精华内容
下载资源
问答
  • 软件开发生命周期的四个阶段

    万次阅读 2017-12-13 13:58:44
     规划阶段是理解为什么要建立一信息系统以及确定如何建设的基础。规划阶段由两步骤: 1. 项目启动期间,系统对于组织的业务价值已经被确认:如何降低成本或增加收入?大多数新系统的想法来自于在IS区域以外...

    规划阶段

             规划阶段是理解为什么要建立一个信息系统以及确定如何建设的基础。规划阶段由两个步骤:

    1.      项目启动期间,系统对于组织的业务价值已经被确认:如何降低成本或增加收入?大多数新系统的想法来自于在IS区域以外(例如来自市场部门,会计部门)系统请求的形式。系统请求提供业务的简要摘要需要,并解释了如何支持需求的系统将创造商业价值。信息系统部门与产生信息的人员或部门一起工作要求(称为项目发起人)进行可行性分析。

    将系统请求和可行性分析呈现给信息系统审批委员会(有时也称为指导委员会),决定该项目是否应该进行。

    2.      一旦项目获得批准,即进入项目管理。在项目管理期间,项目经理创建一个工作计,工作人员的项目,并提出技术以帮助项目团队控制和指导项目整个SDLC。项目管理的交付成果是一个项目计划描述了项目团队如何开发系统

     

    分析阶段

    分析阶段回答谁将使用系统的问题,系统将会如何做什么,以及何时何地将被使用。 在这个阶段,项目组调查任何目前的系统,找出改进的机会,并为新系统形成一个概念。

    这个阶段有三个步骤:

    1.      一个分析策略是用来指导项目团队的工作。这样的策略通常包括对当前系统(称为现状系统)及其系统的分析问题,然后再设计一个新的系统(称为待定系统)。

    2.      下一步是需求收集(例如,通过访谈或调查问卷)。分析这些信息 - 连同项目的投入赞助商和许多其他人– 产生新系统的开发概念。然后系统概念被用作开发一套业务的基础分析模型,这些模型描述了新系统如何运作开发。

    3.      系统分析,系统概念和模型被合并成一个文件,称为系统提案,系统提案被提交给项目发起人等关键决策决策者(例如审批委员会成员),由他们决定是否决定项目应该继续前进。

    系统建议是最初的交付成果,描述了新系统应该满足的业务需求。因为这是新系统设计的第一步,一些专家认为用“分析”作为该阶段的名称是不合适的,有人认为更好的名字是“分析和初步设计”。大多数组织继续用分析作为该阶段的名称,所以我们也在本书中使用它。只是请记住,分析阶段的交付成果既是分析性的,也是高层次的新系统的初始设计。

    设计阶段

    设计阶段决定系统如何在硬件,软件,和网络基础设施方面操作;并决定用户界面,表单和报告; 特定的程序,数据库和将需要的文件。虽然关于这个系统的大部分的战略决策都是在分析阶段制定系统概念的过程中,但是设计阶段步骤确切地确定系统将如何操作。

    在设计阶段有四个步骤:

    1.      首先产生设计策略。它阐明了系统是否会被公司自己的程序员开发,或者外包到另一家公司(通常是咨询公司),或者公司是否会现有的软件包。

    2.      形成系统的基本结构设计,基本结构设计说明了硬件、软件和网络基础设施的使用。多数情况情况下,系统将添加或更改已经存在的基础设施组织。界面设计规定了用户如何在系统(例如,诸如菜单和屏幕上的按钮的导航方法)以及系统将使用的窗体和报告中的操作流程。

    3.      制定数据库和文件规范。这些确切地定义了什么数据将被存储并存储在何处。

    4.      分析团队做出程序设计,确定需要写什么程序,每个程序要做什么。

    这些交付成果的集合(架构设计,界面设计,数据库和文件规范,和程序设计)是系统的规格说明书,转交给编程团队来实现。在设计阶段结束时,可行性分析和项目计划进行重新审查和修改,另外由项目发起人和批准作出决定委员会是否要终止项目或继续。

    实施阶段

    SDLC的最后阶段是系统实施阶段,在这个阶段系统被真正创建(或者在包装软件设计的情况下购买)。这是最受关注的阶段,因为对于大多数系统来说,它是开发过程中最长和最昂贵的一部分。这个阶段有三个步骤:

    1.      系统建设是第一步。创建系统并测试以确保它按设计执行。因为修复bug的成本可能是巨大的,所以测试是实施过程中其中一个最关键的步骤。大多数组织给予测试更多的时间和关注,而不是开始写的程序。

    2.      按安装系统。安装是关闭旧系统,打开新系统的过程。转换系统的一个最重要的方面是一个培训计划的开展,教导用户如何使用新系统并且帮助管理由新系统造成的改变。

    分析团队为系统建立一个支持计划。这是计划通常包括正式或非正式的后审查以及动态地确定系统的主要和次要的需求改变。
    展开全文
  • 自动驾驶技术发展的5个阶段和现状

    千次阅读 2020-07-27 15:13:45
    摘要:自动驾驶的级别从L1到L5(SAE),清晰而直观,是大家讨论自动驾驶行业的一基准。但是,它也很容易误导人。让人以为自动驾驶的技术会一级一级获得突破,最终迎来一辆L5级别的汽车,可以带我们到任何地方去。 ...

    640?wx_fmt=jpeg

    来源:智车科技

    摘要:自动驾驶的级别从L1到L5(SAE),清晰而直观,是大家讨论自动驾驶行业的一个基准。但是,它也很容易误导人。让人以为自动驾驶的技术会一级一级获得突破,最终迎来一辆L5级别的汽车,可以带我们到任何地方去。

     

    业界第一款具备真正意义上的自动驾驶能力的量产车——全新奥迪A8 2017年7月才姗姗来迟。作为整个自动驾驶的第一个量产玩家,奥迪尽管已经走在了行业最前沿,但目前实现的还是3级的自动驾驶,也就是说这是一种在限定环境条件下,需要驾驶员始终有接管能力的自动驾驶,距离无限条件无需接管的自动驾驶还有相当长的路要走。

     

    回头看历史,猛然发觉第一届DARPA自动驾驶挑战赛已经是十年前的事了。对比互联网产业,十年前支付宝还没有手机支付业务,而微信根本还没诞生,再看现在,支付宝和微信已经全面占领了我们的生活。为什么汽车工业的动作慢如蜗牛?自动驾驶到底难在哪里?

     

    事实上,早在车企开始宣传“世界上第一款量产L3级别汽车”的时候,我们就应该揭穿他们的把戏。

     

    自动驾驶的级别从L1到L5(SAE),清晰而直观,是大家讨论自动驾驶行业的一个基准。但是,它也很容易误导人。让人以为自动驾驶的技术会一级一级获得突破,最终迎来一辆L5级别的汽车,可以带我们到任何地方去。

     

    醒醒吧,真实的技术部署从来不会按这样的“计划方案”发展。而且,这个行业里的公司“怎么说的”和“怎么做的”完全不是一回事。你能听到很多人,在画一张同样的大饼:我们在研发自动驾驶,我们将率先发布某个级别的汽车,我们将推出最先进的自动驾驶汽车叫车服务。

     

    不要轻易相信他们说的话。看看这些公司实际是怎么做的,你就能明白,这个行业里最有代表性的三家公司分别是英特尔的 Mobileye、特斯拉和 Google 的 Waymo,他们才真正代表了自动驾驶技术部署的三种实际路线。

     

    如果你熟悉SAE自动驾驶技术级别定义中的L5,你就知道我们说的是,在所有场景下都可以工作、永远都不需要人干预的自动驾驶汽车。换言之,人只能作为乘客,驾驶的任务完全交给汽车。

     

    640?wx_fmt=jpeg

     

    它与L4的唯一区别就是,L4能适应的场景依然是有限的,而L5“没有限制”。

     

    看明白了吗?从L4到L5,不过是一种典型的“线性”思维类推出来的结果,与古人想要速度更快的马,没有什么区别。在实际的技术部署中,首先是我们大部分人等不到这种汽车出现的那天;其次等它出现的时候,或许地球上更流行的是飞行汽车或者其他新型的私人交通工具。

     

    我们看看实际的技术部署会是什么样的。例如,有一种收垃圾的自动驾驶汽车,它只能在限定的范围内工作,就是到固定的地点收完垃圾,然后把垃圾集中放到固定的地方,接着自己回停车场充电,等待第二天执行同样的任务,全程不需要人干预。请问这种汽车我们称之为L4,还是L5有什么区别吗?

