1、智能空间信息处理课程体系研究秦昆, 孔令桥, 许凯(武汉大学遥感信息工程学院，武汉 430079)Email:摘 要 智能空间信息处理是地球空间信息科学的重要发展方向，是地球空间信息科学与智能科学的交叉学科，代表了空间信息科学的学科发展前沿。在遥感科学与技术、地理信息系统的本科教育、硕士和博士教育中应加强智能空间信息处理的相关理论和方法的教学。本文对智能空间信息处理的课程体系和教学内容进行了分析和探讨，为促进智能空间信息处理的科研和教学提供基础。关键词：人工智能；地球空间信息科学；空间信息处理；智能空间信息处理；课程体系1 引言“智能”一词是 21 世纪的热门话题，是诸多学科研究和应用的热点。
2、智能空间信息处理(Intelligent Spatial Information Processing, ISIP)是地球空间信息科学(Geo-Spatial Information Science, Geomatics)的重要发展方向，是地球空间信息科学与智能科学的交叉学科，代表了空间信息科学的学科发展前沿。在国内外的一些遥感科学与技术专业、地理信息系统专业的本科、硕士、博士的教学体系中陆续增设了智能空间信息处理的相关课程，但是课程名称不一，教学内容也各不相同。课程名称包括“人工智能与专家系统” 、 “智能 GIS”、 “地理信息智能化处理” 、 “空间认知与推理” 、 “地理空间推理及其应
3、用”等。在讲课内容方面，有的纯粹从人工智能本身进行讲授，教学内容与计算机专业的人工智能课程几乎没有差别，有的主要从地图综合的角度介绍智能化的处理方法。本文根据作者多年来讲授智能空间信息处理相关课程的教学实践，结合已完成编写并即将出版的教材智能空间信息处理 ，分析和总结智能空间信息处理课程的内容和教学方法，请对智能空间信息处理相关课程感兴趣的专家批评指正。2 智能空间信息处理的理论与方法分析2.1 智能空间信息处理的概念智能空间信息处理是地球空间信息科学与人工智能的交叉与融合，属于遥感科学、信息科学、认知科学等学科的交叉，代表了地球空间信息科学的重要发展方向。从空间信息的获取到空间信息的应用和可
4、视化都可以借助人工智能技术来提高空间信息的获取效率和应用效果。地球空间信息科学(Geomatics)是以全球定位系统(Global Positioning System, GPS)、地理信息系统(Geographical Information System, GIS)、遥感 (Remote Sensing, RS)等空间信息技术为主要内容，并以计算机技术和通讯技术为主要技术支撑，用于采集、量测、分析、存储、管理、显示、传播和应用与地球和空间分布有关数据的一门综合和集成的信息科学和技术( 李德仁, 1999)。人工智能是智能机器所执行的通常与人类智能有关的智能行为，如判断、推理、证明、识别、感
5、知、理解、通信、设计、思考、规划、学习和问题求解等思维活动(蔡自兴,徐光祐, 2003)。信息处理(Information Processing, IP)通常指按不同要求，用计算机对数据进行加工(归纳、整理、分类、统计、转化等) 得出有用的结果的过程。为了适应信息时代的信息处理要求，当前信息技术逐渐向智能化方向发展，智能信息处理(Intelligent Information Processing, IIP)指从信息的载体到信息处理的各个环节，广泛地模拟人的智能来处理各种信息。智能信息处理是计算机科学中的前沿交叉学科(史忠植 , 2009)。空间信息处理(Spatial Information
