اندازه گیری کامل بودن ردپای ساختمان در OpenStreetMap در مکان و زمان

چکیده

به دلیل محدودیت‌های مالی یا اداری، دسترسی به داده‌های پایگاه فضایی رسمی در حال حاضر محدود به زیرمجموعه کوچکی از همه کاربران بالقوه در زمینه برنامه‌ریزی و تحقیقات فضایی است. این کار سودمندی اطلاعات جغرافیایی داوطلبانه (VGI)، به ویژه OpenStreetMap (OSM)، به عنوان مجموعه داده های تکمیلی یا در برخی موارد، منابع جایگزین داده های اولیه را افزایش می دهد. برخلاف شبکه خیابانی OSM، که قبلاً به طور کامل بررسی شده و مشخص شده است که در بسیاری از مناطق عملاً کامل است، درجه کامل بودن داده‌های OSM در ساختمان‌ها هنوز نامشخص است. در این مقاله روش‌هایی را برای تجزیه و تحلیل کامل بودن ساختمان و اعمال آن‌ها در مناطق مختلف آزمایشی در آلمان شرح می‌دهیم. داده های رسمی از آژانس های نقشه برداری و کاداستر ملی به عنوان مبنایی برای مقایسه استفاده می شود. نتایج نشان می‌دهد که اندازه‌گیری‌های کامل بودن مبتنی بر واحد (به عنوان مثال، تعداد کل یا مساحت ساختمان‌ها) نسبت به تفاوت‌های مدل‌سازی بین داده‌های رسمی و VGI بسیار حساس هستند. بنابراین، ما روش‌های مبتنی بر شی را برای مطالعه کامل داده‌های ردپای ساختمان OSM توصیه می‌کنیم. تجزیه و تحلیل نوامبر 2011 در آلمان نشان داد که کامل بودن 25 درصد در ایالت های فدرال نوردراین-وستفالن و 15 درصد در زاکسن. اگرچه تجزیه و تحلیل های بیشتر از سال 2012 تأیید می کند که کامل بودن داده ها در زاکسن به 23 درصد رسیده است، نرخ ورودی داده های جدید در سال 2012 کاهش یافته است. تجزیه و تحلیل نوامبر 2011 در آلمان نشان داد که کامل بودن 25 درصد در ایالت های فدرال نوردراین-وستفالن و 15 درصد در زاکسن. اگرچه تجزیه و تحلیل های بیشتر از سال 2012 تأیید می کند که کامل بودن داده ها در زاکسن به 23 درصد رسیده است، نرخ ورودی داده های جدید در سال 2012 کاهش یافته است. تجزیه و تحلیل نوامبر 2011 در آلمان نشان داد که کامل بودن 25 درصد در ایالت های فدرال نوردراین-وستفالن و 15 درصد در زاکسن. اگرچه تجزیه و تحلیل های بیشتر از سال 2012 تأیید می کند که کامل بودن داده ها در زاکسن به 23 درصد رسیده است، نرخ ورودی داده های جدید در سال 2012 کاهش یافته است.

کلید واژه ها:

OpenStreetMap ; داده های ساختمان ؛ اطلاعات جغرافیایی داوطلبانه (VGI) ; کامل بودن ؛ مقایسه کمی

1. مقدمه

1.1. انگیزه

راه اندازی پروژه OpenStreetMap (OSM) در سال 2004 نشانگر رویکرد جدیدی برای جمع آوری و استفاده از داده های جغرافیایی است. این پروژه با گسترش روزافزون دستگاه‌های GPS در میان کاربران خصوصی و در دسترس بودن خدمات نقشه‌برداری مبتنی بر وب که عکس‌های ارتو با وضوح بالا را ارائه می‌دهند، ممکن شده است. همه داده‌ها تحت یک مجوز رایگان و باز ارائه می‌شوند – مجوز سابق Creative Commons Share Alike (CC-BY-SA)، امروز مجوز پایگاه داده باز (ODbL) – که به طور کلی این داده‌ها را به راحتی در دسترس و قابل استفاده می‌کند. سازمان‌ها باید هنگام اختلاط داده‌های OSM با مجموعه داده‌های تجاری از جنبه‌های قانونی آگاه باشند. در حالی که کارهایی که از داده‌های OSM تولید می‌شوند، مانند نقشه‌های کاغذی یا mashup‌ها، اکنون می‌توانند انتظار داشته باشند که از محافظت کامل از حق نسخه‌برداری برخوردار شوند، پایگاه‌های داده جغرافیایی که از OSM مشتق شده‌اند باید تحت ODbL دوباره منتشر شوند و بنابراین، هر بهبودی که مستقیماً در مجموعه داده OSM انجام شود باید به پروژه بازخورد داده شود. با این وجود، افزایش سطح کامل بودن و به‌روزرسانی مکرر داده‌های OSM، ارزش بالقوه آن را برای برنامه‌های کاربردی متنوع افزایش می‌دهد. یکی از جذابیت های مهم برای بسیاری از کاربران بالقوه، پس انداز مالی است که پروژه OSM ارائه می دهد. بنابراین، علاقه به داده های OSM نه تنها در بخش خصوصی، بلکه در بین آژانس های فدرال و منطقه ای، بخش تجاری و همچنین موسسات تحقیقاتی در حال افزایش است.

یکی از زمینه های بالقوه کاربرد داده های OSM در علوم فضایی است. در پس زمینه تغییرات جمعیتی، حفاظت از آب و هوا و منابع کمیاب، اطمینان از توسعه پایدار ساختارهای سکونتگاهی بسیار مهم است. به منظور تحقق اهداف سیاسی افزایش پایداری (به عنوان مثال، به حداقل رساندن مصرف زمین، تشویق توسعه پر، کاهش انتشار CO ₂ ، و رسیدن به اهداف برای آلودگی صوتی و هوا)، داده هایی مورد نیاز است که محیط ساخته شده، به ویژه ساختار مورفولوژیکی را توصیف کند. سکونتگاه های انسانی با درجه تفکیک پذیری کافی.

در کنار زیرساخت‌ها، ساختمان‌ها یکی از مهم‌ترین عناصر کالبدی سکونتگاه‌ها را تشکیل می‌دهند که ساختار مورفولوژیکی، عملکردی و اجتماعی-اقتصادی (نوع و شکل، کاربری زمین، الگوهای جمعیت، نیازهای انرژی و غیره ) را تعیین می‌کنند.). در حال حاضر کمبود شدید داده‌های مرتبط برای توصیف موجودی مسکن وجود دارد، مانند ساختار آن (به عنوان مثال، عملکرد، سن، اندازه، شکل، آرایش فیزیکی، یا ترکیب مواد)، پارامترهای استفاده (به عنوان مثال، تعداد خانوارها و جمعیت ساکن، مصرف انرژی)، و دینامیک (به عنوان مثال، تخریب، ساخت و ساز جدید، تبدیل، نوسازی). مجموعه داده‌های تولید شده توسط آژانس‌های نقشه‌برداری ملی اغلب فاقد سطح جزئیات مورد نیاز برای پاسخ به همه سؤالات در علوم فضایی هستند. عواملی که می تواند مانع جمع آوری داده ها شود، منابع مالی ناچیز، محدودیت های اداری و در برخی موارد، قوانین سختگیرانه در مورد حفظ حریم خصوصی داده ها است.

رویکردهای خودکار توسط محققان فضایی برای تلاش برای حل این مشکل با استفاده از داده های پایه جغرافیایی یا تصاویر سنجش از دور برای به دست آوردن اطلاعات دقیق در مورد ساختار سکونتگاه ها توسعه می یابد [ 1 ، 2 ]. به عنوان مثال، سیستم SEMENTA® ⁽ تحلیل کننده سکونت) توسعه یافته در موسسه توسعه شهری و منطقه ای اکولوژیکی لایبنیتس می تواند برای تجزیه و تحلیل مورفولوژی انبار ساختمان و همچنین محاسبه شاخص های مختلف توصیف کننده محیط ساخته شده مانند تراکم ساختمان، پوشش ساختمان استفاده شود. نسبت، نسبت به مساحت، و مسکن یا تراکم جمعیت در سطح بلوک شهری، با داده‌های حاصل در یک GIS [ 1 ]]. در نظر گرفته شده است که نتایج را به صورت رایگان در چارچوب یک سیستم اطلاعاتی مبتنی بر وب برای نظارت بر استفاده از زمین در آلمان ( www.ioer-monitor.de ) در دسترس قرار دهد [ 3 ]. داده‌های ورودی اولیه به شکل ردپای ساختمان است که از داده‌های توپوگرافی دیجیتال ثبت‌های زمین کاداستر (در آلمان: ALK، ALKIS ^® ) یا بررسی‌های توپوگرافی ملی (در آلمان: ATKIS ^® Base DLM) گرفته شده است.

طیف گسترده ای از داده های مکانی در دسترس است، اما دسترسی به داده ها به دلیل هزینه های بالا محدود است. بنابراین، داده‌های پایگاه فضایی توپوگرافی دقیق ساختمان‌ها در حال حاضر تنها برای گروه محدودی از تمام کاربران بالقوه در زمینه برنامه‌ریزی و تحقیقات فضایی که ممکن است مایل به استفاده از آن باشند، در دسترس است. بنابراین، یک سوال جالب بررسی میزان مناسب بودن داده های ساختمانی رایگان و تولید شده توسط کاربر OSM به عنوان داده های ورودی برای تجزیه و تحلیل خودکار ساختار حل و فصل است. هدف این مطالعه تجربی اندازه‌گیری کامل بودن داده‌های OSM در ساختمان‌ها با مقایسه آن با داده‌های بررسی رسمی برای مناطق مورد مطالعه نماینده منتخب است. تمرکز این مطالعه بر کامل بودن هندسی است زیرا گمان می رود که ثبت اطلاعات معنایی ساختمان های OSM حتی ناقص تر از هندسه باشد.4 ].

1.2. کار مرتبط

اندازه گیری کیفیت داده های مکانی چندگانه است. دستورالعمل‌های مشخصات کیفیت داده‌ها موضوع سازمان‌های استاندارد بین‌المللی مانند ISO/TC 211 است. طبق استاندارد ISO 19157 (یا 19113)، کیفیت داده‌ها شامل عناصر مختلفی است (به عنوان مثال، دقت، وضوح داده‌ها، یکپارچگی، سازگاری منطقی یا کامل). کامل بودن، وجود یا عدم وجود ویژگی ها، ویژگی ها و روابط آنها را توصیف می کند [ 5]. برای اندازه‌گیری کامل بودن اطلاعات جغرافیایی داوطلبانه (VGI)، معمولاً عدم وجود ویژگی‌ها (که به عنوان خطای حذف نیز شناخته می‌شود) با مجموعه داده مرجع مقایسه می‌شود. در اینجا، بسته به نوع ویژگی (نقطه، خط، چند ضلعی) می توان روش های مختلفی را اعمال کرد. یک روش بسیار رایج، محاسبه تعداد کل (ویژگی های نقطه)، طول کل (ویژگی های خط)، یا مساحت کل (ویژگی های چندضلعی) همه اشیاء در یک ناحیه تعریف شده و مقایسه آن با مجموعه داده های مرجع است.

