人工智能时代下的应急测绘

刘纪平; 王琢璐; 徐胜华; 任福; 王勇; 唐晴; 周婷婷

doi:10.13203/j.whugis20240300

您当前的位置：

首页 >

文章列表页 >

人工智能时代下的应急测绘

综述 | 更新时间：2026-11-05

- 人工智能时代下的应急测绘
- Emergency Surveying and Mapping in the Era of Artificial Intelligence
- 武汉大学学报（信息科学版） 2025年50卷第6期页码：1029-1041
- 作者机构：
  
  1.中国测绘科学研究院，北京，100830
  2.辽宁工程技术大学测绘与地理科学学院，辽宁阜新，123000
  3.武汉大学资源与环境科学学院，湖北武汉，430079
  4.西南交通大学地球科学与工程学院，四川成都，611756
- 作者简介：
  
  刘纪平，博士，研究员，主要研究方向为应急地理信息服务、政务地理空间大数据、政务地理信息服务。liujip@casm.ac.cn
  王琢璐，博士生。47221053@stu.lntu.edu.cn
- 基金信息：
  
  国家重点研发计划(2022YFC3005705)
- DOI：10.13203/j.whugis20240300
  中图分类号： P208
- 收稿：2024-10-15，
  
  纸质出版：2025-06-05
- 稿件说明：
移动端阅览
刘纪平,王琢璐,徐胜华，等.人工智能时代下的应急测绘[J].武汉大学学报（信息科学版）,2025,50(6):1029-1041.

LIU Jiping,WANG Zhuolu,XU Shenghua,et al.Emergency Surveying and Mapping in the Era of Artificial Intelligence[J].Geomatics and Information Science of Wuhan University,2025,50(6):1029-1041.
刘纪平,王琢璐,徐胜华，等.人工智能时代下的应急测绘[J].武汉大学学报（信息科学版）,2025,50(6):1029-1041. DOI：10.13203/j.whugis20240300

LIU Jiping,WANG Zhuolu,XU Shenghua,et al.Emergency Surveying and Mapping in the Era of Artificial Intelligence[J].Geomatics and Information Science of Wuhan University,2025,50(6):1029-1041. DOI：10.13203/j.whugis20240300

摘要

应急测绘是通过高效、准确和快速获取的灾区地理空间数据提供综合防灾减灾救灾服务，人工智能是新一轮科技革命与产业变革的核心驱动力，应用人工智能的应急测绘可提升突发事件应急管理的科学性和系统性。从人工智能视角对应急测绘技术和方法进行了深入分析和总结，阐述了智能应急测绘的概念与内涵，提出了应急测绘关键技术框架，回顾了应急测绘技术的研究进展，包括应急通信与高精度定位、多源灾情数据获取与融合、典型灾害模型与时空分析、应急救援指挥与保障服务等；以全息实景信息底座、典型灾害态势推演系统、天空地一体化指挥平台为例，介绍了应急测绘服务系统应用情况；围绕智能应急测绘理论体系、应急数据治理、应急大模型、智能应急测绘主动服务等方向对智能应急测绘技术进行了展望。

Abstract

Objectives

Emergency surveying and mapping is an important method for disaster management and rescue operations. It can acquire and analyze geographic data quickly and accurately

which is essential for post-disaster rescue and reconstruction. Advanced technologies in the era of artificial intelligence (AI) have promoted emergency surveying and mapping into a new development stage

effectively improving work efficiency and data accuracy. It not only provides powerful support for emergency response

but also offers precise guidance and basis of decision-making for rescue operations

thus significantly enhancing the overall response capacity of national disaster management.

Methods

Emergency surveying and mapping technology in the era of AI has brought new solutions to emergency management and emergency response in emergencies. Through the integration of communication and positioning technology

the response speed and positioning accuracy of rescue are significantly improved. The fusion of multi-source disaster data increases the comprehensiveness and real-time nature of information

providing strong support for disaster assessment. The construction of disaster models provides a new perspective for predicting the development of disasters and enhances the scientific nature of decision-making. The intelligent rescue command and service guarantee system significantly enhances the efficiency and safety of rescue operations. This paper provides an empirical basis for the application of AI in the field of intelligent emergency surveying and mapping

demonstrating its potential to improve disaster response capabilities.

