現代測量技術和空間資訊科學的相互關聯與相輔相成，在學術研究和實務應用上產生了重大影響。空間資訊科學的快速發展為現代測量技術提供了豐富的理論和方法支援。遙感探測、全球定位系統、地理資訊系統、時空數據庫(Spatiotemporal data)、空間統計演算法與模型等都可以有效地整合和分析。這使得測量技術的進步也豐富了空間資訊的內涵，為跨領域工程的應用提供了高效且精確的解決方案。同時，三維測量數據的數位化建模和可視化呈現技術（例如三維模型和虛擬實境）進一步提升了測量數據的應用價值。透過這些技術，測量成果可以以直觀的方式呈現，讓使用者更深入地理解和應用測量數據，提供更多地理時空數據的洞察和資訊。有鑑於測量及空間資訊技術實為現代工程全生命週期管理的先驅，現代測量技術的進度可實際地拉近在土木工程領域中實現智慧城市的目標。智慧城市(Smart cities)是一個綜合性的概念，旨在整合和應用先進的數位技術和資訊通訊科技(Information communication technology, ICT)來改善城市運作和提升居民生活品質。它的核心思想是將不同的城市要素和系統相互聯繫和協同運作，以實現更高效、可持續和智慧化的城市管理。其中，智慧城市的整合性體現存在多個方面。首先，需實現城市數據的整合和共用。透過感測器、行動設備和監控系統等技術，各種城市數據如交通流量、空氣品質、能源使用等可以被收集並整合在一個統一的數據平臺上。這種數據整合有助於城市管理者更好地瞭解城市運作狀態，並作出基於數據的決策。而現代測量技術與人工智慧演算的整合與發展，則是實現此願景的直接方法之一。以智慧城市概念所發展的資訊技術及服務，可在智慧城市展(https://smartcityonline.org.tw/solution.php?seed=527)中發現眾多解決方案。

然而，現代的測量技術和空間資訊的發展也面臨了一些挑戰。首先，地球的表面包含著非常多樣且複雜的地形、地貌和氣候條件。這意味著空間資訊測量技術必須能夠應對各種地理環境和條件，並開發出具有適應性的測量方法和技術。另一個方面是數據生成和管理問題的增加。隨著高解析度遙感數據、光達掃描點雲、無人機影像等數據的快速增長，如何有效處理和管理這些數據、在有效排除偏差和錯誤數據的前提下，從中資料提取出有價值的空間資訊，儼然成為時空數據處理演算法開發的挑戰。除此之外，如何針對多源且多元的時空數據進行整合與分析也受到了關注。因為不同系統或感測器所收集的時空數據往往具有不同的解析度和精度，如何有效處理這些不同類型的數據，解決數據間的不一致和衝突問題，並運用物聯網資通訊技術進行資料傳遞和多工協作，以提高作業效率和空間資訊的完整性，是現代測量技術與空間資訊發展需要進一步優化的重要課題。若能克服這些挑戰，將有助於更好地理解、分析和應用地理時空數據，為跨領域工程應用的發展和決策提供重要的支援。

近年來，人工智慧的發展取得了驚人的進步與突破，並廣泛應用於各個領域。在影像處理領域中，人工智慧技術已經能夠準確辨識和分類影像中的物體和場景，對於影像內容理解、辨識、安全監控和物件偵測等應用發揮了重要作用。許多影像分割分類的深度學習模型已可達到九成以上的精度，能夠協助處理大量數據，實現高度自動化和高效率的效益。例如，在工程設計和製造中，人工智慧的機器學習和數據分析技術能夠通過對大量數據的學習和分析，提供具有數據基礎的訊息來改善產品設計和功能，協助工程師更好地設計和優化產品的性能和可靠性。除此之外，對於生成式人工智慧應用，更可協助工程師自動生成設計，加速產品開發進程，同時節省時間和資源。通過對大量數據的分析和建模，人工智慧還可以提供有效的決策支援，在工程決策和優化方面發揮作用。

