时空智能体可视化方案和实践

在人工智能浪潮的推动下，智能体应用正迎来一个爆发期，对话式的交互页面开始重新定义传统交互方式。在时空数据领域，AI 驱动的时空智能体应用正在重塑传统地图应用。地图产品模式开始从以 地图为中心承载时空信息服务 的模式，向 以服务为中心生成式地图应用 模式转变。

AI 驱动的时空智能应用称为时空智能体，时空智能体利用 AI 大模型技术，实现了对时空数据的理解与高效管理，可以应用在交通出行、城市管理、商业智能、物流配送和个人助手等多个领域，为用户提供更加智能、便捷和个性化的服务。时空智能体大大降低地理数据处理、分析、可视化的门槛，非专业领域用户通过时空智能体也能够做到精准分析，高效决策。

时空智能体应用时代， 地图应用开发需要哪些能力？AntV 数据可视化团队结合支付宝推出的 AI 生活管家 APP “支小宝” 中的时空场景智能体进行了相关探索和实践，并提供了时空智能体可视化解决方案。

时空智能体 VS 传统时空智能体用

传统时空智能应用

地图是主要提供时空信息服务的，用户在地图上面进行各种操作，这些操作一般都是固定的，有清晰的流程，并以统一的方式展示结果。常见的地图应用，比如美食地图、酒店、租房场景等，都是这样的操作方式。传统时空智能应用受限于个体的专业化水平，时空数据使用门槛比较高，应用效率比较低。

在旅游场景 ：当我们制作一个行程规划时，需要综合搜集很多信息，传统应用这些是信息分散，需要多 APP 、小程序搜集、筛选、辨别有效信息，非常费时费力，影响游玩体验，大家常见的操作是先去小红书查询一些攻略，看一下大家的玩法，然后打开个地图应用查询景点的位置分布，然后再去酒店软件查询合适位置的合适价位的酒店，再接着需要选一下火车票飞机票，最后可能我们还需要路书软件制作行程地图分享给队友

数据分析场景 ：行业数据分析领域一般有自己领域的分析工具，使用这些工具需要具备专家经验，按照固定流程操作才能得到合适的分析结果。

时空智能体应用

AI 驱动以为服务中心生成式地图，AI 理解用户需求，按需为用户输出智能化、个性化的信息服务，以地图来展示结果。相比传统应用需要借助地图进行分析操作，用户只需要描述需求，AI 完成数据操作，输出可视化结果。时空智能还可以集成多种服务，灵活的调度相关服务，一站式满足用户需求。

时空智能体-地图交互新需求

时空智能体交互模式和服务模式的改变，地图交互和可视化的方式也发生了改变，传统全屏的地图的交互模式不能满足对话式交模式下轻量化、个性化、智能化的需求。 挑战

• 智能化 ：智能体能够支持多模态的数据输入，智能化理解意图、完成数据的分析，服务的生成，地图也需要能够灵活的展现这些数据或服务。
• 个性化 ：用户需求的多样性，智能体个性化输出，地图交互也需要满足个性化的展示需求。
• 轻量化 ：对话式交互一般是以卡片展现服务信息为主，不需要复杂的地图交互，同时一张卡片会存在多张地图，卡片会根据用户动态生成更新，地图需要满足轻量，高性能，资源占用少。

时空场景智能体可视化解决方案

对话式的交

围绕时空场景智能体应用对地图研发智能化、个性化、轻量化的需求，我们将基础大模型与通用地理数据服务，地理数据处理工具，可视化引擎等时空数据相结合，提供了面向大模型的 文生地图、个性化地图、静态地图、交互地图组件 等方案，来提升智能体应用的研发效率。 能、支持多轮输出，支持多端兼容能力，响应速度快。

文生地图方案

文生地图方案借助 AI 能力将文本自动生成地图可视化表达，地图一般涉及地名到经纬度信息的转换和地图可视化两个关键步骤，完成这个操作要具备专业技能，然后借助大模型的能力使这个操作的变得更加简单，不在有门槛限制。文生地图方案主要能够解决一下两个方向的问题：

• 时空信息以非结构化文本存在，传统方法很难将非结构化信息转成结构化的信息。

• 大模型输出以文本为主，信息展示不够直观，特别是地理位置相关信息，很难清晰有效表达。

技术方案

大模型能够自动提取文本的地理信息，并能够自动调用地理编码工具实现地名到经纬度的转换，最后实现可视化。同样，如果用户输入的链接，可自动调用网页信息获取工具，提取网页中的文本地名信息。

应用案例

本案例是用户输入一个旅游攻略相关的微信公众号链接， 她来了！跟着追！西湖真香地图收好 ，大模型能够自动完成地理信息提取和可视化。

个性化地图方案

地图可视化表达是一种直观且美观的展示方式，广泛应用于出行、办公和日常生活等场景中。各种类型的地图，如旅行攻略地图、家居装饰地图和美食地图等，都是地图作为信息载体的典型应用。用户对地图提出了美观性和个性化的需求，因此地图不仅要直观地展示信息，还要具有与众不同的特色。

技术方案

除了借助 AI 完成个性化地图生成的链路，我们还提供了个性地图绘制引擎，引擎以丰富的可视化能力主要特色，支持多源数据加载，自定义地图标注样式，服务端渲染等能力。

效果案例

静态地图方案

交互地图需要大量数据和内存，同时也会消耗计算资源，因此大多数应用只会展示一个例子。在智能应用中，地图会按需出现在对话框中，一个卡片可能需要多个地图，这会导致交互地图模式资源消耗过大。静态地图则能满足这种需求，同时有良好的性能。

技术方案

为满足各种场景的静态地图输出需求，我们提供多种方案。其中包括服务端地图渲染方案、前端地图渲染方案，以及针对复杂场景的服务截图方案，可生成静态地图。

效果案例

地图交互组件方案

静态地图可以部分满足地图展示需求，但是在需要精确位置信息的场景中，交互地图效果更好，与传统场景不同智能体交互地图侧重信息展示，且移动端交互优化，不需要太多交互操作。同时组件输入需要适应大模型，信息结构要简单可以提升大模型的输出速度和准确性。

技术方案

• 统一Spec 定义

简单简洁的数据定义，默认好看的地图样式。

[{ label: '杨梅岭', longitude: 120.118362, latitude: 30.217175 },{ label: '理安寺', longitude: 120.112958, latitude: 30.207319 },{ label: '九溪烟树', longitude: 120.11335, latitude: 30.202395 },{ label: '飞来峰', longitude: 120.100549, latitude: 30.236875 },{ label: '灵隐寺', longitude: 120.101406, latitude: 30.240826 },{ label: '天竺三寺', longitude: 120.105337, latitude: 30.236818 },{ label: '杭州植物园', longitude: 120.116979, latitude: 30.252876 }]

• 基础组件

目前提供了5 种移动端友好的交互地图组件：点标注图、路径地图、聚合地图、热力图、弧线地图

• 大模型调用

提供对话式大模型接入组件，一键接入所有的地图组件，大模型只需要按照标准格式输出，既可完成可视化展示。

const CodeComponent = withChartCode({  components: [{ [ChartType.PathMap]: PathMap }],});

大模型接入前端组件

~~~vis-chart  {  "type": "path-map",  "data": [    {      "path": {        "points": [          {            "longitude": 120.130638,            "latitude": 30.219835,            "label": "石屋洞"          },          {            "longitude": 120.128125,            "latitude": 30.219386,            "label": "满觉陇"          },          {            "longitude": 120.118362,            "latitude": 30.217175,            "label": "杨梅岭"          },          {            "longitude": 120.112958,            "latitude": 30.207319,            "label": "理安寺"          },          {            "longitude": 120.11335,            "latitude": 30.202395,            "label": "九溪烟树"          }        ]      },      "markers": [        {          "longitude": 120.130638,          "latitude": 30.219835,          "label": "石屋洞"




    
        },        {          "longitude": 120.128125,          "latitude": 30.219386,          "label": "满觉陇"        },        {          "longitude": 120.118362,          "latitude": 30.217175,          "label": "杨梅岭"        },        {          "longitude": 120.112958,          "latitude": 30.207319,          "label": "理安寺"        },        {          "longitude": 120.11335,          "latitude": 30.202395,          "label": "九溪烟树"        }      ]    },  ]}~~~`;

大模型输出 MarkDown 语法

结语

时空智能体相关的方向刚刚起步，未来还有很多发展空间，围绕时空数据、时空数据分析，地图生成几个方向还需要我们持续探索，真正让 AI 降低时空数据应用门槛，释放时空数据的价值。

全域时空数据智能体 ：基于 AI 的时空数据理解，实现自然语言交互万能充多源数据管理、分析、应用降低数据的管理和应用成本，打通不同数据之间应用的鸿沟。

行业领域数据分析智能体 ：基于 AI 重塑行业地理分析工具，不需要专业的数据分析也可以完成领域数据分析任务。如交通出行、商业选址，城市规则，自然资源等领域降低工具使用门槛，提升数据分析效率。

面向 C 端用户的智能体 ：基于 AI 技术为用户提供基于时空数据的生活服务推荐，提升用户的生活质量和效率。在用户出行、旅游，工作、生活等场景提供智能化的服务。

附录

AntV 发布详情

• 主文
• 智慧 · 智绘 AntV 2024 年度发布 ^[1]
• 技术专文
• G：性能提升，架构演进挑战 ^[2]
• S2：单元格，看世界 ^[3]
• F2：个性化，智能化 ^[4]
• G6：图展新颜，定制随心 ^[5]
• Ant Design Charts：图归于简，专注业务 ^[6]
• AVA：拥抱模型，智能化更进一步 ^[7]
• GPT-VIS：让模型栩栩如生 ^[8]
• 时空智能体可视化方案和实践 ^[9]
• 学海无涯
• 《 图可视分析解决方案白皮书 ^[10] 》
• 《 可视化入门：从 0 到 1 开发一个图表库 ^[11] 》
• 《 增强分析白皮书——洞察展现篇 ^[12] 》
• 《 地理可视化解决方案白皮书 ^[13] 》
• 《 可视化课程：让数据栩栩如生 ^[14] 》

历史上的 AntV

• 2017： 开源 · 开放 ^[15]
• 2018： 知心 · 知新 ^[16]
• 2019： 知源 · 致远 ^[17]
• 2020： 利业 · 立业 ^[18]
• 2021： 格物 · 革悟 ^[19]
• 2022： 远方 · 远芳 ^[20]
• 2023： 初心 · 出新 ^[21]
• 2024： 智慧 · 智绘 ^[22]

AntV 开源项目

欢迎关注我们的 GitHub 项目，点亮 star 了解我们的实时动态，期待 PR：

• AntV 官网 ： https://antv.antgroup.com/ ^[23]
• G ： https://github.com/antvis/g ^[24] - 灵活的可视化渲染引擎，是 AntV 几个产品共同的底层 2D 渲染引擎。
• G2 ： https://github.com/antvis/g2 ^[25] - 简洁的渐进式可视化语法，用于报表搭建、数据探索以及可视化叙事。
• S2 ： https://github.com/antvis/s2 ^[26] - 开箱即用的多维可视分析表格。
• F2 ： https://github.com/antvis/f2 ^[27] - 快速、灵活的移动可视化引擎。
• G6 ： https://github.com/antvis/g6 ^[28] - 强分析、高性能、易扩展的图可视分析引擎。
• X6 ： https://github.com/antvis/x6 ^[29] - 基于 HTML 和 SVG 的图编辑引擎，提供低成本的定制能力和开箱即用的内置扩展。
• L7 ： https://github.com/antvis/l7 ^[30] - 基于 WebGL 的大规模地理空间数据可视化引擎。
• AVA ： https://github.com/antvis/AVA ^[31] - 智能可视分析框架。
• Ant Design Charts： https://github.com/ant-design/ant-design-charts