2019年12月26日下午4:30在资源与环境科学学院220报告厅，杨敏老师为我们带来了题为《典型要素制图综合算法设计：现状与挑战》的讲座。讲座伊始，我院艾廷华教授先做了简单的开场白，制图综合是构建多层次、多粒度地图数据产品的核心理论与技术，一直是测绘地理领域的“卡脖子”问题。杨敏老师将从以下三个方面就制图综合问题进行相关探讨：（1）从地图数据快速生产与更新，异源异构空间数据融合、地图网络搞笑服务等显示问题出发，分析对智能化制图综合技术的需求；（2）以居民地、道路网等典型要素为例，结合前期研究成果，介绍制图综合算法方面的研究现状与面临的挑战；（3）结合以深度学习为代表的人工智能技术，探讨发展智能化制图综合算法的新思路与新手段。

首先杨敏老师就制图综合做出深入浅出的介绍，然后指出实现智能化、自动化制图综合服务，在综合算法设计层面还面临着诸多挑战，表现在诊断分析不足，如抽象图形特征难以描述与量算及高层次的模式、结构、地理语义、依存知识难以探测认知；组合调度不够，如统一综合算子需要不同算法的组合运用，不同综合算子间协同处理；评价反馈缺乏，如多种指标组合评价时地理语义、模式结构是否保持问题。

而后，杨老师为我们介绍了ML支持下的智能化综合算法设计，制图综合是复杂的决策过程，包裹定型决策、定量决策、结构决策等。ML的优势在于（1）形状特征、分布模式、语义关系的自动识别（2）算子/算法组着调度与优化配置，利用BP神经网络建立统一综合操作下不同算法的组合优化问题（3）引入智能体、优化技术等姐姐不同综合操作间的协调。但是杨敏老师也指出利用机器学习（深度学习）技术解决制图综合问题，有待进一步解决问题：（1）构建什么样的样本数据（2）采用什么样的数据组织模型（3）哪些深度学习模型可以利用。

最后，杨老师总结道，制图综合已经渗透到空间信息生产服务的多个环节，在空间数据加工、分析挖掘、表达输出均扮演重要角色。从“面向几何特征综合”迈向“面向地理特征综合”，解决诊断分析不足、组合调度不够、评价反馈缺乏的问题；采用机器学习（深度学习）为智能化综合提供了新方法、新思路。艾廷华老师指出目前研究大家只管方法，而对目标定义有所忽视，导致最后不能自圆其说，而杨敏老师的讲座从方法原理全方位给我们进行了讲解，让人获益颇深。至此，本次讲座圆满结束。

文本：刘惠

供图：周玲慧