GIS 結合地理人工智能
在大數據時代的應用 @Esri China(Hong Kong)

隨着物聯網傳感器、衞星圖像以及實時數據的廣泛應用，人類社會進入大數據時代。科技業界一向有「80%數據都和地理空間有關」的說法。這些數據可以通過地理資訊系統（GIS）進行管理。不過，分析海量數據，往往需要大量的時間和人力。因此，地理人工智能（GeoAI）技術應運而生。AI非常着重應用場景，很多場景與地理空間數據密不可分。而GeoAI則是一種將地理資訊系統和人工智能結合的技術，它可以幫助我們更快速地分析和處理地理數據。

GeoAI可以通過各種技術實現，例如機器學習（machine learning）和深度學習（deep learning）等。

機器學習是一種人工智能技術，是GeoAI中最常用的技術之一。它可以讓電腦通過學習數據自動進行預測和決策。在地理資訊系統中，機器學習可以用於圖像識別（image classification）、地圖製作、地理資訊提取等方面。例如，我們可以利用機器學習技術，通過對衛星圖像進行分析，快速識別出某個區域內的建築物、道路、綠地等地理要素。

深度學習是機器學習的一個分支，它在GeoAI中也得到了廣泛應用。深度學習可以通過神經網絡模型（neural network models）來進行圖像識別、語音識別等任務。在地理資訊系統中，深度學習可以用於地形分析、氣象預測等方面。

此外，應用GIS來管理GeoAI與AI訓練數據（AI training data）可以提供更有效的數據管理和空間分析能力。GIS提供了數據庫管理功能，可以用於存儲和管理地理數據和AI訓練數據。數據庫可以組織地理數據屬性和空間信息，方便檢索。使用GIS工具，可以輕易整合地理數據，包括衞星圖像、地理座標等。這些地理數據可以用於GeoAI的訓練數據集，提供地理背景和空間特徵。同時，GIS可以用於數據的可視化，把地理數據和AI訓練結果以地圖形式呈現。

GeoAI的應用範圍非常廣泛，可以用於城市規劃、環境監測、物流和供應鏈管理、農業、自然資源管理等領域。就城市規劃和交通流量管理而言，GeoAI配合低地球軌道衞星影像（LEO）、無人機，以及閉路電視等，以大數據演算法分析，統計特定區域車輛進入的數目和逗留時間，評估其道路容量以至對周遭環境構成的壓力，便利當局對過往、現在的交通狀況有更深入、快速分析，以更精準地預測未來走勢，從而提升決策成效。

總括而言，GeoAI可以幫助我們更高效地管理和分析地理空間數據，特別是有效率地處理實時數據，從而優化城市規劃、環境監測、物流和供應鏈管理、農業、自然資源管理等領域。

---