智能网联汽车逐渐成为当代智能交通系统的不可或缺的组成部分，而作为智能网联汽车核心要素的自动驾驶高精度地图在推动交通智能化发展方面扮演着至关重要的角色。高精度地图有效地建立了驾驶员、汽车、道路环境、驾驶环境、意义环境和社会环境之间的紧密联系，推动了自动驾驶技术从L0级别逐步演进至L5级别。本文聚焦于智能网联汽车与自动驾驶高精度地图发展的迫切需求，首先对高精度地图的内涵、主流基础数据模型、概念及特点进行了介绍，强调高精度地图是实现智能网联汽车自动驾驶的全新地图数据范式；其次，浅析了高精度地图在全生命周期中的采集、构建、更新、应用、审核和管理等环节中所涉及的感知数据类型多样、地图构建方法多元、众源更新技术多种、地图应用方式多类、地图审核流程智能、地图管理模式创新等多维特征；同时，提出了一种典型的高精度地图众源更新技术路线。针对高精度地图审核当前问题，介绍了一种在线智能审图方法。以高精度地图深圳试点为案例，介绍了其应用现状及探索经验。最后，对高精度地图的发展进行了展望。

随着生成式人工智能（AIGC）为代表的新一代人工智能的快速发展，加速了各个学科转向人工智能驱动的科学研究，地理空间智能（GeoAI）技术在解决传统制图学任务注定会比传统的方法具有更好的性能，地图学也因此迎来了新的机遇与挑战，产生智能地图制图新领域，形成智能地图制图学。地图学研究有人工智能传统，但是过去受限于人工智能工具的计算能力等原因，并未取得很大的进展。随着进入智能化时代，人与机器都将成为制图与读图的主体。地图内容的产生经历了专家生成内容和用户生成内容的阶段，正在向人工智能生成内容阶段发展。人工智能与地图传输模型的结合衍生出智能地图传输模型，包括制图信息智能获取、智能制图、智能读图、地图信息智能解读4个环节，进而从这4个方面对智能地图的研究进展进行了分析和梳理。研究显示，使用智能化方法解决地图学问题的研究仍然处于起步阶段，人工智能与地图学结合仍存在诸多挑战，包括缺乏训练数据集、模型算法缺乏泛化能力和可解释性等，这些也是未来可以发展的方向。

2023年8月13日至18日，第31届国际制图大会在南非开普敦举行。本文首先简要介绍了第31届国际制图大会概况。然后，在详细分析大会专题报告的基础上，重点归纳和总结了国际上地图制图学在基础理论、地图制图与地理信息技术、地图数据、地图产品、空间数据基础设施建设、公众应用、可持续发展和历史文化伦理八个方面的研究新热点，并分析得到了以下特点：一方面地图制图更加注重多要素融合制图、用户/场景体验增强和快速制图能力；另一方面，地理信息技术在多模泛在感知、大数据融合处理、人工智能分析、知识构建与服务等方面不断深化；此外，面向资源管理、生态保护、社会发展等的全球/区域/国家/城市可持续发展应用，已成为各国政府机构、科研机构、产业企业等共同努力的热点方向。另外从国际地图大赛获奖地图可以看出地图可视化方法融入了更多的现代元素和文化印记，更加注重“人-图”互动。最后，探讨了大数据与人工智能时代地图制图学在理论体系、技术方法和应用服务方面的发展趋势，并对我国地图制图学科发展与国际合作提出了建议。

视觉变量语法结构是指导视觉变量与表征的数据特征相匹配的规则。当前，构建地图符号的视觉变量语法研究主要基于制图者的经验和直觉，旨在有效地传输地图表达的信息，视觉机理解释不足，还存在视觉变量语法结构分类的类型不一致、个数不统一、结论存在争议等问题，影响视觉变量与数据特征的匹配，给地图信息的理解带来困难。如今，随着视觉神经科学的发展，人类视觉系统的信息处理流程逐渐明确，为从神经学视角解读视觉变量语法结构提供了理论基础。本文首先以典型绘画和地图为例，总结人类眼-脑视觉信息处理特征及流程；然后分析Bertin和MacEachren的视觉变量语法结构的神经机理；最后从视觉通路和视觉区域功能特征的角度给出视觉变量语法结构分类的类型、个数和结论。研究成果可为视觉变量语法结构提供新的认知视角，为指导视觉变量的使用提供认知基础，突破地图视觉变量语法结构研究依赖经验总结的局限性，还能为现代地图学中新的视觉变量语法结构的神经机理分析提供有益的参考。

