地理空間インテリジェンス
人工知能 (AI) 分野の技術進歩は、地理空間関連の研究と応用のインテリジェントな開発と統合イノベーションに新たな機会と新たな課題をもたらしました。人工知能の初期の概念と理論的アルゴリズムの開発は 1940 年代から 1950 年代にまで遡ることができますが、最近の急速な発展の主な原動力は、深層学習モデルと開発フレームワーク (Tensorflow など) の急速な開発と開発にあります。 、Keras、PyTorch). 工業化はますます成熟しており、さまざまな業界でビッグデータの生成が爆発的に増加しており、コンピューターハードウェア (グラフィックス処理ユニット GPU や高性能コンピューティングプラットフォーム HPC など) と端末機器のコンピューティングパフォーマンスは向上しています。継続的にアップグレードされ、トレーニングと人工知能モデルの導入をサポートして、データ駆動型のインテリジェントな意思決定と産業変革をサポートできます。地理空間人工知能 (略して GeoAI) は、地理空間関連科学と人工知能を組み合わせた学際的な研究方向を指します。機械空間知能の研究開発を通じて、動的な知覚、知的推論、地理現象の知識が向上します。能力を発見し、追求します。人間と地球の環境システムとの相互作用における主要な科学的および工学的問題（人口移動予測、都市拡大予測シミュレーション、複雑な条件下でのインテリジェントな交通意思決定、高精度地図作成と自動運転、地球規模の変化への対応など）を解決すること農作物への影響、自然災害緊急救助事業など）。地理空間インテリジェンスの出現と発展は、地理、地図作成および地理情報システム、リモートセンシング科学技術、地球システム科学、資源環境および都市および農村計画、インテリジェント交通およびコンピュータサイエンス（特に機械学習と知識）などの分野に関連しています。グラフ) 相互統合、イノベーション、開発は密接に統合されています。
地理空間インテリジェンスの研究枠組み
都市空間におけるインテリジェンス
最近発表された第7回国勢調査データによると、中国の都市化レベルは63％を超え、すでに都市化プロセスの後半に入っている。このような背景から、都市空間に対する需要は、「インクリメント」の迅速な構築から「ストック」の洗練されたガバナンスを重視するものへと変化しており、都市空間のモニタリングと評価、質の向上、洗練されたガバナンスの変革がホットスポットとなっています。この全体的な傾向を反映して、国家「第 14 次 5 か年計画」の概要では、「デジタル社会建設のペースを加速し、都市の質を包括的に向上させる」という国家戦略を明確に提案しています。 - 密度の高い都市空間 管理上の緊急のニーズを満たすために、高密度かつ高品質の協調的な発展の道を模索する。
近年の急速な発展を経て、現在の都市空間レベルでのインテリジェントな研究と実践は、都市のデジタル背景構築の問題を基本的に解決し、かなりの数の都市と関連機関がクラウドサービスを導入し、多数のビッグデータセンターを建設している。 、各種カメラ、モノのインターネット、ウェアラブルデバイスなどを介して大量のデータを大規模かつ高精度に取得することを実現します。モバイルインターネット、都市ビッグデータ、モノのインターネット、ウェアラブルデバイスなどの新技術のプラットフォーム統合により、大規模かつ高精度の建築環境データ統合が形成され、高解像度の市民の行動と認識が一致します。データ。都市データの時空間精度が向上し続けるにつれて、これらの大量の新しいデータの視覚化により、以前は効果的に取得することが困難であった直観的な画像も明らかになり、個人レベルの行動活動と空間形態学的状態の評価に強固な基盤が提供されます。
しかし、都市空間におけるインテリジェンスへの要求は、大量のデータの視覚的表示や、それがサポートする単純な状態監視と使用状況評価をはるかに超えています。高密度の都市空間の建設と管理の人間性と質の向上には、複雑で相互に関連した多数の都市問題を効率的に処理し、対応する能力が必要ですが、現在のデータ視覚化では解決できません。つまり、インテリジェントアルゴリズムの適用は、都市空間や市民行動に関する基礎データの取得とクリーニングにとどまらず、さまざまなディープラーニングアルゴリズムを通じて、都市計画、デザイン、ガバナンスなどの分野にさらに深く統合される必要があります。 AI の導入は、感知、モデル化、分析、予測、説明、意思決定が可能なインテリジェントな変化を促進し、この一連のエクスペリエンス主導の業界パラダイムに変化をもたらすことが期待されています。
