انتشار به‌روزرسانی‌های مناطق مسکونی در پایگاه‌های داده چند بازنمودی با استفاده از مثلث‌سازی‌های Delaunay محدود

خلاصه

به روز رسانی نقشه های توپوگرافی در پایگاه های داده چند نمایشی برای تعدادی از برنامه ها بسیار مهم است. یک راه کارآمد برای به‌روزرسانی نقشه‌های توپوگرافی، انتشار به‌روزرسانی‌ها از نقشه‌های بزرگ مقیاس به نقشه‌های مقیاس کوچک است. از آنجایی که اشیاء اغلب در نقشه‌هایی با مقیاس‌های مختلف به‌طور متفاوتی به تصویر کشیده می‌شوند، تولید نقشه‌های توپوگرافی چند مقیاسی که معیارهای نقشه‌کشی خاصی را برآورده می‌کنند، فرآیندی پیچیده است. در این مطالعه، ما یک رویکرد جدید برای به روز رسانی نقشه های مقیاس کوچک بر اساس نقشه های به روز شده در مقیاس بزرگ پیشنهاد می کنیم. ما ابتدا اشیاء مرتبط با فضایی را در نقشه‌های چند مقیاسی گروه‌بندی می‌کنیم و اشیاء در مقیاس بزرگ را بر اساس مثلث‌سازی محدود دلونی به مثلث‌هایی تجزیه می‌کنیم. سپس مثلث ها را اجرا می کنیم و با در نظر گرفتن قوانین تعمیم نقشه برداری، اشیاء در مقیاس کوچک می سازیم. علاوه بر این، ما الگوریتم جستجوی Tabu را برای جستجوی دنباله های بهینه هنگام ساخت اشیاء در مقیاس کوچک اعمال می کنیم. یک مطالعه موردی با استفاده از روش توسعه‌یافته برای به‌روزرسانی مناطق مسکونی در مقیاس‌های مختلف انجام شد. ما دریافتیم که روش پیشنهادی می‌تواند به طور موثر نقشه‌های مقیاس کوچک را به‌روزرسانی کند و در عین حال اشکال و موقعیت اشیاء در مقیاس بزرگ را حفظ کند. روش توسعه‌یافته ما امکان پردازش موازی انتشار به‌روزرسانی را می‌دهد زیرا اشیاء گروه‌بندی شده را با هم کار می‌کند، بنابراین دارای مزایای محاسباتی نسبت به روش به‌روزرسانی متوالی در مناطق با تراکم ساختمانی بالا است. اگرچه روش پیشنهادی در این مطالعه به آزمایش‌های بیشتری نیاز دارد، اما با توجه به به‌روزرسانی خودکار داده‌های چند ضلعی در پایگاه‌های اطلاعاتی چندگانه، نویدبخش است. یک مطالعه موردی با استفاده از روش توسعه‌یافته برای به‌روزرسانی مناطق مسکونی در مقیاس‌های مختلف انجام شد. ما دریافتیم که روش پیشنهادی می‌تواند به طور موثر نقشه‌های مقیاس کوچک را به‌روزرسانی کند و در عین حال اشکال و موقعیت اشیاء در مقیاس بزرگ را حفظ کند. روش توسعه‌یافته ما امکان پردازش موازی انتشار به‌روزرسانی را می‌دهد زیرا اشیاء گروه‌بندی شده را با هم کار می‌کند، بنابراین دارای مزایای محاسباتی نسبت به روش به‌روزرسانی متوالی در مناطق با تراکم ساختمانی بالا است. اگرچه روش پیشنهادی در این مطالعه به آزمایش‌های بیشتری نیاز دارد، اما با توجه به به‌روزرسانی خودکار داده‌های چند ضلعی در پایگاه‌های اطلاعاتی چندگانه، نویدبخش است. یک مطالعه موردی با استفاده از روش توسعه‌یافته برای به‌روزرسانی مناطق مسکونی در مقیاس‌های مختلف انجام شد. ما دریافتیم که روش پیشنهادی می‌تواند به طور موثر نقشه‌های مقیاس کوچک را به‌روزرسانی کند و در عین حال اشکال و موقعیت اشیاء در مقیاس بزرگ را حفظ کند. روش توسعه‌یافته ما امکان پردازش موازی انتشار به‌روزرسانی را می‌دهد زیرا اشیاء گروه‌بندی شده را با هم کار می‌کند، بنابراین دارای مزایای محاسباتی نسبت به روش به‌روزرسانی متوالی در مناطق با تراکم ساختمانی بالا است. اگرچه روش پیشنهادی در این مطالعه به آزمایش‌های بیشتری نیاز دارد، اما با توجه به به‌روزرسانی خودکار داده‌های چند ضلعی در پایگاه‌های اطلاعاتی چندگانه، نویدبخش است. ما دریافتیم که روش پیشنهادی می‌تواند به طور موثر نقشه‌های مقیاس کوچک را به‌روزرسانی کند و در عین حال اشکال و موقعیت اشیاء در مقیاس بزرگ را حفظ کند. روش توسعه‌یافته ما امکان پردازش موازی انتشار به‌روزرسانی را می‌دهد زیرا اشیاء گروه‌بندی شده را با هم کار می‌کند، بنابراین دارای مزایای محاسباتی نسبت به روش به‌روزرسانی متوالی در مناطق با تراکم ساختمانی بالا است. اگرچه روش پیشنهادی در این مطالعه به آزمایش‌های بیشتری نیاز دارد، اما با توجه به به‌روزرسانی خودکار داده‌های چند ضلعی در پایگاه‌های اطلاعاتی چندگانه، نویدبخش است. ما دریافتیم که روش پیشنهادی می‌تواند به طور موثر نقشه‌های مقیاس کوچک را به‌روزرسانی کند و در عین حال اشکال و موقعیت اشیاء در مقیاس بزرگ را حفظ کند. روش توسعه‌یافته ما امکان پردازش موازی انتشار به‌روزرسانی را می‌دهد زیرا اشیاء گروه‌بندی شده را با هم کار می‌کند، بنابراین دارای مزایای محاسباتی نسبت به روش به‌روزرسانی متوالی در مناطق با تراکم ساختمانی بالا است. اگرچه روش پیشنهادی در این مطالعه به آزمایش‌های بیشتری نیاز دارد، اما با توجه به به‌روزرسانی خودکار داده‌های چند ضلعی در پایگاه‌های اطلاعاتی چندگانه، نویدبخش است.

کلید واژه ها:

نقشه کشی ; سیستم اطلاعات جغرافیایی ; زیرساخت داده های مکانی ; جستجوی تابو ; پردازش موازی

1. معرفی

زیرساخت های داده های مکانی اطلاعات ارزشمندی را در اختیار جامعه دانشگاهی، بخش های صنعتی و خصوصی و دولت قرار می دهد [ 1 ]. آژانس های نقشه برداری، مانند اداره ملی نقشه برداری نقشه برداری و اطلاعات جغرافیایی در چین، مقادیر زیادی از نقشه های توپوگرافی و مجموعه داده های مکانی را تولید و نگهداری می کنند که مناطق جغرافیایی یکسان را در موضوعات مختلف و در مقیاس های مختلف مشخص می کند. برای مناطقی که تغییرات گسترده پوشش زمین و کاربری زمین را تجربه می کنند، به عنوان مثال جنوب چین که در آن گسترش سریع شهری در چند دهه گذشته اتفاق افتاده است [ 2]]، به‌روزرسانی به‌موقع مجموعه داده‌های توپوگرافی، به‌ویژه ساختمان‌ها و جاده‌ها، برای پشتیبانی از تعدادی از برنامه‌های پایین دستی، مانند نظارت بر کاربری زمین، مدیریت منابع طبیعی، ساخت‌وساز جاده‌ها و برنامه‌ریزی شهری مورد نیاز است [3 ، 4 ، 5 ] .

برای برآورده ساختن نیازهای عملی نگهداری و به روز رسانی پایگاه داده، پایگاه داده های چندگانه نمایش (MRDB) اغلب به عنوان یک سیستم مجازی برای سازماندهی لایه های داده در مقیاس های مختلف با ایجاد پیوند بین ویژگی های متناظر در لایه های داده مختلف ایجاد می شوند [6 ، 7 ] . یکی از راه‌های به‌روزرسانی MRDB، به‌روزرسانی هر لایه داده در مقیاس خاص خود است، فرآیندی که اغلب زمان‌بر و کار فشرده است. راه دیگر به روز رسانی اشیاء در نقشه مقیاس بزرگ است ( یعنی نقشه ای که مناطق کوچک را با ویژگی های دقیق نشان می دهد) و سپس از روش های تعمیم نقشه برداری برای تولید اشیاء جدید در نقشه مقیاس کوچک (یعنی نقشه ای که مناطق بزرگ را نشان می دهد) استفاده کنید. با ویژگی های تعمیم یافته) [ 8]. با این حال، اجرای مستقیم روش‌های تعمیم نقشه‌کشی باید محتاط باشد، زیرا اشیاء در مقیاس کوچک تازه تولید شده ممکن است با اشیاء مقیاس کوچک اصلی تضاد داشته باشند.