声音地图在描述自然人文环境、记录历史文化、辅助城市规划等方面有着较大的应用潜力。当前的声音制图以噪音制图为主，对声音景观的关注不够，还存在声源数据获取成本高，听觉信息难以视觉表达等问题。针对上述问题，本文提出一种利用带位置标签的声音数据进行声音制图的方法。首先，综合声音景观理论和城市印象理论，梳理出声音地图的四类构成元素：声音标志、声音路径、声音区域和背景声音。然后引入深度学习、空间聚类等方法，设计了从带位置标签的声音数据中解析声音地图元素，提取声音类型、声压级、频率以及情感的技术方法。在此基础上引入联觉的概念，设计了声音标志点符号、声音路径线符号和声音区域面符号，给出了它们的多变量颜色编码方案。最后，以南京仙林大学城为例，对所提出的数据分析和符号化方法进行了实验验证，结果表明本文方法在有效性和效率均优于象形符号方法。本文所提出的方法有望丰富声音数据的分析手段、丰富声音的符号化方法。

无人平台对复杂环境的自主认知能力是制约其广泛应用的关键问题，已成为当前地图学、人工智能、机器人等领域的研究热点。本文基于地图学的视角，交叉融合人工智能、机器人和认知科学的相关研究思路与成果，借鉴心象地图的作用功能，提出适用于无人平台认知环境的新型地图——机器地图，并对其特征进行了分析。类比心象地图的构建与运用机制，结合人工认知系统的设计决策点和核心认知能力，给出了机器地图概念模型的设计原则，提出“两环三图”的概念模型。该模型说明了机器地图与无人平台的内在联系，并勾勒出机器地图的功能部件与运行逻辑，为开展机器地图研究提供顶层框架和理论指导；类比心象地图的结构组成，提出了包含感知地图、工作地图和长时地图的机器地图逻辑构成，并分析了3类地图的内容与转化关系。在结论部分指出了机器地图的双向促进研究路线。机器地图的研究，能够提升无人自主平台对于复杂环境的认知和学习能力，也为智能时代地图学的发展探索新路径，具有十分重要的意义。

学术界关于隐喻地图的相关研究依然处于初级探索阶段。隐喻地图的合理概念范畴、生产机制、话语生产原理、设计框架等基本理论问题尚未得到解决。针对这些局限性，本研究以隐喻地图的生成机制和话语生产原理等基本理论问题为具体突破点，首先定义符号学视角下“地图”的概念，并以此为基础从认知语言学相关理论入手，在阐释地图隐喻功能的基础上，界定了隐喻地图的基本概念及内涵，同时甄别出隐喻地图形象性和多义性两大基本特征；其次，通过厘清视觉隐喻发生的原理，解析了隐喻地图“相似性融合-相似性凸显-符号化”的生成机制；再次，引入语言符号学理论明晰了隐喻地图的话语生产原理，构建了基于“组合关系-聚合关系”的符号组构原理和“刺点生成”的语义传递法则；最后，以生成机制及话语生产原理为基础，提出了“明确主体-构建喻体-营造语境”的隐喻地图设计理论框架，并结合实际案例论证了其合理性和可操作性，以期为隐喻地图理论体系构建与实践应用提供参考。

信息通讯时代，科学技术的进步极大地降低了地图制图的门槛，大量非专业制图人员涌现到地图制图领域，地图的表现形式呈现出显著的泛化趋势。然而，由于专业知识的缺失，普通大众在专题地图选择时容易产生“制图困惑”，难以确定恰当的专题地图类型。针对上述问题，本文尝试提出一种基于可视化维度理论的泛地图知识推荐方法。首先，面向专题制图需求，建立以空间数据、数据特征、泛地图可视化维度、泛地图可视化形式、应用领域为核心要素的泛地图可视化知识本体，通过知识抽取、知识存储操作，构建泛地图可视化知识图谱。其次，对知识图谱进行知识嵌入，实现地图可视化要素的知识化表达。最后，基于泛地图知识要素建立相似度计算模型，计算用户输入数据与知识图谱内空间数据特征、可视化维度、应用领域等的相似度，得出综合相似度结果，实现泛地图可视化形式的精准推荐。结果表明：面对泛化的专题信息表达，本研究提出的泛地图知识推荐方法能够为用图者的制图选择提供较为准确可视化参考，一定程度上满足普通大众的寻图需求。

