GIS基礎軟件技術體系發展及展望

• 摘要:地理信息系統作為IT系統的重要組成部分，其技術的每一次進步都與最新IT技術的興起息息相關。隨著云計算、大數據、人工智能等技術的發展與應用，如今GIS基礎軟件已經形成五大技術體系：大數據GIS技術體系，增加了對空間大數據的存儲管理、分析處理以及可視化的能力，豐富了空間。
  關鍵詞: 大數據GIS；人工智能GIS；新一代三維GIS；分布式GIS；跨平臺GIS

• 1 引言
  隨著地理信息系統(Geographical Information System，GIS)理論體系的豐富和完善，特別是融合了大量先進的IT技術之后，GIS軟件得到快速發展，新技術、新概念層出不窮。鑒于此，本文梳理了GIS基礎軟件技術發展的脈絡，以時間為線簡要概述了各種GIS軟件技術發展的歷程，并著重厘清各種GIS軟件技術之間的內在聯系，提出了五大GIS技術體系，介紹了五大技術體系所包含的內容，及其相關發展進展。

• 2 中國GIS技術發展歷程
  二十一世紀以來，GIS軟件技術在城市數字化轉型等政府與企業信息化中扮演著愈來愈重要的角色[1]，并成為IT領域不可或缺的重要組成部分。回顧中國三十余年GIS基礎軟件的發展歷程，以十年為界，可歸納為以下4個階段(圖1)。
  
  ????????????????????????圖1 中國GIS技術發展的4個階段
  ????????????????????????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，是公認的中國GIS軟件的起點[2]，隨后涌現出一大批GIS軟件。在此期間，GIS軟件形態從早期的命令行形態，逐漸演化為相對更易用的桌面GIS形態。
第二階段(1997—2007年)。在這個階段，組件式軟件技術和互聯網技術飛速發展，成為當時軟件技術的新潮流。結合這兩項技術，組件式GIS和WebGIS應運而生，這給整個GIS技術體系和應用模式帶來巨大影響，并成為GIS軟件技術的重要支撐[3-6]。隨著地理空間數據越來越豐富，數據量越來越大，單機文件方式已經無法滿足應用的需求，空間數據庫技術由此誕生，在數據庫中實現了空間數據的存儲和管理。
????????第三階段(2007—2017年)。IT的需求重心從客戶端轉向了服務端，移動互聯網進一步拓展了移動端的需求，GIS的應用也從室外擴展到了室內，從宏觀拓展到了微觀[7]，這些需求和變化，促進了跨平臺GIS和新一代三維GIS的發展。同時這個階段也是數據爆炸的階段，這對GIS在多源異構數據管理及噪聲數據處理等方面提出了諸多挑戰[8]。云GIS、大數據GIS也在此背景下出現，改變了傳統GIS應用的模式和方法，滿足了海量空間數據的存儲和分析等需求，從而達到提高GIS服務性能、節約計算資源的目的[9]。
????????第四階段(2017年以來)，中國GIS軟件發展進入第4個10年，在數字化轉型飛速發展的背景下，亟需提高GIS基礎軟件的數據處理效率和智能化水平[10]。利用邊緣計算、云原生等技術，解決GIS的性能、穩定性等問題;將人工智能應用于地理信息領域，替代了傳統建模中基于領域知識人為設計特征的方式，提升了地理信息提取和特征理解能力[11];并通過空間區塊鏈技術的應用打造安全、可信的空間數據庫[12]。
隨著地理信息科學理論的發展和信息技術的不斷創新，未來GIS軟件技術還將持續進步。

• 3 GIS基礎軟件技術體系
  ????????在應用需求牽引下，在地理信息系統理論發展與新一代信息技術的推動下，GIS基礎軟件技術體系得到不斷豐富和完善，作者在2018年提出GIS四大技術體系分別為：跨平臺 GIS、云GIS、新一代三維GIS和大數據GIS[13]。
  ????????經過兩年的快速發展，人工智能GIS技術體系已初具形態[11];而云GIS發展到云原生GIS階段，與邊緣GIS、分布式空間數據分析與處理、分布式空間數據存儲與管理以及空間區塊鏈等技術構成了分布式GIS技術體系。由此形成了GIS基礎軟件五大技術體系，即：大數據GIS技術(Big Data GIS)、人工智能GIS技術(AI- GIS)、新一代三維GIS技術(New Three-D GIS)、分布式GIS技術(Distributed GIS)、跨平臺GIS技術(Cross-platform GIS)，合稱“BitDC”。
  ????????GIS技術體系隨著IT新技術的引入，以及智慧城市、數字孿生、新基建等需求的牽引，也在不斷的發展和完善中，為實現地理可視化、地理決策、地理設計、地理控制等各個層次的地理智慧應用提供必要的技術支撐(圖2)，為數字化轉型和信息化建設創造更多價值。同時GIS技術體系也將不斷豐富和升級，向著更高效、更智能的方向發展。
  下面將分別綜述“BitDC”這五大技術體系的發展情況。
  
