(English below)
Năm 1961, Văn phòng Trinh sát Quốc gia (NRO) được thành lập và được giao nhiệm vụ duy trì đội vệ tinh tình báo của Hoa Kỳ, mọi thứ từ hình thành bảng vẽ đến thu thập dữ liệu. Thông tin tình báo địa không gian thu thập được từ hạm đội này đã được cộng đồng tình báo Hoa Kỳ sử dụng (bốn cơ quan khác trong số ‘năm cơ quan lớn’ của Hoa Kỳ: Cơ quan Tình báo Trung ương, Cơ quan Tình báo Quốc phòng, Cơ quan An ninh Quốc gia và Cơ quan Tình báo Không gian Địa lý Quốc gia).

Việc thành lập NRO chỉ ra một sự thật hiển nhiên khi đó của Trí thông minh không gian địa lý (GeoINT): các chính phủ nắm giữ các phương tiện thu thập, tạo và phổ biến dữ liệu.

Hình ảnh GeoINT hiển thị dữ liệu độ sâu lũ LiDAR được phủ trên ảnh vệ tinh của New Orleans sau cơn bão Katrina. Hình ảnh được cung cấp bởi Penn State University, NOAA và ESA.

Việc tái cơ cấu các trách nhiệm gần đây cho thấy một sự thay đổi trong ý tưởng đó. Vào năm 2017, NRO đã tiếp nhận trách nhiệm thu thập hình ảnh từ Cơ quan Tình báo Không gian Địa lý Quốc gia (NGA). NGA vẫn chỉ định hình ảnh nào là cần thiết và NRO thu thập hình ảnh đó, nhưng hiện sử dụng Yêu cầu cung cấp thông tin (RFI) từ ngành trong việc theo đuổi đó.

Vào năm 2019, NRO đã trao các hợp đồng quan trọng cho Maxar, BlackSky và Planet nhằm nỗ lực hiểu rõ hơn về chất lượng, số lượng và các loại dữ liệu thương mại có sẵn. Khi các loại tương tác này giữa chính phủ Hoa Kỳ và các thực thể thương mại tiếp tục, cộng đồng tình báo sẽ tìm hiểu thêm về những khả năng thương mại tồn tại và lĩnh vực thương mại sẽ trau dồi hiểu biết về những hình ảnh và thông tin tình báo mà NRO có thể yêu cầu tiếp theo.

Điều này báo hiệu một sự thay đổi lớn từ GeoINT do chính phủ tạo sang dữ liệu và phân tích được sản xuất thương mại.

Tại sao lại thay đổi? Khi dữ liệu không gian, máy học và các khía cạnh khác của GeoINT đã phát triển trong lĩnh vực thương mại, chính phủ nhận thấy tiềm năng về dữ liệu vượt trội so với dữ liệu do các cơ quan chính phủ tạo ra.

Các công cụ phân tích trong các chương trình như Maxar’s SecureWatch (ảnh ở đây) cho phép người dùng thực hiện phân tích đa quang phổ về các sự kiện khác nhau, chẳng hạn như vụ phóng tên lửa thất bại này tại Cơ sở Không gian Semnan ở Iran vào năm 2019. Hình ảnh do Maxar cung cấp.

Đây không chỉ là một động lực cấp liên bang; các thành phố tự quản lập kế hoạch giao thông vận tải thành phố cung cấp một ví dụ rõ ràng về sự chuyển dịch từ tạo dữ liệu không gian địa lý công cộng sang tư nhân. Trước đây, khi một thành phố quyết định xây dựng những con đường mới hoặc sửa đổi một số khía cạnh của hệ thống giao thông của mình, một nhóm khảo sát bản đồ có thể đã ra ngoài để thu thập dữ liệu thô. Ngày nay, dữ liệu đó có thể sẽ đến từ kho dữ liệu không gian địa lý khổng lồ của một công ty tư nhân do người dùng tạo.

Các công ty như Strava Metro, một sản phẩm của ứng dụng theo dõi tập luyện Strava, sử dụng tổng hợp dữ liệu người dùng (đã loại bỏ số nhận dạng) để minh họa các tuyến đường đi bộ, chạy và đi xe đạp phổ biến qua các thành phố. Các vận động viên cá nhân có thể sử dụng dữ liệu này để tìm các tuyến đường mới (hoặc, trong thời đại của Covid, các tuyến đường tránh những vận động viên khác). Tuy nhiên, đối với các thành phố tự trị, dữ liệu này có thể được sử dụng để cung cấp thông tin tốt hơn cho các nỗ lực quy hoạch thành phố khi các làn đường dành cho xe đạp và các tuyến đường vui chơi giải trí mới đang được thực hiện. Dữ liệu từ Strava Metro đưa ra chi tiết cụ thể như cách mọi người đi xuống những con phố nhất định. Cyclomedia, một công ty Hà Lan cung cấp dữ liệu mức đường phố được tạo bằng LiDAR và các phương pháp hình ảnh truyền thống, có cách tiếp cận tương tự, tiếp thị thông tin của họ cho các công ty tiện ích.

