نقشه راه GIS

درخواست مشاوره

09120049370

8 صبح تا 12 شب

09120049370

Telegram Whatsapp Youtube
کاربرد جی ای اس

چکیده

مدل‌سازی اقتصادی شهری و برنامه‌ریزی فضایی مؤثر ابزارهای حیاتی برای دستیابی به پایداری شهری هستند. با این حال، در عمل، بسیاری از موانع فنی، مانند جزایر اطلاعات، مستندسازی ضعیف داده‌ها و فقدان بسترهای نرم‌افزاری برای تسهیل همکاری مجازی، اثربخشی فرآیندهای تصمیم‌گیری را به چالش می‌کشند. در این مقاله، ما در مورد تلاش‌های خود برای طراحی و توسعه زیرساخت سایبری جغرافیایی (GCI) برای تحلیل و شبیه‌سازی اقتصادی شهری گزارش می‌کنیم. این GCI یک رابط کاربری گرافیکی عملیاتی را ارائه می دهد که بر اساس معماری سرویس گرا ساخته شده است تا (1) به اشتراک گذاری گسترده و یکپارچه سازی یکپارچه داده های جغرافیایی توزیع شده را امکان پذیر سازد. (2) راهی موثر برای رسیدگی به عدم قطعیت و خطاهای موقعیتی که در ترکیب داده ها از منابع مختلف با آن مواجه می شوند. (3) تجزیه سوالات پیچیده برنامه ریزی به وظایف تحلیل فضایی اتمی و تولید یک زنجیره وب سرویس برای مقابله با چنین مشکلات پیچیده. و (4) گرفتن و نشان دادن منشأ داده‌های مکانی برای ردیابی جریان آن در کار مدل‌سازی. منطقه بزرگ لس آنجلس به عنوان بستر آزمایش عمل می کند. ما انتظار داریم که این کار از طریق اتخاذ GCI پیشرفته به تجزیه و تحلیل سیاست فضایی و تصمیم‌گیری مؤثر کمک کند و پوشش کاربردی GCI را برای شبیه‌سازی‌های اقتصادی شهری گسترش دهد.
کلید واژه ها: 

زیرساخت سایبری ; تلاطم ; OGC ; WPS ؛ WMS ; WFS ; منشأ ؛ پشتیبانی تصمیم گیری فضایی (SDS) ؛ زنجیره خدمات ; شبیه سازی اقتصادی شهری

 

1. مقدمه

مناطق شهری که با تراکم جمعیت بسیار بالا و فعالیت های انسانی گسترده مشخص می شود، جایی است که بیش از 50 درصد جمعیت جهان در آن زندگی می کنند و بیش از 75 درصد از انرژی جهان در آن استفاده می شود [ 1 ].]. انتظار می رود این نسبت با ادامه قرن 21 ادامه یابد. رشد سریع جمعیت در مناطق شهری نگرانی‌های جدی را در مورد اینکه آیا این رشد می‌تواند بدون به خطر انداختن شدید کیفیت زندگی ادامه یابد، ایجاد می‌کند. یکی از عوامل تعیین کننده این است که چگونه به خوبی مسائل سیاست با تجزیه و تحلیل اقتصادی با کیفیت برای حمایت از تدوین سیاست عملی پرداخته می شود. ارائه پاسخ‌های خاص و مفید به سؤالات خط‌مشی مستلزم تحلیل پیچیده است، زیرا محیط زیست، انرژی، کاربری زمین، مسکن و زیرساخت‌های ترانزیت زیر سیستم‌های اقتصادی مجزا نیستند، بلکه در عوض با بازخوردها تعامل دارند. مدل سازی تعاملات بین و درون این زیرسیستم ها به منظور درک چگونگی عملکرد سیاست ها و برنامه های خاص ضروری است. مثلا،
در عمل، برنامه‌ریزی شهری و سیاست‌گذاری به دلیل پویایی‌های ناشی از فرآیند شهرنشینی [ 2 ، 3 ]، توسعه نامتقارن در برنامه‌ریزی فضایی [ 4 ] و افزایش داده‌های بزرگ شهری [ 5 ] به طور فزاینده‌ای پیچیده شده‌اند. در همین حال، بسیاری از موانع فنی، اثربخشی در فرآیند تصمیم‌گیری را به چالش می‌کشد. اول، انواع مختلفی از منابع جغرافیایی در بین سازمان‌های دولتی، بخش‌های دولتی و خصوصی پراکنده شده‌اند. هماهنگی محدود و پذیرش به موقع فن‌آوری‌های پیشرفته برای به اشتراک گذاشتن این منابع ناکافی است که منجر به مشکل «جزیره اطلاعات» می‌شود [ 6 ]]. ثانیاً، داده‌های موجود به‌طور ضعیفی مستند شده‌اند و درک اصل و نسب و محتوای آنها و قضاوت صحیح در مورد کاربرد آنها برای یک مشکل خاص، اگر غیرممکن نباشد، برای محققان دشوار می‌سازد. سوم، داده‌ها معمولاً با استفاده از استانداردهای محلی با توجه به قالب، ساختار ابرداده و غیره تولید می‌شوند که منجر به درجه بالایی از ناهمگونی می‌شود و در نتیجه، هدف دستیابی به قابلیت همکاری جغرافیایی را مختل می‌کند [ 7 ]. چهارم، شکست در همکاری باز منجر به تلاش های تکراری در توسعه نرم افزار برای تجزیه و تحلیل و پردازش داده های مکانی می شود.
زیرساخت سایبری جغرافیایی (GCI)، که سخت‌افزار کامپیوتر، نرم‌افزار، شبکه‌های ارتباطی، داده‌ها و منابع انسانی را در یک کل یکپارچه ادغام می‌کند، یک پلتفرم نرم‌افزاری را فراهم می‌کند تا امکان مدل‌سازی سیستم پیچیده و ادغام داده‌های علمی توزیع‌شده را فراهم کند [ 8 ، 9 ]. GCI نشان دهنده حرکت دور از پارادایم دسکتاپ مستقل به یک چارچوب مبتنی بر وب سرویس مجازی است که در آن محاسبات به جای اینکه به یک کامپیوتر پایانه خاص متصل شود، در فضای ابری انجام می شود [ 10 ]. اجرای GCI بر بهبود قابلیت همکاری منابع جغرافیایی توزیع شده تمرکز دارد [ 11]. این به اشتراک گذاری گسترده داده های مکانی و عملکردهای تحلیلی مبتنی بر معماری سرویس گرا [ 12 ] را ترویج می کند و تجزیه و تحلیل علمی مبتنی بر داده را به شیوه ای باز و مشارکتی توانمند می کند [ 13 ]. در این راستا، GCI یک چارچوب راه حل امیدوارکننده برای رسیدگی به چندین چالش فنی که در حوزه مدل‌سازی اقتصادی شهری با آن مواجه می‌شود، ارائه می‌کند.
در این مقاله، یافته‌های خود را بر اساس تلاش‌های خود برای طراحی و توسعه GCI شهری برای تجزیه و تحلیل موثر سیاست و تصمیم‌گیری گزارش می‌کنیم. ما دریافتیم که انتقال ابزارهای تحلیلی فضایی به فضای سایبری و ارائه اطلاعات منشأ کافی فرآیند تصمیم‌گیری مشترک را تا حد زیادی تسهیل می‌کند. این GCI بر اساس یک معماری سرویس گرا ساخته شده است که اجازه می دهد (1) اشتراک گذاری گسترده و یکپارچه سازی یکپارچه داده های مکانی توزیع شده. (2) روشی مؤثر برای رسیدگی به خطاهای عدم قطعیت و موقعیت‌یابی که با ترکیب داده‌ها از منابع مختلف معرفی شده‌اند. (3) تجزیه سوالات پیچیده برنامه ریزی به وظایف تحلیل فضایی اتمی و تولید یک زنجیره وب سرویس برای مقابله با چنین مشکلات پیچیده. و (4) گرفتن و نشان دادن منشأ داده‌های مکانی برای ردیابی جریان آن در کار مدل‌سازی. منطقه بزرگ لس آنجلس (شهرستان لس آنجلس، شهرستان ونتورا، شهرستان سن برناردینو، شهرستان ریورساید، شهرستان امپریال و اورنج کانتی)، که یکی از پرجمعیت ترین مناطق ایالات متحده است، به عنوان منطقه مورد مطالعه ما عمل می کند.
بقیه مقاله به شرح زیر سازماندهی شده است: بخش 2 یک مورد استفاده از برنامه ریزی را توصیف می کند که به فناوری های سایبری پیشرفته برای رسیدگی به چالش ها در تصمیم گیری مؤثر نیاز دارد. بخش 3 کارهای مرتبط را در ادبیات مرور می کند. بخش 4 سه تکنیک پیشرفته را پیشنهاد می کند، از جمله ترکیب بهینه داده های چند منبعی، ترکیب خدمات ژئوپردازش برای مقابله با وظایف پیچیده تحلیل فضایی و منشأ داده برای ردیابی جریان داده ها از طریق پردازش. بخش 5 معماری نرم افزار و رابط کاربری گرافیکی GCI شهری را معرفی می کند و بخش 6 مقاله را به پایان می رساند و جهت های تحقیقاتی بیشتر را مورد بحث قرار می دهد.