ビッグデータの時空間インテリジェンス
インターネット、センシング技術、大規模コンピューティング インフラストラクチャは、都市空間にさまざまな動的および静的なビッグ データを生成しています。その 80% 以上は、大気質の測定値、天気、タクシーの移動など、時間と空間に関連しています。軌跡、リアルタイム交通状況など これらのデータはすべて、少なくとも時間または空間の次元を持ち、他の属性の次元を持つ場合もあります。時空間データは、データ構造に応じてポイントデータとネットワークデータに分けられ、時空間情報が動的に変化するかどうかに応じて、空間静的データ、時間的静的データ、時空間動的データの3つに分類できます。空間的には静的で時間的には動的なポイントデータ、例えばセンサーは固定位置に設置されることが多いが、その測定値が時間とともに常に変化するもの、その両方が変化するポイントデータの組み合わせにより6つに分類できます。時間と空間は時間とともに変化します: 2 異なる期間の滴滴タクシーの利用記録など、時空間的な動的ポイント データと、空間的に静的なポイント データと時間的に動的なポイント データの間には相関関係がありません。たとえば、道路網はネットワークで表現できます。道路網は空間的に静的なデータ構造ですが、これに動的な交通流情報を重畳すると、動的な流量情報が重畳された管網は空間的には静的、時間的には動的なデータ構造となり、イベントを伴う動的なネットワーク構造データとなります。時間と空間の両方において、ネットワーク全体のノードとエッジは常に変化しています。軌跡データを例にとると、空間上の人、車、物体は、異なる時間帯に異なる場所を通過し、異なる状態を反映し、時空点が時間順につながり、連鎖構造を形成します。
時空間ビッグ データは都市に関する豊富な知識を意味し、正しく使用されれば、都市化の開発やシーンのエンパワーメントに関するさまざまな課題の解決に役立ちます。基本的な地理情報データ リソース プール（2D、3D）、感覚的な IoT データ リソース プール（環境センシング データ）、次元時空間データ リソース プール（人、車両、物体、フィールド）を統合することで、統合された地理情報データ、時空間データとビジネス データのデータ ガバナンス フレームワーク、および豊富で柔軟な時空間サービス システム フレームワークは、大量のデータと複雑な緊急アプリケーションの効率的なドッキングをサポートできます。
デジタルツインシティの発展
デジタル ツインの概念モデルは、Grieves M によって提案され、2003 年に初めて登場しました。W. 同教授が米国ミシガン大学の製品ライフサイクル管理コースで提唱したもので、当時は「ミラースペースモデル」と呼ばれ、後に「デジタルツイン」と定義された。2010 年、アメリカ航空宇宙局 (NASA) は、飛行システムの包括的な診断および予測機能を実現し、システムの耐用年数を通じて継続的な安全な運用を確保するために、宇宙技術ロードマップにデジタル ツインの概念を初めて導入しました。
2019年10月以来、国家発展改革委員会、科学技術省、工業情報化省、天然資源省、住宅・都市農村開発省およびその他の省庁および委員会は集中的に政策を発表している。都市情報モデリング (CIM) およびビルディング インフォメーション モデリング (BIM) 関連の技術、産業、アプリケーションの迅速な開発を効果的に促進するための文書であり、デジタル ツイン都市の構築を支援します。