     

    再比如,一种自动驾驶的货车,大部分路程都在高速公路上,完全自动驾驶,只有在出高速之后的一小段市内路程,需要人来“监督”继续驾驶到卸货的地方。请问这种汽车我们称之为L3,还是L4有什么区别吗?

     

    现在,很多公司展开的自动驾驶测试已经表明,不同地方的技术难度是不一样的。高速公路比城市环路简单,城市环路比开放的城市道路简单,开放的城市道路也比胡同或小县城电动自行车穿梭其中的环境要简单。所以,当我们讨论自动驾驶的时候,本身就应该把地点等因素考虑进去,而不是简单地类推出一辆终极的、无所不能的L5汽车。

     

    稍微开一下脑洞,很有可能的场景是,当我们向系统输入目的地之后,系统会告诉我们,“今天的路程全程不用你来管,放心睡觉吧”。或者会告诉我们,“今天大部分的路都不用你管,但有一小段我没十足把握,到时候需要你帮忙”……自动驾驶的三种实际部署路线自动驾驶领域的很多公司在展开研究、在讲他们的故事,但是谈到“看得见、摸得着”的实际部署路线,最有代表性的就是 Mobileye、特斯拉和 Waymo 这三家公司。

     

    640?wx_fmt=jpeg

     

    用上边的流程图,我们看下这三种实际技术部署路线的区别。

     

    首先,Mobileye+传统车企走的是“谨小慎微,但求无过”的实际部署路线。从2017年就开始宣传,号称全球首款L3级别量产车的奥迪A8,今年上市后的真实情况是什么样的呢?就是连ACC自适应巡航这样的功能,都只在最顶配车型上提供。更别说传说中L3级别的 Traffic Jam Pilot 功能,实际情况是全系都没有,需要选装才行,然后在大部分国家连选配都不能选。

     

    就在这几天上市的福特福克斯2018款,也号称支持L2级别的 Co-Pilot360智能辅助驾驶系统,“入门车型配了顶级科技配置”。实际情况呢?同样连最顶配车型也没有包括ACC自适应巡航在内的Co-Pilot360系统,而且只有最顶配车型才能选装。换言之,传统车企宣传自己的技术很厉害,但实际上却不怎么敢让你用。

     

    对这种情况,汽车之家的创始人李想,在微博上曾有过评价:“传统汽车品牌和特斯拉在辅助驾驶/自动驾驶上最大的区别是:传统汽车品牌的消费者连用都不敢用,所以特别特别特别的安全。特斯拉的车主们每天辅助驾驶/自动驾驶的使用总时长,估计够所有其它汽车品牌一个月使用时长的总和。”

     

    接下来就聊特斯拉的路线,这家明星公司可以说是走在“急于求成、蒙眼狂奔”的路上。与传统车企不同,特斯拉视自动辅助驾驶技术为核心竞争力,所以为所有车型都预装了各种传感器硬件,但车主仍然需要花钱“激活”相应的功能,包括“增强版自动辅助驾驶”和“全自动驾驶能力”两个套装。

     

    特斯拉在行业中被普遍认为,过度宣传了自家的自动驾驶技术能力,尤其是被称为“全自动驾驶能力”的套装,对车主的误导性极强。就算不讨论之前特斯拉的两次广受关注的Autopilot致死事故(国外撞上了大货车,国内追尾道路清扫车),最近特斯拉撞上公路隔离带致死事故,也足以给特斯拉盖上“急于求成、蒙眼狂奔”的帽子。

     

    最近的开启Autopilot撞上隔离带致死事件之后,一位车主“以身试法”实地还原了当时的场景,发现特斯拉的Autopilot系统确实应付不了当时的情况,没有正确地识别出前方的车道已经消失,需要转到另一个车道。但是如果采用Waymo 的技术方案(事先给环境建模、激光雷达和计算机视觉互为冗余等),这种情况就很有可能避免。

     

    最后就是Waymo的“胆大心细、步步为营”路线。Waymo的车,准确的说是Waymo与克莱斯勒、捷豹合作特别定制自动驾驶汽车,是普通人现阶段根本买不起的,因为它装配了定制化的芯片和传感器,尤其是激光雷达传感器目前价格比车还贵。Waymo的方案是提前为自动驾驶车要运行的环境建模,比一般意义上的高精地图包含更多更多的环境细节信息,然后通过计算机视觉与激光雷达的算法融合,形成自动驾驶的策略和算法基础。对于特斯拉装上隔离带的情况,Waymo的优势在于它本身就应该会知道那个车道是不通的,而不需要通过计算机视觉临时来判断(再做反应可能就来不及了)。

     

    “胆大心细”,“胆大”说的是Waymo已经开始在部分地区,邀请真实用户上路体验自己的车;“心细”说的是Waymo也只敢在自己掌握完整环境数据的地区,开展这类服务。步步为营,则说的是Waymo在美国的各个地区、各种极端环境下展开测试,通过攻克一城一寨的方式,逐步扩大技术能适应的能力范围。

     

    三种路线的未来变数对于三种自动驾驶实际技术部署路线,行业中的人也有不同的看法。如果我们极端化描述(仅为了方便理解)这三种实际技术部署路线,总结起来就是有三种变数:

     

    一、(可能性49%)计算机视觉突飞猛进,不依赖激光雷达和提前环境建模就能做到足够好的自动驾驶。特斯拉胜。

     

    二、(可能性49%)激光雷达和提前环境建模成本大幅下降,便宜到所有车都可以装配。Waymo胜。

     

    三、(可能性2%)计算机视觉没有突飞猛进,激光雷达和提前环境建模成本也没有大幅下降,自动驾驶老出问题陷入困境,ADAS回潮。

     

    Mobileye+传统车企胜。不管怎么说,自动驾驶行业正处在黎明前的黑暗中。带我们冲破黑暗的,一定不是那些迫不及待、率先发布L5级别自动驾驶汽车的公司。

     

    先来一张各大车企自动驾驶技术的分级图,大致了解一下目前已经量产的自动驾驶技术哪家强。

     

    640?wx_fmt=jpeg

     

    自动驾驶从L2到L5是一个相对漫长的过程,现已发布的量产车型中有处于L3的奥迪A8、处于L2.5的Tesla、还有处于L2的凯迪拉克CT6等。那么每一级别之间具体的区别和需要克服的难点到底又有哪些?那就一级一级细细道来。按照国际惯例,谈论自动驾驶级别时必须上一张SAE的分级图。

     

    640?wx_fmt=jpeg

     

    下面我用给大家解释一下各个级别到底代表着什么样的技术哪些指标能立刻区分汽车属于哪个Level为什么Level越高,对技术的要求越高

     

    SAE Level 0:No Automation(无自动化)

     

