Перевод: Дворкин Б.А.
(https://www10.giscafe.com/blogs/gissusan/2020/01/02/giscafe-industry-predictions-for-2020-part-1/)
Patrick Cunningham, президент и главный исполнительный директор, Blue Marble Geographics
Основные инновации, влияющие на ГИС-индустрию, проходят волнами. В свое время влияние на развитие ГИС оказали данные лазерного сканирования, затем появился и стал развиваться сервис Google Earth, появились ГИС с открытым исходным кодом, начали распространяться смартфоны, с поддержкой GPS. В настоящее время наблюдаются две параллельные волны: развитие корпоративных ГИС и получение данных с БПЛА и технология их обработки.
Под корпоративной ГИС подразумевается способность легко обмениваться геопространственными данными внутри организации, а также возможность для пользователей проводить анализ этих данных, даже если ГИС находится вне пределов их компетенции. Для этого есть большие, дорогие, «стековые» коммерческие решения. Тем не менее, благодаря Google, AWS и другим простым в использовании бесплатным или недорогим веб-ГИС-инструментам, таким продуктам, как Global Mapper, можно относительно легко осуществить этот процесс. Корпоративные ГИС будут продолжать расширяться, поскольку пользователи и менеджеры программного обеспечения вводят новшества с доступными наборами инструментов. Это не должно быть дорогостоящим, процессом из-за развития ГИС с открытым исходным кодом и совершенствованием мобильных устройств.
ГИС-аналитиков или профессиональных геодезистов т картографов наиболее привлекательны инновации в использовании дронов и обработке получаемых данных.
В последние годы появление недорогих дронов стало настоящим подспорьем для геодезистов. Они получили возможность получать изображения с высоким разрешением с помощью БПЛА. Улучшения в способности программного обеспечения, такого как Global Mapper и Pix4D, обрабатывать эти изображения в производные продукты, такие как облака точек, ортоизображения и др., создали многие дополнительные возможности. Не так давно концепция автоматической обработки растровых данных в векторные была несбыточной мечтой. Теперь это вчерашний день. Сейчас профессионал имеет возможность получать более качественные данные так, как они никогда не могли себе позволить мечтать всего несколько лет назад. 2020 год даст больше способов обработки данных и получения различных продуктов, связанных с БПЛА.
Dr. Philippe Simard, президент SimActive Inc.
Рост числа дронов для картографирования все еще будет одним из основных драйверов нашей отрасли в 2020 году.
Хотя это и не ново, одной из отраслей, для которых дроны особенно полезны, является горнодобывающая, и эта тенденция не изменится. Камеры, установленные на дронах, позволяют заменить традиционные съемки и регулярно выполнять расчеты объемов пород. Это приводит к экономии средств и времени, что будет способствовать росту его популярности технологии.
Будут развиваться технологии, способные комбинировать различные источники данных, такие как лазерное сканирование и фотосъемка. Возможность интеграции нескольких типов данных вместе приводит к гораздо более ценным наборам данных.
Joe Wilson, руководитель отдела продукции, Touch GIS
В 2020 продолжится отход от универсальных объемных ГИС-решений. По мере развития отрасли и привлечения внимания к новым стартапам мы увидим отход от классических (но громоздких) решений. Похоже, что крупные поставщики программного и аппаратного обеспечения не заинтересованы в разработке гибких рабочих процессов. «Дилемма инноватора» была проблемой в ГИС-отрасли в течение многих лет, но 2020 год даст сигнал к большим изменениям, поскольку более гибкие ГИС-решения появятся на рынке.
Мобильные программные решения будут играть большую роль в этих переменах. Дорогое оборудование и громоздкое программное обеспечение давно пора заменить. Ожидайте увидеть более современные пользовательские интерфейсы и оптимизированные рабочие процессы в ближайшем будущем.
Sebastian Schreiber, главный технический директор SOMAG AG Jena
Имеются, в частности, тенденции, которые уже сыграли свою роль в прошлом, но значение которых не уменьшится в 2020 году.