現在、デジタルツインシティの構築は1.0段階にあり、主に以下の問題や課題に直面している。第一に、主に都市の静的データに基づいていますが、都市の情景は複雑であり、都市の状態は急速に変化します。都市を反映する動的データをタイムリーかつ正確に取得する方法は、スマートシティアプリケーションの基礎であり、も大きな問題です。2つ目は、データによって直接表現される情報に頼って問題を解決するというものですが、データの背後にあるより深い知識をさらに探求する必要があり、都市データ活用の深さと幅はまだ不十分です。第三に、人間とコンピュータの相互作用や人間とコンピュータの知性の統合のための視覚分析能力が欠如していること、表示を通じて物理世界を反制御する能力がさらに不十分であること、都市の表示と認識が都市の世界観を形成していないことである。閉じたループ。第 4 に、実際の都市の復元に焦点を当てており、ユーザーが明日の都市問題を認識し、それに応じて今日の開発経路を導くのに役立つインテリジェント モデルの適用を通じて将来のシナリオを積極的に作成することができません。第五に、オープンなエコシステムが形成されずに政府が主体となって建設が行われており、持続可能性が低い。
人工知能の発展段階
政策支援：人工知能は「ユビキタス知能」へ移行し、インテリジェント産業の発展を促進
人工知能は、新たな技術革命と産業変革の重要な原動力であり、その戦略的重要性は世界中で一般的なコンセンサスとなっています。2015年に国務院が人工知能を「インターネット+」の主要課題の一つに正式に組み入れたことを皮切りに、我が国の人工知能への重点はさらに高まり続けており、これまでの人工知能の発展は大きく4つの段階に分けられる。
中でも第 2 段階は画期的であり、2017 年の政府活動報告書には初めて「人工知能」が盛り込まれ、人工知能は正式に国家戦略に昇格しました。同年、国務院は「新世代人工知能開発計画」を発表し、「3段階」の戦略目標を明記した。2025年までに、新世代の人工知能はインテリジェント製造などの分野で広く利用されるようになる、インテリジェント医療、スマートシティ、インテリジェント農業、国防建設のアプリケーション。第 3 段階は、人工知能が実体経済と深く統合され始める段階です。第 4 フェーズは 2020 年に開始されます。人工知能は「新しいインフラストラクチャ」政策に含まれ、新しい技術インフラストラクチャの主要なサポート技術の 1 つとなり、数兆リアルのデジタル変革とインテリジェントなアップグレードを促進する上で、より重要な役割を担うことになります。経済産業と統合イノベーション。国家政策は、人工知能が「ユビキタス知能」に移行することを支援しており、つまり、人工知能技術が新しいインフラストラクチャの構築に広く浸透することを目指しており、その本質は、人工知能自体の産業発展だけでなく、さまざまな分野での応用シナリオを見つけることにも向けられています。実体経済を強化して生産性を向上させます。
技術開発：機械が「理解」し「説明」できる「知覚知能」から「認知知能」へ
人工知能は、1956 年のダートマス会議で初めて提案されました。その開発以来、人工知能は計算知能、知覚知能、認知知能の 3 つのレベルに分けられると一般に考えられてきました。計算知能とは、高速コンピューティングと大容量ストレージ機能を指します。知覚知能とは、機械が「聞いて、話し、見る」能力と、具体的なものを識別して判断する能力を指します。その開発は、畳み込みニューラル ネットワーク (畳み込みニューラル ネットワーク) の使用によって恩恵を受けています。ネットワーク(CNN)やリカレントネルルネットワーク(RNN)に代表される深層学習モデルは急速に発展していますが、深層学習は事前知識を有効に活用することが難しく、その不透明性や解釈不能性が人工知能開発の制約となっています。 ; 認知知能は、機械が意味論、論理的推論、学習判断を理解できるようにすることを目的とした、理解して説明する能力です。したがって、認知知能の実現は、知識表現、意味理解、連想推論、インテリジェントな質問応答、感情コンピューティング、意思決定計画などの主要なテクノロジーを含む知識によって推進される必要があります。
現在の人工知能の開発はまだ人工知能が弱い状態にあり、研究の焦点は知覚知能から認知知能へ移行しつつあります。視覚や聴覚を対象とした知覚知能やその他の認識技術は、工業化の越えられない一線を突破しましたが、人間の仕事の特定の側面においてのみ人間を支援したり代替したりすることができます。人間がより多くのものを識別するために機械を使用できるようになると、当然のことながら、物事の理解や分析などの深い自動化された知識サービスの必要性が引き起こされますが、外部知識、論理的推論、またはドメイン移行を必要とする認知知能の分野はまだ発展途上です。幼児期。