  ???????????????????????? 圖2 地理智慧的五大支撐技術
  ????????????????????????Fig. 2 Five supporting technologies of geo-intelligence

• 3.1 大數據GIS技術體系
  ????????隨著互聯網、物聯網和云計算等技術的快速發展與普及，21世紀以來，全球數據呈指數級增長，各式各樣的數據如洪水般涌來，沖擊著社會發展的方方面面，大數據時代也隨之到來[14]。大數據從規模(Volume)、速度(Velocity)、種類(Variety)、真實(Veracity)和價值(Value)5個方面被歸納為具有“5V”特征的數據[15]。同時大數據在具備空間地理位置屬性(Location)后就成為空間大數據，并可用“L+5V”來表示其特征[16]。
  ????????根據產生方式，常見的空間大數據可分為互聯網大數據、移動互聯網大數據、物聯網大數據和新型測繪大數據。這些空間大數據普遍存在體量大、種類多、變化快、價值密度低等特點[8]。處理這些數據的技術和方法，已經超出了狹義GIS的范圍，需要面向多源異構數據的廣義GIS，以接納地理空間大數據[17]，進而形成了面向空間大數據的GIS技術體系(本文中簡稱為大數據GIS技術)。大數據GIS技術包括空間大數據存儲管理、空間大數據分析處理、空間大數據可視化等核心技術(圖3)。
  
  ????????????????????????圖3 大數據GIS技術體系架構
  ????????????????????????Fig. 3 Architecture of big data GIS technologies

• 3.1.1 空間大數據存儲管理
  ????????在空間大數據時代，傳統關系型數據庫已經不能滿足空間大數據的存儲和管理需求，需要對傳統空間數據引擎進行升級與擴展。基于分布式文件系統、分布式數據庫發展的分布式空間數據庫，可以有效提升對空間大數據的存儲和管理能力。代表性的分布式數據存儲技術有Elasticsearch、HDFS、MongoDB、HBase等。其中，基于Elasticsearch的空間數據引擎可以實現對億級以上的位置空間數據的存儲支持;基于HDFS的空間數據引擎(分布式空間文件引擎，Distributed Spatial File，DSF)則適用于億級記錄的靜態空間數據的存儲與分析;基于MongoDB的空間數據引擎可以實現億級記錄地圖瓦片存儲;基于HBase的空間數據引擎可以用于億級空間數據的存儲、管理、分析、可視化等綜合應用。

• 3.1.2 空間大數據分析處理
  ????????空間大數據分析是大數據GIS技術的核心功能，主要用于研究大數據的空間位置、空間分布、空間關系、空間行為、空間過程等[18]。豐富的算子和強大的算力是空間大數據分析的支撐。空間大數據分析算子包括流式計算、數據匯總、軌跡分析、模式分析、數據篩選等，以滿足不同場景的需求。面對超大體量的空間大數據，采用Spark等分布式計算框架，可以有效提升空間大數據分析算子的數據挖掘能力。多樣化的空間分析算子結合強勁的空間大數據分析性能可以幫助GIS用戶多個維度認知大數據，挖掘更多有價值的信息。
  ????????流式計算(流式空間大數據處理)，是空間大數據技術的重要組成部分。大量包含空間位置的數據流需要實現連續的數據接入、分析處理和結果的輸出。典型的流數據處理算法有路況計算和地理圍欄等。其中，地理圍欄可以實時判斷有哪些目標落入圍欄，還可以標記目標在進入、保持和離開圍欄時的狀態。實時路況計算是另一種常用的流數據處理的算法，通過接入浮動車等位置流數據，自動計算路況，其響應時間在分鐘級即可滿足基本的應用要求。
  ????????目前主流的流數據處理框架有Apache項目的Storm、Flink、Spark Streaming 等。相比前二者 ，Spark Streaming 的顯著優勢是對流數據和存檔數據采用統一的彈性分布式數據集(Resilient Distributed Dataset，RDD)處理模型。這使得面向批處理的大數據分析業務和面向流數據的處理系統可以在一個技術框架內完成，簡化了流數據技術方案。流數據的處理架構可以參考圖4，在流數據計算框架的基礎上，封裝對流數據的持續處理能力，一邊持續流入數據，另一邊持續輸出分析結果[16]。
  