Во-первых, продолжится общая тенденция использования для авиасъемки гибридных сенсорных систем, объединяющих однокамерную или многокамерную систему с блоком лазерного сканирования, гиперспектральным сканером или другим устройством сбора данных. Получение всех соответствующих данных одновременно во время полета экономически выгодно, а сочетание нескольких источников данных приводит к высокой степени полноты и надежности набора данных, поскольку недостатки одного метода могут быть компенсированы другим.
Еще одна продолжающая тенденция — использование БПЛА для съемки. БПЛА имеют широкий спектр возможных применений, и их популярность сохранится в 2020 году. Гибридные агрегаты, которые сочетают в себе преимущества самолетов и вертолетов, по-видимому, приобретают все большее значение в этом секторе. Это сопровождается постоянным требованием, чтобы детали и узлы были небольшими и легкими. По мере того как оборудование становится все меньше и меньше, данные и их точность все больше и больше возрастают, что потребует эффективных программных средств для обработки такого объема больших данных.
Patrick Cozzi, генеральный директор Cesium
Расширение доступности геопространственных данных и потребность в 3D-аналитике будут стимулировать инновации в 2020 году.
Благодаря дронам, автономным транспортным средствам и широко распространенной доступности сенсоров геопространственные данные с высоким разрешением собираются чаще и становятся более доступными, чем когда-либо прежде.
Спрос на программное обеспечение, которое может извлечь ценную информацию из этих данных, быстро растет. Геопространственные программные платформы, такие как Cesium, которые обеспечивают фундаментальные строительные блоки для разработчиков приложений станут центральными для геопространственной отрасли. Чтобы обеспечить совместимость этой экосистемы, открытые стандарты будут продолжать играть ключевую роль.
George Percivall, технический директор и главный инженер Open Geospatial Consortium (OGC)
Следующие тенденции определены в качестве текущих «высших» приоритетов для OGC.
- Наука о данных и аналитика (в том числе Python, R Analytics)
- Geo IT Этика
- Карты высокого разрешения для автономных транспортных средств
- AR, VR, смешанная реальность
- Дроны
- Сети данных
Особо необходимо выделить две тенденции из этого списка, которые я нахожу особенно убедительными, это Наука о данных и аналитика и Карты высокого разрешения для автономных транспортных средств.
Наука о данных и аналитика включает в себя:
- Машинное обучение
- Обнаружение аномалий — идентификация элементов, событий или наблюдений, которые не соответствуют ожидаемому шаблону или другим элементам в наборе данных
- Текстовая и графическая аналитика — процесс получения высококачественной информации из текста, включая обработку на естественном языке.
- Пространственно-временная аналитика
- Fusion, Conflation analytics - объединение двух разных карт (представляющих разные явления) в одну новую карту, обычно путем выравнивания перекрывающейся области.
- Моделирование, симуляция и прогнозирование - процесс создания и анализа цифрового прототипа физической модели для прогнозирования ее производительности в реальном мире. Модели и симуляции могут использоваться как для анализа, так и для обучения персонала.
Карты высокого разрешения для автономных транспортных средств
Под «высоким разрешением» подразумеваются карты, созданные с точностью до сантиметра или лучше, как правило, для поддержки автомобилей без водителя и других автономных наземных транспортных средств, которые работают в населенных пунктах. Такая точность необходима, поскольку безопасность этих систем имеет первостепенное значение. Для достижения мечты о полностью автономных транспортных средствах, геопространственные данные абсолютно необходимы.
Эта тема интересна тем, что затрагивает не только транспорт, но и другие области, включая моделирование городов и умные города.
Brendan Wesdock, президент GeoDecisions
С достижениями в области 5G, улучшенной точностью мобильного GPS и ростом геопространственных компьютерных решений и искусственного интеллекта ГИС-данные станут неотъемлемым фактором, обеспечивающим новый опыт.
