@article{ author = {Sharifi, Obeid and AsghariBeirami, Behnam and Mokhtarzade, Mehdi}, title = {Classification of hyperspectral images by fusion of spectral and spatial features in convolutional neural networks}, abstract ={Hyperspectral images are useful in monitoring the Earth surface phenomena due to the acquisition of large number of spectral bands. Hyperspectral image classification is the most important field of the hyperspectral data processing, and so far, there have been many attempts to increase its accuracy. Convolutional neural networks (CNNs) and spatial features have had a great role in improving the accuracy of the hyperspectral image classification in recent years. In the previous researches not much attention has been paid to the simultaneous use of the capabilities of the low spatial feature deriving methods in convolutional neural networks. For this reason, in the present paper, a new architecture of convolutional neural networks is introduced for the classification of hyperspectral images that uses the different combinations of spectral features and spatial features which are derived from morphological profiles, Gabor filter and local binary pattern (LBP) as input vectors to the proposed CNN. The experiments which are conducted on two real hyperspectral images from agricultural and urban areas, show the superiority of the proposed method (about 2.5%) in comparison to some recent spatial-spectral classification methods.}, Keywords = {Hyperspectral image classification, convolutional neural networks, morphological profiles, Gabor filter, local binary pattern}, volume = {9}, Number = {2}, pages = {1-27}, publisher = {kntu}, title_fa = {طبقه بندی تصاویر ابرطیفی با استفاده از ادغام ویژگی های طیفی و مکانی در شبکه های عصبی پیچشی}, abstract_fa ={سنجنده­ های ابرطیفی به واسطه اخذ تعداد زیادی از باندهای طیفی همواره دارای اهمیت خاصی در پایش پدیده ­های سطح زمین می ­باشند. طبقه­ بندی تصاویر ابرطیفی مهم­ترین روش پردازش داده­ های ابرطیفی می ­باشد که تا به حال تلاش­ های زیادی برای افزایش دقت آن صورت گرفته است. شبکه­ های عصبی پیچشی و ویژگی­ های مکانی در سال­ های اخیر جایگاه مهمی در بهبود دقت طبقه­ بندی تصاویر ابرطیفی داشته­ اند. در تحقیقات پیشین توجه زیادی به استفاده همزمان از قابلیت ­های روش ­های استخراج ویژگی مکانی در شبکه­ های عصبی پیچشی نشده است. به همین دلیل در مقاله حاضر یک معماری جدید از شبکه­ های عصبی پیچشی برای طبقه­ بندی تصاویر ابرطیفی معرفی شده است که به عنوان ورودی شبکه از بردار طیفی­_مکانی حاصل از ترکیبات مختلف ویژگی­ های مکانی شامل  پروفایل ­های مورفولوژی، بانک فیلترگابور و الگوی باینری محلی(LBP) با ویژگی­ های طیفی استخراج شده از روش تبدیل مولفه اصلی استفاده می ­کند. آزمایش ­های این مقاله که بر روی دو تصویر ابرطیفی حقیقی از دو منطقه کشاورزی و شهری صورت گرفته است، نشان از برتری روش پیشنهادی دارد. نتایج نهایی نشان می­ دهد که دقت کلی طبقه ­بندی با روش پیشنهادی می ­تواند در بهترین حالت  2/5 درصد از روش ­های رقیب بهتر باشد.}, keywords_fa = {طبقه بندی تصاویر ابرطیفی, شبکه های عصبی پیچشی, پروفایل های مورفولوژی, بانک فیلتر گابور, الگوی باینری محلی (LBP)}, doi = {10.52547/jgit.9.2.1}, url = {http://jgit.kntu.ac.ir/article-1-691-en.html}, eprint = {http://jgit.kntu.ac.ir/article-1-691-en.pdf}, journal = {Engineering Journal of Geospatial Information Technology}, issn = {2008-9635}, eissn = {}, year = {2021} } @article{ author = {Beheshtifar, Sar}, title = {Simultaneous Location-Allocation of multiple Facilities using Multi-objective Evolutionary Algorithm based on Decomposition}, abstract ={Choosing the proper location for service centers can play an important role in reducing travel costs for users, desirable use of the land, and regulation of interactions among different facilities.  