  ????????????????????????圖4 流數據處理架構
  ????????????????????????Fig. 4 Architecture of streaming data processing

????????數據匯總是將空間大數據按指定的特征進行分組，并對各組中的數據進行統計或其它整合操作，得到每組數據的匯總結果。分組特征包括空間地理特征、屬性特征、時間關系特征等維度。數據匯總是實現空間大數據快速可視化的重要手段。根據分組方式及整合操作的不同，數據匯總可以按照格網匯總、區域匯總、屬性匯總和軌跡重建等分析方法來進行。
????????軌跡分析面向具有時間屬性的點要素或面要素進行地圖匹配(道路匹配)、預處理和軌跡重建等分析。比如軌跡重建，根據要素的唯一標識確定需要追蹤的要素，再根據時間序列追蹤要素，形成軌跡對象，重建軌跡線。被追蹤的要素，其數據類型可以是點數據或面數據，結果數據類型可以是線數據或面數據。軌跡重建可以設置分割距離與分割時間，用于對軌跡進行邏輯分段。軌跡重建的應用場景有：航運軌跡、臺風軌跡、海運軌跡等。
模式分析是從大量數據中分析出事物的運行規律或分布模式，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分析等。
????????數據篩選是根據空間數據的位置、時間、屬性等信息，篩選出符合要求的數據，常用的方法包括要素連接、異常檢測和相似位置篩選。

• 3.1.3 空間大數據可視化
  ????????空間大數據可視化也是空間大數據技術非常重要的內容，是將計算機可視化技術、二維 GIS可視化技術、三維GIS可視化技術等相結合，實現對多源、異構、海量、動態數據的可視化表達。空間大數據可視化形式包括熱力圖、矩形格網圖(矢量、柵格)、六邊形格網圖(蜂巢圖)、多邊形格網圖、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圖的方式展現，也能以動態的方式展現，既可以在二維方式下展示，也可以在三維方式下展示，以滿足對不同可視化形式要求。
  
  ????????????????????????圖5 空間大數據可視化示意
  ????????????????????????Fig. 5 Sketch map of spatial big data visualization

????????大數據GIS技術實現了空間大數據的存儲、分析和可視化，形成了一套完整的針對空間大數據應用的解決方案。大數據GIS技術除了需要IT大數據技術之外，還需要跨平臺GIS和分布式GIS技術作為支撐，跨平臺GIS技術讓大數據GIS技術能夠運行于Linux、UNIX 操作系統，使得大數據GIS的性能得以充分發揮。分布式GIS技術為大數據GIS技術提供了彈性可擴展的計算和存儲資源，支持高效能的流數據處理、實時分析、價值發現等任務。未來大數據GIS技術將不斷突破系統硬件資源的限制，結合人工智能GIS等技術，進一步提高空間大數據存儲、管理和分析能力，同時融合更豐富的可視化技術，形成一套高效的空間大數據，實現其從采集、治理、整合到存儲、分析、發布等一體化的全流程管理與應用。

• 3.2 人工智能GIS技術體系
  ????????隨著計算能力的提升，機器學習、深度學習等算法得到了進一步發展和應用，人工智能(Artificial Intelligence，AI)也日漸成為新一輪科技革命和產業變革的核心驅動力，基于人工智能的GIS技術體系(本文中簡稱為人工智能GIS技術)成為新一代GIS技術的重要發展方向[18]。數據量、計算能力、算法模型和應用場景是人工智能的主要驅動力，對于人工智能GIS技術體系，可相應自下而上劃分為數據層、領域庫、框架層和功能層四大部分[11]，如圖6所示。最底層為數據層，既包括遙感影像這樣的文件型數據，也包括關系型數據以及大數據場景下使用較多的NoSQL數據。數據層之上為領域庫，是指聚焦于地理空間信息領域，面向AI技術中較為基礎和重要的樣本和模型2個方面開展建設，不斷豐富各類地理空間數據樣本和模型。舉例來說，面向基于深度學習的遙感影像分析任務，可以細分為場景分類、目標檢測、分割等幾類功能，針對不同功能開展相關樣本收集積累和模型訓練，不斷迭代更新完善。在框架層中，需要通過合理的抽象和封裝兼容多種AI框架，既可以避免重復性研發工作，又可以高效地與最新算法和模型研究成果進行融合。最上面的功能層即具體提供出來的人工智能GIS技術能力，是人工智能GIS技術體系的主體，包括三大核心內容：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技術體系架構
  ????????????????????????Fig. 6 Architecture of AI GIS technologies