网络空间地图是认识抽象、复杂网络空间的重要工具，也是地图学领域研究的新方向和热点问题。针对传统网络空间制图不能分析网络节点多级拓扑关系和存在要素重叠的问题，本文综合应用隐喻思想和Gosper地图技术研究网络空间要素的隐喻表达与分析，提出了网络空间隐喻Gosper地图和地形图构建方法。首先，结合网络空间节点的拓扑层级关系和地理学第一定律构建网络节点与Gosper曲线叶节点的映射关系；然后，基于Gosper叶节点构建具有面域嵌套关系的Gosper地图；最后，结合隐喻思想和地图视觉要素与网络空间要素的相似性关系构建多尺度网络空间隐喻Gosper地图和地形图。本文基于两套网络空间资产数据验证了本文方法的适用性，并从节点分布、拓扑结构和节点脆弱性3个方面分析和挖掘网络空间资产特性用以说明网络空间隐喻Gosper地图的表达能力与认知效果。基于层次分析法的定量实验表明，本文方法的综合加权指标（0.499 8）远高于节点链接（0.266 8）和地理空间图层叠加（0.233 1）可视化方法。本文提出的网络空间隐喻地图能够有效解决传统网络空间可视化中节点重复冗余、复杂抽象且无法支撑可视化分析的问题，能够为感知和管理网络资产、挖掘网络空间数据，可视化分析网络空间提供理论和手段支撑。

信息通讯技术时代，地图表达对象已着眼于物理空间、社会空间以及信息空间组成的三元空间。伴随“数字化”“智能化”和“智慧化”等信息化阶段的演进，地图学知识体系也随之发生着深刻变化。在此过程中，地图思维演化成为认识、理解和构建空间思维的重要途径，可以具体提炼为“数-形-图-谱”4种思维方式。“数思维”是对传统二元空间中地理实体和现象的定量化描述和表达，追求空间描述的“精度和准确”；“形思维”是“数”的符号映射，以可视化形式承载人类的地理学洞察力，看重“相似与保真”；“图思维”进一步完成区域事象之间关系和结构的抽象，形成意义整体，是建立“地图/GIS+行业应用”的思维基础，其基本路径涵盖隐喻启示、泛化表达和知识链接；“谱思维”是按照对象的类别或系统，采取某种特征将一系列地图编辑起来，形成具有动态演化特征的概念体系。多学科驱动下，地图“数-形-图-谱”4种思维方式在语法特征、语义功能、语用特征、实现路径、表达类型和关键技术方面都存在着显著的差异性。测绘科学更多立足于地图“数－形”思维，重在科学量度和表达地理要素的空间分布；地理学更加偏向于“图－谱”思维，重在揭示地理现象的规律与机制。

以基于位置的服务（Location-Based Service， LBS）为研究场景，针对常规地图表达兴趣点的局限，结合标签云的表达优势，设计了一种以用户地理位置为中心、面向兴趣点可视化的“LBS标签云”，并初步实现了一种基于标签径向移位的布局方法。LBS标签云的主要创新是将一个布局中心点引入常规标签云，并根据标签与中心点的空间关系来确定标签的摆放位置。本文设计的布局方法如下：首先，将LBS用户的地理位置作为布局中心点；然后，基于兴趣点名称生成文字标签，并根据兴趣点属性确定标签的字号、字色及其他视觉变量；最后，在极坐标下根据标签与中心点的关系计算标签的初始摆放位置及布局优先级，并按优先级将标签从初始摆放位置依次向外径向移位至与其他标签无压盖的位置。在标签移位过程中，着重考虑角度相邻关系以确保标签距离远近的顺序关系，利用四叉树剖分字形轮廓提高了标签碰撞检测的效率。实验以景点类兴趣点为例，探讨了LBS标签云在3个场景下的可用性及可扩展性。结果表明，相比常规地图， LBS标签云不仅可以展示更多的兴趣点，而且可以有效突出用户关注的信息，如兴趣点的热度、评分及通行时间等。虽然LBS标签云包含一定的距离变形，但多种视觉变量的协同有效缓解了距离变形导致的认知误差。综上， LBS标签云可完整、直观地表达兴趣点的空间分布、多维属性及其与用户位置的关系，是一种新型的、适宜用户高效认知周边环境的可视化形式。