ナレッジ グラフのエンパワーメント: 認知知能の基礎的なサポートとして
ナレッジ グラフの概念は、2012 年に Google によって初めて正式に提案され、主に次世代の検索およびオンライン広告ビジネスをサポートするために使用されています。ナレッジ グラフは本質的にセマンティック ネットワークに基づく知識ベースであり、客観的な世界における概念、エンティティ、イベント、およびそれらの間の関係を記述することを目的としています。ナレッジグラフは、ビッグデータと人工知能の時代における記号研究パラダイムの進化と発展であり、知識を処理対象として取り、人間の脳の知識認知、問題解決、知識の質問と回答をシミュレートすることで機械の認識を強化します。知識推論およびその他の機能 知的能力、学習能力、推論能力。その開発はセマンティック Web と切り離せないものであり、従来のセマンティック Web と比較して、ナレッジ グラフの利点は、(1) より豊富なセマンティック表現機能を備え、より多くのシナリオのアプリケーションをサポートできる、(2) ナレッジ グラフとうまく統合できる、という点です。認知知能と説明可能な人工知能を実現する人工知能技術 (3) グラフ構造に基づくデータにより、知識の保存と統合が容易になります。
認知知能は、実際に実装でき、広範で多様なアプリケーション要件があり、巨大な社会的および経済的価値を生み出すことができる人工知能テクノロジーです。認知知能の基礎的なサポートとして、ナレッジグラフは人工知能の「知覚知能」から「認知知能」への進化を加速し、電子商取引、ソーシャルネットワーキング、物流、物流などの多くの分野で人工知能のレベルを超えています。金融、医療、司法、製造など、ナレッジ グラフが人工知能を強化するケースが増えています。ナレッジ グラフは新しい視点と機会を提供し、新しいテクノロジー、産業、社会の新時代、つまりコグニティブ時代の幕開けをもたらします。
時空間人工知能の提案
人工知能の開発は、地理空間インテリジェンス、都市空間インテリジェンス、時空間ビッグデータ インテリジェンス、デジタル ツイン都市開発に関連する応用分野に浸透しています。これらの分野では、理論、技術革新、応用実践の観点にかかわらず、根底にある革新の中核は時空間に基づく人工知能、つまり時空間人工知能 (時空間 AI) であることがわかります。都市デジタルツインの発展に伴い、時空間人工知能 (ST-AI) が産学研究から広く注目され始めているため、私たちは業界の専門家を組織してこのホワイトペーパー「時空間人工知能がデジタルを強化する」を発行しました。ツインシティーズ（2021）』に初出演。本書のリリースは、AI テクノロジーと都市デジタル ツイン シナリオの組み合わせを促進し、シナリオの適用を通じてテクノロジーのアップグレードを促進し、技術革新を通じて都市のデジタル変革を強化することを目的としています。
デジタルツイン都市建設が直面する現在の問題
(1) 都市アプリケーション シナリオの探索が不十分であり、ビジネス ロジックの深い理解が不足している
多くのデジタル ツイン製品は、アプリケーション シナリオや実際のビジネス ニーズから乖離しており、盲目的にトレンドに従い、ビジネス ロジックの深い理解が不足しており、効果的な機能を無視しています。都市運営とガバナンスのサポート。都市計画、建設管理、その他の業界には多くのツイン アプリケーションがありますが、デジタル ツインに基づく都市ガバナンス、サービス、その他のアプリケーションは一般に詳細が不十分です。都市レベルの異種ビッグデータ収集と、業界を超えた、ドメインを超えたアプリケーションはまだ初期段階にあるため、さまざまな専攻や業界のアルゴリズム モデルはまだ成熟しておらず、まだ開発されていません。さらに、市場には標準化された建設ガイドラインが不足しており、長期的な考慮事項、体系的なレイアウト、詳細な適用要件を備えた建設計画は比較的少数です。
(2) 統一された時空間インテリジェントプラットフォームの仕様が不足しており、デジタル基盤の統合が急務 デジタルツインシティは