    准确来说,现在我们已经很难看到 Level 0 的汽车了。要么早已报废,要么法规都禁止其上路了。无自动化意味着诸如ABS(自动防抱死)这种现在看来最基本的配置都没有。极端一点,你可以认为Level 0的车就是四个轮子加一个沙发。@吉利

     

    SAE Level 1:Driver Assistance(驾驶员辅助)

     

    生活中常见的车基本都属于Level 1。Level 1 称为驾驶员辅助系统,所有在驾驶员行驶过程中,对行车状态有干预的功能都叫驾驶员辅助,都属于Level 1。比如最基本的ABS,以及在ABS基础上升级而来的ESP,还有高速路段常用的定速巡航、ACC自适应巡航功能及LKA车道保持辅助。大家买车时,在底盘功能介绍中看到的各种英文缩写,或多或少都是属于SAE 规定的Level 1。

     

    SAE Level 2:Partial Automation(部分自动化)

     

    Level 2和Level 1最明显的区别是系统能否同时在车辆横向和纵向上进行控制。如果一个车辆能同时做到ACC+LKA(自适应巡航+车道保持辅助),那么这辆车就跨进了Level 2的门槛。

     

    2018款的凯迪拉克CT6拥有的半自动驾驶系统“Super Cruise”就是典型的Level 2级别。该车并不具备主动超车的功能。即目前的Super Cruise仅能实现单一车道内的加减速。再来说说自动驾驶话题下不得不提的特斯拉。特斯拉过度夸大了他们系统所具备的能力。为什么称 Tesla 目前的 AutoPilot 为 Level 2.5?

     

    因为特斯拉具备换道功能。驾驶员在确保安全的情况下,拨动转向灯杆,车辆即可依据该信号实现换道。也就是说,特斯拉的换道操作并不是全自动的,而是把这一块对环境感知的需求交给了人。特斯拉收到变道信号后会由车判断是否可安全变道后才会执行。比如前后车距离太近、实线都不会变道的。

     

    (重点来了!敲黑板)难点:Level 1 ~ Level 21.汽车横向控制和纵向控制配合的舒适性单独的横向控制(车道保持)或纵向控制(ACC等)技术已经十分成熟,那么两者同时控制时,如何将舒适性做到最优,这就是当前遇到的挑战。

     

    通知驾驶员接管车辆的时机选择Level 2的系统并不具备较高级别的自动驾驶功能,需要驾驶员实时监控并做好接管的准备。如何以最友好的和最恰当的交互方式通知驾驶员接管车辆,而不影响到驾驶员的心情,需要人机交互攻城狮费尽心思。

     

    SAE Level 3:Conditional Automation(有条件自动驾驶)

     

    有条件自动驾驶是指在某些特定场景下进行自动驾驶。比如全新奥迪A8在他们的宣传视频中就限定了十分常见的场景——堵车,该功能叫作Traffic Jam Pilot(交通拥堵巡航),功能描述如下:当车速小于或等于60公里/小时,用户可以启动道路拥堵状况下的自动驾驶功能。

     

    在当地法律允许的情况下,车辆会完全接管驾驶任务,直到系统通知用户再次接管。这也是目前在全球范围内,在实现量产的车型中拥有的最高级别的自动驾驶能力。引用出处:全球首款自动驾驶量产车奥迪A8背后的Audi AI。

     

    仔细想想,这些功能特斯拉通过升级软件也能实现,为什么只有Audi A8敢宣称自己达到 L3 呢?因为L3 相比 L2 最大的进步在于——不需要驾驶员实时监控当前路况,只需要在系统提示时接管车辆即可。这对于自动驾驶技术来说是一个很大的跨越,这也意味着自动驾驶系统代替人类成为了Driver & monitor。

     

    驾驶员变为乘客,而乘客是不需要实时监控当前路况的。传感器感知技术NTSB最近刚发布的,去年五月特斯拉撞卡车交通事故的宣判结果——特斯拉Autopilot的功能限制是导致2016年5月交通致死事故的主要原因,这里的功能缺陷实际上就是传感器感知的缺陷。AutoPilot 1.0的硬件配置很难处理特殊工况,比如交叉路口。图为特斯拉因传感器感知缺陷未正确识别卡车所导致的事故。

     

    640?wx_fmt=jpeg

     

    正是因为传感器感知缺陷这种客观因素的存在,整车厂做自动驾驶时就显得尤为保守,要么增加传感器以加强感知能力,比如全新奥迪A8加的四线激光雷达;要么就通过监视驾驶员的面部状态,确保驾驶员实时观测着前方路况,比如凯迪拉克CT6。

    目前中国还是不允许自动驾驶车在开放及高速道路测试的,所以在法规正式发布之前,自动驾驶还只能到封闭的试车场中测试。这一点国外走在前列。

     

    SAE Level 4:High Automation(高度自动驾驶)

     

    无论是国外的Waymo、Uber还是国内的Baidu L4事业部做的都是Level 4自动驾驶技术的研究。它们的自动驾驶汽车有一个很明显的共同点,就是头上顶着一个大大的激光雷达。如下。

     

    激光雷达提供了极高精度和极其丰富的感知信息,这使自动驾驶车自如处理极端工况成为可能。激光为主,视觉为辅,再加上车上各种功能冗余的传感器及高精度电子地图,在开放道路上实现A点到B点的自动驾驶不再遥远。

     

    难点:Level 3 ~ Level 4

     

    1.传感器成本激光雷达的成本短期内还降不下来,这也是 L4 自动驾驶汽车还未普及的重要原因之一。Waymo在今年年初宣布将激光雷达成本降低90%,希望低成本激光传感器早日到来。

     

    2.极高鲁棒性的自动驾驶算法及稳定的计算平台

     

    Level 4的自动驾驶算法准确性和精确性需要达到,甚至超过人类的认知水平,这就需要的是极具鲁棒性的算法和稳定的计算平台。确保自动驾驶汽车即使遇到突发情况也能较好应对。

     

    3.高精度地图采集资质这一项难点国外并不存在,但是国内确实是一个很大的壁垒(国防考虑)。除了大家耳熟能详的BAT有地图测绘资质外,国内有测绘资质的图商寥寥无几。

     

    近几年随着自动驾驶的发展,想在国内发展自动驾驶技术,图商说不定会成为稀缺资源。可以的话,推荐大家自己去调研国内有测绘资质的几家图商,买点他们的股票,看涨。

     

    4.乘坐人员接纳度

     

    现在让你去乘坐一辆没有方向盘,随时都无法接管的汽车,心里多少会有些忐忑吧。因此人类的接纳程度也是自动驾驶普及的一个大难点,需要时间建立信任。

     

    Level 5:Full Automation(完全自动驾驶)

     

    LEVEL5:车企看看就好

     

    Level 5全自动驾驶(无人驾驶),没有使用条件限制,无需监控和控制,甚至没有方向盘等控制机构。是汽车驾驶自动化系统研发的终极目标。研发难度极大,成本极高,需要非常强大的感知和决策能力,全天候工作。

     

    之前,Level 5研发的领头羊就是Google,Google把互联网软件公司的优势发挥的淋漓尽致,但同时也看到,经历了这么多年的研发,Google的无人驾驶小车依然“步履蹒跚”。

     

    传统主机厂在研发Level 2-3之后,也逐渐重视Level4和5,有车企的底子和供应商支持,进展神速!赶超Google我认为是迟早的事…Level5难度首先来自于感知,虽然有多种传感器,比如360度激光雷达和摄像头,但这些传感器输出大量原始数据。

     