یک روش عملی برای به‌روزرسانی مؤثر MRDB، به‌روزرسانی اشیاء در نقشه مقیاس بزرگ و سپس انتشار به‌روزرسانی‌ها به اشیاء مرتبط در نقشه مقیاس کوچک است [ 9 ]. هنگامی که اشیاء یا ویژگی‌های مربوطه در مقیاس‌های مختلف به درستی در MRDB پیوند داده شدند، به‌روزرسانی‌های نقشه‌های مقیاس بزرگتر [ 10 ، 11 ] می‌توانند به‌روزرسانی مستقیم نقشه‌های مقیاس کوچک‌تر را با اصلاح اشیاء پیوند داده شده امکان پذیر کنند [ 12 ، 13]]. در این روش، انتشار به‌روزرسانی‌ها از نقشه‌های مقیاس بزرگ‌تر به نقشه‌های مقیاس کوچک‌تر یک روش مهم است، اما همچنان چالش‌برانگیز است، زیرا یک موجودیت یکسان اغلب در نقشه‌ها در مقیاس‌های مختلف به‌طور متفاوتی به تصویر کشیده می‌شود و روابط توپولوژیکی بین اشیاء مربوطه پیچیده است. به عنوان مثال، یک بیمارستان که توسط چندین چند ضلعی جدا شده در یک نقشه در مقیاس بزرگ نشان داده می شود، می تواند به عنوان یک چند ضلعی در نقشه مقیاس کوچک نگاشت شود، و سپس به روز رسانی یک چند ضلعی منفرد در نقشه مقیاس بزرگ می تواند منجر به عملیات های متنوع در نقشه شود. چند ضلعی در نقشه مقیاس کوچک بسته به عوامل مختلفی مانند رابطه توپولوژیکی، نسبت مقیاس و قانون تعمیم نقشه‌کشی. در اصل، نحوه پردازش اطلاعات به روز رسانی در اشیاء در مقیاس بزرگ و اصلاح اشیاء در مقیاس کوچک مربوطه، کلید انتشار موفقیت آمیز به روز رسانی است.

بسیاری از روش‌ها تا به امروز از یک استراتژی پردازش متوالی استفاده می‌کنند که هر شی به‌روز شده را در نقشه‌های مقیاس بزرگ طی می‌کند و اشیاء مربوطه را در نقشه‌های مقیاس کوچک به‌روزرسانی می‌کند [ 14 ]. روش به روز رسانی متوالی محاسباتی فشرده است، به ویژه زمانی که تعداد زیادی از اشیاء موجود و/یا به روز شده در مقیاس بزرگ وجود داشته باشد، و گاهی اوقات منجر به اشیاء در مقیاس کوچک با اشکال غیر معمول و روابط توپولوژیکی پیچیده می شود که الزامات نقشه برداری را به طور کامل برآورده نمی کند. یک راه ممکن برای افزایش کارایی به‌روزرسانی، این است که ابتدا اشیاء در مقیاس بزرگ به‌روزرسانی شده را گروه‌بندی کنید و سپس آنها را با هم برای به‌روزرسانی شی‌های مقیاس کوچک مربوطه کار کنید، به طوری که همه اشیاء در مقیاس بزرگ به‌روزرسانی شده را بتوان با هم پردازش کرد و روند به‌روزرسانی را موازی کرد. .

اهداف این مقاله عبارتند از: (1) توسعه یک روش موازی برای پردازش مناطق مسکونی به روز شده در نقشه های مقیاس بزرگ با استفاده از مثلث سازی محدود Delaunay. و (2) روشی برای تولید نقشه‌های در مقیاس کوچک با بازسازی اشیاء به روز شده بر اساس الگوریتم جستجوی Tabu طراحی کنید. ما ابتدا اصول روش شناختی خود را شرح می دهیم و سپس یک مطالعه موردی برای ارزیابی عملکرد روش های خود ارائه می کنیم.

2. مواد و روشها

2.1. شرح مختصری از مفهوم انتشار به روز رسانی

توضیح مختصری در مورد انتشار به‌روزرسانی‌ها در میان مجموعه داده‌های چند مقیاسی در MRDB در اینجا ارائه شده است، زیرا درک کار زیر ضروری است. ورودی های کلیدی برای انتشار به روز رسانی مناطق مسکونی از نقشه های مقیاس بزرگتر به مقیاس کوچکتر شامل اشیاء به روز شده در نقشه های مقیاس بزرگ، انواع به روز رسانی اشیاء در نقشه های مقیاس بزرگ، و اشیاء به روز شده در نقشه های در مقیاس کوچک [ 15 ]. با توجه به اشیاء به روز شده و انواع به روز رسانی اشیاء در نقشه های مقیاس بزرگ، یکی از وظایف اصلی انتشار به روز رسانی، یافتن اشیاء به روز شده در نقشه های مقیاس کوچک بر اساسروابط تطبیق شی و تعریف مجدد اشیاء در نقشه های مقیاس کوچک.

انواع به‌روزرسانی‌های شی در نقشه‌های مقیاس بزرگ، که به اشیاء در نقشه‌های مقیاس کوچک منتشر می‌شوند، عموماً شامل به‌روزرسانی‌های ویژگی‌ها (به‌عنوان مثال، انواع کاربری زمین، مالکیت خانوار) و به‌روزرسانی‌های هندسی است [16 ، 17 ، 18 ] . به‌روزرسانی‌های هندسی در نقشه‌های با مقیاس مشابه شامل عملیات‌های مختلف چند ضلعی‌های برداری [ 19 ]، مانند جمع ( یعنی اشیاء جدید اضافه شده‌اند)، حذف ( یعنی اشیاء حذف می‌شوند)، تجمع ( یعنی چند شیء در یک ادغام می‌شوند). جدید)، پارتیشن ( به عنوان مثالیک شی به چندین شیء جدید تقسیم می‌شود)، اغراق ( یعنی اجسام مهم بزرگ می‌شوند)، و تبدیل هندسی ( یعنی اشیا تغییر شکل می‌دهند و به طرح دیگری تبدیل می‌شوند).

روابط تطبیق شی نشان دهنده پیوند بین اشیاء مربوطه در نقشه های مقیاس های مختلف است. از آنجایی که ما در این مطالعه بر مناطق مسکونی ( به عنوان مثال ، بردارهای چندضلعی) تمرکز می‌کنیم، انواع رایج روابط تطبیق شی اغلب با نسبت بین اعداد شی در نقشه‌های مقیاس بزرگ و مقیاس کوچک (به عنوان مثال، در مقیاس بزرگ) نشان داده می‌شوند. : مقیاس کوچک) شامل تطابق 0:1، 1:0، 1:1، m:1 (m > 1)، 1:n (n > 1) و m:n (m > 1 و n > 1) از اشیاء روابط تطبیق شی که اشیاء به روز شده و اشیاء به روز شده را به هم مرتبط می کندرا می توان بر اساس تجزیه و تحلیل فضایی بر روی روابط توپولوژی، فواصل نسبی و اشکال هندسی ایجاد کرد [ 20 ، 21 ]. مطالعات همچنین روش‌های پیچیده‌ای مانند مدل درخت پیوند [ 22 ]، مدل گزارش تعمیم [ 23 ] و روش پارتیشن ناحیه [ 24 ] برای پیوند دادن اشیا در MRDB ایجاد کرده‌اند.