5G ускорит рост геопространственных вычислений в 2020 году. Технология объединит большие данные и облачные вычисления, виртуализацию и расширение, автоматизацию и интеллектуальные машины, а также распределенные вычисления и искусственный интеллект для получения информации из данных, генерируемых миллиардами подключенных устройств по всему миру. Возможность подключения 5G предоставит организациям более мощную геопространственную платформу. 5G также откроет технологические тренды, которые повлияют на текущий рынок с поддержкой определения местоположения. Поскольку определение местоположения становится основополагающим для управления и всех бизнес-процессов, ценность сервисов на основе определения местоположения для таких отраслей, как реклама и маркетинг, транспорт и розничная торговля, только возрастет с развертыванием 5G, предоставляя больше мобильных геопространственных возможностей.
В дополнение к 5G, двухчастотные чипы GPS изменят бизнес, основанный на определении местоположения, предоставляя доступ для использования более чем одного созвездия GPS одновременно. Точность от 10 до 30 сантиметров обеспечит навигацию транспортного средства на уровне полосы движения, улучшенную реакцию аварийных служб и точную геолокацию в помещении.
2020 год также принесет дальнейший рост геопространственного машинного обучения и решений ИИ. Эти решения позволят организациям использовать прогнозное моделирование для принятия обоснованных решений на основе синтезированных, исторических данных и данных из нескольких источников. В дальнейшем геопространственное машинное обучение и ИИ станут общими инструментами.
Seb Lessware, главный технический директор, 1Spatial
Искусственный интеллект и машинное обучение определенно находятся на пути к пику завышенных ожиданий. Аппаратные и программные инфраструктуры развиваются, что делает механику машинного обучения более быстрой, простой и по существу товарной, поэтому ключом к ним являются данные и способы их применения
В 2020 году продолжится стремительный рост автоматизации. Мы видели, что автоматизация применяется не только для замены задач ручной обработки данных, но и для дополнения ручных задач путем автоматической проверки и обработки данных в среде непрерывной интеграции данных. Автоматизация устраняет обыденность и позволяет людям сосредоточиться на реальных, сложных и более субъективных проблемах, не ставя под угрозу работу.
2020 год станет годом, когда закупки, которые требуют облачных решений, превратятся из меньшинства в большинство. Даже традиционно осторожные и замкнутые отрасли делают огромный скачок от «наши системы не могут подключиться к Интернету» к «мы теперь являемся облачной организацией». Это неизбежно, поэтому единственный вопрос заключается в том, какое программное обеспечение и решения готовы к работе в облаке.
Правительства, которые владеют или управляют национальными хранителями пространственных данных, все чаще пытаются стимулировать экономию данных путем улучшения доступа к данным и обмена ими. Параллельно эти хранители пространственных данных хотели бы эмулировать новые технологические стартапы, предоставляя API-интерфейсы для быстрой интеграции различных сервисов с целью создания решения, которое передает данные между сервисами. Мы наблюдаем, как провайдеры пространственных данных переходят от традиционного подхода «мы будем отправлять вам данные каждые 6 месяцев» к более позднему подходу «загрузки данных», а теперь к «Вот API для обнаружения и доступа к данным по спрос на создание новых услуг. К 2020 году мы увидим, что больше этих API данных появятся у традиционных поставщиков данных, таких как национальные картографические агентства.
Традиционные подходы использования реляционных баз данных для хранения данных могут страдать от недостатка гибкости, если структура или характер данных часто изменяются. Чтобы решить эту проблему, некоторые организации внедряют или исследуют альтернативные технологии для хранения данных, например, базы данных с открытым исходным кодом NoSQL или хранилища данных Google BigQuery. Организации используют подход «озера данных», при котором все данные сбрасываются в «озеро», из которого они впоследствии могут быть извлечены или проанализированы. Мы увидим, что эти озера данных будут заполняться в 2020 году, но необходимо определить, превращаются ли они в «болота данных», которые могут произойти, если не будут внедрены методы обеспечения качества данных и управления данными.
