導 讀

清華同衡與北京市規(guī)劃自然資源委昌平分局合作，開發(fā)了國土空間大數(shù)據(jù)治理和智慧協(xié)同工作平臺。核心應用包括影像智能比對識別和多維矩陣駕駛艙，通過AI技術(shù)提升昌平區(qū)耕地保護與執(zhí)法監(jiān)測的效率，構(gòu)建智能閉環(huán)管理。這一技術(shù)使得監(jiān)管模式由被動轉(zhuǎn)為主動，提升了治理效能和協(xié)同工作能力，釋放了人力資源，聚焦高價值任務。該智慧治理平臺獲得了多家政務、新聞媒體的深入報道，充分展示了其在耕地保護中的創(chuàng)新價值和社會影響力，為推動構(gòu)建耕地保護新格局提供堅實保障！

為守牢耕地紅線，落實最嚴格的耕地保護制度，清華同衡深度參與了市規(guī)劃自然資源委昌平分局的國土空間治理數(shù)智化建設(shè)，研發(fā)了國土空間大數(shù)據(jù)治理和智慧協(xié)同工作平臺，構(gòu)建了耕地保護、執(zhí)法監(jiān)測的AI+應用場景。

通過影像智能比對識別應用平臺、協(xié)同移動平臺、“多維矩陣駕駛艙”，不僅可以主動精準識別問題圖斑、全過程跟蹤問題圖斑整改進度，還能多維矩陣化分析展示耕地狀態(tài)，真正實現(xiàn)從“發(fā)現(xiàn)-分析-整改-復核-回頭看”的全流程智能化監(jiān)管閉環(huán)管理，成功推動耕地保護監(jiān)管模式由“事后處置”向“事前預警”“事中監(jiān)管”“事后回頭看”的智能轉(zhuǎn)變升級，為昌平區(qū)耕地保護裝上“數(shù)智引擎”。

耕地保護AI+應用場景

一、影像智能比對識別

影像智能比對識別是利用經(jīng)過訓練的差異分割AI深度學習模型，從雙時相非多光譜影像提取變化圖斑，與地類圖斑屬性進行語義融合，運行類型判別AI模型，自動識別出耕地的疑似問題圖斑，人工初審會商后形成任務單，將核查結(jié)果反饋給圖斑臺賬，形成線索圖斑處置閉環(huán)。

影像智能比對識別應用平臺

圖斑初審會商

圖斑核查結(jié)果反饋

影像智能比對識別的特點有三個：一是“快”，11小時完成圖斑計算；二是“全”，一次性可覆蓋昌平全域；三是“省”，大幅度節(jié)省巡查人力。

影像智能比對識別的特點

影像智能比對識別應用平臺具備243架構(gòu)，即2個核心模塊分別是 “影像比對”和“智能篩選”；4個附屬功能是“圖斑初審”、“類別判定”、“持續(xù)跟蹤”和“回頭看”；3大應用場景分別是耕保空間 、執(zhí)法監(jiān)測和變更調(diào)查。

影像智能比對識別應用平臺的架構(gòu)

二、耕保駕駛艙

基于數(shù)據(jù)深度治理成果和協(xié)同移動平臺數(shù)據(jù)動態(tài)更新構(gòu)建多維矩陣駕駛艙，從現(xiàn)狀耕地、耕保空間和一般耕地三個業(yè)務維度，以及區(qū)級、鎮(zhèn)街級、地塊級三個空間尺度進行可視化分析挖掘，耕保駕駛艙有3個特點:一是數(shù)據(jù)完全鮮活，保持每日更新，未來可隨時更新；二是圖斑全生命周期可追溯，圖斑的審核狀態(tài)、外業(yè)審核照片、聯(lián)審的每日變化信息都有記錄；三是駕駛艙指標可視且能隨時展開、隨時匯總、隨時排名、隨時空間跟隨，多維度指標系統(tǒng)內(nèi)交圈。

耕保駕駛艙通過多維度、多尺度的動態(tài)分析，實現(xiàn)了耕地資源的精準監(jiān)測、問題圖斑快速識別、種植結(jié)構(gòu)優(yōu)化評估和屬地責任監(jiān)管，為科學決策、政策調(diào)整和量化政策執(zhí)行效果提供了數(shù)據(jù)支撐，顯著提升了耕地保護的精細化、動態(tài)化和數(shù)字化管理水平，確保耕地紅線管控措施落地。

耕保駕駛艙的特點

多維度指標分析

圖斑跟蹤和報告生成

三、AI+效能體現(xiàn)