現代測量技術結合人工智慧技術已經帶來了顯著的影響和效益，透過利用機器學習和深度學習演算技術，可以實現自動辨識和萃取測量數據中的地物特徵，例如建築物、道路、水體等。這使得測量領域能夠更快速、準確地處理大量的時空數據，從而節省了人力和時間成本。同時，人工智慧技術對於萃取出來的測量資料提供了基於數據的解釋和分析能力，自動對測量數據進行分類、解釋和屬性萃取，生成具有更高的資訊價值和應用性。這為地理資訊系統應用、城市規劃、環境監測等領域提供了更豐富的空間資訊和觀察力。特別值得一提的是，影像辨識技術取得了突破性的發展。透過快速而準確的影像分析能力，可以高效地處理和分析大量影像數據，實現物體識別、人臉辨識、場景分類等複雜任務。對於遙感探測領域中的衛星影像、航拍影像、無人機影像和近景影像的影像分割和分類，這項技術能夠大幅降低人為判釋的可能錯誤。在需要即時反應和快速處理的空間資訊應用中，如安全監控、交通管理和災害應對等，能夠迅速獲得即時而準確的訊息。進而解決了傳統上對於大量數據分析所需的人力和時間成本問題，推動了測量業界的智慧化與自動化，從時空數據的收集、處理到資訊成果的產製都能夠實現高度自動化，提高工作效率和產能。因此，空間資訊與人工智慧的結合，不僅提升了既有應用的效益，也產生了許多創新應用的市場，例如:

• 地圖和導航: 人工智慧技術對於地圖和導航應用，可提供更智慧的路線規劃和導航建議。透過分析大量的交通數據、使用者軌跡和實時路況，人工智慧系統能夠預測交通擁堵，提供最佳路線選擇，並根據實時情況進行動態調整。
• 地震和災害預測: 人工智慧在地震和災害預測，可幫助提前預警和減輕災害風險。透過分析地震數據、地質資料和氣象數據，從中學習地震模式和災害風險指標，從而協助提供更精確的預測和警報，實現智慧防災的目標。
• 地理空間數據分析: 人工智慧技術可對地理數據進行分析和解釋。例如，可以使用機器學習演算法對遙感影像進行分類和分割，識別不同地物類別和地理特徵。同時，也可以應用於空間數據的統計分析和模式識別，從中發現隱藏的關聯和趨勢。
• 空間規劃和城市設計: 在人工智慧技術支援空間規劃和都市設計方面，透過分析人口分佈、運輸網絡、使用者行為等數據，人工智慧系統可以提供關於城市發展、交通優化和設施佈局的建議，從而實現更有效和可持續的城市規劃。
• 地理遙測影像識別: 如前所述，人工智慧可以應用於地理影像的識別和解釋。例如，可以使用卷積神經網絡對衛星影像進行分析，自動識別土地利用類別、植被覆蓋等資訊。這對於環境監測、農業管理和資源管理等領域都具有重要意義。

透過人工智慧技術的應用，空間資訊的分析和應用能夠更加智慧化和高效率，為各個領域帶來了巨大的潛力和價值。然而，人工智慧技術為工程領域應用帶來顯著效益的同時，亦存在一些問題需要進一步釐清，例如:

• 資料品質: 人工智慧模型的訓練和性能取決於所使用的數據。如果數據品質不好、不完整或存在偏差，則可能導致人工智慧模型的性能下降或產生錯誤的預估。因此，如何有效獲取高質量且具有多樣性的數據是人工智慧技術中的重要挑戰之一。
• 模型選擇和調整: 在人工智慧技術中，選擇適合的模型架構和參數調整對於取得良好的性能至關重要。不同的問題和數據可能需要不同的模型和調整策略，因此，仍需具有必要的專業知識和經驗。
• 可擴展性: 隨著應用中的數據量和使用者數量增加，人工智慧系統需要具備良好的可擴展性。這包括適當的硬體設施、有效的分佈式計算和存儲方案，以確保系統能夠處理大規模數據和高並發的需求。
• 可解釋性和透明性: 對於一些關鍵應用，如醫療診斷或自動駕駛，人工智慧模型的決策過程需要具備可解釋性和透明性。這意味著需要能夠解釋模型為什麼做出某個決策，以便用戶和相關利益方能夠理解和信任模型的運作。然而，模型的運算，尤其是深度學習模型往往被視為是黑箱的演算程序。
• 資訊安全和隱私: 人工智慧系統處理和分析大量數據，其中可能包含敏感資訊。如何保護數據的安全性和隱私成為一個重要問題，需要適當的數據安全措施和隱私保護機制。

