要解决虚拟化、可视化、3D交互问题。近年来GPU技术发展惊人，计算能力突飞猛进，VR在硬件和软件都已经成熟，厂商众多，内容正在快速丰富之中。2018年，HTC、Magic Leap、Lenovo、Samsung、Sony等都计划推出AR（增强现实）/MR（混合现实）设备。SuperMap 9D将体模型引入三维GIS，可以对三维空间实体进行实时空间布尔运算，BIM（建筑信息模型）和市政管线等建立了典型案例。将来进一步与BIM、MR等结合，未来与无人机-服务系统-前端应用形成实时数据链路，从而加快BIM、规划、市政等三维GIS应用整体方案建设，推动GIS进入全时空（CyberSpace）时代。

3、持续交付：容器技术、微服务、DevOps等快速发展。

    软件工程在互联网和开源社区推动下取得了巨大的进步。DevOps的提出有助于解决基础设施与持续交付问题，包括操作系统、容器、服务、代码、版本、构建、测试、修复、交付、运维等软件工程问题。基于Docker、Kubernetes、LinuxKit、Infrakit等的新一代IT基础设施和项目开发、运维体系呼之欲出，并与云计算基础设施相结合，建设大规模、社会化的数据和计算服务设施。政府机构和企业、社会组织都应该着手建立可持续运营的大数据基础设施，包括基于虚拟机、容器技术的基础运营平台，软件统一分发平台，积累知识栈和工具链，全面支撑应用系统、云服务和项目的快速研发、持续交付、即时部署和运维管理。同时，安全、信任和可靠性挑战严峻，加强安全机制与审计、知识产权和数字资产管理也迫在眉睫。

4、区块链：云计算向对等计算、边缘计算、雾计算快速演进。

    区块链的本质是分布式架构，主要解决广域连接、交易中的完整性、一致性、可信与保真等问题。随着Web 3.0概念的提出，传统的集群、分布式架构进一步向P2P发展。在边缘节点计算能力增强以后，实现无中心的泛在存储、智能合约和广域集群已经成为可能。去中心化架构的共享计算在模式上已经取得成功，如IPFS、Cloudy、GOLEM，Filecoin、Gilgamesh，玩客云等得到了大量使用者认可。基于区块链架构的Bitcoin（比特币）和Ethereum（以太坊）等迅猛发展，ICO快速增长，区块链概念已深入人心，证明该技术模式极具潜力。GIS中的体系架构和数据存储、应用模式也将从区块链的分布式架构中得益，分布式时空数据库、泛在编辑与一致性协同、无中心GIS应用、众包地图以及时空化的资产管理将有可能突破并有机会获得快速发展。

5、深度学习：AI/ML/DL进入深化、融合、应用阶段。

    机器学习方法可以通过样本训练完成传统的软件编码工作，有助于解决大数据场景下模糊算法与智能分析、决策问题。2017年基于神经网络的深度学习在图像处理、视频识别、语音识别与合成、语言处理等方面取得极大成功。目前已有多个神经网络开源库出现并广泛应用，包括：Tensorflow、PyTorch、Caffe、CNTK、DL4J、BigDL等等。目前的深度学习训练计算量非常大，主要采用NVIDIA的GPU芯片来完成，但是终端应用的计算量相对较小，可以在移动端进行，采用专用芯片更加有助于降低体积和功耗，目前已经有多个终端使用的芯片，如Nvidia的自动驾驶模块、Intel的Movidius/Nervana芯片、Google的TPU芯片，中国的寒武纪、地平线、比特大陆也推出了相应的低功耗AI芯片，目前已经成功应用于智能摄像头、人脸识别、无人驾驶、无人机等方向。机器学习仍然依赖于现有的软硬件技术栈和系统架构，如云计算、大数据、GPU、自动控制等等，可以很好地结合。随着AI基础软硬件的突破，AI在GIS领域也将大有可为，如图像处理、变化监测、智能视频、SLAM、高精度定位、空间分析、模式识别等方向将能发挥重要作用。