场景草图是人们对周围环境认知结果的概括性表达，研究人们空间认知能力和场景草图不同特征之间的关系是实现场景草图与地图匹配的重要基础之一。然而，现有研究中仍然缺少空间认知与面要素间方向关系相互影响的研究。本文使用基于锥形模型的四方向模型和八方向模型以及基于投影的MBR模型描述场景草图中面要素间的方位关系，将空间认知能力划分为心理旋转能力（MRT）、方位能力和复杂图形记忆能力（CFT），设计认知能力实验，分析在社区级尺度下多类型场景中人们空间认知能力差异和场景草图面要素方位关系之间的相关性。研究表明：在居民区、商业区等等面要素类型丰富且分布复杂的区域： ① 心理旋转能力和场景草图面要素方位关系呈正相关； ② 方位能力和面要素方位关系呈显著正相关； ③ 复杂图形记忆能力和面要素方位关系则没有明显关联，而在面要素类型单一分布规整的区域， 3种空间认知能力和面要素方位关系则关联不明显。本文研究结果可以为场景草图在数据库中匹配寻址提供支持，也表明草图中地物间的方位关系是一个合适的匹配因子。

针对现有微地图（WeMaps）推荐算法未充分挖掘用户与微地图特征，推荐结果准确率较低的问题，提出融合特征交叉与用户历史行为序列的微地图推荐算法。首先，在用户与地图特征交叉过程中通过引入跳跃连接和多头自注意力机制，让不同特征组合能够自动获得权重，并通过在多个子空间下进行特征交叉获得了更丰富的特征组合信息。其次，在用户历史行为序列中引入了交叉注意力机制，捕捉与候选地图相关的兴趣点。最后，融合特征交叉和用户行为序列模块的输出，获得了综合多个维度的推荐结果。在公开数据集Criteo和自制微地图（WeMaps）数据集上的对数损失值分别为0.446 1、0.379 7，受试者操作特征曲线下面积值（Area Under the ROC Curve， AUC）分别为0.805 2、0.788 3。相较于本文对比实验中的二阶特征交叉模型，损失值分别降低了1.7%、14.2%，AUC值提高了0.8%、0.4%。相较于本文对比实验中的高阶特征交叉模型，损失值平均降低了1.3%、2.6%， AUC值平均提高了0.6%，0.2%。较低的损失值和较高的AUC值说明模型进行预测时具有较高的准确性和较好的分类能力。实验结果表明，本文算法不但能为用户提供更为准确的推荐结果，也能使推荐结果具备良好的可解释性。

本文依据增强现实数字地图与地理场景在时空、尺度和语义等的上下文关联性，研究并划分了包括存在上下文关联的地理实体空间载体、模型实体空间载体，以及不存在上下文关联的虚位空间载体三类AR地图载体。选取二维纸质地形晕渲图、三维打印地形实体模型、以及桌面虚位空间3种不同类型载体的AR地图为研究对象，以目标搜索和路径规划为任务目标，开展不同载体AR地图空间认知实验研究。结果表明，在2组实验中三维实体模型载体AR地图的认知负荷指数(CLI)分别为2.53和4.84均显著低于二维地图和虚位载体，具有认知负荷低、沉浸在场感强的认知特征；二维地图载体的认知负荷指数略低于虚位空间载体，但两者并无显著差异；同时，两组实验对比分析结果显示，随着任务难度提升，二维地图载体和虚位空间载体AR地图的认知负荷显著增加，但三维实体模型载体AR地图的认知负荷未显著增加，表明实体模型载体在面向复杂空间认知任务时具有较低认知负荷的优势。此外CLI和任务难度的同步变化也表明脑电数据对空间认知实验敏感，能有效反映空间认知实验过程中的认知特征变化。