2. مورد استفاده برنامه ریزی

رشد سریع جمعیت در یک منطقه، مانند منطقه بزرگ لس آنجلس، منطقه مورد مطالعه ما، فشارهایی را بر اقتصاد، محیط زیست و سیستم های حمل و نقل و سایر عوامل ایجاد می کند. برنامه ریزان شهری وظیفه دارند این رشد را مدیریت کنند و اهداف و محدودیت های متعدد را در تدوین برنامه های آینده در نظر بگیرند. به عنوان مثال، زمانی که یک برنامه ریز شهری نیاز به تصمیم گیری در مورد اینکه کدام قطعه برای توسعه مناسب است، باید مجموعه ای از محدودیت های زیست محیطی و زیرساختی را در نظر گرفت. به عنوان مثال، نباید در مناطق 50 ساله سیل پرخطر ساخت و ساز انجام شود. شکل 1پوششی از توزیع قطعات زمین خالی و داده های منطقه سیل در شهرستان ریورساید، زیر مجموعه ای از منطقه مورد مطالعه را نشان می دهد. برای پشتیبانی از تجزیه و تحلیل مکانی و تصمیم گیری عملی، تعدادی از عملیات سیستم اطلاعات جغرافیایی (GIS) باید به ترتیب انجام شود: (1) زیر مجموعه پایگاه داده بسته برای بازیابی همه بسته ها در منطقه مورد مطالعه. (2) بسته هایی که خالی نیستند را فیلتر کنید. (3) بازیابی داده های منطقه سیل که منطقه مورد مطالعه را پوشش می دهد. و (4) داده‌های بسته‌های خالی را با داده‌های منطقه سیل پوشش دهید تا نقشه‌ای از سایت‌های توسعه بالقوه ایجاد شود. هنگامی که عوامل دسترسی، مانند فاصله بین یک بسته و نزدیکترین ورودی بزرگراه در نظر گرفته می شود، تجزیه و تحلیل مبتنی بر شبکه جامع تری مورد نیاز است. مانند (1) پیش پردازش داده ها برای ادغام داده های GIS از منابع متفاوت برای اطمینان از دقت بالا و (2) شناسایی کوتاه ترین مسیر از سایت های مسکونی بالقوه مسکونی تا ورودی های بزرگراه. برنامه ریزان کاربری و حمل و نقل زمین به چنین اطلاعاتی نیاز دارند تا برنامه ریزی های جامعی برای دستیابی به هدف توسعه پایدار انجام دهند. سه سؤال کلیدی تحقیقاتی در زمینه توانمندسازی سایبری چنین سیستمی مطرح می‌شود: (1) چگونه می‌توان یکپارچه‌سازی اطلاعات را از منابع متعدد در سطح داده واقعی پیاده‌سازی کرد؟ (2) چگونه می توان عملیات متقابل یکپارچه را بین مجموعه داده های ناهمگن پیاده سازی کرد و یک رابط استاندارد برای داده ها و ابزارهای تحلیلی ایجاد کرد؟ (3) چگونه می توان منشأ مؤثری برای ردیابی منشأ داده ها و حرکت آن در بین پایگاه های داده ارائه کرد؟ برنامه ریزان کاربری و حمل و نقل زمین به چنین اطلاعاتی نیاز دارند تا برنامه ریزی های جامعی برای دستیابی به هدف توسعه پایدار انجام دهند. سه سؤال کلیدی تحقیقاتی در زمینه توانمندسازی سایبری چنین سیستمی مطرح می‌شود: (1) چگونه می‌توان یکپارچه‌سازی اطلاعات را از منابع متعدد در سطح داده واقعی پیاده‌سازی کرد؟ (2) چگونه می توان عملیات متقابل یکپارچه را بین مجموعه داده های ناهمگن پیاده سازی کرد و یک رابط استاندارد برای داده ها و ابزارهای تحلیلی ایجاد کرد؟ (3) چگونه می توان منشأ مؤثری برای ردیابی منشأ داده ها و حرکت آن در بین پایگاه های داده ارائه کرد؟ برنامه ریزان کاربری و حمل و نقل زمین به چنین اطلاعاتی نیاز دارند تا برنامه ریزی های جامعی برای دستیابی به هدف توسعه پایدار انجام دهند. سه سؤال کلیدی تحقیقاتی در زمینه توانمندسازی سایبری چنین سیستمی مطرح می‌شود: (1) چگونه می‌توان یکپارچه‌سازی اطلاعات را از منابع متعدد در سطح داده واقعی پیاده‌سازی کرد؟ (2) چگونه می توان عملیات متقابل یکپارچه را بین مجموعه داده های ناهمگن پیاده سازی کرد و یک رابط استاندارد برای داده ها و ابزارهای تحلیلی ایجاد کرد؟ (3) چگونه می توان منشأ مؤثری برای ردیابی منشأ داده ها و حرکت آن در بین پایگاه های داده ارائه کرد؟ (1) چگونه می توان یکپارچه سازی اطلاعات را از منابع متعدد در سطح داده واقعی پیاده سازی کرد؟ (2) چگونه می توان عملیات متقابل یکپارچه را بین مجموعه داده های ناهمگن پیاده سازی کرد و یک رابط استاندارد برای داده ها و ابزارهای تحلیلی ایجاد کرد؟ (3) چگونه می توان منشأ مؤثری برای ردیابی منشأ داده ها و حرکت آن در بین پایگاه های داده ارائه کرد؟ (1) چگونه می توان یکپارچه سازی اطلاعات را از منابع متعدد در سطح داده واقعی پیاده سازی کرد؟ (2) چگونه می توان عملیات متقابل یکپارچه را بین مجموعه داده های ناهمگن پیاده سازی کرد و یک رابط استاندارد برای داده ها و ابزارهای تحلیلی ایجاد کرد؟ (3) چگونه می توان منشأ مؤثری برای ردیابی منشأ داده ها و حرکت آن در بین پایگاه های داده ارائه کرد؟
Ijgi 02 00413 g001 1024
شکل 1. توزیع زمین های خالی و مناطق پرخطر سیل در شهرستان ریورساید در منطقه بزرگ LA.