   諸如此類的挑戰需要在人工智慧與工程技術發展中得到適當的關注和應對，以展現可靠且負責任的工程社會責任。儘管如此，透過人工智慧技術的輔助，測量和空間資訊領域的產業鏈已展現出明確的未來發展趨勢:

• 智慧化測量: 隨著人工智慧中機器與深度學習的快速發展，測量將更加智慧化。自動化測量設備和智慧演算法的應用將提高測量的效率和精度，並減少人為錯誤。
• 3D測量和建模: 三維測量和建模將成為未來的重要發展方向。使用光達雷射掃描、無人機測量和遙感技術，可以獲取大量的三維地理數據，用於建立精確的數位地球模型和三維城市模型。
• 室內測量和定位技術: 室內測量和定位技術同樣被視為一個重要的發展方向。室內測量可提供室內環境的詳細地圖和空間資訊，從而支援室內導航、資產管理、安全監控等應用。室內定位技術將幫助需要在室內環境中準確定位和導航等應用。

• 高精度測量: 隨著技術的進步，測量儀器和演算方法的精度將不斷提高。使用全球定位系統、全球導航衛星系統、光達掃描等先進技術，可以實現高精度的測量和定位。
• 測量大數據: 測量業面臨著大數據時代的挑戰和機遇。隨著數據量的增加，測量將需要更多的數據處理和分析技術，以提取有價值的地理資訊。另一方面，透過現代測量技術可獲取的大量高品質數據，可滿足人工智慧模型訓練時的資料多樣性需求。
• 多源數據整合: 考量現代測量感測器與系統載具持續地多元發展，整合多源數據，包括衛星影像、無人機影像、光達雷射掃描、社交媒體數據等，將可提供更豐富、全面的地理資訊，並促進更準確的地圖製作和空間分析。以ArcGIS為例，作為一個多源數據的整合平台，可基於多元且多源的時空資料進行空間分析應用。更多說明可參考(https://www.youtube.com/watch?v=V08z5nk9KqU&t=107s)。

• 智慧監測分析與預警系統: 測量和空間資訊技術發展趨勢將越來越注重即時監測和智慧分析，透過快速瞭解地理現象的變化和趨勢以及時地做出決策。智慧分析技術的應用將幫助測量及空間資訊領域更好地理解和利用時空數據。例如，利用感測器和監測系統，可即時監測工程項目中的變量和風險因素，如結構變形、地下水位變化等。這可以幫助工程團隊及時發現問題並採取措施，減少損失和延誤。同時，亦可實現工程管理的節能減排和資源優化，實現能源效率改進、建築節能、廢棄物管理等應用，進而實現永續發展目標。

• 資訊共享和開放數據: 資訊共享和開放數據將成為測量和空間資訊領域的重要趨勢。透明的數據共享和開放標準將促進創新和協作，提高測繪資訊的可用性和可靠性。這種共享和開放的方式有助於實現跨領域整合，例如與城市規劃、交通管理、環境保護等領域進行更深入的合作。藉此，可更好地理解和應對複雜的城市和環境問題。

考慮到這些趨勢，測量和空間資訊領域將繼續迎接新技術的挑戰並推動創新。這將提高測量和空間資訊的準確性、效率和應用範圍，為各行業和社會帶來更多價值。隨著技術不斷進步和應用需求的變化，將出現更多創新和發展。例如，Google map中的最佳路徑規劃，在考量氣候變遷與減少碳排放的目標，進一步提出了結合人工智慧與空間資訊的環保路徑規劃模式。