    普通人看摄像头和激光雷达的数据很容易识别出里面的内容,但电脑就很困难。普通的模式识别识别率会很快达到瓶颈,这时候就需要深度学习,需要大量的数据进行训练,而当今深度学习以及人工智能并没有给识别工作带来质的飞跃。很多显而易见的场景,电脑就是认不出来。同时当数据量增多时,计算的时间也会延长,系统响应变慢,这就导致这些无人车只能低速行驶。

     

    另一大难题是决策控制。主流方式是专家系统,把所有的经验进行总结,归纳为代码。但驾驶场景万万千千,极难穷尽,遇到没见过的场景干脆就没响应了。于是另一种方式,人工智能成为解决问题的唯一希望。但纯靠人工智能进行决策控制还处于“扯淡”阶段,同样需要大量数据进行训练,而这种训练又不像训练人类驾驶员,能够互动沟通,讨论自身问题。

     

    训练这个系统就像对牛弹琴,让牛看你弹个千百遍,然后说,牛,该你了!牛会怎么弹其实你是不知道的,同样这个训练后的人工智能系统到底做出啥响应也是不确定的,一旦出错,你还没法回溯(就像你没法问牛你为啥这么弹)。

     

    最佳的方式似乎是结合专家系统和人工智能,但如果结合又是难点。说到Level5,不得不说,未必是所有主机厂的最终选择。其成本极高,带来的客户收益未必比L2高太多。

     

    所有很多主机厂都说不会研发没有方向盘的无人驾驶车,驾驶是每个爱车人的权利。这类车更多的是未来出行或者交通的新方向,而且只要限制车的行驶区域,比如封闭的校园或场馆,限制行进速度,这些降级的Level5 还是应该很快就能面试的。如果让Level5真像人类驾驶员一样开车,恐怕要很久很久了。

    展开全文
  • 到2020年,在中国已经有近500城市启动“城市大脑”建设计划,成为当前新型智慧城市建设的热点。其中包括杭州、上海、北京、福州、郑州、铜陵、广州等等城市。建设规模已经超过数百亿资金。 在产业界,腾讯推.

    作者:刘锋 刘朝晖

     

    0.序言

    21世纪以来,前沿科技领域出现诸多“大脑”概念,如谷歌大脑,百度大脑,阿里大脑,360安全大脑,腾讯超级大脑等,城市大脑,城市神经网络,工业大脑,航空大脑,互联网大脑、社会脑,全球脑等。其中城市大脑的出现引起了政府。学术界和产业界的高度重视。并在很多城市开始推动。

    到2020年,在中国已经有近500个城市启动“城市大脑”建设计划,成为当前新型智慧城市建设的热点。其中包括杭州、上海、北京、福州、郑州、铜陵、广州等等城市。建设规模已经超过数百亿资金。

    在产业界,腾讯推出“”WeCity未来城市”和城市超级大脑”,阿里推出”阿里ET城市大脑“”,华为提出“城市神经网络”、科大讯飞提出“城市超脑”,360提出“”城市安全大脑“”[2],利用企业的技术优势与智慧城市建设结合,形成不同风格和特点的城市大脑建设方案。在产业界,主要认为城市大脑是“基于云计算、物联网、大数据、人工智能等技术,支撑城市运行生命体征感知、公共资源配置优化、重大事件预测预警、宏观决策指挥的数字化基础设施和开放创新平台。”

    在研究领域,2015年,本文作者在论文《基于互联网大脑架构的智慧城市建设探讨》提出城市大脑的学术定义,认为在过去50年,互联网从网状结构进化成为大脑结构[5]并与智慧城市建设结合,是城市大脑产生的根源,如图1所示。

    城市大脑从起源到终极状态的7个阶段

     

    图1. 互联网大脑模型

    由此本文认为,城市大脑是随着互联网类脑化和城市智能化的深度发展,智能单元广泛应用、全面连接,并在与人类社会的持续互动过程中自组织形成的类脑系统。城市大脑系统最终将具备城市中枢神经(云计算),城市感觉神经(物联网)城市运动神经(云机器人,无人驾驶、工业互联网),城市神经末梢发育(边缘计算),城市智慧的产生与应用(大数据与人工智能),城市神经纤维(5G、光纤、卫星等通讯技术)。在上述城市类脑神经的支撑下,形成城市建设的两大核心:第一是城市神经元网络,实现城市中人与人,人与物,物与物的信息交互。第二是城市大脑的云反射弧,实现城市服务的快速智能反应。云机器智能和云群体智慧是城市智慧涌现的核心动力。这样基于互联网大脑模型的城市类脑架构称之为城市大脑”。

    从概念层次来说,这种作为复杂系统的城市大脑,其演化和形成符合自然界进化的普遍规律,也将是各种概念上城市大脑的最终目的地,而我们过去和今天的各种实践和探索终将成为城市大脑进化过程中的一部分。当我们洞察这种规律,就能够以更简单和更有效的方式来诱导和激发进化的过程。

    按照复杂系统形成的条件,对于城市大脑的最终形成来说,众多的智能元素、全面的连接、海量的与人类社会之间的互动、无序性,以及大量的反馈机制构成了关键因素。基于此,2020年,《城市大脑与超级智能城市建设规范研究1.0》进一步提出了城市大脑发展的三个顶层规范,分别是:1)能够连接人,物,设备和系统的统一的城市类脑神经元技术框架;2)每一个城市类脑神经元要实现人机双智能控制,但保持人类控制权最高;3)通过信息路由技术实现城市云反射弧,满足城市的各种需求[6]。

    通过对城市大脑三个顶层规范实施难度和成熟条件的预判,结合城市发展历史和现代化进程,我们对城市大脑从产生到成熟并到达最终形态,划分了七个阶段,如表1所示。

    表1 城市大脑发展的7个阶段

    城市大脑从起源到终极状态的7个阶段

     

     

    1.第一阶段,城市大脑的史前阶段(6000年前--2009年)

    城市的起源可以上溯到6000年前以前,考古学证明最早的城市起源于美索布达米亚平原,但城市产生以后并不是从一个地方扩散的,而是在不同地域产生后各自传播,这就是城市产生的多元学说。

    人类第一个城市——埃利都的城市围墙长达9.5公里以上,人口估计约为5万。城市的出现,是人类走向成熟和文明的标志,也是人类群居生活的高级形式。

    城市的智慧程度是伴随人类科技和文明的进步发展起来的。18世纪中叶开始的工业革命,城市迎来了一个崭新的发展时期。作为工业化原动力的各种原料产地,特别是煤炭、沿海地区,资本、工厂、人口的迅速集中,形成了人口集中、密度高、工业发达的城市[7]。

    到1980年世界城市化水平为39.6%, 2000年达到46.6%,这个时期城市现代化的标志,包括城市内部与城市之间的分工与协作;基础设施高能化;道路、交通(国内与国际)、通讯、供排水、供电、供气等现代设施的灵敏化;城市管理工作的信息化等。最终,如同最早的单细胞生物体开始感知和反馈世界,城市也开始形成一些简单的感知和反馈机制。

    2.第二阶段,城市大脑的混沌阶段(2009年-2015年)

    2009年1月,IBM公司首席执行官彭明盛首次提出“智慧地球”,由此延伸的智慧城市概念极大推动了世界各个国家的城市现代化进程。城市大脑开始在局部产生神经核团,实现对部分城市功能的中心化智能化组织和调控。

    “智慧地球”战略提出:IT产业下一阶段的任务是将新一代IT技术充分运用到各行各业之中,智慧城市就是基于智慧地球建设的大框架下,城市的智慧化建设方案。将新一代IT技术充分运用到城市建设之中[8]。