3. ادبیات

از زمان ظهور آن در اواخر دهه 1990، زیرساخت سایبری به طور فزاینده ای در پیشرفت تعدادی از زمینه ها مانند فیزیک ذرات، زیست شناسی سیستم و GIS نقش داشته است [ 14 ]. در این رابطه، چهار جنبه اصلی زیرساخت سایبری (CI) مهم است: فراهم کردن دسترسی به داده ها، یکپارچه سازی منابع داده های متفاوت، زنجیره خدمات و منشأ. هر کدام را به طور خلاصه مرور می کنیم.
مجموعه رو به رشدی از ادبیات تحقیقاتی در مورد به اشتراک گذاری داده ها [ 15 ] و ایجاد پورتال های جغرافیایی [ 16 ، 17 ، 18 ] وجود دارد. با این حال، در عمل، هنوز کار زیادی برای بهبود طراحی فنی و قابلیت زنده ماندن دراز مدت یک پیاده‌سازی ژئوپورتال [ 19 ] مورد نیاز است. برخی از نمونه‌های اخیر تلاش‌های در حال انجام شامل پایگاه داده ملی ترسیب کربن و سیستم اطلاعات جغرافیایی (NATCARB)، اولین زیرساخت سایبری ملی برای جذب و ذخیره‌سازی کربن (CCS) است. پورتال NATCARB یک ابزار آنلاین برای تجسم داده های متفاوت و انجام تحلیل های مبتنی بر وب مانند اندازه گیری خط لوله، برآورد هزینه و غیره فراهم می کند.، در مورد ترسیب کربن. یک مثال مرتبط مربوط به جامعه تحقیقاتی قطب شمال است، جایی که تلاش‌هایی برای کشف، ادغام و تجسم داده‌ها و سرویس‌های وب مرتبط به منظور تسهیل تحقیقات محیطی قطب شمال انجام شده است [ 20 ]. علاوه بر این، کتابخانه‌های جغرافیایی، مانند کتابخانه دیجیتال اسکندریه ( http://www.alexandria.ucsb.edu/ )، برای ارائه خدمات کتابخانه‌ای توزیع‌شده برای داده‌های جغرافیایی ارجاع‌شده [ 21 ] تأسیس شدند.
یکی از قابلیت های ژئوپورتال های دارای CI، یافتن و ادغام داده های جغرافیایی متفاوت است. با این حال، این همچنان محدود است زیرا تمرکز بر ارائه دسترسی ساده به منابع داده های مختلف یا پوشش بصری لایه های مختلف است. داده ها به خودی خود در یک ساختار داده ثابت ترکیب نمی شوند. بنابراین، داده‌های جغرافیایی ناهمگون را نمی‌توان مستقیماً برای تجزیه و تحلیل بیشتر مورد استفاده قرار داد، زیرا مکان یکسان در منابع مختلف ممکن است با مکان‌های مختلف در سطح زمین مطابقت داشته باشد. Conflation، تکنیکی که به حل اختلافات بین منابع مختلف می پردازد، راه حلی برای این مشکل است [ 22 ، 23 ]]. چالش برانگیزترین کار در تلفیق داده ها تطبیق ویژگی است که برای تعیین مطابقت بین دو ویژگی به اندازه گیری شباهت متکی است. معیارهای شباهت مختلفی بر اساس هندسه، ویژگی و توپولوژی توسعه داده شده است [ 22 ، 24 ، 25 ]. پس از تعریف یک اندازه‌گیری شباهت، اکثر روش‌ها از یک استراتژی حریصانه برای یافتن جفت‌های همسان از ویژگی‌های جغرافیایی به صورت متوالی استفاده می‌کنند. یکی از مشکلات اصلی این استراتژی این است که یک اشتباه تطبیق در مرحله قبلی منجر به خطاهای بیشتر در مراحل بعدی می شود. روش ترکیبی که ما برای ادغام داده ها در این GCI شهری استفاده می کنیم، یک روش بهینه سازی را اتخاذ می کند [ 26] که با در نظر گرفتن شباهت کلی همه جفت های متناظر به طور همزمان، بر کاستی های استراتژی حریص غلبه می کند، در نتیجه منجر به درصد بالاتر تطابق صحیح و بهبود کلی کیفیت داده می شود.
هنگامی که کیفیت داده ها تضمین شد، پورتال های جغرافیایی تمایل دارند به خدمات نقشه وب (WMS)، پروتکل OGC (کنسرسیوم فضایی باز) تکیه کنند [ 27 ، 28 ، 29 ، 30 ]. با این حال، WMS فاقد قابلیت پرس و جو از ویژگی های جغرافیایی فردی و انجام تجزیه و تحلیل فضایی است و بنابراین، برای حمل نتایج میانی در سراسر یک زنجیره وب سرویس مناسب نیست. علامه [ 31 ] یک مطالعه آزمایشی برای بحث در مورد امکان زنجیره‌ای کردن خدمات وب OGC انجام داد و تعدادی از پروتکل‌های ارتباطی را بررسی کرد (زبان توصیف وب سرویس WSDL؛ توصیف جهانی، کشف و یکپارچه‌سازی UDDI؛ SOAP پروتکل دسترسی ساده به اشیا و غیره ).) که می تواند برای تسهیل اجرای سرویس های وب اتخاذ شود. یو و همکاران [ 32 ] یک مدل مفهومی برای خدمات تحلیلی ترکیبی جغرافیایی با گسترش ebRIM (مدل اطلاعات رجیستری ebXML) پیشنهاد کرد. با این حال، هیچ جزئیات اجرایی فاش نشد. به عنوان پشتیبان پشتیبانی از GCI ما، سرویس ویژگی های وب OGC (WFS) و سرویس پردازش وب OGC (WPS) برای تعامل با ویژگی های فردی و تجزیه یک وظیفه فضایی پیچیده به فرآیندهای فرعی با استفاده از زنجیره خدمات فعال می شوند [ 20 ].
مؤلفه دیگری که در ژئوپورتال های موجود وجود ندارد، منشأ است. منشأ، که به عنوان اصل و نسب نیز شناخته می شود، منشأ داده ها و رویه های انجام شده بر روی داده ها را هنگام اشتراک گذاری و تجزیه و تحلیل آنها ثبت می کند. در دهه 1990، یک طرح مفهومی از GIS با قابلیت ثبت منشأ برای مستندسازی منابع داده، تبدیل داده‌ها و محصولات داده‌های میانی و نهایی [ 33 ] پیشنهاد شد. از آن زمان، تعدادی روش برای گرفتن منشأ در حوزه جغرافیایی پیشنهاد شده است [ 34 ، 35 ، 36 ، 37 ، 38 ، 39]، اما تحقیقات کمی در زمینه یک محیط سرویس گرا انجام شده است. برخلاف محیط دسکتاپ، یک معماری سرویس‌گرا داده‌های توزیع‌شده و سرویس‌های وب با جفت آزاد را برای انجام مطالعات علمی یا ارائه پشتیبانی تصمیم ترکیب می‌کند [ 32 ، 40 ]. پورتال GCI ما برای تحلیل و شبیه‌سازی اقتصادی شهری راهی برای تولید اطلاعات منشأ استاندارد شده بر اساس W3C PROV ارائه می‌کند.

4. روش شناسی

4.1. ادغام

داده های دقیق پایه ای برای GCI شهری هستند. اول، GCI شهری به عنوان یک پورتال داده برای مرور و دانلود داده هایی که برای تجزیه و تحلیل اقتصادی منطقه ای و تصمیم گیری مرتبط هستند، عمل می کند. معمولاً چنین فرآیندی به داده های جداگانه برای جنبه های مختلف منطقه مورد مطالعه مانند کاربری و حمل و نقل نیاز دارد. لایه‌های داده‌های جغرافیایی مختلف بر اساس موقعیت مکانی روی هم قرار می‌گیرند، بنابراین دقت فضایی خوب مطلوب است. دوم، داده‌های مشخصه کافی برای تحلیل فضایی و سیاست‌گذاری مورد نیاز است. مدل مرکزی این GCI یک مدل اقتصاد منطقه ای، کاربری زمین و حمل و نقل است که به داده های کاربری زمین، داده های حمل و نقل، داده های سفر و غیره به عنوان ورودی نیاز دارد. هیچ منبع واحدی نیازهای داده ما را برآورده نمی کند. مثلا، داده های کاربری زمین و داده های سفر به ترتیب توسط انجمن دولت های کالیفرنیای جنوبی (SCAG) و وزارت حمل و نقل ایالات متحده ارائه می شود. حتی برای موضوعات مشابه، مانند شبکه‌های جاده‌ای، یک منبع داده واحد هم استانداردهای کیفیت فضایی و هم استانداردهای کیفیت را برآورده نمی‌کند. دقت فضایی بالا برای ادغام شبکه های جاده ای با سایر لایه های داده حیاتی است. از سوی دیگر، ویژگی‌های شبکه‌های جاده‌ای از جمله محدودیت سرعت و دسته راه، برای اجرای مدل مورد نیاز است. از آنجایی که اطلاعات مورد نیاز توسط یک منبع داده ارائه نمی شود، ما شبکه های جاده را از دو منبع داده با استفاده از ترکیب داده های جغرافیایی یکپارچه کردیم. دقت فضایی بالا برای ادغام شبکه های جاده ای با سایر لایه های داده حیاتی است. از سوی دیگر، ویژگی‌های شبکه‌های جاده‌ای از جمله محدودیت سرعت و دسته راه، برای اجرای مدل مورد نیاز است. از آنجایی که اطلاعات مورد نیاز توسط یک منبع داده ارائه نمی شود، ما شبکه های جاده را از دو منبع داده با استفاده از ترکیب داده های جغرافیایی یکپارچه کردیم. دقت فضایی بالا برای ادغام شبکه های جاده ای با سایر لایه های داده حیاتی است. از سوی دیگر، ویژگی‌های شبکه‌های جاده‌ای از جمله محدودیت سرعت و دسته راه، برای اجرای مدل مورد نیاز است. از آنجایی که اطلاعات مورد نیاز توسط یک منبع داده ارائه نمی شود، ما شبکه های جاده را از دو منبع داده با استفاده از ترکیب داده های جغرافیایی یکپارچه کردیم.
ترکیب داده‌های جغرافیایی فرآیند یکپارچه‌سازی داده‌ها از منابع متعدد به منظور تولید یک مجموعه داده جدید با دقت مکانی و ویژگی‌های بهبود یافته است. دو جزء اصلی در ترکیب داده های جغرافیایی وجود دارد: تطبیق ویژگی و تبدیل ویژگی [ 23]. تطبیق ویژگی به فرآیند یافتن دو ویژگی در مجموعه داده‌های مختلف اشاره دارد که یک موجودیت یکسان را در واقعیت نشان می‌دهند. معیار تعیین دو ویژگی جغرافیایی متناظر معمولاً اندازه‌گیری شباهت است که جنبه‌های مهم یک ویژگی مانند مکان، هندسه، توپولوژی و اطلاعات ویژگی را مشخص می‌کند. پس از تطبیق دو ویژگی، ویژگی حاصل در یک مجموعه داده ترکیبی را می توان با تبدیل دو مجموعه داده اصلی، مانند از طریق ادغام ویژگی های مربوطه و تنظیم مکان های مکانی، تولید کرد.
در مورد استفاده ما، هم به دقت فضایی بالا و هم ویژگی های کافی برای جاده ها نیاز داریم. دو منبع داده شبکه های جاده ای استفاده شد: شبکه های جاده ای ارائه شده توسط SCAG و فایل های TIGER (رمزگذاری و ارجاع جغرافیایی یکپارچه توپولوژیکی) ارائه شده توسط اداره سرشماری ایالات متحده. داده‌های SCAG حاوی بسیاری از ویژگی‌های ارزشمند از جمله محدودیت سرعت و ظرفیت جاده هستند، در حالی که داده‌های TIGER دارای جاده‌های جزئی هستند که در داده‌های SCAG موجود نیستند و دقت مکانی بهتری دارند. همانطور که در شکل 2 نشان داده شده است، موقعیت جغرافیایی و شکل بهتر با موقعیت واقعی ویژگی در نقشه TIGER همسو می شود. علاوه بر این، برخی از جاده‌های کوچک نشان‌داده‌شده در فایل TIGER در داده‌های SCAG نشان داده نمی‌شوند. دو مجموعه داده با هم ترکیب شدند تا نمایش کاملتر و دقیق تری از شبکه های جاده ای در منطقه مورد مطالعه ارائه کنند.
Ijgi 02 00413 g002 1024
شکل 2. اختلاف بین داده های انجمن دولت های کالیفرنیای جنوبی (SCAG) (قرمز) و داده های رمزگذاری و ارجاع جغرافیایی یکپارچه توپولوژیکی (TIGER) (آبی).
برای دستیابی به ترکیب داده ها، اولین مرحله حیاتی تطبیق ویژگی بین دو مجموعه داده با استفاده از استراتژی تطبیق ویژگی چند خطی بهینه شده است [ 41 ]. فرآیند تطبیق به عنوان یک مسئله تخصیص تطبیقی ​​فرموله شده است، که هدف آن به حداکثر رساندن شباهت کل بین همه جفت‌های همسان در دو مجموعه داده است. تطبیق ویژگی را می توان به صورت تابع هدف زیر فرمول بندی کرد:

Ijgi 02 00413 i001
Ijgi 02 00413 i002

که در آن p و q به ترتیب تعداد ویژگی های جغرافیایی در مجموعه داده های اول و دوم را نشان می دهد، i و j شاخص هایی برای ویژگی های جغرافیایی در دو مجموعه داده هستند، S i → j شباهت از ویژگی i به ویژگی j و z i است. j برای ثبت تطابق بین دو ویژگی استفاده می شود. شباهت از ویژگی i به ویژگی j S i → j ترکیبی از فاصله هدایت شده هاسدورف و عدم تشابه بین دو نام ویژگی است که بر اساس معادله زیر محاسبه می شود:

Ijgi 02 00413 i003

جایی که فاصله Hausdorff جهت‌دار از ویژگی i تا ویژگی j است ، تفاوت بین دو نام ویژگی است و a آستانه‌ای است که فراتر از آن دو ویژگی بسیار دور از هم در نظر گرفته می‌شوند که نمی‌توان با هم مطابقت داشت. معادلات برای محاسبه و به شرح زیر است: 

Ijgi 02 00413 i004 Ijgi 02 00413 i005 Ijgi 02 00413 i004 Ijgi 02 00413 i005

Ijgi 02 00413 i006
Ijgi 02 00413 i007

کجا کوتاه ترین فاصله بین یک نقطه است، x ، روی ویژگی i و ویژگی j ، فاصله همینگ بین نام ویژگی i و ویژگی j است، L i و L j طول دو نام ویژگی هستند و α عاملی است برای عدم تشابه نام را عادی کنید، بنابراین با فاصله هدایت شده هاسدورف قابل مقایسه است ، زمانی که آنها با هم ترکیب شوند. راه‌حل تابع هدف (1) ماتریسی از z i → j را ایجاد می‌کند که همه جفت‌های همسان ویژگی‌ها را به دست می‌دهد. Ijgi 02 00413 i008 Ijgi 02 00413 i009 Ijgi 02 00413 i004

مزیت چنین روش بهینه سازی این است که خطاهای ایجاد شده در مرحله قبلی یک استراتژی حریصانه ممکن است با در نظر گرفتن همزمان همه جفت ویژگی های منطبق اصلاح شوند. این روش تطبیق به‌ویژه برای ویژگی‌های چند خطی، مانند شبکه‌های جاده‌ای مؤثر است، زیرا یک فاصله Hausdorff هدایت‌شده را در اندازه‌گیری شباهت برای پرداختن به تناظرهای جزئی و کل ترکیب می‌کند. پس از تطبیق ویژگی های متناظر در دو مجموعه داده، موقعیت مکانی جاده ها در مجموعه داده TIGER به دلیل دقت بالاتر و پوشش بهتر حفظ می شود و ویژگی های ویژگی های منطبق در مجموعه داده SCAG به ویژگی های مربوطه در مجموعه داده دیگر در نتیجه، ما یک مجموعه داده شبکه جاده ای به دست می آوریم که اطلاعات مکانی و ویژگی های خوبی را برای همپوشانی داده ها حفظ می کند.

4.2. زنجیره خدمات فرآیندهای مکانی در GCI خدمات گرا

Conflation کیفیت داده های GIS مورد استفاده برای مدل سازی کاربری زمین، حمل و نقل و مسکن را برای تحلیل اقتصادی منطقه ای در منطقه مورد مطالعه تضمین می کند. سوال بعدی این است که چگونه می توان این منابع ناهمگون را در میان تیم توزیع شده جغرافیایی به اشتراک گذاشت، چگونه می توان از جریان روان داده ها در استفاده از روش های پیچیده تحلیل فضایی اطمینان حاصل کرد و چگونه این فرآیند را به گونه ای خودکار کرد که سیاست گذاران با تخصص محدود GIS می تواند آزادانه سناریوهای مختلف را اجرا کند و پاسخ های به موقع را به شیوه ای شهودی دریافت کند.
کنسرسیوم فضایی باز (OGC)، که هدف آن توسعه استانداردهای فضایی باز با اجماع جامعه است، خانواده ای از فناوری های توانمند را برای به اشتراک گذاشتن داده های مکانی و قابلیت های تحلیلی در یک شبکه توزیع شده فراهم می کند. برای پشتیبانی از اشتراک گذاری داده های مکانی میزبانی شده در GCI شهری، دو نوع سرویس داده توسعه یافته است، خدمات نقشه وب (WMS) و خدمات ویژگی وب (WFS). WMS [ 42 ] از طریق درخواست‌های HTTP با مشتریان تعامل می‌کند و تصاویر استاتیک ارجاع‌شده جغرافیایی را در منطقه مورد نظر (ROI) برمی‌گرداند. از آنجایی که WMS داده‌های واقعی را بر نمی‌گرداند، بلکه یک نقشه ارائه‌شده از داده‌ها، عمدتاً برای تجسم نتایج یک تحلیل فضایی استفاده می‌شود. WFS [ 43] عمدتاً به منظور تبادل داده‌های ویژگی واقعی به جای نمایش بصری توسعه داده شد. شکل‌فایل‌های خام GIS به فرمت متوسط ​​GML (زبان نشانه‌گذاری جغرافیایی) [ 44 ] – یک نسخه پیشرفته‌شده از XML (زبان نشانه‌گذاری eXtensive) کدگذاری می‌شوند. یک WFS (نسخه 1.1.0) تا دوازده عملیات را تعریف می کند که رایج ترین آنها “GetCapabilities”، “DescribeFeatureType” و “GetFeature” هستند. “GetCapabilities” یک سند ابرداده را تولید می کند که WFS و همچنین عملیات پشتیبانی شده WFS را توصیف می کند. “DescribeFeatureType” شرحی از انواع ویژگی (نقطه، چند خط یا چند ضلعی) را که توسط یک سرویس WFS پشتیبانی می شود، برمی گرداند. “GetFeature” داده های واقعی رمزگذاری شده در GML را برای تعامل داده های ناهمگن از منابع متعدد برمی گرداند.
علاوه بر خدمات داده، GCI شهری یک سرویس پردازش وب (WPS) را نیز به منظور تسهیل اشتراک‌گذاری، کشف و پیوند پویا فرآیندهای مکانی پیاده‌سازی می‌کند. مفهوم WPS یک تغییر پارادایم را از داده های ارائه دهنده خدمات، مانند WMS و WFS فوق الذکر، به ارائه اطلاعات ارائه می دهد [ 45 ، 46 ]]. بنابراین، با هدف CI عمومی در به حداکثر رساندن استفاده مجدد از ابزارهای تحلیلی موجود، و همچنین هدف GCI شهری ما برای رسیدگی به سؤالات سیاستی پیچیده در جریان‌های کاری زنجیره‌ای عملیات جغرافیایی مطابقت دارد. WPS از سه درخواست وب استاندارد شده پشتیبانی می کند: «GetCapabilities»، «DescribeProcess» و «Execute». «GetCapabilities» فراداده‌ای را برمی‌گرداند که یک سرویس پردازشی را توصیف می‌کند، از جمله ارائه‌دهنده سرویس و پردازش‌های جغرافیایی آنلاین که پشتیبانی می‌کند. هنگامی که یک geoprocess مورد علاقه شناسایی شد، می توان از “DescribeProcess” برای دریافت تعاریف یک geoprocess استفاده کرد. این تعاریف شامل توضیحات عملکردی در مورد فرآیند، ورودی/خروجی و فرمت های داده پشتیبانی شده برای ورودی/خروجی است. هنگامی که داده های ورودی در قالب های دلخواه سازماندهی شدند، یک درخواست GET/POST “Execute” می تواند به سرور WPS پورتال GCI ارسال شود. یکی از ویژگی‌های مهم پیاده‌سازی WPS ما توانایی آن در پشتیبانی از فرآیندهای فرعی است، به این معنا که ورودی یک فرآیند WPS می‌تواند از خروجی یک فرآیند WPS دیگر باشد. این ویژگی زنجیره خدمات را برای مقابله با فرآیندهای پیچیده با انجام دنباله ای از فرآیندهای فرعی امکان پذیر می کند. در پیاده سازی WPS ما، WFS/GML برای انتقال داده ها بین سرویس های پردازشی مختلف استفاده می شود.
به دنبال سناریوی ارائه شده در شکل 1 ، پورتال GCI ما درخواستی برای تخمین کل مساحت زمین قابل توسعه برای بخش برنامه ریزی شهرستان ریورساید دریافت می کند. ابتدا باید «مساحت زمین قابل توسعه» تعریف شود. یک منطقه قابل توسعه باید دو محدودیت را برآورده کند: نوع کاربری آن خالی است و زمین در منطقه ای با احتمال 2٪ سالانه سیل و خطرات اضافی مرتبط با امواج طوفان قرار ندارد. طبقه بندی کاربری زمین (مسکونی، صنعتی، تجاری، خالی و غیره ).) در پایگاه داده بسته SCAG ثبت می شوند و داده های بسته به عنوان WFS در پورتال GCI شهری ما میزبانی می شوند. داده‌های خام منطقه سیل در قالب شکل فایل Esri را می‌توان از FEMA (آژانس مدیریت اضطراری فدرال) بازیابی کرد و به عنوان WFS منتشر شد. برای به دست آوردن تمام قطعات زمین خالی، یک عملیات “فیلتر”، که سوابق بسته را بر اساس نوع کاربری زمین “خالی” استخراج می کند، باید در بالای درخواست WFS “GetFeature” انجام شود. شکل 3 نمونه درخواست در XML را نشان می دهد. داده های دشت سیل 50 ساله برای شهرستان ریورساید را می توان به روشی مشابه به دست آورد. مجموعه داده به دست آمده در GML برای تعامل داده های چند منبع کدگذاری می شود.
Ijgi 02 00413 g003 1024
شکل 3. نمونه ای از درخواست «GetFeature» از سرویس ویژگی وب (WFS) برای زیر مجموعه مجموعه داده بسته SCAG برای به دست آوردن تمام سوابق زمین های خالی در شهرستان ریورساید. شرط اول فیلتر “PropertyIsEqualTo” همه چند ضلعی های بسته با نوع کاربری زمین خالی را برمی گرداند (کد کاربری زمین: “3000” و نام فیلد “LU08” است). شرط فیلتر دوم، چند ضلعی های بسته را که فقط به شهرستان ریورساید تعلق دارند، برمی گرداند.
هنگامی که مجموعه داده ها آماده شدند و از طریق WFS/GML قابل اجرا شدند، یک سرویس پردازش تودرتو برای مقابله با مشکل داده شده هماهنگ می شود. شکل 4نمودار کاملی از جریان داده ها را از طریق چندین سرویس پردازش به ترتیب نشان می دهد. به طور خلاصه، برای محاسبه کل منطقه قابل توسعه، به فرآیند WPS “GetGeometryArea” نیاز است. این فرآیند یک چند ضلعی پیش بینی شده را به عنوان ورودی می گیرد و ناحیه چند ضلعی را به مقدار عددی (همان واحد داده های ورودی) برمی گرداند. بنابراین، چند ضلعی های بسته قابل توسعه تولید شده از مراحل قبلی باید در یک چند ضلعی چند قسمتی ادغام شوند. برای قرار دادن نوع مناسب داده در فرآیند «GetGeometryArea»، یک فرآیند فرعی «CollectGeometryFeatures» (یک WPS) راه‌اندازی می‌شود تا داده‌هایی را که چند بسته قابل توسعه را نشان می‌دهند، دریافت کند و یک چند ضلعی چند قسمتی را تولید کند. همانطور که قبلاً بحث شد، قطعات قابل توسعه، قطعاتی هستند که خالی هستند و در مناطق پرخطر سیل نیستند. این مجموعه داده با گرفتن تفاوت های فضایی هندسه هایی که در مجموعه 1 (قطعه های خالی) و مجموعه 2 (مناطق دشت سیلابی) توسط یک سرویس پردازشی به نام “تفاوت” هستند، تولید می شود. هر دو مجموعه داده در GML کدگذاری شده‌اند و زیرمجموعه‌ای از داده‌های خام اصلی از دو منبع ناهمگن هستند: پایگاه داده بسته SCAG و شکل فایل FEMA Esri.شکل 5 درخواست WPS کدگذاری شده با XML را نشان می دهد که کل زنجیره خدمات پردازش داده/پردازش نشان داده شده در شکل 4 را پیاده سازی می کند . پاسخ مورد نظر برای کل منطقه قابل توسعه در شهرستان ریورساید به 334.97 مایل مربع پاسخ می دهد.
Ijgi 02 00413 g004 1024
شکل 4. نمودار گردش کار ژئوپردازش زنجیره ای.
Ijgi 02 00413 g005 1024
شکل 5. درخواست WPS تو در تو در XML برای پاسخ به سوال در مورد کل مساحت زمین قابل توسعه در Riverside County, CA.