Пространственные трехмерные данные чаще всего представляют собой либо модели местности, неструктурированные облака точек, используемые для визуализации, либо структурированные трехмерные данные. Стандарты BIM поощряют использование данных в течение всего жизненного цикла реального ресурса, но только небольшое количество больших векторных пространственных наборов данных в настоящее время являются трехмерными. В 2020 году пользователи, которые поддерживают большое количество объемных трехмерных векторных наборов данных (например, топография, кадастровый, подземный), будут делиться большим количеством своих методов и извлеченных уроков. Это поможет другим организациям рассчитать, смогут ли они сделать скачок в поддержании объемных трехмерных векторных данных.
Mick Cory, Генеральный секретарь и исполнительный директор, EuroGeographics
Следующее десятилетие обещает постоянные, быстро меняющиеся и повсеместные перемены на фоне продолжающейся международной геополитической, технологической, экологической и экономической неопределенности. Гибкость в реагировании на эти вызовы и возможности будет иметь решающее значение, и в 2020 году национальные картографические, кадастровые и земельные органы регистрации будут продолжать развивать и адаптировать свою деятельность, чтобы подтвердить свою актуальность, а также ценность своей информации для общества как целое.
Кадастровая информация, реестры и картографические базы данных имеют решающее значение для предоставления странам возможности сообщать и отслеживать прогресс в достижении целей в области устойчивого развития.
Такие вопросы, как изменение климата, устойчивое развитие, миграция и здравоохранение, не ограничиваются границами и требуют полностью связанных национальных баз данных для более сильного трансграничного аварийного планирования и мониторинга окружающей среды. В результате будет стремление к еще большему сотрудничеству как внутри, так и за пределами геопространственного сектора, чтобы обеспечить эффективный глобальный ответ — с четкой ролью надежных, надежных и подробных геопространственных данных из официальных национальных источников, чтобы помочь обеспечить контекст и понимание.
Европейская космическая политика и космическое регулирование станут еще одной ключевой областью интереса в 2020 году, в частности, для общеевропейских проектов в области данных для спутниковых датчиков для поддержки экологических приложений с более низким разрешением. По мере улучшения разрешения мы увидим лучший спектральный диапазон, более быструю обработку и более актуальную информацию, хотя рынок для этого может быть ограничен.
Аэрофотосъемка останется ключевой наукой и технологией сбора данных. С развитием технологий, таких как БПЛА и другие сенсорные платформы и платформы наблюдения Земли, ситуация меняется. Но в данный момент, например, панъевропейская цифровая модель местности (DTM) с высоким разрешением не может быть полностью удовлетворена только спутниковыми снимками, поскольку в лесных районах изображения не точны для целей DTM.
Классическая аэрофотосъемка и наблюдения Земли из космоса сходятся. Многие национальные агентства уже используют общие спутниковые снимки для обнаружения и мониторинга изменений, но будут продолжать следить за переходом между бортовыми датчиками и удобством использования спутниковых снимков, особенно в сельской местности. Ожидается также, что лазерное сканирование будет все больше использоваться в широком спектре приложений от цифровых наземных моделей высокого разрешения (DSM) до детальных съемок. Хотя беспилотные летательные аппараты пока не используются для составления карт национального масштаба, они оказались удовлетворительными для небольших городских районов, промышленных зон или охраняемых районов с более высокой плотностью, разрешением и частотой. Их реальная ценность будет подтверждена за счет того, что собранные с них данные просты и недороги для интеграции с информацией с других датчиков.
Joey Griebel, менеджер по продажам в Северной Америке L3Harris Geospatial
Коммерческая доступность высококачественных данных дистанционного зондирования никогда не была выше, и 2020 год обещает обеспечить еще больше с запуском новых сенсоров и ростом числа повторных съемок. Первая космическая группировка радарных спутников в США будет запущена компанией Capella Space, а Planet планирует добавить новые спектральные полосы на спутниках SuperDove. Новые сенсоры и более высокая частота повторных съемок предоставляют возможность для расширенного анализа временных рядов, который в конечном итоге позволит реализовать перспективу использования данных дистанционного зондирования в качестве инструмента прогнозирования, а не в только для быстрого реагирования.