    此后智慧城市迅速在中国成为城市建设的热点,近千个城市宣布了自己的智慧城市建设计划。但是这个阶段智慧城市的发展方向并不明晰,存在很多概念模糊的问题。一些专家认为智慧地球和智慧城市是把很多新的信息技术打包到城市建设的筐里,并没有统一的建设规划指导。出现盲目炒作、顶层设计缺乏、基础不扎实等问题,

    在实施的过程中,由于行业利益,部门利益的存在,住建部原副部长仇保兴指出:一些“智慧城市”方案不能解决任何一种城市病,有的是被IT企业“绑架”,成为企业推销产品的渠道;有的是被政府部门“绑架”,部门间形成信息孤岛互不往来;还有不少则是“忽悠”,更有甚者,有些地方的“智能城市”从规划上就是错的。总体这个阶段,城市大脑概念还没有浮现出来,智慧城市还存在很多概念和实施上的问题[9]。

    3.第三个阶段 城市大脑的萌芽阶段(2015年-2021年)

    2015年,《基于互联网大脑模型的智慧城市建设》提出了城市大脑的类脑智能巨系统特征的定义。这篇文章认为在过去的近50年时间里,互联网逐步从网状结构发展成为大脑模型。互联网类脑架构与智慧城市建设结合是城市大脑产生的根源,城市大脑除了具备中枢神经,视觉,听觉,感觉,记忆神经之外,最重要的是城市类脑神经元网络和城市云反射弧建设。

    2016年开始,阿里,百度,腾讯,华为,科大讯飞等提出了自己的泛城市大脑计划,包括阿里的ET城市大脑,百度城市大脑,腾讯未来城市(Wecity),华为城市神经网络,讯飞超脑等。

    在这些科技企业的支撑下,到2020年,中国数百家城市启动了城市大脑工程。包括杭州,上海,北京,福州,铜陵,重庆,贵州,深圳等。在产业界,认为城市大脑是““基于云计算、物联网、大数据、人工智能等技术,支撑城市运行生命体征感知、公共资源配置优化、重大事件预测预警、宏观决策指挥的数字化基础设施和开放创新平台。”

    这个时期产业实施的城市大脑方案与学术研究理论推导的城市大脑方案并不相同,类脑神经元网络和城市云反射弧建设还不是建设的重点。主要是依托人工智能技术对城市的数据和信息进行管理的城市级人工智能系统。为了方便城市领导者掌握和管理城市信息,还建立了城市管理者“驾驶舱“”[10],这时建设中的城市大脑方案与互联网大脑的关系如用图2表示。

    城市大脑从起源到终极状态的7个阶段

     

    图2 当前产业界建设的城市大脑特征示意图

    从互联网大脑的架构图中可以看出,这个时期推进的城市大脑项目主要建设了巨型神经元控制下的城市人工智能中枢系统,因此这个阶段也可以称为城市大脑的AI巨型神经元建设阶段。城市更多元素还没有纳入到城市大脑的框架中。由于没有统一的建设标准,不同企业,不同城市建设的城市大脑依然存在信息孤岛或智能孤岛的问题。不但城市内的人,物,系统不能完全打通,不同城市之间的城市大脑也无法连接。这种情况可能为未来的城市大脑发展带来隐忧和额外成本。

    4.第四个阶段,城市大脑的连接阶段(2021-2045)

    神经元网络是生物大脑最重要的结构,同样建设城市大脑的神经元网络也是最重要和最基础的工作。这也是城市大脑第三阶段缺失的地方。因为没有统一的神经元技术标准。城市内部的居民,设备,系统无法关联起来,更为重要的是城市之间的城市大脑也无法有效的连接。从起源看,城市大脑作为互联网大脑的子集,通过互联网大脑,城市大脑之间也应该形成统一的标准,可以进行信息互动。

    因此如何建立统一的城市神经元框架标准并展开实施就成为城市大脑第四阶段最重要的任务,城市类脑神经元网络的建设一方面能够为城市中每一个元素,包括大楼,路灯,汽车,燃气管道,城市的居民,医生,商业机构,市政管理人员(市长),服务交通,医疗,安全的智能系统 等提供一个统一的神经元节点空间,如图3所示。

    城市大脑从起源到终极状态的7个阶段

     

    图3 城市神经元结构图

    在这个节点空间里,人,物,系统可以将自己的信息进行映射同步,可以运行相应的管理控制程序,通过这个节点空间实现,人与人,人与物,物与物,人与系统,物与系统,系统与系统的相互关注与信息交流。

    2020年研究报告《城市大脑与超级智能城市建设标准研究》提出在城市神经元节点中应该有5个重要的组成部分,分别是;

    1) 信息展示区,对映射对象发布的信息进行显示的权限控制

    2) 功能模块区,根据不同的映射对象需求提供不同的功能模块

    3) 智能控制区,对信息展示和功能模块进行管理的区域,要求同时允许人类和AI控制

    4) 神经元节点编码,对所有的城市大脑神经元节点进行统一的编码

    5) 空间位置编码,对所有城市大脑神经元节点所处的地理位置和海拔高度进行统一的编码,标注其位置(如果是网络智能系统,空间位置将为0)

    当每个城市神经元节点具有了统一的技术结构,节点编码,和地址编码,这样才能保证符合城市大脑是互联网大脑的子集,各城市大脑可以通过互联网大脑架构实现相互协同合作的发展规律与目标。

    如何构建城市神经元的技术标准,如何在不同城市之间,不同国家之间形成共识并开始推进,一定是一个漫长和困难的过程。因此城市大脑第四阶段预计会持续10年或数十年的时间。一部分前瞻的城市如上海市已经重视城市神经元的建设,提出在城市布控百亿传感器的城市神经元。

    5.第五阶段,城市大脑的分权阶段(2023年-2045年)

    构建世界统一的城市神经元技术标准,目标是把城市,国家乃至世界范围的人,智能设备,智能系统连接起来,数十亿人类和数百亿智能设备和系统通过互联网大脑架构形成自然界前所未有的超级智能形式。

    作为子集,城市大脑也将连接百万级人口和上亿级的智能系统,这其中既有人与人的关系,也有人与机器(系统)的关系,机器(系统)与机器(系统)的关系,这时城市大脑需要重点解决这三种关系的权限分配问题:也就是机器(系统)与机器(系统)的权限分配问题,人与人之间的权限分配问题,人与机器(系统)权限分配的问题,应该说这是一个非常复杂,同时工作量也会异常庞大的工作,如图4所示。

    城市大脑从起源到终极状态的7个阶段

     

    图4 城市大脑权限分配示意图

    第一个机器(系统)与机器(系统)的权限分配问题,可以按照具体场景,对涉及的机器权限进行分配,在城市大脑第三阶段中,一些城市建设的城市大脑重点发展了城市级AI巨型神经元,这类神经元的权限在城市大脑中事实上已经处于较高级别。

    第二是人与人之间的权限分配问题,一种最简单的方法是将人类的社会关系映射进来,包括部门和单位的领导下属关系,城市管理者与居民之间的服务被服务关系,国家与地区领导者之间的管理和被管理关系等。

    第三是人与机器(系统)权限分配的问题。2020年研究报告《城市大脑的建设标准研究》提出任何一个城市神经元,可以实现人类和机器双智能控制,但要求必须有一个人类用户的权限最大,这个规则的设定也符合钱学森在“开放复杂巨系统”理论中提到的“人机结合,以人为主”的原则。这项规则的提出也是为了保证在大尺度的城市大脑和互联网大脑上,人类智慧超过机器智能的权限,避免全部交给机器和AI系统进行决策导致的失控现象。在具体实施中,如果在特殊场景下,一些城市神经元系统需要执行AI或机器智能的控制权超过人类用户,这是需要做严格的专家评估、详细的数据记录和责任人的明确。