• 3.2.1 GeoAI
  ????????GeoAI算子以數據準備、模型訓練和模型應用的完整流程工具為基礎實現。當前AI技術已經完成了從統計學向機器學習的進化，并不斷向深度學習推進。因此GeoAI算子主要包含空間機器學習和空間深度學習2個部分。空間機器學習包含聚類、分類和回歸等多種分析，形成了包括空間熱點、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器學習算子(圖7)，在城市治理，土地利用和生態恢復等場景中得到了廣泛應用。
  
  ????????????????????????圖7 部分空間機器學習算子
  ????????????????????????Fig. 7 Some operators of geospatial machine learning

????????空間深度學習則以卷積神經網絡(Convolutional Neural Network，CNN)和圖神經網絡(Graph Neural Network，GNN)為代表，對GIS中圖片數據、影像數據、時空數據和三維數據等進行處理，實現了包括建筑物底面提取、地物分類、二元分類、場景分類，目標檢測，對象提取、圖時空回歸等空間深度學習算子(圖8)，廣泛應用于遙感影像分析、道路和建筑物提取、氣象建模、交通流預測等場景[20-24]。隨著語義分割，實例分割等新技術的持續融入，空間深度學習的效率和準確性正不斷被提高。

????????????????????????圖8 部分空間深度學習算子
????????????????????????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，增強和優化GIS軟件功能和用戶體驗，體現在融合AI的增強現實(Augmented Reality，AR)、屬性采集、測圖、配圖、交互等方面。通過AI智能識別和AR可視化，能達到信息實時虛擬化的展示效果;利用目標檢測和分類技術可以減少GIS數據采集耗時;基于SLAM框架和IMU融合技術的視覺慣性系統 (Visual- InertialSystem，VINS)[25]，可以在沒有衛星定位信號的室內環境中實現定位(圖9)，進而實現基于AI+AR的室內導航，并可進行非專業測繪要求的室內測圖(圖10)，其直接測圖精度在小范圍最高可達厘米級，通過控制點等輔助方式可實現大范圍厘米級精度測圖，對測圖硬件設備要求也較低(一部支持AR技術的手機即可)，可應用于商城、地鐵、停車場、辦公樓、地下空間等環境的快速室內測圖，降低室內測圖成本;使用機器學習聚類算法可實現自動化配圖;基于AI語音識別和手勢識別技術可簡化GIS軟件交互流程。這些都是AI賦能GIS的體現，有效地提升了GIS軟件的智能化水平。
  
  ????????????????????????圖9 基于AI+AR的室內定位
  ????????????????????????Fig. 9 Indoor positioning based on AI and AR
  
  ????????????????????????圖10 基于AI+AR的室內測圖
  ????????????????????????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，將AI分析結果進行空間可視化和進一步空間分析，讓AI技術發揮更大的作用。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對AI分析結果進行表達，協助用戶掌握整體空間信息。基于GIS的空間分析功能，則可以利用空間實體間存在的多種空間聯系，建立視頻空間和真實地理空間的映射，進一步挖掘視頻數據的深層隱含信息，被廣泛應用于行人和機動車違章檢測、目標車輛追蹤等場景。
  ????????隨著人工智能技術的飛速發展，GIS與人工智能從數據、模型到應用等多個方面進行了融合：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、農林、水利、交通、環保等方面已經得到了應用。在人工智能技術不斷深入和完善過程中，人工智能GIS技術也將為GIS產業創造更大價值。

• 3.3 新一代三維GIS技術體系
  ????????自2004年Google Earth發布以來，三維GIS得到業界廣泛關注[26]。隨后，業界出現了大量基于開源三維渲染引擎的三維GIS軟件，但隨著該技術的推廣，潛在弊端也逐漸顯現，即該類型產品側重于三維可視化，無法滿足GIS行業的深度應用。2009年，北京超圖軟件股份有限公司(SuperMap Software Co.,Ltd.，簡稱超圖軟件)推出了國內外首款二三維一體化GIS平臺軟件，將二維和三維在數據模型、數據存儲與管理、可視化與空間分析、軟件形態等層面實現了一體化，以解決三維GIS系統不實用的問題[27]。自2009起，經過十余年發展，新一代三維GIS技術推出了更豐富的三維數據模型，并結合先進IT技術不斷豐富其內涵，產生了由二三維一體化數據模型、二三維一體化GIS技術、多源三維數據融合技術、三維空間數據標準和三維交互與輸出技術組成的新一代三維GIS技術體系，如圖11所示。
  
