ISO 19178-12025 地理信息 人工智能训练数据标记语言 第1部分概念模型标准立项发展报告

地理信息人工智能训练数据标记语言第1部分：概念模型标准立项发展报告StandardizationDevelopmentReport:Geographicinformation—Trainingdatamarkuplanguageforartificialintelligence—Part1:Conceptualmodel摘要关键词：地理信息；人工智能；训练数据；标记语言；概念模型；ISO19178；标准化AbstractWiththedeepintegrationofartificialintelligencetechnologyinthegeographicinformationfield,thestandardizedrepresentationofhigh-qualitytrainingdatahasbecomeacriticalbottleneckconstrainingthedevelopmentofspatialintelligence.Geographicinformationdataischaracterizedbymulti-sourceheterogeneity,spatiotemporalcoupling,andsemanticcomplexity,makingtraditionaldataannotationapproachesinadequatetomeettheurgentdemandsofAImodeltrainingfordataconsistency,reusability,andinteroperability.Againstthisbackdrop,afteryearsofresearchandcollaborativeefforts,theInternationalOrganizationforStandardizationTechnicalCommittee211(ISO/TC211)officiallyreleasedISO19178-1:2025"Geographicinformation—Trainingdatamarkuplanguageforartificialintelligence—Part1:Conceptualmodel"onMay27,2025.Thisstandardprovides,forthefirsttime,aninternationallyunifiedconceptualmodelframeworkforAItrainingdatamarkupinthegeographicinformationdomain,systematicallydefiningcoreelementsincludingannotatedobjecttypes,semanticstructures,spatiotemporalreferences,andqualitydescriptions,therebyfillingthestandardizationgapattheintersectionofgeographicinformationandartificialintelligence.Thisreportcomprehensivelyreviewstheprojectbackground,developmentprocess,coretechnicalcontent,andapplicationprospectsofthestandard,analyzesitssignificantvalueinpromotingtheintelligenttransformationofgeographicinformation,facilitatingcross-domaindatasharingandmodelreuse,andreducingAIapplicationdevelopmentcosts,andprovidesanoutlookonstandardimplementationandthedevelopmentdirectionofsubsequentseriesstandards.Keywords:Geographicinformation;Artificialintelligence;Trainingdata;Markuplanguage;Conceptualmodel;ISO19178;Standardization一、引言1.1立项背景近年来，人工智能技术在地理信息领域的应用呈现爆发式增长态势。从遥感影像智能解译、地理空间目标识别到时空轨迹挖掘与地理预测，深度学习等方法已成为推动地理信息产业变革的核心技术力量。然而，AI模型的性能高度依赖于训练数据的质量与规模。在计算机视觉等领域，通用的数据标注标准（如COCO、PascalVOC等）已形成较为成熟的生态，但地理信息数据因其固有的空间参照、尺度效应、时间维度及多源异构特性，通用标注格式难以充分表达其语义内涵与空间关系，导致不同项目、不同机构间积累的训练数据难以共享和复用，形成了大量“数据孤岛”。