DeepSeek 驱动下的地图生成

1. DeepSeek 驱动下的地图生成艾廷华武汉大学，资源与环境科学学院

2. 内容 — 背景：地图遇上了AI — 问题：DeepSeek与地图如何融合？ — 答案1：DeepSeek嵌入地图制图链 — 答案2：地图语言自身预训练模型研发 — 结论：地图正在大变局

3. 1.背景：地图遇上了AI 规划离不开地图，AI时代的地图表达各类自然要素、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。实景三维多维分布服务于规划国土空间规划领域自然资源现状调查土地利用分析预测时空格局决策城市规划领域多重属性基础设施规划时空关系动态变化智慧城市建设城市环境监测区域分析研究领域典型环境特征探测空间过程机理挖掘地学现象趋势预测

4. 新质生产力下地图制图面临的挑战低空经济新型的城市空间信息产品，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。自动驾驶新型的导航扩展信息产品，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

5. 技术更替地图制图体系发展脉络模拟技术 • • • • 纸张地图设计地图印制曲线长度量算肉眼判读可感知柏拉图“洞喻论” 数字技术 • • • • 信息技术光盘地图存储算法统计分析电子符号渲染 4D 数据生产 • • • • 可记忆地图网络服务地图路径导航支持LBS支持 VGI众源制图智能技术 • • • • SAM分割解译无人机地图更新深度学习地图认知大模型地图生成可理解

6. 智能化技术的颠覆数字化技术智能化技术复杂场景测绘高维空间解析实时过程监测众源数据融合数字解析，算法程序几何模型，数值统计知识引导，逻辑推理数据驱动，自主决策

7. 地图学中的智能化问题科学性空间认知规则探测技术性地图综合制作技术智能化艺术性地图设计艺术风格的迁移

8. AI发展史中的地图角色符号处理蚁群算法卷积学习知识推理遗传算法强化学习专家决策免疫算法生成学习 ··· ··· ··· 符号主义行为主义连接主义地图制图专家系统地图空间优化决策影像地图解译

9. 不同形式的AI在地图制图的角色生成式AI 地图制图中的 AI 类型 ——认知风格设计 —— 空间特征内插 —— 图形模态变换判别式AI —— 空间模式识别 —— 时空过程预测 —— 语义特征理解集成式AI —— GeoAI智能体 —— 人机协同交互 —— 制图任务优化

10. AI技术的主流在大语言模型LLM AI GPT LLM

11. 与地图（地理场景）有关的的LLM技术测试 Prompt ChatGPT DeepSeek 生成中国武汉市的地图一张中国武汉市的普通地图，地图中包含武汉市的市区和周边区域，标注有主要街道、公共交通线路、公园、商业中心、政府机构等地点和设施。地图采用鲜艳明亮的颜色，以突出市区的繁华和生机。武汉市区的主要街道为东湖路、解放大道、黄鹤楼大街等，地图上用粗体标示以便于查找。地图上还标注有长江和汉江两大河流，以及武汉市的三大火车站和天河机场。同时，地图中还展示了武汉市的主要地标建筑，如黄鹤楼、武汉大学、光谷广场等。总的来说，这张地图展示了武汉市的主要特点和特色，可以帮助人们更好地了解这座城市。 AI绘画 (Midjourney)

12. 描述一张武汉地铁轨道交通图描述一下武汉地铁轨道交通情况，需要包含主要景点… 武汉地铁地图是连接武汉市各区的综合交通系统。该地图的特点是一个复杂的相互连接的线路网络，为通勤者提供方便的目的地，如黄鹤楼、东湖和武汉大学……

13. Disco Diffusion生成的“地图”作品常规地图地形地图世界地图

14. DeepSeek的主体功能 DeepSeek不能直接生成地图

15. LLM体系的泛化与专业化视频泛化的通用语言图像音频图形绘画 RS影像音乐地图蛋白质链专业化语言文本 Transformer Diffusion ……

16. 如何实现DeepSeek下地图生成？一轮驱动：运用LLM现有成熟的系统工具增强地图制图技术在应用层面上对ChatGPT、DeepSeek 、 SORA、Midjourney等作扩展开发，实施地图制图技术的变革。地图智能体、服务器组件，LLaMa2/3，LangChain的开发二轮驱动：运用AI基础模型算法开发专业化的地图语言LLM工具在底层基于地图语言，并通过 transformer、diffusion等模型的研发，研制地图语言大模型