مطالعات قبلی در مورد کیفیت داده های OSM تا حد زیادی بر کامل بودن شبکه جاده ها متمرکز شده است. در اینجا، تحقیق در مورد کامل بودن داده ها توسط Zielstra و Zipf [ 6 ] و Ludwig و همکاران. [ 7 ] در آلمان، توسط Haklay [ 8 ] در انگلستان، و توسط Zielstra و Hochmair [ 9 ] در ایالات متحده آمریکا، به نتایج مشابهی رسیده‌اند. صرف نظر از انتخاب مجموعه داده مرجع – TeleAtlas (امروز: TomTom) برای Zielstra و Zipf، NAVTEQ برای Ludwig و همکاران. [ 7]، بررسی مهمات برای Haklay، TIGER و TeleAtlas برای Zielstra و Hochmair – می توان نشان داد که شبکه جاده در مناطق مورد بررسی با درجه بالایی از کامل بودن نشان داده شده است. به عنوان مثال، Zielstra و Zipf گزارش می دهند که در ابتدای سال 2010 طول کل شبکه جاده ای که از داده های OSM محاسبه می شود تنها 7٪ با رقم ارائه شده توسط ارائه دهنده داده های ناوبری TeleAtlas متفاوت است. علاوه بر این، طول کل جاده نشان داده شده توسط داده های OSM در طول زمان افزایش می یابد. در مقایسه با ماهیت پراکنده مجموعه داده ها برای شهرهای کوچک و جوامع روستایی، می توان یک روند واضح به سمت سطح بالایی از کامل بودن در شهرهای بزرگ تشخیص داد. در برخی موارد، داده های OSM برای مناطق شهری حاوی اطلاعات بیشتری نسبت به مجموعه داده های مرجع است. کورکوران و همکاران [ 10] شناسایی کرد که، علاوه بر عوامل جمعیتی، این پدیده ممکن است با ماهیت رشد شبکه خیابانی OSM توضیح داده شود، که توسط فرآیندهای فضایی یک اکتشاف اولیه و متراکم شدن بعدی مناطق بدون نقشه اداره می شود. نیس و همکاران همبستگی بالایی بین تراکم جمعیت و کامل بودن داده ها را تایید می کند [ 11 ]. علاوه بر این، با مقایسه مجموعه‌های داده طی چند سال (2007-2011)، مشخص می‌شود که شکاف‌های کمی بین مجموعه داده‌های مرجع مختلف و داده‌های OSM بسیار کمتر قابل توجه است.

برخی از یافته های لودویگ و همکاران. [ 7 ]، و Amelunxen [ 12 ]، در مورد دقت موقعیتی داده های OSM نیز باید در این زمینه ذکر شود. لودویگ و همکاران [ 7 ]، مشخص کرده اند که 73٪ از تمام اشیاء خیابانی همولوگ در حداکثر فاصله 5 متری از داده های مرجع (NAVTEQ) قرار دارند و 21٪ دیگر در فاصله 10 متری قرار دارند. Amelunxen این نتایج را با گزارش میانگین خطای موقعیتی 11 متر هنگامی که داده‌های آدرس OSM با مختصات خانه بررسی‌های زمین دولتی مقایسه می‌کنند، تأیید می‌کند. این آخرین نتیجه همچنین ممکن است به عنوان تخمینی از دقت موقعیتی داده های ساختمان OSM در نظر گرفته شود. علاوه بر این، هاکلی و همکاران.نشان می دهد که با گذشت زمان متوسط دقت هندسی اجسام OSM افزایش می یابد، اگر این موارد توسط چندین نفر تجدید نظر شود [ 13 ].

انواع ویژگی های دیگر به جز شبکه جاده به خوبی مورد تحقیق قرار نگرفته است. بررسی نقاط مورد علاقه توسط Strunck [ 14 ] انجام شده است. Hauck [ 15 ] کیفیت چند ضلعی های کد پستی تولید شده توسط OSM را مطالعه کرده است، در حالی که Schoof [ 16 ] چند ضلعی های پوشش زمین را از داده های OSM با مدل چشم انداز دیجیتال ATKIS ^® Basis-DLM مقایسه کرده است. برای تجزیه و تحلیل کیفیت داده های OSM در فرانسه، Girres و Touya [ 17 ] سه اولیه OSM (نقطه، خط، چندضلعی) را با یک مجموعه داده مرجع مقایسه کردند. آنها عناصر کیفی پیشنهاد شده توسط کرسه و فدایی را در نظر گرفتند [ 5] برای ارزیابی کیفیت داده های OSM و تشریح همبستگی کامل بودن داده ها و تعداد مشارکت کنندگان در یک منطقه خاص. اخیرا جکسون و همکاران. [ 18 ] در حال ارزیابی کامل بودن و دقت موقعیتی داده‌های نقطه‌ای مرتبط با زیرساخت در OSM برای منطقه مورد مطالعه در دنور (CO، ایالات متحده) بودند.

یک نشانه اولیه از سطح کامل بودن داده های ساختمان OSM توسط Höpfner [ 19 ] با بررسی مجموعه داده آدرس OSM ارائه شده است. ممکن است فرض شود که این مجموعه داده به شدت با تعداد ساختمان ها همبستگی دارد. به گفته Höpfner، نسبت نسبی آدرس‌های موجود در مجموعه داده OSM در مقایسه با تعداد آدرس‌های ذخیره شده توسط TeleAtlas (داده‌های فوریه 2011)، تنها 7.5٪ است. در نهایت، برخی از اولین نتایج تحقیقات بتن در مورد کامل بودن ساختمان ها در VGI توسط Götz و Zipf [ 20 ] ارائه شده است.]، که نسبت نسبی اشیاء ساختمانی در آلمان توسط OSM را تقریباً تخمین می زنند. 30 درصد (داده های ژانویه 2012)، رقمی که در حال حاضر تقریباً در حال رشد است. 1% در ماه. این تخمین بر اساس داده‌های سرشماری رسمی است که متأسفانه برای مقاصد مقایسه بهینه نیست زیرا تنها ساختمان‌های اصلی نشان داده شده‌اند و نه ساختمان‌های فرعی. بنابراین، کامل بودن مجموعه داده ساختمان بسیار خوش بینانه تخمین زده می شود. تأیید این موضوع با مقایسه تعداد فعلی اشیاء ساختمان OSM ارائه می شود – تقریباً. 6.5 میلیون – با حدود. 50 میلیون چند ضلعی ساختمانی شامل چند ضلعی های رسمی ساختمان (Amtliche Hausumringe، HU)، یک محصول داده های مکانی معتبر در سراسر کشور، که شامل تمام ساختمان های کاداستر املاک و مستغلات آلمان است. در اینجا، نسبت ساختمان‌های گرفته شده توسط OSM تنها 13 درصد دیده می‌شود [ 4 ].

جدا از این تلاش‌های اولیه برای تخمین کامل بودن داده‌های ساختمان با بررسی تعداد کل اشیاء، تاکنون (برخلاف خیابان‌ها و آدرس‌ها) هیچ مطالعه‌ای از لحاظ فضایی متمایز در مورد کامل بودن مجموعه داده ساختمان OSM وجود نداشته است. بنابراین، لازم است تأیید شود که الگوهای کامل بودن ساختمان با سایر بررسی‌های کامل در سایر انواع ویژگی‌ها تفاوتی ندارند. علاوه بر این، نقاط قوت و ضعف روش‌های مختلف برای اندازه‌گیری کامل بودن ردپای ساختمان مورد آزمایش قرار نگرفته و به تفصیل مورد بحث قرار نگرفته است. مطالعه کامل ساختمان های OSM در آلمان در سال 2012 انجام شد که تا حدی اساس کار فعلی را تشکیل می دهد. خوانندگان علاقه مند می توانند ارائه جامعی از نتایج را در Kunze بیابند [ 21]، و Kunze و همکاران. [ 22 ].

2. مناطق مطالعه، مجموعه داده ها و پیش پردازش

2.1. مناطق مطالعه

مناطق انتخاب شده برای مطالعه، ایالت های آلمان ( Länder ) نوردراین-وستفالن (34092 کیلومتر مربع ⁾ و زاکسن ( 18419 کیلومتر ^مربع ) هستند. در مجموع، دو منطقه مورد مطالعه 14.7٪ از کل مساحت آلمان را پوشش می دهند. برای بازرسی های دقیق تر، مناطق کانونی برای هر دوی این ایالت ها بر اساس انواع ساختار سکونتگاهی که توسط موسسه فدرال تحقیقات ساختمان، امور شهری و توسعه فضایی (BBSR) تعریف شده است [ 23 ] انتخاب شدند.]. اینها یک شهر نماینده، یک شهر متوسط، یک شهر کوچک و یک منطقه روستایی هستند. برای نوردراین-وستفالن اینها اسن، مونستر، لمگو و ناحیه روستایی کوئسفلد (تقریباً 1/5 درصد از کل مساحت ایالت) هستند، در حالی که در زاکسن اینها لایپزیگ، کمنیتس و باوتزن و همچنین ناحیه روستایی هستند. Vogtland (تقریباً 10.8٪ از کل مساحت ایالت) ( شکل 1 ).

شکل 1. مناطق مطالعه و کانونی در آلمان.

2.2. مجموعه داده ها

به منظور فعال کردن یک تحلیل مقایسه ای، داده های OSM و یک مجموعه داده مرجع رسمی برای مناطق مورد مطالعه به دست آمده است.

داده های OSM در 17 نوامبر 2011، 24 مه 2012 و 5 نوامبر 2012 توسط ارائه دهنده خدمات OSM Geofabrik ( www.geofabrik.de ) ارائه شده است.). کاربران می‌توانند بین فرمت‌های داده مختلف انتخاب کنند: فایل‌های ESRI Shape-file، PBF، یا OSM XML که در اندازه و پیچیدگی داده‌ها متفاوت هستند. امکان دانلود کل کشورها یا ایالت های جداگانه به عنوان عصاره داده از پایگاه داده OSM وجود دارد. در اینجا ما از سرویس دانلود Geofabrik با فرمت OSM XML استفاده کردیم. در OSM، داده های ساختمان فاقد استانداردسازی هستند. بنابراین، اشیاء و قوانین مدل سازی تعریف نشده اند. ساختمان ها معمولاً با یک طرح کلی (چند ضلعی) نشان داده می شوند که توسط کاربران مختلف از طریق تکنیک ها و منابع مختلف جمع آوری داده ها گرفته شده است. برای مثال، داده‌های ساختمان را می‌توان با کمک دستگاه‌های جی‌پی‌اس دستی، از طریق دیجیتال‌سازی از تصاویر هوایی (به عنوان مثال، بینگ، نقشه‌کوئست)، از طریق اندازه‌گیری نقشه‌های طرح از سطح خیابان، یا وارد کردن از پایگاه‌های اطلاعاتی سازمان‌های دولتی (مثلاً، واردات داده‌ها) جمع‌آوری کرد. در فرانسه).و همکاران [ 24 ] برای یک بحث جامع از جمع آوری داده ها در پروژه OSM. به این دلایل، دقت موقعیت به شدت به تکنیک اکتساب بستگی دارد. به طور خاص، به دقت هندسی منبع اصلی اصلی (رزولوشن، اعوجاج)، دستگاه مورد استفاده (دقت کم GPS) یا مهارت و تجربه کاربر در طراحی بستگی دارد. در حال حاضر (اوت 2013)، بیش از 1.3 میلیون عضو ثبت شده در پروژه OSM وجود دارد، اما کمتر از 2٪ (تقریباً 20000) از این اعضا به طور مداوم در پروژه مشارکت دارند [ 25 ].