  ????????????????????????圖11 新一代三維GIS技術體系架構
  ????????????????????????Fig. 11 Architecture of new 3D GIS technologies

• 3.3.1 二三維一體化數據模型
  ????????二三維一體化數據模型有效解決了三維空間表達和分析的難題，完成了從二維點、線、面到三維體;從二維網絡到三維網絡;從不規則三角網(Triangulated Irregular Network，TIN)到不規則四面體網格(Tetrahedralized Irregular Mesh，TIM)(圖 12);從柵格(Grid)到體元柵格(Voxel Grid)的升級與拓展(圖13)。2018年超圖軟件率先在SuperMap GIS基礎軟件中提出并實現了TIM和體元柵格，最終完成了空間數據模型從二維到三維全面升維[28]。形成了涵蓋離散對象、連續空間、鏈接網絡的完整的空間數據模型體系，使得新一代三維GIS技術具有對現實世界全空間表達的能力。
  
  圖12 TIN升級到TIM
  Fig. 12 From TIN to TIM

????????????????????????圖13 Grid升級到Voxel Grid
????????????????????????Fig. 13 From Grid to Voxel Grid

• 3.3.2 二三維一體化GIS技術
  ????????二三維一體化GIS技術主要是指數據存儲一體化、分析功能一體化和軟件形態一體化等關鍵技術。其中一體化的空間數據存儲與管理，解決了二維數據、三維數據分別存儲的問題，實現一份數據既可供二維使用，也可供三維使用。分析功能一體化不僅讓二維分析的結果在三維場景中展示成為可能，還支持三維空間運算、三維空間關系判斷、三維空間分析、降維計算、三維網絡分析和三維量算等三維場景的分析功能。軟件形態一體化則指從GIS服務器到桌面端、瀏覽器端、移動端的跨平臺三維支持。通過二三維一體化技術，實現了一份數據在一套軟件中，可以根據需要進行二維、三維的分析和可視化等能力。

• 3.3.3 多源三維數據融合技術
  ????????隨著數據采集技術的迅速發展，不同來源、不同類型的空間三維數據的高效融合成為一大挑戰。對新興的傾斜攝影模型、BIM、激光點云、三維場等三維數據與傳統的影像、矢量、地形、精模、地下管線等多源數據的無縫融合是新一代三維GIS技術的關鍵技術之一，如融合傾斜攝影和激光點云，大幅提升了三維GIS數據采集與生產效率，增強并提高了三維場景的真實感與精度;融合BIM實現了室內外一體化的無縫銜接等。多源數據的融合匹配可以有效降低GIS應用系統的建設成本、提高空間數據的使用效率。

• 3.3.4 三維空間數據標準
  ????????隨著三維GIS的廣泛應用，提供統一的三維數據標準及規范，對三維數據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技術在國家《地理空間數據庫訪問接口標準》(Open Geospatial Database Connectivity，OGDC)[29]的基礎上已經實現了三維數據讀寫訪問接口的擴展，為多源異構三維數據提供了統一的入口;同時，隨著《空間三維模型數據格式》(Spatial 3D Model，S3M) [30]以及《空間三維模型數據服務接口》[31]等團體標準的發布，將更進一步推動傾斜攝影模型、激光點云、BIM、三維場等多源異構的三維數據融合以及多種軟硬件環境的兼容，打通數據隔閡，實現三維地理空間數據的共享和深入應用[32]。

• 3.3.5 三維交互與輸出新技術
  ????????新一代三維GIS技術集成了WebGL、VR、AR、AI、3D打印等IT新技術[33]，為用戶帶來更便捷、更真實的三維體驗。其中，游戲引擎與GIS的跨界融合，一方面可以賦能游戲開發者，可使用真實的地理空間數據開發游戲，另一方面可在數字孿生城市等三維GIS應用場景中，采用GIS軟件提供后臺數據與空間分析服務，游戲引擎在前端提供可視化與交互能力，大幅提升三維GIS應用的可視化效果。
  ????????新一代三維GIS技術實現了數據模型、場景構建、空間分析和軟件形態的二三維一體化，更全面地融合傾斜攝影模型、激光點云、BIM、三維場等多源異構數據，基于分布式的處理工具實現實景三維數據的高效全流程管理，并集成IT新技術帶來更友好、更便捷的三維體驗。在新型智慧城市、數字孿生建設等需求的推動下，新一代三維GIS技術將在標準化建設、海量數據加載、處理以及可視化等方面取得長足的發展。