6、物联网：智慧城市与实时数据应用已蓄势待发。

    物联网主要面向广域联网、数据采集、终端交互和智能控制。长期以来，低功耗计算、高精度传感、无线联网和标准化是物联网发展的障碍，但在2017年这些方面都取得了突破性进展。窄带通讯协议标准LoRa、Bluetooth Mesh、NB-IOT等完成，技术走向成熟，硬件模块开始大量出货；5G和IPv6预计2018年将会开始大规模应用；而低功耗芯片和操作系统，如ARM生态系，Intel的Atom、Quark、Galileo、Edison、Up等，OS有Zephyr、LiteOS等都开始提供完整的解决方案；面向流式数据的大数据平台和方案也逐步成熟。这为智能建筑、智慧城市、智慧交通、智慧物流、智慧农业、智慧水务等应用的发展铺平了道路。GIS、BIM等与物联网的结合将会带来创新性的应用和更大的市场空间。GIS软件厂商应积极加入生态链，遵循标准协议，优化流式数据服务流程、在线工具和开放框架，提供一站式解决方案。

    除此之外，2017年微小卫星、激光雷达、立体摄像头、点云处理技术、无人驾驶、高精度定位与室内定位等技术也取得了重要的进展，地理信息的数据采集和成图手段将会更加自动化、实时化，效率和精度都会进一步大幅提升，将会开拓出全新的应用领域。GIS与各种IT先进技术进一步融合，将催生更多创新的先进应用。