17. 2.方法1：地图制图链中嵌入DeepSeek 地图生成链 DeepSeek 数据库符号库颜色库文字注记地图制图任务书制图任务理解 ——主题 ——区域 ——时空 ——方法 ——受众 …… 文本资料收集处理 DeepSeek DeepSeek 地图综合

18. 智能化地图生成器DoMapAI—整体框架混合大语言模型和知识图谱技术建立DoMapAI智能地图生成器

19. 例子：理解制图任务（地缘政治空间化制图为例）人提出任务空间范围 DeepSeek Prompt 提示工程一带一路沿线国家、G8工业发达国家、金砖国家、美国国家多边盟友、GDP前10的国家、北约国家、华约国家、东盟国形ID集家、上海合作组织国家、俄乌冲突参与方…… 制图任务书时间期间冷战时期、舆情期间、二战时期、911以后、苏联解体、任务主题经济发展水平、经济增长率、人口分布、人口出生率、用户受众专家研究、学生教育、公众查阅、小孩、老人…… 制图方法符号表达 …… 北约东扩、大萧条时期、气温变暖时期…… 可持续发展、碳排放、清洁能源比例、高等教育比例…… 底色普染,统计图表、动画播放、隐喻表达,多层混搭…… 象形符号、几何符号、抽象符号、文字符号 …… 图形生成发布 MapBox 生成年代信息 SQL 语句候选主题 Excel数的匹配据提取读者画像 MapBo 理解 x渲染候选方法的匹配生成候选符号方案地图生成输出制图方案匹配 Select c i From table<theme> Where c i within <set> between <T from > and <T to >

20. 制图链中的地图制图知识图谱

21. 智能化地图生成器DoMapAI中知识图谱推理路径制图数据决策提取制图知识图谱时序关系地理实体时态信息维度信息方位关系拓扑关系地理实体制图数据制图工具依据自然语言表达的空间范围，时间区间尺度信息，维度信息专题信息，主题信息智能化调度制图数据制图行为智能决策布局模板地图模板地图语言依据自然语言表达的用户画像，地图用途地图符号，地图色彩整饰要素，地图组合智能化调度制图工具尺度信息地图生成专题信息建立混合“知识—数据—工具”的制图知识图谱，建立制图生成链整饰要素

22. 智能化地图生成器DoMapAI演示

23. 3.方法2：地图符号语言的LLM研发两大步骤（1）基于AI的transformer模型，将地图语言Token化，训练生成基础模型 MapGPT （2）在MapGPT向量化结果上，基于GAN、GCN等生成式模型AIGC，结合图学规则、原理，在相关样本训练支持下，研发专业性的地图AIGC工具 2351 2301 2301 2291 2309 2320 2362 2358 2352 2330 2301 2291 2309 2320 2362 2375 2301 2348 2301 2291 2309 2320 2362 2361 DEM 2 Map 数据成图 2320 2332 2344 2351 2352 2350 2330 2330 对抗GAN 2310 2314 2336 2330 2332 2326 2308 2308 2295 2295 2336 2289 2294 2298 2285 2285 2262 2334 2261 2262 2263 2260 2257 2257 2328 2259 2257 2261 2261 2259 2257 2255 Map 2 Text1 读图辨物图卷积GCN 地形信息AIGC Map 2 Text2 Map 2 Scene 特征描述深度学习DL 景观推理知识图谱KG

24. 面对空间智能，不同团队基于不同模态语言群雄争霸斯坦福李飞飞从图片到三维场景生成 , 实施空间智能训练空间智能 MIT 基于 Transformer 架构的Llama-2 语言模型，对不同来源的文本数据预训练，获取位置、经纬度信息测绘领域地图数据？？？

25. 过程一，地图语言Token化何为Token？——LLM中处理的最小语言单位武汉-市-长江-大桥武汉-市长-江大桥下雨天-留客天-留我不留？下雨-天留客-天留-我-不留。 As-for-the state of the art- of- cartography，it- is- develop-ing- fast… LLM中的Token划分 Midjourney的像素 SORA的体素Latent