• 3.4 分布式GIS技術體系
  ????????當前，隨著地理空間數據的數據量爆炸式增長，GIS軟件技術及應用面臨數據密集、計算密集、并發密集和時空密集四大挑戰[34]，傳統GIS軟件已很難應對這些挑戰，迫切需要通過分布式技術來突破超大規模時空數據和服務管理，以滿足各類用戶對超大規模時空數據高效管理和高性能計算的實際應用需求。分布式GIS技術是指利用多機分布式協同技術和計算資源的橫向擴展能力，集群完成大量并發任務，或分解完成單一復雜任務的GIS技術。分布式GIS技術是GIS技術重要的發展方向和信息技術升級換代的必然要求。分布式GIS技術體系如圖14所示。
  
  ????????????????????????圖14 分布式GIS技術體系架構
  ????????????????????????Fig. 14 Architecture of distributed GIS technologies

• 3.4.1 分布式空間數據存儲與管理
  ????????數據庫管理系統起初都是單機形式，隨著在線業務的蓬勃發展，很多系統都面臨處理高并發、大數據量、超高峰值等挑戰，數據庫開始了分布式之旅。分布式空間數據庫主要解決海量時空數據的存儲、查詢和分析等的需求，重點應對擴展性、高可用等挑戰[35]。
  ????????利用分布式存儲技術建立統一的數據管理引擎，包括分布式空間文件管理系統(HDFS等)、分布式SQL數據庫(Oracle、Postgres-XL等)和分布式NoSQL數據庫(HBase、MongoDB、Elasticsearch等)，并提供統一的管理接口，從而支持對TB級和PB級規模空間數據的存儲和管理。通過分布式空間數據引擎，不同存儲格式下的空間數據分別通過不同的數據引擎被快速訪問和查詢，并通過統一的一體化模型進行使用，同時分布式空間數據引擎突破了存儲容量的限制，解決了海量數據的存儲、管理問題。

• 3.4.2 空間區塊鏈技術
  ????????區塊鏈是一種分布式的數據存儲方式，由一串使用密碼學方法產生的數據存儲結構組成，每一個區塊都包含上一個區塊的哈希值，從創世區塊開始連接到當前區塊，形成區塊鏈，每一個區塊都確保按照時間順序在上一個區塊之后產生，否則無法得到前一個區塊的哈希值[36]，如果要篡改某一個區塊的數據，就需要修改這個區塊后續所有區塊的數據(圖15)，同時由于區塊鏈在多個分布式節點上重復存儲多份，還需要修改其他節點所有相關的數據，才能完成數據的篡改，這使得區塊鏈上的惡意篡改變得非常困難。
  

????????????????????????圖15 篡改區塊鏈數據過程示意
????????????????????????Fig. 15 Process diagram of tampering with blockchain data

????????為了實現安全、可追溯、高可信等特點，區塊鏈存儲會導致性能降低，以及空間膨脹。因此，一般僅僅把需要保護的關鍵數據上鏈管理即可，盡可能避免把所有空間數據上鏈管理。
????????空間區塊鏈采用“鏈內存儲和IPFS鏈外擴展”并行的方式，設定數據量閾值，低于閾值采用直接上鏈存儲，高于閾值時，將使用星際文件系統(InterPlanetary File System，IPFS)進行鏈外存儲，將數據寫入IPFS網絡，并將返回的哈希值存儲到區塊鏈中。其中，IFPS主要用來存儲大規模的空間數據和非結構化文件數據，與區塊鏈技術類似，也是一種去中心化的存儲方式，通過文件內容生成獨立哈希值來表示文件，然后上鏈存儲，這樣既節約了存儲空間，又降低了存儲成本，還能夠提高空間數據的訪問性能。