When Location-Allocation (L.A.) problem of any new service centers is solved for multiple facilities independently, only the effects of existing land uses are taken into consideration , while the establishment of one facility, due to its impact on the surrounding space, may cause limitations for the establishment of other required facilities. By locating all the required centers simultaneously, better results can be obtained for the arrangement of the centers in an area. The main objective of this study is to solve the L.A. problem for several service centers with similar or dissimilar services in GIS environment simultaneously. For this purpose, the Multi-Objective Evolutionary Algorithm based on Decomposition (MOEA/D) algorithm has been used to optimize the three objective functions including minimizing travel costs, maximizing the suitability of selected sites, and maximizing the compatibility among the new service centers. The results showed that by using this method, acceptable solutions for the arrangement of different service centers in the study area have been obtained according to the defined objectives. The comparison of the results with Non-Dominated Sorting Genetic Algorithm II (NSGA_II), as one of the most common optimization algorithms, based on various criteria, showed that MOEA/D method has performed well in finding optimized answers so that none of the solutions of this method were dominated by the solutions of the NSGA_II, while the reverse was not true. Besides, from the point of view of the closeness of the answers to the ideal point, MOEA/D has generated better solutions (0.16) and the covered time has been 25% of NSGA_ II method.}, Keywords = {Location-Allocation, GIS, Multi-objective optimization, MOEA/D, P-median model.}, volume = {9}, Number = {2}, pages = {29-49}, publisher = {kntu}, title_fa = {مکانیابی و تخصیص همزمان انواع مراکز خدماتی با استفاده از الگوریتم تکاملی چندهدفه مبتنی بر تجزیه}, abstract_fa ={انتخاب مکان مناسب برای مراکز خدماتی جدید می‌تواند نقش مهمی در کاهش هزینه‌های سفر برای متقاضیان خدمات، استفاده مطلوب از زمین و هماهنگ‌سازی اثرات متقابل کاربری‌های مختلف برهم داشته باشد. زمانی که مکانیابی و تخصیص هر نوع مرکز خدماتی جدید بطور مستقل انجام می‌شود، تنها اثرات کاربری‌های موجود مد نظر قرار می‌گیرد؛ درحالیکه استقرار یک نوع مرکز، به دلیل تأثیر بر فضای پیرامون، ممکن است محدودیت‌هایی را برای استقرار سایر مراکز مورد نیاز به‌وجود آورد. با مکانیابی کلیه مراکز مورد نیاز  بطور همزمان می‌توان نتایج بهتری در خصوص چیدمان مراکز مختلف در یک منطقه به‌دست آورد. هدف اصلی این پژوهش، حل مسأله مکانیابی و تخصیص برای چند مرکز خدماتی با خدمات همسان و غیرهمسان به‌صورت همزمان در محیط سیستم اطلاعات مکانی (GIS) می‌باشد. برای این منظور از الگوریتم تکاملی چندهدفه مبتنی برتجزیه(MOEA/D) برای بهینه‌سازی سه تابع هدف شامل کمینه‌سازی هزینه سفر، بیشینه‌سازی مطلوبیت و تناسب سایت‌های انتخابی و بیشینه‌سازی سازگاری بین مراکز جدید استفاده شده است. نتایج تحقیق نشان داد که با به‌کارگیری این روش، پاسخ‌های قابل قبولی برای چیدمان مراکز مختلف با توجه به اهداف تعیین شده، به‌دست آمده است. مقایسه نتایج این روش با الگوریتم ژنتیک چندهدفه با مرتب‌سازی نامغلوب (NSGA_II)، به‌عنوان یکی از رایج‌ترین روش‌های بهینه‌سازی، بر اساس معیارهای مختلف، نشان داد که روشMOEA/D  در یافتن پاسخ‌های بهینه عملکرد مناسبی داشته است؛ بطوریکه بر اساس معیار پوشش مجموعه، هیچ یک از پاسخ‌های این روش توسط پاسخ‌های روش NSGA_II مغلوب نشده‌اند در حالیکه برعکس آن صادق نبوده است. همچنین براساس معیار نزدیکی پاسخ‌ها به نقطه ایده‌آل، این روش با مقدار 16/0، نتایج بهتری داشته و زمان سپری شده نیز حدود 25/0 روش NSGA_II بوده است.