[صفحه اصلی ]   [Archive] [ English ]  
:: صفحه اصلي :: درباره نشريه :: آخرين شماره :: تمام شماره‌ها :: جستجو :: ثبت نام :: ارسال مقاله :: تماس با ما ::
بخش‌های اصلی
صفحه اصلی::
اطلاعات نشریه::
آرشیو مجله و مقالات::
برای نویسندگان::
داوران::
ثبت نام و اشتراک::
تماس با ما::
تسهیلات پایگاه::
بایگانی مقالات زیر چاپ::
آمار نشریه::
::
جستجو در پایگاه

جستجوی پیشرفته
..
دریافت اطلاعات پایگاه
نشانی پست الکترونیک خود را برای دریافت اطلاعات و اخبار پایگاه، در کادر زیر وارد کنید.
..
آمار سایت
مقالات منتشر شده: 308
نرخ پذیرش: 62.8
نرخ رد: 37.2
میانگین داوری: 209 روز
میانگین انتشار: 344 روز
..
:: دوره 11، شماره 2 - ( 6-1402 ) ::
جلد 11 شماره 2 صفحات 119-103 برگشت به فهرست نسخه ها
ارزیابی کیفیت اطلاعات مکانی داوطلبانه از طریق ارزیابی اعتماد پذیری کاربران به کمک شبکه عصبی مصنوعی
الهه آذری عسگری* ، فرهاد حسینعلی
دانشگاه آزاد واحد تهران جنوب
چکیده:   (670 مشاهده)
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.