「一枚の地図」のGIS、BIM、CIMの実践から派生するが、都市管理部門は都市のデジタル基盤を明確に理解している 住宅・都市農村建設システムが推進する都市情報モデルプラットフォームなど、地図に対する強い需要がある資源や土地計画を中心とした時空間ビッグデータプラットフォーム、治安を基盤とした都市基盤図、都市安全保障や総合管理のための政治的・法的境界線など、それぞれに強い需要があります。自己完結型システムは、一般にシステム内のアプリケーションのみをサポートし、オンデマンドで他の部門が使用することはできません 長い間、スマートシティラインには強い調整と弱い調整があり、明確な主導部門がありません。ビッグデータ局は設置されているが、調整はまだ不十分であり、複数のベースマップを統合して都市レベルの統一デジタルベースマップとデータ資産を形成する方法は、デジタルツインシティの構築において直面する最初の課題である。
(3) 時空間データアイランドは相関性や統合性が欠如しており、データの価値が解放されるには程遠い
デジタルツインシティの中核は、統一された時空間インテリジェント基盤の構築であるが、その基盤となるフレームワークは、異種情報がまだ形成されていない 機関やメーカーが独自に進めると、マルチモーダルデータの統一コーディングや正確な融合表現を確保することが困難です。さらに、都市ベクトル時空間データ、政府ビジネスデータ、モノのインターネット、ラスターデータ、モデルデータ、点群データなどのマルチソースデータの融合処理には一定の困難があり、フォーマット間には壁があります。データサイロは常に人々の注目を集めてきましたが、解決されていません。さまざまな部門のビジネス システムにおける一貫性のないデータ形式、不明確なデータ許可、不完全なデータ ドッキング メカニズムはすべて、デジタル ツイン シティの役割を制限します。
(4) アルゴリズムモデルと動的データの統合が深くなく、迅速に分析して意思決定を支援する能力が不十分 新しい
タイプの測量とマッピング、標識知覚、協調コンピューティング、全要素表現、可視化、現在のデジタルツインシティに関わるデジタル空間シミュレーションや状況予測などの価値ははるかに高いが、まだリリースされておらず、主要技術の開発と統合的応用を強化する必要がある。大量のデータ読み込み技術、クラウドとエッジコンピューティングの連携技術、シミュレーション技術などが十分に成熟しておらず、人工知能、特に時空間人工知能とエッジコンピューティングを使用して動的データを迅速に分析および処理する能力が不十分です。
(5) 投資と運営のメカニズムが不明確で、オープンな産業エコシステムがまだ形成されていない
建築要素から土地区画、さまざまな専門単位、そして最終的には都市に至るまで、都市運営とその階層ごとの集合体ライブデータが形成され、それは都市の「物理的な」建設遺伝子と「仮想的な」運営パフォーマンスの間に相関関係があるかどうかを評価するために使用されます。たとえば、科学技術パークが良好な成績を収めるかどうかは、土地の混合の程度、緑化のレベル、道路網のアクセスのしやすさ、住宅の家賃、カフェの密度などによって決まります。運営パフォーマンスと建設遺伝子の間の効果的な相関メカニズムを確立し、一般の人々と利害関係者に権限を与え、都市建設または都市運営管理により便利かつ合理的に参加できるように支援します 市民、専門家、政府の間の関係を確立する方法 リアルタイムと国家間の効果的なコミュニケーションと交流のチャネルがあらゆる場所で実践される必要があります。
デジタルツインシティの今後の発展ニーズ：スマートテクノロジーと融合したデジタルツイン2.0
(1) 地域の状況に応じて、きめ細かい都市スマートシーンサービスを
設計する必要があり、デジタルツインシティのトップレベルの設計は、都市ガバナンスの近代化シナリオとビジネスニーズと密接に統合される必要があり、同時に、都市の将来の開発ルールも考慮される必要があります。デジタルツインシティの導入申請を促進するには、都市と情報技術の進化の方向性を考慮する必要があります。「ユビキタスインテリジェンス」の文脈では、人工知能技術の助けを借りて、デジタルツインシティの構築が経済、生活、ガバナンスなどのアプリケーションシナリオと密接に統合され、現実の経済産業のデジタルトランスフォーメーションを促進し、真の意味でサービスを提供します。都市のスマートなシナリオ。