مجموعه داده رسمی چند ضلعی ساختمان ( Amtliche Hausumringe ) به عنوان مجموعه داده مرجع استفاده شد. این مجموعه داده گسترده آلمانی شامل تمام ردپاهای ساختمان از سازمان های کاداستر است که توسط مقامات نقشه برداری و نقشه برداری فدرال ایالات آلمان تهیه شده است. این محصول در سراسر کشور توسط Zentrale Stelle für Hauskoordinaten ، Hausumringe (ZSHH) [ 26 ] توزیع می شود. برای منطقه مورد مطالعه نوردراین-وستفالن، چند ضلعی های ساختمان رسمی از 24 ژوئن 2011 (تاریخ ادغام) به عنوان داده های مرجع به تصویب رسید. ALK ( Automatisierte Liegenschaftskarte) که به عنوان اثبات تمام قطعات زمین و ساختمان در آلمان عمل می کند، پایگاه داده کاداستر برای استخراج مجموعه داده رسمی چند ضلعی ساختمان است. با توجه به مسائل فعلی کامل بودن ساختمان در ALK ایالت فدرال ساکسونی [ 27 ] ردپای ساختمان از ATKIS ^® Base DLM، تا جولای 2011، به عنوان داده مرجع استفاده شد. این مدل منظر دیجیتال سراسری سیستم اطلاعات نقشه برداری توپوگرافی معتبر (ATKIS) با مقیاس 1:10000-1:25000 است و شامل تمام ساختمان ها به همان شیوه ای است که در مجموعه داده های چند ضلعی ساختمان رسمی است (به تعاریف و قوانین نقشه برداری مراجعه کنید. جدول 1 ).

برخلاف OSM، قوانین مدل‌سازی ساختمان‌ها و ویژگی‌های آن‌ها به وضوح برای مجموعه داده‌های تولید شده توسط آژانس‌های ملی نقشه‌برداری و کاداستر تعریف شده‌اند. بر اساس اداره آمار فدرال آلمان (Destatis) و اداره آمار کمیسیون اروپا (Eurostat) ساختمان به عنوان یک ساختمان سقفی تعریف می شود که: می تواند به طور جداگانه استفاده شود. برای مقاصد دائمی ساخته شده است؛ می تواند توسط افراد وارد شود. برای محافظت از افراد، حیوانات یا اشیاء مناسب یا در نظر گرفته شده است» [ 28]. علاوه بر این، هر ساختمان دارای سقف است، اما لزوماً نیازی به دیوار ندارد (به عنوان مثال، کانکس، سرپناه). ساختمان مجزا هر ساختمان مستقلی است و در مورد سازه های به هم پیوسته (مثلاً خانه های نیمه جدا یا پلکانی)، هر واحدی که توسط دیوار آتش از سایر واحدها جدا شده باشد. تعریف ساختمان در مجموعه داده های رسمی چند ضلعی ساختمان و پایگاه های داده مقامات نقشه برداری و نقشه برداری فدرال ایالات آلمان (ATKIS ^® Base DLM) با تعریف Eurostat مطابقت دارد. با این تفاوت که ساخت و سازهای زیرزمینی مستثنی هستند. جدول 1 جنبه های انتخابی مجموعه داده های مورد استفاده را خلاصه می کند.

جدول 1. مروری بر مجموعه داده های مورد استفاده.

2.3. پیش پردازش

همانطور که در بالا ذکر شد، فرمت های مختلف داده برای به دست آوردن اطلاعات OpenStreetMap و همچنین چندین ارائه دهنده خدمات وجود دارد که استخراج داده ها را از کشورها یا ایالت ها ارائه می کنند. علاوه بر شکل فایل “ساختمان” از پیش پردازش شده از سرویس دانلود Geofabrik، امکان وارد کردن فایل XML خام (osm) و بارگذاری آن در محیط ArcGIS GIS ESRI وجود دارد. بنابراین، ما ویرایشگر رایگان ArcGIS را برای OpenStreetMap انتخاب کرده ایم ( esriosmeditor.codeplex.com). مزیت این روش این است که کاربر کنترل بیشتری بر اطلاعات معنایی اضافی (OSM-tags) دارد. چند ضلعی های ساختمانی را می توان با اجرای جستجوی کلمه کلیدی با استفاده از کلید “ساختمان” استخراج کرد. همه چند ضلعی-اشیاء که با مقداری نه NULL نسبت داده می شوند به عنوان ساختمان در نظر گرفته می شوند. برای اطمینان از قابلیت مقایسه، اشیاء بسیار کوچک با مساحت کمتر از 20 متر مربع را در همه مجموعه‌های داده حذف ^{می‌کنیم} . این اشیاء عمدتاً گاراژ، سوله یا پناهگاه هستند که در مجموعه داده رسمی ATKIS® ^Base -DLM نشان داده نمی شوند.

به منظور مقایسه فضایی چند ضلعی های ساختمان OSM با ساختمان های مرجع، لازم است مرجع فضایی با استفاده از یک سیستم مختصات مشترک هماهنگ شود. ما سیستم مختصات دکارتی پیش‌بینی‌شده DHDN/3-درجه گاوس-کروگر منطقه 3 (کد EPSG 31467) را انتخاب کرده‌ایم که همچنین به عنوان مرجع فضایی برای نقشه‌برداری توپوگرافی در آلمان عمل می‌کند. از آنجایی که داده های OSM بر اساس سیستم مختصات جغرافیایی WGS84 (سیستم ژئودتیک جهانی 1984، کد EPSG 4326) است، یک تبدیل مختصات اعمال شده است.

به غیر از پیش پردازش ذکر شده در بالا، هیچ فیلتر دیگری برای بهبود کیفیت داده OSM اعمال نشده است. بر خلاف کار براندو [ 34 ]، هیچ چندضلعی با برچسب اشتباه آشکار نمی تواند در مجموعه داده های OSM از آلمان شناسایی شود.

3. روش های تجزیه و تحلیل سطح کامل بودن

در این بخش روش‌های مختلفی را ارائه می‌کنیم که می‌توانند برای بررسی دقیق کامل بودن ردپای ساختمان موجود در OSM به کار گرفته شوند. همه روش ها در یک چیز مشترک هستند: آنها از یک مجموعه داده مرجع که به عنوان کامل در نظر گرفته می شود استفاده می کنند.

3.1. مقایسه مقادیر بر اساس مناطق مرجع (روش بر اساس واحد)

یک روش ساده برای تجزیه و تحلیل کامل ردپای ساختمان OSM محاسبه تعداد کل ساختمان ها و کل مساحت ساختمان در یک واحد فضایی تعریف شده (به عنوان مثال، یک واحد جغرافیایی، اداری یا هندسی معنی دار) و مقایسه آن با نتایج به دست آمده است. از یک مجموعه داده مرجع اندازه گیری برای توصیف کامل بودن داده ها را می توان به صورت نسبتی از ارقام کل یا نسبت نسبی (درصد) بیان کرد. چنین اندازه‌گیری‌های مبتنی بر واحد قبلاً برای مطالعه کامل بودن سایر انواع ویژگی‌های چندضلعی مانند “دریاچه‌ها” [ 17 ] یا اشیاء کاربری زمین [ 16 ] اعمال شده‌اند.

تجسم نسبت در نقشه های choropleth شناسایی مناطق با سطح خوب یا ضعیف کامل بودن داده ها را ممکن می سازد. تقسیمات اداری معمولاً در نقشه برداری موضوعی استفاده می شود. این مناطق ماهیت سلسله مراتبی دارند و دارای دسته هایی مانند شهرداری، شهرستان (منطقه اداری) یا ایالت هستند. استفاده از واحدهای اداری امکان مقایسه آسان با داده های آماری رسمی را فراهم می کند، رویکردی که به ویژه برای تجزیه و تحلیل در مقیاس بزرگ مناسب است. با این حال، برخی از اشکالات در انتخاب چنین واحدهایی برای ارزیابی کامل بودن داده ها به دلیل مشکل واحد منطقه ای قابل اصلاح (MAUP) وجود دارد [ 35 ]]، و قابلیت مقایسه محدود در طول زمان با تغییر مرزهای واحد. ارزیابی کامل بودن داده ها بر اساس واحدهای اداری نیز ممکن است فاقد جزئیات کافی برای یک نظرسنجی در مقیاس کوچک باشد، که واحدهای کوچکتر برای آن مناسب تر هستند.

در یک رویکرد هندسی می توان این ناحیه را به یک شطرنجی منظم از مربع، مثلث یا شش ضلعی تقسیم کرد. شطرنج شش ضلعی، مانند به کار رفته در کار اخیر Roick و همکاران. ، مزیت (در مقابل مربع ها و مثلث ها) تقریب بیشتر دایره را ارائه می دهد در حالی که پوشش کامل منطقه مورد مطالعه را فراهم می کند [ 36 ].

برای بررسی های محلی می توان از روش های دایره های متحدالمرکز در اطراف مرکز شهرها یا شهرداری ها و یا بافر کردن مرزهای شهرداری به سمت مرکز استفاده کرد. این اجازه می دهد تا روندها از مرکز به حاشیه تجزیه و تحلیل شوند. شکل 2 نمای کلی از واحدهای فضایی مختلف را نشان می دهد.

شکل 2. واحدهای فضایی برای تجزیه و تحلیل کامل بودن (اصلاح شده پس از Kunze و همکاران [ 22 ]). ( الف ) شطرنجی هندسی (مربع، شش ضلعی). ب ) واحدهای اداری (شهرداری). ( ج ) دایره های متحدالمرکز. د ) بافر کردن مرزهای شهرداری.

محاسبه تعداد کل ساختمان ها و کل مساحت ردپای ساختمان برای هر دو مجموعه داده های OSM و مرجع ضروری است. برای اطمینان از محاسبه صحیح تعداد ساختمان ها، هر ساختمان به مرکز هندسی خود (مرکز) کاهش می یابد تا از شمارش مضاعف در واحدهای فضایی مختلف جلوگیری شود.

3.2. مقایسه اشیاء بر اساس مرکز و درجه همپوشانی (روش مبتنی بر شی)

علاوه بر مقایسه مقادیر کل، کامل بودن داده ها را نیز می توان با استفاده از یک مقایسه مبتنی بر شی تجزیه و تحلیل کرد. در این روش اشیاء همولوگ در هر دو مجموعه داده بررسی می شوند. سوال خاصی که در روش مبتنی بر شی باید به آن پاسخ داده شود این است: چند ساختمان به طور رسمی بررسی شده در OSM نشان داده شده اند؟ به منظور تعیین این، لازم است آزمایش شود که آیا یک ساختمان در مجموعه داده مرجع با یک شی در مجموعه داده OSM نشان داده می شود یا خیر. برای این منظور، تطبیق خودکار ساختمان های همولوگ باید انجام شود.