    6. 城市大脑的反射弧阶段(2025-2045)

    我们知道反射弧是生命智能体展现智能的重要功能[12],同样当城市的人,设备,物,系统都被链接到类脑神经元网络中,完成人人,人机,机机的权限分配后,城市的大量的需求就可以基于城市云反射弧实现,从感知城市的需求到中枢神经处理,最后反馈到现场执行,形成一条条城市大脑的云反射弧,它是城市大脑最终可以对城市的各种问题、需求、任务产生反应、做出决策、开展行动进而解决问题的关键,如图5所示。

    城市大脑从起源到终极状态的7个阶段

     

    图5 城市大脑神经反射弧示意图

    应该说一个城市将有大量需求可以通过云反射弧的机制得以实现。例如一次通过智能手机实现的出行打车,一次通过云端实现的购物活动。一次通过烟雾传感器引发的灭火行动等,

    因此当以互联网类脑架构为基础的城市大脑不断成熟后,根据城市的不同需求,建立和配置云反射弧机制将是这个阶段的重点工作,其中包括医疗云反射弧,交通云反射弧,购物云反射,交通云反射弧,防火云反射弧,金融云反射弧等等等等。

    除此之外,城市居民,企业,政府机构在这个机制下承担怎样的角色?跨越城市之间的地区级云反射弧如何协调?不同的技术和科技企业在这个过程中如何支撑?这些问题也需要在发展中不断得到解决。

    7.城市大脑的世界脑阶段(2045-)

    城市大脑本质上是互联网向类脑架构进化时与智慧城市结合的产物,它既是互联网大脑架构的子集,也是互联网大脑架构的重要组成部分,当各个国家的城市大脑走向成熟和连接后,世界范围的互联网大脑技术框架也就必然走向统一和成熟,如图6所示。

    城市大脑从起源到终极状态的7个阶段

     

    图6 基于互联网大脑模型的世界脑示意图

    历史上很多人独立揭示了社会可以看作为神经系统有机体的概念。例如认为国王是头、农夫是脚的观点,至少可以追溯到古希腊人和中世纪。

    英国哲学家赫伯特·斯宾塞在1876年发表了著作《社会是一个有机体》,详细比较了动物神经系统和人类社会的特征。1936年,英国科幻作家赫伯特·乔治·威尔斯(H. G. Wells)出版了《世界脑》。提出世界脑就是构建一个世界规模的庞大知识库。

    美国传媒学家麦克卢汉1964年出版的《理解媒介》对社会与脑的关系做了这样的描述,“在过去数千年的机械技术时代,人类实现了身体在空间中延伸;在一个多世纪的电子技术时代,人类已在全球范围延伸了自己的中枢神经系统并进一步在全球范围扩展”。

    1983年,英国哲学家彼得·罗素(P.Russell)撰写了《地球脑的觉醒——进化的下一次飞跃》,对麦克卢汉的观点做了近一步延申和明确,他提出人类社会通过政治、文化、技术等各种联系使地球成为一个类人脑的组织结构,也就是地球脑或全球脑。

    中国科学家钱学森在1990年提出了“开放的复杂巨系统”及其研究方法,把科学理论、经验知识和专家判断统一起来,把各类信息和数据与计算机软硬件系统结合起来,构成人机结合、以人为主的系统,对事物反复进行定性与定量的分析和综合,最终从整体上研究和解决问题。

    中国科学家史忠植在人工智能导论中提出“互联网已成为人们共享全球信息的基础设施,在互联网的基础上通过全球心智模型World Wide Mind(WWM) 就可以实现全球脑 World windBrain。”.

    在过去50年的时间里,种种迹象表明,互联网正在不断从网状架构发展成为大脑模型。而城市大脑是互联网形成大脑模型最重要的基石之一,通过城市大脑连接城市的居民、设备和智能系统,进而形成国家级大脑,最终实现世界脑(World wide Brain)。这是城市大脑发展的最终形态。城市大脑经过的第四,第五,第六阶段也将使得基于互联网大脑模型的世界脑,作为整体实现对世界的认知、判断、决策、反馈和改造。

    7. 总结

    从互联网大脑的发展和与产业结合的趋势,伴随着互联网大脑模型的扩张和应用范围的扩大,产业分别出现企业大脑,城市大脑,国家大脑,全球脑,太阳系或银河系大脑。也就是说城市大脑的终点世界脑并不会局限在地球的范围内,而是随着人类在月球,火星建立基地,这个世界脑的范围会从地球不断扩张到太空深处。这已不在是科幻的想象,而是在未来已经可以实现的目标,如图7所示。

    城市大脑从起源到终极状态的7个阶段

     

    图7 城市大脑的发展示意图

    本文对城市大脑的发展阶段进行了划分和阐述,目的是为产业界和城市管理者提供一种了解城市大脑的发展趋势的模型和工具,应该说这种划分并不十分严谨,对于未来还属于一种推测。但目标是为产业界和城市管理者提供一种了解城市大脑的发展趋势的模型和工具,通过判断当前城市大脑的状态和不足,为后续发展做出提前判断和准备。而且随着城市大脑建设和研究的深入,7个阶段划分的时间边界应该会不断调整适应产业的发展。

    作者:刘锋 , 刘朝晖 本文2020年7月正式在杂志发表

    展开全文
  • 日前,地理信息科学(GIScience)之父,加州大学圣芭芭拉分校地理学名誉教授Michael...2011年,Esri公司的《ArcWatch》杂志曾请我预测未来GIS的发展方向,我提出五想法:GIS将适应室内环境,我们将有能力知道所有事物

    日前,地理信息科学(GIScience)之父,加州大学圣芭芭拉分校地理学名誉教授Michael F. Goodchild特撰文分享了他对地理信息系统(GIS)技术发展的四大预测。全文如下:

    Michael F. Goodchild教授

    2011年,Esri公司的《ArcWatch》杂志曾请我预测未来GIS的发展方向,我提出五个想法:GIS将适应室内环境,我们将有能力知道所有事物的位置,GIS将极大地得益于新兴的物联网,GIS将越来越多地往实时GIS方向发展,GIS的未来将能够表达地理的多个维度。

    四年后,所有五个方向都发展迅速,新的研究和产品不断涌现,GIS变化的速度比以往更加快速。目前已有几个令人兴奋的新发展出现在大家的视野中。2015年,有四个GIS相关的主题开始在我的脑海中越来越清晰。但首先,我提出几个注意事项:所有对未来的讨论本质上都是投机,特别是像GIS这样飞速发展的技术领域。我不认为重编和回顾我1991年写的那两卷超过千页的大部头有什么意义,那里面完全没有提到互联网。此外,以下仅是我个人的猜测。我之所以把它写出来,部分是因为思考未来蛮有趣,另外又能在一定程度上刺激他人提供自己的想法。

    个人数据库

    任何关于GIS的讨论都必然会涉及到隐私问题,因为这项技术具有巨大的力量去捕获、存储和分析个人信息。几年前,我的女儿在美国一大学教授交通工程,她带了一群学生去加拿大的多伦多。他们通过了移民和海关登记后入住了酒店,然后开始探索城市,拍下那些他们感兴趣的东西,如送货卡车和有轨电车。多伦多当时碰巧正在举办一个国际经济峰会,安保很严。当他们回到酒店几分钟后,就有了敲门声:加拿大安全情报局想问他们几个问题。我们只能来猜测下这个调查需要哪些技术支持:遍布各处的安保摄像头;面部识别软件;与酒店、航空公司和移民记录等的实时连接。当然,虽然他们可能仅仅是被一个多疑的机构监控和跟踪,但现代监控技术的力量还是令人难以置信。