4.3. داده ها و منشأ تحلیلی

علاوه بر ترکیب خودکار داده ها و ترکیب سرویس، ویژگی سوم GCI شهری ما توانایی آن در ردیابی منبع و جریان داده ها در طول فرآیند تجزیه و تحلیل پیچیده جغرافیایی تا زمان ورود به پایگاه داده است. به این اطلاعات، داده/اطلاعات منشأ نیز گفته می شود. اطلاعات منشأ برای یک تیم توزیع شده برای به دست آوردن (1) درک مشترک از محتوای داده ها و نحوه استفاده از داده ها اهمیت زیادی دارد. (2) ارزیابی مجموعه داده ها برای تصمیم گیری در مورد اینکه آیا آنها الزامات (در مورد کیفیت داده ها، دقت، به موقع بودن، و غیره ) را برای کاربردهای خاص برآورده می کنند یا خیر. (3) راهی برای تایید تولید کننده داده ها. و (4) تکرارپذیری یک مجموعه داده. شکل 6 مدل منشأ مفهومی ساخته شده بر اساس W3C PROV را نشان می دهد (http://www.w3.org/TR/2011/WD-prov-dm-20111018/ ). پنج کلاس اصلی (Activity، Entity، Agent، Time و Location) تعریف شده است. همه این کلاس‌ها از یک سوپرکلاس «Thing» به ارث رسیده‌اند. “فعالیت” به روشی که برای تولید یک مجموعه داده دنبال می شود اشاره دارد. “Subset”، “Difference”، “CollectGeomtryFeatures” و “Area” که در شکل 4 توضیح داده شده است، اشیاء “Activity” هستند. یک “موجود” به طور کلی، می تواند به عنوان یک نوع “چیز” با برخی جنبه های ثابت دیده شود. این می تواند یک موجودیت فیزیکی (مانند یک هارد دیسک)، یک موجودیت دیجیتال (یک مجموعه داده) یا یک عنصر مفهومی (مانند مدل نشان داده شده در شکل 6) باشد.). طبق تعریف، یک موجودیت ممکن است واقعی یا تصویری باشد، اما در زمینه کار ما، یک موجودیت عمدتاً به یک شی دیجیتال، مانند مجموعه داده، یک سند یا یک ابزار نرم افزاری اشاره دارد. “عامل” مسئول انجام یک فعالیت، برای ایجاد موجودیت یا فعالیت یک عامل دیگر است. یک عامل می تواند یک سازمان (مانند SCAG)، یک شخص یا یک عامل نرم افزاری باشد. دو گره اضافی “زمان” و “مکان” نیز در این مدل گنجانده شده است تا ابعاد مکانی – زمانی اطلاعات منشأ را تعریف کند.
Ijgi 02 00413 g006 1024
شکل 6. مدل مفهومی هستی شناسی منشأ W3C.
رابطه متقابل (فلش های شکل 6) در میان “Activity”، “Agent” و “Entity” نشان می دهد که یک فعالیت از یک یا چند موجودیت برای ایجاد یک موجودیت جدید یا به روز رسانی یک موجودیت موجود استفاده می کند. یک اکتیویتی را می توان با اکتیویتی دیگر، مانند فراخوانی یک زیرفرآیند WPS در رشته اصلی WPS، مطلع یا فراخوانی کرد. یک فعالیت با یک عامل یا یک سازمان مرتبط است. نماینده می تواند فعالیتی را از طرف یک عامل دیگر انجام دهد. یک نمونه فعالیت مستقیماً با یک گره “Time” مرتبط است که زمان شروع و پایان این فعالیت را مشخص می کند. این همچنین می تواند زمانی را که یک موجودیت ایجاد می شود، توصیف کند. هر موجودیت متعلق به یک عامل است که مسئول انجام یک فعالیت است. هر یک از این سه کلاس را می توان با گره “Location” مرتبط کرد، که نشان می دهد یک عامل از نظر فیزیکی در کجا قرار دارد، یک موجودیت در کجا ذخیره می شود یا جایی که یک فعالیت انجام می شود.
مدل منشأ مفهومی را می توان برای ساخت یک هستی شناسی منشأ بیشتر توسعه داد. این از نمایش استاندارد اطلاعات منشأ و ادغام هستی‌شناسی‌های چند منبع پشتیبانی می‌کند. شکل 7یک هستی شناسی منشأ (PROV-O) را نشان می دهد که فرآیند چگونگی به دست آوردن قطعات زمین قابل توسعه را ثبت می کند. سه فضای نام، XSD، FOAF و PROV وارد شده است. XSD طرح XML است که قوانینی را برای بررسی اعتبار یک سند XML، که در آن منشأ کدگذاری شده است، تعریف می کند. FOAF طرح واره ای را برای توصیف افراد و پیوندهای بین آنها تعریف می کند. این برای توصیف یک “عامل” انسانی، که مسئول برخی از فعالیت ها است، استفاده می شود. PROV استانداردهای منشأ W3C است که کلاس‌های «فعالیت»، «نهاد»، «عامل» و روابط متقابل بین آنها را تعریف می‌کند. قطعه PROV-O به زبان سه گانه Terse RDF (لاک پشت) کدگذاری شده است. این رمزگذاری استاندارد اطلاعات منشأ نه تنها امکان ثبت مراحل نحوه استخراج داده ها را فراهم می کند، بلکه از مبادله منشأ در پورتال GCI ما با سایر سیستم ها نیز پشتیبانی می کند. علاوه بر این،
Ijgi 02 00413 g007 1024
شکل 7. نمونه هستی شناسی PROV که تولید قطعات زمین قابل توسعه را در شهرستان ریورساید ردیابی می کند.

