Как GeoAI меняет качество и анализ данных

Бриана Браун исследует, как искусственный интеллект и машинное обучение меняют геопространственный ландшафт, а также как организации внедряют GeoAI в свои рабочие процессы.

В последние годы искусственный интеллект (ИИ) затронул все отрасли в той или иной степени, и геопространственная сфера не является исключением. GeoAI быстро стал одной из ведущих дисциплин в индустрии ГИС и геоматики, поскольку профессионалы внедряют инструменты на основе машинного обучения в рабочие процессы — от создания данных до анализа и не только.

Несмотря на рост использования GeoAI, в геопространственном сообществе сохраняется определённый скептицизм относительно реальной ценности искусственного интеллекта. Как и в большинстве отраслей, некоторые специалисты опасаются, что распространение автоматизированных решений приведёт к изменениям на рынке труда.

Сложность освоения приложений GeoAI также заставляет многих профессионалов с осторожностью относиться к их внедрению. Кроме того, постоянно расширяющийся ассортимент ИИ-инструментов затрудняет выбор точки входа — непонятно, с чего начать работу.

Пожалуй, самым серьёзным препятствием на пути внедрения GeoAI являются сомнения в надёжности автоматизированного получения данных и результатов аналитики. Качество решений, предлагаемых ИИ, может существенно различаться.
Хотя эти аргументы против использования GeoAI небезосновательны, реальность такова, что искусственный интеллект и машинное обучение формируют будущее геопространственной отрасли.

По мере преодоления этих барьеров, выявления, изучения и внедрения высококачественных решений с использованием ИИ специалисты в области геопространственных технологий достигают нового уровня эффективности и получают ценную аналитическую информацию. Это не только стимулирует инновации, но и создаёт новые карьерные возможности.

Революция в создании данныхОдно из самых значительных воздействий GeoAI — повышение эффективности создания геопространственных данных. Базы данных, на формирование которых раньше уходили годы, теперь можно создать за дни или недели — даже в континентальном масштабе.

Такое увеличение скорости и масштабируемости также позволяет чаще обновлять данные, чтобы соответствовать динамично меняющемуся миру. В результате снижается вероятность того, что данные и аналитика на их основе устареют и станут неточными.

Эффективное создание и поддержка данных — приоритетные задачи для многих организаций, включая региональные планировочные управления, которые отвечают за развитие и обслуживание инфраструктуры на обширных территориях.

Пример из практики

Ассоциация правительств Пимы (Pima Association of Governments, PAG) — организация по городскому планированию региона Тусона (Аризона, США) — недавно использовала картографические системы на базе ИИ от компании Ecopia.
Результат:за несколько недель созданы 61 планометрическая слой (2D и 3D) на территории более 3 646 кв. км;общее количество отдельных объектов — свыше 5 млн (пешеходные переходы, велосипедные дорожки, водонепроницаемые поверхности, кроны деревьев и др.).

Эта база данных обновила региональный реестр PAG и предоставила актуальную информацию для:планирования активных видов транспорта;управления орошением;обеспечения общественной безопасности.

Еще одно преимущество, которое GeoAI приносит созданию и поддержанию данных, — это стандартизация. Независимо от того, интерпретируется ли изображение, оцифровываются ли объекты или назначаются атрибуты, люди всегда будут иметь немного разные методологии, основанные на индивидуальном обучении и опыте. В отличие от этого, алгоритмы машинного обучения обучены создавать стандартизированные наборы данных с идентичными схемами и спецификациями, что приводит к унифицированному представлению объектов по географическим регионам для упрощения аналитики.

Наличие стандартизированного набора данных о глобальных объектах критически важно для организаций с большим охватом, таких как отдел управления недвижимостью и объектами Airbus (FMRE). До перехода на искусственный интеллект различные уровни зрелости в области геопространственных данных по всему миру затрудняли создание стандартизированного источника истины для FMRE, который можно было бы использовать для распределения ресурсов и принятия решений. Используя спутниковые изображения с разрешением 15 сантиметров от Pléiades Neo, картографический движок Ecopia извлек 13 слоев данных для 72 объектов и их окрестностей, предоставляя информацию о землепользовании для развития объектов и управления устойчивым развитием в различных местах.

Обеспечение качества

Стандартизация больших наборов данных — это не единственное улучшение качества, которое стало возможным благодаря искусственному интеллекту. В то время как ранее автоматизация требовала от специалистов в области геопространственных данных жертвовать качеством данных ради скорости и масштаба, недавние прорывы в области GeoAI позволили эффективно создавать данные с точностью на уровне человека. Организации больше не должны выбирать — они могут получить все.