    从本质上讲,隐私问题归根到底是数据控制问题:你对自身情况的数据有什么控制吗?例如,当你决定通过社交媒体分享个人信息时,同时大量关于你的个人信息就会落入一些公司和政府机构的手中。这些信息都是分散存在的,一旦中间有什么错误你想要纠正是十分困难的。在纽约布法罗大学的地理学教授Geoffrey·Jacquez把这种现象称之为“量化自我的巴尔干化。”

    Goodchild指出,大数据需要一套全新的工具来实现集成和综合

    假设你决定寻求一个更好的选择,即通过系统地收集和管理自己的个人资料,以决定谁在什么情况下可以获得关于你的什么信息。如果你想卖掉房子或者为家里的财产购买保险,你可能会创建一个房子的3 D模型。如果你是一个学者,你可能会建一个数据库来管理所有的文件、讲稿和课堂笔记。如果你想跟踪环境危害对生活可能造成的影响,可能会建立一个数据库记录自己旅行和生活的地方。如果你最近恰好在健康上出现了一些问题,或者有某个保健专业人士想在研究中参考你的案例,那么你同意分享这些信息可能会对保健研究非常有用。

    也许最诱人的是意识到这些数据潜在的经济价值。为什么我们要将我们使用信用卡购物的习惯信息拱手让给供应商?难道我们就不能自己来收集、管理甚至出售它吗?

    大数据将越来越大

    最近,很多媒体在关注大数据和它的成功应用。大数据当然不仅是大,至少可以从三个特点来定义它,这三个特点通常被称为三V:

    Volume(高容量)——数据量远超过过去我们能够轻松处理的范围

    Variety(多类型)——今天我们通常可以找到关于任何问题的多个来源的相关数据

    Velocity (高速度)——这些数据源都可以以实时的形式收集过来

    大数据的数据源可以是遍布全球的传感器监测数据,也可以是来自公民的众包数据,但是这些数据质量很少受到严格控制,比如抽样或质检。

    大量的数据对GIS来说并不是什么新鲜事。陆地卫星在1970年代早期就开始获取数据,数量之大远高于我们充分利用他们的能力。今天,有成千上万的视频图像监控摄像头部署在伦敦、英格兰和其他大城市,都是PT级的计算问题。多类型和高速度却是一个棘手的问题。在过去,地理信息是由专家精心组织制作的,比如国家地理空间情报局(NGA)或美国地质调查局(NSGS) 这样专业的机构。大数据需要一套全新的集成和综合工具,让有用和可靠的数据脱离原有的禁锢。速度也是全新的问题,因为GIS一开始是从环境地图发展起来的,旨在尽可能有效显示相对稳定的地物,比如山脉、河流和道路。

    我们为何会如此惊讶?如果能解决这些问题,我们会获得什么?大数据成功的故事都是关于预测——明天的道琼斯工业平均指数或选举的结果——这就是为什么这个想法在工业和政府方面引起了如此大的关注。大数据对GIS的价值体现在预测方面,不是关于何时而是关于何地(有时也会有何时)。空间预测能回答这样的问题:

    ——下周飓风将肆虐到哪里?

    ——当我想买房时,我想知道这所房子五年后价值几何?

    ——今年的流感季最大的影响将是什么?

    ——零售连锁店的选址:哪里适合开新店?

    可以说,大数据给GIS带来了很大的机遇,也为地理信息科学的研究带来了很多挑战。

    空间和位置

    在空间度量方面,GIS使用坐标来表示位置、几何图形、函数,并通过利用这些坐标来测量距离、斜坡和面积。但人类本身并没有坐标系的概念,因此不习惯于用大脑来计算距离、方向和其他属性,这也是为什么GIS如此重要并能取得成功的原因。另一方面,人类习惯于通过命名来认识一个地方,大到大陆架小到自己房子的房间。他们在记忆中存储这些地方的相关信息,然后在与别人谈话的时候分享。人们虽然知道命名的地方之间的层级关系(比如西雅图在华盛顿州、西北太平洋、普吉特海湾低地和卡斯凯迪亚地区的国家),但是在他们的头脑中并不是在执行一个点在多边形上的操作。

    今天,我们有很多工具将位置和空间联系起来。地名表和兴趣点数据库为我们提供命名地物要素的坐标参考系,然而它们在定位处理海量地物要素和没有明确界限的要素时并不奏效。例如,试着在谷歌上搜索从“科罗拉多”到“怀俄明”的路线(或在ArcGIS Online上搜索“密西西比河”的位置)。在这两种情况下的地名表所使用的系统会给两个大的区域要素一个中心点坐标,系统指定你从科罗拉多到怀俄明将假定你从这些州的几何中心开始和结束,并且你会被告知路线中有一部分在冬天是关闭的。

    GIS一直是难以学习和使用的,这就是为什么我们需要在大学设置GIS课程来训练我们的GIS专业人员。近些年,因为有了响应式的界面、故事地图、ArcGIS广泛的在线帮助,情况已大幅改善,但即使在今天GIS一样并不容易使用。其中一个原因可能是因为GIS不同于人类固有的思考方式,所以人类必须学会用GIS进行表达和交流的新方法。如果我们可以基于人类已有的思维方式建立一个技术帮助人类思考,它的好处是什么?首先,它将使我们能够利用人类通过现有技术无法共享和编译的与自身活动息息相关的大量与位置有关的信息。第二,它将使我们能够开发一套基于位置而不是空间的全新功能,比如为了清楚和实用,在自动生成平面草图地图时不妨牺牲一些地图的精确性。第三,它会建立更好的空间和实际世界之间的桥梁,大大缩短GIS的学习历程。

    未来将走向哪里?

    自从上个世纪60年代“GIS之父”Roger Tomlinson创建了GIS(Geographic Information System,GIS)这个缩写名词之后,这个领域已经发生了翻天覆地的变化。如今的学生在地理信息科学、测绘、空间信息系统等相关课程上都能遇到许多相同的基本内容。GIS里面的G已经被解读为全球的(global)以及地理空间的(geospatial),而不是最初的地理的(geographic);S也不是当初的系统(system),而是科学(science)、服务(services)和研究(studies)。但是,要寻找一个词来描述这些所有内容的共同点,地理空间的(geospatial)或许是个最佳的选项。但是,它本身是个形容词,我们在表述的时候也有点别扭。

    在我们即将发布的第四版教科书《地理信息科学和系统》中,我们认为,当前几乎所有的系统都集成了网络和云GIS,整个互联网正迅速成为一个巨大的GIS系统。我们认为,形成这个领域基本核心的是地理信息,以及用于捕捉、存储、表示、分析、建模、归档地理信息的流程。我们讨论GI数据库、GI科学、GI软件、GI专业人员,以及GI本身。或许,使用geoinformation这样的词我们也不觉得有什么违和感,在处理原始观测数据时,称geodata可能也没什么问题。

    为什么这点对该领域的未来来讲特别重要?因为它的关键在于认识到这个领域已经扩大到什么程度。这就是为什么近几年加入我们这个领域的专家们可能从来就没有将其列为GIS,甚至可能不知道这个缩写词的确切意思。


    展开全文
  • 1.1.3 智能网联汽车(ICV)发展的4个阶段 (1)自主式驾驶辅助(ADAS) (2)网联式驾驶辅助 (3)人机共驾 (4)高度自动/无人驾驶 1.1.4 智能网联汽车(ICV)的发展意义 (1)智能网联汽车对交通运输的意义 ...
  • 引导用户在你网站UGC的四个阶段

