Preferencje help
Widoczny [Schowaj] Abstrakt
Liczba wyników

Znaleziono wyników: 3

Liczba wyników na stronie
first rewind previous Strona / 1 next fast forward last
Wyniki wyszukiwania
help Sortuj według:

help Ogranicz wyniki do:
first rewind previous Strona / 1 next fast forward last
EN
The routing of road corridors in the project of a forest road network in the mountains, along with defining the functions of these roads, is the most important activity in the entire task. It must be preceded by a detailed inventory consisting of many factors characterising the analysed transport area, including economic, technical or environmental factors. This study presents an attempt at the semi-automatic routing of road corridors with the use of GIS technology. The original multi-stage methodology proposed by the present authors is based on raster analyses of the Digital Terrain Model at a resolution of 1 m. The initial stage consists in a preliminary outline of the road network being designed, which is performed by an experienced designer on a contour map. Due to the complicated terrain in mountain areas, the pre-determined road sections are divided into sections for which a generalised direction in the form of a straight line can be indicated. On the basis of the azimuths of these particular direction lines, “targeted” terrain inclinations are calculated for each section separately, which help in decisions concerning the location of the planned road sections. The results obtained indicate the key role of the initial concept of the designed road network, as outlined by the expert, and based on the expert’s professional experience. The problem lies in strongly varied terrain, which forces the designer to use short sections of corridors. This, in turn, significantly increases the amount of work. Good effects of road routing automation can be obtained in areas where land relief is complicated. The designed locations of road sections must be finally verified in terms of terrain inclination along the designated lines, which is essential for the possibility of subsequent detailed design, construction and use of road sections.
PL
Trasowanie korytarzy drogowych w projekcie sieci dróg leśnych w górach, z określeniem funkcji tych dróg, jest najważniejszą czynnością w całym projekcie. Musi ono być poprzedzone szczegółową inwentaryzacją bardzo wielu czynników charakteryzujących opracowywany obszar transportowy, w tym: gospodarczych, technicznych czy przyrodniczych. W pracy pokazano próbę półautomatycznego trasowania korytarzy przy wykorzystaniu technologii GIS. Zaproponowana autorska, wieloetapowa metoda opiera się na analizach rastrowych numerycznego modelu terenu o rozdzielczości 1 m. Etapem wyjściowym jest wstępny zarys projektowanej sieci wykonany przez doświadczonego projektanta na mapie warstwicowej. Ze względu na skomplikowaną rzeźbę terenów górskich wstępnie wyznaczone odcinki dróg dzieli się na fragmenty, dla których można wskazać uogólniony kierunek w postaci linii prostej. Na podstawie azymutów tych właśnie linii kierunkowych wyliczane są (dla każdego odcinka osobno) „ukierunkowane” spadki terenu (wzdłuż tych linii), które pomagają w decyzjach lokalizacyjnych projektowanych odcinków dróg. Uzyskane efekty wskazują na kluczową rolę wstępnej koncepcji projektowanej sieci, zarysowanej przez eksperta. Problemem jest silnie urozmaicona rzeźba terenu, która zmusza projektanta do stosowania krótkich odcinków korytarzy, przez co znacznie zwiększa się ilość pracy (niska efektywność procedury). Dobre efekty automatyzacji trasowania można uzyskać w terenach o mało skomplikowanym reliefie. Zaprojektowane lokalizacje odcinków dróg muszą być jeszcze ostatecznie sprawdzone pod względem spadku terenu wzdłuż wyznaczonych linii, co ma zasadnicze znaczenie dla możliwości późniejszego szczegółowego zaprojektowania, wybudowania i użytkowania odcinków dróg – spadki niwelety muszą się mieścić w granicach dopuszczonych normatywem technicznym dla tych kategorii dróg.
EN
The paper is a continuation and summary of a series of publications related to the dasymetric estimation of the distribution of the population of Krakow. The conversion of the population from the original census units is based on the development data from three sources, the Corine Land Cover project (CLC), the Urban Atlas project (UA) and the object classification (OBIA) of the RapidEye data. The experiment was conducted using archival statistical data from 2009 from 141 urban units (u.u.) of the city. In the first two parts of the cycle (Pirowski and Timek, 2018; Pirowski et al., 2018) population conversion was presented on the basis of CLC, UA and OBIA maps, obtaining a total of 12 maps of Krakow’s population. The obtained error distributions were presented and the calculated weights of population density for each category of residential buildings were discussed. In the third part of the cycle (Pirowski and Berka, 2019) the results were analyzed in detail by reference to the reference, high-resolution population map of the Bronowice district (north-western part of the city). In this publication, ending the cycle, population maps were verified on the basis of a kilometre grid of the Central Statistical Office (GUS), which is an aggregation of data from the National Census of Population and Housing 2011, made available by the Office in 2017. The results of high-resolution verification carried out in the Bronowice district were compared with the data of the CSO (GUS). In the GUS grid the best results were obtained for surface and weight UA methods (RMSE 908–917 people; MAPE 42-46%). The estimation of population distribution using OBIA data (RMSE 1115–2073 people; MAPE 121–184%) was found to be incorrect. After the correction of OBIA by UA data, a significant improvement in the results for surface-weighted methods was obtained (RMSE 930–1067 people; MAPE 53–68%), however, the error rate was still higher than for UA itself, which eliminates the OBIA method from practical applications in this area. A correlation was found between the RMSE and MAPE errors recorded in UC at the stage of weight selection and the RMSE and MAPE errors recorded in the GUS grid, respectively R2(RMSE)=91%, R2(MAPE)=65%. Therefore, the correlation detected indicates that the low errors obtained at the selection stage translate into reliable population estimates. The proposed weighting methodology limits the subjectivity of the method, based on the minimisation of RMSE and MAPE in the original census units. The disadvantage of the method is that it is necessary to define the boundary conditions for the selection of weights, in case of obtaining unreal weights and the possibility of occurrence of equifinality phenomenon, difficult to detect in the absence of additional reference data.