Эти технические прорывы позволили поставщикам данных предварительно создавать наборы данных, которые ранее можно было получить только на заказ. В начале этого года Ecopia и Nearmap объединились для создания готовых к использованию 2D и 3D векторных данных по 400 крупнейшим городам США, сохраняя при этом как минимум 95% геометрической точности. Этот беспрецедентный набор данных был создан всего за несколько недель и включает в себя высоко детализированные классификации землепользования, такие как здания, асфальт, трава, крона деревьев, тротуары и перекрестки. Аналогичные данные были созданы Ecopia по 40 канадским городам и уже используются федеральным правительством Канады для различных инициатив в области устойчивого развития.

Федеральное правительство США также использует GeoAI для повышения качества данных. Широко используемый открытый набор данных, программа анализа изменений побережья Национального управления океанических и атмосферных исследований (NOAA) Coastal Change and Analysis Program (C-CAP), традиционно производилась с разрешением 30 метров. Прибрежные сообщества давно искали данные с более высоким разрешением, чтобы получить более детализированные сведения о землепользовании, но до недавнего времени технические ограничения делали такие наборы данных слишком дорогими для большинства организаций.

Достижения в области извлечения признаков на основе искусственного интеллекта позволили NOAA сотрудничать с Ecopia и увеличить разрешение открытого набора данных C-CAP в 900 раз до 1 метра. Обновленные данные C-CAP предоставляют высококачественное, унифицированное представление прибрежных районов США, включая впервые исторически недостаточно представленные сообщества Аляски.

Улучшение анализа

Результаты анализа надежны настолько, насколько надежны данные, использованные для их получения. Всеобъемлющие, точные и актуальные данные являются основой качественного геопространственного анализа. Влияние GeoAI на создание и поддержание данных обеспечивает лучшие входные данные для анализа, что приводит к более глубоким и точным результатам.

Точный геопространственный анализ критически важен во многих отраслях, но особенно для государственных агентств, оценивающих риски природных катастроф, разрабатывающих стратегии смягчения и реагирующих на события, связанные с опасностями. Более 30% территории штата Калифорния считается зоной повышенной опасности пожаров (FHSZ), что составляет более 32 миллионов акров. Чтобы предоставить Калифорнийскому департаменту лесного хозяйства и пожарной охраны необходимые сведения для управления рисками лесных пожаров, системы Ecopia на основе искусственного интеллекта эффективно проанализировали землепользование во всех зонах FHSZ Калифорнии, добавляя контуры зданий с важными атрибутами уязвимости, такими как расстояние до ближайших водоемов, строений и деревьев.

Инструменты анализа на основе искусственного интеллекта меняют способ, которым геопространственные специалисты выполняют повседневные функции. Процессы, которые раньше занимали дни, недели или даже месяцы ручного труда, теперь могут выполняться эффективно, освобождая время и ресурсы для действий на основе полученных сведений и позволяя организациям выполнять еще более сложные рабочие процессы.

Обнаружение изменений раньше было трудоемким процессом, включающим утомительное сравнение наборов данных, особенно на больших или густонаселенных территориях. Будучи крупнейшим владельцем железных дорог в Великобритании, Network Rail отвечает за более чем 20 000 миль путей и более 30 000 мостов, туннелей и виадуков по всей Англии, Шотландии и Уэльсу.

Понимание того, как изменения землепользования влияют на эту обширную сеть, имеет решающее значение для обеспечения безопасности и устойчивости инфраструктуры. Благодаря рабочему процессу GeoAI, разработанному Ecopia, Airbus и Европейским космическим агентством, Network Rail теперь может идентифицировать, где произошли изменения землепользования вблизи своих активов, что способствует принятию решений и повышению операционной эффективности.

Будущее геопространственных технологий

Как и с любой новой технологией, потребуется некоторое время, чтобы геопространственная отрасль адаптировалась к широкому распространению искусственного интеллекта. Возможность эффективно создавать и обновлять стандартизированные, высококачественные данные приближает отрасль на один шаг к созданию цифрового двойника, позволяя профессионалам выполнять более глубокий анализ на основе более подробной и актуальной информации. Вместо того чтобы устранять рабочие места, GeoAI создает возможности для геопространственных специалистов специализироваться на новых рабочих процессах, масштабировать свою повседневную деятельность и в конечном итоге стимулировать инновации в отрасли.

*Бриана Браун — старший директор по управлению продуктами и маркетингу в Ecopia AI, компании, базирующейся в Торонто, Канада, которая специализируется на извлечении информации из больших геопространственных данных.