GeoAI入門，這些空間分析請先走一波

人工智慧（AI）無疑是最近技術圈的潮流風向，從機器翻譯、語音識別、圖像識別……各種新的應用層出不窮。與眾多新技術一樣，平台廠商率先在基礎演算法和框架發力。作為全球空間分析領域的領導者，Esri近期展示了其在地理人工智慧GeoAI的階段成果和發展計劃，並且在最新發布的ArcGIS 10.6中集成了微軟 CNTK、谷歌TensorFlow等深度學習框架。

目前，ArcGIS地理平台時刻在為遍布全球的用戶和開發者提供完整的地圖可視化和分析平台。其強大的分析能力可以歸納為三大框架：地理處理框架（GP Framework），空間大數據計算框架和機器學習框架。

這裡不對三大分析框架展開討論，重點帶大家了解地理人工智慧GeoAI入門的第一步：機器學習工具。分類、預測、聚合是機器學習中使用最廣泛的方法，ArcGIS已經封裝好了一系列工具，下面簡單介紹主要的三個工具集，學習的軟體推薦大家使用ArcGIS Pro，可以方便地調用三大分析框架，並實現分析模式探索，訓練樣本生成，樣本導出到TensorFlow或者CNTK框架構建的模型進行訓練，再把優化後的模型導回到ArcGIS Pro，最終實現對空間和表格數據的分析和可視化。

分類是基於訓練數據集判斷目標對象應該歸為哪一類的過程，ArcGIS提供了多種分類方法，主要面向遙感影像數據，通過分析像素值和配置信息後對像素進行分類。此前Esri發布過的土地利用類型自動提取和森林砍伐的損失面積評估的機器學習案例就屬於這一類。工具包括：最大似然（Maximum Likelihood Classification）、隨機森林（Random Trees），支持向量機（Support Vector Machine）。

聚合是基於屬性值或位置的相似性對目標對象進行分組，ArcGIS提供了基於位置、屬性（單一、多元）和位置+屬性結合的多種聚合演算法，可以用來根據社會經濟和人口分布做學區覆蓋分析或在自然災害發生後根據社交媒體活躍度分析人口聚集區域。工具包括：空間約束多元聚合（Spatially Constrained Multivariate Clustering），多元聚合（Multivariate Clustering），Density-based集群（Density-based Clustering），圖像分割（Image Segmentation），熱點分析（Hot Spot Analysis），聚合和異常值分析（Cluster and Outlier Analysis），時空模式挖掘（Space Time Pattern Mining）。

預測是利用已知來估計未知，ArcGIS提供了一系列回歸和插值方法用來做預測分析。例如在一個房價評估模型中加入房屋周邊的實時空氣污染指數，對照最近的銷售數據和社區特點等因素進行綜合預測。工具包括：經驗貝葉斯克里格（Empirical Bayesian Kriging），區域插值（Areal Interpolation），EBK回歸預測（EBK Regression Prediction），普通最小二乘回歸和探索性回歸（Ordinary Least Squares Regression and Exploratory Regression），地理加權回歸（Geographically Weighted Regression）。

除了上述方法，機器學習還貫穿在整個ArcGIS平台中，包括智能選擇數據，參數默認值由數據驅動，工作流程自動化和結果優化。例如在EBK回歸預測工具中使用主成分分析（PCA）作為一種降維的手段來改進預測；Density-based聚合工具中使用機器學習技術基於給定的可達圖選擇聚合容差值；空間約束多元聚類工具使用一種證據積累的方法為用戶提供相關的概率聚類結果。

面向需要功能擴展的場景，ArcGIS是一個開放可互操作的平台，支持集成互補的方法和技術，開發者使用Python API可以調用ArcGIS函數與開源的Scikit-Learn、 TensorFlow、Pythorch或IBM和微軟提供的AI學習引擎進行結合分析，還可以用R編寫地理處理功能腳本，使用R-Bridge從R控制台調用ArcGIS函數。

地理人工智慧GeoAI領域的研究會不斷發展，未來Esri將積極推動機器學習方法和整個平台進行集成，增加更多的分析方法和工具，包括傳統的邏輯回歸、隨機森林、支持向量機和時間序列預測等演算法，以及創新領域的新演算法-深度卷積神經網路，繼續讓ArcGIS用戶和開發者使用最先進的空間機器學習技術解決問題，提升業務價值。

5月9-10日，「2018 Esri空間信息技術開發者大會」將在北京的中國科技會堂舉行。屆時，將會對Esri在地理人工智慧GeoAI方面的最新成果進行詳細介紹。

喜歡這篇文章嗎？立刻分享出去讓更多人知道吧！