Results

We conducted an in-depth analysis and summary of the technologies and methods for emergency surveying and mapping in the perspective of AI

elaborating on its characteristics such as space-air-ground integrated networks

human-cyber-physical collaboration

multi-source emergency data

real-time analysis and processing

intelligent decision-making service. Furthermore

we proposed a key technical framework of emergency surveying and mapping. The progress of emergency surveying and mapping technology is reviewed

which includes emergency communication and high-precision positioning

multi-source disaster data acquisition and fusion

typical disaster modelling and spatial-temporal analysis

emergency rescue command and protection services. In addition

taking the holographic reality information base

the typical disaster situation simulation system

and the space-air-ground integrated command platform as examples

the application of emergency surveying and mapping service system is introduced. The intelligent emergency surveying and mapping service technology is prospected from the directions of the theoretical system of intelligent emergency surveying and mapping

emergency data governance

emergency large model

and active service of intelligent emergency surveying and mapping.

Conclusions

Technological advances in the AI era have provided accurate and efficient processing methods for emergency surveying and mapping

enhancing response speed and adaptability to complex situations. Faced with the increasingly severe needs of disaster risk and emergency management

the studies expand and deepen the theoretical basis and application practice of emergency surveying and mapping

and provide a set of systematic

refined and intelligent solutions for emergency management. It enhances the scientific and adaptability of disaster response measures

and also provides a solid theoretical basis and advanced technical support for building a comprehensive disaster management framework.

关键词

Keywords

references

刘纪平，刘猛猛，徐胜华，等 . 大数据时代下的一体化综合减灾技术综述［J］. 武汉大学学报（信息科学版）， 2020 ， 45 （ 8 ）： 1107 - 1116 .

LIU Jiping ， LIU Mengmeng ， XU Shenghua ， et al . A Survey on Integrated and Comprehensive Disaster Reduction Technology in the Era of Big Data ［J］. Geomatics and Information Science of Wuhan University ， 2020 ， 45 （ 8 ）： 1107 - 1116 .

赵勇，刘万增，李然，等 . 新时代应急测绘保障技术体系框架设计［J］. 武汉大学学报（信息科学版）， 2020 ， 45 （ 8 ）： 1312 - 1318 .

ZHAO Yong ， LIU Wanzeng ， LI Ran ， et al . Emergency Surveying and Mapping Technical Framework in the New Era ［J］. Geomatics and Information Science of Wuhan University ， 2020 ， 45 （ 8 ）： 1312 - 1318 .

朱庆，曹振宇，林珲，等 . 应急测绘保障体系若干关键问题研究［J］. 武汉大学学报（信息科学版）， 2014 ， 39 （ 5 ）： 551 - 555 .

ZHU Qing ， CAO Zhenyu ， LIN Hui ， et al . Key Technologies of Emergency Surveying and Mapping Service System ［J］. Geomatics and Information Science of Wuhan University ， 2014 ， 39 （ 5 ）： 551 - 555 .

AKTER S ， WAMBA S F . Big Data and Disaster Management： A Systematic Review and Agenda for Future Research ［J］. Annals of Operations Research ， 2019 ， 283 （ 1 ）： 939 - 959 .

王坚，刘纪平，韩厚增，等 . 应急救援无缝定位关键技术研究［J］. 武汉大学学报（信息科学版）， 2020 ， 45 （ 8 ）： 1126 - 1136 .

WANG Jian ， LIU Jiping ， HAN Houzeng ， et al . Key Technologies of Seamless Location in Emergency Rescue ［J］. Geomatics and Information Science of Wuhan University ， 2020 ， 45 （ 8 ）： 1126 - 1136 .

眭海刚，刘超贤，刘俊怡，等 . 典型自然灾害遥感快速应急响应的思考与实践［J］. 武汉大学学报（信息科学版）， 2020 ， 45 （ 8 ）： 1137 - 1145 .