• 3.4.3 分布式空間數據分析與處理
  ????????Spark是目前使用最廣泛的分布式計算架構，但其本身不具備空間分析計算能力，為了實現對海量空間數據的分析與處理能力，需要將GIS基礎內核與Spark架構進行融合，構建空間大數據分析引擎。首先通過拓展Spark的基礎數據模型(RDD/DataFrame)，實現其對點、線、面等多源空間數據的支持;并擴展Spark對空間索引的支持，提高性能優化能力;同時重構GIS軟件已有的分析處理算法使其具有分布式計算的能力，構建分布式的空間數據分析與處理模型，包括經典的矢量和柵格數據分析、空間大數據分析(熱點分析、聚合分析等)、GeoAI分析算法(空間聚類分析、回歸分析等)以及三維數據分析(挖洞分析、鑲嵌分析等)，拓展GIS軟件對多源異構數據的分析能力，實現從時間、空間、屬性多個維度進行數據挖掘;另外，提供多類別GIS空間分析算子編排協同的地理處理(Geoprocessing，GP)工具，將GIS空間分析任務的拆分、執行與Spark的任務調度模型實現深度融合，進一步提升GIS軟件的計算和應用能力。通過分布式改造，傳統的空間分析效率，相比單機的空間分析，都有數量級的提升，部分測試對比結果如表1所示。其中，單機分析計算環境為4核16GB內存;分布式分析計算環境為6節點，每個節點與單機分析計算環境相同。
  

• 3.4.4 云原生GIS技術
  ????????云原生是原生面向云設計軟件的一種思想理念，是充分發揮云效能的最佳實踐路徑，有利于各組織在公有云、私有云和混合云等新型動態環境中，構建和運行可彈性擴展的應用[37]。云原生GIS則是原生為云設計的GIS軟件技術，包括GIS微服務、GIS容器化部署、GIS自動編排等內容。
  ????????其中GIS微服務就是把傳統復雜的單體WebGIS軟件拆分為可獨立運行的若干個服務模塊，每個服務模塊專注單一的功能，如數據目錄服務、地圖服務等，并可以實現獨立編排和部署。GIS容器化部署是指GIS的部署方式從虛擬機變為容器，利用容器化技術將拆分的GIS微服務制作成Docker鏡像存入鏡像倉庫，部署時直接拉取鏡像形成容器，通過容器運行的方式提供服務。GIS自動編排是指在部署過程中，利用Kubernetes作為微服務的管理工具，提供GIS容器的自動化編排，可以快速地部署多節點GIS環境，并且根據訪問壓力實現基于微服務的資源彈性伸縮能力和故障恢復能力。
  通過云原生GIS技術，降低了資源的消耗，提高了資源的利用率，并實現了故障隔離，從而大幅提高系統穩定性，還可以實現服務的自動化管理與運維。

• 3.4.5 邊緣GIS技術
  ????????GIS應用需要消耗大量的帶寬和計算資源，當出現大量并發應用時，就會出現帶寬不足、計算延遲等問題，在借鑒邊緣計算和互聯網CDN(ContentDelivery Network)的思想后[38]，SuperMap GIS提出了邊緣 GIS 技術。在靠近GIS云中心的網絡邊緣側，就近提供低延時的服務(圖16)，同時利用邊緣計算能力，提供更快的計算響應，滿足行業數字化在敏捷聯接、實時業務、數據優化、應用智能、安全與隱私保護等方面的關鍵需求[39]。除了在數據處理上的高效率，在服務聚合、空間數據分發方面，邊緣GIS技術都能很好地提升系統工作效率，緩解帶寬壓力和云中心的計算壓力，降低時間與資源消耗，提升系統整體性能。
  
  ????????????????????????圖16 邊緣節點與云中心分布式協同
  ????????????????????????Fig. 16 Distributed collaboration between edge node and cloud center

????????分布式GIS技術突破了傳統GIS軟件在數據管理處理、數據安全和性能方面的瓶頸，實現了GIS在高可用、高并發、高彈性、高性能、大容量、高可信(簡稱“五高一大”)等方面的重大突破，構建起GIS云邊端一體化的分布式協同應用新模式。