در ادبیات، بسیاری از الگوریتم های تطبیق بر اساس معیارهای شباهت پیشنهاد شده است (به عنوان مثال، [ 37 ]). در اینجا، ما دو روش اساسی مبتنی بر شی، یعنی روش مرکز و روش همپوشانی ( جدول 2 ) را پیشنهاد می‌کنیم. روش مرکز مبتنی بر یک پرس و جو فضایی است که منجر به پاسخ به این است که آیا مرکز هندسی یک چند ضلعی مرجع در یک چند ضلعی OSM قرار دارد یا خیر. اگر چنین است، این معیار با موفقیت برآورده شده است. در این مطالعه از تابع مشترک “Feature to Point” از ESRI ArcGIS 10.0 با گزینه INSIDE استفاده شده است. روش همپوشانی که قبلاً در تشخیص تغییرات مبتنی بر ساختمان استفاده می شد [ 1]، ممکن است به عنوان ترکیبی از یک پرس و جو توپولوژیکی و یک عملگر همپوشانی درک شود. معیار توافق زمانی برآورده می شود که مساحت مشترک همپوشانی بین دو چند ضلعی حداقل نصف مساحت کل چند ضلعی مرجع باشد که مربوط به درجه همپوشانی 50٪ است. شکل 3 تصویری با کد رنگی از درجه همپوشانی ساختمان های بررسی شده رسمی را ارائه می دهد که از خاکستری (بدون همپوشانی) تا قرمز تیره (درجه بالای همپوشانی) را شامل می شود.

شکل 3. تصویر کد رنگی درجه همپوشانی بین ردپای ساختمان در مجموعه داده های رسمی و OSM.

3.3. مروری بر روش های آزمایش شده

جدول 2 روش های معرفی شده در دو بخش آخر را خلاصه می کند. _{کامل بودن با توجه به مناطق} مرجع (روش‌های مبتنی بر واحد) بر حسب تعداد ساختمان‌های C _No و مساحت ساختمان C محاسبه می‌شود _.اینها اندازه‌گیری‌های بسیار ابتدایی هستند که احتمالاً به دلیل تجمع در سطح واحد، کامل بودن را بیش از حد یا دست‌کم تخمین می‌زنند. رویکردهای مبتنی بر شیء به احتمال زیاد اندازه گیری های قابل اعتمادتری را ارائه می دهند زیرا آنها صرفاً مقایسه مقادیر آماری نیستند. استفاده از آنها از اشکالات احتمالی روش های تجمیع جلوگیری می کند که در آن تفاوت در مدل سازی می تواند نتایج را مخدوش کند ( بخش 3.4).). سطح کامل بودن داده ها در رویکردهای مبتنی بر شی به عنوان نسبتی از ساختمان های مرجع مطابق با مجموعه کل ساختمان ها تعیین می شود. با این حال، یک مقایسه مبتنی بر شی همچنین اجازه می دهد تا کامل بودن پوشش منطقه در رابطه با یک منطقه مرجع مشخص اندازه گیری شود. در این مورد، تفاوت در مدل سازی ممکن است منجر به مصنوعات در اندازه گیری ها شود. با این حال، چنین رویکردی در بسیاری از موارد قابل اجرا نیست زیرا مناطق ردپای ساختمان ساختمان‌های OSM لزوماً با ساختمان‌های مرجع مطابقت ندارند.

با توجه به روش مرکز، مصنوعات در کامل بودن محاسبات ممکن است زمانی ایجاد شوند که ساختمان‌ها نسبتاً نزدیک به هم گروه‌بندی شوند و زمانی که ردپای ساختمان از نظر درجه جزئیات متفاوت است، برای مثال در مورد ساختمان‌هایی با حیاط داخلی. روش همپوشانی ممکن است از اشکال ذکر شده در روش مرکز پرهیز کند، زیرا ساختمان‌های همولوگ که تغییر مکان قابل توجهی بین مجموعه داده‌ها و در نتیجه ناحیه کوچکی از همپوشانی را نشان می‌دهند، توسط این روش نادیده گرفته می‌شوند.

به منظور مقایسه نقاط قوت و ضعف این معیارهای مختلف کامل بودن، آنها بر روی مجموعه داده های واقعی اعمال شدند. در ادامه بررسی خواهد شد که آیا می توان مزیت نظری رویکرد همپوشانی را در مقایسه با رویکرد مرکزی تایید کرد یا خیر.

جدول 2. روش های تجزیه و تحلیل کامل بودن داده ها.

3.4. تجسم نقشه برداری از الگوهای کامل بودن داده ها

روشهای واحدهای اداری و هندسی مورد بحث در بخش 3.1 نه تنها به تجزیه و تحلیل کامل بودن داده ها کمک می کند، بلکه به تجسم نتایج نیز کمک می کند. یکی از راه‌های نشان دادن درجه کامل بودن، تجسم تفاوت بین اعداد ساختمان یا مناطق با استفاده از یک شطرنجی معمولی و یک مقیاس رنگی است.

شکل 4 نمونه ای از چنین تجسمی را برای شهر لایپزیگ در زاکسن، آلمان نشان می دهد. درجه بالایی از جزئیات توسط شطرنجی شش ضلعی با فاصله 250 متر ارائه شده است ( شکل 4 a). نواحی آبی، عمدتاً در نواحی روستایی، سلول‌هایی را نشان می‌دهند که در آن مساحت کل ساختمان‌های مورد بررسی رسمی بزرگتر از مساحت کل اشیاء ساختمان OSM است (مقایسه با واحد شطرنجی). در تجمعات نتیجه در برخی موارد برعکس است. علل این اثر به طور دقیق در زیر توضیح داده شده است.

Zielstra و Zipf قبلاً ارتباط بین سطح کامل بودن داده های خیابان OSM و فاصله تا مرکز شهر را تأیید کرده اند [ 6 ]. همانطور که در شکل 4 نشان داده شده است، تجزیه و تحلیل کامل بودن ساختمان های OSM، که با استفاده از مناطق مرجع در قالب دایره های متحدالمرکز تجزیه و تحلیل شده است، این رابطه را تایید می کند .ب در این مثال حلقه هایی با عرض 500 متر نشان داده شده است. فقط در مرکز شهر لایپزیگ می‌بینیم که مساحت کل ساختمان‌های OSM از داده‌های رسمی بررسی‌شده بیشتر است. با دورتر شدن از مرکز شهر، اختلاف بین دو مجموعه داده بیشتر می‌شود، و مساحت ساختمان محاسبه‌شده از مجموعه داده‌های رسمی بیش از داده‌های OSM افزایش می‌یابد. این مثال‌ها نشان می‌دهند که چگونه تکنیک‌های تجسم کارتوگرافی می‌توانند به شناسایی الگوهای مختلف کامل بودن داده‌ها کمک کنند.

شکل 4. تجسم کارتوگرافی با استفاده از ( a ) یک شطرنجی شش ضلعی با فاصله 250 متر یا ( b ) دایره های متحدالمرکز با فاصله 500 متر ( شکل 4 b با اجازه Kunze و همکاران [ 22 ] بازتولید شده است).

4. نتایج تجزیه و تحلیل کامل بودن

در این بخش نتایج منتخب تجزیه و تحلیل کامل برای مناطق مختلف آلمان ارائه شده است. اینها شامل نتایج مقایسه روشهای مختلف و همچنین تجزیه و تحلیل چند زمانی مناطق آزمایش شده است. نتایج تا حدی از [ 22 ] انتزاع شد و با داده های OSM فعلی در یک تحلیل چند زمانی مقایسه شد.

چهار روشی که قبلاً برای بررسی کامل بودن مورد بحث قرار گرفت، برای ارزیابی داده‌های ساختمان OSM استفاده شد. داده‌های معتبری که در بخش 2.2 در سال 2011 توضیح داده شده است به عنوان یک مجموعه داده مرجع در همه موارد موجود بود.

4.1. کامل بودن ساختمان های OSM در حال حاضر

یک نمای کلی از نتایج تحقیقات در مورد کامل بودن داده ها، که بر اساس روش استفاده شده تفکیک شده است، در جدول 3 آورده شده است. تعداد کل ساختمان های مرجع 1،891،544 در زاکسن و 8،887،495 در نوردراین-وستفالن بود.

با بررسی روش‌های مبتنی بر واحد، تفاوت‌های زیادی در کامل بودن داده‌های OSM بر اساس تعداد ساختمان‌ها و مساحت ساختمان پیدا می‌کنیم. توضیح این مورد، تغییراتی است که قبلاً در مدل‌سازی چند ضلعی‌های ساختمانی در OSM و مجموعه داده مرجع بحث شد. با توجه به محاسبات برای عدد ( C _No )، درجه کامل بودن کمتر برآورد می‌شود، زیرا ساختمان‌های بررسی شده رسمی معمولاً با درجه وضوح بالاتری ثبت می‌شوند. به طور خاص، ساختمان‌های مجزا یا مجتمع‌های ساختمانی با بخش‌های زیاد با جزئیات کافی در OSM ثبت نمی‌شوند، که منجر به تعداد بسیار کمتری از ساختمان‌های شناسایی شده در واحد سطح می‌شود. می توان فرض کرد که هر گونه برآورد از کامل بودن مناطق ساختمانی ( C _Area.) بیش از حد بالا خواهد بود. از آنجایی که ساختمان‌های OSM عموماً از تصاویر ارتو دیجیتالی می‌شوند، معمولاً به جای طرح طبقه، ناحیه سقف را نشان می‌دهند، همانطور که در خطوط کلی ردپای مرجع وجود دارد. با این حال، درجه بالاتری از کامل بودن نشان‌داده‌شده برای مساحت ساختمان معمولاً به دلیل درجه تفکیک پایین‌تر در نمایش سازه‌های پیچیده است، همانطور که در شکل اول در بخش 5.1 مشاهده می‌شود ، جایی که حیاط داخلی مدل‌سازی نشده است.

نتیجه کامل بودن داده ها با استفاده از رویکردهای مبتنی بر شی، نسبت نسبی ساختمان های بررسی شده رسمی را نشان می دهد که توسط یک ساختمان مربوطه در مجموعه داده OSM نشان داده شده است. مقادیر C _Centr و C _Overlap فقط به ندرت بیش از یک درصد متفاوت است و معمولاً بین دو مقدار شدید روش های منطقه مرجع قرار می گیرد. بنابراین واضح است که تفاوت‌های مدل‌سازی تنها تأثیر جزئی بر تحلیل مبتنی بر شی دارد. با استفاده از این روش ها، درجه کاملی بیش از 50 درصد برای شهر اسن در مقایسه با کمتر از 2 درصد برای شهر کوچک لمگو به دست می آید.