SUI Haigang ， LIU Chaoxian ， LIU Junyi ， et al . Reflection and Exploration of Rapid Remote Sensing Emergency Response for Typical Natural Disasters ［J］. Geomatics and Information Science of Wuhan University ， 2020 ， 45 （ 8 ）： 1137 - 1145 .

朱秀丽，赵勇，刘万增，等 . 测绘地理信息应急快速制图系统研究［J］. 武汉大学学报（信息科学版）， 2020 ， 45 （ 8 ）： 1303 - 1311 .

ZHU Xiuli ， ZHAO Yong ， LIU Wanzeng ， et al . Geographic Information Rapid Mapping System for Emergency ［J］. Geomatics and Information Science of Wuhan University ， 2020 ， 45 （ 8 ）： 1303 - 1311 .

刘纪平，张用川，徐胜华，等 . 一体化综合减灾智能服务顶层设计研究［J］. 武汉大学学报（信息科学版）， 2018 ， 43 （ 12 ）： 2250 - 2258 .

LIU Jiping ， ZHANG Yongchuan ， XU Shenghua ， et al . Top-Level Design Study for the Integrated Disaster Reduction Intelligent Service ［J］. Geomatics and Information Science of Wuhan University ， 2018 ， 43 （ 12 ）： 2250 - 2258 .

IMRAN M ， CASTILLO C ， LUCAS J ， et al . AIDR： Artificial Intelligence for Disaster Response ［C］// The 23rd International Conference on World Wide Web ， Seoul， South Korea ， 2014 .

TAN L ， GUO J ， MOHANARAJAH S ， et al . Can We Detect Trends in Natural Disaster Management with Artificial Intelligence？ A Review of Modeling Practices ［J］. Natural Hazards ， 2021 ， 107 （ 3 ）： 2389 - 2417 .

SUN W J ， BOCCHINI P ， DAVISON B D . Applications of Artificial Intelligence for Disaster Management ［J］. Natural Hazards ， 2020 ， 103 （ 3 ）： 2631 - 2689 .

GUHA S ， JANA R K ， SANYAL M K . Artificial Neural Network Approaches for Disaster Management： A Literature Review ［J］. International Journal of Disaster Risk Reduction ， 2022 ， 81 ： 103276 .

杨倩，王飞跃，卢佳节，等 . 基于需求紧迫度的约束性应急物资车辆路径模型［J］. 清华大学学报（自然科学版）， 2024 ， 64 （ 6 ）： 1082 - 1088 .

YANG Qian ， WANG Feiyue ， LU Jiajie ， et al . Constrained Vehicle Routing Model for Emergency Relief Supplies Based on Demand Urgency ［J］. Journal of Tsinghua University （Science and Technology）， 2024 ， 64 （ 6 ）： 1082 - 1088 .

NASR-AZADANI M ， ABOUEI J ， PLATANIOTIS K N . Single- and Multiagent Actor–Critic for Initial UAV’s Deployment and 3-D Trajectory Design ［J］. IEEE Internet of Things Journal ， 2022 ， 9 （ 16 ）： 15372 - 15389 .

TAN X ， ZHOU L ， WANG H J ， et al . Cooperative Multi-agent Reinforcement-Learning-Based Distributed Dynamic Spectrum Access in Cognitive Radio Networks ［J］. IEEE Internet of Things Journal ， 2022 ， 9 （ 19 ）： 19477 - 19488 .

GAO X ， DOU Z ， QI L . A New Distributed Dynamic Spectrum Access Model Based on DQN ［C］// The 15th IEEE International Conference on Signal Processing （ICSP）， Beijing， China ， 2020 .

NAYAK S ， ROY S . Novel Markov Chain Based URLLC Link Adaptation Method for 5G Vehicular Networking ［J］. IEEE Transactions on Vehicular Technology ， 2021 ， 70 （ 12 ）： 12302 - 12311 .

RAZA M ， LE-MINH H ， ASLAM N ， et al . Dynamic Priority Based Reliable Real-Time Communications for Infrastructure-Less Networks ［J］. IEEE Access ， 2018 ， 6 ： 67338 - 67359 .

