全空间地球信息系统软件关键技术与应用

陶留锋，徐永洋，吴晔晖，陈占龙，吴 亮，谢 忠

（1.中国地质大学（武汉）计算机学院；2.地理信息系统国家地方联合工程实验室，湖北 武汉 430078；3.成都中地时空科技有限公司，四川 成都 610000）

0 引言

随着互联网技术飞速发展，地理信息系统（Geographic Information System，GIS）已成为人们认知和探索空间世界的重要工具。然而，随着应用领域、应用模式的不断发展，信息内容的多样性和展示方式不断演进，传统GIS 难以满足需要。例如，周成虎［1］提出全空间信息系统的概念，打破了传统GIS 的空间尺度限制，将GIS 的空间尺度扩展到微观和宏观空间，实现了跨尺度的空间数据管理和分析，为空间信息系统构建提供了新的解决方案。全空间信息系统提供了处理动态、复杂的现实世界时空信息的新方法，在数字地球、全域数字孪生战场、智慧城市、时空大数据管理等领域扮演着关键的角色［1-2］。特别在大数据时代，由于处理庞大、复杂数据集的挑战日益严峻，GIS 与人工智能的结合更为紧迫。

目前，全空间信息系统已在理论认知、关键技术研究、平台开发等方面取得了显著进步，引领了空间信息系统技术的革新，推动其向更全面、更灵活的方向发展。全空间信息系统的特征包括全尺度、全类型、全动态和全属性等，这些特点提供了全面的空间信息表达能力［3-5］。本文采用吴信才等［6-7］提出的新一代软件架构，适用于云计算和云服务的应用层、平台支撑层和基础设施层（T-C-V），使数据整合和挖掘更便捷，既解决了服务隔离和数据难以融合的问题，也改变了地理信息服务和计算模式。

然而，全空间地球信息系统技术仍面临一些挑战，包括全空间三维立体模型构建的效率问题、多种类型和复杂关系的数据整合难题、大规模多源异构数据的快速渲染问题［8］。在全空间三维立体模型构建方面，现有研究已取得显著进展：①通过遥感技术获取地球表面的数据进行三维建模已较为成熟，计算机视觉和机器学习技术的应用使三维模型的构建更智能化、自动化［9］，但对于大范围地区的高分辨率建模仍需要大量的计算资源和时间，因此提升构建效率仍然挑战巨大；②多种类型和复杂关系的数据整合难题涉及数据的规范性和互操作性，制定通用的数据标准、元数据管理系统、应用知识图谱和图数据库等技术，有助于进行数据整合和关联分析［10］，但由于目标的不一致性，目前尚未完全规范化；③大规模多源异构数据的快速渲染问题在图形处理和可视化领域进展显著，随着GPU 技术的不断发展和分布式渲染引擎的应用，使大规模数据的实时渲染成为可能，但随着数据规模的不断增长，仍需更高性能的渲染解决方案应对更复杂的信息［11］。

为了应对上述问题，本文研究了全空间地球信息系统认知模型的建立与可视化、全空间地球信息系统大数据管理、全空间地球信息系统智能分析及智能化制图等关键技术，为未来的空间信息系统和空间数据处理提供参考与借鉴。

1 全空间地球信息系统关键技术

全空间地球信息系统是集大数据、物联网、云计算、人工智能等先进技术于一体的面向新时代需求的GIS 系统，实现了全空间的概念，覆盖空中到地下、室外到室内、静态到动态、现实到虚拟的全方位空间，具备大数据的洞察能力，能存储、管理和分析挖掘海量时空数据［12-13］。通过GIS的方式，全空间地球信息系统可实现超大规模时空数据的集成展示，为城市规划、环境保护、交通管理、灾害监测、农业管理等领域提供决策支持。全空间地球信息系统的感知能力还能使系统实时监测、响应各种空间变化，为应对各种复杂环境和突发事件提供重要的信息支持［10］，关键技术包括全空间认知模型与可视化技术、全空间大数据管理、全空间智能分析与智能化地图制图等，如图1所示。

Fig.1 Key technology system for pan-spatial geographic information system图1 全空间地球信息系统关键技术体系

