[صفحه اصلی ]   [Archive] [ English ]  
:: صفحه اصلي :: درباره نشريه :: آخرين شماره :: تمام شماره‌ها :: جستجو :: ثبت نام :: ارسال مقاله :: تماس با ما ::
:: دوره 9، شماره 1 - ( 4-1400 ) ::
جلد 9 شماره 1 صفحات 64-41 برگشت به فهرست نسخه ها
سنجش میزان کامل بودن داده های مکانی داوطلبانه با تمرکز بر داده های بلوک های ساختمانی (مطالعه موردی: کلانشهر تهران)شهر تهران)
رقیه ادبی، رحیم علی عباسپور*، علیرضا چهرقان
دانشگاه تهران
چکیده:   (286 مشاهده)
در حال حاضر پروژه OpenStreetMap (OSM) یکی از بزرگترین مجموعه داده‌های مکانی داوطلبانه است که در بسیاری حوزه‌های کاربردی مختلف به عنوان مکمل یا جایگزین با داده‌های معتبر استفاده می‌شود. با این حال کیفیت این داده‌ها یکی از موانع استفاده گسترده از آنها بوده است. در این مقاله از میان عناصر مرتبط با کیفیت داده‌های مکانی داوطلبانه، سعی در بررسی کامل بودن داده‌های بلوک ساختمانی OSM کلانشهر تهران شده است. برای این منظور از دو رویکرد واحد مبنا و عارضه مبنا که غالبا در مطالعات مشابه بکار می‌روند استفاده شده است. نتایج حاصل از این مطالعه مشابه با سایر مطالعات نشان می‌دهد که برآورد کامل بودن داده‌های بلوک ساختمانی OSM بشدت بین روش‌ها متفاوت است. نتایج نشان‌دهنده سرعت بالای ارزیابی روش‌های واحد مبنا و دقت بالاتر رویکرد عارضه مبنا است. علاوه بر این روش‌های واحد مبنا نسبت به تفاوت مدلسازی عوارض بین دو مجموعه داده رسمی و داوطلبانه بسیار حساس هستند. درحالیکه روش‌های عارضه مبنا، از حساسیت کمتری برخوردار هستند و در صورتی که داده‌ها صحت مکانی مناسبی داشته باشند منجر به برآورد دقیق‌تری از کامل بودن خواهند شد. بنابراین توصیه این مقاله استفاده از روش‌های عارضه مبنا در مطالعات ارزیابی کیفیت است.در نهایت بر اساس رویکرد عارضه مبنا کامل بودن داده‌های بلوک ساختمانی OSM در کل منطقه مطالعاتی برابر با 7/2 درصد محاسبه گردید که نرخ پایین کامل بودن را نشان می‌دهد. ارزیابی بیشتر نتایج نشان می‌دهد که بخش شمالی، مرکزی و شرق تهران نسبت به سایر بخش‌ها از کامل بودن بیشتری برخودار هستند. همچنین در اکثر مناطق تهران بیش از %80 از داده‌های رسمی در مجموعه داده‌ OSM وجود ندارند که نشان‌دهنده کامل‌تر بودن مجموعه داده رسمی نسبت به مجموعه داده OSM می‌باشد.
واژه‌های کلیدی: اطلاعات مکانی داوطلبانه، بلوک ساختمانی، کامل بودن، روش‌های واحد مبنا، روش‌های عارضه مبنا.
متن کامل [PDF 3071 kb]   (152 دریافت)    
نوع مطالعه: پژوهشي | موضوع مقاله: سیستمهای اطلاعات مکانی (عمومی)
دریافت: 1399/9/12 | پذیرش: 1400/3/22 | انتشار: 1400/4/31
فهرست منابع
1. [1] M. Chamani, R. Ali Abbaspour, and A. Chehreghan, "Matching of Polygon Objects Based on Geometric Measures in a Multi-scale Dataset," JGST, vol. 7, pp. 73-87, 2018 (Persian).
2. [2] M. Yazdannik, A. Chehreghan, and R. Ali Abbaspour, "An assessment of spatial similarity degree between polylines on multi-scale, multi-source maps," JGST, vol. 9, pp. 93-113, 2017 (Persian).
3. [3]M.Eshghi and A. Alesheikh, "An Assessment of the completeness of Volunteered Geographic Information: A Case Study of Tehran, Region 5,"pp.1-7, 2016 (Persian). [DOI:10.5194/isprsarchives-XL-1-W5-169-2015]
4. [4]O.Asgari, N Samani and, S Attarchi, "Assessing the quality of volunteered geographic information landuse change using satellite imagery," JGST, vol. 10, pp. 199-212, 2020 (Persian).
5. [5] A. Chehreghan, and R. Ali Abbaspour, "Assessment of Geometric Similarity of Volunteered Geographic Information in Intra-city Roads Network," JGST, vol. 10, pp. 357-370, 2017 (Persian).
