学术交流 宋关福等：GIS根底软件技能系统展开及展望-亚洲ca88官方网站

　　地舆信息系统作为IT系统的重要组成部分，其技能的每一次前进都与最新IT技能的鼓起休戚相关。跟着云核算、大数据、人工智能等技能的展开与运用，现在GIS根底软件现已构成五大技能系统：大数据GIS技能系统，增加了对空间大数据的存储办理、剖析处理以及可视化的才干，丰厚了空间数据的内在；人工智能GIS技能系统，GIS通过结合人工智能相关算法，增强了GIS模型的剖析猜测才干，一起二者之间彼此赋能，在增强GIS才干的一起，也让人工智能具有空间剖析和可视化才干，拓宽了其运用规划；新一代三维GIS技能系统，完结了二三维GIS一体化和多源异构数据的交融，推进了三维GIS从室外走向室内，从微观走向微观；散布式GIS技能系统，打破了数据类型和容量的约束，数量级前进了GIS软件的功用，让高可用和高可信GIS运用成为可能；跨渠道GIS技能系统，使得GIS软件可运转于不同类型的CPU架构和操作系统，满意日益丰厚的多终端运用需求。五大技能相得益彰，进一步拓宽了GIS根底软件的才干和运用场景。本文以SuperMap GIS为例，详细介绍了GIS五大技能系统的详细内容，论述了每项技能的难点与立异点，并用光环曲线对五大技能系统的展开阶段进行了区分，探讨了未来GIS技能的展开趋势。

　　跟着地舆信息系统（Geographical Information System，GIS）理论系统的丰厚和完善，特别是交融了许多先进的IT技能之后，GIS软件得到快速展开，新技能、新概念层出不穷。鉴于此，本文梳理了GIS根底软件技能展开的头绪，以时刻为线扼要概述了各种GIS软件技能展开的进程，并侧重厘清各种GIS软件技能之间的内在联络，提出了五大GIS技能系统，介绍了五大技能系统所包含的内容，及其相关展展开开。

　　二十一世纪以来，GIS软件技能在城市数字化转型等政府与企业信息化中扮演着愈来愈重要的人物[1]，并成为IT范畴不可或缺的重要组成部分。回忆我国三十余年GIS根底软件的展开进程，以十年为界，可概括为以下4个阶段（图1）。

　　第二阶段（1997—2007年）。在这个阶段，组件式软件技能和互联网技能飞速展开，成为其时软件技能的新潮流。结合这两项技能，组件式GIS和WebGIS应运而生，这给整个GIS技能系统和运用办法带来巨大影响，并成为GIS软件技能的重要支撑[3-6]。跟着地舆空间数据越来越丰厚，数据量越来越大，单机文件办法现已无法满意运用的需求，空间数据库技能由此诞生，在数据库中完结了空间数据的存储和办理。

　　第三阶段（2007—2017年）。IT的需求重心从客户端转向了服务端，移动互联网进一步拓宽了移动端的需求，GIS的运用也从室外扩展到了室内，从微观拓宽到了微观[7]，这些需求和改变，促进了跨渠道GIS和新一代三维GIS的展开。一起这个阶段也是数据爆破的阶段，这对GIS在多源异构数据办理及噪声数据处理等方面提出了许多应战[8]。云GIS、大数据GIS也在此布景下呈现，改变了传统GIS运用的办法和办法，满意了海量空间数据的存储和剖析等需求，然后到达前进GIS服务功用、节省核算资源的意图[9]。

　　第四阶段（2017年以来），我国GIS软件展开进入第4个10年，在数字化转型飞速展开的布景下，亟需前进GIS根底软件的数据处理功率和智能化水平[10]。运用边际核算、云原生等技能，处理GIS的功用、安稳性等问题；将人工智能运用于地舆信息范畴，代替了传统建模中依据范畴常识人为规划特征的办法，前进了地舆信息提取和特征理解才干[11]；并通过空间区块链技能的运用打造安全、可信的空间数据库[12]。

　　在运用需求牵引下，在地舆信息系统理论展开与新一代信息技能的推进下，GIS根底软件技能系统得到不断丰厚和完善，作者在2018年提出GIS四大技能系统别离为：跨渠道 GIS、云GIS、新一代三维GIS和大数据GIS[13]。