6、 Processing, SIP)：随着计算机技术的飞速发展，现在所讲的空间信息处理大多是指空间信息的计算机处理(郭仁忠 , 1992)。智能空间信息处理(Intelligent Spatial Information Processing, ISIP)：智能空间信息处理是指利用人工智能的理论和方法，利用计算智能方法，如神经计算、模糊计算、进化计算等方法实现空间信息的智能化处理，属于地球空间信息科学与人工智能的交叉与融合。2.2 智能空间信息处理的主要内容智能空间信息处理(ISIP)是指空间信息的智能化处理，这里从 “3S”技术智能信息处理的角度阐述 ISIP 的主要内容，即：RS 信息的智能
7、化处理、 GIS 信息的智能化处理、GPS信息的智能化处理等。（1）RS 信息智能化处理近年来，遥感信息的应用水平常滞后于空间遥感技术的发展，其主要原因在于遥感数据未得到充分的利用，对遥感信息认识的不足和对遥感信息分析水平的滞后，造成了遥感信息资源的巨大浪费。使用智能化的方法挖掘遥感信息的应用潜力，提高遥感图像分析和识别的精度，提高遥感信息处理的效率成为目前遥感应用的迫切要求(李朝锋等,2007) 。遥感信息智能化处理是指应用人工智能的理论和方法对遥感图像进行处理，提高遥感图像处理的精度，并实现遥感图像处理过程的自动化。伴随着人工智能的迅速发展，必将大大促进遥感信息处理的智能化和自动化，使遥感
8、信息能更快速、更准确地为相关部门提供服务。遥感信息的智能化处理主要包括：1）遥感图像几何处理的智能化；2）遥感图像辐射处理的智能化方法；3）遥感图像分类和解译的智能化方法；4）基于知识的遥感图像分类方法。（2）GIS 信息智能化处理智能 GIS 是空间信息科学与技术发展的必然趋势，智能 GIS 是人工智能技术与 GIS 技术的结合。从地理信息的获取到地理信息的应用和可视化都可以借助人工智能技术提高信息的获取效率和应用效果。国内外很多学者在这方面已做了大量的研究工作，提出了很多非常实用的空间信息智能化处理方法(郭庆胜,任晓燕,2003)。GIS 信息的智能化处理包括：1）地理信息的采集与集成；2
9、）智能化地图设计与综合；3）地理数据分类的智能化方法；4）空间数据挖掘与知识发现；5）地理信息的智能检索；6）地理信息的智能空间分析；7）地理信息的可视化；8）空间决策支持。（3）GPS 信息智能化处理准确和快速地解算整周模糊度，无论对于高精度动态定位，或 GPS 姿态及定向系统都是极其重要的。GPS 信息处理与人工智能的结合是一种发展趋势，目前国内外的相关研究较少，主要研究集中于 GPS 基线解算、整周模糊度的固定等方面(刘智敏等,2008；郑庆晖,张育林,2001)。3 智能空间信息处理的课程体系设计与分析根据对智能空间信息处理的理论和方法的分析，我们设计了智能空间信息处理的课程体系，如表
10、 1 所示。本课程共 45 个学时，分十章讲授。表 1 智能空间信息处理课程的教学安排章节 主要内容 课时安排第 1 章:绪论 智能空间信息处理的概念；人工智能的研究进展与研究领域；智能空间信息处理的主要内容4第 2 章:地理空间认知 认知科学；认知心理学；认知物理学；地理空间认知的概念、研究内容、特性分析、实例分析4第 3 章:空间知识表达 空间知识概述；空间知识的表示方法：状态空间法、问题归约法、谓词 5逻辑法、基于规则的方法、语义网络法、面向对象的方法；空间知识库第 4 章:空间推理方法 空间推理的概念与特点、研究内容；空间推理的方法：不确定性推理、概率推理、贝叶斯推理、可信度推理、证据
11、推理、模糊推理、案例推理、空间关系推理、时空推理5第 5 章:神经计算与空间信息处理计算智能与软计算；人工神经网络基础理论；反向传播 BP 网络；Hopfield 神经网络；自组织映射 SOM 网络；径向基函数 RBF 网络；Matlab 的人工神经网络工具箱5第 6 章:模糊计算与空间信息处理模糊集计算方法；基于模糊集的空间信息处理；基于粗糙集的空间信息处理；基于云模型的空间信息处理；Matlab 模糊集工具箱5第 7 章:进化计算与空间信息处理进化计算概述；遗传算法与空间信息处理；粒群优化与空间信息处理；蚁群算法与空间信息处理；免疫算法与空间信息处理5第 8 章:机器学习与空间信息处理机器