PL
Artykuł jest kontynuacją i podsumowaniem cyklu publikacji związanych z dazymetrycznym szacowaniem rozmieszczenia ludności Krakowa. Przeliczanie ludności z pierwotnych jednostek spisowych oparto na danych o zabudowie z trzech źródeł, z projektu Corine Land Cover (CLC), z projektu Urban Atlas (UA) oraz z klasyfikacji obiektowej (OBIA) danych RapidEye. Eksperyment przeprowadzono wykorzystując archiwalne dane statystyczne z roku 2009 ze 141 jednostek urbanistycznych (j.u.) miasta. W pierwszych dwóch częściach cyklu (Pirowski i Timek, 2018; Pirowski i in., 2018) zaprezentowano przeliczanie populacji na bazie map CLC, UA oraz OBIA, łącznie uzyskując 12 map zaludnienia Krakowa. Przedstawiono uzyskane rozkłady błędów, poddano dyskusji obliczone wagi zagęszczenia ludności dla każdej kategorii zabudowy mieszkalnej. W trzeciej części cyklu (Pirowski i Berka, 2019) opracowane wyniki poddane zostały szczegółowej analizie poprzez odniesienie się do referencyjnej, wysokorozdzielczej mapy zaludnienia dzielnicy Bronowice (północno-zachodni obszar miasta). W niniejszej publikacji, kończącej cykl, zweryfikowano mapy zaludnienia w oparciu o siatkę kilometrową GUS, będącą agregacją danych Narodowego Spisu Powszechnego Ludności i Mieszkań z 2011, udostępnioną przez Urząd w 2017 roku. Porównano wyniki weryfikacji wysokorozdzielczej prowadzonej na dzielnicy Bronowice z weryfikacją na danych GUS. W siatce GUS uzyskano najlepsze wyniki dla metod powierzchniowo-wagowych UA (RMSE 908–917 osób; MAPE 42–46%). Za błędne uznano szacowanie rozmieszczenia ludności przy użyciu danych OBIA (RMSE 1115–2073 os.; MAPE 121–184%). Po korek¬cie OBIA poprzez dane UA uzyskano znaczącą poprawę wyników dla metod powierzchniowo-wagowych (RMSE 930–1067 osób; MAPE 53–68%), jednak poziom błędów był nadal wyższy niż dla samej UA, co eliminuje metodę OBIA z zastosowań praktycznych w tym obszarze. Stwierdzono zależność pomiędzy notowanymi błędami RMSE i MAPE w j.u. na etapie doboru wag a notowanymi błędami RMSE i MAPE w siatce GUS, odpowiednio R2(RMSE) = 91%, R2(MAPE) = 65%. Zatem wykryta korelacja wskazuje, że niskie błędy uzyskane na etapie doboru wag przekładają się na wiarygodne szacowanie liczby ludności. Proponowana metodyka doboru wag ogranicza subiektywizm metody, opierając się na minimalizacji RMSE i MAPE w pierwotnych jednostkach spisowych. Wadą metody jest konieczność definiowania warunków brzegowych doboru wag, w przypadku uzyskiwania nierzeczywistych wag oraz możliwość wystąpienia ekwifinalności, trudnej do wykrycia przy braku dodatkowych danych referencyjnych.