5. معماری سیستم GCI شهری و نمونه های اولیه

شکل 8 معماری سیستم پورتال GCI شهری ما را نشان می دهد. ابتدا، تمام مجموعه داده ها، از جمله شبکه جاده، فضای کف، کاربری زمین و غیره ، و منشأ آنها در پایگاه داده جغرافیایی PostGreSQL (ماژول a) ذخیره می شود. آنها از طریق یک بسته منبع باز Geoserver ( http://www.geoserver.org ) منتشر می شوند) در هر دو سرویس نقشه وب OGC (WMS) و خدمات ویژگی وب (WFS) برای اهداف یکپارچه سازی منابع (ماژول c). به طور خاص، WMS ها عمدتاً برای تجسم سمت مشتری و عملکرد متقابل داده ها در فرمت های مختلف استفاده می شوند. در حالی که WFS ها، حامل هندسه واقعی داده های خام در قالب GML، برای انتقال نتایج میانی از طریق دنباله ای از فرآیندهای مکانی استفاده می شوند. این فرآیندهای جغرافیایی (ماژول b)، از جمله بافر، تقاطع، منطقه و غیره ، توسط مجموعه توپولوژی JTS ( http://tsusiatsoftware.net/jts/main.html ) پشتیبانی می شوند.) در خدمات پردازش وب استاندارد OGC (WPSs) منتشر می شوند تا ترکیب و زنجیره خدمات را تسهیل کنند. همه سرویس های وب در یک رجیستری خدمات (ماژول d) ثبت می شوند تا توسط سایر محققان قابل کشف و استفاده مجدد شوند. رجیستری سرویس به‌عنوان یک سرویس کاتالوگ وب OGC (CSW) پیاده‌سازی می‌شود و فرآیند ثبت شامل دو مرحله است: تجزیه فراداده خدمات (ماژول e) و درج این ابرداده‌ها در پایگاه‌داده خدمات پشتیبان (ماژول f). این مؤلفه ها تنظیمات پشتیبان پورتال GCI ما هستند. در قسمت جلویی، یک سرور اپلیکیشن وب (ماژول g) برای برقراری ارتباط با پایگاه داده سرویس، بیرون کشیدن داده ها و پردازش خدمات به درخواست کاربر و نمایش بصری آنها از طریق سرویس گیرنده نقشه وب (ماژول h) مستقر شده است.
Ijgi 02 00413 g008 1024
شکل 8. معماری سیستم سرویس گرا برای پورتال GCI. موارد به رنگ آبی پروتکل ها یا رابط های استاندارد برای ارتباطات بین ماژول های مختلف را نشان می دهند.
شکل 9 رابط کاربری گرافیکی (رابط کاربری گرافیکی) این GCI شهری را نشان می دهد. پانل سمت چپ مجموعه داده های موجود را که در یک درخت سلسله مراتبی سازماندهی شده اند فهرست می کند. پنج دسته داده در حال حاضر در دسترس هستند: شبکه های جاده ای انتزاعی، حمل و نقل، موانع فیزیکی، مناطق مدل و مرزها. با بررسی لایه های مورد علاقه، می توان این داده ها را روی هم قرار داد و در پانل نقشه نمایش داد. افسانه نقشه برای هر لایه قابل مشاهده در زیر لایه های داده نمایش داده می شود. نقشه پایه این رابط کاربری OpenStreetMap با وضوح بالا ( http://www.openstreetmap.org ) را ادغام می کند) از طریق رابط WMS آن. OpenStreetMap یک نقشه جهان رایگان است که توسط داوطلبان در سراسر جهان بهبود یافته است. این شامل اطلاعاتی در مورد زیرساخت های جغرافیایی اساسی و نقاط مورد علاقه است. در این رابط از آن به عنوان مرجع برای سایر لایه های داده استفاده می شود. این رابط نقشه‌برداری دسترسی اینترنت به نقشه‌های تعاملی را فراهم می‌کند و دسترسی و استفاده یکپارچه از داده‌های مکانی را تسهیل می‌کند. علاوه بر این، کاربران با دسترسی مجاز می توانند داده های خام اصلی را با منشأ آن از طریق این رابط آنلاین بارگیری کنند یا می توانند پردازش جغرافیایی از راه دور ارائه شده توسط GCI را فراخوانی کنند.
Ijgi 02 00413 g009 1024
شکل 9. رابط کاربری گرافیکی برای GCI شهری [ 47 ].

6. نتیجه گیری و بحث

این مقاله یافته‌های ما را بر اساس تلاش‌های ما برای توسعه GCI در حمایت از تجزیه و تحلیل سیاست شهری و تصمیم‌گیری از طریق یک رابط آنلاین سایبری فعال ارائه می‌دهد. ما دریافتیم که انتقال ابزارهای تحلیلی فضایی به فضای سایبری و ارائه اطلاعات منشأ کافی فرآیند تصمیم‌گیری مشترک را تا حد زیادی تسهیل می‌کند. این GCI پیشنهادی با سه تکنیک پیشنهادی افزایش می‌یابد. مدل ترکیبی داده‌ها ترکیب داده‌ها از منابع متعدد را با دقت مکانی و ویژگی‌های بهبود یافته تضمین می‌کند. چارچوب پردازش وب، پرداختن به وظایف تحلیل خط مشی پیچیده را به دنباله ای از خدمات ژئوپردازش تودرتو و زنجیره ای تسهیل می کند. ویژگی منشأ فعال شده توسط این طراحی GCI می‌تواند منبع و جریان داده‌ها را در طول فرآیند پردازش داده ردیابی کند. این ویژگی به طور قابل توجهی به تصمیم گیرندگان، به ویژه تصمیم گیرندگان با توزیع جغرافیایی، در ارائه (1) درک مشترک در مورد محتوای داده ها و نحوه استفاده از داده ها سود می برد. (2) ارزیابی مجموعه داده ها برای کمک به تعیین اینکه آیا آنها الزامات (کیفیت داده ها، دقت، به موقع بودن،و غیره ) نیازهای کاربردی خاص؛ و (3) تکرارپذیری مجموعه داده ها. ما این کار را یک مطالعه آزمایشی برای انتقال شبیه‌سازی اقتصادی شهری به یک محیط باز مبتنی بر وب با حل موانع فنی در جزایر اطلاعاتی و عدم تقارن تصمیم‌های سیاستی از طریق این پلت فرم باز، قابل تعامل و قابل دسترس در وب می‌دانیم. ما انتظار داریم که پذیرش بیشتر GCI از نظر ترکیب گردش کار خودکار و اجرای آن به تجزیه و تحلیل سیاست فضایی و تصمیم‌گیری مؤثر و همچنین گسترش پوشش کاربردی GCI به شبیه‌سازی‌های اقتصادی شهری کمک کند.
این پروژه هنوز در حال انجام است و قدم بعدی ما این است که مدلسازی سیستم پیچیده را از طریق مدل RELU-TRAN (استفاده از زمین با اقتصاد منطقه ای-تغییر) [ 48 ] برای ایجاد یک آزمایشگاه مشترک مجازی و ارزیابی عملکرد آن در عمل فعال کنیم. این شامل اعتبار سنجی و کالیبراسیون مدل در قسمت پشتی و یک ویژگی تجزیه و تحلیل آماری در قسمت جلویی رابط کاربری گرافیکی ما است. علاوه بر این، با تولید داده ها و خدمات بیشتر، ما یک ابزار جستجوی فضایی را توسعه خواهیم داد که از فناوری جستجوی معنایی پیشرفته استفاده می کند [ 49 ، 50 ، 51 ، 52 ، 53 ، 54 ، 55 ، 56 .] به کاربران اجازه می دهد تا به سرعت منابع مورد نیاز را شناسایی کنند. در همین حال، ما همچنین یک رابط بصری و کاربر پسند برای مدیریت گردش کار تحلیلی فضایی و نتایج میانی تولید شده از طریق آن ایجاد خواهیم کرد. هنگامی که این آزمایشگاه مشارکتی مجازی به طور کامل برای مطالعات شهری در منطقه لس آنجلس ایجاد شد، ما منطقه مطالعاتی خود را به سایر مناطق کلانشهری که نیاز فوری به تجزیه و تحلیل سیاست هماهنگ دارند، مانند پکن در چین، گسترش خواهیم داد تا برای جوامع وسیع‌تر مفید باشد.