12、学习概述；机械学习与空间信息处理；归纳学习与空间信息处理；决策树学习与空间信息处理；类比学习与空间信息处理；解释学习与空间信息处理；其它机器学习方法4第 9 章:空间数据挖掘 空间数据挖掘的由来与发展；空间数据挖掘的内容和方法；空间关联规则挖掘；空间聚类挖掘；空间分类挖掘；空间离群点挖掘；空间数据挖掘的软件系统4第 10 章:智能体与空间信息处理智能体与分布式人工智能；多智能体系统；基于智能体的空间信息处理 4第一章为绪论，主要内容包括：（1）智能空间信息处理的概念。 （2）空间信息处理。从“3S”的角度分别介绍遥感(RS)信息处理、地理信息系统(GIS) 信息处理和全球定位系统(GPS)信息
13、处理。 （3）智能信息处理。介绍智能信息处理的概念、主要研究内容、智能信息处理的认知过程分析、物理符号系统假设。 （4）人工智能的研究进展与研究领域。介绍人工智能的起源与发展、主要方法、主要研究与应用领域等。 （5）智能空间信息处理的主要内容。介绍“3S ”信息的智能化处理。第二章为地理空间认知，主要内容包括：（1）认知科学。介绍认知科学的基本概念和特点。 （2）认知心理学。介绍认知心理学的基本概念和特点。 （3）认知物理学。介绍认知物理学的基本概念和特点。 （4）地理空间认知的概念。介绍地理空间认知的概念。 （5）地理空间认知的研究内容。包括地理知觉、地理表象、地理概念化、地理知识的心理表征
14、、地理空间推理等。 （6）地理空间认知的特性分析。包括地理空间认知的时空特性、尺度特性、不确定性、可视特性等。 （7）地理空间认知的实例分析。对地理空间认知的两个实例进行了分析：1）美国加州大学圣塔芭芭拉分校(UCSB)将空间认知理论与 GPS 技术和 GIS技术相结合，为视障人员提供导航系统。2）利用多年的全球海表温度 SST 数据的时空聚类为例对时空聚类的认知过程和认知特性进行分析。第三章为空间知识的表示方法。空间知识的获取与表达是智能空间信息处理的基础，是一般空间分析向智能空间分析发展的关键技术。空间知识表示将直接影响到决策推理和最终的结果。主要内容包括：（1）空间知识概述；（2）状态空
15、间法与空间知识表示；（3）问题归约法与空间知识表示；（4）基于谓词逻辑的空间知识表达方法；（5）基于规则的空间知识表达；（6）基于语义网络的空间知识表达；（7）面向对象的空间知识表达；（8）空间知识库。第四章为空间推理方法。空间推理是指利用空间理论和人工智能技术对空间对象进行建模、描述和表示，并据此对空间对象间的空间关系进行定性或定量分析和处理的过程(刘亚彬,刘大有,2000)。空间推理的研究在人工智能中占有非常重要的地位，是人工智能领域的一个研究热点，也是 GIS 领域的一个重要研究热点(刘亚彬 ,刘大有,2000)。主要内容包括：（1）空间推理的概念与特点；（2）空间推理的研究内容；（3）
16、不确定性推理；（4）概率推理；（5）贝叶斯推理与空间推理；（6）可信度推理与空间推理；（7）证据推理与空间推理；（8）模糊推理与空间推理；（9）案例推理与空间推理；（10）空间关系推理；（11）时空推理。第五章为神经计算与空间信息处理。计算智能包括神经计算、模糊计算、进化计算，及其组合计算等(蔡自兴,徐光祐 ,2003; Fogel and Corne,2007)。神经计算就是指以神经网络模型为基础的计算智能方法。主要内容包括：（1）计算智能与软计算；（2）人工神经网络基础理论；（3）反向传播 BP 网络；（4）Hopfield 神经网络；（5）自组织映射 SOM网络；（6）径向基函数 RBF