    千次阅读 2012-05-31 09:46:14
    那么就先分享一小故事:《石头汤》,这是一真实的故事。 当年拿破仑在滑铁卢战败,所有士兵就地解甲归田,很多士兵两手空空,在漫漫返乡路上病饿而死。一天,一饥肠辘辘的士兵走到一村庄,发现了一块非常...
  • 转载 web前端进阶四阶段

    千次阅读 2017-12-07 18:21:47
    前端工程的四个阶段 写在前面:引用别人的,在我看来说得比较浅显易懂的。   现在的前端开发倒也并非一无所有,回顾一下曾经经历过或听闻过的项目,为了提升其前端开发效率和运行性能,前端团队的工程建设大致会...
  • 防火墙系列---防火墙各阶段详解

    千次阅读 2019-06-24 15:28:37
    此文章是关于防火墙发展的各个阶段的简单介绍 包过滤防火墙(第一代防火墙) 类似于ACL(访问控制列表),基于报文的五元组(源\目的IP , 源\目的端口,协议)对报文做过滤。 优点:效率高,速度快 缺点:只检查...
  • 职场的四个层级

    千次阅读 2019-03-21 14:41:41
    职场的四个阶层 1、动作层; 我们初入职场,基本都从这里开始,在一个执行岗上,接活干活接活干活,重复那些动作。 不用背负什么重大责任,只做上级让自己做的就好了。这个阶层其实最轻松,压力最小。 任何...
  • 未来5-10年计算机视觉发展趋势

    千次阅读 多人点赞 2020-05-21 09:35:50
    进入21世纪以来,计算机视觉领域蓬勃发展,各种理论与方法大量涌现,并在多核心问题上取得了令人瞩目的成果。为了进一步推动计算机视觉领域的发展,CCF-CV组织了RACV 2019,邀请多位计算机视觉领域资深专家对相关...
  • 一文读懂京东商城发展

    千次阅读 2020-12-02 22:15:07
    六、京东商城的发展前景 (一)京东商城的发展前景 现在B2C行业处于百家争鸣的阶段,但是“天下之势,分久必合,合久必分”,在接下来的的阶段,B2C行业将进入一“从综合到专业,从良莠不齐到品牌平台”,市场经济...
  • 概要:正像其它学科一样,一大量人员研究了多年的学科,却很难给出一严格的定义,模式识别如此,目前火热的人工智能如此,计算机视觉亦如此。 【导读】本文由中国科学院自动化研究所模式识别国家重点实验室...
  • 第三阶段没有尽头,因为能促使进入阶段三的动力只有爱好,这部分挣的钱可能没有阶段2挣的多,而且难度更大,看不到尽头,所以这部分属于探索阶段,在这个阶段上看到的一些,都能推动未来学科的发展,所以这个阶段的...
  • 掐指一算,云计算已经有了十年的历史,发展到今天几乎可以算是近十年最伟大的技术进步之一。「云计算」这术语,也早已从一新鲜词汇,成为了妇孺皆知的流行语。任何事物的诞生和发展一定有其前...
  • 问:数据库应用系统开发具体分为哪几个阶段? 答:数据库应用系统的开发是一项软件工程。一般可分为以下几个阶段: 1.规划 2.需求分析 3.概念模型设计 4. 逻辑设计 5.物理设计 6.程序编制及调试 7.运行及维护。 这些...
  • ” 应从四个方面关注虚拟资产的风险治理问题。第一,明确虚拟资产的非金融属性,完善新兴虚拟资产的监管政策。第二,加强对虚拟资产交易的监测分析,穿透识别虚拟资产交易的实质。第三,加强新技术的创新应用,建立...
  • 电子对抗(雷达)发展现状

    千次阅读 2018-07-11 21:04:27
    电子战是现代高科技战争的重要组成部分,已成为争夺战争主动权、决定战争胜负的关键因素[1-2]。作为电子战的先导和基础,...随着各国军事电子技术的发展,各种新体制雷达的不断涌现,给电子侦察带来巨大挑战[3]。...
  • IT:银行类金融科技岗笔试习题集合—四个模块包括【综合知识+EPI+英语+个性测评】 导读:行测、综合知识、英语和性格测试。综合知识,包括货币学、金融、会计、计算机等内容。  行政能力测试,内容大家可以参考...
  • 实时光线追踪技术:业界发展近况与未来挑战

    万次阅读 多人点赞 2020-01-12 21:35:51
    混合渲染管线能充分利用光栅化(Rasterization),计算着色器(Compute Shader)和光线追踪(Ray Tracing)各自的优势,对于管线的每一渲染阶段,在光栅化,计算着色器和光线追踪中择优使用。 目前主流的混合...
  • 基因测序仪发展史.

    千次阅读 2018-02-02 17:29:09
    NGS十年发展史,看这篇就够了 | Nature综述解读日前 Nature Reviews Genetics 刊出了一篇综述,盘点近十年来测序技术的发展。从最初的“高山仰止”到如今走进寻常百姓家,正是测序公司和科研人员们孜孜不倦的努力...
  • 我国区域大数据产业规划布局研究

    千次阅读 2019-06-10 17:51:08
    我国区域大数据产业规划布局研究摘要目前,我国大数据产业进入快速发展阶段。围绕国家大数据战略,省域层面及重点城市地方政府陆续出台了诸多大数据相关政策,特别是对大数据产业发...
  • 基因测序技术 ...1977年,Walter Gilbert和Frederick Sanger发明了第一台测序仪,并应用其测定了第一基因组序列,噬菌体X174,全长5375碱基。 由此开始,人类获得了探索生命遗传本质的能力...
  • 区块链 四大特征

    千次阅读 2019-12-31 09:10:30
    四个基础特征分别是:不可篡改,不可复制的唯一性,智能合约,去中心自组织或社区化(见图1)。 区块链不只是技术,它还将从经济、管理、社会层面带来变化,它可能改变人类交易的方式,它将改变货币、账本、合同、...
  • 点击上方“3D视觉工坊”,选择“星标”干货第一时间送达简介目标检测或定位是数字图像从粗到细的一渐进过程。它不仅提供了图像对象的类,还提供了已分类图像中对象的位置。位置以边框或中心的形式...
  • GNSS原理及技术(一)——GNSS现状与发展

    万次阅读 多人点赞 2018-07-20 11:32:40
    GNSS的全称是全球导航卫星系统(Global Navigation Satellite System),它是泛指所有的卫星导航系统,包括全球的、区域的和增强的,如美国的GPS、俄罗斯的Glonass、欧洲的Galileo、中国的北斗卫星导航系统,以及...
  • 本文详细的讲述了Java虚拟机运行时数据区的程序计数器、虚拟机栈,本地方法栈,方法区,堆,常量池,以及直接内存(堆外内存),对各个区域的作用,服务对象以及其中可能产生的问题展开讨论,本篇篇幅较长,适合点赞+...
  • 2020年物联网发展现状与趋势预测

    千次阅读 2019-12-29 16:54:29
    中国形成了环渤海、长三角、珠三角等四大区域发展格局、无锡、杭州、重庆运用配套政策,以成为推动物联网发展重要基地,培育重点企业带动作用显著,以无锡示范区为例,截至2016年拥有互联网企业近1300家,从业人员...
  • 系统学习机器学习之神经网络() --SOM

    万次阅读 多人点赞 2016-12-05 10:29:28
    Kohonen认为:一神经网络接受外界输入模式时,将会分为不同的对应区域,各区域对输入模式具有不同的响应特征,而且这过程是自动完成的。自组织特征映射正是根据这一看法提出来的,其特点与人脑的自组织特性相...

空空如也

空空如也

1 2 3 4 5 ... 20
收藏数 50,008
精华内容 20,003
关键字:

区域发展的四个阶段