据国际地理信息领域的多项研究统计，在典型的遥感影像智能解译项目中，训练数据的准备与标注工作通常占整个项目周期的60%以上，而由于缺乏统一的标记规范，不同来源的数据集之间进行整合时往往需要大量的人工转换与校准工作。这一现状严重制约了地理信息AI技术的规模化应用与产业化进程。1.2标准化需求分析面对上述挑战，国际标准化组织地理信息技术委员会（ISO/TC211）在广泛调研的基础上，识别出以下关键标准化需求：第一，概念模型层面需要统一术语与语义框架。地理信息AI训练数据涉及地物类别、空间关系、时间属性、传感器参数等多维度信息，不同领域（测绘、气象、海洋、环境等）对同一概念的表达存在显著差异，亟需一个上层概念模型加以统摄。第二，数据结构层面需要标准化的标记格式。现有的GeoJSON、Shapefile等地理数据格式聚焦于空间数据表达，缺乏对AI训练标签、置信度、标注者信息等元数据的系统化支持；而通用AI标注格式又无法表达地理空间语义，需要一种兼顾两者的新型标记语言。第三，数据交换层面需要保障互操作性。随着跨机构、跨国界的地理信息AI合作日益频繁，训练数据的交换共享必须建立在统一的标准基础之上，以降低集成成本、保障数据质量。在此背景下，ISO/TC211于2020年前后正式启动ISO19178系列标准的编制工作，计划分多个部分系统性地解决地理信息AI训练数据的标准化问题。其中，第1部分聚焦于概念模型的设计，为后续部分（如XML编码实现、影像数据标记扩展等）奠定理论基础。二、标准编制历程2.1标准立项与研制进程ISO19178-1的研制工作由ISO/TC211（地理信息技术委员会）下属工作组负责推进。该标准的制定遵循ISO/IEC导则所规定的规范性程序，经历了提案阶段（NP）、工作组草案阶段（WD）、委员会草案阶段（CD）、国际标准草案阶段（DIS）、最终国际标准草案阶段（FDIS）等若干关键阶段。在提案阶段，来自中国、美国、加拿大、德国、日本等多个国家的专家基于各自在地理信息AI应用中的实践经验，充分阐述了制定统一的训练数据标记标准的必要性与可行性。项目团队系统梳理了已有相关标准（如ISO19115《地理信息——元数据》、ISO19123《地理信息——覆盖的几何与函数模式》等）与AI领域相关规范之间的衔接关系，明确了新标准的定位与边界。在草案研制过程中，各国专家围绕概念模型的核心架构进行了多轮深入讨论。讨论焦点包括：如何抽象地表达地理实体的类别标签与属性标签；如何将空间几何信息与语义标签信息有效关联；如何处理多级分类体系及标签不确定性问题；如何兼容不同地理数据类型（矢量、栅格、点云等）的训练数据表达等。经过反复迭代与修改完善，标准草案逐步趋于成熟。2.2标准发布2025年5月27日，ISO19178-1:2025正式发布，标准状态为现行。该标准的发布标志着地理信息与人工智能交叉领域的标准化工作取得了里程碑式进展，为全球地理信息AI训练数据的规范化表达提供了权威依据。三、标准主要内容ISO19178-1:2025确立了一套面向地理信息人工智能训练数据标记的概念模型（ConceptualModel），该模型独立于具体的数据存储格式与实现技术，以UML（统一建模语言）进行形式化表达，为后续各相关标准的制定提供了统一的语义基础。3.1概念模型总体框架该标准所确立的概念模型以“AI训练数据标记”为核心对象，围绕标记的目标（Target）、标记的内容（Content）、标记的元信息（Metadata）三个维度构建了完整的类层次结构。模型设计遵循了ISO19100系列标准中通用特征模型（GeneralFeatureModel，GFM）的基本范式，保证了与现有地理信息标准体系的兼容性和一致性。具体而言，概念模型将一次完整的“标记”（Annotation）抽象为如下基本要素：被标记的地理实体或地理现象（Target），用于描述该实体的类别或属性的标签（Label），用于界定标记空间范围和时间范围的空间-时间参照（Spatio-temporalReference），以及用于描述标记来源与可信度的元信息（AnnotationMetadata）。3.2核心包结构与关键抽象类标准的核心包（CorePackage）由以下关键抽象类组成：TrainingDataAnnotation类是模型的顶层抽象，代表对一个地理信息目标进行的一次完整标记。该类关联了目标引用、标签集合、空间范围、时间范围和元数据五个方面属性，确保了标记信息的完备性与可追溯性。Target类是对被标记对象的抽象表达，既可以是单个地理要素（如一个建筑物、一条道路），也可以是地理场中的特定区域（如遥感影像中某个像元邻域），还可以是地理现象的时空轨迹。该类的设计充分考虑了地理信息多源异构的特点。Label类是对标记内容的语义描述，区分了类别标签（ClassLabel）与属性标签（PropertyLabel）两种基本类型。