با ارجاع به رویکردهای مبتنی بر شی، کامل بودن در مناطق روستایی، جایی که کمتر از یک چهارم ساختمان ها در داده های OSM نشان داده شده است، نسبتا ضعیف است ( جدول 3 ). یک توضیح برای این موضوع این است که تراکم جمعیت کم در چنین مناطقی منجر به تعداد کمی نقشه‌بردار OSM فعال می‌شود. این در تضاد با مثال شهرهایی است که فقط جمعیت کمی دارند، جایی که تعداد کمی نقشه‌بردار بسیار فعال یافت می‌شوند (مثلاً باوتزن). مقایسه بین شهرهای زاکسن و نوردراین-وستفالن نیز تفاوت هایی را نشان می دهد. به عنوان مثال، تجزیه و تحلیل مبتنی بر شی از کامل بودن برای Essen نشان می دهد که سهم ساختمان های تصرف شده توسط OSM بیش از 50٪ است، در حالی که در لایپزیگ کامل بودن کمی کمتر از 30٪ است.

جدول 3. نتایج بررسی ها در مورد کامل بودن ساختمان های OSM تا 17 نوامبر 2011 با استفاده از چهار روش توصیف شده (داده هایی که قبلا در Kunze و همکاران منتشر شده بود [ 22 ]).

سطح کاملی که با روش همپوشانی نشان داده شده است کمی کمتر از میزان تعیین شده توسط روش مرکز قرار می گیرد. برای نوردراین-وستفالن تفاوت قابل توجه است: 25.0٪ ( C _Centr ) و 24.3٪ ( C _{همپوشانی C}). با بررسی موارد مختلف مشخص می شود که هر دو روش دارای مزایا و معایب خاصی هستند. فرآیند انتزاع ساختمان مرجع به یک نقطه واحد در روش مرکز می تواند منجر به خطا در شناسایی ساختمان و در نتیجه کمی بیش از حد یا کمتر از برآورد سطح کامل شود. از سوی دیگر، تفاوت در نمایش اندازه ساختمان در ترکیب با تغییر مکان می تواند منجر به خطاهای شناسایی در روش همپوشانی شود. بنابراین، در حالی که مرکز در ساختمان مرجع ممکن است با ساختمان OSM مطابقت داشته باشد، ممکن است همپوشانی بین چند ضلعی های مربوطه کمتر از 50٪ باشد. در مورد نوردراین-وستفالن، این منجر به دست کم گرفتن سطح کامل بودن داده های OSM با استفاده از روش همپوشانی می شود.

4.2. رشد کامل ساختمان های OSM در طول زمان

به منظور مطالعه کامل بودن داده ها در طول زمان، سه مجموعه داده OSM در مقاطع زمانی مختلف در نظر گرفته شد (بخش 2.2). ردپای ساختمان از پایگاه داده توپوگرافی رسمی آلمان ATKIS® ^Base DLM، از جولای 2011، به عنوان مرجع برای همه مقایسه ها عمل می کند ( جدول 4 ). تغییرات موجود در ساختمان در این مطالعه به دلیل دوره بسیار کوتاه تحت مشاهده نادیده گرفته شده است.

جدول 4. خلاصه نتایج تحلیل چند زمانی.

شکل 5 افزایش کامل بودن داده ها را برای ساکسونی در طول زمان بر حسب تعداد کل ساختمان ها و سطح کامل بودن به صورت درصد نشان می دهد. در اینجا، از روش مرکز شیء محور برای مقایسه استفاده شد.

شکل 5. افزایش کامل در طول زمان (روش مرکز) در ساکسونی: ( الف ) تعداد کل ساختمان ها و ( ب ) سطح کامل بودن بر حسب درصد.

جدول 4نتایج به‌کارگیری همه روش‌ها را خلاصه می‌کند و کامل بودن داده‌ها را در مقاطع زمانی مختلف به عنوان مجموعه‌های داده کل نشان می‌دهد و همچنین به صورت درصد (pp) و نرخ رشد کامل بیان می‌شود. شاخص دوم به عنوان رشد متناسب کامل در سال (pa) بر حسب درصد تعریف می شود. مشاهده می شود که تعداد کل ساختمان های تصرف شده در ایالت زاکسن تقریباً افزایش یافته است. 57% در دوره از نوامبر 2011 تا نوامبر 2012. در نیمه سال اول، ساختمان های بیشتری نسبت به نیمه سال دوم به پایگاه داده اضافه شد (به ترتیب حدود 100000 و 60000). در نیمه دوم سال کاهش نرخ رشد در تمام مناطق آزمایشی مشاهده می شود، به استثنای “Vogtlandkreis” که نسبت به سال قبل افزایش متناسبی را در کامل بودن 85٪ نشان می دهد.

اگرچه، در این مورد، نرخ رشد کامل بودن برای ناحیه روستایی Vogtlandkreis بیشتر است، با این وجود سطح کامل بودن داده ها در مناطق شهری بسیار بیشتر از مناطق روستایی است. به نظر می‌رسد انگیزه نقشه‌برداران برای گرفتن ساختمان‌ها در مناطق «بدون نقشه» بیشتر از مناطقی است که قبلاً نقشه‌برداری شده‌اند. از سوی دیگر تکمیل ساختمان های گمشده در مناطق وسیعی که پوشش خوبی دارند دشوارتر است. این یافته ها با یافته های Corcoran و همکاران مطابقت دارد. که دریافتند که رشد داده ها در شبکه خیابانی توسط یک اکتشاف اولیه در مناطق بدون نقشه و به دنبال تراکم بعدی کنترل می شود [ 10 ].

شکل 6 a,b نقشه های کامل ساختمان های OSM در ایالت زاکسن را برای نوامبر 2011 و نوامبر 2012 نشان می دهد، در حالی که نرخ رشد کامل در شکل 7 نشان داده شده است .

شکل 6. تجسم کامل ساختمان های OSM در ایالت فدرال ساکسونی از ( الف ) نوامبر 2011 و ( ب ) نوامبر 2012.

شکل 7. تجسم نرخ رشد کامل ساختمان های OSM در ایالت فدرال ساکسونی بین نوامبر 2011 و نوامبر 2012.

5. منابع خطا در اندازه گیری کامل بودن

در این بخش، عوامل مختلفی که در تعیین کامل بودن تأثیر دارند، مورد بحث قرار می‌گیرند. یک چالش درجات مختلف انتزاع در OSM است. چنین اختلافاتی را می توان با تجزیه و تحلیل کاردینالیته های شی به شی کشف کرد. مشکل دیگر عدم تطابق موقعیتی بین ساختمان های منابع داده های مختلف است.

5.1. اختلاف در مدل سازی

میزان کامل بودن بر اساس اعداد یا مساحت ساختمان (روش مبتنی بر واحد) تا حد زیادی تحت تأثیر کیفیت چند ضلعی های ساختمان است. ساختمان‌های OSM تا حدی در طول اکتساب توسط نقشه‌برداران OSM به شدت تعمیم می‌یابند. این می‌تواند به دلیل فقدان قراردادها برای نمایش ساختمان‌ها، شاید داده‌های ورودی ضعیف برای فرآیند دیجیتالی‌سازی، و همچنین تا حدی فقدان انگیزه کافی در میان جامعه OSM برای اطمینان از نمایش دقیق ساختمان‌ها باشد. اغلب ساختمان های فردی در یک شی ادغام می شوند. واضح است که در مورد مسکن های پلکانی، هر گونه محاسبه از تعداد کل خانه ها تا حد زیادی به این بستگی دارد که آیا چنین خانه هایی به عنوان ساختمان های منفرد یا به صورت یک بلوک مدل سازی می شوند. محاسبه مساحت ساختمان نیز می تواند با توجه به درجه انتزاع بسیار متفاوت باشد. به عنوان مثال در مورد ساختمان هایی با حیاط داخلی. این به وضوح درشکل 8 .

شکل 8. رویکردهای مختلف به مدل سازی چند ضلعی.

یکی از راه‌های بررسی تأثیر این تفاوت‌های مدل‌سازی، تحلیل کاردینالیته ساختمان‌های نشان‌داده‌شده بین دو مجموعه داده در مقایسه مستقیم شی به شی است. جدول 5 نسبت های معمولی مختلفی را نشان می دهد که می توان بین چند ضلعی های بررسی شده رسمی و چند ضلعی های ساختمان OSM و همچنین تفاسیر آنها تعیین کرد.

جدول 5. کاردینالیته های شیء به شی و تفسیر آنها.

تفاوت‌های مدل‌سازی نشان‌داده‌شده توسط نسبت‌های 1:n، n:1، و n:m استدلال برای استفاده از روش‌های مرکز شی‌محور و همپوشانی در برابر محاسبات را با استفاده از ناحیه مرجع تقویت می‌کند. در مورد 1:n، مشکل اضافی پیش می‌آید که اگر هیچ چندضلعی OSM در همان موقعیت مرکز مرجع وجود نداشته باشد، پیوند دادن اشیای مجموعه داده با استفاده از روش مرکز غیرممکن است، حتی اگر ردپای ساختمان OSM برای بقیه مرجع موجود باشد. مساحت ساختمان این مورد تنها زمانی رخ می‌دهد که داده‌های OSM دارای درجه وضوح بالاتری نسبت به ساختمان‌های مجموعه داده مرجع باشند.

شکل 9 نتایج تجزیه و تحلیل داده ها را برای دو ناحیه کانونی انتخاب شده در قالب کاردینالیته های ساده نشان می دهد. ماهیت ناقص داده های ساختمان OSM در اینجا در کاردینالیتی های متعدد 1:0 بین مجموعه داده های رسمی و اشیاء OSM منعکس شده است. حدود 50 درصد از اشیاء ساختمانی در منطقه آزمایشی Essen یک رابطه 1:1 را نشان می‌دهند که نشان‌دهنده نمایش خوبی از ساختمان‌ها در OSM است. با این حال، در لایپزیگ، تنها حدود یک چهارم ساختمان های بررسی شده رسمی را می توان با ساختمان های OSM مطابقت داد. این ارقام با نتایج روش های مقایسه ای مبتنی بر شی برای تعیین کامل بودن داده ها مطابقت دارد.

شکل 9. رابطه شی بین ساختمان های مرجع و ساختمان های OSM برای مناطق کانونی لایپزیگ و اسن.