انتشار به‌روزرسانی‌ها باید الزامات نقشه‌برداری خاصی را برآورده کند که می‌تواند در مطالعات و کاربردهای مختلف متفاوت باشد. به طور کلی، تمام اشیاء در مقیاس کوچک ساخته شده باید ویژگی های فضایی اشیاء مقیاس بزرگ را از نظر اشکال چند ضلعی، مناطق چند ضلعی و موقعیت های چند ضلعی تا حد ممکن نزدیک نگه دارند. به طور خاص، از آنجا که هدف این مطالعه به‌روزرسانی مناطق مسکونی در نقشه‌های مقیاس است، ما معیارهای تعمیم نقشه‌برداری مشترک را به شرح زیر در نظر می‌گیریم: (1) حداکثر فاصله برای تجمع: اشیاء جدید در مقیاس بزرگ اگر نزدیک به مقیاس بزرگ موجود باشند. اشیاء از نوع ویژگی یکسان باید در گروه اشیاء مقیاس بزرگ ترکیب شوند و با هم پردازش شوند تا شی مقیاس کوچک به روز شوند. به این معنی که ما باید عملیات تجمع را برای جستجوی تمام اشیاء مربوطه در حداکثر فاصله مشخص انجام دهیم. (2) تناسب شکل: با توجه به اثرات نقشه برداری نقشه برداری از مناطق مسکونی، اشیاء در مقیاس کوچک پس از به روز رسانی باید اشکال تقریباً منظم داشته باشند. قطعات نامنظم در چند ضلعی (به عنوان مثال، چند ضلعی های سوزنی شکل کوچک متصل به یک چند ضلعی مستطیلی بزرگ) نامناسب در نظر گرفته می شوند و نیاز به پردازش بیشتری دارند. (3) مستطیل بودن: با توجه به ویژگی های فضایی مناطق مسکونی، چند ضلعی های به روز شده در صورتی که دارای زوایای داخلی نزدیک به مستطیل باشند، انتظار می رود زوایای داخلی مستطیلی داشته باشند و باید به یک مستطیل پردازش شوند. (4) حداقل منطقه قابل نمایش: هر شی در نقشه توپوگرافی باید مساحتی بزرگتر از حداقل منطقه قابل نمایش داشته باشد تا قابل مشاهده و معنادار باشد. در غیر این صورت، (2) تناسب شکل: با توجه به اثرات نقشه برداری نقشه برداری از مناطق مسکونی، اشیاء در مقیاس کوچک پس از به روز رسانی باید اشکال تقریباً منظم داشته باشند. قطعات نامنظم در چند ضلعی (به عنوان مثال، چند ضلعی های سوزنی شکل کوچک متصل به یک چند ضلعی مستطیلی بزرگ) نامناسب در نظر گرفته می شوند و نیاز به پردازش بیشتری دارند. (3) مستطیل بودن: با توجه به ویژگی های فضایی مناطق مسکونی، چند ضلعی های به روز شده در صورتی که دارای زوایای داخلی نزدیک به مستطیل باشند، انتظار می رود زوایای داخلی مستطیلی داشته باشند و باید به یک مستطیل پردازش شوند. (4) حداقل منطقه قابل نمایش: هر شی در نقشه توپوگرافی باید مساحتی بزرگتر از حداقل منطقه قابل نمایش داشته باشد تا قابل مشاهده و معنادار باشد. در غیر این صورت، (2) تناسب شکل: با توجه به اثرات نقشه برداری نقشه برداری از مناطق مسکونی، اشیاء در مقیاس کوچک پس از به روز رسانی باید اشکال تقریباً منظم داشته باشند. قطعات نامنظم در چند ضلعی (به عنوان مثال، چند ضلعی های سوزنی شکل کوچک متصل به یک چند ضلعی مستطیلی بزرگ) نامناسب در نظر گرفته می شوند و نیاز به پردازش بیشتری دارند. (3) مستطیل بودن: با توجه به ویژگی های فضایی مناطق مسکونی، چند ضلعی های به روز شده در صورتی که دارای زوایای داخلی نزدیک به مستطیل باشند، انتظار می رود زوایای داخلی مستطیلی داشته باشند و باید به یک مستطیل پردازش شوند. (4) حداقل منطقه قابل نمایش: هر شی در نقشه توپوگرافی باید مساحتی بزرگتر از حداقل منطقه قابل نمایش داشته باشد تا قابل مشاهده و معنادار باشد. در غیر این صورت، اشیاء در مقیاس کوچک پس از به روز رسانی باید اشکال تقریبا منظم داشته باشند. قطعات نامنظم در چند ضلعی (به عنوان مثال، چند ضلعی های سوزنی شکل کوچک متصل به یک چند ضلعی مستطیلی بزرگ) نامناسب در نظر گرفته می شوند و نیاز به پردازش بیشتری دارند. (3) مستطیل بودن: با توجه به ویژگی های فضایی مناطق مسکونی، چند ضلعی های به روز شده در صورتی که دارای زوایای داخلی نزدیک به مستطیل باشند، انتظار می رود زوایای داخلی مستطیلی داشته باشند و باید به یک مستطیل پردازش شوند. (4) حداقل منطقه قابل نمایش: هر شی در نقشه توپوگرافی باید مساحتی بزرگتر از حداقل منطقه قابل نمایش داشته باشد تا قابل مشاهده و معنادار باشد. در غیر این صورت، اشیاء در مقیاس کوچک پس از به روز رسانی باید اشکال تقریبا منظم داشته باشند. قطعات نامنظم در چند ضلعی (به عنوان مثال، چند ضلعی های سوزنی شکل کوچک متصل به یک چند ضلعی مستطیلی بزرگ) نامناسب در نظر گرفته می شوند و نیاز به پردازش بیشتری دارند. (3) مستطیل بودن: با توجه به ویژگی های فضایی مناطق مسکونی، چند ضلعی های به روز شده در صورتی که دارای زوایای داخلی نزدیک به مستطیل باشند، انتظار می رود زوایای داخلی مستطیلی داشته باشند و باید به یک مستطیل پردازش شوند. (4) حداقل منطقه قابل نمایش: هر شی در نقشه توپوگرافی باید مساحتی بزرگتر از حداقل منطقه قابل نمایش داشته باشد تا قابل مشاهده و معنادار باشد. در غیر این صورت، با توجه به ویژگی های فضایی مناطق مسکونی، چند ضلعی های به روز شده در صورتی که دارای زوایای داخلی نزدیک به مستطیل باشند، انتظار می رود که دارای زوایای داخلی مستطیلی باشند و باید به یک مستطیل پردازش شوند. (4) حداقل منطقه قابل نمایش: هر شی در نقشه توپوگرافی باید مساحتی بزرگتر از حداقل منطقه قابل نمایش داشته باشد تا قابل مشاهده و معنادار باشد. در غیر این صورت، با توجه به ویژگی های فضایی مناطق مسکونی، چند ضلعی های به روز شده در صورتی که دارای زوایای داخلی نزدیک به مستطیل باشند، انتظار می رود که دارای زوایای داخلی مستطیلی باشند و باید به یک مستطیل پردازش شوند. (4) حداقل منطقه قابل نمایش: هر شی در نقشه توپوگرافی باید مساحتی بزرگتر از حداقل منطقه قابل نمایش داشته باشد تا قابل مشاهده و معنادار باشد. در غیر این صورت،اغراق یا حذف باید به ترتیب برای اشیاء مهم یا بی اهمیت اعمال شود.

2.2. استراتژی موازی انتشار به روز رسانی

شکل 1 مراحل اصلی در گردش کار روش ما را نشان می دهد. ما اشیاء مربوطه را در مقیاس‌های مختلف گروه‌بندی می‌کنیم و سپس اشیاء به‌روز شده در نقشه‌های مقیاس بزرگ را به مثلث‌هایی بر اساس مثلث‌سازی محدود Delaunay تجزیه می‌کنیم، که بیشتر ویرایش شده و به اشیاء در نقشه‌های مقیاس کوچک تبدیل می‌شوند. در اصل، ما مشکل انتشار به‌روزرسانی را به انتخاب و ترکیب دسته‌ای از مثلث‌های کوچک تبدیل می‌کنیم، به طوری که می‌توان جسم در مقیاس کوچک را از همه مثلث‌های متناظر به طور همزمان تولید کرد تا معیارهای تعمیم نقشه‌کشی را برآورده کند. هر مرحله در بخش های بعدی بیشتر توضیح داده شده است.

2.2.1. اشیاء مربوط به گروه

برای دستیابی به انتشار به‌روزرسانی موازی، اشیاء مرتبط با فضایی در نقشه‌های مقیاس‌های مختلف باید برای پردازش بعدی با هم گروه‌بندی شوند. با توجه به انواع به‌روزرسانی‌های شی در نقشه‌های مقیاس بزرگ، سه عملیات اساسی برای انتشار به‌روزرسانی وجود دارد: (1) افزودن (به عنوان مثال، ساختمان‌های جدید اضافه‌شده در نقشه مقیاس بزرگ، هیچ شی منطبقی در نقشه مقیاس کوچک ندارند، سپس بر اساس قوانین تعمیم نقشه برداری، اشیاء در فاصله معینی در نقشه های بزرگ و کوچک گروه بندی می شوند. (2) حذف (به عنوان مثال، ساختمان های حذف شده در نقشه مقیاس بزرگ دارای یک شی متناظر در نقشه مقیاس کوچک هستند، سپس شی مقیاس کوچک مربوطه و اشیاء مقیاس بزرگ مرتبط با آن گروه بندی می شوند). و (3) اصلاح (به عنوان مثال، ساختمان‌ها در نقشه‌های مقیاس بزرگ از نظر به‌روزرسانی ویژگی‌ها یا به‌روزرسانی‌های هندسی اصلاح می‌شوند، سپس شی مقیاس کوچک مربوطه و اشیاء مقیاس بزرگ مرتبط با آن به همراه اشیاء مقیاس بزرگ در یک فاصله معین گروه‌بندی می‌شوند. برای ساده‌سازی فرآیند انتشار به‌روزرسانی، انواع دیگر به‌روزرسانی‌های شی در نقشه‌های مقیاس بزرگ، مانند تجمیع، پارتیشن، اغراق و تبدیل هندسی را می‌توان به سه نوع عملیات فوق‌الذکر تبدیل کرد.