　　通过两年的快速展开，人工智能GIS技能系统已初具形状[11]；而云GIS展开到云原生GIS阶段，与边际GIS、散布式空间数据剖析与处理、散布式空间数据存储与办理以及空间区块链等技能构成了散布式GIS技能系统。由此构成了GIS根底软件五大技能系统，即：大数据GIS技能（Big Data GIS）、人工智能GIS技能（AI- GIS）、新一代三维GIS技能（New Three-D GIS）、散布式GIS技能（Distributed GIS）、跨渠道GIS技能（Cross-platform GIS），合称“BitDC”。

　　GIS技能系统跟着IT新技能的引进，以及才智城市、数字孪生、新基建等需求的牵引，也在不断的展开和完善中，为完结地舆可视化、地舆决议计划、地舆规划、地舆操控等各个层次的地舆才智运用供给必要的技能支撑（图2），为数字化转型和信息化建造发明更多价值。一起GIS技能系统也将不断丰厚和晋级，向着更高效、更智能的方向展开。

　　跟着互联网、物联网和云核算等技能的快速展开与遍及，21世纪以来，全球数据呈指数级增加，林林总总的数据如洪水般涌来，冲击着社会展开的方方面面，大数据年代也随之到来[14]。大数据从规划（Volume）、速度（Velocity）、品种（Variety）、实在（Veracity）和价值（Value）5个方面被概括为具有“5V”特征的数据[15]。一起大数据在具有空间地舆方位特色（Location）后就成为空间大数据，并可用“L+5V”来表明其特征[16]。

　　依据发生办法，常见的空间大数据可分为互联网大数据、移动互联网大数据、物联网大数据和新式测绘大数据。这些空间大数据普遍存在体量大、品种多、改变快、价值密度低一级特色[8]。处理这些数据的技能和办法，现已超出了狭义GIS的规划，需求面向多源异构数据的广义GIS，以接收地舆空间大数据[17]，然后构成了面向空间大数据的GIS技能系统（本文中简称为大数据GIS技能）。大数据GIS技能包含空间大数据存储办理、空间大数据剖析处理、空间大数据可视化等中心技能（图3）。

　　在空间大数据年代，传统联络型数据库现已不能满意空间大数据的存储和办理需求，需求对传统空间数据引擎进行晋级与扩展。依据散布式文件系统、散布式数据库展开的散布式空间数据库，可以有用前进对空间大数据的存储和办理才干。代表性的散布式数据存储技能有Elasticsearch、HDFS、MongoDB、HBase等。其间，依据Elasticsearch的空间数据引擎可以完结对亿级以上的方位空间数据的存储支撑；依据HDFS的空间数据引擎（散布式空间文件引擎，Distributed Spatial File，DSF）则适用于亿级记载的静态空间数据的存储与剖析；依据MongoDB的空间数据引擎可以完结亿级记载地图瓦片存储；依据HBase的空间数据引擎可以用于亿级空间数据的存储、办理、剖析、可视化等归纳运用。

　　空间大数据剖析是大数据GIS技能的中心功用，首要用于研讨大数据的空间方位、空间散布、空间联络、空间行为、空间进程等[18]。丰厚的算子和强壮的算力是空间大数据剖析的支撑。空间大数据剖析算子包含流式核算、数据汇总、轨道剖析、办法剖析、数据挑选等，以满意不同场景的需求。面对超大体量的空间大数据，选用Spark等散布式核算结构，可以有用前进空间大数据剖析算子的数据发掘才干。多样化的空间剖析算子结合微弱的空间大数据剖析功用可以帮忙GIS用户多个维度认知大数据，发掘更多有价值的信息。

　　流式核算（流式空间大数据处理），是空间大数据技能的重要组成部分。许多包含空间方位的数据流需求完结接连的数据接入、剖析处理和效果的输出。典型的流数据处理算法有路况核算和地舆围栏等。其间，地舆围栏可以实时判别有哪些方针落入围栏，还可以符号方针在进入、坚持和脱离围栏时的状况。实时路况核算是另一种常用的流数据处理的算法，通过接入起浮车等方位流数据，主动核算路况，其呼应时刻在分钟级即可满意根本的运用要求。