کاردینالیته های در نظر گرفته شده در جهت مخالف، با تطبیق ساختمان های OSM با اشیاء بررسی شده رسمی، نیز در شکل 9 نشان داده شده است. در اینجا یک بار دیگر می توان تفاوت بین لایپزیگ و اسن را تشخیص داد. نسبت 1:n در اسن بیشتر از لایپزیگ رخ می دهد، برخلاف رابطه 1:1 که در لایپزیک بیشتر از اسن رخ می دهد. توضیح این موضوع این است که خانه های تراس دار در اسن رایج تر است، که در مورد مدل سازی با جزئیات ناکافی در OSM، کاردینالیته 1:n را ترجیح می دهد. خطاهای مدل سازی در مجموعه داده مرجع این مشکل را تشدید می کند. در اسن، ردپای ساختمان مشتق شده از ALK به عنوان مجموعه داده مرجع، درجه بالایی از جزئیات را نشان می دهد. به دلیل تعمیم بسیاری از ساختمان ها در ATKIS ^{® نشان داده شده است}DLM اصلی لایپزیگ به عنوان ساختمان‌های منفرد مدل‌سازی نمی‌شوند، بلکه به‌عنوان بلوک‌های مسکونی مدل‌سازی می‌شوند. بنابراین نسبت برجسته‌تر 1:1 در منطقه آزمایشی لایپزیگ به دلیل مدل‌سازی بهتر ساختمان‌های OSM نیست، بلکه به دلیل درجه مشابهی از انتزاع در مجموعه داده مرجع است. بنابراین، ساختمان‌هایی که در داده‌های کاداستر نشان داده شده‌اند، برای بررسی‌های مقایسه‌ای بهتر از ردپای ساختمان‌ها از مدل‌های منظر دیجیتالی مناسب‌تر هستند، که عمدتاً برای تولید نقشه‌های توپوگرافی استفاده می‌شوند.

5.2. عدم تطابق موقعیت

علاوه بر درجه پایین‌تر انتزاع در OSM، کیفیت اندازه‌گیری‌های کامل نیز به دقت موقعیتی بستگی دارد. با استفاده از یک رویکرد مبتنی بر شی، تشخیص ساختمان های مربوطه مبنای محاسبه کامل بودن داده ها را تشکیل می دهد. روش های مبتنی بر شی بسیار کمتر تحت تأثیر تفاوت های مدل سازی قرار می گیرند. با این حال، روش های مرکز و همپوشانی بیشتر مستعد خطاهای ناشی از جابجایی فضایی اشیا هستند. چنین تغییراتی در OSM ممکن است به دلیل تعدادی از عوامل باشد، به عنوان مثال، توسط Fairbairn و Al-Bakri [ 38 ]]. از آنجایی که ساختمان های OSM معمولاً از تصاویر ماهواره ای یا هوایی دیجیتالی می شوند، عدم دقت بیشتر به دلیل وضوح ناکافی تصاویر، جابجایی شعاعی سقف در تصاویر ارتو یا تصحیح اشتباه تصاویر ارتو رخ می دهد. یک روش تطبیق مبتنی بر شی [ 39 ] که به ویژگی‌های ساختمان نگاه می‌کند، می‌تواند این تخصیص‌های نادرست را به حداقل برساند. یک پیوند متقابل معتبر از ساختمان‌های همولوگ می‌تواند مبنایی برای انتقال ویژگی‌ها در هر دو جهت باشد و بنابراین داده‌های رسمی ساختمان را با اطلاعات معنایی گرفته شده از ساختمان‌های OSM افزایش دهد.

6. نتیجه گیری و چشم انداز

6.1. نتیجه گیری

کیفیت داده‌های VGI و کامل بودن داده‌های داده‌های OSM در چند سال اخیر به طور گسترده در جامعه علم اطلاعات جغرافیایی مورد مطالعه قرار گرفته است. بیشتر مطالعات قبلی بر روی کامل بودن شبکه خیابان تمرکز دارد، در حالی که کامل بودن ساختمان ها به طور دقیق مورد مطالعه قرار نگرفته است. اولین تخمین ها در مورد کامل بودن ساختمان ها در OSM بر اساس آمار کل در سطح ملی است که فقط یک ایده تقریبی از کامل بودن ارائه می دهد. تنها با در نظر گرفتن تمایز فضایی می‌توانیم تأیید کنیم که الگوی کامل بودن ساختمان‌ها مشابه سایر انواع ویژگی‌های OSM است. برای اطمینان از ارزیابی کیفیت داده‌های OSM، کامل بودن ساختمان باید با استفاده از داده‌های ساختمان مرجع مناسب اندازه‌گیری شود.

ما چهار روش مختلف را برای تعیین سطح کامل بودن داده ها معرفی و مورد بحث قرار داده ایم. روش‌های مبتنی بر واحد مبتنی بر مقایسه اعداد ساختمان یا مناطق ساختمانی محاسبه‌شده برای مناطق مرجع است. روش‌های مبتنی بر شی، یعنی روش مرکز و همپوشانی، بر اساس شناسایی ساختمان‌های متناظر در هر دو مجموعه داده است.

از منظر روش شناختی می توان به نتایج زیر دست یافت. روش‌های مبتنی بر واحد برای تجمیع تعداد و مساحت ساختمان‌ها در هر واحد فضایی به تلاش‌های محاسباتی کمتری نیاز دارند، اما محدودیت‌هایی را در سطح جزئیات نشان می‌دهند. نتایج این روش نشان می‌دهد که مقایسه بر اساس واحد تعداد کل یا مساحت ساختمان‌ها نسبت به تفاوت‌ها در مدل‌سازی بسیار حساس است. بنابراین، استفاده از روش‌های مبتنی بر واحد ممکن است منجر به بیش‌ازحد یا دست‌کم‌گرفتن کامل کامل شود. تأثیر تفاوت‌های مدل‌سازی برای روش‌های مبتنی بر شی کمتر است، که از سوی دیگر، نسبت به عدم تطابق موقعیتی ساختمان‌های OSM حساس‌تر هستند. بنابراین، ما قویاً استفاده از مقایسه مبتنی بر شی را توصیه می کنیم. بر اساس داده های فعلی نمی توان نتیجه گیری کرد که کدام یک از دو روش مبتنی بر شی بهتر است. این امر مستلزم بررسی دقیق انواع مختلف خطاهایی است که هنگام تطبیق ساختمان ها بین دو مجموعه داده ایجاد می شود. با این حال، تفاوت بین روش مرکز و همپوشانی کمتر از یک درصد در تمام مناطق مورد بررسی است. از آنجایی که روش مرکز در محاسبات کارآمدتر است، بنابراین نظر نویسندگان این است که روش مرکز به بهترین وجه مناسب است.

این روش ها در مناطق مختلف آزمون در آلمان اعمال شده است. نتایج اساسی زیر را می توان از تحلیل کامل بودن ساختمان گرفت. داده‌های ساختمانی از OSM، از نوامبر 2012، با درجه کم کامل (به وضوح زیر 30٪) و ناهمگونی قوی در مدل‌سازی هندسی ساختمان‌ها مشخص می‌شود. کامل بودن در مناطق شهری بیشتر از روستایی است و با افزایش فاصله از مراکز شهری به وضوح کاهش می یابد. این الگوهای کامل کلاسیک و شبیه به سایر انواع ویژگی‌ها مانند شبکه خیابانی هستند. با این حال، برای اولین بار، می‌توانیم اطلاعات قابل اعتمادی در مورد کامل بودن مطلق به دست آوریم که بسیار کمتر از حد انتظار و کمتر از سایر انواع ویژگی‌ها است. افزایش سالانه کامل بودن نسبتاً زیاد است اما تنوع فضایی قابل توجهی را نشان می دهد.4 ] پیش‌بینی کرده است که در صورت حفظ سرعت فعلی جمع‌آوری داده‌ها، در حدود چهار تا شش سال آینده، سطح کاملی مشابه برای ساختمان‌ها به‌عنوان اشیاء خیابانی حاصل خواهد شد. نتایج تجزیه و تحلیل زمانی ما سرعت کمتری را در تکمیل داده ها نشان می دهد. حتی اگر کاهش سرعت شناسایی شده در یکپارچه سازی داده ها نادیده گرفته شود و برون یابی به صورت خطی با استفاده از نرخ تکمیل داده ثابت 8 درصد در سال برای منطقه آزمایشی ساکسونی انجام شود، باز هم برای نسبت فعلی 77 حدود 9 سال طول خواهد کشید. درصد ساختمان های از دست رفته (روش centroids) به صفر کاهش یابد.

از آنجایی که فرآیندهای خودکار برای تجزیه و تحلیل ساختار نشست عموماً به داده های ورودی کامل و همگن نیاز دارند، اکنون واضح است که داده های ساختمان OSM عموماً برای تجزیه و تحلیل منطقه بزرگ نامناسب هستند. با این حال، داده های مربوط به مناطق شهری، به ویژه در نزدیکی مرکز شهر، به سطح بسیار بالاتری از کامل می رسد. بنابراین داده‌های OSM منبع نسبتاً ارزانی برای مدل‌سازی مبتنی بر داده برای پاسخ‌گویی به سؤالات پژوهشی در مناطق شهری است. به نظر می رسد هزینه تکمیل داده های OSM بسیار کمتر از زمانی است که داده ها مستقیماً جمع آوری شوند یا داده های کاداستر گران قیمت خریداری شوند. ساختمان های OSM همچنین می توانند به عنوان یک مجموعه داده تکمیلی در هنگام استفاده از SEMENTA استفاده ^شوندبه نقشه های رستری توپوگرافی تاریخی DTK25. کاربرد دیگر می تواند در مناطق شهری با نقشه متراکم باشد، جایی که امکان بازسازی ساختمان هایی وجود دارد که با نمادها و حروف در نقشه های شطرنجی پوشانده شده اند و اصلاً در مجموعه داده های برداری مربوطه موجود نیستند.

6.2. چشم انداز

پروژه OSM با توسعه مستمر و یک جامعه کاربر فعال مشخص می شود و بنابراین می توان فرض کرد که تعداد اشیاء و سطح کامل بودن داده های ساختمان OSM در آینده به بهبود ادامه خواهد داد. اکنون که شبکه خیابانی تقریباً به طور کامل توضیح داده شده است، جامعه OSM توجه خود را به انواع ویژگی های دیگر مانند ساختمان ها معطوف کرده است. یک روند بیشتر در میان نقشه‌برداران نیز بازتاب مثبتی خواهد داشت: دوری از نقشه‌نگاری مبتنی بر رندر قوی به سمت اطمینان از یک پایگاه داده کامل از تمام اشیاء جغرافیایی تا آنجا که ممکن است. بینش به‌دست‌آمده از تحلیل ارائه‌شده می‌تواند برای شناسایی مناطق یا مناطق خاص، که به توجه خاص جامعه OSM نیاز دارد، استفاده شود.

یکی از معایب فعلی درجه قوی انتزاع و ناهمگونی قابل توجه مدل سازی شی است. مطالعه گوتز [ 4 ] همچنین نشان داده است که حدود 60 درصد از کل ساختمان های OSM در حال حاضر تنها با چهار نقطه مدل سازی شده اند. علاوه بر این، استانداردها و قراردادها برای داده های فضایی تولید شده توسط کاربر وجود ندارد، اما مطلوب است (به عنوان مثال، [ 17 ، 40 ]). مشخصات دقیق داده در رابطه با مدل‌سازی ساختمان‌های منفرد، استفاده از داده‌ها را برای تجزیه و تحلیل سازه‌های سکونتگاهی [ 1 ] یا برای ساخت مدل‌های سه بعدی شهر (مدل‌سازی سقف، مدل‌سازی فضای داخلی) ساده می‌کند [ 20 ]]. دسترسی روزافزون به خدمات تصویر با وضوح بالا (از جمله عکاسی هوایی مورب و پرسپکتیوهای سطح خیابان) امکان نمایش هندسی دقیق اجسام را فراهم می کند.