JIANG C H ， SHEN J C ， CHEN S ， et al . UWB NLOS/LOS Classification Using Deep Learning Method ［J］. IEEE Communications Letters ， 2020 ， 24 （ 10 ）： 2226 - 2230 .

DAI P ， YANG Y ， ZHANG C C ， et al . Analysis of Target Detection Based on UWB NLOS Ranging Modeling ［C］// Ubiquitous Positioning， Indoor Navigation and Location-Based Services （UPINLBS）， Wuhan， China ， 2018 .

LI W J ， ZHANG T T ， ZHANG Q Y . Experimental Researches on an UWB NLOS Identification Method Based on Machine Learning ［C］// The 15th IEEE International Conference on Communication Technology ， Guilin， China ， 2013 .

GAO D Y ， LI A ， FU J . Analysis of Positioning Performance of UWB System in Metal NLOS Environment ［C］// Chinese Automation Congress （CAC）， Xi’an， China ， 2018 .

YANG H ， LI X B ， PEDRYCZ W . Performance Evaluation of Three-Dimensional UWB Real-Time Locating Auto-Positioning System for Fire Rescue ［J］. Intelligent Automation & Soft Computing ， 2023 ， 37 （ 3 ）： 3039 - 3058 .

JI M X ， REN G H ， ZHANG H J ， et al . Collaborative Positioning for Emergency Rescuers Based on INS， GPS and ZigBee ［J］. Physica Scripta ， 2024 ， 99 （ 6 ）： 065530 .

LIU R ， GREVE K ， CUI P Y ， et al . Collaborative Positioning Method via GPS/INS and RS/MO Multi-source Data Fusion in Multi-target Navigation ［J］. Survey Review ， 2022 ， 54 （ 383 ）： 95 - 105 .

TANG C K ， WANG C ， ZHANG L L ， et al . Vehicle Heterogeneous Multi-source Information Fusion Positioning Method ［J］. IEEE Transactions on Vehicular Technology ， 2024 ， 73 （ 9 ）： 12597 - 12613 .

GOSWAMI S ， CHAKRABORTY S ， GHOSH S ， et al . A Review on Application of Data Mining Techniques to Combat Natural Disasters ［J］. Ain Shams Engineering Journal ， 2018 ， 9 （ 3 ）： 365 - 378 .

ALGIRIYAGE N ， PRASANNA R ， STOCK K ， et al . Multi-source Multimodal Data and Deep Learning for Disaster Response： A Systematic Review ［J］. SN Computer Science ， 2022 ， 3 （ 1 ）： 92 .

LUO A ， LIU J P ， LI P P ， et al . Chinese Address Standardisation of POIs Based on GRU and Spatial Correlation and Applied in Multi-source Emergency Events Fusion ［J］. International Journal of Image and Data Fusion ， 2021 ， 12 （ 4 ）： 319 - 334 .

林森，刘蓓蓓，李建文，等 . 基于BERT迁移学习模型的地震灾害社交媒体信息分类研究［J］. 武汉大学学报（信息科学版）， 2024 ， 49 （ 9 ）： 1661 - 1671 .

LIN Sen ， LIU Beibei ， LI Jianwen ， et al . Social Media Information Classification of Earthquake Disasters Based on BERT Transfer Learning Model ［J］. Geomatics and Information Science of Wuhan University ， 2024 ， 49 （ 9 ）： 1661 - 1671 .

廖永丰，吴玮，杨赛霓，等 . 自然灾害综合风险防范信息服务技术体系构建及展望［J］. 地球信息科学学报， 2022 ， 24 （ 12 ）： 2282 - 2296 .

LIAO Yongfeng ， WU Wei ， YANG Saini ， et al . Construction and Prospect of Information Service Technology System for Comprehensive Risk Prevention of Natural Disasters ［J］. Journal of Geo⁃Information Science ， 2022 ， 24 （ 12 ）： 2282 - 2296 .

任丽艳，李英成，肖金城，等 . 测绘无人机灾害现场多源数据集成与智能服务［J］. 测绘科学， 2020 ， 45 （ 12 ）： 139 - 144 .