　　现在干流的流数据处理结构有Apache项意图Storm、Flink、Spark Streaming 等。比较前二者 ，Spark Streaming 的明显优势是对流数据和存档数据选用一致的弹性散布式数据集（Resilient Distributed Dataset，RDD）处理模型。这使得面向批处理的大数据剖析事务和面向流数据的处理系统可以在一个技能结构内完结，简化了流数据技能计划。流数据的处理架构可以参阅图4，在流数据核算结构的根底上，封装对流数据的持续处理才干，一边持续流入数据，另一边持续输出剖析效果[16]。

　　数据汇总是将空间大数据按指定的特征进行分组，并对各组中的数据进行核算或其它整合操作，得到每组数据的汇总效果。分组特征包含空间地舆特征、特色特征、时刻联络特征等维度。数据汇总是完结空间大数据快速可视化的重要手法。依据分组办法及整合操作的不同，数据汇总可以依照格网汇总、区域汇总、特色汇总和轨道重建等剖析办法来进行。

　　轨道剖析面向具有时刻特色的点要素或面要素进行地图匹配（路途匹配）、预处理和轨道重建等剖析。比方轨道重建，依据要素的仅有标识确认需求追寻的要素，再依据时刻序列追寻要素，构成轨道方针，重建轨道线。被追寻的要素，其数据类型可以是点数据或面数据，效果数据类型可以是线数据或面数据。轨道重建可以设置切割间隔与切割时刻，用于对轨道进行逻辑分段。轨道重建的运用场景有：航运轨道、飓风轨道、海运轨道等。

　　办法剖析是从许多数据中剖分出事物的运转规矩或散布办法，用于辅佐决议计划，包含用于剖析交通流量的OD剖析、剖析事情集合特征的密度剖析与热门剖析等。

　　数据挑选是依据空间数据的方位、时刻、特色等信息，挑选出符合要求的数据，常用的办法包含要素联接、反常检测和相似方位挑选。

　　空间大数据可视化也是空间大数据技能十分重要的内容，是将核算机可视化技能、二维 GIS可视化技能、三维GIS可视化技能等相结合，完结对多源、异构、海量、动态数据的可视化表达。空间大数据可视化办法包含热力求、矩形格网图（矢量、栅格）、六边形格网图（蜂巢图）、多边形格网图、连线图（直线OD图、弧线OD图）、轨道图等（图5）。这些可视化办法既能以静态图的办法展现，也能以动态的办法展现，既可以在二维办法下展现，也可以在三维办法下展现，以满意对不同可视化办法要求。

　　大数据GIS技能完结了空间大数据的存储、剖析和可视化，构成了一套完好的针对空间大数据运用的处理计划。大数据GIS技能除了需求IT大数据技能之外，还需求跨渠道GIS和散布式GIS技能作为支撑，跨渠道GIS技能让大数据GIS技能可以运转于Linux、UNIX 操作系统，使得大数据GIS的功用得以充分发挥。散布式GIS技能为大数据GIS技能供给了弹性可扩展的核算和存储资源，支撑高效能的流数据处理、实时剖析、价值发现等使命。未来大数据GIS技能将不断打破系统硬件资源的约束，结合人工智能GIS等技能，进一步前进空间大数据存储、办理和剖析才干，一起交融更丰厚的可视化技能，构成一套高效的空间大数据，完结其从搜集、办理、整合到存储、剖析、发布等一体化的全流程办理与运用。