26. 地图语言中的Token划分 —— 栅格化、实体化、分段分块、stroke… —— 划分单元的身份定义

27. 地图语言Token单元的序列化基于分形曲线实现二维到一维变换编码

28. 案例：土地利用数据的Token化土地利用单元化词嵌入香浓多最大面积用地类型剖分样性指编码单元数SHDI 1 st max 2 nd max 3 rd max 字符 4 6 4 8 17364 金 2 6 4 0 17250 木 6 3 6 1 9428 水 7 4 2 5 11445 火 6 1 3 6 3422 土 ... ... 𝑐𝑜𝑑𝑒 = 𝑆𝐻𝐷𝐼 × 12 0 + 𝑚𝑎𝑥 1 × 14 3 + 𝑚𝑎𝑥 2 × 14 2 + 𝑚𝑎𝑥 3 × 14 1 建立土地利用语料库序列化肉草八九天露飞机霜花树菜舞哥饭山果云雨豆书 ... 一万千百雨雨 ... 雷空云雨港村 ... 海石鸡鸭果金 ... token序列

29. Token,一个非常重要的词，可能是人工智能度量单位第一次工业革命蒸汽机时代 “瓦特” 第二次工业革命电气化时代第三次工业革命信息化时代 “千瓦时” “字节” 第四次工业革命人工智能时代 “Token”

30. 过程二，语料预训练、词嵌入量化 Word2Vec

31. 过程三，基础模型微调输出智能化功效 Word2Vec 预训练基础模型地图地图生成器分析器地图地图判读器转换器地图领域专业化LLM产品智能化应用

32. 地图图形语言的Token化 1.原始等高线提取线段特征 2.带特征的线段线段编码 3.抽象为Token的线段 4.Token化结果 …… Token化

33. Token化中领域知识的融入 1.Token化领域知识坡度计算 D8算法几何计算文本单词文本序列语料库等高线语料库等高线 𝑺 𝒌 等高线的线元等高线的线元序列 𝑺 𝒋 学习训练梯度下降注意机制线性激活 𝑤 𝑖 的 𝑤 𝑗 地 𝑤 𝑘 的 𝑤 𝑙 它 𝑤 𝑚 他 𝑤 𝑛 她 𝑤 𝑜 你 𝑤 𝑝 汝所有等高线 : 等高线顶点 Transformer 𝑺 𝒊 2.Embedding化：线元 𝒘 𝒊 : 第i个单词 3.编码训练自注意力机制,更新Q,V,K

34. 等高线语言模型预训练数据区域 1个 token 100个 token 2000万个Token区域 1万个 token

35. 等高线预训练LLM结果（基于BERT的768维向量，7千万参量）特征128 特征256 特征64 特征384 特征1 特征768 特征512

36. 地图预训练模型与下游任务对接（ GAN支持的地形内插重建）通用的预训练过程下游任务微调过程等高线语料库原始等高线系数Q, V, K GAN 权重矩阵预训练 Transofrmer + 地形内插重建

37. 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黑神话：悟空虚实结合，创意无限

38. 场景图生成中的虚实结合虚的： AI领域的生成式技术，Dall E 实的：测绘地图学可视化技术 Prompt：“生成四幅具备连绵的山脉和山谷的山水景观图，地形起伏程度分别为1，0.5，0.2，0.1” DEM三维重构、地貌晕渲图 1 虚实结合 —— 山体场景的主体特征保持、风格一致 —— 山的微地貌、细节、渲染具有充分的创意自由度 —— 故事、游戏情境、创作者个性需求

39. 基于地形GeoToken数据的虚实结合场景生成华山南峰 ——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）（1）平面结构设计（2）竖向起伏调整（3）渲染风格迁移

40. 交互控制一 ——地形结构线重调调整结构线

41. 交互控制一 ——地形结构线重调原始结构线生成山体增加结构线修改结构线走势删除结构线

42. 交互控制二 ——竖向高程调整全局高程范围调整局部高程调整

43. 交互控制二 ——竖向高程调整噪声强度（模拟自然地形起伏）无噪声噪声强度：0.3

44. 交互控制三 ——渲染风格调整等高线叠置渐变色调黑白色调

45. 交互控制三 ——渲染风格调整山水画风格迁移唐李昭道山水画近现代齐白石芙蓉阁仙家图

46. 4. 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 —— 地图语料喂养师谢谢!