 
واژه‌های کلیدی: اطلاعات مکانی داوطلبانه، VGI، سیستم اطلاعات مکانی، GIS، شبکه عصبی مصنوعی (ANN)
متن کامل [PDF 1162 kb]   (165 دریافت)    
نوع مطالعه: پژوهشي | موضوع مقاله: سیستمهای اطلاعات مکانی (عمومی)
دریافت: 1401/3/1 | پذیرش: 1402/6/27 | انتشار الکترونیک پیش از انتشار نهایی: 1402/7/18 | انتشار: 1402/7/18
فهرست منابع
1. [1] M. F. Goodchild, "Citizens as sensors: the world of volunteered geography," GeoJournal, vol. 69, no. 4, pp. 211-221, 2007.
2. [2] J. Severinsen, M. de Roiste, F. Reitsma, and E. Hartato, "VGTrust: measuring trust for volunteered geographic information," International Journal of Geographical Information Science, vol. 33, no. 8, pp. 1683-1701, 2019.
3. [3] M. Drews et al., "The utility of using Volunteered Geographic Information (VGI) for evaluating pluvial flood models," Science of The Total Environment, vol. 894, p. 164962, 2023/10/10/ 2023, doi: [DOI:10.1016/j.scitotenv.2023.164962]
4. [4] Z. Chang et al., "An updating of landslide susceptibility prediction from the perspective of space and time," Geoscience Frontiers, vol. 14, no. 5, p. 101619, 2023/09/01/ 2023, doi: [DOI:10.1016/j.gsf.2023.101619]
5. [5] C. C. Fonte, L. Bastin, L. See, G. Foody, and F. Lupia, "Usability of VGI for validation of land cover maps," International Journal of Geographical Information Science, vol. 29, no. 7, pp. 1269-1291, 2015/07/03 2015, doi: 10.1080/13658816.2015.1018266.
6. [6] M. Moradi, S. Roche, and M. A. Mostafavi, "Exploring five indicators for the quality of OpenStreetMap road networks: a case study of Québec, Canada," Geomatica, pp. 1-31, 2022, doi: 10.1139/geomat-2021-0012.
7. [7] M. Ahmad, M. S. H. Khayal, and A. Tahir, "Analysis of Factors Affecting Adoption of Volunteered Geographic Information in the Context of National Spatial Data Infrastructure," ISPRS International Journal of Geo-Information, vol. 11, no. 2, p. 120, 2022.
8. [8] V. Antoniou and A. Skopeliti, "Measures and indicators of VGI quality: An overview," ISPRS annals of the photogrammetry, remote sensing and spatial information sciences, vol. 2, p. 345, 2015.
9. [9] C. Dai, D. Lin, E. Bertino, and M. Kantarcioglu, "An approach to evaluate data trustworthiness based on data provenance," in Workshop on Secure Data Management, 2008: Springer, pp. 82-98.
10. [10] M. F. Goodchild and L. Li, "Assuring the quality of volunteered geographic information," Spatial statistics, vol. 1, pp. 110-120, 2012.
11. [11] H. Senaratne, A. Mobasheri, A. L. Ali, C. Capineri, and M. Haklay, "A review of volunteered geographic information quality assessment methods," International Journal of Geographical Information Science, vol. 31, no. 1, pp. 139-167, 2017.
12. [12] M. Forghani and M. R. Delavar, "A quality study of the OpenStreetMap dataset for Tehran," ISPRS International Journal of Geo-Information, vol. 3, no. 2, pp. 750-763, 2014.
13. [13] N. Mohammadi and M. Malek, "Artificial intelligence-based solution to estimate the spatial accuracy of volunteered geographic data," Journal of Spatial Science, vol. 60, no. 1, pp. 119-135, 2015/01/02 2015, doi: 10.1080/14498596.2014.927337.
14. [14] G. Farajolahi and M. R. Delavar, "Provide a model for quality control of local spatial information for the analysis of traffic accident locations," presented at the The 2nd National Conference on Geospatial Information Technology, Tehran, Iran, 2016. [Online]. Available: http://fa.seminars.sid.ir/ViewPaper.aspx?ID=36253.
15. [15] A. Yang, H. Fan, and N. Jing, "Amateur or professional: Assessing the expertise of major contributors in OpenStreetMap based on contributing behaviors," ISPRS International Journal of Geo-Information, vol. 5, no. 2, p. 21, 2016.
16. [16] A. L. Ali and F. Schmid, "Data quality assurance for volunteered geographic information," in International Conference on Geographic Information Science, 2014: Springer, pp. 126-141.
17. [17] B. Vahedi Torgabe and A. A. Alesheykh, "Assessing the Attribute Accuracy of Volunteered Geographic Information," (in eng), Journal of Geomatics Science and Technology, Research vol. 5, no. 3, pp. 49-64, 2016. [Online]. Available: http://jgst.issge.ir/article-1-348-fa.html.
18. [18] M. Bishr and K. Janowicz, "Can we trust information?-the case of volunteered geographic information," in Towards Digital Earth Search Discover and Share Geospatial Data Workshop at Future Internet Symposium, volume, 2010, vol. 640.
19. [19] A. M. Forati and M. Karimipour, "Evaluate the quality of voluntary spatial information by accrediting users and their social groups," presented at the Conference on Surveying & Spatial Information, Tehran, 2016. [Online]. Available: http://fa.seminars.sid.ir/ViewPaper.aspx?ID=89018.
20. [20] A. Khosravi Kazazi and F. HoseinAli, "Increasing the quality of voluntary spatial information results based on EigenRumor algorithm," presented at the Conference on Surveying & Spatial Information, Tehran, 2017. [Online]. Available: http://fa.seminars.sid.ir/ViewPaper.aspx?ID=90158.
21. [21] J. N. Da Costa, "Novel tool for examination of data completeness based on a comparative study of VGI data and official building datasets," Geodetski Vestnik, vol. 60, no. 3, pp. 495-508, 2016.
22. [22] R. Martella, E. Clementini, and C. Kray, "Crowdsourcing geographic information with a gamification approach," Geodetski Vestnik, vol. 63, no. 2, 2019.
23. [23] R. Can, S. Kocaman, and C. Gokceoglu, "A convolutional neural network architecture for auto-detection of landslide photographs to assess citizen science and volunteered geographic information data quality," ISPRS International Journal of Geo-Information, vol. 8, no. 7, p. 300, 2019.
24. [24] A. Alghanim, M. Jilani, M. Bertolotto, and G. McArdle, "Leveraging Road Characteristics and Contributor Behaviour for Assessing Road Type Quality in OSM," ISPRS International Journal of Geo-Information, vol. 10, no. 7, p. 436, 2021. [Online]. Available: https://www.mdpi.com/2220-9964/10/7/436.
25. [25] W. Shi, Z. Liu, Z. An, and P. Chen, "RegNet: a neural network model for predicting regional desirability with VGI data," International Journal of Geographical Information Science, vol. 35, no. 1, pp. 175-192, 2021/01/02 2021, doi: 10.1080/13658816.2020.1768261.
26. [26] S. Soltani, S. Sardari, M. S. pour, and S. Mousavi, Artificial Neural Networks: Basics, Applications, and Introduction to Easy NN-plus and NeuroSolutions Software. Tehran: Nass, 2010, p. 216.
27. [27] R. J. Shalkof, Artificial Neural Networks. Ahvaz: Shahid Chamran University of Ahvaz, 2003.
28. [28] L. Bragagnolo, R. V. da Silva, and J. M. V. Grzybowski, "Landslide susceptibility mapping with r.landslide: A free open-source GIS-integrated tool based on Artificial Neural Networks," Environmental Modelling & Software, vol. 123, p. 104565, 2020/01/01/ 2020, doi: [DOI:10.1016/j.envsoft.2019.104565]
29. [29] P.Fogliaroni, F. D'Antonio and E. Clementini, "Data trustworthiness and user reputation as indicators of VGI quality," Geo-spatial Information Science, vol. 21, no. 3, pp. 213-233, 2018.
30. [30] J.C.H. Meier, "An Analysis of Quality for Volunteered Geographic Information ," M.S Thesis, Wilfrid Laurier University, Ontario, Canada, 2015.
ارسال پیام به نویسنده مسئول



XML   English Abstract   Print


Download citation:
BibTeX | RIS | EndNote | Medlars | ProCite | Reference Manager | RefWorks
Send citation to:

Azari Asgari E, Hosseinali F. Quality Evaluation of Volunteered Geographic Information (VGI) by assessing user’s reliability, using Artificial Neural Networks (ANN). jgit 2023; 11 (2) :103-119
URL: http://jgit.kntu.ac.ir/article-1-876-fa.html

آذری عسگری الهه، حسینعلی فرهاد. ارزیابی کیفیت اطلاعات مکانی داوطلبانه از طریق ارزیابی اعتماد پذیری کاربران به کمک شبکه عصبی مصنوعی. مهندسی فناوری اطلاعات مکانی. 1402; 11 (2) :103-119

URL: http://jgit.kntu.ac.ir/article-1-876-fa.html



بازنشر اطلاعات
Creative Commons License این مقاله تحت شرایط Creative Commons Attribution-NonCommercial 4.0 International License قابل بازنشر است.
دوره 11، شماره 2 - ( 6-1402 ) برگشت به فهرست نسخه ها
نشریه علمی-پژوهشی مهندسی فناوری اطلاعات مکانی Engineering Journal of Geospatial Information Technology
Persian site map - English site map - Created in 0.06 seconds with 38 queries by YEKTAWEB 4652