　　跟着核算才干的前进，机器学习、深度学习等算法得到了进一步展开和运用，人工智能（Artificial Intelligence，AI）也日渐成为新一轮科技革新和工业革新的中心驱动力，依据人工智能的GIS技能系统（本文中简称为人工智能GIS技能）成为新一代GIS技能的重要展开方向[18]。数据量、核算才干、算法模型和运用场景是人工智能的首要驱动力，关于人工智能GIS技能系统，可相应自下而上区分为数据层、范畴库、结构层和功用层四大部分[11]，如图6所示。最底层为数据层，既包含遥感印象这样的文件型数据，也包含联络型数据以及大数据场景下运用较多的NoSQL数据。数据层之上为范畴库，是指聚集于地舆空间信息范畴，面向AI技能中较为根底和重要的样本和模型2个方面展开建造，不断丰厚各类地舆空间数据样本和模型。举例来说，面向依据深度学习的遥感印象剖析使命，可以细分为场景分类、方针检测、切割等几类功用，针对不同功用展开相关样本搜集堆集和模型练习，不断迭代更新完善。在结构层中，需求通过合理的笼统和封装兼容多种AI结构，既可以防止重复性研制作业，又可以高效地与最新算法和模型研讨效果进行交融。最上面的功用层即详细供给出来的人工智能GIS技能才干，是人工智能GIS技能系统的主体，包含三大中心内容：GeoAI（人工智能GIS算子）、AI赋能GIS（AI for GIS）和GIS赋能AI（GIS for AI）。

　　GeoAI算子以数据预备、模型练习和模型运用的完好流程东西为根底完结。当时AI技能现已完结了从核算学向机器学习的进化，并不断向深度学习推进。因而GeoAI算子首要包含空间机器学习和空间深度学习2个部分。空间机器学习包含聚类、分类和回归等多种剖析，构成了包含空间热门、空间密度聚类、决议计划树分类、决议计划树回归、依据森林的回归等一系列空间机器学习算子（图7），在城市办理，土地运用和生态康复等场景中得到了广泛运用。

　　空间深度学习则以卷积神经网络（Convolutional Neural Network，CNN）和图神经网络（Graph Neural Network，GNN）为代表，对GIS中图片数据、印象数据、时空数据和三维数据等进行处理，完结了包含建筑物底面提取、地物分类、二元分类、场景分类，方针检测，方针提取、图时空回归等空间深度学习算子（图8），广泛运用于遥感印象剖析、路途和建筑物提取、气候建模、交通流猜测等场景[20-24]。跟着语义切割，实例切割等新技能的持续融入，空间深度学习的功率和准确性正不断被前进。

　　AI赋能GIS即依据AI技能，增强和优化GIS软件功用和用户体会，表现在交融AI的增强实践（Augmented Reality，AR）、特色搜集、测图、配图、交互等方面。通过AI智能辨认和AR可视化，能到达信息实时虚拟化的展现作用；运用方针检测和分类技能可以削减GIS数据搜集耗时；依据SLAM结构和IMU交融技能的视觉惯性系统 (Visual- InertialSystem，VINS）[25]，可以在没有卫星定位信号的室内环境中完结定位（图9），然后完结依据AI+AR的室内导航，并可进行非专业测绘要求的室内测图（图10），其直接测图精度在小规划最高可达厘米级，通过操控点等辅佐办法可完结大规划厘米级精度测图，对测图硬件设备要求也较低（一部支撑AR技能的手机即可），可运用于商城、地铁、停车场、办公楼、地下空间等环境的快速室内测图，下降室内测图本钱；运用机器学习聚类算法可完结主动化配图；依据AI语音辨认和手势辨认技能可简化GIS软件交互流程。这些都是AI赋能GIS的表现，有用地前进了GIS软件的智能化水平。

　　GIS赋能AI即依据GIS技能，将AI剖析效果进行空间可视化和进一步空间剖析，让AI技能发挥更大的作用。GIS可以供给热力求、聚合图等多种可视化的地图展现作用来对AI剖析效果进行表达，帮忙用户把握全体空间信息。依据GIS的空间剖析功用，则可以运用空间实体间存在的多种空间联络，树立视频空间和实在地舆空间的映射，进一步发掘视频数据的深层隐含信息，被广泛运用于行人和机动车违章检测、方针车辆追寻等场景。

　　跟着人工智能技能的飞速展开，GIS与人工智能从数据、模型到运用等多个方面进行了交融：人工智能为GIS注入智能化基因，前进了功率，下降了本钱；GIS则为人工智能供给了可视化窗口和空间剖析才干。二者彼此赋能，在自然资源、才智城市、农林、水利、交通、环保等方面现已得到了运用。在人工智能技能不断深化和完善进程中，人工智能GIS技能也将为GIS工业发明更大价值。

