بخشی از مقاله
چکیده
یک راهکار برای کشف و بهروزرسانی تغییرات عوارض در مجموعه داده کوچک مقیاس قدیمی - داده هدف - ، مقایسه جامع بین مجموعه داده کوچک مقیاس قدیمی و مجموعه داده بزرگ مقیاس اخیرا بهروز شده - داده مرجع - است. برای چنین بهروزرسانی نیاز به درک انواع مختلف تغییرات ضروری است. در این مقاله، انواع تغییرات دادههای چندضلعی را در جنبههای مختلف بررسی کرده و روشي مبتنی بر تئوری جبر نقشهای برای بهروزرسانی دادههای چندضلعی به کار گرفته شده است.
در روش مورد استفاده مراحلی شامل کشف، فیلترکردن و ادغام تغییرات به داده هدف - داده کوچک مقیاس - با استفاده از عملگرهای مجموعهاي انجام میپذیرد. همچنین از توابع همپوشانی چندضلعی نظیر عملگرهای پاک کردن و اجتماع، مدل مثلثبندی دلونی مقید و دانشی از فرآیند خالصهسازی نقشه برای ایجاد عملگرهای مجموعه استفاده میگردد. روش مورد استفاده با پیادهسازی روي دادههای واقعی مورد بررسی قرارگرفت که نتایج، کارایی روش پیشنهادی را با دقت بیش از از 85 درصد در بهروزرسانی نقشه در مقیاس 1:50000 با استفاده از نقشه به روز شده مقیاس 1:25000 نشان میدهد.
-1 مقدمه
سیستمهای اطالعات مکانی و رویکردهای مکان محور نقشی کاربردی در آمایش سرزمین و مدیریت حمل و نقل ایفا میکند. در دهههای اخیر حجم عظیمی از مجموعه دادههای مکانی در مقیاسهای مختلف و به منظور استفاده در کاربردهای گوناگونی مورد استفاده قرار گرفته است. به دلیل تغییرات سریع پدیدهها و موجودیتها در دنیای واقعی، نیاز به در دسترس بودن دادههای بهروز شده بیش از پیش ضروری به نظر میرسد. از این رو تمرکز کنترل داده از تولید داده به حفظ و نگهداری داده و اعمال بهروزرسانی دادهها تغییر کرده است.]1[ در طی فرایند تولید داده، سازمانهای متولي تولید و به روز رساني دادههاي مکاني، معموال نقشههای کوچکمقیاس را از طریق خالصهسازی - جنرالیزاسیون - نقشه از نقشه بزرگمقیاس تولید میکنند.
اگرچه چارچوب مفهومی اندکی برای خالصهسازی نقشه و تعدادی الگوریتم برای خالصهسازی عوارض نقطهای، خالصهسازی عوارض خطی و خالصهسازی عوارض چندضلعی توسعه دادهشده است.]10-2[ از این رو خالصهسازی نقشه در تولید داده ضرورتی است که نیاز به توسعه خالصهسازی خودکار را نمایان میکند. بهطور سنتی دادههای مکانی در هر مقیاسی مستقال بر اساس دادههای مرجع از قبیل دادههای نقشهبرداری میدانی، عکسهای هوایی و تصاویر ماهوارهای بهروز میشوند که این کار فرآیندی زمانبر است و ممکن است در نتایج سازگاری ضعیفی بین مقیاسهای مختلف به وجود آید. برای بهبود و تولید نتایج بهتر، تعدادی از مطالعات طراحی روش جدیدی را برای بهروزرسانی دنبال کردهاند.
یکی از این رویکردها بهروزرسانی تدریجی1است، در این رویکرد فقط مجموعه داده بزرگمقیاس بهروزرسانی شده و تغییرات بهطور خودکار میتواند به مجموعه داده کوچک مقیاس انتشار یابد .]14-11[ انجام بهروزرسانیهای تدریجی اثر اقتصادی چشمگیری بر روی کاهش هزینه بهروزرسانی دارد. از جمله معایب آن میتوان به ذخیره شدن جداگانه دادههای در مقیاس مختلف اشاره کرد که ادغام این دادهها هنوز به عنوان یک مسأله چالش برانگیز مطرح میباشد.