REN Liyan ， LI Yingcheng ， XIAO Jincheng ， et al . Multi-source Data Integration and Intelligent Service of Surveying and Mapping UAV for Disaster Scene ［J］. Science of Surveying and Mapping ， 2020 ， 45 （ 12 ）： 139 - 144 .

XIAO H M ， WANG L ， CUI C S . Research on Emergency Management of Urban Waterlogging Based on Similarity Fusion of Multi-source Heterogeneous Data ［J］. PLoS One ， 2022 ， 17 （ 7 ）： e0270925 .

MA Z J ， MEI G . Deep Learning for Geological Hazards Analysis： Data， Models， Applications， and Opportunities ［J］. Earth⁃Science Reviews ， 2021 ， 223 ： 103858 .

JENA R ， PRADHAN B ， BEYDOUN G ， et al . Seismic Hazard and Risk Assessment： A Review of State-of-the-Art Traditional and GIS Models ［J］. Arabian Journal of Geosciences ， 2020 ， 13 （ 2 ）： 50 .

徐胜华，刘纪平，王想红，等 . 熵指数融入支持向量机的滑坡灾害易发性评价方法：以陕西省为例［J］. 武汉大学学报（信息科学版）， 2020 ， 45 （ 8 ）： 1214 - 1222 .

XU Shenghua ， LIU Jiping ， WANG Xianghong ， et al . Landslide Susceptibility Assessment Method Incorporating Index of Entropy Based on Support Vector Machine： A Case Study of Shaanxi Province ［J］. Geomatics and Information Science of Wuhan University ， 2020 ， 45 （ 8 ）： 1214 - 1222 .

LI W ， WANG Q ， CHENG W ， et al . Development and Application of a Smart Emergency Response Platfrom for Earthquake Disasters Based on Multi-source Monitoring Data ［J］. The International Archives of the Photogrammetry， Remote Sensing and Spatial Information Sciences ， 2022 ， XLVIII-3/W 1 ： 25 - 30 .

ZHANG W H . Geological Disaster Monitoring and Early Warning System Based on Big Data Analysis ［J］. Arabian Journal of Geosciences ， 2020 ， 13 （ 18 ）： 946 .

CHEN J ， ZHU Q J ， SU Y P . Predictive Model of Artificial Neural Network for Disaster Prevention ［C］// The 2nd IEEE International Conference on Information Management and Engineering ， Chengdu， China ， 2010 .

SU X ， ZHANG M J ， BAI Q . Coordination for Dynamic Weighted Task Allocation in Disaster Environments with Time， Space and Communication Constraints ［J］. Journal of Parallel and Distributed Computing ， 2016 ， 97 ： 47 - 56 .

HE Y F ， SHENG Y H ， HOFER B ， et al . Processes and Events in the Centre： A Dynamic Data Model for Representing Spatial Change ［J］. International Journal of Digital Earth ， 2022 ， 15 （ 1 ）： 276 - 295 .

LI M ， HONG M ， ZHANG R . Improved Bayesian Network-Based Risk Model and Its Application in Disaster Risk Assessment ［J］. International Journal of Disaster Risk Science ， 2018 ， 9 （ 2 ）： 237 - 248 .

ZHU Z J ， ZHANG Y . Flood Disaster Risk Assessment Based on Random Forest Algorithm ［J］. Neural Computing and Applications ， 2022 ， 34 （ 5 ）： 3443 - 3455 .

JENA R ， PRADHAN B ， BEYDOUN G ， et al . Integrated Model for Earthquake Risk Assessment Using Neural Network and Analytic Hierarchy Process： Aceh Province， Indonesia ［J］. Geoscience Frontiers ， 2020 ， 11 （ 2 ）： 613 - 634 .

SUN H L ， WANG Y ， XUE Y F . A Bi-Objective Robust Optimization Model for Disaster Response Planning Under Uncertainties ［J］. Computers & Industrial Engineering ， 2021 ， 155 ： 107213 .

王杰，张双成，吴桐，等 . 多源卫星遥感数据驱动地震灾害应急制图研究：以2022年青海门源Mw 6.7地震为例［J］. 大地测量与地球动力学， 2024 ， 44 （ 1 ）： 52 - 56 .