　　自2004年Google Earth发布以来，三维GIS得到业界广泛重视[26]。随后，业界呈现了许多依据开源三维烘托引擎的三维GIS软件，但跟着该技能的推行，潜在坏处也逐渐闪现，即该类型产品侧重于三维可视化，无法满意GIS职业的深度运用。2009年，北京超图软件股份有限公司（SuperMap Software Co.,Ltd.，简称超图软件）推出了国表里首款二三维一体化GIS渠道软件，将二维和三维在数据模型、数据存储与办理、可视化与空间剖析、软件形状等层面完结了一体化，以处理三维GIS系统不实用的问题[27]。自2009起，通过十余年展开，新一代三维GIS技能推出了更丰厚的三维数据模型，并结合先进IT技能不断丰厚其内在，发生了由二三维一体化数据模型、二三维一体化GIS技能、多源三维数据交融技能、三维空间数据规范和三维交互与输出技能组成的新一代三维GIS技能系统，如图11所示。

　　二三维一体化数据模型有用处理了三维空间表达和剖析的难题，完结了从二维点、线、面到三维体；从二维网络到三维网络；从不规矩三角网（Triangulated Irregular Network，TIN）到不规矩四面体网格（Tetrahedralized Irregular Mesh，TIM）（图 12）；从栅格（Grid）到体元栅格（Voxel Grid）的晋级与拓宽（图13）。2018年超图软件率先在SuperMap GIS根底软件中提出并完结了TIM和体元栅格，终究完结了空间数据模型从二维到三维全面升维[28]。构成了包含离散方针、接连空间、链接网络的完好的空间数据模型系统，使得新一代三维GIS技能具有对实践国际全空间表达的才干。

　　二三维一体化GIS技能首要是指数据存储一体化、剖析功用一体化和软件形状一体化等要害技能。其间一体化的空间数据存储与办理，处理了二维数据、三维数据别离存储的问题，完结一份数据既可供二维运用，也可供三维运用。剖析功用一体化不只让二维剖析的效果在三维场景中展现成为可能，还支撑三维空间运算、三维空间联络判别、三维空间剖析、降维核算、三维网络剖析和三维量算等三维场景的剖析功用。软件形状一体化则指从GIS服务器到桌面端、浏览器端、移动端的跨渠道三维支撑。通过二三维一体化技能，完结了一份数据在一套软件中，可以依据需求进行二维、三维的剖析和可视化等才干。

　　跟着数据搜集技能的迅速展开，不同来历、不同类型的空间三维数据的高效交融成为一大应战。对新式的歪斜拍摄模型、BIM、激光点云、三维场等三维数据与传统的印象、矢量、地势、精模、地下管线等多源数据的无缝交融是新一代三维GIS技能的要害技能之一，如交融歪斜拍摄和激光点云，大幅前进了三维GIS数据搜集与出产功率，增强并前进了三维场景的实在感与精度；交融BIM完结了室表里一体化的无缝联接等。多源数据的交融匹配可以有用下降GIS运用系统的建造本钱、前进空间数据的运用功率。

　　跟着三维GIS的广泛运用，供给一致的三维数据规范及规范，对三维数据同享和互操作的支撑成为广阔三维GIS用户日益火急的需求。现在，新一代三维GIS技能在国家《地舆空间数据库拜访接口规范》（Open Geospatial Database Connectivity，OGDC）[29]的根底上现已完结了三维数据读写拜访接口的扩展，为多源异构三维数据供给了一致的进口；一起，跟着《空间三维模型数据格局》(Spatial 3D Model，S3M) [30]以及《空间三维模型数据服务接口》[31]等集体规范的发布，将更进一步推进歪斜拍摄模型、激光点云、BIM、三维场等多源异构的三维数据交融以及多种软硬件环境的兼容，打通数据隔膜，完结三维地舆空间数据的同享和深化运用[32]。

