地理人工智能GeoAI：Esri新的进军方向

时间：2018年4月26日

       在空间信息领域，Esri自然少不了在这方面的积极参与和布局。

　　在今年3月在美国加州举办的第十三届Esri全球开发者大会上，Esri高级分析主管奥马尔﹒马赫演示了ArcGIS平台结合人工智能机器学习算法对犹他州每个路段每小时的事故概率进行预测。

　　他谈到，引起一场交通事故的原因有很多种，比如温度、风速、能见度、雪的深度、道路宽度、限速等，类似的变量可能会有几十种。如果想对累积了7年的交通数据进行手动分析并做出预测，这其中涉及40万起交通事故和50万个路段，想必任何一个人都难以做到。但是，现在我们可以把这些数据都交给机器，让它来帮助我们寻找其中的规律，并预测可能出现的风险。

　　马赫指出，ArcGIS早就提供了机器学习的工具，这些工具大致分为三类：分类、聚合和预测。其中，可以利用预测类工具来预测全球气候变化对当地气温的影响，用时空立方体工具箱进行热点分析和时空模型挖掘，用影像分类工具对影像中的建筑物、道路、植被、水体等进行识别。

　　尤其是在今年年初发布的ArcGIS 10.6中，更是集成了Microsoft CNTK、TensorFlow深度学习框架。深度学习是机器学习的进阶，ArcGIS 10.6提供了系列工具可对影像进行分类和识别。具体操作为，通过ArcGIS Pro生成训练样本，用这些样本对TensorFlow或者CNTK框架构建的模型进行训练，再把模型导入到ArcGIS Pro中，就可对数据进行分类和可视化了。在上面的例子中，通过类似的操作，结果显示，在犹他州的高速公路、洲际公路以及部分拐弯路段均属于事故高发路段。

　　人工智能在GIS里另一个有趣的案例是使用机器学习算法预测驾驶时间，通过挖掘历史数据，根据每条道路在每天各个时刻的拥堵情况，预测未来某一天在某个地方开车3分钟能到达的区域。除此之外，其它类似应用还包括对象检测、ETA预测、自动化数字化道路等。