Điều này cũng đúng với dữ liệu bắt nguồn từ các nỗ lực thương mại nhằm tự động hóa các phương tiện. Để 'dạy' những chiếc Cadillac lái xe tự động trên đường cao tốc, các khía cạnh như độ dốc của đường, phân định làn đường và các dữ liệu khác đã được thu thập bởi Ushr, Inc. Lái xe tự hành trong thành phố sẽ yêu cầu trang bị cho xe hạng sang các thiết bị LiDAR cồng kềnh, vi phạm các nguyên tắc thẩm mỹ của Cadillac , nhưng xe buýt thành phố có nhiều tự do hơn về mặt đó. Dữ liệu mà Ushr tạo ra rất có thể được sử dụng để phục vụ cho việc chế tạo một đội xe thành phố tự trị.

Trong môi trường thành phố ngày càng phong phú với người đi bộ hoạt động, xe tự hành và một lượng lớn GeoINT được gắn thẻ địa lý do người dùng tạo, có vẻ như ngày càng có nhiều khả năng các nhà lập kế hoạch ở mọi cấp chính quyền sẽ chuyển sang sử dụng dữ liệu và dịch vụ do tư nhân tạo ra để tiếp tục xây dựng các thành phố và cộng đồng của tương lai.

------

GEOSPATIAL INTELLIGENCE FOR ALL 
In 1961, the National Reconnaissance Office (NRO) was established and tasked with maintaining the United States’ intelligence satellite fleet, everything from drawing-board conception to data collection. The geospatial intelligence gleaned from this fleet has been used by the US’s intelligence community (the other four of the US’s ‘big five’ agencies: The Central Intelligence Agency, Defense Intelligence Agency, National Security Agency, and National Geospatial-Intelligence Agency).

The establishment of the NRO pointed to a then-obvious fact of Geospatial Intelligence (GeoINT): governments held the means of data collection, creation, and dissemination.

GeoINT image showing LiDAR flood depth data overlaid on a satellite image of New Orleans following Hurricane Katrina. Image courtesy of Penn State University, NOAA, and ESA.

A recent restructuring of responsibilities indicates a shift in that idea. In 2017, the NRO took over responsibility for imagery acquisition from the National Geospatial Intelligence Agency (NGA). The NGA still dictates what imagery is needed, and the NRO collects it, but now utilizes Requests for Information (RFIs) from industry in that pursuit.

In 2019, the NRO awarded significant contracts to Maxar, BlackSky, and Planet in an effort to better understand the quality, quantity, and kinds of available commercial data. As these kinds of interactions between the US government and commercial entities continue, the intelligence community will learn more about what commercial capabilities exist and the commercial sector will hone its understanding of what imagery and intelligence the NRO might require next.

This signals a sea-change from government-generated GeoINT to commercially produced data and analytics.

Why the shift, though? As spatial data, machine-learning, and other aspects of GeoINT have grown in the commercial sector, the government sees potential for data superior to that generated by government departments.

Analysis tools in programs like Maxar’s SecureWatch (pictured here) enable users to perform multi-spectral analysis of different events, like this failed missile launch at           Semnan Space Facility in Iran in 2019. Image courtesy of Maxar.

This isn’t just a federal-level dynamic; municipalities working on city transportation plans provide a clear example of the shift from public to private geospatial data generation. In the past, when a city decided to build new roads or modify some aspect of its transportation system, a mapping survey team might have gone out to collect raw data. Today, that data will likely come from a private company’s vast stores of user-generated geospatial data.

Companies like Strava Metro, a product of workout tracking app Strava, use aggregates of user data (stripped of identifiers) to illustrate popular walking, running, and biking routes through cities. Individual athletes can use this data to find new routes (or, in the age of Covid, routes that avoid others runners). In the hands of municipalities, however, this data can be used to better inform city planning efforts when new bike lanes and recreation loops are being worked on. Data from Strava Metro gets into as granular of details as which way people travel down certain streets. Cyclomedia, a Dutch company providing street-level data created with LiDAR and traditional imaging methods, takes a similar approach, marketing their information to utility companies.

The same is true for data originating from commercial efforts to automate vehicles. To ‘teach’ Cadillacs to drive autonomously on highways, aspects like slope of road, lane delineations, and other data were collected by Ushr, Inc. In-city autonomous driving would require equipping luxury vehicles with cumbersome LiDAR devices, which violate Cadillac’s aesthetic principles, but city busses have more freedom in that regard. The data Ushr generated could very well be used in service of making a fleet of city vehicles autonomous.

In city environments increasingly rich with active pedestrians, autonomous vehicles, and an enormous amount of user-generated geo-tagged GeoINT, it seems more and more likely that planners at every level of government will wind up turning to privately-created data and services to continue building the cities and communities of the future.

Geolink tổng hợp từ Geospatial