}, keywords_fa = {مکانیابی و تخصیص, سیستم اطلاعات مکانی, بهینه‌سازی چندهدفه,MOEA/D , مدل میانه.}, doi = {10.52547/jgit.9.2.29}, url = {http://jgit.kntu.ac.ir/article-1-822-en.html}, eprint = {http://jgit.kntu.ac.ir/article-1-822-en.pdf}, journal = {Engineering Journal of Geospatial Information Technology}, issn = {2008-9635}, eissn = {}, year = {2021} } @article{ author = {Mousavian, Roya and MasshadiHossainali, Masoud and Lorenz, Christof}, title = {Appropriate Copula Investigation for Modeling Dependence Structure of Troposperic Delay Data in the Mountainous Area of Central Europe}, abstract ={Troposphere is the lowest and one of the most complex layers of the Earth's atmosphere from the electromagnetic signal travelling point of view. Electromagnetic signals in travelling through this medium are affected and received by a delay in receivers. In GNSS applications, regardless of  treating the impact as a signal or noise, it has to be modeled efficiently. To this end, the problem is firstly discretized in space and time. To adopt an appropriate time and spatial resolution for the model, a-priori information on the dependence structure of the input data is inevitable. This study applies Copula as a mathematical tool for modeling the dependence structure of the Zenith Tropospheric Delays (ZTD). For this purpose, four of the most common Archimedean Copulas, i.e. Frank, Clayton, Gumbel and Ali-Mikhail-Haq (AMH) are used. In this research, south-east of Germany together with the neighboring areas in Czech Republic and Austria are selected as the study region. For this evaluation, hourly time series of ZTDs from April to October 2016 are calculated using three dimensional meteorological parameters extracted from the Weather Research and Forecast (WRF) model. Appropriate Copula is detected by two common criteria, i.e. Akaike Information Criterion (AIC) and Bayesian Information Criterion (BIC). The obtained results in most cases suggest Gumbel Copula for the test field. This Copula is asymmetric and exhibits tail dependence, especially the upper form within the input data. This implies tropospheric delays are more associated when approaching the larger values. Moreover, the results approve that the Pearson correlation is not always an appropriate measure for analyzing the dependence structure in the local scale troposphere modeling. Also, the obtained results emphasize on the necessity of applying a dynamic model based on the dependence structure of tropospheric delays. }, Keywords = {Copula, Model Selection, Dependence Structure, Tropospheric Delay}, volume = {9}, Number = {2}, pages = {51-65}, publisher = {kntu}, title_fa = {تحلیل کاپیولای مناسب برای مدلسازی ساختار وابستگی داده‌های تاخیر تروپسفری در بخش کوهستانی اروپای مرکزی}, abstract_fa ={پایین­ترین لایه اتمسفر تحت عنوان تروپوسفر یکی از مهم­ترین لایه­های اتمسفری از منظر انتشار امواج الکترومغناطیس محسوب می­شود. تغییرات این لایه تحت تاثیر پارامترهای مختلفی بوده و سیگنال­های ارسالی از ماهواره­ها در عبور از آن، تحت تاثیر محیط دچار تاخیر می­شوند. در مدل­سازی تروپسفر، عدم آگاهی از ساختار وابستگی تاخیر­های مایل تروپسفری، به کارگیری توابع پایه مناسب را بسیار پیچیده می­نماید. از طرف دیگر، در رویکرد مبتنی بر گسسته سازی مدل (توموگرافی) ، برای انتخاب ابعاد (رزولوشن) زمانی و مکانی مناسب در کنار به کارگیری تابع دلتای دیراک به عنوان تابع پایه  مورد نیاز، در نظر گرفتن ساختار وابستگی داده­ها (تاخیر­های اتمسفری) حائز اهمیت است. در این مقاله استفاده از کاپیولا به عنوان روشی