ارائه رایگان داده ها همچنین به تکمیل مجموعه داده ها در برخی مناطق کمک می کند. پیش شرط این امر همکاری مشتاقانه سازمان های دولتی و مقامات محلی است. در این زمینه، دستورالعمل INSPIRE اتحادیه اروپا ممکن است محرکی برای تقویت دسترسی بهتر به داده های جغرافیایی [ 41 ] باشد. در واقع یکی از 34 موضوع تعریف شده در سه پیوست [ 42] داده ها را می سازد (ضمیمه III، موضوع 2). این داده ها قرار است از طریق سرویس های به اصطلاح Discovery، View و Download در دسترس قرار گیرند. با این حال، دسترسی به داده‌های ساختمان در قالب نقاط (به عنوان مثال، مرکز) یا ردپای واقعی ساختمان توسط همه کشورهای اتحادیه اروپا تا اکتبر 2020 اجرا نمی‌شود. علاوه بر این، دسترسی رایگان فقط برای سرویس‌های Discovery و View تضمین شده است، نه برای خدمات دانلود. بنابراین، کامل بودن مجموعه داده ساختمان OSM ممکن است از پیشرفت‌های فعلی در زمینه داده‌های دولتی باز سود بیشتری ببرد. دو محرک اصلی پروژه OSM مجوز باز و هدف نقشه “کامل” (پایگاه داده جغرافیایی) جهان است. در حالی که ممکن است استدلال شود که در دسترس بودن داده های دولتی باز ممکن است تلاش جامعه را کاهش دهد، زیرا اولین محرک منسوخ می شود. ما بر این باوریم که دومی جامعه را تشویق می کند تا چنین داده هایی را در پروژه ادغام کند و آن را حفظ کند. علاوه بر این، اگر چنین باشد، پروژه OSM یک نقطه دسترسی مناسب برای داده های بسیاری از منابع مختلف خواهد بود. در سال های اخیر چندین کشور اتحادیه اروپا داده های جغرافیایی پایه خود را به درجات مختلف باز کرده اند. این روند ممکن است تا حدی توسط دستورالعمل INSPIRE، اما همچنین با موفقیت پروژه های داده باز مانند OSM آغاز شده باشد. کشورهای اتحادیه اروپا که در حال حاضر دسترسی رایگان به داده‌های ردپای ساختمان بردار فراهم می‌کنند، به عنوان مثال، دانمارک [ این روند ممکن است تا حدی توسط دستورالعمل INSPIRE، اما همچنین با موفقیت پروژه های داده باز مانند OSM آغاز شده باشد. کشورهای اتحادیه اروپا که در حال حاضر دسترسی رایگان به داده‌های ردپای ساختمان بردار فراهم می‌کنند، به عنوان مثال، دانمارک [ این روند ممکن است تا حدی توسط دستورالعمل INSPIRE، اما همچنین با موفقیت پروژه های داده باز مانند OSM آغاز شده باشد. کشورهای اتحادیه اروپا که در حال حاضر دسترسی رایگان به داده‌های ردپای ساختمان بردار فراهم می‌کنند، به عنوان مثال، دانمارک [43 ، بریتانیای کبیر [ 44 ]، فنلاند [ 45 ]، فرانسه [ 46 ] و هلند [ 47 ]. در حال حاضر فعالیت های قابل توجهی از جامعه OSM برای ادغام این مجموعه داده ها در پروژه وجود دارد. دستورالعمل INSPIRE توسط Geodatenzugangsgesetz (GeoZG, [ 48 ]) در قوانین ملی آلمان پیاده سازی شده است. با این حال، در شکل کنونی خود، قانون فقط اجازه دسترسی رایگان به داده‌های جغرافیایی در مقیاس کوچک را می‌دهد ( یعنی، 1:250000 و کوچکتر) از سازمان های فدرال، که داده های ردپای ساختمان را شامل نمی شود. فقط تعداد کمی از مقامات محلی داده های ساختمان خود را در دسترس عموم قرار داده اند. یکی از نمونه‌ها شهر روستوک است که در سال 2009 پروژه OSM را با تمام داده‌های ساختمانی خود با حداکثر وضوح کمی کاهش یافته 1 متر ارائه داد [ 49 ]. در عوض، جامعه OSM اکنون اطلاعات به روز ساختمان های تخریب شده را به مقامات شهر ارائه می کند. با این حال، اظهار نظر اخیر در مورد دسترسی به داده توسط Kutterer و Püß [ 50 ]، در GeoZG فوق الذکر، دلیلی برای امیدواری ایجاد می کند که طرح داده باز به زودی در آلمان در تمام سطوح اداری مورد حمایت قرار گیرد.

اطلاعات معنایی داده های OSM را می توان به عنوان یک منبع اضافی برای ارتقای مدل های محیطی شهری در نظر گرفت. در حال حاضر، اطلاعات مربوط به کاربری ساختمان موجود در مجموعه داده‌های رسمی ساختمان، به دلیل سطوح ناکافی کامل بودن و وضوح معنایی (به عنوان مثال، اطلاعات کاربری ساختمان، ارتفاع ساختمان) برای همه کاربردها مناسب نیست. اگر کامل بودن ویژگی‌های شی موجود در داده‌های OSM بهبود یابد، می‌توان از آن برای تقویت ردپای ساختمان رسمی با اطلاعات معنایی اضافی استفاده کرد. تطبیق چند ضلعی های ساختمانی همولوگ با استفاده از روش مبتنی بر شی اولین گام در چنین انتقال صفات است. علاوه بر ویژگی‌هایی که ساختمان‌ها را توصیف می‌کنند، ویژگی‌های سایر کلاس‌های OSM از اشیاء را می‌توان برای اصلاح برآوردهای جمعیت و تراکم مسکن استفاده کرد. اشیاء مناسب شامل POI و همچنین چند ضلعی است که حاوی اطلاعاتی در مورد استفاده از ساختمان است (به عنوان مثال، اماکن تجاری در یک ساختمان مسکونی). در عین حال، نشانه های ارتفاع ساختمان که به صورت پراکنده در OSM داده می شود، می تواند برای کالیبره کردن تعداد طبقات هر نوع ساختمان برای تخمین هایی مانند نسبت مساحت طبقات با استفاده از SEMENTA استفاده شود.^® . در کار اخیر [ 51 ]، قبلاً نشان داده شده است که برآورد استفاده غیرمسکونی در ساختمان ها ممکن است در واقع با معرفی اطلاعات معنایی ساختمان OSM بهبود یابد. با این حال، کسب اطلاعات معنایی از جامعه یکی از چالش های حیاتی در OSM است. اکثر اعضای جامعه OSM در حال حاضر برای تکمیل نقشه کار می کنند و بنابراین داده هایی را به دست می آورند که روی نقشه ارائه می شوند. بیشتر ویژگی های دقیق تر ساختمان ها روی نقشه قابل مشاهده نیستند. بنابراین جای سوال است که آیا اطلاعات معنایی مانند اجسام هندسی چنین کاملی خواهد داشت یا خیر.

با توجه به نتایج این مطالعه همانطور که برای تجزیه و تحلیل‌های منطقه بزرگ اعمال می‌شود، معقول‌ترین گام بعدی تلاش برای تضمین دسترسی بهتر به داده‌های جغرافیایی رسمی به طور کلی، و همچنین مجموعه داده‌های رسمی ساختمان به طور خاص است. باید منتظر ماند و دید که آیا ماهیت ناقص مجموعه داده‌های ساختمان OSM منجر به اقدام در سطح سیاسی برای باز کردن بیشتر مجموعه داده‌های رسمی برای عموم مردم می‌شود و در نتیجه رویکردهای جدیدی برای استفاده از داده‌های ساختمانی در علم فضایی را تقویت می‌کند.