2.2.2. ایجاد مثلث دلونای محدود

اجسام در مقیاس بزرگ به گروه‌های مثلثی بر اساس مثلث دلونای محدود تجزیه می‌شوند. روش مثلث بندی محدود دلونی یک فرآیند محاسباتی است که چند ضلعی ها را به بخش های خاصی می شکند و این بخش ها را به مثلث ها وادار می کند [ 25 ]. مثلث سازی محدود دلون به طور گسترده ای در برنامه های کاربردی سیستم اطلاعات جغرافیایی (GIS) استفاده می شود [ 26 ، 27 ، 28] و در نرم افزار GIS رایج (مثلاً نرم افزار ArcGIS) تعبیه شده است. یکی از کلیدهای ساخت مثلث دلونی محدود، تعیین رأس هر مثلث است، به طوری که مجموعه های نقطه ای راس می توانند کوچکترین زاویه داخلی همه مثلث ها را به حداکثر برسانند. ما هر شی منفرد را در داخل گروه های اشیاء پیمایش می کنیم و راس هر شی را به عنوان گره های مثلث استخراج می کنیم ( شکل 2 ). علاوه بر این، از آنجا که حفظ شکل کلی اشیاء در انتشار به روز رسانی ضروری است، اضلاع چند ضلعی های اصلی به عنوان مرزهای شرطی برای محدود کردن استخراج رأس در هنگام ساختن یک مثلث Delaunay محدود استفاده می شود.

2.2.3. Triangulation Delaunay Constrained Triangulation

برای انتشار به روز رسانی اشیاء از نقشه های بزرگ به مقیاس کوچک، باید شبکه ساخته شده از مثلث ها را ترکیب کنیم، جایی که کلید انتخاب صحیح مثلث ها است. با در نظر گرفتن رابطه فضایی بین اشیاء به روز شده و اشیای به روز شده ، قوانین عملکرد مثلث ها ساده هستند: (1) مثلث هایی را که با اشیاء در مقیاس بزرگ حذف شده قطع شده اند یا مثلث هایی که خارج از مرز هستند کنار می گذاریم. گروه شیء و در مجاورت شی حذف شده هستند. و (2) مثلث هایی را ذخیره می کنیم که درون اشیاء مقیاس بزرگ جدید اضافه شده اند، مثلث هایی که در مجاورت جسم بزرگ مقیاس جدید اضافه شده اند، و مثلث هایی که درون شی مقیاس کوچک بدون تغییر قرار دارند. شکل 2عملیات روی شبکه ساخته شده از مثلث ها را نشان می دهد.

2.2.4. با استفاده از الگوریتم جستجوی Tabu، اشیاء جدید در مقیاس کوچک بسازید

یک شبکه کوتاه شده از مثلث بندی دلونی محدود شده را به صورت زیر در نظر بگیرید:

(1)

جایی که هر عنصر مثلث در شبکه را نشان می دهد.

کلید ساخت اشیاء در مقیاس کوچک، تعیین دنباله ترکیب مثلثی است که معیارهای تعمیم نقشه‌کشی را برآورده می‌کند و به بهترین نتایج تعمیم دست می‌یابد (به عنوان مثال، حفظ شکل کلی اشیاء مربوطه، حفظ حداقل نواحی تغییر، حفظ حداقل حرکات راس) . با توجه به معیارهای تعمیم نقشه برداری، پردازش انتشار به روز رسانی بسیار پیچیده تر از ادغام ساده همه مثلث های باقی مانده است، زیرا نتیجه اشیاء در مقیاس کوچک ساخته شده به دنباله های پردازش مثلث ها و عملیات نقشه برداری بستگی دارد. بازسازی اشیاء در مقیاس بزرگ برای تولید اشیاء در مقیاس کوچک اساساً یک مشکل بهینه سازی ترکیبی است.

در اینجا ما از الگوریتم Tabu Search برای پردازش ساخت اشیاء در مقیاس کوچک استفاده می کنیم. الگوریتم جستجوی Tabu می‌تواند راه‌حل‌های تقریباً بهینه را برای مسائل ترکیبی به دست آورد [ 29 ، 30 ]. با اجازه دادن به پذیرش موقت راه حل های بدتر برای جلوگیری از گرفتار شدن در یک بهینه محلی، راه حل های تقریباً بهینه جهانی را بدون جستجوهای تکراری جستجو می کند. در الگوریتم جستجوی Tabu، راه حل های بالقوه در لیست Tabu ذخیره می شوند که برای جلوگیری از تکرار جستجو و یافتن راه حل قابل قبول استفاده می شود. الگوریتم جستجوی Tabu دارای طیف گسترده ای از کاربردها است، مانند برنامه ریزی کارگاه، برنامه ریزی مسیریابی وسایل نقلیه، و طراحی سیستم های تصفیه آب زیرزمینی [ 31 ، 32 ، 33.].

شکل 3 a روش های اعمال الگوریتم جستجوی Tabu را برای ساخت اشیاء در مقیاس کوچک نشان می دهد. ما ابتدا یک راه حل اولیه برای توالی پردازش به عنوان دانه فعلی به دست می آوریم و آزمایش می کنیم که آیا اشیاء مقیاس کوچک ساخته شده بر اساس راه حل، معیارهای پایان را برآورده می کنند یا خیر. فرآیندهای تکرار پایان می یابند اگر به حداکثر تعداد تکرارها برسند یا اشیاء در مقیاس کوچک ساخته شده بر اساس راه حل دانه فعلی معیارهای نقشه برداری را برآورده کنند (به عنوان مثال، اشیاء در مقیاس کوچک ساخته شده با تمام محدودیت های نقشه برداری مطابقت دارند). اگر معیارهای خاتمه برآورده شوند، بهترین راه حل در لیست Tabu به عنوان خروجی نهایی انتخاب می شود. در غیر این صورت، راه حل های همسایگی برای دنباله پردازش به عنوان نامزد بر اساس ساختار همسایگی دانه فعلی تولید می شوند. اگر اشیاء در مقیاس کوچک ساخته شده بر اساس یک راه حل کاندید بتواند معیار آرزو را برآورده کند (به تابع هزینه در بخش راه حل های همسایگی و ارزیابی آنها مراجعه کنید)، راه حل مستقیماً به لیست Tabu اضافه می شود و به عنوان بذر فعلی به روز می شود. در غیر این صورت، راه حل های محله ارزیابی می شوند، در حالی که بهترین راه حل به لیست Tabu اضافه شده و به عنوان دانه فعلی به روز می شود. این فرآیند به طور مکرر تکرار می شود تا زمانی که معیارهای خاتمه برآورده شوند.

2.2.4.1. راه حل اولیه

برای به دست آوردن راه حل اولیه برای پردازش مثلث ها برای تولید اشیاء در مقیاس کوچک، لازم است ماتریسی ساخته شود که نشان دهنده روابط مجاور مثلث ها بر اساس رابطه توپولوژیکی به شرح زیر باشد:

(2)

جایی که نشان دهنده هر عنصر مثلث در شبکه همانطور که در رابطه (1) توضیح داده شده است، و یک متغیر بولی است، جایی که نشان میدهد که و مجاور هستند و نشان میدهد که و مجاور نیستند

با توجه به ماتریس روابط مجاور، راه حل اولیه لیست توالی پردازش را می توان بر اساس مراحل زیر به دست آورد: (1) یک مثلث به طور تصادفی از مثلث دلونای محدود شده به عنوان دانه انتخاب می شود و به لیست توالی پردازش اضافه می شود. (2) اگر مثلث های همسایگی عنصر دانه وجود داشته باشد، یک مثلث همسایگی به طور تصادفی به عنوان دانه انتخاب می شود و به لیست توالی پردازش اضافه می شود. در غیر این صورت مرحله اول تکرار می شود. (3) مرحله دوم تکرار می شود تا زمانی که تمام مثلث های مثلث محدود شده Delaunay به لیست توالی پردازش اضافه شوند.

2.2.4.2. ساخت اشیاء در مقیاس کوچک بر اساس یک راه حل داده شده

برای ارزیابی یک راه حل داده شده برای توالی پردازش مثلث ها، لازم است اشیاء در مقیاس کوچک ساخته شوند، که فرآیند باید قوانین تعمیم نقشه برداری را در نظر بگیرد. بنابراین، ساخت اشیاء در مقیاس کوچک را می توان بر اساس مراحل زیر به دست آورد ( شکل 3ب): (1) از اولین عنصر در لیست توالی پردازش شروع می کنیم. (2) ما چند ضلعی فعلی را با مثلث بعدی در لیست توالی پردازش ترکیب می کنیم و بررسی می کنیم که آیا چند ضلعی ترکیبی محدودیت های نقشه برداری را نقض می کند یا خیر. (3) اگر محدودیت های نقشه برداری نقض شوند (مثلاً، زاویه داخلی چند ضلعی کوچک است)، چند ضلعی ترکیبی اصلاح می شود (به عنوان مثال، عملکرد مستطیل شکل) تا محدودیت های نقشه برداری را برآورده کند. اگر، حتی پس از اصلاح، چند ضلعی ترکیبی نتواند محدودیت های نقشه برداری را برآورده کند، مثلث جدید اضافه شده کنار گذاشته می شود. (4) مرحله 2 تکرار می شود تا زمانی که تمام مثلث های موجود در لیست توالی پردازش پردازش شوند و شی در مقیاس کوچک ساخته شود.