جهت مدلسازی کامل ساختار وابستگی داده­ها، به منظور ارزیابی مدل وابستگی مناسب برای تاخیر زنیتی تروپسفری در ابعاد محلی در منطقه جنوب شرقی آلمان و بخشی از اتریش و جمهوری چک در بازه زمانی 6 ماهه مورد بررسی قرار گرفته است. برای این منظور 4 کاپیولای ارشمیدسی متداول با مدل­های وابستگی متفاوت فِرانک، کِلِیتون، گامبِل و علی- میخاییل- حق (AMH)،  بررسی گردید. سپس با استفاده از دو معیار متداول اطلاعات آکائیک (AIC) و اطلاعات بیزین (BIC)، کاپیولای مناسب برای مدلسازی داده­ها تشخیص داده شد. بر اساس نتایج حاصل، هر دو معیار کاپیولاهای مشابهی را پیشنهاد می­دهند. کاپیولای پیشنهادی در بیشتر موارد گامبِل است که کاپیولایی نامتقارن و دارای وابستگی­های دُمی به ویژه وابستگی دُمی بالا است. این موضوع بیانگر تمرکز وابستگی در این کمیت بر روی مقادیر بزرگتر آن است. این مسئله، احتمال داشتن مدلی با ابعاد متغیر با توجه به ساختار وابستگی را برای پدیده­های تروپوسفری قوت می­بخشد و  مؤید این مهم است که در نظر گرفتن ضریب همبستگی پیِرسون به تنهایی در مدلسازی ­های ناحیه ­ای تروپوسفری در همه موارد  الزاما صحیح نمی باشد. }, keywords_fa = {کاپیولا, انتخاب مدل, ساختار وابستگی, تاخیر تروپوسفری}, doi = {10.52547/jgit.9.2.51}, url = {http://jgit.kntu.ac.ir/article-1-699-en.html}, eprint = {http://jgit.kntu.ac.ir/article-1-699-en.pdf}, journal = {Engineering Journal of Geospatial Information Technology}, issn = {2008-9635}, eissn = {}, year = {2021} } @article{ author = {Khoshgoftar, Mohammad Mahdi and Saradjian, Mohammad Rez}, title = {Estimation of parameters (date and magnitude) of two strong earthquakes in Iran by integrating different earthquake precursors}, abstract ={Natural hazards cause thousands of deaths and millions of dollars of financial losses all around the world every year. Earthquake is one of the natural hazards that receives special attention, because it usually occurs with very few or no warnings. Earthquake precursors can be used as an alarm for impending earthquakes. As a single precursor is not able to accurately predict an earthquake, it is necessary to integrate different types of precursors. In this paper, the precursors of total electron content (TEC), land surface temperature (LST), aerosol optical depth (AOD) and surface latent heat flux (SLHF) for two severe earthquakes in Kermanshah and Bam have been studied and analyzed. The median and interquartile are used to detect the anomaly. When an earthquake-related disturbance is detected, based on the type of precursor, the number of the days relative to the earthquake date is estimated. Then, according to the amount of deviation of the precursor from the normal state, the magnitude of the impending earthquake is estimated. In order to evaluate the final parameters (date and magnitude) of the earthquake for each region, the method of mean square error (MSE) has been used. The date and magnitude of the earthquake were estimated for each precursor in Kermanshah and Bam earthquakes. By combining the earthquake parameters obtained from all precursors, the final earthquake parameters were estimated for these two earthquakes, in which according to the obtained results, the estimated date and magnitude of the impending earthquakes almost corresponded with the recorded date and magnitude of the earthquakes. According to the obtained results, it can be concluded that increasing the number and variety of the earthquake precursors can lead to the accurate estimation of the earthquake parameters.}, Keywords = {Remote sensing, Earthquake, Precursor, Time series.