　　新一代三维GIS技能集成了WebGL、VR、AR、AI、3D打印等IT新技能[33]，为用户带来更快捷、更实在的三维体会。其间，游戏引擎与GIS的跨界交融，一方面可以赋能游戏开发者，可运用实在的地舆空间数据开发游戏，另一方面可在数字孪生城市等三维GIS运用场景中，选用GIS软件供给后台数据与空间剖析服务，游戏引擎在前端供给可视化与交互才干，大幅前进三维GIS运用的可视化作用。

　　新一代三维GIS技能完结了数据模型、场景构建、空间剖析和软件形状的二三维一体化，更全面地交融歪斜拍摄模型、激光点云、BIM、三维场等多源异构数据，依据散布式的处理东西完结实景三维数据的高效全流程办理，并集成IT新技能带来更友爱、更快捷的三维体会。在新式才智城市、数字孪生建造等需求的推进下，新一代三维GIS技能将在规范化建造、海量数据加载、处理以及可视化等方面获得长足的展开。

　　当时，跟着地舆空间数据的数据量爆破式增加，GIS软件技能及运用面对数据密布、核算密布、并发密布和时空密布四大应战[34]，传统GIS软件已很难应对这些应战，火急需求通过散布式技能来打破超大规划时空数据和服务办理，以满意各类用户对超大规划时空数据高效办理和高功用核算的实践运用需求。散布式GIS技能是指运用多机散布式协同技能和核算资源的横向扩展才干，集群完结许多并发使命，或分化完结单一杂乱使命的GIS技能。散布式GIS技能是GIS技能重要的展开方向和信息技能晋级换代的必定要求。散布式GIS技能系统如图14所示。

　　数据库办理系统起先都是单机办法，跟着在线事务的蓬勃展开，许多系统都面对处理高并发、大数据量、超高峰值等应战，数据库开端了散布式之旅。散布式空间数据库首要处理海量时空数据的存储、查询和剖析等的需求，要点应对扩展性、高可用等应战[35]。

　　运用散布式存储技能树立一致的数据办理引擎，包含散布式空间文件办理系统（HDFS等）、散布式SQL数据库（Oracle、Postgres-XL等）和散布式NoSQL数据库（HBase、MongoDB、Elasticsearch等），并供给一致的办理接口，然后支撑对TB级和PB级规划空间数据的存储和办理。通过散布式空间数据引擎，不同存储格局下的空间数据别离通过不同的数据引擎被快速拜访和查询，并通过一致的一体化模型进行运用，一起散布式空间数据引擎打破了存储容量的约束，处理了海量数据的存储、办理问题。

　　区块链是一种散布式的数据存储办法，由一串运用密码学办法发生的数据存储结构组成，每一个区块都包含上一个区块的哈希值，从创世区块开端联接到当时区块，构成区块链，每一个区块都保证依照时刻次序在上一个区块之后发生，不然无法得到前一个区块的哈希值[36]，假如要篡改某一个区块的数据，就需求修正这个区块后续一切区块的数据（图15），一起因为区块链在多个散布式节点上重复存储多份，还需求修正其他节点一切相关的数据，才干完结数据的篡改，这使得区块链上的歹意篡改变得十分困难。

　　为了完结安全、可追溯、高可信等特色，区块链存储会导致功用下降，以及空间胀大。因而，一般仅仅把需求维护的要害数据上链办理即可，尽可能防止把一切空间数据上链办理。

　　空间区块链选用“链内存储和IPFS链外扩展”并行的办法，设定数据量阈值，低于阈值选用直接上链存储，高于阈值时，将运用星际文件系统（InterPlanetary File System，IPFS）进行链外存储，将数据写入IPFS网络，并将回来的哈希值存储到区块链中。其间，IFPS首要用来存储大规划的空间数据和非结构化文件数据，与区块链技能相似，也是一种去中心化的存储办法，通过文件内容生成独立哈希值来表明文件，然后上链存储，这样既节省了存储空间，又下降了存储本钱，还可以前进空间数据的拜访功用。