6. [6] D. Zielstra, and A. Zipf, "A comparative study of proprietary geodata and volunteered geographic information for Germany," In 13th AGILE international conference on geographic information science, 2010.
7. [7] M. F. Goodchild, and L. Li, "Assuring the quality of volunteered geographic information," Spatial statistics, vol. 1, pp. 110-120, 2012. [DOI:10.1016/j.spasta.2012.03.002]
8. [8] M.Jilani, M. Bertolotto, P. Corcoran, and A. Alghanim. Traditional vs. Machine-Learning Techniques for OSM Quality Assessment. In Geospatial Intelligence: Concepts, Methodologies, Tools, and Applications,pp. 47-48, 2019.‏ [DOI:10.4018/978-1-5225-8054-6.ch022]
9. [9] S. Schmitz, A. Zipf, and P. Neis, "New applications based on collaborative geodata-the case of routing", in Proceedings of XXVIII INCA international congress on collaborative mapping and space technology, 2008.
10. [10] M. A. Rylov and A. W. Reimer. "A comprehensive multi-criteria model for high cartographic quality point-feature label placement", Cartographica: The International Journal for Geographic Information and Geovisualization, vol. 49, pp. 52-68, 2014. [DOI:10.3138/carto.49.1.2137]
11. [11] A. Krek, M. Rumor, S. Zlatanova, and E. M. Fendel. "Interoperable Location Based Services for 3D cities on the Web using user generated content from OpenStreetMap", in Urban and Regional Data Management: CRC Press, pp. 87-96, 2009. [DOI:10.1201/9780203869352-10]
12. [12] M. Over, A.Schilling,S. Neubauer, and A. Zipf ."Generating web-based 3D City Models from OpenStreetMap: The current situation in Germany", Computers, Environment and urban systems, vol. 34,pp. 496-507,2010. [DOI:10.1016/j.compenvurbsys.2010.05.001]
13. [13] H. Chen, W. Zhang, C. Deng, N. Nie, and L. Yi, "Volunteered Geographic Information for Disaster Management with Application to Earthquake Disaster Databank & Sharing Platform," in IOP Conference Series: Earth and Environmental Science, p. 012015 , 2017. [DOI:10.1088/1755-1315/57/1/012015]
14. [14] R. Feick and S. Roche, "Understanding the Value of VGI," in Crowdsourcing geographic knowledge, ed: Springer, pp. 29 -15, 2013. [DOI:10.1007/978-94-007-4587-2_2]
15. [15] R. Hecht, C. Kunze, and S. Hahmann, "Measuring completeness of building footprints in OpenStreetMap over space and time," ISPRS International Journal of Geo-Information, vol. 2, pp. 1066-1091, 2013.‏ [DOI:10.3390/ijgi2041066]
16. [16] M. Goetz and A. Zipf, "OpenStreetMap in 3D - Detailed Insights on the Current Situation in Germany,"In: Proceedings of the 15th AGILE International Conference on Geographic Information Science,2012.
17. [17] C. Fram, K. Chistopoulou, and C. Ellul, "Assessing the quality of OpenStreetMap building data and searching for a proxy variable to estimate OSM building data completeness," In: Proceedings of the 23rd GIS Research UK (GISRUK) conference, Leeds, UK, pp.17-15 ,2015.
18. [18] A.Alhamwi, W.Medjroubi, T.Vogt, and C. Agert. OpenStreetMap data in modelling the urban energy infrastructure: a first assessment and analysis. Energy Procedia,vol.142, pp.1968-1976, 2017.‏ [DOI:10.1016/j.egypro.2017.12.397]
19. [19] T. Törnros, H. Dorn, S. Hahmann, and A. Zipf, "Uncertainties of completeness measures in OpenStreetMap-A case study for buildings in a medium-sized German city, " ISPRS annals of the photogrammetry, remote sensing and spatial information sciences, pp.2, 2015.‏ [DOI:10.5194/isprsannals-II-3-W5-353-2015]
