近日，在2021年易智瑞空間信息技術開發者大會上，易智瑞創新中心技術總監、研究院首席研究員盧萌介紹了復雜科學理論下地理人工智能GeoAI的發展，引起了與會者的廣泛興趣。
他指出，近年來，隨著計算機算力的提升以及數據量獲取的增加，使得人工智能領域取得了發展，而復雜科學的理論也再次進入了公眾的視野。值得注意的是，目前的人工智能的發展還只是復雜性科學理論的早期階段。多智能體模型（agent-based modeling，ABM），作為基于復雜自適應系統的模擬計算模型，或將成為未來人工智能發展的新機遇。而這一領域和GIS的結合應用，也正在得到越來越多的關注。比如，為野生動物的遷徙建立生態環境走廊、分析交通堵塞以及制定疏通措施、預測流行性傳染疾病的傳播、分析土地利用變化、優化林業砍伐結構……結合了地理空間屬性的ABM模型，能夠對多方面的問題進行分析和模擬。
首先，來了解一下ABM模型。ABM是計算機模擬的一種，譯為代理人基模型，又稱多元代理人系統或多智能體系統，是一種用來模擬具有自主意識的智能體（獨立個體或共同群體，例如組織、團隊）的行動和相互作用的計算模型，通過圖像展示和評估智能體在系統整體中的作用。ABM也綜合了一些其他思想，比如博弈論、復雜系統、涌現、計算社會學、多智能體系統和演化計算等。
一個ABM模型主要包括以下要素 :一定數量的“代理人” ；一定數量的“代理人”之間的關系；一個模擬“代理人”的行為和互動的框架。ABM明確了模擬個體或對象的行為在時間和空間中的因果關系。從概念上來說，在ABM模型中需要給虛擬的“代理人”一定的“指示”，比如使“代理人”相互影響，以及與環境進行交互等。“代理人”可以用來表示人，也可以表示野生動物、車輛、地塊或其他離散的對象。在“代理人”的行為和決策影響下，模型在時間和空間中產生了相應的模式。相比于一般的模型著重對事物的模式進行量化分析和重現，ABM模型側重于對事物模式的產生過程進行探討，而這些模式往往是從個體的行為決策中涌現的。
圖 1 agent based modeling對現實世界的模擬
在一般情況下，建立ABM模型的過程可分為三步：定義“代理人”，定義“代理人”的行動規則，以及定義“代理人”行動的時間跨度。首先需要定義“代理人”，像前面提到的，“代理人”可以是動物、土地地塊、貨運卡車，或者是任何能夠做出選擇、執行某種行動、改變自身狀態的事物。“代理人”往往具有自身的屬性：當“代理人”代表的是人時，可以具有身高、體重等屬性。下一步是定義“代理人”的行動。每一次迭代它們都會依據自身的狀態和周邊的環境執行某種操作，或不執行任何操作。例如代表動物的“代理人”可能會有跑、走、進食、睡眠等行為；代表地塊的“代理人”的行為可能會表現在從農業用地變更為城市用地。第三步是定義時間跨度，通常是通過定義“代理人”行動的變化頻率來實現的，這一步驟是根據模型由現實的表示來決定的。
大多數的“代理人”都在特定的空間位置中做出決策，而這一相對空間位置也會影響“代理人”所做的決策。ABM模型中“代理人”與環境的關系也是互相影響的，個體的決策行為會改變整體環境，而環境也對每個個體產生影響。在ABM模型中，可以通過自定義個體（或群組）的行為和規則來確定個體所處的狀態或背景，繼而在適合的環境中迭代，執行這些規則多次，從而模擬可能形成的結果。
圖表 2 ABM模擬的空間范圍和尺度
能夠代表和模擬人的決策行為是ABM模型最具有優勢的特性之一，也是模型中輸入的最重要組成部分之一。再者，環境也是ABM模型中重要的組成部分，盡管環境沒有做出決策的屬性，但環境作為記錄歷史的文件，能夠對個體的決策做出影響。個體和環境進行的互動也是ABM模擬的一大特性。
GeoScene作為新一代國產地理信息平臺，能夠很好地結合ABM模型的功能和特性，從而開拓出新的應用領域。在這一結合中，GeoScene主要用來進行數據生產、地理處理和分析，以及模擬可視化展示。而ABM工具則提供了規則、對象的制定和時序安排的功能。由于ABM模型具有多元的、異質的和動態的屬性和行為規則，因此GeoScene的特性使其適合展示這一類模型輸入、輸出的地理空間屬性，分析其在非網格（連續）的地理空間上的運動。兩者結合，ABM能夠增強GeoScene的動態表述，GeoScene的空間分析功能能夠增強ABM的空間表述。
具體來說，GeoScene平臺可為ABM模擬分析提供空間模型、建立模型和可視化驗證的工具、空間驗證工具、編程環境、模型的輸入與輸出、模型的驗證與校準等。以流行疾病傳播模型SIR （susceptible-Infected-Recovered model）為例，模型中“代理人”代表的是病毒傳播過程中的人類個體。首先，在模型中定義“代理人”的屬性，包括初始空間位置、自身狀態等等。模型首先在研究區域內隨機生成“代理人”的空間位置，然后在空間中進行隨機地移動。每個“代理人”個體有四種狀態：未感染、已感染、治愈和死亡。這一步驟在Python編譯中可以通過創建agent類來表示。
圖3 SIR 模型中模擬代理人狀態的變化
第二步，定義“代理人”的行為規則：即圖3展示的流程。在密切接觸感染者后，則有一定的幾率感染和有一定的幾率死亡。這些規則可以通過創建模型類來表示。
圖4a、4b 中SIR模型設計的參數有：感染幾率，死亡幾率，模型總人口以及感染者占比，以及暴露距離。圖中紅色的點代表感染者，藍色代表未感染者，黑色代表死亡人數。模型初始化時“代理人”隨機分布在模擬的城市各地，并隨機移動。一部分攜帶病毒的個體也在隨機移動，這些個體將會按照一定比例死亡。未感染者在接近已感染者后會有一定的幾率感染。
圖4a SIR模型模擬未隔離疫情的傳播
圖4b SIR模型模擬采取隔離后疫情的傳播
圖4a、4b使用這一模型模擬了采取隔離措施和未采取隔離措施的病毒傳播影響結果，結果明確地顯示了隔離可以迅速降低感染人數峰值。而未采取隔離措施的，病毒將會持續傳播，感染人數和死亡人數都超過了采取隔離措施的模型。
ABM或將成為人工智能發展的新機遇，易智瑞表示，GeoScene平臺將逐步接入這一種全新的模擬體系，為用戶帶來更多結合應用。
據了解，易智瑞研究院是易智瑞公司最新成立的面向核心技術和前沿領域研究的部門，下設產品研發中心、創新中心、方案解決中心、大數據事業部等多個部門。易智瑞研究院的技術人員，大多是GIS軟件開發、設計領域的資深人士，深諳中國用戶的業務需求，同時在計算機程序語言和GIS軟件的底層或者二次開發方面均有不俗的造詣。易智瑞研究院還擁有一支來自學術界和研究機構的專家學者組成的顧問專家組。易智瑞公司正與大量的大學和研究院達成戰略合作協議，依托院校和研究院進行基礎性和理論性的研究，并且建立了良好的機制，進行成果轉化。