}, volume = {9}, Number = {2}, pages = {67-81}, publisher = {kntu}, title_fa = {برآورد پارامترهای (تاریخ و شدت) دو زلزله قدرتمند ایران با استفاده از ترکیب پیش نشانگرهای مختلف زلزله}, abstract_fa ={مخاطرات طبیعی سالیانه سبب کشته شدن هزاران انسان و میلیون‌ها دلار خسارت مالی در سراسر جهان می‌شوند. زلزله‌ها از جمله مخاطرات طبیعی‌ای می‌باشند که توجه ویژه‌ای به آن می‌شود، زیرا این پدیده عموماً بدون هشدار یا با هشدار‌های بسیار کم رخ می‌دهد. پیش‌نشانگرهای زلزله می­توانند به عنوان زنگ خطری برای زلزله‌های قریب الوقوع باشند. از آنجا که یک پیش­نشانگر به تنهایی قادر به پیش­بینی دقیق زلزله نیست، بنابراین لازم است انواع مختلف پیش­نشانگرها با یکدیگر ترکیب شوند. در این مطالعه، پیش­نشانگرهای محتوای کلی الکترون(TEC) ، دمای سطح زمین (LST) ، عمق نوری هواویزها (AOD) و شارّ گرمای نهان سطح (SLHF)  برای دو زلزله شدید کرمانشاه و بم مورد بررسی و تجریه و تحلیل قرار گرفته­اند. از دامنه میانه و میان­چارکی برای تشخیص ناهنجاری استفاده شده است. وقتی وضعیت آشفته مرتبط با زلزله قریب الوقوع تشخیص داده شود، بر اساس نوع پیش­نشانگر، بازه زمانی وقوع زلزله نسبت به روز زلزله برآورد می شود. سپس با توجه به مقدار انحراف پیش­نشانگر از حالت نرمال، بزرگی زلزله قریب الوقوع تخمین زده می­شود. به منظور ارزیابی پارامترهای نهایی زلزله (تاریخ و شدت زلزله)، برای هر منطقه، از روش میانگین مربعات خطا (MSE) استفاده شده است. در این پژوهش تاریخ و بزرگی زلزله برای هر پیش­نشانگر در زلزله­های کرمانشاه و بم تخمین زده شد. با تلفیق پارامترهای زلزله بدست آمده از تمامی پیش­نشاگرها، پارامترهای نهایی زلزله در مورد این دو زلزله برآورد گردید، که با توجه به نتایج بدست آمده تاریخ و شدت تخمینی زلزله قریب الوقوع تقریباً با تاریخ و شدت ثبت شده برای زلزله مطابقت داشت. با توجه به نتایج بدست آمده مشخص می­شود که افزایش تعداد و تنوع پیش­نشانگرهای زلزله می­تواند منجر به برآورد دقیق پارامترهای زلزله شود.}, keywords_fa = {سنجش از دور, زلزله, پیش‌نشانگر, سری زمانی}, doi = {10.52547/jgit.9.2.67}, url = {http://jgit.kntu.ac.ir/article-1-833-en.html}, eprint = {http://jgit.kntu.ac.ir/article-1-833-en.pdf}, journal = {Engineering Journal of Geospatial Information Technology}, issn = {2008-9635}, eissn = {}, year = {2021} } @article{ author = {Jelokhani-Niaraki, Mohammadreza and Kiavarz, Maji}, title = {Evaluating the usability of citizen-centered geographic information systems in solving urban spatial problems}, abstract ={A wide range of problems and needs of urban society in different areas are spatial in nature and vary from one place to another throughout the city. Since the citizens are better aware of their living environment and its problems than any other person, so the participation of citizens in reporting urban problems is very important. Citizen-centered or participatory spatial information systems provide a practical and effective platform for the citizens’ participation in solving urban problems. In order for these systems to be accepted by the urban community, they must have a high level of usability. Therefore, the present study seeks to design and develop a citizen-centered spatial information system to report the urban problems and also evaluate the usability (four parameters of effectiveness, efficiency, learnability and satisfaction) of the system in District 6 of Tehran. In terms of effectiveness, the system had the highest (36) and lowest (1) effectiveness in the number of "drawing on map" and "descriptive editing of reports" activities, respectively. Regarding the efficiency, the minimum amount of time spent to complete the first report was 11 seconds and the maximum was 76 seconds, which shows the relatively good performance of the system. The results show that in general, most users try to learn the system. Regarding the learning parameter, the obtained results indicate that the lowest amount of time spent on using the guidelines is zero (not studying the guidelines) and the highest amount is 46 seconds. Besides, the average time of using the guidelines by the citizens is 17.95 seconds which is a good one. Finally, regarding the satisfaction index, the average score assigned to the system (3.95 out of 5) indicates the highest amount of satisfaction.