سه عملیات برای رفع محدودیت‌های نقشه‌برداری در طول ساخت اشیاء در مقیاس کوچک وجود دارد: (1) حذف مثلث‌های نامناسب: مثلث‌های نامناسب (مثلاً مثلث‌های باریک بلند کوچک متصل به چند ضلعی اصلی) احتمالاً هنگام ساخت یا اصلاح مثلث‌سازی محدود شده Delaunay معرفی می‌شوند. [ 34]. اگر مثلث دارای زاویه داخلی بسیار کوچک باشد و اگر ضلع مشترکی با مثلث های دیگر نداشته باشد یا فقط یک ضلع بسیار کوتاه با مثلث های دیگر داشته باشد، مثلث مربوطه به عنوان مثلث نامناسب در نظر گرفته می شود و در حین ساخت مثلث حذف می شود. اشیاء در مقیاس کوچک؛ (2) مستطیل: با توجه به زاویه داخلی نزدیک به مستطیل، مستطیل برای تبدیل زاویه داخلی به مستطیل است که با کشیدن یک خط عمودی از راس مربوطه که به ضلع کوتاهتر به ضلع بلندتر متصل می شود و دوباره شکل می گیرد انجام می شود. از چند ضلعی؛ (3) حذف اجسام کوچک: اگر شی در نقشه توپوگرافی مساحتی کوچکتر از حداقل مساحت قابل نمایش داشته باشد، شی مربوطه حذف می شود زیرا عملیات اغراق را در نظر نمی گیریم.در مطالعه حاضر. مثال ارائه شده در شکل 4 ب کاربرد عملیات را در هنگام ساخت اشیاء در مقیاس کوچک نشان می دهد.

2.2.4.3. راه حل های همسایگی و ارزیابی آنها

اگر اشیاء در مقیاس کوچک ساخته شده معیارهای نقشه برداری را برآورده نکنند، یک راه حل همسایگی بر اساس معادله ساختار همسایگی (2) ایجاد می شود که بر اساس رابطه فضایی مثلث ها به دست می آید. ابتدا، هر مثلث مجاور اولین عنصر در لیست توالی پردازش فعلی به عنوان اولین عنصر لیست توالی پردازش جدید تنظیم می شود. اگر هیچ مثلث مجاور عنصر اول در لیست توالی پردازش فعلی وجود نداشته باشد، سه مثلث تصادفی و جستجو نشده به عنوان اولین عناصر لیست توالی پردازش جدید انتخاب می شوند. دوم، مشابه روشی که راه حل اولیه لیست توالی پردازش را استخراج می کند ( بخش 2.2.4.1.) با اولین عناصر داده شده از لیست های توالی پردازش شروع می کنیم تا راه حل های جدیدی را به عنوان راه حل های همسایگی به دست آوریم. در آخر، راه‌حل‌های همسایگی را که برای ساختن اشیاء در مقیاس کوچک استفاده می‌شوند، ارزیابی می‌کنیم و راه‌حل بهینه را به فهرست Tabu اضافه می‌کنیم.

ارزیابی راه‌حل‌ها باید به این موضوع توجه کند که چگونه شیء در مقیاس کوچک ساخته‌شده، محدودیت‌های نقشه‌برداری را برآورده می‌کند و ویژگی‌های فضایی اشیاء در مقیاس بزرگ را ذخیره می‌کند [ 35 ]. از آنجا که ما قبلاً اشیاء مقیاس کوچک را برای برآوردن محدودیت‌های نقشه‌برداری در هنگام ساخت اشیاء در مقیاس کوچک اصلاح کرده‌ایم، از یک تابع هزینه برای ارزیابی رزرو ویژگی‌های فضایی به صورت زیر استفاده می‌کنیم:

(3)

جایی که تابع هزینه کلی است. ، ، و به ترتیب شاخص تشابه ناحیه، شاخص شباهت موقعیت، و شاخص شباهت شکل را نشان می دهد. و ، ، و توابع وزن دهی هستند. هنگام انجام ارزیابی در مطالعه ما، همه وزن ها دارای ارزش 1/3 هستند.

اجزای توابع هزینه به صورت زیر مشتق می شوند:

(4)

(5)

(6)

جایی که و به ترتیب مناطق مربوط به اشیاء کوچک و بزرگ هستند. و مختصات افقی نقطه مرکزی اجسام کوچک و بزرگ هستند. و به ترتیب مختصات عمودی نقطه مرکزی اجسام کوچک و بزرگ هستند. و مجموع مساحت اشیاء مربوطه در نقشه های بزرگ و کوچک به ترتیب می باشد. و ناحیه همپوشانی بین اجسام کوچک و بزرگ است. همه شاخص ها دارای ارزش بین 0 و 1 هستند، بنابراین مقدار تابع هزینه کلی است از 0 تا 1 متغیر است.

2.2.5. موازی در مقابل به روز رسانی متوالی

روشی که ما توسعه دادیم اساساً از پردازش موازی مناطق مسکونی به روز شده برای تولید اشیاء در مقیاس کوچک پشتیبانی می کند و با روش پردازش متوالی متفاوت است. شکل 4 نمونه ای را نشان می دهد که تفاوت بین پردازش موازی و متوالی را در ساخت اشیاء در مقیاس کوچک نشان می دهد. روش متوالی انتخاب می کند که تمام اشیاء در مقیاس بزرگ به روز شده را به صورت متوالی طی کند و آنها را به اشیاء مقیاس کوچک منتشر کند [ 8 ، 36]]. برای رابطه تطبیق شی m:1، روش متوالی ارتباطات متقابل بین اشیاء در مقیاس بزرگ مجاور را نادیده می‌گیرد و به‌روزرسانی‌ها را یکی یکی منتشر می‌کند، بنابراین منجر به بار محاسباتی سنگینی می‌شود. در مقایسه، روش ما اشیاء در مقیاس بزرگ را گروه بندی می کند و همه مثلث های تجزیه شده را با هم کار می کند، در نتیجه به طور بالقوه کارایی محاسباتی را بهبود می بخشد.

2.3. مطالعه موردی و مواد

ما روش خود را برای به روز رسانی نقشه های دیجیتال مناطق مسکونی در شهر Zengcheng در جنوب چین به کار بردیم. نقشه های دیجیتال نشان داده شده در شکل 5 از اداره محلی نقشه برداری نقشه برداری و اطلاعات جغرافیایی به دست آمده و برای سه مقیاس مختلف ( یعنی 1:500، 1:2000 و 1:10000) ارائه شده است. تمام نقشه های اصلی برای سال 2005 تولید شدند ( شکل 5 a-c). نقشه 1:500 برای سال 2013 به روز شد ( شکل 5 د) و نقشه های توپوگرافی 1:2000 و 1:10000 نقشه هایی بودند که باید به روز شوند. برای ارزیابی نتایج به دست آمده، نقشه های توپوگرافی 1:2000 و 1:10000 ( شکل 5)e,f به ترتیب) نیز به صورت دستی توسط متخصصان بر اساس نقشه توپوگرافی به روز شده 1:500 به روز شد.

نقشه های تولید شده در مقیاس کوچک باید محدودیت های نقشه برداری را برآورده کنند. با اشاره به مقررات نمادهای نقشه برداری برای نقشه های مقیاس بنیادی ملی در چین، حداکثر فاصله برای تجمیع برای نقشه های توپوگرافی 1:2000 و 1:10000 به ترتیب 1 و 2 متر تعیین شده است. تحمل خطای داده در نقشه به ترتیب 1 و 1.5 متر برای نقشه های توپوگرافی 1:2000 و 1:10000 تعیین شده است. و حداقل مساحت قابل نمایش در نقشه برای نقشه های توپوگرافی 1:2000 و 1:10000 به ترتیب 24 و 48 متر مربع تعیین شده است.

علاوه بر این، برای درک اینکه چگونه روش انتشار به روز می‌تواند بر الگوی فضایی مناطق مسکونی در نقشه‌های مقیاس‌های مختلف تأثیر بگذارد، از شاخص تراکم ساختمان در مطالعه موردی ما استفاده شده و به شرح زیر است:

(7)

جایی که شاخص تراکم ساختمان است، مساحت هر چند ضلعی از منطقه مسکونی است که در یک شبکه مشخص قرار دارد و مساحت کل یک شبکه است.