实现复杂场景下地块级苹果园的精准制图，是中国苹果产业精细化管理面临的迫切需求。然而，传统的地块级分类制图框架在处理小农经营区内的大量细碎地块时，可靠性大幅度降低。本文提出一种适用于复杂场景下小农经营区的地块级苹果园模块化制图方法框架。① 基于模拟人类对目标场景视觉感知的分层策略，从深秋季的单幅超高空间分辨率（Very High Resolution, VHR）影像中提取冗余的候选地块；② 利用非对称瓶颈网络（Depth-wise Asymmetric Bottleneck Network, DABNet）模型与长短期记忆（Long Short-Term Memory, LSTM）模型，分别从VHR影像与时间序列影像中提取苹果园的空间特征像素与时序特征像素。然后，构建元特征描述特征像素在候选地块中的分布情况，与地块的内在特征共同组成苹果园地块的分类特征；③ 使用随机森林（Random Forest, RF）将候选地块分类为苹果园地块和非苹果园地块。以山东省栖霞市西城镇为研究区，从43 238个候选地块中提取出30 292个苹果园地块，分类总体精度达到92.7%。利用RF算法自带的平均精度减少指标（Mean Decrease in Accuracy, MDA）对17种分类子特征进行特征重要性分析，证明本文提出的元特征比传统人工设计特征具有更强的信息抽象与特征表达能力。该框架成功实现场景复杂的小农经营区地块级苹果园制图，可推进精准果园农业的发展。

微地图是一种面向大众的新型地图，是传统地图在自媒体时代下的发展和补充。针对微地图数据来源广泛，质量参差不齐的问题，本文提出了一种基于空间相似性的微地图道路网质量评价方法。首先，将上下文信息与形状、方向、距离、拓扑关系以及一维线特征5个空间特性结合，计算微地图数据与参考数据的空间相似性；然后，对样本数据组合，并利用熵值法计算客观权重，取平均值作为各评价指标的权重系数；最后，采用可拓云评价法完成对微地图数据定量计算与定性分析结合的综合评价。本文使用9组不同质量的微地图道路网数据进行实验，结果表明，本文方法符合微地图精度低、内容少的特点，质量评价结果与实际更为符合。相较于模糊综合评价法，本文将精度低，但内容与参考数据一致的微地图数据评价等级提升为优；相较于现有的线要素空间相似性评价法，本文将精度低，但根据用户需求制图，且有重要地标参与计算的微地图数据评价等级提升为良。本文方法对微地图数据有较强的适用性，为微地图道路网质量评价提供了可行方法。

自发地理信息数据具有现势性好、覆盖范围广、信息丰富、获取方便等特点，可作为全球范围内地理信息数据生产与更新的良好数据资料。但是由于数据的无尺度特性，导致自发地理信息道路数据细节过于繁杂，难以直接应用于生产。现有道路网自动选取算法在计算道路重要度时，对所有待选取道路的重要性进行排序，并依据重要性从大到小依次选取。这种方法忽略了选取过程中，道路网结构变化对道路重要性的影响。为此，本文提出了一种基于重要度层次分解的道路网自动选取算法，该方法针对自发地理信息道路网细节繁杂的特点，根据地图数据制图综合时逐级缩编的思路，采用基于层次分解的选取策略进行道路网选取：首先计算所有节点的重要度，然后剔除重要度最小的一些道路节点，并重新计算新的所有节点的重要度，重复上述步骤，直至所有道路节点排序完毕，从而可获得所有道路的重要性排序并完成道路网选取。利用开放街道地图道路网数据进行实验，实验结果表明本文算法选取结果优于网络中心性方法。

视觉平衡是影响地图信息传输效果的重要因素之一。由于泛在制图的非专业性，泛在地图图像的视觉平衡效果往往取决于制图者自身美学素养的高低，不具有可控性。因此，迫切需要发展泛在地图图像的视觉平衡度计算方法。现有的地图视觉平衡度计算方法存在因子不全、判别结果主观依赖性强等问题。针对这些问题，本文提出了一种结合地图图像计算特征与专家评价知识的泛在地图图像视觉平衡度计算框架。通过丰富地图视觉密度影响因子，并引入概率模型学习专家对泛在地图图像的评价知识，实现对泛在地图图像视觉平衡度复杂分布的有效判别。本文以专家问卷的方式搜集了30名地图制图专家对1 730幅泛在地图图像的视觉平衡评价数据，构建了一个泛在地图图像视觉平衡度评价数据集。将计算得到的地图视觉平衡指标作为贝叶斯决策器的地图特征属性输入，将地图视觉平衡的专家评价数据作为贝叶斯决策器的分类结果，利用最小错误率贝叶斯决策方法对泛在地图图像的视觉平衡度进行判别，有效解决了人为主观判别地图视觉平衡度存在的不确定性问题。经实验验证，该框架在本文构建的泛在地图图像视觉平衡度评价数据集上能取得82.85%的评价准确率。