17、 网络；（7）Matlab 的人工神经网络工具箱。第六章为模糊计算与空间信息处理。模糊集计算方法(简称模糊计算) 就是以模糊逻辑为基础的软计算方法，属于计算智能的重要内容。主要内容包括：（1）模糊集计算方法；（2）基于模糊集的空间信息处理；（3）粗糙集计算方法；（4）基于粗糙集的空间信息处理；（5）云模型计算方法；（6）基于云模型的空间信息处理；（7）Matlab 模糊集工具箱。第七章为进化计算与空间信息处理。进化计算是基于生物的自然进化与自然选择的生存遗传机制，针对一类复杂难解的优化问题，研究通用的智能化的问题求解方法。进化计算主要包括遗传算法、进化策略、进化编程、遗传编程等方面的内容(蔡自
18、兴,徐光祐,2003) 。主要内容包括：（1）进化计算概述；（2）遗传算法与空间信息处理；（3）粒群优化与空间信息处理；（4）蚁群算法与空间信息处理；（5）免疫算法与空间信息处理。第八章为机器学习与空间信息处理。机器学习是研究计算机怎样模拟或实现人类的学习行为，以获取新的知识或技能，重新组织已有的知识结构使之不断改善自身的性能。主要内容包括：（1）机器学习概述；（2）机械学习与空间信息处理；（3）归纳学习与空间信息处理；（4）决策树学习与空间信息处理；（5）类比学习与空间信息处理；（6）解释学习与空间信息处理；（7）其它机器学习方法。第九章为空间数据挖掘。空间数据挖掘，简单的说，就是从空间数据
19、中提取隐含其中的、事先未知的、潜在有用的、最终可理解的空间或非空间的一般知识规则的过程。本章的主要内容包括：（1）空间数据挖掘的由来与发展；（2）空间数据挖掘的内容和方法；（3）空间关联规则挖掘；（4）空间聚类挖掘；（5）空间分类挖掘；（6）空间离群点挖掘；（7）空间数据挖掘的软件系统。第十章为智能体与空间信息处理。智能体和多智能体系统的研究是分布式人工智能研究的一个热点，为分布式系统的综合、分析、实现和应用开辟了一条新的有效途径，促进了人工智能和计算机软件工程的发展(蔡自兴,徐光祐,2003;2004)。主要内容包括：（1）智能体与分布式人工智能：分布式人工智能、智能体、智能体的要素、智能体
20、的特性、智能体的结构类型；多智能体系统：多智能体的概念、基本模型、体系结构、多智能体系统的学习、多智能体的研究和应用领域；基于智能体的空间信息处理：基于智能体的分布式GIS 系统、基于智能体的空间数据挖掘、基于智能体的遥感图像处理。4 教学方法探讨武汉大学遥感信息工程学院的遥感科学与技术本科专业开设了“人工智能与专家系统”课程，后更名为“智能 GIS”，在硕士专业中开设了“地理信息智能化处理” 、 “地理空间推理与应用” 、 “遥感影像理解与应用”等与智能空间信息处理相关的课程。在本科教学中，本科生表现出对智能科学浓厚的兴趣，但是又感觉到相关的理论比较高深。因此，在本科教学过程中应更多地注重人
21、工智能的技术方法的讲授，注重计算智能具体算法的介绍。目前，本科教学的 45 个学时全部用于课堂讲授，根据本科生的特点，应减少课堂教学的课时，增加实习课时，拟设置 9-12 个课时用于实习，实习内容包括：学习和了解 Matlab 的神经网络工具箱、模糊集工具箱、遗传算法工具箱，并利用这些工具箱编程实现部分模型；利用 ERDAS、ENVI 等遥感图像处理软件，以及一些数据挖掘软件，学习和了解神经网络分类器、专家分类器、决策树学习、关联规则挖掘、聚类挖掘等智能分析方法的使用。对于研究生的教学，考虑到研究生的学习特点，实习内容可以安排研究生自行实习，在讲课过程中分专题讲授，要求学生分组查阅国内外文献，
22、紧跟国际前沿，在讲课过程中增加更多的讨论互动环节，采用分组讨论、部分同学讲授等方式，分专题进行学习和讨论。旨在培养和锻炼研究生的科研探索精神和分主题查阅并分析国内外文献的能力。5 总结与讨论本文对智能空间信息处理的课程体系的内容进行了分析和介绍，并进行了教学效果分析和讨论。智能空间信息处理是地球空间信息科学与智能科学的学科交叉，代表了学科发展前沿。随着地球空间信息科学与智能科学的发展，可能会有更多的内容补充进来，如基于自然语言理解的空间信息处理、基于不确定性人工智能的空间信息处理等。考虑到智能空间信息处理的相关理论和方法内容多、范围广、难度大，对本科教学与研究生教学应该区别对待。对于本科生，一