20. [20] M. A. Brovelli, M. Minghini, M. E. Molinari, and G. Zamboni," Positional accuracy assessment of the OpenStreetMap buildings layer through automatic homologous pairs detection:The method and a case study." 2016. [DOI:10.5194/isprs-archives-XLI-B2-615-2016]
21. [21] H. Fan, A. Zipf, , Q. Fu, and P. Neis, "Quality assessment for building footprints data on OpenStreetMap, " International Journal of Geographical Information Science, vol. 28, , pp.700-719, 2014. [DOI:10.1080/13658816.2013.867495]
22. [22] Y. Xu, Z. Chen, Z. Xie, and L. Wu, "Quality assessment of building footprint data using a deep autoencoder network," International Journal of Geographical Information Science, vol. 31, pp. 1929-1951, 2017. [DOI:10.1080/13658816.2017.1341632]
23. [23] Y. Wang, D. Chen, Z. Zhao, F. Ren, and Q. Du, "A Back‐Propagation Neural Network‐Based Approach for Multi‐Represented Feature Matching in Update Propagation," Transactions in GIS, vol. 19, pp. 933-964, 2015. [DOI:10.1111/tgis.12138]
24. [24] H. Du, "Matching disparate geospatial datasets and validating matches using spatial logic," PhD Thesis, University of Nottingham, 2015.
25. [25] W. Tang, Y. Hao, Y. Zhao, and N. Li , "Feature matching algorithm based on spatial similarity," In: Geoinformatics 2008 and Joint Conference on GIS and Built Environment: Classification of Remote Sensing Images. International Society for Optics and Photonics, 2008. [DOI:10.1117/12.813204]
26. [26] F. Zhonglianga and W. Jianhuaa, "Entity matching in vector spatial data," in Proceedings of the XXI ISPRS Congress, pp. 1467-147, 2008.
27. [24] Y. Huh, K. Yu, and J. Heo, "Detecting conjugate-point pairs for map alignment between two polygon datasets," Computers, Environment and Urban Systems, vol. 35, pp. 250-262, 2011. [DOI:10.1016/j.compenvurbsys.2010.08.001]
28. [28] Y. Wang, Q. Du, F. Ren, and Z. Zhao, "A propagating update method of multi-represented vector map data based on spatial objective similarity and unified geographic entity code," in Cartography from Pole to Pole, ed: Springer, pp. 139-153, 2014. [DOI:10.1007/978-3-642-32618-9_10]
29. [29] Veregin, H. (1999). Data quality parameters. Geographical information systems, 1, 177-189.
ارسال پیام به نویسنده مسئول


XML   English Abstract   Print


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

Adabi R, Abbaspour R A, Chehreghan A. Assessment of the completeness of Volunteered Geographic Information focusing on building blocks data (Case Study: Tehran metropolis). jgit. 2021; 9 (1) :41-64
URL: http://jgit.kntu.ac.ir/article-1-805-fa.html

ادبی رقیه، عباسپور رحیم علی، چهرقان علیرضا. سنجش میزان کامل بودن داده های مکانی داوطلبانه با تمرکز بر داده های بلوک های ساختمانی (مطالعه موردی: کلانشهر تهران)شهر تهران). مهندسی فناوری اطلاعات مکانی. 1400; 9 (1) :64-41

URL: http://jgit.kntu.ac.ir/article-1-805-fa.html



بازنشر اطلاعات
Creative Commons License این مقاله تحت شرایط Creative Commons Attribution-NonCommercial 4.0 International License قابل بازنشر است.
دوره 9، شماره 1 - ( 4-1400 ) 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 0.04 seconds with 28 queries by YEKTAWEB 4353