3. نتایج و بحث

3.1. تجزیه و تحلیل دقت

شکل 6 نقشه های توپوگرافی به روز شده را در مقیاس های 1:2000 و 1:10000 نشان می دهد. الگوهای فضایی نقشه های توپوگرافی به روز شده ما در مقیاس های مختلف با مقیاس 1:500 مطابقت دارد. میز 1نتایج آماری را برای به روز رسانی مناطق مسکونی در مقیاس های مختلف نشان می دهد. مقادیر میانگین شاخص شباهت موقعیت، شاخص شباهت ناحیه و شاخص تشابه شکل تقریباً همه بیش از 0.80 است که نشان می‌دهد ویژگی‌های هندسی اشیاء در مقیاس بزرگ به خوبی در پردازش به‌روزرسانی حفظ می‌شوند. مقادیر میانگین شاخص شباهت موقعیت همگی بالاتر از 0.99 هستند، که نشان می دهد جابجایی نقاط مرکز بین اشیاء در مقیاس بزرگ و کوچک بسیار کوچک است. تغییرات نواحی چند ضلعی و اشکال چند ضلعی در بین اشیاء در مقیاس های مختلف به ضریب مقیاس، رابطه تطبیق شی و عملیات نقشه کشی بستگی دارد. به عنوان مثال، رابطه تطبیق شی 1:1 دارای مقادیر بیشتری از شاخص شباهت ناحیه نسبت به سایر روابط تطبیق شی است. عمدتاً به این دلیل که هنگام ساخت اشیاء در مقیاس کوچک برای روابط تطبیق شی m:1 یا m:n در نقشه مقیاس کوچک، شکاف بین اشیاء در مقیاس بزرگ به روز شده پر می شود. به طور مشابه، اشیاء با رابطه تطابق شی m:1 دارای مقادیر کمتری از شباهت ناحیه و شباهت شکل نسبت به سایرین هستند، زیرا چند ضلعی های ساختمان اغلب هنگام به روز رسانی نقشه های مقیاس کوچک ادغام می شوند. چنین اثراتی هنگام به روز رسانی نقشه توپوگرافی 1:10000 قوی نشان داده می شود که منجر به مقادیر نسبتاً کم شباهت منطقه و تشابه شکل می شود. زیرا هنگام به روز رسانی نقشه های مقیاس کوچک، چند ضلعی های ساختمان اغلب با هم ادغام می شوند. چنین اثراتی هنگام به روز رسانی نقشه توپوگرافی 1:10000 قوی نشان داده می شود که منجر به مقادیر نسبتاً کم شباهت منطقه و تشابه شکل می شود. زیرا هنگام به روز رسانی نقشه های مقیاس کوچک، چند ضلعی های ساختمان اغلب با هم ادغام می شوند. چنین اثراتی هنگام به روز رسانی نقشه توپوگرافی 1:10000 قوی نشان داده می شود که منجر به مقادیر نسبتاً کم شباهت منطقه و تشابه شکل می شود.

شاخص تشابه شکل بیشتر مورد مطالعه قرار می گیرد تا تأثیر تعداد اشیایی که گروه بندی می شوند در به روز رسانی نقشه های مقیاس بزرگ درک شود ( شکل 7)). به طور کلی، مقادیر شاخص تشابه شکل هنگام به‌روزرسانی نقشه‌های توپوگرافی 1:2000 بیشتر از به‌روزرسانی نقشه‌های توپوگرافی 1:10000 است، عمدتاً به این دلیل که تأثیر تعمیم نقشه‌برداری بر انتشار به‌روزرسانی هنگام به‌روزرسانی نقشه‌های مقیاس کوچک‌تر قوی‌تر است. شاخص تشابه شکل به طور مداوم بالا است، اما با افزایش تعداد اشیاء به روز شده اندکی کاهش می یابد، زیرا هر چه اشیاء در مقیاس بزرگ به روز شوند، احتمالاً تغییرات هندسی بیشتری هنگام ساخت اشیاء در مقیاس کوچک رخ می دهد. عملیات اصلاح باید با اشیاء تازه اضافه شده و تازه حذف شده سر و کار داشته باشد و بنابراین احتمالاً عدم قطعیت های نقشه برداری بیشتری دارد و منجر به مقادیر کمتر تشابه شکل نسبت به عملیات جمع و حذف می شود.

هنگام به روز رسانی نقشه های توپوگرافی 1:2000، عملیات حذف منجر به تشابه شکل بالاتری نسبت به عملیات جمع می شود. یک دلیل این است که برخی از اشیاء اضافه شده در نقشه های توپوگرافی 1:500 قانون نقشه برداری حداقل مساحت قابل نمایش را نقض می کنند. اگر این چند ضلعی های تازه اضافه شده هیچ شی مجاوری برای ترکیب برای تولید اشیاء در مقیاس کوچک نداشته باشند، در نقشه های توپوگرافی 1:2000 گنجانده نمی شوند و در نتیجه باعث کاهش مقادیر شاخص تشابه شکل می شود. برای عملیات حذف، بیشتر به روز رسانی های منتشر شده برای اصلاح اشیاء در مقیاس کوچک استفاده می شود و بنابراین فقط تأثیرات جزئی بر شاخص شباهت شکل دارند. عملیات اصلاح اغلب شامل پردازش پیچیده به‌روزرسانی‌ها می‌شود و بنابراین مقادیر نسبتاً پایین‌تری از شاخص تشابه شکل را به همراه دارد. هنگام به روز رسانی 1:10،

علاوه بر ارزیابی دقت بالا با انجام مقایسه بین نقشه‌های مقیاس بزرگ و نقشه‌های به‌روزشده در مقیاس کوچک، جدول 2 نتایج آماری را برای مقایسه بین نقشه‌های به‌روزرسانی شده با الگوریتم و نقشه‌های به‌روزرسانی دستی در همان مقیاس خلاصه می‌کند. بیشتر مقادیر بالاتر از 0.90 در جدول 2 هستند و تقریباً تمام مقادیر جدول 2 بالاتر از جدول 1 هستند ، عمدتاً به این دلیل که مقیاس های نقشه هنگام انجام تجزیه و تحلیل آماری مطابقت دارند. الگوی نشان داده شده در جدول 2 مشابه نمونه نشان داده شده در جدول 1 است. به عنوان مثال، روابط تطبیق شی m:1 کمترین مقادیر شباهت ناحیه و شباهت شکل را به دست می‌دهد، که عمدتاً به دلیل عملیات تجمع چند ضلعی‌های ساختمانی است. این نتایج نشان می دهد که روش ما قادر به ارائه به روز رسانی دقیق نقشه های توپوگرافی در مقایسه با نقشه های به روز شده دستی است.

3.2. الگوی فضایی تراکم ساختمانی

شکل 8 تراکم ساختمان را در نقشه های توپوگرافی به روز شده نشان می دهد تا به درک تأثیرات به روز رسانی مناطق مسکونی کمک کند. نقشه هایی که در سلول های شبکه ای منظم 7 در 7 طبقه بندی می شوند نشان داده شده اند که دارای تفاوت تراکم ساختمانی در بین نقشه های توپوگرافی در مقیاس های مختلف هستند. دلیل آن عمدتاً به دلیل نمایش چند مقیاسی موجودیت ها و تعمیم نقشه برداری مانند تجمع اشیاء مجاور و حذف اشیاء کوچک است. شبکه‌هایی با تفاوت‌های زیاد در تراکم ساختمان عمدتاً با مناطقی با تراکم ساختمانی بالا مانند شبکه 16 و 38 منطبق هستند. جدول 3تعداد سلول های شبکه را برای تراکم های مختلف ساختمان لیست می کند. تعداد سلول‌های شبکه در هر کلاس فقط تفاوت‌های جزئی دارد، که نشان می‌دهد به‌روزرسانی‌های منتشر شده به طور موثر تراکم ساختمان را در نقشه‌های توپوگرافی در مقیاس‌های مختلف حفظ می‌کنند و به طور کلی الگوهای فضایی منطقه مسکونی را حفظ می‌کنند. در بیشتر موارد، تعداد شبکه‌ها در نقشه مقیاس کوچک برای مناطق با تراکم ساختمانی بالا افزایش می‌یابد، عمدتاً به این دلیل که بسیاری از مناطق خالی بین اشیاء مجاور در نقشه مقیاس بزرگ در نقشه مقیاس کوچک پر می‌شوند. به عملیات تجمیع

شکل 9رابطه بین شاخص های شباهت شکل اشیاء به روز شده و تراکم ساختمان را نشان می دهد. به نظر می رسد که با افزایش تراکم ساختمان هنگام به روز رسانی نقشه های توپوگرافی 1:2000 و 1:10000، شاخص تشابه شکل کاهش می یابد. تأثیرات عملیات نقشه‌برداری در مناطق با تراکم ساختمانی بالا قوی‌تر از مناطق با تراکم ساختمانی کم است و در نتیجه شاخص تشابه شکل نسبتاً پایینی در مناطق با تراکم ساختمانی بالا ایجاد می‌شود. هنگام انجام تحلیل همبستگی ساده بین شاخص‌های شباهت شکل و تراکم ساختمان، ضریب همبستگی همانطور که با مقادیر p نشان داده می‌شود ناچیز است، اگرچه شاخص شباهت شکل روند کاهشی کمی دارد.

