Wyniki wyszukiwania - BazTech

Ograniczanie wyników

Znaleziono wyników: 1

Liczba wyników na stronie

Wyniki wyszukiwania

Wyszukiwano:
w słowach kluczowych: generalizacji informacji geograficznej

Sortuj według:

Ogranicz wyniki do:

Kartograficzne modelowanie rzeźby terenu metodami inteligencji obliczeniowej

Olszewski R.

Prace Naukowe Politechniki Warszawskiej. Geodezja

2009

z. 46

3-224

Poprawna generalizacja numerycznego modelu rzeźby terenu ma szczególnie istotne znaczenie dla zasilania systemów informacji geograficznej (GIS). Dla prowadzenia wiarygodnych analiz przestrzennych szczególnie istotne jest bowiem zachowanie rzeczywistego położenia charakterystycznych kluczowych punktów form terenu. Proces uogólniania powinien mieć zatem charakter generalizacji modelu DLM (digital landscape model), nie zaś generalizacji kartograficznej DCM (digital cartographic model). Tak rozumiana automatyzacja modelowania wieloskalowego NMT wymaga zatem stosowania nowoczesnych algorytmów automatycznej generalizacji, np. techniki uczenia maszynowego. Współcześnie za dominującą tendencję w zakresie generalizacji (zarówno kartograficznej, jak i modelu) można uznać podejście algorytmiczne, polegające na stosowaniu ściśle określonych, sparametryzowanych procedur wykorzystania elementarnych operatorów generalizacji: upraszczania, agregacji, filtracji itp. Interesujące są jednak także wyniki zastosowania metod inteligencji obliczeniowej (computational intelligence) i modelowania poznawczego (cognitive modelling) w procesie uogólniania informacji geograficznej. Zaproponowane w pracy rozwiązania, oparte na algorytmach inteligencji obliczeniowej, pozwalają na generalizację danych wysokościowych określonych zarówno w strukturze GRID, jak i TIN. Autor dla każdego typu struktury danych zaproponowal dwie odmienne metodyki realizacji procesu generalizacji: wykorzystujące jawnie określone i celowo rozmyte reguły generalizacji (metoda explicite) oraz bazę wiedzy współdziałającą ze sztuczną siecią neuronową typu regresyjnego (metoda implicite). Dla kompleksowości proponowanych rozwiązań istotne znaczenie ma zaproponowany przez autora szczegółowy algorytm iteracyjnej filtracji lokalnej modelu TIN. Umożliwia on nie tylko optymalizację wynikowych błędów metrycznych, ale i utrzymywanie relacji topologicznych pomiędzy poszczególnymi elementami tworzącymi strukturę modelu nieregularnego. W zależności od przyjętego rozwiązania system decyzyjny wspomagający działanie ogólnego algorytmu ma charakter liniowy lub nieliniowy (oparty na zbiorach rozmytych lub sztucznych sieciach neuronowych). Autor zaproponowai ogólny, wieloparametrowy algorytm iteracyjnej filtracji lokalnej modelu TIN, umożliwiający autoewaluację uzyskiwanych wyników. Istotnym elementem koncepcji byto także zdefiniowanie i utrzymywanie w procesie generalizacji więzów integralności przestrzennej pomiędzy elementami strukturalnymi rzeźby terenu oraz koncepcja budowy hierarchicznego modelu TIN. Model ten może mieć monoskalową reprezentację na zdefiniowanym przez użytkownika poziomie odniesienia. Dla wartości pracy duże znaczenie ma kompleksowe ujęcie tematu generalizacji numerycznego modelu terenu. Autor zaproponował rozwiązania zarówno na szybkie uproszczenie macierzy wysokości (GRID), jak i precyzyjne modelowanie struktury nieregulamej (TIN). W zależności od zastosowanej metody inteligencji obliczeniowej pozwala to różny stopień automatyzacji obliczeń oraz optymalizacji uzyskiwanych wyników. Uzyskiwane wyniki wskazują iż zaproponowane przez autora algorytmy oraz systemy obliczeniowe umożliwiają uzyskiwanie poprawnego kartograficznie wynikowego modelu rzeźby terenu o założonej przez użytkownika dokładności geometrycznej. Dokładność ta jest znacznie lepsza niż modelu uzyskiwanego klasycznymi metodami filtracji globalnej.

Correct generalisation of the digital model of the terrain relief is particularly important for supplying Geographic Information Systems (GIS) with data. Maintenance of real locations of characteristic points of key terrain features is of particular importance in order to perform reliable spatial analyses. Therefore, the process of generalisation should be performed as the DLM model (digital landscape model) generalisation and not the cartographic generalisation of the DCM model (digital cartographic model). Large scale DTM modelling automation, considered in this way, requires utilisation of modern algorithms of automated generalisation, i.e. machine learning techniques. At present, the algorithmic approach may be considered as the dominating tendency in the field of generalisation (both cartographic and model generalisation); this approach relies upon utilisation of accurately specified and parameterised procedures of utilisation of elementary operators of generalisation: simplification, aggregation, filtering etc. However, results of utilisation of computational intelligence and cognitive modelling in the process of generalisation of spatial data, also seem to be very interesting. Solutions which have been proposed in the presented work based on computational intelligence algorithms allow to generalise elevation data, specified both in GRID as well as TIN structure. For each type of data structure the author has proposed two different methodologies of implementation of the generalisation process: utilisation of openly specified and intentionally fuzzy generalisation rules (the explicate method) and the knowledge base which cooperates with the artificial neural network of the regression type (the implicite method). For the needs of complexity of the proposed solutions, the detailed algorithm of iterative, local filtration of a TIN model, presented by the author, is of particular importance. It allows not only to optimise resulting metric errors, but also to maintain topological relations between particular elements, which build the structure of the irregular model. Depending on the assumed solution, the decisive system, which supports operations of the general algorithm, is of linear or non-linear nature (based on fuzzy sets or on artificial neural networks). The author has proposed a general, multi-parametric algorithm of iterative, local filtration of the TIN model, which allows for self-evaluation of the obtained results. The important elements of the presented concept were also the definition and maintenance of spatial integrity relations between structural elements of the terrain relief and the concept of creation of a hierarchical TIN model. This model may have its mono-scale representation at a user-defined reference level. The complex approach of the issue of digital terrain model generalisation is important for the value of the entire work. The author has proposed solutions which allow for fast simplification of the elevation matrix (GRID), as well as for precise modelling of the irregular structure (TIN). Depending on the applied method of computation intelligence, this allows to apply various levels of computational automation and optimisation of the obtained results. The obtained results suggest that algorithms and computational systems proposed by the author allow to obtain the cartographically correct resulting model of the terrain relief, characterised by geometric accuracy specified by the user. This accuracy is considerably better than the model accuracy obtained with the use of conventional, global filtration methods.