1.1 全空间认知模型与可视化

1.1.1 面向实体的全空间数据模型

面向实体的全空间数据模型是对现实世界全空间区域中地理实体对象的抽象，将客观的地理世界以地理实体的方式进行多粒度、多类型、动态等全面描述与分析表达［14-15］。

相较于传统的空间、属性的二元特征，全空间实体模型侧重于全面、动态、关联、可演化地描述真实世界，具备时空参照、几何/空间形态、属性信息、空间关系、认知能力等有关现实世界实体的数字化描述［4-5］，主要分为实体描述、实体间关联、实体与外界的交互3 个方面，抽象过程如图2所示。

Fig.2 Object-oriented pan-spatial data models图2 面向实体的全空间数据模型

全空间实体模型包含多种数据模型，例如体元数据集、网格数据集、点云数据集、影像数据集等，这些数据模型可为不同应用场景提供灵活的数据表达和存储支撑。为了进一步实现属性场精细化表达与分析，新增栅格体元数据集和地质网格类两种数据模型。其中，栅格体元数据集模型是一种基于栅格化的三维属性场表达模型，在地质矿产、环境保护、城市规划等领域发挥着重要作用；地质网格类数据模型是一种高效剖分和存储三维体模型的方法，通过快速插值对体模型进行多层级、多粒度剖分，生成一系列的网格单元，在地球科学等领域中发挥着重要作用。

1.1.2 全空间三维模型服务规范

为实现大场景地上地下三维空间数据的快速发布、共享、高效渲染分析，采用全新的可涵盖全空间数据类型的三维模型格式和服务接口规范（M3D）。M3D 在不同设备上存储、表达、传输、共享、交换海量异构源，为异构三维数据提供数据和服务规范，突破了三维数据传输瓶颈，提升了全空间三维模型数据的查询和渲染效率。M3D 定义了全空间三维模型数据格式的文件组织结构和存储格式要求，制定了全空间三维模型数据的服务接口标准，为全空间三维数据提供了统一的管理和服务标准，实现了大规模三维模型数据的一体化管理、可视和分析。

全空间数据涵盖广泛，包含多种类型和大量数据，具有高精度和高分辨率。为了有效处理和管理数据，需要对海量数据进行网格划分和分层组织，以支持地质体模型、建筑信息模型（BIM）、点云、倾斜摄影、地上景观等3D 模型服务的共享，实现多端融合的高效分析和渲染处理。同时，M3D 支持高压缩比和流式传输等高效传输模式，以支持GPU 单体查询和实例化、块渲染等多种策略，大大提升了全空间三维模型数据的查询和渲染效率。

1.1.3 结合虚幻引擎的全空间三维可视化

数字孪生技术已被广泛应用于各种行业和领域，能将现实世界的信息映射到虚拟世界中，实现实时监控和管理。然而，数字孪生技术仍存在一些问题，例如如何准确映射复杂的数据和信息，如何保证映射的准确性和可靠性等。虚幻引擎是实时3D 的创作工具，支持多种文件格式，可多平台开发，能满足大型设计需求，具有高保真技术，能营造沉浸式逼真互动体验。该引擎将动画创作工具、绑定工具、重定向工具、运行时的工具与大幅扩展的建模工具集相结合，减少迭代，避免来回操作，用更短的时间准备实时数据，加快创作过程。此外，虚幻引擎具有实时动态渲染等优势，可模拟现实世界的运行规则，使其在数字孪生技术的应用中具有很大潜力，还能提供更逼真的虚拟环境，使数字孪生技术的映射更准确、可靠［16］。

GIS 在城市管理领域发挥着重要作用，提供了一个基于地理学基础的数据管理框架，可将各种类型的数据资源进行整合和管理，例如交通、人口、环境等方面数据。GIS在数据层面更具兼容性，能将各种类型的数据整合到统一的空间时间框架内，形成城市数据资产，使GIS 在数字孪生技术的应用中具有重要价值。此外，虚幻引擎可提供逼真的虚拟环境，GIS 为虚幻引擎提供带有真实地理坐标的三维地理底图及相关地理信息，为实时渲染、查询分析这些数据提供信息支撑，两者相结合能更精准地进行数字孪生映射，构建出更逼真的虚拟场景，让使用者更好地理解、掌握地理信息，为各领域提供更好的管理和服务。

