Journal of Geospatial Information Technology

fa ارزیابی کیفیت اطلاعات مکانی داوطلبانه از طریق ارزیابی اعتماد پذیری کاربران به کمک شبکه عصبی مصنوعی Quality Evaluation of Volunteered Geographic Information (VGI) by assessing user’s reliability, using Artificial Neural Networks (ANN) سیستمهای اطلاعات مکانی (عمومی) GIS پژوهشي Research <div class="WordSection1" dir="RTL"></div> <div aria-label="شکستن صفحه" class="cke_pagebreak" contenteditable="false" data-cke-display-name="pagebreak" data-cke-pagebreak="1" style="page-break-after:always" title="شکستن صفحه"></div>امروزه اطلاعات مکانی داوطلبانه (VGI) یکی از منابع مهم جمعآوری اطلاعات مکانی میباشد. برخلاف داده های رسمی، دقت و صحت اطلاعات مکانی داوطلبانه در هنگام تولید آنها مشخص نیست. از این رو تاکنون روشهای متفاوتی برای ارزیابی کیفیت این نوع اطلاعات به کار گرفته شده که یکی از این آنها ارزیابی عملکرد کاربران VGI در ورود اطلاعات صحیح است. در این پژوهش به منظور ارزیابی کیفیت اطلاعات مکانی داوطلبانه، از روش ارزیابی عملکرد کاربران با رویکرد برآورد اعتمادپذیری آنها به کمک شبکه های عصبی مصنوعی استفاده شده است. در روشهای پیشین، به منظور ارزیابی عملکرد کاربران VGI، متغیرهای محدودی از اطلاعات زمینه ای (پیشینه) کاربران درنظر گرفته شده و هر تحقیق به یک عامل به صورت جداگانه پرداخته است. در این پژوهش چندین متغیر مربوط به اطلاعات زمینه ای کاربران به صورت همزمان درنظر گرفته شده است. همچنین با استفاده از پارامترهای پیشینه کاربران و روش شبکه عصبی مصنوعی، میزان اعتمادپذیری کاربران برآورد گردید. جهت جمعآوری اطلاعات پیشینه کاربران، یک برنامه کاربردی تلفن همراه تحت سیستم عامل اندروید و جهت جمع آوری اطلاعات کاربران داوطلب، طراحی گردید. در این برنامه از نقشه شهر تهران استفاده و تغییراتی بر روی برخی مناطق آن اعمال گردید. هنگام استفاده از این برنامه، کاربر به سؤالاتی نظیر جنسیت، سن، تحصیلات، میزان آشنایی با GPS و یا GIS پاسخ داده و سپس درخصوص تغییرات اعمال شده بر روی نقشه به سؤالات مربوطه پاسخ داده است. پاسخ کاربر با پاسخ صحیح مقایسه و درصد پاسخ صحیح کاربر محاسبه گردید. هر کاربر به سؤالات حداقل 3 منطقه پاسخ داده و نهایتاً این اطلاعات برای 1102 منطقه جمعآوری گردید. 70% داده ها برای آموزش شبکه عصبی، 15% برای اعتبارسنجی و 15% برای آزمایش در نظر گرفته شد. شبکه عصبی طراحی شده در چند حالت مختلف آموزش دید و مورد ارزیابی قرار گرفت و بهترین حالت شبکه با خطای کمترین مربعات 19988/0 انتخاب گردید. با استفاده از شبکه عصبی آموزش دیده، این امکان وجود دارد که کاربری جدید مشخصات اولیه خود را وارد کند و درصد پاسخ صحیح کاربر توسط شبکه عصبی برآورد گردد و بر اساس ارزیابی صورت گرفته، میزان اعتمادپذیری وی مشخص شود. نتایج و رویکرد این پژوهش میتواند برای سامانه های VGI در سطح کلان مورد استفاده قرار گیرد.   Nowadays Volunteered Geographic Information (VGI) is an important source of geographic information. Unlike formal data, precision and accuracy of VGI is not known at the time of data gathering. Thus, several methods have been developed to evaluate the VGI quality. One of these methods is assessing the VGI quality by evaluating the reliability (trustworthiness) of VGI participants. In this study, using background information of VGI participants and Artificial Neural Networks (ANN), user’s reliability in producing spatial information is estimated. To collect user’s background information, a mobile application was designed under the Android operating system. In this program, the map of Tehran was used and changes were applied to some of its parts. When using this program, the users must answer questions such as gender, age, education, familiarity with GPS or GIS, etc. Then users should answer the questions about the changes made to the map. All of the answers are compared with the correct ones. Then the percentage of user’s correct answers is calculated. Each user should answer the questions of at least three regions. Finally, this information was collected for 1102 regions. The data was used to train the ANN as well as validating. ANN which is a feed forward back propagation multilayer perceptron network was trained by various number of neurons and hidden layers. The best network with mean squared error value 0.19988 was selected. Using the trained ANN, it is possible that in a VGI system, a new user enters his/her background information and the percentage of predicted correct user’s responses is estimated. This percentage may be assumed as one of the criteria of user's reliability in VGI اطلاعات مکانی داوطلبانه, VGI, سیستم اطلاعات مکانی, GIS, شبکه عصبی مصنوعی (ANN) Volunteered Geographic Information (VGI), Geospatial Information System (GIS), Artificial Neural Network (ANN) 103 119 http://jgit.kntu.ac.ir/browse.php?a_code=A-11-943-1&slc_lang=fa&sid=1 Elahe Azari Asgari الهه آذری عسگری eazaria.66@gmail.com 10031947532846009537 10031947532846009537 Yes South Tehran Branch, Islamic Azad University دانشگاه آزاد واحد تهران جنوب Farhad Hosseinali فرهاد حسینعلی f.hosseinali@sru.ac.ir 10031947532846009538 10031947532846009538 No Shahid Rajaee Teacher Training University دانشگاه تربیت دبیر شهید رجایی