(2) ビジネスニーズを志向した時空間統一インテリジェント基盤の構築 デジタルエコノミーにおける
新技術、新アプリケーション、新たなシナリオの発展に伴い、地域、業界、企業を超えたデータ共有の需要が日に日に高まっています。デジタルツインシティの構築には、統一されたルールの枠組み、法律、規制、基本プラットフォームの策定が急務です。全体計画の目標指向と需要指向を組み合わせる原則に従い、都市の将来の発展法と情報技術の進化の方向を十分に考慮し、共通のニーズを統一し、時空間インテリジェント基地の建設を協力して推進します。統一ベースに基づくデジタルツインアプリケーションシステムを確立し、既存のラインシステムの都市ベースマップとデータリソースを評価し、統一標準に従って、高度なテクノロジー、完全なデータ、強力な拡張性を備えた時空間インテリジェントプラットフォームを構築し、段階的にアプリケーション シナリオを促進する 豊富で体系的な反復開発。
(3) マルチソースの異種時空間データとデータ資産管理の融合は、
接続、協力、相関関係の解決に重点を置き、デジタルツインシティのすべてのレベルとシステム間のデータ融合、情報共有、ビジネスコラボレーションメカニズムを解決する必要があります。制約関係の問題を解決し、体系的な科学的手法を使用して、スマートシティの複雑で巨大なシステムの計画と設計を導き、トップレベルの設計の科学性、標準化、操作性を向上させます。複数の異種データの融合・処理のための規格・仕様の改善を加速し、ベクトル、ラスターグリッド、モデル、点群、行政、認識などの各種データのフォーマット・エンコードを統一してフルサイクルを形成するデータのナレッジ グラフを活用したデータ標準と仕様。マルチソースの異種データの融合処理機能を構築するためのフュージョンの利点。
(4) 効率的なアルゴリズムモデルに基づく時空間データのディープマイニングと分析
都市のマルチソースデータに対する従来の一般的な空間分析機能を提供することに基づいて、人工知能テクノロジーを組み合わせて、分類、クラスタリング、回帰を使用して、機械学習、ディープラーニング、ナレッジグラフなどのアルゴリズムモデルと詳細な空間分析機能を構築します。 、ディープラーニングなど。教師ありおよび教師なし学習手法により、情報の分類、マイニング、予測が実現されます。さまざまな種類の分析機能が特定のアプリケーション シナリオに従ってモデル化され、公園産業のポジショニング分析と公園計画に関連する動的評価、商業用地選択のための実現可能性分析と売上予測、インテリジェントな配車と旅行計画など、特定のトピックの空間分析機能を形成します。輸送分野などに。リアルタイムのオンライン分析とモデリング機能を提供し、空間データ分析パイプラインを構築し、有向非巡回グラフの形式でデータとアルゴリズム モデルを整理し、戦略に従って分析プロセスをスケジュールして実行できます。
(5) 複数のステークホルダーが共同で構築する産業エコロジーの包括的な共有と協力
デジタルツインと都市のインテリジェント化は一夜にして達成できるものではなく、共同で構築し、連携して都市のデジタルトランスフォーメーションの新たなモデルを構築する必要がある。持続的な勢いをもたらすために管理および共有されます。デジタルツインシティ 2.0 の実現には、フルスタックの時空間人工知能を備えた技術プラットフォーム企業のサポートが不可欠ですが、1 社だけでは十分ではなく、関連する技術提携に頼って、関連企業や大学、研究機関を結集する必要があります。有利な分野を一緒にクリアしましょう。デジタルシティ関連分野で政府が企業、機関、大学、科学研究機関と連携し、業界を超えたオープンなアライアンスを形成できるイノベーションエコロジーを確立する必要がある。デジタルツイン都市の理論、標準、ソリューション、その他の公共問題に関する研究を担当し、上流および下流業界における効果的な産学研究協力のための新しいメカニズムを確立し、デジタルツインの標準と品質を形成します。各デジタル ツイン アプリケーション シナリオの計画の作成、アプリケーション シナリオのデモンストレーションの企画、将来のデジタル ツイン シティの構築と開発のサポートを担当します。