　　Spark是现在运用最广泛的散布式核算架构，但其自身不具有空间剖析核算才干，为了完结对海量空间数据的剖析与处理才干，需求将GIS根底内核与Spark架构进行交融，构建空间大数据剖析引擎。首要通过拓宽Spark的根底数据模型（RDD/DataFrame），完结其对点、线、面等多源空间数据的支撑；并扩展Spark对空间索引的支撑，前进功用优化才干；一起重构GIS软件已有的剖析处理算法使其具有散布式核算的才干，构建散布式的空间数据剖析与处理模型，包含经典的矢量和栅格数据剖析、空间大数据剖析（热门剖析、聚合剖析等）、GeoAI剖析算法（空间聚类剖析、回归剖析等）以及三维数据剖析（挖洞剖析、镶嵌剖析等），拓宽GIS软件对多源异构数据的剖析才干，完结从时刻、空间、特色多个维度进行数据发掘；别的，供给多类别GIS空间剖析算子编列协同的地舆处理（Geoprocessing，GP）东西，将GIS空间剖析使命的拆分、履行与Spark的使命调度模型完结深度交融，进一步前进GIS软件的核算和运用才干。通过散布式改造，传统的空间剖析功率，比较单机的空间剖析，都有数量级的前进，部分测验比照效果如表1所示。其间，单机剖析核算环境为4核16GB内存；散布式剖析核算环境为6节点，每个节点与单机剖析核算环境相同。

　　云原生是原生面向云规划软件的一种思维理念，是充分发挥云效能的最佳实践途径，有利于各安排在公有云、私有云和混合云等新式动态环境中，构建和运转可弹性扩展的运用[37]。云原生GIS则是原生为云规划的GIS软件技能，包含GIS微服务、GIS容器化布置、GIS主动编列等内容。

　　其间GIS微服务便是把传统杂乱的单体WebGIS软件拆分为可独立运转的若干个服务模块，每个服务模块专心单一的功用，如数据目录服务、地图服务等，并可以完结独立编列和布置。GIS容器化布置是指GIS的布置办法从虚拟机变为容器，运用容器化技能将拆分的GIS微服务制作成Docker镜像存入镜像库房，布置时直接拉取镜像构成容器，通过容器运转的办法供给服务。GIS主动编列是指在布置进程中，运用Kubernetes作为微服务的办理东西，供给GIS容器的主动化编列，可以快速地布置多节点GIS环境，而且依据拜访压力完结依据微服务的资源弹性弹性才干和毛病康复才干。

　　通过云原生GIS技能，下降了资源的耗费，前进了资源的运用率，并完结了毛病阻隔，然后大幅前进系统安稳性，还可以完结服务的主动化办理与运维。

　　GIS运用需求耗费许多的带宽和核算资源，当呈现许多并发运用时，就会呈现带宽缺乏、核算推迟等问题，在学习边际核算和互联网CDN（ContentDelivery Network）的思维后[38]，SuperMap GIS提出了边际 GIS 技能。在接近GIS云中心的网络边际侧，就近供给低延时的服务（图16），一起运用边际核算才干，供给更快的核算呼应，满意职业数字化在灵敏联接、实时事务、数据优化、运用智能、安全与隐私维护等方面的要害需求[39]。除了在数据处理上的高功率，在服务聚合、空间数据分发方面，边际GIS技能都能很好地前进系统作业功率，缓解带宽压力和云中心的核算压力，下降时刻与资源耗费，前进系统全体功用。

　　散布式GIS技能打破了传统GIS软件在数据办理处理、数据安全和功用方面的瓶颈，完结了GIS在高可用、高并发、高弹性、高功用、大容量、高可信（简称“五高一大”）等方面的重大打破，构建起GIS云边端一体化的散布式协同运用新办法。

　　跟着WebGIS的鼓起，GIS功用重心从客户端搬运到服务器侧，鉴于服务器操作系统中除Windows外，Linux也有许多比例，因而GIS软件跨操作系统成为一种新的趋势，2001年超图软件启动了跨渠道GIS软件技能的研讨与开发。

　　考虑到GIS归于核算密布型运用，跨渠道GIS技能内核选用了功用最高但也最杂乱的 C++技能道路，运用C++言语一次编写、多渠道编译的特色，完结了支撑多种CPU、操作系统和数据库的高功用、原生的跨渠道GIS技能。支撑x86、ARM、MIPS、OpenPower、SW-64等多种CPU架构；支撑Windows、Linux、UNIX等PC和服务器操作系统以及Android、iOS等移动操作系统；并依据Oracle、PostgreSQL、HBase、华为GaussDB、阿里PolarDB等多种商用或开源数据库完结了一致接口的空间数据引擎。