協(xié)同監(jiān)管提升效能

通過影像智能比對主動發(fā)現(xiàn)差異圖斑、協(xié)同移動平臺處置問題圖斑、“多維矩陣駕駛艙”輔助耕?？臻g監(jiān)管精細決策，多維度統(tǒng)一協(xié)調(diào)將耕保問題圖斑的多頭線索下發(fā)、多頭整改審查、多頭整改結(jié)果上報歸集到統(tǒng)一的協(xié)同平臺上，針對耕保問題圖斑，基層單位只需從一個對接口接收線索、提交整改結(jié)果、查看審查意見，大大減輕了基層的工作負擔。同時協(xié)同平臺的使用，減少了線下開會和協(xié)調(diào)時間，提高了多部門聯(lián)動的工作效率。

協(xié)同提升治理效能

整改后審核情況跟蹤

AI計算提升效率

我們以“耕地疑似問題圖斑的提取”“執(zhí)法圖斑回頭看”實際操作數(shù)據(jù)分析評估，說明AI使用帶來的工作效能的提升。

背景條件

昌平區(qū)總面積約 1343.5 km2，平原面積約 552 km2，耕地面積約65.07km2，AI模型運算的空間范圍是按全區(qū)1343平方公里范圍，人工卷簾比對選取耕?？臻g或圖斑對應的空間范圍，AI算力機的配置是1臺2 CPU、128G內(nèi)存、英偉達5090顯卡、SSD存儲的計算服務器。

• 耕地疑似問題圖斑提取

選取耕地疑似問題圖斑的單次提取實際操作數(shù)據(jù)來計算效能，結(jié)果如下表：

結(jié)論：在耕地疑似問題圖斑提取任務中，采用影像智能比對識別應用平臺人機協(xié)同模式，效率相比純?nèi)斯し绞教嵘?2倍。如果與更傳統(tǒng)、更低效的人工野外巡查相比，節(jié)省的時間將是數(shù)量級的差距。

• 執(zhí)法圖斑回頭看

選取執(zhí)法圖斑回頭看的單批次2042個圖斑實際操作數(shù)據(jù)計算分析效能，結(jié)果如下表：

結(jié)論：利用影像智能比對識別應用平臺在執(zhí)法圖斑回頭看任務中，人機協(xié)同比純?nèi)斯だ糜跋裥侍嵘?.5倍，這對于確保執(zhí)法效果的閉環(huán)管理至關(guān)重要，使得大規(guī)模、高頻次的復查成為可能。

回頭看計算結(jié)果（拼接一屏）

• AI+價值提煉

1. 革命性效率提升：

AI的引入，將國土資源監(jiān)測從“人海戰(zhàn)術(shù)”的勞動密集型工作，轉(zhuǎn)變?yōu)榱艘运懔楹诵牡?strong>技術(shù)密集型工作。效能提升普遍在7-12倍以上，這意味著過去需要一周多才能完成的分析，現(xiàn)在一天之內(nèi)即可完成。

2. “人機協(xié)同”是最佳實踐：

根據(jù)目前的實操數(shù)據(jù)表明，“AI計算 + 人工研判”的人機協(xié)同模式（模式Ⅲ）是兼顧效率、準確性和成本的最佳平衡點。AI充當了不知疲倦的“初級分析師”，完成了90%以上的重復性勞動，讓人可以專注于需要經(jīng)驗和決策的復雜問題。

3. 推動工作模式變革：

從“事后發(fā)現(xiàn)”到“早期預警”：效率的提升使得對更大范圍區(qū)域進行定期、快速的掃描成為可能，從而能夠更早地發(fā)現(xiàn)疑似問題，將違法行為遏制在萌芽狀態(tài)。

從“巡查”到“全覆蓋監(jiān)測”：以往因人力所限只能進行巡查，現(xiàn)在可以實現(xiàn)全域、全量的圖斑監(jiān)測與核查，極大地提升了監(jiān)管的威懾力和公正性。

釋放人力，聚焦高價值工作：將專業(yè)人員從繁瑣的影像比對中解放出來，去從事更復雜的調(diào)查、核實、決策和執(zhí)法工作，優(yōu)化了人力資源配置。

如對本文照片、動圖、數(shù)據(jù)引用或有相關(guān)問題，

liangxiangchun@thupdi.com

編輯/排版｜王淑蕓

封面圖/圖片｜供稿部門

供稿｜清華同衡 詳細規(guī)劃與設(shè)計分院 CIM智慧城市研究室