یک رویکرد بهروزرسانی دیگر خالصهسازی محلی2 است که عوارض تغییریافته در مجموعه داده کوچک مقیاس با خالصهسازی محلی بهروز میشوند.]16 ,15[ خالصهسازی محلی کهًبا هدف بهروزرسانی دادههای موجود انجام میشود با خالصهسازی کلی که در طی تولید داده انجام میشود، کامال متفاوت است. در فرآیندهای خالصه سازی محلی، سادهسازی دادههای جدید به همراه حفظ روابط بین دادههای تولیدشده جدید و دادههای همسایگی موجود صورت میگیرد.
خالصهسازی محلی شامل سه مرحله است: کشف تغییرات با مقایسه بین نقشههای بزرگمقیاس جدیدا بهروز شده و نقشه کوچکمقیاس قدیمی، ادغام تغییرات کشف شده با نقشه کوچکمقیاس قدیمی و اطمینان از حفظ سازگاری. در این تحقیق از طریق مقایسه جامع عوارض چندضلعی در دو مجموعه داده و با استفاده از توابع از پیش تعریفشده تغییرات تشخیص داده میشود. تغییرات کشف شده نیاز به دستهبندی در انواع مختلف دارند - ایجاد یک عارضه جدید، ناپدید شدن عارضه و تغییر در عارضه - که با استفاده از عملگرهایی نظیر اضافه کردن،3 حذف کردن،4 جابهجایی5،
ترکیب کردن،6 کاهش7 و سادهسازی8، پیادهسازی میشوند.
از یک طرف تغییرات احتمالی عوارض بین مجموعه داده بزرگ مقیاس اخیرا بهروز شده و مجموعه داده کوچک مقیاس قدیمی از جنبههای مختلف بررسی میشود و از طرف دیگر با حمایت مفهوم جبر نقشهای و دانشی از فرآیند خالصهسازی نقشه، یک سری عملگرهای مجموعه برای پیادهسازی کشف و بهروزرسانی تغییرات برای ایجاد مجموعه داده کوچکمقیاس جدید طراحی میشود که برای ارزیابی نتایج با نقشه کوچکمقیاس بهروزشده توسط کارشناسان مقایسه میشود. در ادامه تغییرات احتمالی در عوارضی چندضلعی در بخش2 ارائه میشوند. در بخش سوم انگیزه و جزئیات روش مورد استفاده بیان میشود. آزمایشها روی دادههای واقعی در بخش چهارم بیان میشوند و در پایان مقاله نیز نتایج کار در بخش 5 خالصه میشود.
-2 انواع تغییرات
برای بهروزرسانی نقشه کوچک مقیاس بر پایه نقشه بزرگ مقیاس بهروز شده، درک از نوع تغییرات انجام شده ضروری است. اگرچه نقشهها یک منطقه را نشان میدهند ولی از نظر سطح جزئیات در نمایش با هم فرق میکنند. در شکل - 1 - در قسمت مقایسه تغییرات، کل تفاوت های بین دو مجموعه داده نشان داده شده است که به رنگ های قرمز و سبز می-باشد.
2-1 تغییرات مثبت1در مقابل تغییرات منفی2
عملگرهای جبری اضافه کردن و کم کردن3، محاسبات پایه هستند. عملگر اضافه کردن متناظر با ایجاد عوارضی جدید، افزایش اندازه عوارضی موجود یا پدیدههای مشابه هستند درحالیکه عملگر کم کردن متناظر با حذف یک شی یا کاهش اندازه عوارضی موجود هستند که با این عملگرهای جبری دو نوع تغییر مثبت و تغییر منفی را میتوان تشخیص داد که تغییرات مثبت نوعی از تغییراتی که عوارضی در داده منبع وجود دارد اما در داده هدف نیست و تغییرات منفی بر عکس آن است و در شکل - 1 - تغییرات مثبت با رنگ قرمز و تغییرات منفی با رنگ سبز نشان داده شده است. در بخش های بعدی در مورد ترتیب عملگر های جبر نقشهای بسته به جهت مثبت یا منفی تغییرات متناظر بحث می شود .