منابع

  1. هانت، جی سی. مازلین، ام. کیلین، تی. Backlund، P. Schellnhuber، HJ مقدمه. تغییر اقلیم و مناطق شهری: گفتگوی تحقیق در چارچوب سیاست فیل. ترانس. روی. Soc. الف-ریاضی. فیزیوتراپی 2007 ، 365 ، 2615-2629. [ Google Scholar ]
  2. کلی، PF شهرنشینی روزمره: پویایی اجتماعی توسعه در منطقه شهری گسترده مانیل. بین المللی J. Urban Reg. Res. 1999 ، 23 ، 283-303. [ Google Scholar ]
  3. Webster, D. پویایی شهرنشینی و چارچوب های سیاست در توسعه آسیای شرقی ; گزارش کار گروه زیرساخت آسیای شرقی 2004; بانک جهانی: واشنگتن، دی سی، ایالات متحده آمریکا، 2004. [ Google Scholar ]
  4. داوودی، س. توسعه نامتقارن در برنامه ریزی فضایی: محتوای پوزیتیویستی و فرآیندهای پست مدرنیستی؟ در مفاهیم فضا و مکان در برنامه ریزی راهبردی فضایی ; Routledge: لندن، انگلستان، 2009; ص 207-244. [ Google Scholar ]
  5. بولیر، دی. Firestone، CM The Promise and Peril of Big Data ; موسسه آسپن، برنامه ارتباطات و جامعه: واشنگتن، دی سی، ایالات متحده آمریکا، 2010; پ. 56. [ Google Scholar ]
  6. آنتونیو، جی. Van Harmelen، F. A Semantic Web Primer ; انتشارات MIT: کمبریج، ایالات متحده آمریکا، 2004; پ. 264. [ Google Scholar ]
  7. لی، دبلیو. یانگ، سی. یانگ، سی. یک خزنده فعال برای کشف خدمات وب جغرافیایی و الگوی توزیع آنها – مطالعه موردی سرویس نقشه وب OGC. بین المللی جی. جئوگر. Inf. علمی 2010 ، 24 ، 1127-1147. [ Google Scholar ]
  8. اتکینز، دی. دروگمایر، ک. فلدمن، اس. گارسیا-مولینا، اچ. کلاین، ام. مسرشمیت، دی. مسینا، پ. استریکر، جی. رایت، ام. انقلابی کردن علم و مهندسی از طریق زیرساخت سایبری . گزارش پانل مشاوره ای بنیاد ملی علوم در مورد زیرساخت سایبری. NSF: واشنگتن، دی سی، ایالات متحده آمریکا، 2003. در دسترس آنلاین: http://www.nsf.gov/cise/ sci/reports/atkins.pdf (در 12 مه 2013 قابل دسترسی است).
  9. یانگ، سی. راسکین، آر. گودچایلد، م. گاهگان، م. زیرساخت سایبری زمین فضایی: گذشته، حال و آینده. محاسبه کنید. محیط زیست سیستم شهری 2010 ، 34 ، 264-277. [ Google Scholar ] [ CrossRef ]
  10. Anselin, L. From SpaceStat تا CyberGIS: بیست سال نرم افزار تحلیل داده های مکانی. بین المللی Reg. علمی Rev. 2012 , 35 , 131-157. [ Google Scholar ] [ CrossRef ]
  11. یانگ، سی. لی، دبلیو. زی، جی. Zhou، B. پردازش اطلاعات مکانی توزیع شده: به اشتراک گذاری منابع جغرافیایی توزیع شده برای پشتیبانی از زمین دیجیتال. بین المللی جی دیجیت. زمین 2008 ، 1 ، 259-278. [ Google Scholar ] [ CrossRef ]
  12. لی، دبلیو. Goodchild، MF; آنسلین، ال. Weber, K. چارچوب هوشمند CyberGIS سرویس گرا برای مشکلات جغرافیایی فشرده داده. در CyberGIS: پرورش موج جدیدی از اکتشافات و نوآوری های جغرافیایی ؛ Wang, S., Goodchild, MF, Eds. Springer: نیویورک، نیویورک، ایالات متحده آمریکا، 2013; در مطبوعات. [ Google Scholar ]
  13. رایت، دی جی؛ وانگ، اس. ظهور زیرساخت سایبری فضایی. Proc. نات. آکادمی علمی ایالات متحده آمریکا 2011 ، 108 ، 5488-5491. [ Google Scholar ] [ CrossRef ][ نسخه سبز ]
  14. هی، تی. Trefethen، زیرساخت سایبری AE برای علوم الکترونیک. Science 2005 , 308 , 817-821. [ Google Scholar ] [ CrossRef ]
  15. Goodchild، MF; فو، پی. Rich, P. به اشتراک گذاری اطلاعات جغرافیایی: ارزیابی یک مرحله ای جغرافیایی. ان Assn. عامر Geogr. 2007 ، 97 ، 250-266. [ Google Scholar ] [ CrossRef ]
  16. بومونت، پی. لانگلی، پی. مگوایر، دی‌جی پورتال‌های اطلاعات جغرافیایی – دیدگاه بریتانیا. محاسبه کنید. محیط زیست سیستم شهری 2005 ، 29 ، 49-69. [ Google Scholar ]
  17. مگوایر، دی جی; Longley, PA ظهور ژئوپورتال ها و نقش آنها در زیرساخت های داده های مکانی. محاسبه کنید. محیط زیست سیستم شهری 2005 ، 29 ، 3-14. [ Google Scholar ]
  18. لی، ز. پورتال وب فضایی لی، W. و Geobrowser. در علم اطلاعات جغرافیایی پیشرفته ; Yang, C., Wong, D., Miao, Q., Yang, R., Eds. تیلور و فرانسیس: بوکا راتون، فلوریدا، ایالات متحده آمریکا، 2011; صص 234-239. [ Google Scholar ]
  19. Carr, TR; ریچ، PM؛ Bartley, JD ژئوپورتال NATCARB: پیوند داده های توزیع شده از مشارکت های منطقه ای ترسیب کربن. J. Map Geogr. Libr (Geoscapes.) 2007 ، 4 ، 131-147. [ Google Scholar ]
  20. لی، دبلیو. یانگ، سی. نبرت، دی. راسکین، آر. هاوسر، پی. وو، اچ. Li, Z. کشف و زنجیره‌سازی سرویس وب مبتنی بر معنایی برای ساخت زیرساخت داده‌های فضایی قطب شمال. محاسبه کنید. Geosci. 2011 ، 37 ، 1752-1762. [ Google Scholar ] [ CrossRef ]
  21. Goodchild، MF بررسی، ارزیابی و چشم انداز پروژه کتابخانه دیجیتال اسکندریه. روند. Inf. مدیریت کنید. (TRIM) 2005 ، 1 ، 20-25. [ Google Scholar ]
  22. Saalfeld، A. گردآوری خودکار نقشه Conflation. بین المللی جی. جئوگر. Inf. سیستم 1988 ، 2 ، 217-228. [ Google Scholar ] [ CrossRef ]
  23. لی، ال. طراحی چارچوب مفهومی و رویکردهایی برای تلفیق داده های ژئو شی. Ph.D. پایان نامه، دانشگاه کالیفرنیا، سانتا باربارا، CA، ایالات متحده آمریکا، 2010; پ. 152. [ Google Scholar ]
  24. سمال، ع. ست، اس. Cueto، K. یک رویکرد مبتنی بر ویژگی برای ترکیب منابع جغرافیایی. بین المللی جی. جئوگر. Inf. علمی 2004 ، 18 ، 459-489. [ Google Scholar ] [ CrossRef ]
  25. بیری، سی. کانزا، ی. صفرا، ای. Sagiv، Y. همجوشی شی در سیستم های اطلاعات جغرافیایی. در مجموعه مقالات سی امین کنفرانس بین المللی در مورد پایگاه های داده بسیار بزرگ، تورنتو، ON، کانادا، 29 اوت تا 3 سپتامبر 2004. جلد 30، ص 816–827.
  26. لی، ال. Goodchild، MF یک مدل بهینه سازی برای تطبیق ویژگی های خطی در ترکیب داده های جغرافیایی. بین المللی J. Image Data Fusion 2011 ، 2 ، 309-328. [ Google Scholar ]
  27. یانگ، پی. لی، دبلیو. شیائو، دی. راسکین، آر. Bambacus، M. تبادل اطلاعات زمین: به اشتراک گذاری اطلاعات علوم زمین از طریق رویکرد تعاملی و زیرساخت سایبری. Proc. SPIE 2007 , 6753 . [ Google Scholar ] [ CrossRef ]
  28. لی، دبلیو. یانگ، سی. ژو، بی. رن، ی. یانگ، سی. Yuan, L. طراحی و پیاده سازی یک پورتال خدمات یکپارچه WMS. در مجموعه مقالات کنفرانس بین المللی IEEE در سمپوزیوم علوم زمین و سنجش از دور 2006 (IGARSS 2006)، دنور، CO، ایالات متحده آمریکا، 31 ژوئیه تا 4 اوت 2006. ص 924-927.
  29. نمونه، JT; لدنر، آر. شولمن، ال. آیوپ، ای. پتری، اف. وارنر، ای. شاو، ک. McCreedy، FP تقویت پورتال GIDB نیروی دریایی ایالات متحده با خدمات وب. محاسبات اینترنتی IEEE. 2006 ، 10 ، 53-60. [ Google Scholar ] [ CrossRef ]