為了實現聯合國永續發展目標(Sustainable Development Goals, SDGs)，如何在日常生活中減少碳排放更是值得關注的議題。儘管Google map路徑規劃中的最短距離路徑已可協助降低汽機車的碳排放量，然而Google發現，為了能減少阻塞於車陣中的時間，多數使用者會優先考量交通狀況來選擇路線後才再採用最短路徑。因此，考量到氣候變遷的影響規模與急迫，同時伴隨人工智慧機器學習以及路徑規劃技術的進步，近年Google map提出Eco-friendly路徑規劃模式。下圖呈現環保路徑規劃程序的示意圖。

Google map為使用者提供更環保和經濟的出行選擇。環保路徑規劃可根據車輛引擎類型，預估部分路線的燃油或能源效率，進而影響車輛的燃油/能源消耗和二氧化碳排放量。因此使用Google map尋找路線時，不僅可考慮即時車流量和路況等因素，更可納入能源效率的考量，進而協助使用者做出更明智的選擇。環保路徑不僅有助於降低個人和環境的成本，通過選擇適當的節能路線，不僅可減少燃油或能源的消耗，節省錢財，同時減少對有限的自然資源的需求。其次，這有助於減少二氧化碳和其他有害氣體的排放。從而降低城市的空氣污染程度，改善人們的生活品質。

參考文獻

• 姚大鈞. (2021). 公共工程全生命週期的風險管理. 土木水利, 48(3), 36-43. DOI: 10.6653/MoCICHE.202106_48(3).0005.
• Xu, S. (2021). Three-dimensional visualization algorithm simulation of construction management based on GIS and VR technology. Complexity, 2021, 1-13. DOI:1155/2021/6631999.
• Schrotter, G., & Hürzeler, C. (2020). The digital twin of the city of Zurich for urban planning. PFG–Journal of Photogrammetry, Remote Sensing and Geoinformation Science, 88(1), 99-112. DOI:1007/s41064-020-00092-2.
• Alaloul, W. S., Qureshi, A. H., Musarat, M. A., & Saad, S. (2021). Evolution of close-range detection and data acquisition technologies towards automation in construction progress monitoring. Journal of Building Engineering, 43, 102877. DOI: 1016/j.jobe.2021.102877.
• Fawzy, H. E. D. (2019). 3D laser scanning and close-range photogrammetry for buildings documentation: A hybrid technique towards a better accuracy. Alexandria Engineering Journal, 58(4), 1191-1204. DOI: 1016/j.aej.2019.10.003.
• Murtiyoso, A., Pellis, E., Grussenmeyer, P., Landes, T., & Masiero, A. (2022). Towards semantic photogrammetry: generating semantically rich point clouds from architectural close-range photogrammetry. Sensors, 22(3), 966. DOI: 3390/s22030966.
• Rachmawati, T. S. N., & Kim, S. (2022). Unmanned Aerial Vehicles (UAV) integration with digital technologies toward construction 4.0: A systematic literature review. Sustainability, 14(9), 5708. DOI: 3390/su14095708.
• Grieves, M., & Vickers, J. (2017). Digital twin: Mitigating unpredictable, undesirable emergent behavior in complex systems. Transdisciplinary perspectives on complex systems: New findings and approaches, 85-113. DOI: 1007/978-3-319-38756-7_4.
• Tao, F., Zhang, H., Liu, A., & Nee, A. Y. (2018). Digital twin in industry: State-of-the-art. IEEE Transactions on industrial informatics, 15(4), 2405-2415. DOI: 1109/TII.2018.2873186.
• Jiang, F., Ma, L., Broyd, T., & Chen, K. (2021). Digital twin and its implementations in the civil engineering sector. Automation in Construction, 130, 103838. DOI: 1016/j.autcon.2021.103838.
• Omer, M., Margetts, L., Hadi Mosleh, M., Hewitt, S., & Parwaiz, M. (2019). Use of gaming technology to bring bridge inspection to the office. Structure and Infrastructure Engineering, 15(10), 1292-1307. DOI: 11080/15732479.2019.1615962.

Xu, Y., & Turkan, Y. (2020). BrIM and UAS for bridge inspections and management. Engineering, Construction and Architectural Management, 27(3), 785-807. DOI: 10.1108/ECAM-12-2018-0556.