• 3.5 跨平臺GIS技術體系
  ????????隨著WebGIS的興起，GIS功能重心從客戶端轉移到服務器側，鑒于服務器操作系統中除Windows外，Linux也有大量份額，因此GIS軟件跨操作系統成為一種新的趨勢，2001年超圖軟件啟動了跨平臺GIS軟件技術的研究與開發。
  ????????考慮到GIS屬于計算密集型應用，跨平臺GIS技術內核采用了性能最高但也最復雜的 C++技術路線，利用C++語言一次編寫、多平臺編譯的特點，實現了支持多種CPU、操作系統和數據庫的高性能、原生的跨平臺GIS技術。支持x86、ARM、MIPS、OpenPower、SW-64等多種CPU架構;支持Windows、Linux、UNIX等PC和服務器操作系統以及Android、iOS等移動操作系統;并基于Oracle、PostgreSQL、HBase、華為GaussDB、阿里PolarDB等多種商用或開源數據庫實現了統一接口的空間數據引擎。
  ????????跨平臺GIS技術從開始研發到產品全面成熟并面向市場經歷了十幾年的時間，這其中最主要的原因就是跨平臺技術存在很多技術難點。比如需要解決因異構硬件平臺(如不同架構CPU，字節序處理方式不同等)帶來的問題;為了滿足上層應用對不同開發環境的需求，要針對不同的開發語言進行相應的封裝，對Java進行支撐時，需要通過JNI技術對C++內核進行封裝，實現Java語言對C++功能的調用;基于Java Swing圖形界面技術構建標準工具條，需實現界面布局，屏蔽不同操作系統間的可視化差異[40];利用同樣的技術思路，實現對Python、.NET等其他語言環境等支持。
  ????????基于跨平臺GIS技術，在政府和企業的信息化建設需要多種基礎運行環境時，GIS軟件可快速實現對各類CPU(如華為鯤鵬、龍芯、飛騰等)和操作系統(如中標麒麟、銀河麒麟、統信UOS等)的適配(圖17)，實現跨終端、跨系統、跨環境的高性能GIS應用，為信息化建設的安全提供保障。
  
  ????????????????????????圖17 跨平臺GIS支持的部分軟硬件環境
  ????????????????????????Fig. 17 Software and hardware environments supported by cross-platform GIS

????????跨平臺GIS技術作為基礎支撐技術，與分布式GIS技術、大數據GIS技術、人工智能GIS技術和新一代三維GIS技術等新技術進行深度融合，比如在跨平臺GIS技術的支撐下，新一代三維GIS技術可以在Windows、Linux、Android、iOS等多種操作系統下實現三維場景的高性能渲染，完成場景的調度、裁剪控制、資源管理、繪制等，同時結合WebGL技術，實現無插件、跨平臺、跨終端、跨瀏覽器的Web三維應用。跨平臺GIS技術也會根據技術發展和應用需求的變化，不斷實現對新的軟硬件環境的支撐和應用。

• 4 結論與展望
  ????????結合未來發展趨勢，本文將GIS技術分為五大體系。大數據GIS技術是底層支撐，深度挖掘空間大數據價值。人工智能GIS技術賦能地理智慧，為GIS帶來了智能化的產業變革。新一代三維GIS技術提供了全空間表達、真三維分析計算，以及結合游戲引擎實現的生動視覺體驗。分布式GIS技術將為GIS技術帶來更高效、更彈性、更穩定等方面的能力。跨平臺GIS技術則使得GIS基礎軟件技術安全性、擴展性、創新性得以保障。這五大技術體系對前沿技術與GIS行業進行了深度融合，使得GIS技術與時俱進，能夠切實滿足用戶多樣化的空間信息需求。
  根據技術所處不同應用階段，繪制了GIS軟件技術成熟度曲線(光環曲線)(圖18)，五大技術體系分別處于不同的位置。
  
  ????????????????????????圖18 GIS軟件技術成熟度(光環曲線)
  ????????????????????????Fig. 18 GIS software technology maturity (Hype Cycle)

(1)跨平臺GIS技術已入成熟期，目前已廣泛支持多種操作系統和CPU，正在得到廣泛應用;
(2)新一代三維GIS技術正在從復蘇期向成熟期轉移，未來將在三維空間分析和三維可視化效果等方面繼續完善，并將在實景三維中國、自然資源三維立體一張圖、CIM等領域得到廣泛和深入應用;
(3)分布式GIS技術已度過低谷期，處于復蘇期，技術和產品正在逐步成熟和完善，正在有越來越多領域得到應用，未來將成為大型系統的基礎支撐技術;
(4)大數據GIS技術正在從低谷期轉入復蘇期，隨著技術的成熟和完善，應用將會逐步推廣;
(5)人工智能GIS技術正從過熱期滑向低谷期，經過最近兩三年的宣傳，應用單位的期望高于技術成熟度，能否盡快度過低谷期，取決于未來技術發展的速度，進入成熟應用還有待時日。
GIS技術體系由四大技術體系發展到五大技術體系，也只是GIS發展應用過程中的一個階段性成果，在應用需求的牽引和IT技術的推動下，未來GIS技術體系還將會不斷的演化和進步，出現更多GIS技術的創新。

總結

以上是生活随笔為你收集整理的GIS基础软件技术体系发展及展望的全部內容，希望文章能夠幫你解決所遇到的問題。

如果覺得生活随笔網站內容還不錯，歡迎將生活随笔推薦給好友。