基于虚幻引擎的全空间地球信息系统，可查询实体的属性信息，实现三维模型的实时剖切分析和开挖分析，支持各种虚拟仿真场景的应用，例如山体滑坡、水库泄洪等。这些技术可为空间规划、智慧城市、实景三维等领域提供决策支持，进一步促进数字孪生技术的发展和应用。

1.2 大数据管理

1.2.1 数据存储

全空间实体大数据的发展迅速，对存储与处理能力的需求不断增长，需要集成多种分布式数据库和文件系统，扩展存储与处理支撑能力。其中，PostgreSQL 是一种关系型数据库，适用于管理亿级矢量数据，可提供高效的数据存储和查询能力；MongoDB 则是一种文档型数据库，适用于存储管理百亿级瓦片，能支持高并发响应和高可扩展性；Elastic Search 可用于全文搜索、结构化搜索和聚合，实现快速的数据检索和分析，适用于实现基于规则的数据目录的分布式存储和管理。

全空间地球信息系统基于HDFS 或HBase 实现存储海量结构化数据，可实现分布式存储和管理各类空间和非空间数据；基于IPFS 存储地理数据，并融合传统的空间数据引擎MapGIS SDE，通过分布式存储和点对点传输，实现基于规则的数据目录的分布式存储和管理，达到多源异构数据物理上的分散、逻辑上的统一。此外，使用Nebula 图数据库能以更直观的图谱方式表达地理实体间的关系，将图中节点（顶点）和边（连接两个顶点的线）高效地进行存储，并提供快速查询和分析功能，能更好地表达地理实体之间的复杂关系，提升了系统查询效率和管理效率。具体方案如图3所示。

Fig.3 Scheme for data storage in pan-spatial geographic information system图3 全空间地球信息系统数据存储方案

1.2.2 数据治理

数据治理的目的是提升数据价值，通过制定标准的时空大数据治理流程，涵盖数据汇聚、数据目录、数据处理、数据质量和数据安全等环节，为时空大数据分析提供稳定且高质量的数据源。同时，管理和保护组织内的数据资源，确保数据在整个生命周期内能被有效利用，包括发现、使用、共享、保护和管理等。通过数据治理可更好地管理和保护各单位的数据资源，确保数据在整个生命周期中能被有效利用，从而提升数据价值。

时空大数据治理涉及将不同来源的数据汇聚到一起，整理成可供分析的数据集合，涉及到数据提取、转换和加载（Extract-Transform-Load，ETL）、数据清洗、融合和建模。然而，数据治理不仅需要管理数据，还需要考虑数据质量，因此需要进行有效性检查、一致性检查、准确性检查等。基于可视化ETL 工具，通过元数据建模构建数据目录，以描述数据的来源、内容和用途等信息，有助于提升数据管理和查询效率、数据的共享和交换。针对不同类型的时空大数据，提供可视化数据处理流程构建引擎，以便于用户根据需求构建数据处理流程，包括数据过滤、关联、聚合等操作及结果数据的输出和共享，进而满足不同类型数据的快速处理需求。

此外，基于不同数据治理控制标准的完整质量控制流程，建立可控的安全预警机制，增强时空大数据的安全防护能力，包括数据加密、访问控制、备份和恢复等措施确保数据的机密性、完整性，使时空大数据的质量可控可检，从而建立可控的安全预警机制以增强时空大数据的安全防护能力。

1.2.3 高性能计算与时空大数据分析

分布式计算框架和分布式流程引擎可帮助构建时空大数据分析工具，通过使用多种矢量大数据分析算子，例如向量相似度计算、聚类分析、分类等，结合分布式流程引擎的高效调度和任务分配能力，搭建高性能的矢量大数据分析流程。在实时大数据分析方面，提供输入控制器、处理器、流数据服务及输出控制器等实时大数据分析算子，实现实时数据存储、实时数据处理、实时数据分析和可视化等。这些算子既支持实时流传输协议（Real Time Streaming Protocol，RTSP）等视频设备的视频流服务，还支持物联感知设备的管理与运维，能进一步扩展实时大数据分析的应用范围。

因此，时空大数据分析工具应具有灵活性和可扩展性，能满足不同领域和场景的需求，可随时根据新的应用需求进行扩展和优化，还能有效管理和利用时空大数据，实现更高效、更智能的数据分析。

