Optymalizacja redakcji map przeglądowych z wykorzystaniem sztucznej inteligencji

Publikacja koncentruje się na wykorzystaniu sztucznej inteligencji (SI) i metod uczenia maszynowego w procesie redakcji map przeglądowych. Autorka omawia dotychczasowe wyniki prac prowadzonych pod jej kierownictwem, które udowodniły duże możliwości zastosowania nowoczesnych technologii w procesie generalizacji kartograficznej wybranych obiektów na mapach, np. selekcji miejscowości, dróg i rzek. Prezentowane badania należą do pionierskich na gruncie krajowym i są jednym z nielicznych przedsięwzięć międzynarodowych, które w sposób systemowy badają potencjał SI w procesie redakcji map. ****** Optimizing the Editing of Overview Maps Using Artificial Intelligence The publication focuses on the use of artificial intelligence (AI) and machine learning in editing overview maps. The author discusses the results of the work carried out under her leadership, which have shown great possibilities of using modern technologies in the process of cartographic generalization of selected objects on maps, e.g. selection of locations, roads and rivers. The presented research is one of the pioneers in the national field and one of the few international projects that systematically examine the AI potential in editing maps.

Wprowadzenie. Cel badań i zarys osiągniętych wyników 7 1. Generalizacja kartograficzna i sztuczna inteligencja 15 1.1. Modelowanie procesu generalizacji 16 1.2. Źródła i eksploracja wiedzy kartograficznej 17 1.3. Uczenie maszynowe 18 1.4. Typy uczenia maszynowego 19 2. Dotychczasowe próby zastosowania uczenia maszynowego w generalizacji kartograficznej 21 2.1. Generalizacja miejscowości oraz budynków 21 2.2. Generalizacja sieci dróg 22 2.3. Generalizacja sieci rzecznej 22 3. Modele uczenia maszynowego zastosowane w niniejszych badaniach 25 3.1. Drzewa decyzyjne 25 3.2. Algorytmy genetyczne 25 3.3. Las losowy 25 3.4. Metoda wektorów nośnych 26 3.5. Sztuczne sieci neuronowe 26 4. Przedmiot i zakres badań 27 5. Opracowanie metodyki selekcji wykorzystującej wzbogacanie danych oraz uczenie maszynowe 31 5.1. Implementacja opracowanej metodyki selekcji miejscowości do skali 1:500 000 33 5.2. Rozszerzenie metodyki badań i implementacja selekcji miejscowości w skali 1:000 000 40 5.3. Rozszerzenie metodyki badań – propozycja dodatkowych zmiennych dla miejscowości 45 5.4. Dostosowanie i implementacja modeli uczenia maszynowego do sieci drogowej 49 5.5. Implementacja uczenia głębokiego do selekcji miejscowości 53 5.6. Rozszerzenie modeli automatycznej generalizacji i ich dostosowanie do sieci rzecznej 53 Podsumowanie. Możliwości wykorzystania wyników badań 59 Słownik najważniejszych terminów 63 Literatura 65 Spis tabel 73 Spis rycin 75 Summary 77 Streszczenie 81