  30. لی، ز. یانگ، CP; وو، اچ. لی، دبلیو. Miao, L. یک چارچوب بهینه برای ادغام یکپارچه خدمات وب OGC برای پشتیبانی از علوم جغرافیایی. بین المللی جی. جئوگر. Inf. علمی 2011 ، 25 ، 595-613. [ Google Scholar ] [ CrossRef ]
  31. علامه، ن. خدمات زنجیره‌ای خدمات وب اطلاعات جغرافیایی تعاملی. کامپیوتر اینترنتی 2002 ، 7 ، 22-29. [ Google Scholar ] [ CrossRef ]
  32. یو، پی. گونگ، جی. Di, L. افزایش منشأ داده های جغرافیایی از طریق ردیابی ابرداده در زنجیره خدمات جغرافیایی. محاسبه کنید. Geosci. 2010 ، 36 ، 270-281. [ Google Scholar ] [ CrossRef ]
  33. Lanter، طراحی DP یک پایگاه فراداده مبتنی بر اصل و نسب برای GIS. کارتوگر. Geogr. به اطلاع رساندن. علمی 1991 ، 18 ، 255-261. [ Google Scholar ] [ CrossRef ]
  34. Lanter، D. GEOLINEUS: مدیریت داده و نمودار جریان برای ARC/INFO . سری نرم افزارهای فنی S-92–2؛ مرکز ملی اطلاعات و تحلیل جغرافیایی: سانتا باربارا، کالیفرنیا، ایالات متحده آمریکا، 1992. [ Google Scholar ]
  35. آلونسو، جی. Hagen, C. Geo-Opera: مفاهیم گردش کار برای فرآیندهای فضایی. در پیشرفت در پایگاه داده های فضایی ; Springer: برلین/هایدلبرگ، آلمان، 1997; صص 238-258. [ Google Scholar ]
  36. فرو، جی. Bose, R. Earth Science System Science: زیرساخت مدیریت داده برای محصولات علم زمین. در مجموعه مقالات سیزدهمین کنفرانس بین المللی مدیریت پایگاه داده های علمی و آماری، فیرفکس، VA، ایالات متحده آمریکا، 18 تا 20 ژوئیه 2001. ص 180-189.
  37. فرو، جی. متزگر، دی. Slaughter, P. ضبط خودکار و بازسازی منشأ محاسباتی. موافق محاسبه کنید. تمرین کنید. انقضا 2008 ، 20 ، 485-496. [ Google Scholar ] [ CrossRef ]
  38. وانگ، اس. پادمنابهان، ع. مایرز، جی دی. تانگ، دبلیو. لیو، ی. به سوی سیستم‌های اطلاعات جغرافیایی آگاه از منشأ. در مجموعه مقالات شانزدهمین کنفرانس بین المللی ACM SIGSPATIAL در مورد پیشرفت در سیستم های اطلاعات جغرافیایی، ایروین، کالیفرنیا، ایالات متحده آمریکا، 5-7 نوامبر 2008. پ. 70.
  39. تیلمز، سی. Fleig، A. ردیابی منشأ در یک سیستم پردازش داده علوم زمین. در منشأ و حاشیه نویسی داده ها و فرآیندها ; Springer: برلین/هایدلبرگ، آلمان، 2008; ص 221-228. [ Google Scholar ]
  40. سیمهان، ییل. پله، بی. گانون، دی. بررسی منشأ داده ها در علم الکترونیک. ACM Sigmod. ضبط 2005 ، 34 ، 31-36. [ Google Scholar ] [ CrossRef ]
  41. لی، ال. Goodchild، MF تطبیق خودکار و دقیق اشیاء در مجموعه داده های جغرافیایی. Adv. ژئو اسپات. Inf. علمی 2012 ، 10 ، 71-79. [ Google Scholar ]
  42. De La Beaujardière, J. (Ed.) Web Map Service Implementation Specification ; Open GIS Consortium Inc.: واشنگتن، دی سی، ایالات متحده آمریکا، 2002; پ. 82.
  43. Vretanos, PA (ویرایش) مشخصات پیاده سازی سرویس ویژگی وب ; Open GIS Consortium Inc.: واشنگتن، دی سی، ایالات متحده آمریکا، 2005; پ. 94.
  44. کاکس، اس. کاتبرت، ا. دیزی، پی. دیویدسون، جی. جانسون، اس. کیگان، ای. لیک، آر. مبروك، م. مارگولیس، اس. Martell, R. OpenGIS Geography Markup Language (GML) Implementation Specification, Version 2.1.2 ; Open GIS Consortium Inc.: واشنگتن، دی سی، ایالات متحده آمریکا، 2002. [ Google Scholar ]
  45. شوت، پی. Whiteside, A. OpenGIS Web Processing Service ; کنسرسیوم فضایی باز: Wayland، MA، ایالات متحده آمریکا، 2007. [ Google Scholar ]
  46. ژانگ، سی. لی، دبلیو. نقش ویژگی‌های وب و خدمات نقشه وب در اشتراک‌گذاری داده‌های مکانی در زمان واقعی برای برنامه‌های کاربردی حیاتی. کارتوگر. Geogr. Inf. علمی 2005 ، 32 ، 269-283. [ Google Scholar ] [ CrossRef ]
  47. آزمایشگاه مشترک مجازی برای تحلیل سیاست حوضه LA بزرگ . در دسترس آنلاین: http://mrpi.geog.ucsb.edu:8080/geonetwork/ (در 13 مه 2013 قابل دسترسی است).
  48. انس، ع. لیو، ی. مدل اقتصاد منطقه ای، کاربری زمین و حمل و نقل (RELU-TRAN): فرمول بندی، طراحی الگوریتم و آزمایش. J. Reg. علمی 2007 ، 47 ، 415-455. [ Google Scholar ] [ CrossRef ]
  49. لی، دبلیو. کشف خودکار داده، استدلال و رتبه بندی در پشتیبانی از ساخت موتور جستجوی مکانی هوشمند. Ph.D. پایان نامه، دانشگاه جورج میسون، فیرفکس، VA، ایالات متحده آمریکا، 2010; پ. 168. [ Google Scholar ]
  50. لی، دبلیو. Goodchild، MF; Raskin, R. Towards geospatial semantic search: بهره برداری از روابط معنایی پنهان در داده های جغرافیایی. بین المللی جی دیجیت. زمین 2012 . [ Google Scholar ] [ CrossRef ]
  51. لی، دبلیو. راسکین، آر. Goodchild، MF اندازه‌گیری شباهت معنایی مبتنی بر دانش کاوی: یک رویکرد شبکه عصبی مصنوعی. بین المللی جی. جئوگر. Inf. علمی 2012 ، 26 ، 1415-1435. [ Google Scholar ] [ CrossRef ]
  52. لی، دبلیو. یانگ، سی. Raskin, R. A Semantic Enhanced Search for Spatial Web Portals ; گزارش فنی سمپوزیوم بهار AAAI، SS-08-05. AAAI: Palo Alto، CA، USA، 2008; صص 47-50. [ Google Scholar ]
  53. راسکین، آر. ژو، ن. لی، دبلیو. نمایندگی دانش و کاربردهای اطلاعات جغرافیایی. در علم اطلاعات جغرافیایی پیشرفته ; تیلور و فرانسیس: بوکا راتون، فلوریدا، ایالات متحده آمریکا، 2011; ص 276-299. [ Google Scholar ]
  54. وو، اچ. لی، ز. ژانگ، اچ. یانگ، سی. Shen, S. نظارت و ارزیابی منابع خدمات نقشه وب برای بهینه سازی ترکیب نقشه از طریق اینترنت برای حمایت از تصمیم گیری. محاسبه کنید. Geosci. 2011 ، 37 ، 485-494. [ Google Scholar ] [ CrossRef ]
  55. ژانگ، سی. لی، دبلیو. ژائو، تی. به اشتراک گذاری داده های جغرافیایی بر اساس فناوری های وب معنایی جغرافیایی. جی. اسپات. علمی 2007 ، 52 ، 35-49. [ Google Scholar ] [ CrossRef ]
  56. ژانگ، سی. ژائو، تی. Li, W. چارچوب یک سیستم پشتیبانی تصمیم فضایی مبتنی بر وب معنایی جغرافیایی برای زمین دیجیتال. بین المللی جی دیجیت. زمین 2010 ، 3 ، 111-134. [ Google Scholar ] [ CrossRef ]

;کاربردهای GISمقالات

آموزش کاربردی ArcGISالهام ابراهیم زادهکاربرد جی ای اسکاربردهای GIs در زمین شناسی

بدون نظر

دیدگاهتان را بنویسید

نشانی ایمیل شما منتشر نخواهد شد. بخش‌های موردنیاز علامت‌گذاری شده‌اند *

همواره حمایت دانشجویان عزیزمان همراه ما بوده و این سببب شده که گامی محکم به‌سوی ایجاد یک مرجع برای آموزش GIS برداریم. با این امید که بتوانیم قدردان حمایت شما بزرگواران باشیم.

  • خانه
  • آموزش
  • فیلم آموزشی
  • تماس با ما
  • درباره ما
  • وبلاگ
  • سمنان /خیابان کاشانی/ساختمان فناوری اطلاعات/پ 8
  • 09120049370