类别标签用于将目标划分到预定义的类别体系中的某一类别；属性标签则用于描述目标的连续属性或离散属性值。此外，模型还支持标签置信度的量化表达，允许标注者或自动化标注工具为每个标签赋予可信度分数。SpatioTemporalReference类统一描述标记目标的空间范围与时间有效范围。空间范围支持点、线、面、体等多种几何类型，同时也支持栅格像元集合等非矢量表达方式；时间范围支持时间点与时间段两种表达方式。3.3标记语言的设计原则ISO19178-1在概念模型设计中遵循了以下核心原则：通用性原则：概念模型不依赖于任何特定的AI算法、地理数据类型或应用领域，能够广泛适用于遥感影像分类、目标检测、语义分割、变化检测、三维点云语义标注等多种AI训练场景。可扩展性原则：模型通过包结构（Package）和构造型（Stereotype）机制提供了良好的扩展能力，各应用领域可在遵循核心模型的前提下定义领域特定的扩展标记。与ISO地理信息标准体系兼容原则：概念模型与ISO19100系列标准中关于空间模式（ISO19107）、时间模式（ISO19108）、元数据（ISO19115）等方面的既有规范保持协调一致，避免了标准间的冲突和重复。机器可读性原则：概念模型的表达充分考虑到了后续自动化处理的需求，支持将标记数据序列化为XML、JSON等主流数据交换格式，为不同系统和平台间的数据交换奠定了基础。四、标准的创新性与技术特点4.1填补地理信息AI数据标准化空白ISO19178-1:2025是地理信息领域首个专门针对AI训练数据标记的国际标准。在此之前，地理空间AI领域通常借用通用的数据标注规范（如COCO等格式）或通用的地理信息数据格式（如GeoJSON等），这些格式各自存在局限性——前者缺乏空间语义表达能力，后者缺乏AI训练所需的标签元数据支持。本标准的发布填补了这一标准化空白，为地理信息AI训练数据从采集、标注到共享的全生命周期管理提供了统一的规范框架。4.2多维度信息融合表达机制该标准所确立的概念模型实现了地理空间信息与AI语义标签的深度融合。在传统的地理信息表达中，空间几何数据与属性数据通常分离存储和管理；而在AI训练数据的使用场景中，模型需要对空间特征和语义特征进行联合学习。本标准通过TrainingDataAnnotation类的统一建模，将空间范围、时间范围、类别标签、属性标签和标注元信息有机整合，形成了一种多维度的信息融合表达机制，极大便利了AI模型对地理空间数据的综合理解和特征学习。4.3灵活的多粒度标注能力地理空间数据具有多尺度特征。同一地物在不同空间分辨率下呈现出不同的形态特征；同一地理现象在不同时间粒度下亦有不同的动态模式。ISO19178-1的概念模型充分考虑了这种多尺度特性，通过SpatioTemporalReference类的灵活设计，支持从单个像元级到区域级、从瞬时到长时序的多粒度标注，为多尺度地理信息AI模型的训练提供了灵活的标注表达能力。五、标准应用前景与实施路径5.1应用场景展望ISO19178-1:2025的应用前景广阔，主要体现在以下几个方面：遥感影像智能解译领域：通过采用统一的概念模型，不同遥感数据源、不同标注团队之间可以高效共享训练数据集，大幅提升样本库的构建效率和质量一致性，支撑国土资源调查、生态环境监测、灾害应急评估等应用中的AI模型训练。智慧城市建设领域：在城市信息模型（CIM）和数字孪生城市建设中，建筑物、道路、管网等要素的AI识别模型训练数据将依循本标准进行规范化标注，有效支撑城市精细化管理。自动驾驶与高精地图领域：高精地图中道路交通标志、车道线、路侧设施等要素的标注可基于本标准进行统一建模，促进不同图商和生产环节间数据的高效流转。5.2实施路径建议标准的价值最终体现于实施。为推动ISO19178-1的有效落地，提出以下几点建议：一是加快开展标准的中文版本转化工作，提升国内从业者的可获取性；二是开发面向主流地理信息平台和AI开发框架的标准转换工具，降低标准应用门槛；三是在国家地理信息标准化技术委员会框架下，结合国内应用实际制定配套技术指南或行业标准；四是选取典型应用场景开展标准试点示范工作。六、主要起草单位介绍七、结论与展望ISO19178-1:2025《地理信息人工智能训练数据标记语言第1部分：概念模型》的正式发布，是全球地理信息标准化发展历程中的一项标志性成果。该标准以超前的技术视野和严谨的研制程序，为地理信息AI训练数据的标注与共享提供了统一的概念框架，为打通地理信息数据与人工智能应用之间的“最后一公里”奠定了关键的标准化基础。展望未来，随着ISO19178系列标准的持续推进，地理信息AI训练数据的标准化体系将不断丰富和完善。人工智能技术的快速演进也为标准化工作提出了新的课题，诸如大模型训练中的多模态数据标注、自动化标注的质量控制、数据隐私与安全保护等议题，均有可能成为后续标准化工作的重点方向。可以预见，ISO19178-1的实施推广将有力促进地理信息与人工智能两大领域的深度融合，为全球地理信息产业的智能化转型提供坚实的技术支撑。参考文献[1]ISO19178-1:2025,