3.3. مقایسه بین به روز رسانی متوالی و موازی

مقایسه بین روش‌های به‌روزرسانی متوالی و موازی در شکل 10 نشان داده شده است تا به درک تفاوت‌های آن‌ها در کارایی محاسباتی کمک کند، همانطور که با متریک میانگین تعداد اشیاء به‌روز شده در هر ثانیه اندازه‌گیری می‌شود. در مناطق با تراکم ساختمانی کم (

، به نظر می رسد روش به روز رسانی متوالی سریعتر از روش به روز رسانی موازی باشد. یکی از دلایل این است که مناطق با تراکم ساختمان کم دارای چند ضلعی های پراکنده از مناطق مسکونی به روز شده و بسیاری از روابط تطبیق شی 1:1 هستند. به‌روزرسانی‌های تک تک اشیاء به‌طور متوالی کار نسبتاً آسانی است، اما تحلیل شبکه‌های مثلثی در روش موازی پیشنهادی ما ممکن است زمان ببرد. زیرا روابط تطبیق شی m:1 در نواحی با متوسط (

) و بالا (

) تراکم ساختمان، روش به روز رسانی موازی می تواند به طور موثر بار محاسباتی را کاهش دهد. در مناطق با تراکم ساختمانی بالا، روش به روز رسانی موازی نشان داده شده است که سرعت محاسبات را 27.8٪ افزایش می دهد. ما روش خود را با سایر روش‌های پیچیده مقایسه نکردیم، به دلیل مشکلاتی که در به دست آوردن کد منبع آنها وجود داشت.

4. نتیجه گیری

برای به‌روزرسانی مناطق مسکونی در پایگاه‌های داده چند بازنمایی، ما یک روش جدید برای انتشار به‌روزرسانی‌های اشیاء در مقیاس بزرگ برای تولید اشیاء در مقیاس کوچک پیشنهاد می‌کنیم. این روش اجسام در مقیاس بزرگ را بر اساس مثلث بندی محدود دلونی به مثلث ها تجزیه می کند. الگوریتم جستجوی Tabu برای یافتن راه حل هایی برای ترکیب مثلث ها و ساخت اشیاء در مقیاس کوچک که محدودیت های نقشه برداری را برآورده می کنند، استفاده می شود. ما از روش توسعه‌یافته برای به‌روزرسانی نقشه‌های توپوگرافی استفاده کردیم و متوجه شدیم که نقشه‌های مقیاس کوچک به‌روزرسانی شده، الگوهای مشابهی با نقشه‌های مقیاس بزرگ از نظر جابجایی رأس، تغییرات منطقه و تغییرات مورفولوژیکی دارند. از آنجا که این روش روی مثلث ها با هم عمل می کند و امکان پردازش موازی انتشار به روز رسانی را فراهم می کند. در مناطقی با تراکم ساختمانی بالا موثرتر از روشی است که اجسام را به صورت متوالی عمل می کند. این روش، اگرچه به آزمایش‌های بیشتر در مکان‌های دیگر نیاز دارد، اما نویدبخش به‌روزرسانی مناطق مسکونی در پایگاه‌های داده چندگانه است.

اختصارات

در این نسخه از اختصارات زیر استفاده شده است:

GIS	سیستم اطلاعات جغرافیایی
MRDB	پایگاه داده های نمایندگی چندگانه

منابع

Goodchild، MF Citizens به عنوان حسگرهای داوطلبانه: زیرساخت داده های مکانی در دنیای وب 2.0. بین المللی جی. اسپات. زیرساخت داده Res. 2007 ، 2 ، 24-32. [ Google Scholar ]
Xiong، Y. هوانگ، اس. چن، اف. بله، اچ. وانگ، سی. زو، سی. اثرات شهرنشینی سریع بر محیط حرارتی: مطالعه سنجش از راه دور گوانگژو، چین جنوبی. Remote Sens. 2012 ، 4 ، 2033-2056. [ Google Scholar ] [ CrossRef ]
ژانگ، ایکس. کانگ، تی. وانگ، اچ. Sun، Y. تحلیل ساختار فضایی تغییر کاربری اراضی بر اساس سنجش از دور و سیستم اطلاعات جغرافیایی. بین المللی J. Appl. زمین Obs. Geoinf. 2010 ، 12 ، S145–S150. [ Google Scholar ] [ CrossRef ]
شلابی، ع. Tateishi، R. سنجش از دور و GIS برای نقشه برداری و پایش پوشش زمین و تغییرات کاربری اراضی در منطقه ساحلی شمال غربی مصر. Appl. Geogr. 2007 ، 27 ، 28-41. [ Google Scholar ] [ CrossRef ]
بوکو، جی. مندوزا، م. Velázquez، A. سنجش از دور و نقشه برداری ژئومورفولوژیکی منطقه ای مبتنی بر GIS – ابزاری برای برنامه ریزی کاربری زمین در کشورهای در حال توسعه. ژئومورفولوژی 2001 ، 39 ، 211-219. [ Google Scholar ] [ CrossRef ]
Kilpeläinen، T. تعمیر و نگهداری پایگاه‌های اطلاعاتی چندگانه برای داده‌های توپوگرافی. کارتوگر. J. 2000 , 37 , 101-107. [ Google Scholar ] [ CrossRef ]
ژو، اس. جونز، CB یک مدل داده مکانی چند بازنمایی. در پیشرفت در پایگاه داده های مکانی و زمانی ; Springer: هایدلبرگ، آلمان، 2003; صص 394-411. [ Google Scholar ]
بابزین، م. بورگاردت، دی. پتزولد، I. تعمیم مجدد و ساخت – دو رویکرد جایگزین برای به روز رسانی افزایشی خودکار در MRDB. در مجموعه مقالات بیست و دومین کنفرانس بین المللی کارتوگرافی، لاکرونیا، اسپانیا، 9 تا 16 ژوئیه 2005.
هری، ال. هلستروم، A.-K. یک سیستم نمونه اولیه برای انتشار به روز رسانی بین مجموعه داده های نقشه برداری. کارتوگر. J. 1999 ، 36 ، 133-140. [ Google Scholar ] [ CrossRef ]
بالتساویاس، ای. Zhang, C. به روز رسانی خودکار پایگاه داده های جاده ها از تصاویر هوایی. بین المللی J. Appl. زمین Obs. Geoinf. 2005 ، 6 ، 199-213. [ Google Scholar ] [ CrossRef ]
گوا، تی. ژانگ، ایکس. Liang, Z. تحقیق در مورد روش تشخیص اطلاعات تغییر داده های برداری بر اساس درخت تصمیم شبکه عصبی. Acta Geod. کارتوگر. گناه 2013 ، 42 ، 937-943. [ Google Scholar ]
فن، ی. یانگ، جی. ژانگ، سی. Zhu، D. روش تشخیص تغییر مبتنی بر رویداد برای به‌روزرسانی تدریجی پایگاه داده کاداستر. ریاضی. محاسبه کنید. مدل. 2010 ، 51 ، 1343-1350. [ Google Scholar ] [ CrossRef ]
Anders, K.-H.; سستر، ام. Bobrich, J. به روز رسانی افزایشی در یک MRDB. در مجموعه مقالات بیست و سومین کنفرانس بین المللی کارتوگرافی، مسکو، روسیه، 4 تا 10 اوت 2007.
بابزین، م. بورگاردت، دی. پتزولد، آی. نیون، ام. Weibel, R. پایگاه های داده چند نمایشی با روابط افقی، عمودی و به روز رسانی به طور صریح مدل شده است. کارتوگر. Geogr. Inf. علمی 2008 ، 35 ، 3-16. [ Google Scholar ] [ CrossRef ]
چی، اچ. لی، ز. Chen, J. تشخیص تغییر خودکار برای به‌روزرسانی سکونتگاه‌ها در نقشه‌های مقیاس کوچکتر از نقشه‌های به‌روزشده در مقیاس بزرگتر. جی. اسپات. علمی 2010 ، 55 ، 133-146. [ Google Scholar ] [ CrossRef ]
لین، ی. لیو، W.-Z. چن، جی. مدل سازی به روز رسانی تدریجی پایگاه داده فضایی بر اساس حالت پایه با اصلاحات. سیاره Procedia Earth. علمی 2009 ، 1 ، 1173-1179. [ Google Scholar ] [ CrossRef ]
چن، جی. لین، ی. Liu, W. طبقه بندی رسمی تغییرات افزایشی فضایی برای به روز رسانی. Acta Geod. کارتوگر. گناه 2012 ، 41 ، 108-114. [ Google Scholar ]
ژانگ، ایکس. گوا، تی. Tang, T. یک روش تطبیقی برای به روز رسانی تدریجی داده های برداری. Acta Geod. کارتوگر. گناه 2012 ، 41 ، 613-619. [ Google Scholar ]
فورستر، تی. استوتر، جی. Kobben، B. به سوی یک طبقه بندی رسمی از عملگرهای تعمیم. در مجموعه مقالات بیست و سومین کنفرانس بین المللی کارتوگرافی، مسکو، روسیه، 4 تا 10 اوت 2007.
رول، پی. آنتوان، ب. تطبیق خودکار ویژگی‌های ساختمان با سطوح مختلف جزئیات: مطالعه موردی. در مجموعه مقالات بیست و چهارمین کنفرانس بین المللی کارتوگرافی، سانتیاگو دی شیلی، شیلی، 15 نوامبر 2009.
والتر، وی. Fritsch، D. تطبیق مجموعه داده های مکانی: یک رویکرد آماری. بین المللی جی. جئوگر. Inf. علمی 1999 ، 13 ، 445-473. [ Google Scholar ] [ CrossRef ]
جونکوی، XU؛ نیش، WU; کیان، ح. ایجاد و استفاده از پیوندهای ویژگی‌های سکونتگاه مقیاس محله در فرآیند به‌روزرسانی داده‌های مکانی. Acta Geod. کارتوگر. گناه 2013 ، 42 ، 898-905. [ Google Scholar ]
ژو، اس. رگنولد، ن. Roensdorf, C. گزارش تعمیم برای مدیریت و استفاده از پایگاه داده فضایی چند بازنمایی در تولید نقشه. محاسبه کنید. محیط زیست سیستم شهری 2009 ، 33 ، 334-348. [ Google Scholar ] [ CrossRef ]
دیلو، ا. ون اوستروم، پی. هافمن، A. tGAP محدود برای تعمیم بین مقیاس ها: مورد داده های توپوگرافی هلندی. محاسبه کنید. محیط زیست سیستم شهری 2009 ، 33 ، 388-402. [ Google Scholar ] [ CrossRef ]
جویدن، LP مثلث delaunay محدود. الگوریتمیکا 1989 ، 4 ، 97-108. [ Google Scholar ] [ CrossRef ]
تورتوسا، ال. ویسنت، J.-F. Zamora، A. مدلی برای ساده کردن شبکه های مثلثی دوبعدی با اشکال نامنظم. Appl. ریاضی. محاسبه کنید. 2010 ، 216 ، 2937-2946. [ Google Scholar ] [ CrossRef ]
لیو، اس. هو، ایکس. شی، ی. مدل‌سازی معکوس دوبعدی لیو برای میدان‌های بالقوه روی سطح مشاهده ناهموار با استفاده از مثلث‌سازی محدود دلونی. محاسبه کنید. Geosci. 2015 ، 76 ، 18-30. [ Google Scholar ] [ CrossRef ]
آی، تی. گوا، آر. استخراج خطوط مرکزی و ساخت شبکه خیابانی بر اساس مثلث بندی محدود دلون. Acta Geod. کارتوگر. گناه 2000 ، 29 ، 348-354. [ Google Scholar ]
Glover, F. Tabu search-part I. ORSA J. Comput. 1989 ، 1 ، 190-206. [ Google Scholar ] [ CrossRef ]
Glover, F. Tabu search-part II. ORSA J. Comput. 1990 ، 2 ، 4-32. [ Google Scholar ] [ CrossRef ]
یانگ، ی. وو، جی. سان، ایکس. وو، جی. ژنگ، سی. جستجوی پارتو تابو برای طراحی بهینه چند هدفه سیستم‌های تصفیه آب زیرزمینی. جی هیدرول. 2013 ، 490 ، 56-73. [ Google Scholar ] [ CrossRef ]
کریچن، اس. فیض، س. تلیلی، تی. Tej, K. GIS مبتنی بر تابو برای حل مشکل مسیریابی خودرو. انقضا سیستم Appl. 2014 ، 41 ، 6483-6493. [ Google Scholar ] [ CrossRef ]
Palacios، JJ; گونزالس، MA; Vela، CR; گونزالس-رودریگز، آی. Puente، J. Genetic Tabu برای مشکل کارگاه انعطاف پذیر فازی جستجو می کنند. محاسبه کنید. اپراتور Res. 2015 ، 54 ، 74-89. [ Google Scholar ] [ CrossRef ]
گائو، ز. یو، ز. Holst, M. هموارسازی مش چهاروجهی با کیفیت از طریق مثلث سازی دلونای بهینه شده مرزی. محاسبه کنید. به Geom کمک کرد. دس 2012 ، 29 ، 707-721. [ Google Scholar ] [ CrossRef ] [ PubMed ]
هری، ال. استیگمار، اچ. ارزیابی اقدامات برای کمی سازی اطلاعات نقشه. ISPRS J. Photogramm. Remote Sens. 2010 , 65 , 266-274. [ Google Scholar ] [ CrossRef ]
وانگ، ی. دو، س. رن، اف. Zhao, Z. روش به روز رسانی انتشار داده های نقشه برداری چندگانه بر اساس شباهت هدف فضایی و کد موجودیت جغرافیایی یکپارچه. در کارتوگرافی از قطب به قطب ; Springer: برلین، آلمان، 2014; صص 139-153. [ Google Scholar ]