WANG Jie ， ZHANG Shuangcheng ， WU Tong ， et al . Research on Earthquake Disaster Emergency Mapping Driven by Multi-source Satellite Remote Sensing Data： A Case Study of the Mw 6.7 Menyuan Earthquake in Qinghai Province in 2022 ［J］. Journal of Geodesy and Geodynamics ， 2024 ， 44 （ 1 ）： 52 - 56 .

徐敬海，周海军，聂高众，等 . 基于模板匹配的地震应急制图方法［J］. 地震地质， 2020 ， 42 （ 3 ）： 748 - 761 .

XU Jinghai ， ZHOU Haijun ， NIE Gaozhong ， et al . Research on Earthquake Emergency Mapping Method Based on Template Match ［J］. Seismology and Geology ， 2020 ， 42 （ 3 ）： 748 - 761 .

富璇，闫浩文，王小龙，等 . 城市内涝场景下的微地图制作方法［J］. 地球信息科学学报， 2024 ， 26 （ 5 ）： 1166 - 1179 .

FU Xuan ， YAN Haowen ， WANG Xiaolong ， et al . A We-Map Mapping Method for Urban Waterlogging Scenarios ［J］. Journal of Geo⁃Information Science ， 2024 ， 26 （ 5 ）： 1166 - 1179 .

WANG D Q ， GUO D H ， ZHANG H . Spatial Temporal Data Visualization in Emergency Management： A View from Data-Driven Decision ［C］// The 3rd ACM SIGSPATIAL Workshop on Emergency Management Using ， Redondo Beach， USA ， 2017 .

GUO Y K ， ZHU J ， YOU J G ， et al . A Dynamic Visualization Based on Conceptual Graphs to Capture the Knowledge for Disaster Education on Floods ［J］. Natural Hazards ， 2023 ， 119 （ 1 ）： 203 - 220 .

ONORATI T ， DÍAZ P ， CARRION B . From Social Networks to Emergency Operation Centers： A Semantic Visualization Approach ［J］. Future Generation Computer Systems ， 2019 ， 95 ： 829 - 840 .

MOUILLOT F ， RATTE J P ， JOFFRE R ， et al . Some Determinants of the Spatio-Temporal Fire Cycle in a Mediterranean Landscape （Corsica， France）［J］. Landscape Ecology ， 2003 ， 18 （ 7 ）： 665 - 674 .

TANG A P ， WEN A H . An Intelligent Simulation System for Earthquake Disaster Assessment ［J］. Computers & Geosciences ， 2009 ， 35 （ 5 ）： 871 - 879 .

SINGH N ， ROY N ， GANGOPADHYAY A . Analyzing the Emotions of Crowd for Improving the Emergency Response Services ［J］. Pervasive and Mobile Computing ， 2019 ， 58 ： 101018 .

NEPPALLI V K ， CARAGEA C ， SQUICCIARINI A ， et al . Sentiment Analysis During Hurricane Sandy in Emergency Response ［J］. International Journal of Disaster Risk Reduction ， 2017 ， 21 ： 213 - 222 .

杨必胜，陈一平，邹勤 . 从大模型看测绘时空信息智能处理的机遇和挑战［J］. 武汉大学学报（信息科学版）， 2023 ， 48 （ 11 ）： 1756 - 1768 .

YANG Bisheng ， CHEN Yiping ， ZOU Qin . Opportunities and Challenges of Spatiotemporal Information Intelligent Processing of Surveying and Mapping in the Era of Large Models ［J］. Geomatics and Information Science of Wuhan University ， 2023 ， 48 （ 11 ）： 1756 - 1768 .

浏览量

下载量

CSCD

文章被引用时，请邮件提醒。

提交

工具集

关联资源

人工智能驱动的GNSS大气效应建模、预测与应用研究进展

从专用模型到通用模型驱动的范式升级：GeoAI研究综述与展望

人工智能大地测量现状与趋势研究

从绘画到地图的笔触风格迁移方法

几何与频域双约束的单步扩散海底地形超分辨率重建方法