23、方面扩大学生的视野，让本科生对智能空间信息处理的理论和方法有一个比较全面的了解，同时必须加强实践能力的培养，增加实习环节。对于研究生的教学，则应强调研究生的科研探索能力、文献查阅与分析能力、学术研讨等能力的培养。总之，智能空间信息处理是地球空间信息科学的一个新的分支，具有前沿性和探索性，无论是学术研究，还是本科生和研究生的教学，都需要我们深入研究和探索。参考文献蔡自兴,徐光祐.2003.人工智能及其应用(第三版,本科生用书). 北京:清华大学出版社蔡自兴,徐光祐.2004.人工智能及其应用(研究生用书). 北京:清华大学出版社李德仁,王树良,史文中,王新洲.2001.论空间数据挖掘和知识发现.
24、武汉大学学报(信息科学版),26(6):491-499李德毅,刘常昱,杜鹢,韩旭.2004.不确定性人工智能.软件学报,15(11):1583-1594史忠植.2006.智能科学.北京:清华大学出版社王树良.2002.基于数据场和云模型的空间数据挖掘和知识发现(博士学位论文). 武汉:武汉大学王晓明,刘瑜,张晶.2005.地理空间认知综述.地理与地理信息科学,21(6):1-10BruzzoneL, PrietoDF. 1999. An incremental-learning neural network for the classification of remote-sensing im
25、ages. Pattern Recognition Letters, 20(11-13): 1241-1248Ester M, Frommelt A, Kriegel H P, Sander J.2000.Spatial Data Mining:database primitives,algorithms and efficient DBMS support.Data Mining and Knowledge Discovery, 4:193-216Fogel G B, Corne D W. 2007. Computational Intelligence in Bioinformatics.
26、 BioSystems, 72(1-2): 1-4Koperski K,Adhikary J,Han J.1996.Spatial data mining: process and challenges survey papers.SIGMOD96 Workshop on Research Issues on Data Mining and Knowledge Discovery(DMKD96),Montreal,Canada,JuneMiller HJ, Han J.2001.Geographic Data Mining and Knowledge Discovery.London:Taylor & FrancisPijanowskiBC, BrownDG., ShellitoBA, ManikGA. 2002. Using Neural Networks and GIS to ForecastLandUse Changes:a Land Transformation Model. Computers, Environment and Urban Systems, 26(6): 553-575作者简介：秦昆，博士/博士后，武汉大学遥感信息工程学院副教授。研究方向为智能空间信息处理(空间分析、数据挖掘、图像分割、不确定性人工智能) 。Email:
