528.4

Цель исследования состоит в разработке методического подхода к применению технологий искусственного интеллекта в анализе пространственных данных для задач кадастровой, землеустроительной и градостроительной деятельности. Подход основан на представлении анализа пространственных данных как формализованного аналитического процесса, включающего формирование аналитического проекта, анализ задачи, формирование алгоритма анализа, выполнение анализа и интерпретацию результатов. Авторским результатом исследования является определение места интеллектуальных компонентов в структуре аналитического процесса и выделение трех направлений применения больших языковых моделей: создание или редактирование метода анализа, формирование алгоритма анализа на основе доступных методов и анализ данных в рамках отдельного метода. Новизна предложенного подхода связана с включением этих возможностей в единый формализованный процесс анализа пространственных данных с сохранением экспертной проверки результатов. Подход апробирован в прототипе сервиса анализа пространственных данных. Апробация показала техническую реализуемость последовательного выполнения методов, передачи результатов между действиями и включения интеллектуальных компонентов в аналитический процесс.

This study develops a methodological approach for incorporating artificial intelligence into spatial data analysis in cadastral, land management and urban planning practice. Rather than treating AI as a stand-alone analytical tool, the proposed approach places intelligent components within a formalized process that starts with an analytical task and continues through method selection, algorithm construction, execution and interpretation. The authors distinguish three practical roles for large language models: drafting or editing an individual analysis method, constructing a draft analysis algorithm from available methods, and processing prepared data within a dedicated method. This distinction represents the main contribution of the study and makes it possible to separate support for method design from support for workflow construction and direct data processing. The approach was tested in a prototype spatial data analysis service. The prototype confirmed the technical feasibility of executing linked methods, transferring intermediate results and embedding intelligent components in the analytical process.

доктор технических наук, доцент, профессор кафедры землеустройства и кадастров факультета управлениятерриториями, Московский государственный университет геодезии и картографии

преподаватель кафедры землеустройства и кадастров факультета управления территориями, Московский государственный университет геодезии и картографии

Мансурова С.Б. Технологии машинного обучения и мультимодальные подходы в области оценки имущества // Yashil iqtisodiyot va taraqqiyot. 2025. Т. 3. №6. С. 1682-1690. DOI: 10.5281/zenodo.16879922.

Власова Е.Л., Власова М.Л., Боровикова Н.В., Карелин Д.В. Искусственный интеллект в архитектурно-градостроительном проектировании // Architecture and Modern Information Technologies. 2023. №4(65). С. 311-324. DOI: 10.24412/1998-4839- 2023-4-311-324.

Синица Ю.С., Бородина О.Б., Жданова Р.В., Ковалевская Г.В., Колбнева Е.Ю. Обзор российской и зарубежной практики внедрения искусственного интеллекта в кадастровое обеспечение управления земельными ресурсами // Экономические науки. 2025. №4(245). С. 429-433. DOI: 10.14451/1.245.429.

Атаманов С.А., Григорьев С.А., Илюшина Т.В., Литвиненко М.В., Сизов А.П. Новые тренды и технологии в научной специальности 1.6.15. Землеустройство, кадастр и мониторинг земель // Вестник СГУГиТ. 2024. Т. 29. №6. С. 106-119. DOI: 10.33764/2411-1759-2024-29-6-106-119.

Карамышева Н.С., Зинкин С.А. Взаимодействие когнитивных и реактивных агентов в интеллектуальной вычислительной системе: операционная семантика // Известия Юго-Западного государственного университета. 2024. Т. 28. №4. С. 138-153. DOI: 10.21869/2223-1560-2024-28-4-138-153.

Grzelka K., Pargiela K., Jasinska A., Warchol A., Bydlosz J. Registration of Objects for 3D Cadastre: An Integrated Approach. Land. 2024. V. 13. No. 12. Art. 2070. DOI: 10.3390/land13122070.

Potsiou C., Doulamis N., Bakalos N., Gkeli M., Ioannidis C., Markouizou S. A Prototype Machine Learning Tool Aiming to Support 3D Crowdsourced Cadastral Surveying of Self-Made Cities. Land. 2023. V. 12. No. 1. Art. 8. DOI: 10.3390/land12010008.

Sun J., Paasch J. M., Paulsson J., Tarandi V., Harrie L. A BIM-based approach to design a lifecycle 3D property formation process: A Swedish case study. Land Use Policy. 2023. V. 131. Art. 106712. DOI: 10.1016/j.landusepol.2023.106712.

Li Z., Ning H. Autonomous GIS: the next-generation AI-powered GIS. International Journal of Digital Earth. 2023. V. 16. No. 2. Pp. 4668-4686. DOI: 10.1080/17538947.2023.2278895.

Zhang Y., Wei C., He Z., Yu W. GeoGPT: An assistant for understanding and processing geospatial tasks. International Journal of Applied Earth Observation and Geoinformation. 2024. V. 131. Art. 103976. DOI: 10.1016/j.jag.2024.103976.

Zhang Y., Li J., Wang Z., He Z., Guan Q., Lin J., Yu W. Geospatial large language model trained with a simulated environment for generating tool-use chains autonomously. International Journal of Applied Earth Observation and Geoinformation. 2025. V. 136. Art. 104312. DOI: 10.1016/j.jag.2024.104312.

Zhang Q., Gao S., Wei C., Zhao Y., Nie Y., Chen Z., Chen S., Su Y., Sun H. GeoAnalystBench: A GeoAI Benchmark for Assessing Large Language Models for Spatial Analysis Workflow and Code Generation. Transactions in GIS. 2025. V. 29. No. 7. Art. e70135. DOI: 10.1111/tgis.70135.

Jiang Y., Yang C. Is ChatGPT a Good Geospatial Data Analyst? Exploring the Integration of Natural Language into Structured Query Language within a Spatial Database. ISPRS International Journal of Geo-Information. 2024. V. 13. No. 1. Art. 26. DOI: 10.3390/ijgi13010026.

Mansourian A., Oucheikh R. ChatGeoAI: Enabling Geospatial Analysis for Public through Natural Language, with Large Language Models. ISPRS International Journal of Geo-Information. 2024. V. 13. No. 10. Art. 348. DOI: 10.3390/ijgi13100348.

Wei C., Zhang Y., Zhao X., Zeng Z., Wang Z., Lin J., Guan Q., Yu W. GeoTool-GPT: a trainable method for facilitating Large Language Models to master GIS tools. International Journal of Geographical Information Science. 2025. V. 39. No. 4. Pp. 707-731. DOI: 10.1080/13658816.2024.2438937.