参考文献：

1. 《Hadoop生态系统》，kevin Sitto&Marshall Presser著，陈新、唐晓译，中国电力出版社，2016-11-01。
2. The Apache™ Hadoop® project develops open-source software for reliable, scalable, distributed computing，https://hadoop.apache.org。
3. 《Spark大数据处理技术》，夏俊鸾、刘旭辉、邵赛赛等著，电子工业出版社，2015-01-01。
4. Apache Spark™ is a fast and general engine for large-scale data processing，https://spark.apache.org。
5. 走向“软件定义的世界”，https://my.oschina.net/u/2306127/blog/510094。
6. 走向GIS“大”时代，https://my.oschina.net/u/2306127/blog/1550195。
7. 李德仁：展望大数据时代的地球空间信息学，https://www.chinaunsv.com/html/2017/proTech_0426/44526.html。
8. 全面拥抱大数据，SuperMap GIS 9D正式发布，http://www.xinhuanet.com/expo/2017-08/25/c_129689034.htm。
9. SuperMap GIS 9D云GIS平台概述，https://www.supermap.com/cn/xhtml/SuperMap-Cloud-Platform-9D.html。
10. SuperMap 9D 实时数据服务，https://www.cnblogs.com/yaohuimo/p/7743934.html。
11. Google Earth Engine-A planetary-scale platform for Earth science data & analysis，https://earthengine.google.com/。
12. Make informed decisions for the places you care about，https://www.planet.com/。
13. NVIDIA引领人工智能计算，http://www.nvidia.cn/page/home.html。
14. NVIDIA Blogs Home page，https://blogs.nvidia.com/。
15. Steam VR Store，http://store.steampowered.com/app/358040/HTC_Vive/。
16. Steam Community，https://steamcommunity.com/app/358040/allnews/。
17. CES 2018: The 5 Biggest VR Tech Updates，https://uploadvr.com/best-of-ces-2018-5-big-updates/。
18. CES 2018 VR And AR News Roundup: Everything You Might Have Missed，https://uploadvr.com/ces-2018-vr-ar-news-roundup-everything-might-missed/。
19. AR/VR at CES 2018，https://techcrunch.com/tag/ar-vr-at-ces-2018/。
20. Magic Leap One: All the details on the mysterious mixed reality glasses，https://www.wareable.com/ar/magic-leap-need-to-know-release-date-price-specs-features。
21. Docker容器技术，https://www.docker.com/。
22. Mobyproject-An open framework to assemble specialized container systems，http://mobyproject.org/。
23. Moby and Kubernetes，http://mobyproject.org/kubernetes/。
24. Kubernetes From Wikipedia，https://en.wikipedia.org/wiki/Kubernetes。
25. Production-Grade Container Orchestration，https://kubernetes.io/。
26. Kubernetes project，https://github.com/kubernetes。
27. ANNOUNCING LINUXKIT: A TOOLKIT FOR BUILDING SECURE, LEAN AND PORTABLE LINUX SUBSYSTEMS，https://blog.docker.com/2017/04/introducing-linuxkit-container-os-toolkit/。
28. A toolkit for building secure, portable and lean operating systems for containers，https://github.com/linuxkit/linuxkit。
29. Introducing InfraKit, an open source toolkit for creating and managing declarative, self-healing infrastructure，https://blog.docker.com/2016/10/introducing-infrakit-an-open-source-toolkit-for-declarative-infrastructure/。
30. DevOps，https://en.wikipedia.org/wiki/DevOps。
31. DevOps Concept and Practice，https://devops.com/。
32. What are microservices?，http://microservices.io/。
33. Pattern: Microservice Architecture，http://microservices.io/patterns/microservices.html
34. Managing microservices with the Istio service mesh，http://blog.kubernetes.io/2017/05/managing-microservices-with-istio-service-mesh.html。
35. A Service Mesh for Kubernetes, Part I: Top-line service metrics，https://buoyant.io/2016/10/04/a-service-mesh-for-kubernetes-part-i-top-line-service-metrics/。
36. 《区块链原理、设计与应用》，杨保华、陈昌编著，机械工业出版社，2017年9月。
37. 《区块链项目开发指南》，[印度]Narayan Prusty著，朱轩彤、闫莺、董宁译，机械工业出版社，2018年1月。
38. 被误解的迅雷玩客云、玩客币，正在加速共享计算布局，http://ivr.baidu.com/news/hz/s5a1f5c5b2b6f.html?from=baijia。
39. What Is Web 3.0 and Is It Here Yet?，https://www.lifewire.com/what-is-web-3-0-3486623。
40. A Beginner's Guide to Blockchain Technology，https://www.coindesk.com/information/。
41. Ethereum Project，https://www.ethereum.org。
42. Microsoft, Hyperledger, UN Join Blockchain Identity Initiative，https://www.coindesk.com/microsoft-hyperledger-un-join-blockchain-identity-initiative/。
43. IPFS is the Distributed Web，https://ipfs.io/。
44. 区块链存储系统，Filecoin 2017 Q4 Update，https://filecoin.io/blog/update-2017-q4/。