شکل 1. گردش کار برای انتشار به روز رسانی های مناطق مسکونی در پایگاه های داده چند نمایندگی.

شکل 2. نمونه هایی از پردازش مثلث دلونی محدود شده برای ( الف ) گروه اشیاء مربوطه و راس استخراج شده نشان داده شده است. ( ب ) مثلث سازی دلونای محدود ساخته شده است. ( ج ) مثلث های دور انداخته شده با شی حذف شده قطع شده اند. ( د ) مثلث های دور ریخته شده که خارج از مرز گروه شی هستند و در مجاورت شی حذف شده قرار دارند. ( ه ) مثلث های رزرو شده که در قسمت بدون تغییر جسم در مقیاس کوچک قرار دارند. ( f ) مثلث‌های رزرو شده که در داخل شی بزرگ مقیاس جدید اضافه شده یا اصلاح شده قرار دارند. ( ز ) مثلث های رزرو شده که در مجاورت جسم در مقیاس بزرگ جدید اضافه شده اند. و (h ) مثلث بندی دلونی محدود شده بریده شده.

شکل 3. نمودارهای جریان برای ( الف ) الگوریتم جستجوی Tabu برای یافتن راه حل بهینه نشان داده شده است. و ( ب ) ساخت شی در مقیاس کوچک بر اساس یک راه حل داده شده.

شکل 4. نمونه هایی برای مقایسه ( الف ) استراتژی به روز رسانی متوالی نشان داده شده است. با ( ب ) استراتژی به روز رسانی موازی.

شکل 5. مواد مطالعه برای ( الف ) نقشه توپوگرافی 1:500 نشان داده شده است. ( ب ) نقشه توپوگرافی 1:2000. ( ج ) نقشه توپوگرافی 1:10000. ( د ) نقشه توپوگرافی 1:500 به روز شده. ( ه ) نقشه توپوگرافی 1:2000 به روز شده. و ( f ) نقشه توپوگرافی 1:10000 به روز شده.

شکل 6. نقشه های به روز شده برای ( الف ) نقشه توپوگرافی 1:2000 نشان داده شده است. و ( ب ) نقشه توپوگرافی 1:10000.

شکل 7. تجزیه و تحلیل بین تعداد اشیاء به روز شده در یک گروه و شاخص تشابه شکل برای ( الف ) انتشار به روز رسانی از نقشه 1:500 به نقشه 1:2000 نشان داده شده است. و ( ب ) انتشار به روز رسانی از نقشه 1:2000 به نقشه 1:10000.

شکل 8. تجزیه و تحلیل تراکم ساختمان در بین نقشه های به روز شده چند مقیاسی برای ( الف ) تراکم ساختمانی نقشه 1:500 نشان داده شده است. ( ب ) تراکم ساختمانی نقشه 1:2000. ( ج ) تراکم ساختمانی نقشه 1:10000. ( د ) تفاوت در تراکم ساختمان بین نقشه 1:500 و نقشه 1:2000. و ( ه ) تفاوت در تراکم ساختمان بین نقشه 1:2000 و نقشه 1:10000.

شکل 9. روابط بین شاخص تشابه شکل و تراکم ساختمان برای ( الف ) به روز رسانی منتشر شده از نقشه توپوگرافی 1:500 به نقشه توپوگرافی 1:2000 نشان داده شده است. و ( ب ) به روز رسانی از نقشه توپوگرافی 1:2000 به نقشه توپوگرافی 1:10000 منتشر شده است. نقاط نمایش داده شده از سلول های شبکه در شکل 8 به دست آمده است .

شکل 10. مقایسه سرعت محاسبه بین روش های به روز رسانی متوالی و موازی. BDI نشان دهنده شاخص تراکم ساختمان است که در رابطه (7) توضیح داده شده است.

جدول 1. تجزیه و تحلیل آماری نقشه های به روز شده در مقیاس کوچک برای روابط تطبیق شی مختلف در مقایسه با نقشه های توپوگرافی در مقیاس بزرگ مربوطه.

جدول 2. تجزیه و تحلیل آماری نقشه های به روز شده برای روابط تطبیق شی مختلف در مقایسه با نقشه های توپوگرافی به روز شده دستی.

جدول 3. خلاصه های آماری برای تراکم ساختمان در نقشه های به روز شده.

© 2016 توسط نویسندگان؛ دارنده مجوز MDPI، بازل، سوئیس. این مقاله یک مقاله با دسترسی آزاد است که تحت شرایط و ضوابط مجوز Creative Commons Attribution (CC-BY) (http://creativecommons.org/licenses/by/4.0/) توزیع شده است.

به اشتراک بگذارید و استناد کنید

;کاربردهای GIS مقالات

درخواست مشاوره

09120049370

8 صبح تا 12 شب