EN
The series of articles contains a comparison of the possibilities of using for dasymetric estimation of population distribution of spatial information about buildings. The buildings come from three sources characterized by different spatial, thematic and temporal accuracy. These are data from Corine Land Cover (CLC) and Urban Atlas (UA) projects and the result of object classification (OBIA) of RapidEye data. The experiment was carried out in the area of Krakow. Statistical data from 141 city urban units (u. u.) were used. In the first two parts of the cycle, population conversions based on CLC, UA, OBIA and OBIA in combination with UA were presented (Pirowski and Timek, 2018; Pirowski et al., 2018). In total, 12 maps of Kraków’s population were obtained. RMSE and MAPE mean errors were calculated as well as population density for each category of residential development. The results were discussed. In the third part of the cycle, the obtained population maps were analyzed in detail, referring to the Bronowice district (the north-western area of the city) prepared especially by the population. The reference map has been made in high resolution. The methodology of its elaboration has been described in detail. Complementary use of orthophotomap from aerial photographs together with public databases (Geoportal, OpenStreetMap, GoogleStreetView) was presented. The proprietary MMAPE parameter has been proposed. The parameter analyzes the similarity of the reference map of Bronowice with the dasymetric maps. It allows you to statistically describe their credibility and exclude the phenomenon of equivalence. As a result of the conducted research, an erroneous population distribution was detected for the variant OBIA, in which the weights were determined by minimizing the MAPE error. From the remaining experiments, the three best results were obtained by maps using information about urban development from Urban Atlas (MMAPE100m = 19.3–22.1%). Complementary use of OBIA and UA did not bring any synergy effect – the results were worse than for UA (21.6–24.3%). High errors were noted for OBIA – it is only worth to notice a better result from the binary OBIA method (MMAPE100m = 22.8%) than the result from the binary CLC method (MMAPE100m = 24.3%). At this stage of the research, UA data is recommended for the conversion of population. The object classification methods are not a reliable source of data on building types, and such information is necessary for the use of surface-by-weight methods. The use of OBIA is possible only in the binary method and gives results similar to the use of data from CLC. In the fourth part, it is planned to verify the population maps using the Central Statistical Offic (CSO) kilometer network for the whole of Poland, which was made available in 2017. On the basis of multivariate tests and two-stage verification, the authors plan to provide the advantages and disadvantages of the described methods of population conversion and to develop a ranking of the obtained Krakow population maps.
PL
Cykl artykułów zawiera porównanie możliwości wykorzystania do dazymetrycznego szacowania rozmieszczenia ludności informacji przestrzennej o zabudowie z trzech źródeł, charakteryzujących się różną dokładnością przestrzenną, tematyczną i czasową: dane z projektów Corine Land Cover (CLC) i Urban Atlas (UA) oraz klasyfikacji obiektowej (OBIA) danych RapidEye. Eksperyment przeprowadzono na obszarze Krakowa, wykorzystując dane statystyczne ze 141 jednostek urbanistycznych miasta. W pierwszych dwóch częściach cyklu zaprezentowano przeliczanie populacji w oparciu o CLC, UA (Pirowski i Timek, 2018) oraz OBIA, w tym jej skorygowany wynik poprzez połączenie z UA (Pirowski i in., 2018). Łącznie uzyskano 12 map zaludnienia Krakowa. Poddano dyskusji obliczone błędy średnie RMSE i MAPE oraz wagi zagęszczenia ludności dla każdej kategorii zabudowy mieszkalnej. W trzeciej części cyklu uzyskane wyniki poddane zostały szczegółowej analizie dzięki specjalnie przygotowanej przez autorów, wysokorozdzielczej referencyjnej mapie ludności dzielnicy Bronowice (północno-zachodni obszar miasta). Szczegółowo opisano przyjętą metodykę jej opracowania, w tym komplementarne wykorzystanie interpretacji ortofotomapy ze zdjęć lotniczych oraz ogólnodostępnych baz danych (Geoportal, OpenStreetMap, GoogleStreetView). Zaproponowano autorski parametr MMAPE, analizujący podobieństwo mapy referencyjnej Bronowic z mapami dazymetrycznymi, pozwalający statystycznie opisać ich wiarygodność i wykluczyć zjawisko ekwifinalności. W wyniku przeprowadzonych badań wykryto błędny rozkład ludności dla wariantu opartego o klasyfikację obiektową z ustalaniem wag na drodze minimalizacji błędu MAPE. Spośród pozostałych eksperymentów trzy najlepsze wyniki uzyskały mapy wykorzystujące informacje o zabudowie z Urban Atlas (MMAPE100m = 19,3–22,1%). Komplementarne wykorzystanie OBIA i UA nie przyniosło efektu synergii – wyniki są gorsze niż dla UA (21,6–24,3%). Wysokie błędy odnotowano dla OBIA – warto jedynie odnotować lepszy wynik dla metody binarnej OBIA (MMAPE100m = 22,8%) niż dla metody binarnej CLC (MMAPE100m = 24,3%).Na tym etapie badań rekomenduje się do przeliczania ludności stosować dane UA. Metody klasyfikacji obiektowej nie są wiarygodnym źródłem danych o rodzajach zabudowy, niezbędnym dla metod powierzchniowo-wagowych. Stosowanie OBIA jest możliwe w metodzie binarnej i daje rezultaty zbliżone do korzystania z CLC. W czwartej części planuje się weryfikację map zaludnienia wykorzystując siatkę kilometrową GUS, udostępnioną przez urząd w 2017 roku, dla całej Polski. Na bazie wielowariantowych testów i dwuetapowej weryfikacji autorzy planują podać ograniczenia proponowanej metody przeliczania ludności oraz opracować ranking map.
first rewind previous Strona / 1 next fast forward last
JavaScript jest wyłączony w Twojej przeglądarce internetowej. Włącz go, a następnie odśwież stronę, aby móc w pełni z niej korzystać.