1.3 智能分析

1.3.1 地理知识图谱

地理知识图谱是一种基于语义网络的图形结构，用于描述和表达地理信息，涵盖了现实世界中的各种地理实体和概念及其之间的关系［17］。地理知识图谱采用自然语言处理技术和机器学习算法对地理信息进行分析和推理，以提取地理实体和概念及其之间的关系，并以语义网络的形式进行表示。

地理知识图谱的构建过程主要分为数据源准备、地理知识抽取、地理知识融合和地理知识应用4 个阶段。在数据源准备阶段，需要确定数据来源并处理数据质量；在地理知识抽取阶段，利用自然语言处理技术和机器学习算法从数据中提取地理实体和概念及其之间的关系；在地理知识融合阶段，将提取出的地理知识进行整合和标准化，以确保数据的一致性和准确性；在地理知识应用阶段，将构建好的地理知识图谱用于决策支持，提供图谱可视化、图谱搜索等功能，帮助用户更好地理解、利用地理信息，具体构建流程如图4所示。

Fig.4 The process of building a geographic knowledge graph图4 地理知识图谱构建流程

综上，利用地理知识图谱技术可更好地理解、感知地理现象和过程的动态变化情况，进行智能推理和决策支持，提供更准确、智能和全面的支持，帮助人们更好地应对复杂的全空间地球信息和解决相关问题［18］。

1.3.2 人工智能模型

人工智能与GIS 的结合能带来更高的效率和准确性、更强的预测和决策能力、更实时和准确的信息、更低的成本、更广泛的应用领域、更高的空间数据处理和分析的智能化水平，包括遥感图像信息提取、视频目标检测、点云语义分割、图文语义关联匹配、多源数据融合与智能分析等方面，这些技术能提升模型的准确性和效率，为决策提供有力支持。

在遥感图像信息提取方面，基于注意力机制的网络分割模型的思想［19］，能有效提升模型的准确性和泛化能力，提取更多图像语义分割所支持的特征类型，实现对遥感图像中房屋、运动场、船只、城市用地、多种道路等特征的快速提取。在视频目标检测方面，基于视频数据源［20］，使用视频增强和网络模型进行目标检测，根据视频内容和背景环境的变化，自适应地调整模型参数和检测方法，同时使用高效的卷积神经网络结构和优化的计算方法，提升视频目标检测的准确性和效率。在点云语义分割方面，借鉴点云语义分割算法对点云数据进行分割［21］，对每个语义类别进行3D 重建和纹理映射，实现室外环境点云的可视化重建，取得了具有详细语义信息和纹理信息的三维模型，实现了室外环境点云的可视化重建和室内外场景的语义分割，并辅助进行特征分类和识别。在图文语义关联匹配方面，使用的卷积神经网络或循环神经网络［22］，将文本转换为向量并计算向量的相似性，实现文本间的相似性计算。

同时，利用PyTorch 等主流深度学习框架，实现文本数据的分类、提取，将细粒度的图像显著区域和文本单词作为对象，以学习他们之间的语义关联，完成对图形数据的语义关联匹配。在多源数据融合与智能分析方面［23］，GIS结合人工智能和数据挖掘等技术进行深入的地理空间分析，提供更深刻的洞察和预测。例如，在环境评估中，GIS将环境监测数据、地形图等集成到一个统一的可视化界面中，帮助决策者更好地了解环境问题的空间分布和影响，同时通过深度学习算法对多源图像信息进行分析，以预测土地利用情况和城市扩展趋势。

1.3.3 数据科学计算

地理数据科学计算在GIS开发环境的基础上加入第三方科学计算库，利用GIS 开发环境的空间分析和可视化工具，结合分布式计算框架的高效数据处理能力，实现对地理数据的快速处理和复杂分析。同时，结合分布式计算框架Hadoop、Spark，帮助地理数据科学家进行更深入的数据探索、分析和建模，以提升工作效率和准确性。系统集成了主流的深度学习框架及空间机器学习库，涵盖了大量第三方Python 数据处理、机器学习、数据可视化等方面的模型库。因此，本文系统适用于数据分析挖掘、深度学习、机器学习等以数据为驱动的应用场景，尤其支持地理数据、视频、文本、图片等多种非地理数据的处理和分析。

