DeepSeek 驱动下的地图生成

背景：地图遇上了AI

• 地图在规划中的重要性：表达各类自然要素、人文现象和人工设施的多维分布、多重属性、时空关系及其动态变化，通过实景三维产品形式提供多尺度、多类型时空信息与技术支撑。
• 新质生产力下地图制图面临的挑战：
  • 低空经济：提供无人飞行的地图信息服务，关注“空”、电磁讯号、气流、能见度等，非传统城市DEM可表达。
  • 自动驾驶：基于实时传感与既有地图位置信息的高效融合，高质量的空间推理优化，非精确度高可满足。
  • 文创娱乐：虚实融合的游戏场景表达，具有创意的高自由度，个性化与客观性双向奔赴，非传统地图可胜任。
• 智能化技术的颠覆：实时过程监测众源数据融合，地图学中的智能化问题。
• AI发展史中的地图角色：不同形式的AI在地图制图的角色，AI技术的主流在大语言模型LLM。
• 与地图（地理场景）有关的LLM技术测试：
  • AI绘画(Midjourney)：生成中国武汉市的地图，描述武汉地铁轨道交通图。
  • Disco Diffusion生成的“地图”作品。
• DeepSeek的主体功能：如何实现DeepSeek下地图生成？

方法1：地图制图链中嵌入DeepSeek

• 智能化地图生成器DoMapAI—整体框架：SelectciFromtableWhereciwithin between and 。
• 制图链中的地图制图知识图谱：建立混合“知识—数据—工具”的制图知识图谱，建立制图生成链。
• 智能化地图生成器DoMapAI演示。

方法2：地图符号语言的LLM研发

• 两大步骤：
  • (1) 地图语言Token化：
    • 何为Token？——LLM中处理的最小语言单位。
    • 地图语言中的Token划分：栅格化、实体化、分段分块、stroke等。
    • 地图语言Token单元的序列化：案例：土地利用数据的Token化。
  • (2) 语料预训练、词嵌入量化，基础模型微调输出智能化功效：
    • 地图领域专业化LLM产品。
    • 地图图形语言的Token化：Token化中领域知识的融入。
    • 等高线语言模型预训练数据区域：等高线预训练LLM结果（基于BERT的768维向量，7千万参量）。
    • 地图预训练模型与下游任务对接（GAN支持的地形内插重建）：地形数据Geotoken上的山水图生成(虚构地理场景，支持规划设计)——赋能游戏场景图的生成。
• 虚实结合：
  • 场景图生成中的虚实结合：实的（测绘地图学可视化技术），虚的（创意自由度）。
  • 基于地形GeoToken数据的虚实结合场景生成：
    • 在实体山脉DEM提取结构线，生成结构线处的Geotoken。
    • 基于Geotoken的高逼真内插技术实施个性化山景设计（对抗网络GAN支持）。
  • 交互控制：
    • 地形结构线重调，竖向高程调整，渲染风格调整。
  • 山水画风格迁移。

结论

• AI时代地图制图面临“大变局”：
  • 地图生成技术的变革：
    • 生成之“道”(形而上者)：地图语言Token化及MapGPT研究。
    • 生成之“器”(形而下者)：LLM集成智能体架构的垂类开发。
• 地图制图人的职业变化：
  • AIGC支持下的制图系统架构师。
  • LLM技术下的生成开发师。
  • 制图操作提示工程师。
  • 地图样本标注师。
  • 地图语料喂养师。