منابع

ماینل، جی. هچت، ر. هرولد، اچ. تجزیه و تحلیل موجودی ساختمان با استفاده از نقشه های توپوگرافی و GIS. ساختن. Res. Inf. 2009 ، 37 ، 468-482. [ Google Scholar ] [ CrossRef ]
گیس، سی. تاوبنبوک، اچ. ورم، م. اش، تی. نست، م. شیلینگ، سی. Blaschke, T. توصیف بر اساس سنجش از دور سازه های نشست برای ارزیابی پتانسیل های گرمایش محلی. Remote Sens. 2011 ، 3 ، 1447-1471. [ Google Scholar ] [ CrossRef ]
کروگر، تی. ماینل، جی. شوماخر، U. نظارت بر کاربری زمین با تجزیه و تحلیل داده های توپوگرافی. کارتوگر. Geogr. Inf. علمی 2013 ، 40 ، 220-228. [ Google Scholar ] [ CrossRef ]
Götz، M. OpenStreetMap—Datenqualität und Nutzungspotential für Gebäudebestandsanalysen. در Flächennutzungsmonitoring IV. Genauere Daten—Informierte Akteure—Praktisches Handeln ; Meinel, G., Behnisch, M., Schumacher, U., Eds.; Rhombos-Verlag: برلین، آلمان، 2012; صص 143-150. [ Google Scholar ]
کرسه، دبلیو. فدایی، ک. استانداردهای ISO برای اطلاعات جغرافیایی ; Springer: برلین، آلمان، 2004. [ Google Scholar ]
زیلسترا، دی. Zipf، A. مطالعه مقایسه ای ژئوداده اختصاصی و اطلاعات جغرافیایی داوطلبانه برای آلمان. در مجموعه مقالات سیزدهمین کنفرانس بین المللی علوم اطلاعات جغرافیایی، گیماراس، پرتغال، 10-14 مه 2010.
لودویگ، آی. ووس، ا. Krause-Traudes، M. مقایسه شبکه های خیابانی Navteq و OSM در آلمان. در پیشرفت علم اطلاعات جغرافیایی برای جهانی در حال تغییر . Geertman, S., Reinhardt, W., Toppen, F., Eds. Springer: برلین، آلمان، 2011; جلد 1، ص 65–84. [ Google Scholar ]
Haklay, M. اطلاعات جغرافیایی داوطلبانه چقدر خوب است؟ مطالعه تطبیقی مجموعه داده‌های OpenStreetMap و Ordnance Survey. محیط زیست طرح. B طرح. دس 2010 ، 37 ، 682-703. [ Google Scholar ] [ CrossRef ]
زیلسترا، دی. Hochmair, H. مطالعه مقایسه ای دسترسی عابر پیاده به ایستگاه های حمل و نقل با استفاده از داده های شبکه رایگان و اختصاصی. ترانس. Res. ضبط: جی. ترانس. Res. هیئت 2011 ، 2217 ، 145-152. [ Google Scholar ] [ CrossRef ]
کورکوران، پ. مونی، پی. برتولتو، ام. تجزیه و تحلیل رشد شبکه‌های OpenStreetMap. تف کردن آمار 2013 ، 3 ، 21-32. [ Google Scholar ] [ CrossRef ]
نیس، پ. زیلسترا، دی. Zipf، A. تکامل شبکه خیابانی نقشه‌های crowdsourced: OpenStreetMap در آلمان 2007-2011. اینترنت آینده 2011 ، 4 ، 1-21. [ Google Scholar ] [ CrossRef ]
Amelunxen، C. رویکردی به کدگذاری جغرافیایی بر اساس داده های فضایی داوطلبانه. در مجموعه مقالات Geoinformatik 2010، کیل، آلمان، 17-19 مارس 2010.
هاکلی، م. بسیوکا، اس. آنتونیو، وی. Ather، A. برای نقشه برداری خوب یک منطقه به چند داوطلب نیاز است؟ اعتبار قانون لینوس برای اطلاعات جغرافیایی داوطلبانه کارتوگر. J. 2010 , 47 , 315-322. [ Google Scholar ] [ CrossRef ]
Strunck، A. Raumzeitliche Qualitätsuntersuchungen von OpenStreetMap. پایان نامه دیپلم، دانشگاه Rheinische Friedrich-Wilhelms Universität Bonn، Bonn، آلمان، 2010. [ Google Scholar ]
هاوک، سی. پیش پایان نامه، U Dresden، Dresden، آلمان، 2011. [ Google Scholar ]
Schoof، M. ATKIS-Basis-DLM und OpenStreetMap-Ein Datenvergleich anhand ausgewählter Gebiete در Niedersachsen. کارتوگر. نچر. 2012 ، 62 ، 20-26. [ Google Scholar ]
Girres, J.-F. Touya, G. ارزیابی کیفیت مجموعه داده OpenStreetMap فرانسه. ترانس. GIS 2010 ، 14 ، 435-459. [ Google Scholar ] [ CrossRef ]
جکسون، اس پی؛ مولن، دبلیو. آگوریس، پ. کروکس، آ. کرویتورو، آ. استفانیدیس، الف. ارزیابی کامل بودن و خطای مکانی ویژگی‌ها در اطلاعات جغرافیایی داوطلبانه. ISPRS Int. جی. ژئو. Inf. 2013 ، 2 ، 507-530. [ Google Scholar ] [ CrossRef ]
Höpfner، S. Vergleich der Adressdatensätze OpenAddresses، OpenStreetMap و TeleAtlas. پایان نامه لیسانس، TU Dresden، Dresden، آلمان، 2011. [ Google Scholar ]
گوتز، ام. Zipf، A. OpenStreetMap به صورت سه بعدی – بینش دقیق در مورد وضعیت فعلی در آلمان. در مجموعه مقالات پانزدهمین کنفرانس بین المللی AGILE در علم اطلاعات جغرافیایی، آوینیون، فرانسه، 24-27 آوریل 2012.
Kunze، C. Vergleichsanalyse des Gebäudedatenbestandes aus OpenStreetMap mit amtlichen Datenquellen. Pre-Thesis, TU Dresden, Dresden, Germany, 2012. [ Google Scholar ]
کونز، سی. هچت، ر. Hahmann، S. Zur Vollständigkeit des Gebäudedatenbestandes von OpenStreetMap. کارتوگر. نچر. 2013 ، 63 ، 73-81. [ Google Scholar ]
Stadt-und Gemeindetypen در آلمان. در دسترس آنلاین: http://www.bbsr.bund.de/BBSR/DE/Raumbeobachtung/Raumabgrenzungen/StadtGemeindetyp/StadtGemeindetyp_node.html (دسترسی در 10 اکتبر 2013).
رام، اف. تاپف، جی. Chilton, S. OpenStreetMap: استفاده و تقویت نقشه رایگان جهان . UIT Cambridge: Cambridge, UK, 2010. [ Google Scholar ]
تعداد اعضای فعال روزانه به طور کلی. در دسترس آنلاین: http://osmstats.altogetherlost.com/ (دسترسی در 10 اکتبر 2013).
Hausumringe. Bezirksregierung Köln. در دسترس آنلاین: http://www.bezreg-koeln.nrw.de/brk_internet/organisation/abteilung07/produkte/liegenschaftsinformation/hausinformationen/hausumringe/index.html (دسترسی در 10 اکتبر 2013).
Burckhardt, M. Analyse des Gebäudebestandes in Deutschland auf Grundlage der Hausumringe (HU) und Georeferenzierter Adressdaten. پایان نامه دیپلم، TU Dresden، Dresden، آلمان، 2012. [ Google Scholar ]
واژه نامه: ساختمان. در دسترس آنلاین: http://epp.eurostat.ec.europa.eu/statistics_explained/index.php/Glossary:Building (در تاریخ 10 اکتبر 2013 قابل دسترسی است).
Bauordnung für das Land Nordrhein-Westfalen. در دسترس آنلاین: http://www.umwelt-online.de/recht/bau/laender/nrw/bo_ges.htm (دسترسی در 10 اکتبر 2013).
ATKIS-Objektartenkatalog (ATKIS-OK) (ویرایش شده توسط AdV Working Group ATKIS). در دسترس آنلاین: http://www.atkis.de/dstinfo/dstinfo.dst_start?dst_oar=2315&inf_sprache=deu&c1=1&dst_typ=25&dst_ver=dst&dst_land=BA (دسترسی در 10 اکتبر 2013).
DE: ساختمان ها. در دسترس آنلاین: http://wiki.openstreetmap.org/wiki/DE:Buildings (در 10 اکتبر 2013 قابل دسترسی است).
Objektabbildungskatalog Liegenschaftskataster NRW (OBAK-LiegKat NRW). در دسترس آنلاین: http://www.bezreg-koeln.nrw.de/extra/33alkis/dokumente/ALKIS_NRW/Verwaltungsvorschriften/OBAK_Anlagen.pdf (دسترسی در 10 اکتبر 2013).
Digitales Basis-Landschaftsmodell (Basis-DLM). در دسترس آنلاین: http://www.landesvermessung.sachsen.de/inhalt/produkte/dlm/dlm_detail.html (دسترسی در 10 اکتبر 2013).
براندو اسکوبار، سی. کوالا و مدل پور l”Edition Collaborative d”un Contenu Géographique et la Gestion de sa Cohérence. Ph.D. پایان نامه، Université Paris-Est، Créteil، فرانسه، 5 آوریل 2013. [ Google Scholar ]
Openshaw, S. مسئله واحد مساحتی قابل تغییر . Geo Books: Norwick، UK، 1983. [ Google Scholar ]
رویک، او. هاگناور، جی. Zipf، A. OSMatrix-تجزیه و تحلیل مبتنی بر شبکه و تجسم OpenStreetMap. در مجموعه مقالات وضعیت نقشه اروپا، وین، اتریش، 15-17 ژوئیه 2011.
تویا، جی. کوپه، آ. لو ژولک، جی. دوری، او. Fuchs, F. Conflation با حداقل مربعات برای حفظ اشکال جغرافیایی بهینه شده است. ISPRS Int. جی. ژئو. Inf. 2013 ، 2 ، 621-644. [ Google Scholar ] [ CrossRef ]
فیربرین، دی. البکری، م. استفاده از ویژگی های هندسی برای ارزیابی ادغام احتمالی اطلاعات جغرافیایی معتبر و داوطلبانه. ISPRS Int. جی. ژئو. Inf. 2013 ، 2 ، 349-370. [ Google Scholar ] [ CrossRef ]
رول، پی. Antoine, B. تطبیق خودکار ویژگی‌های ساختمان در سطوح مختلف جزئیات: مطالعه موردی. در مجموعه مقالات بیست و چهارمین کنفرانس بین المللی کارتوگرافی، سانتیاگو دی شیلی، شیلی، 15 تا 21 نوامبر 2009.
براندو، سی. Bucher، B. کیفیت در محتوای فضایی تولید شده توسط کاربر: موضوعی از مشخصات. در مجموعه مقالات سیزدهمین کنفرانس بین المللی علم اطلاعات جغرافیایی، گیماراس، پرتغال، 10-14 مه 2010.
دستورالعمل 2007/2/Ec پارلمان اروپا و شورای 14 مارس 2007 مبنی بر ایجاد زیرساخت برای اطلاعات فضایی در جامعه اروپا. در دسترس آنلاین: http://eur-lex.europa.eu/LexUriServ/LexUriServ.do?uri=CELEX:32007L0002:en:NOT (دسترسی در 10 اکتبر 2013).
تیم پیش نویس INSPIRE “مشخصات داده ها”. تعریف مضامین و دامنه پیوست (D 2.3، نسخه 3.0). در دسترس آنلاین: http://inspire.jrc.ec.europa.eu/reports/ImplementingRules/ DataSpecifications/D2.3_Definition_of_Annex_Themes_and_scope_v3.0.pdf (در 4 نوامبر 2013 قابل دسترسی است).
Kort10 [Regionsopdelt] -Kortforsyningen-دانلود. در دسترس آنلاین: http://download.kortforsyningen.dk/content/kort10-regionsopdelt (در 28 مه 2013 قابل دسترسی است).
OS OpenData Supply-Download or Order Ordnance Survey OpenData. در دسترس آنلاین: https://www.ordnancesurvey.co.uk/opendatadownload/products.html (در 28 مه 2013 قابل دسترسی است).
سرویس فایل داده های باز زمین شناسی ملی فنلاند. در دسترس آنلاین: https://tiedostopalvelu.maanmittauslaitos.fi/tp/kartta?lang=en (در 28 مه 2013 قابل دسترسی است).
Données Gratuites. در دسترس آنلاین: http://professionnels.ign.fr/gratuit (در 10 اکتبر 2013 قابل دسترسی است).
BRT (TOP10NL)-Esri.nl. در دسترس آنلاین: http://www.esri.nl/brt? (دسترسی در 28 مه 2013).
Bundesministerium der Justiz. در Gesetz über den Zugang zu Digitalen Geodaten. Bundesgesetzblatt, Teil I Nr.46 ; Bundesanzeiger Verlagsges.mbH: بن، آلمان، 2009.
استنگل، اس. Pomplun، S. OpenStreetMap — Die freie Weltkarte für alle oder Spielerei von Karten-Amateuren؟ Vermess. برندنبگ. 2010 ، 15 ، 18-32. [ Google Scholar ]
کوترر، اچ. Püß، U. مدل‌های منظره دیجیتال و نقشه‌های توپوگرافی – ارائه یک منبع اولیه با کیفیت اثبات شده توسط مقامات رسمی نقشه‌برداری و نقشه‌برداری آلمان. کارتوگر. نچر. 2013 ، 63 ، 133-139. [ Google Scholar ]
Kunze, C. Nutzung Semantischer Informationen aus OSM zur Beschreibung des Nichtwohnnutzungsanteils در Gebäudebeständen. پایان نامه دیپلم، TU Dresden، Dresden، آلمان، 2013. [ Google Scholar ]

© 2013 توسط نویسندگان; دارنده مجوز MDPI، بازل، سوئیس. این مقاله یک مقاله با دسترسی آزاد است که تحت شرایط و ضوابط مجوز Creative Commons Attribution (http://creativecommons.org/licenses/by/3.0/) توزیع شده است.

;کاربردهای GIS مقالات

درخواست مشاوره

09120049370

8 صبح تا 12 شب