1.4 智能化地图制图

随着计算机、人工智能和数据科学的发展，地图制图技术已进入数据密集型计算的科学范式时代［24］，地图学已成为跨越时空、自然和人文、技术和工程的科学。数据、大数据、时空大数据已彻底改变地图制图的思维和工作方式［25-27］，地图产品全过程的数字化转型已实现，在服务国家战略和满足社会大众化、个性化需求方面发挥了重要作用［26］，取得了一系列成果。主要分为以下三大类：

1.4.1 数据库和规则驱动的数字化制图

面向一体化、自动化的数字化地图制图需求，采用基于数据库和规则驱动的数字化制图技术［28］，主要包括：①图库一体化制图模型，通过图库一体化数据库与级联更新技术，对地理信息与制图数据进行一体化管理，确保数据的现势性；②通过多种制图表达规则及精准细致的自动编图工具，实现制图数据预处理、符号化、精编、质检的全流程编图能力；③针对地图整饰出版，采用基于模板的快速成图技术，一键自动复用模板，实现出版制图样式的地图快速出图。

通过上述关键技术打通整体制图流程，提供系列自动化工具和方法，全方位提升制图自动化水平，全面支持一体化制图应用。目前，该技术已在全国地质图制图、军用数字地图制图、应急保障制图等领域广泛应用。

1.4.2 参与式云端协同在线化地图制图

互联网信息技术的发展催生了网络在线制图、云端远程协同制图等应用需求。目前，业界针对在线制图需求进行研究与技术攻关，通过协同制图技术与创新应用模式，打造专属的云端协同式工作空间，提供了全流程在线化工作模式的制图工具，实现了参与式云端协同在线制图应用。具体从在线一体化制图、云端远程制图两个方面重点突破：一方面，通过基于矢量瓦片服务的在线地图制图等技术，预设完善、便捷的制图流程，提供全流程专题图编制功能，支持多用户并发访问使用，实现一体化在线地图制图；另一方面，基于网络环境搭建多人协同制图创新应用场景，挂接云盘管理制图资源，用户通过桌面云使用制图软件进行制图编辑，支持多人协同创作，例如地质云远程制图应用。

1.4.3 大数据和知识驱动的智能化制图

在智能化时代，地图制图面临着新的挑战，如何运用机器智能提升地图制图的效率和质量，满足个性化制图的需求，是业界的研究重点。其中，智能的核心是知识，因此业界积极研究并实现了基于大数据和知识驱动的智能化制图技术与软件成果，主要包括以下4个方面：

（1）智能化数据采集。基于遥感影像的地图要素智能提取，包括利用深度学习技术进行地物快速提取，利用深度神经网络进行半自动矢量化等。

（2）智能化数据更新。通过可定制的多源数据自动融合框架与质检更新规则，完成数据融合、质检，并在成果汇交时一键识别与提取数据，实现数据的快速增量更新。

（3）智能化地图制图。将深度学习等人工智能技术应用于地理图像处理，例如地图风格智能迁移、中文分词等，同时对非结构数据进行提取与可视化。

（4）智能化地图综合。基于深度学习的典型要素分布模式识别，为地图综合决策提供依据；通过机器学习领域相关模型方法升级地图综合算法，实现地图要素的智能选取、化简、合并等操作。

此外，大数据和知识驱动的智能化制图还在地质矿产等领域开展了典型示范应用。例如，以地质专家知识为主线的地质图数据智能化处理绘制系统，大幅提升了地质图编制效率，并在全国地质图编制等工作中得到广泛应用。

2 全空间地球信息系统平台

基于MapGIS 的全空间地球信息系统体系架构如图5所示，包括应用层（T）、平台支撑层（C）、基础设施层（V）。

Fig.5 Platform architecture for pan-spatial geographic information system MapGIS图5 基于MapGIS的全空间地球信息系统体系架构

基础设施层（V）主要由基础资源数据库及相关的物联网传感设备构成，通过对接射频识别（Radio Frequency Identification，RFID）系统、摄像头、激光传感器、视觉定位等传感设备，获取多种类的平台所需数据，然后通过虚拟化组件搭建云服务基础设施，将获取的数据、相关的计算结果、网络资源整合形成平台运行所需的环境资源池。