Однако взрывной рост доступности сенсоров и платформ создает проблему больших данных для извлечения полезной информации, особенно своевременным или упреждающим способом. Автоматизация программного обеспечения, поддерживаемая искусственным интеллектом, выводит сложные возможности обработки и анализа изображений на новый уровень.
В то время как алгоритмы машинного обучения обычно требуют, чтобы пользователь «показал» компьютеру сотни примеров функции, чтобы ее можно было идентифицировать, в технологии глубокого обучения (например, в модуле глубокого обучения ENVI) используются итерационные алгоритмы, которые можно обучить всего по дюжине примеров в некоторых случаях. В наступающем году глубокое обучение станет необходимым для быстрой классификации и понимания того, что меняется и как. Это расширит границы и расширит возможности использования данных дистанционного зондирования .
James Van Rens, старший вице-президент RIEGL США
Будет продолжаться развитие более быстрой обработки данных, получаемых методами лазерного сканирования. Появятся новые инструменты, облегчающие быстрый рендеринг облаков точек в используемые форматы для работы в BIM и ГИС.
Felix Reinshagen, соучредитель и генеральный директор NavVis
Мобильное картографирование внутри помещений будет продолжать демонстрировать быстрый рост в 2020 году. Кроме традиционных планов этажей и моделей BIM наблюдается устойчивый прогресс в направлении мощных цифровых платформ, которые глубоко интегрированы в корпоративные бизнес-модели.
Глядя в будущее, можно сказать, что переход от наземных лазерных сканеров к мобильному лазерному сканированию будет таким же смещением парадигмы, как и переход от тахеометров к наземному лазерному сканированию более десяти лет назад.
Кроме того, на рынке появилось больше устройств SLAM (одновременная локализация и картографирование), чем когда-либо прежде. Эти мобильные картографические платформы будут доступны в широком спектре функциональных возможностей, ориентируясь как на качество данных, так и на переносимость, поэтому будет проще, чем когда-либо, выбрать правильные инструменты для конкретного случая использования.
Последняя тенденция, которую я прогнозирую, связана с искусственным интеллектом и компьютерным зрением. С развитием автономного вождения растет и потребность в пространственном интеллекте исключительно для использования автономными машинами. Эта потребность будет естественным образом расширяться внутри помещений, поскольку человек и робот работают бок о бок в сложных условиях для производства, складирования и логистики. Данные сканирования, которые были правильно собраны и обработаны, имеют первостепенное значение для безопасности и эффективности в цехе 21-го века.
Dr. Yuri Raizman, генеральный директор и соучредитель GeoCloud
На рынке доступно множество источников геоданных и огромное количество геоданных, получаемых каждую минуту и нуждающихся в обработке. К традиционным источникам пространственной информации, таким как спутниковые и аэрофотоснимки, мобильное картографирование и лазерное сканирование, недавно добавились новые источники — мини-спутники и данные с дронов.
С одной стороны, этот огромный объем данных позволяет получать больше информации о Земле и получать ее чаще. С другой стороны, этот огромный объем данных должен обрабатываться и обрабатываться быстро.
Во многих случаях недостаточно просто предоставить стандартные продукты отображения, но требуется больше информации о конкретных объектах. В таких случаях появляются методы 3D-моделирования и машинного обучения и искусственного интеллекта (ML / AI) . Объем данных и более высокое разрешение позволяют эффективно использовать методы 3D-моделирования и ML / AI.
Развитие указанных методов приводит к разработке автоматических методов обнаружения и распознавания объектов, что, в свою очередь, приводит к автоматическому картографированию.
Чтобы быть эффективными, эти методы требуют более мощных компьютеров, большего количества хранилищ и лицензий на программное обеспечение.