}, Keywords = {Citizen-centered geographic information systems, urban problems, usability indicators, District 6 of Tehran}, volume = {9}, Number = {2}, pages = {83-104}, publisher = {kntu}, title_fa = {ارزیابی قابلیت استفاده سامانه های اطلاعات مکانی شهروند-محور در حل مشکلات مکان-مبنای شهری}, abstract_fa ={طیف وسیعی از مشکلات و نیازهای جامعه شهری در حوزه‌های مختلف دارای ماهیت مکانی بوده و از مکانی به مکان دیگر در سطح شهر تغییر می‌نمایند. ازآنجایی‌که شهروندان به محیط زندگی و مشکلات محل سکونت خود بهتر از هر شخص دیگری واقف هستند، لذا مشارکت شهروندان در گزارش مشکلات شهری از اهمیت بالایی برخوردار هست. سامانه­های اطلاعات مکانی شهروند-­محور یا مشارکتی بستر کاربردی و مؤثری را برای مشارکت شهروندان در حل مشکلات شهری فراهم می‌نمایند. برای اینکه این سامانه‌ها توسط جامعه شهری پذیرفته و مقبولیت بالایی داشته باشند، باید از قابلیت استفاده‌پذیری بالایی برخوردار باشند. ازاین­رو، پژوهش حاضر به دنبال طراحی و توسعه یک سامانه اطلاعات مکانی شهروند-­محور به‌منظور گزارش مشکلات شهری و همچنین ارزیابی قابلیت استفاده (چهار شاخص اثربخشی، کارایی، یادگیری و رضایت) سامانه مذکور در منطقه 6 تهران هست. از منظر اثربخشی، سامانه در تعداد فعالیت "ترسیم روی نقشه" و "ویرایش توصیفی گزارش‌ها" به ترتیب بیشترین (36) و کمترین اثربخشی (1) را داشته است. در خصوص شاخص کارایی، کمترین مقدار زمان صرف شده برای ثبت اولین گزارش 11 ثانیه و بیشترین زمان 76 ثانیه بوده است، که نسبتاً کارایی مناسب سامانه را نمایش می‌دهد. نتایج به‌دست‌آمده نشان می‌دهد که درمجموع اکثر کاربران سعی در یادگیری سامانه دارند. در مورد شاخص یادگیری، نتایج نشان می‌دهد که کمترین میزان استفاده از راهنما عدد صفر (عدم مطالعه راهنما) و بیشترین میزان زمان صرف شده 46 ثانیه هست. همچنین میانگین استفاده از راهنما توسط شهروندان 95/17 ثانیه ثبت‌شده است که می­توان آن را میانگین مناسبی برای مطالعه راهنما در نظر گرفت. درنهایت در خصوص شاخص رضایت، میانگین امتیاز اختصاص‌یافته به سامانه (95/3 از 5) نشان از رضایت‌مندی حداکثری از سامانه موردنظر هست. }, keywords_fa = {سامانه های اطلاعات مکانی شهروند-محور, مشکلات شهری, شاخص های استفاده پذیری.}, doi = {10.52547/jgit.9.2.83}, url = {http://jgit.kntu.ac.ir/article-1-824-en.html}, eprint = {http://jgit.kntu.ac.ir/article-1-824-en.pdf}, journal = {Engineering Journal of Geospatial Information Technology}, issn = {2008-9635}, eissn = {}, year = {2021} } @article{ author = {Masnabadi, Negin and Hosseinali, Farhad and Bahramian, Zahr}, title = {Developing a spatial and temporal density-based clustering algorithm to extract stop locations from the user’s trajectory}, abstract ={Identifying stopping points of trajectories is a preliminary and necessary step in the study of moving objects and has a major impact on spatial plans and services. In this study we use trajectory clustering to extract stopping points. DBSCAN algorithm (spatial clustering based on density of applications with noise) is the basic algorithm of density-based clustering methods, which despite its advantages has some shortcommings such as difficulty in determining input parameters, inability to detect clusters with different densities and not paying attention to round trip problem. In the proposed method, which is based on density, we use of spatial and temporal indices and several neighborhood radii to