平台支撑层（C）在全空间数据管理方面发挥着关键作用，其应用功能主要集中在数据分析、智能化应用支撑等方面，具有强大的时空数据标准兼容性，能支持多种数据类型的接入，以实现不同维度数据的相互转化和多维数据的运营管理。通过构建针对数据管理的可视化、查询对比、统计整合、多维空间分析等功能模块，提供城市成长、突发事件、事故模拟、智能交通等服务，以打造更具特色的城市信息模型（City Information Modeling，CIM）。平台构建了数据管理功能模块，提供城市规划、仿真模拟等基础组件及规划设计、控高分析等城市规划类组件，这些组件结合实景三维、知识图谱等相关技术，进一步研发了更多细化层次的组件，使全空间地球信息系统在全场景应用中更好地支撑行业应用开发。

应用层（T）在基础设施层（V）和平台支撑层（C）的支撑下，针对不同行业应用需求，组合相对应的数据资源获取模块和功能支持模块。这些定制化的应用基于全空间地球信息系统平台，将平台的应用范围进一步延伸至数字孪生城市、城市规划管理、农业管理等领域。例如，通过对农田的精细化监测和管理，提升农作物的产量和质量；应用CIM 平台，以城市级海量数据为基础，精细化表达城市的各项要素，适用于城市的智能管理、仿真模拟等方面。

3 典型应用场景

我国大部分城市对地下空间的开发利用情况和智慧城市建设情况掌握不足［29］，但全空间地球信息系统平台具备追溯过去、感知现在和推演未来的能力。该平台具备多种功能，可用于空中、地上、地表和地下建设，全方位展示地下空间的形态属性等具体情况，为矿产资源估算、灾害防治、城市管理、数字孪生城市等领域提供帮助，如图6所示。

Fig.6 Application scenarios for pan-spatial geographic information system图6 全空间地球信息系统平台具体应用示例

全空间地球信息系统平台还针对不同领域的需求，提供更专业的分析工具和应用场景。例如，在城市规划方面，该平台可为规划师提供更全面、精准的地下空间信息，既能帮助他们制定更科学、合理的城市规划方案，还可提供现有土地、地上空间利用情况，协助规划人员有效改造城市居民环境、规划净空区域、提升城市经济发展水平。在城市建设方面，该平台可为工程师提供精确的地下结构信息和土壤地质信息，既能帮助他们更准确地设计和建设城市基础设施，提升城市软实力，还可建设和管理城市信息化或建立基础地理信息交换和分发服务的网络体系，实现GIS社会化。

综上，全空间地球信息系统平台结合了云计算、大数据和人工智能等先进技术，为城市地下和地上空间的开发和利用提供了更强大的技术支持。通过结合这些技术，全空间地球信息系统平台可实现更智能化、高效化的城市空间管理和应用，为城市的可持续发展提供更坚实的保障。

同时，全空间地球信息系统平台还针对不同领域需求，提供更专业的分析工具和应用场景。例如，在城市管理方面，该平台可为管理者提供实时的地下空间使用情况、地上交通及路面状况和环境信息，帮助他们更精细化、智能化地管理城市；在城市运营方面，该平台可为运营商提供全面的地下设施运行情况和能耗信息，帮助他们提升设施运营效率，降低能源消耗，为城市的可持续发展作出更大贡献。此外，该平台还可为决策者提供城市水质监测与评价，确保居民用水安全及河流生态系统健康。

4 结语

本文详细阐述了全空间地球信息系统构建需要突破的关键技术及体系架构，分析了基于MapGIS 的全空间地球信息系统如何对现实世界进行抽象、建模，构建认知模型，以满足全空间地球信息的发展需求，总结了全空间地球信息系统大体量、关系复杂数据高质量渲染解决方案。

为解决大规模数据的存储和传输问题，全空间三维模型采用服务接口标准M3D 格式，提出了MapGIS 应对全空间时代的大数据管理方案，展示了知识驱动富有全空间特性的智能分析及智能化制图方案，突破了广义室内定位拓展场景等密闭空间的相关技术，为全空间地球信息系统的理论体系及技术发展提供了参考与借鉴。

全空间地球信息系统从多粒度实体对象认知模型、时空大数据存储与治理、知识模型、感知决策算法、三维可视化、系统架构、综合应用等方面，将地球信息系统推向了新的高度来应对新时代的需求。从传统地理空间扩展到广义的地理空间，例如广义室内定位不仅是室内定位技术，还应扩展到水下、地下、地铁、飞机、船舱等密闭空间，以解决更多具体问题，实现从狭义地理空间到广义的全空间的飞跃。