45. 区块链知识分享系统，https://www.gilgameshplatform.com/。
46. Community Network cloud environment，https://cloudy.community/。
47. Golem-worldwide supercomputer，https://golem.network/。
48. Golem : the decentralized super computer，http://www.innovatecee.com/business/golem/。
49. Next-level computing powered by Intel AI，https://ai.intel.com/。
50. 2017: What a Wonderful Year for AI，https://ai.intel.com/intel-ai-2017/。
51. Intel Nervana™ Neural Network Processor，https://ai.intel.com/intel-nervana-neural-network-processor/。
52. Intel® FPGAs for AI，https://www.altera.com/solutions/technology/artificial-intelligence/overview.html。
53. Mobileye - an intel company，https://www.mobileye.com/。
54. Intel® RealSense™ Technology，https://www.intel.com/content/www/us/en/architecture-and-technology/realsense-overview.html。
55. Powering the Machine Intelligence Revolution，https://www.movidius.com/。
56. Intel Movidius Neural Compute Stick，https://developer.movidius.com/。
57. 2017: DeepMind's year in review，https://deepmind.com/blog/2017-deepminds-year-review/。
58. Why we launched DeepMind Ethics & Society，https://deepmind.com/blog/why-we-launched-deepmind-ethics-society/。
59. The story of AlphaGo so far，https://deepmind.com/research/alphago/。
60. 谷歌硬件工程师揭秘，TPU为何会比CPU、GPU快30倍？，https://www.leiphone.com/news/201704/55UjF0lafhIZVGJR.html。
61. An in-depth look at Google’s first Tensor Processing Unit (TPU)，https://cloud.google.com/blog/big-data/2017/05/an-in-depth-look-at-googles-first-tensor-processing-unit-tpu。
62. 地平线机器人获新一轮投资，将推进人工智能芯片研发，https://36kr.com/p/5048910.html。
63. 地平线-嵌入式人工智能全球领导者，http://www.horizon.ai/。
64. 寒武纪科技 • 全球智能芯片领域的引领者，http://www.cambricon.com/。
65. 寒武纪首场发布会：推出 5 款硬件 1 个平台，https://www.leiphone.com/news/201711/IwB6kV81xnREURgF.html。
66. Bitmain（比特大陆）-矿机制造者，https://www.bitmain.com/。
67. Bitmain Introduces Its First Hardware for Accelerating Artificial Intelligence (AI) Applications，https://www.businesswire.com/news/home/20171025005379/en/Bitmain-Introduces-Hardware-Accelerating-Artificial-Intelligence-AI。
68. 比特大陆正在打造比特币挖矿AI芯片，未来计划挑战谷歌英伟达，http://www.cybtc.com/article-2761-1.html。
69. Deep-Learning-Processor-List，https://basicmi.github.io/Deep-Learning-Processor-List/。
70. The AI chip startup explosion is already here，https://techcrunch.com/2017/12/24/the-ai-chip-startup-explosion-is-already-here/。
71. An open-source software library for Machine Intelligence，https://www.tensorflow.org/。
72. Tensors and Dynamic neural networks in Python with strong GPU acceleration，http://pytorch.org/。
73. deep learning framework made with expression, speed, and modularity in mind，http://caffe.berkeleyvision.org/。
74. The Microsoft Cognitive Toolkit，https://docs.microsoft.com/en-us/cognitive-toolkit/。
75. Open-Source, Distributed, Deep Learning Library for the JVM，https://deeplearning4j.org/。
76. BigDL: Distributed Deep Learning Library for Apache Spark，https://github.com/intel-analytics/BigDL。
77. 雅虎BigML团队开源大数据分布式深度学习框架TensorFlowOnSpark，http://www.qingpingshan.com/bc/jsp/214627.html。
78. BigML Inc, Machine Learning made easy，https://github.com/bigmlcom。
79. AutoML，http://www.ml4aad.org/automl/。
80. Spark ML Pipelines，https://spark.apache.org/docs/2.2.0/ml-pipeline.html。
81. ONNX is a open format to represent deep learning models，https://onnx.ai/。
82. ONNX project，https://github.com/onnx/onnx。
83. LoRaWAN 规范 1.0，http://blog.csdn.net/qingchuwudi/article/details/50786289。
84. Introducing Bluetooth Mesh Networking，https://blog.bluetooth.com/introducing-bluetooth-mesh-networking。
85. 选择无线协议：802.15.4、ZigBee 以及专有网络之间的对比，http://www.ti.com.cn/general/cn/docs/gencontent.tsp?contentId=52864。
86. NB-IOT，http://developer.huawei.com/ict/cn/site-iot/product/nb-iot。
87. 蜂窝物联网，http://www.huawei.com/minisite/hwmbbf15/cn/nb-iot-accelerating-cellular-iot.html。
88. NB-IoT关键技术及应用前景，http://www.zte.com.cn/cndata/magazine/zte_communications/2017/1/articles/201702/P020170209569239179499.pdf。