extract stop points. Solving the round trip problem, extracting clusters with different densities and reducing the degree of dependence of the results on input parameters are the advantages of the proposed method.In order to evaluate the proposed method, this method was implemented on the data obtained by handheld GPS in Arak city and the data related to the Geolife research project. The obtained results were compared with the results of five other algorithms including DBSCAN, ST-BDSCAN, VDBSCAN, DVBSCAN and K-means. Compared to the manual GPS route data in Arak city, the stop locations extracted by the proposed algorithm and the mentioned algorithms are 100%, 25%, 75%, 50%, 75% and 50%, respectively, which are correctly extracted and show the superiority of the developed method. Also, after extracting the stopping and moving points, indicators from Geolife data were determined to identify working and non-working days (holidays) with which the proposed method was able to act successfully up to 94.06%.The results show a decrease in the dependence of the results on input parameters, the accurate extraction of stopping points, a reduction in the standard deviation within the clusters, and an increase in the distance between the centers of the clusters.}, Keywords = {Trajectory, Extraction of stop locations, Spatiotemporal clustering, DBSCAN, summer and winter, working and non-working.}, volume = {9}, Number = {2}, pages = {105-128}, publisher = {kntu}, title_fa = {توسعه یک الگوریتم خوشه بندی مبتنی بر تراکم مکانی و زمانی برای استخراج مکان های توقف از خط سیر کاربر}, abstract_fa ={شناسایی مکان­های توقف در خطوط سیر یک گام اولیه و ضروری در مطالعه اشیاء در حال حرکت است و تأثیر عمده­ای در برنامه­ها و خدمات مکانی دارد. برای استخراج نقاط توقف در این پژوهش از خوشه­بندی خط سیر استفاده می­شود. الگوریتم خوشه­بندی مکانی مبتنی بر تراکم برنامه­های کاربردی با نوفه (DBSCAN)، الگوریتم پایه­ روش­های خوشه­بندی مبتنی بر چگالی است که با وجود دارا بودن مزایایی، دارای مشکلاتی نظیر سخت بودن تعیین پارامتر­های ورودی، عدم توانایی کشف خوشه­های با چگالی متفاوت و عدم توجه به مشکل رفت­ و برگشت است. در روش پیشنهادی این تحقیق که مبتنی بر ­چگالی است با استفاده از شاخص­های مکانی و زمانی و استفاده از چندین شعاع همسایگی، به استخراج نقاط توقف پرداخته می­شود. حل مشکل رفت و برگشت، استخراج خوشه­ها با چگالی متفاوت و کاهش میزان وابستگی نتایج به پارامتر­های ورودی از مزایای روش پیشنهادی است. به منظور ارزیابی الگوریتم، این روش بر روی داده­های خط سیر تولید شده در شهر اراک و نیز داده­های مربوط به پروژه پژوهش ژئولایف پیاده­سازی شد. نتایج اخذ شده با نتایج حاصل از پنج الگوریتم دیگر شامل DBSCANT، ST-DBSCAN، DVBSCAN، VDBSCAN و K میانگین، مورد مقایسه قرار گرفت. در مقایسه روی داده­های خط سیر شهر اراک، مکان­های توقف استخراج شده توسط الگوریتم پیشنهادی و الگوریتم­های ذکر شده به ترتیب 100% ، 25% ، 75% ، 50% ، 75% و %50 به درستی استخراج شده­اند که حاکی از برتری روش توسعه داده شده است. همچنین پس از استخراج نقاط توقف و حرکت، شاخص­هایی از داده­های Geolife برای شناسایی روز کاری و غیر کاری (تعطیل) تعیین گردید که با این شاخص­ها، روش­ پیشنهادی تا 06/94% موفق عمل کرد. نتایج بیانگر کاهش میزان وابستگی نتایج به پارامتر­های ورودی، استخراج نقاط توقف به طور صحیح، کاهش میزان انحراف معیار درون خوشه­ها و افزایش فاصله­ مراکز خوشه­ها می­باشد.}, keywords_fa = {خط سیر, استخراج مکان های توقف, خوشه بندی مکانی-زمانی,DBSCAN}, doi = {10.52547/jgit.9.2.105}, url = {http://jgit.kntu.ac.ir/article-1-807-en.html}, eprint = {http://jgit.kntu.ac.ir/article-1-807-en.pdf}, journal = {Engineering Journal of Geospatial Information Technology}, issn = {2008-9635}, eissn = {}, year = {2021} }