　　跨渠道GIS技能从开端研制到产品全面老练并面向市场阅历了十几年的时刻，这其间最首要的原因便是跨渠道技能存在许多技能难点。比方需求处理因异构硬件渠道（如不同架构CPU，字节序处理办法不平等）带来的问题；为了满意上层运用对不同开发环境的需求，要针对不同的开发言语进行相应的封装，对Java进行支撑时，需求通过JNI技能对C++内核进行封装，完结Java言语对C++功用的调用；依据Java Swing图形界面技能构建规范东西条，需完结界面布局，屏蔽不同操作系统间的可视化差异[40]；运用相同的技能思路，完结对Python、其他言语环境等支撑。

　　依据跨渠道GIS技能，在政府和企业的信息化建造需求多种根底运转环境时，GIS软件可快速完结对各类CPU（如华为鲲鹏、龙芯、飞扬等）和操作系统（如中标麒麟、银河麒麟、统信UOS等）的适配（图17），完结跨终端、跨系统、跨环境的高功用GIS运用，为信息化建造的安全供给保证。

　　跨渠道GIS技能作为根底支撑技能，与散布式GIS技能、大数据GIS技能、人工智能GIS技能和新一代三维GIS技能等新技能进行深度交融，比方在跨渠道GIS技能的支撑下，新一代三维GIS技能可以在Windows、Linux、Android、iOS等多种操作系统下完结三维场景的高功用烘托，完结场景的调度、裁剪操控、资源办理、制作等，一起结合WebGL技能，完结无插件、跨渠道、跨终端、跨浏览器的Web三维运用。跨渠道GIS技能也会依据技能展开和运用需求的改变，不断完结对新的软硬件环境的支撑和运用。

　　结合未来展开趋势，本文将GIS技能分为五大系统。大数据GIS技能是底层支撑，深度发掘空间大数据价值。人工智能GIS技能赋能地舆才智，为GIS带来了智能化的工业革新。新一代三维GIS技能供给了全空间表达、真三维剖析核算，以及结合游戏引擎完结的生动视觉体会。散布式GIS技能将为GIS技能带来更高效、更弹性、更安稳等方面的才干。跨渠道GIS技能则使得GIS根底软件技能安全性、扩展性、立异性得以保证。这五大技能系统对前沿技能与GIS职业进行了深度交融，使得GIS技能与时俱进，可以实在满意用户多样化的空间信息需求。

　　依据技能所在不同运用阶段，制作了GIS软件技能老练度曲线），五大技能系统别离处于不同的方位。

　　图18 GIS软件技能老练度(光环曲线）跨渠道GIS技能已入老练期，现在已广泛支撑多种操作系统和CPU，正在得到广泛运用；

　　（2）新一代三维GIS技能正在从复苏期向老练期搬运，未来将在三维空间剖析和三维可视化作用等方面持续完善，并将在实景三维我国、自然资源三维立体一张图、CIM等范畴得到广泛和深化运用；

　　（3）散布式GIS技能已度过低谷期，处于复苏期，技能和产品正在逐渐老练和完善，正在有越来越多范畴得到运用，未来将成为大型系统的根底支撑技能；

　　（5）人工智能GIS技能正从过热期滑向低谷期，通过最近两三年的宣扬，运用单位的希望高于技能老练度，能否赶快度过低谷期，取决于未来技能展开的速度，进入老练运用还有待时日。

　　GIS技能系统由四大技能系统展开到五大技能系统，也仅仅GIS展开运用进程中的一个阶段性效果，在运用需求的牵引和IT技能的推进下，未来GIS技能系统还将会不断的演化和前进，呈现更多GIS技能的立异。

上一篇：超图软件董秘回复：HMS是华为对外供给的公司在此方面为华为供给GIS才能。 下一篇：依据BIM+GIS 的城市地下归纳管廊运维处理渠道架构研讨