موقعیت‌یابی مکان‌ها برای مکان فضایی مبهم شرح: رویکرد معنایی ابرارزش‌گذاری

در عصر کلان داده، موقعیت‌یابی فضایی بر اساس توصیف مکان، پایه و اساس تحول هوشمندانه خدمات مبتنی بر مکان است. برای حل مشکل ابهام در توصیف مکان در زمینه‌های مختلف، این مقاله یک روش موقعیت‌یابی مبتنی بر معناشناسی ابرارزش‌گذاری را پیشنهاد می‌کند. ابتدا با ترکیب قوانین شناخت فضایی انسان، انواع عناصری که افراد در توصیف مکان به آنها توجه می کنند، روشن می شود. بر این اساس، منبع ابهام در توصیف مکان و تجسم آن در شکل بیان هر عنصر از سطوح چندگانه تحلیل می شود. ثانیاً، مدل موقعیت‌یابی از سه جنبه زیر ساخته می‌شود: شی فضایی، رابطه فاصله و رابطه جهت. زمینه های توصیف مکان چندگانه به ترتیب دارای ارزش فوق العاده هستند، در حالی که آستانه مشاهدات از معناشناسی زمینه به دست می آید. بنابراین، دقت توصیف مکان برای موقعیت یابی محقق می شود. ثالثاً، یک سیستم پرسش‌پاسخ برای جمع‌آوری زمینه‌های توصیف مکان طراحی شده است و یک مطالعه موردی روی روش انجام می‌شود. این مورد می‌تواند تبدیل مجموعه‌ای از دیدگاه‌های کاربران در مورد شناخت فضایی را به محدوده فضایی دنیای واقعی تأیید کند، تا نمایش توصیف مکان مبهم در سیستم اطلاعات جغرافیایی را تحقق بخشد. نتیجه نشان می‌دهد که روش پیشنهادی در مقاله، مدل‌سازی ابهام سنتی را که فقط بر رابطه فضایی تمرکز دارد، می‌شکند و تفسیرپذیری معنایی توصیف مکان مبهم را افزایش می‌دهد. علاوه بر این،

کلید واژه ها:

شرح مکان ؛ ابهام ; معناشناسی ابرارزشیابی ; محل موقعیت یابی

۱٫ مقدمه

از زمان های قدیم، بشر هرگز از کشف محیط زندگی خود دست برنداشته است. توانایی ذهنی انسان برای یادگیری و درک محیط به عنوان توانایی فضایی-شناختی شناخته می شود. افراد از طریق شناخت فضایی می توانند وقوع، علت و معلول و گرایش اشیا و پدیده ها را تحلیل و بررسی کنند. الهام بخشیدن به تفکر در تصاویر در کاوش علمی مفید است و به موتور الهام بخش تفکر خلاق تعلق دارد [ ۱ ]. مکان یکی از ویژگی های اساسی و ضروری در ابعاد ویژگی فضایی است [ ۲ ]. مکان مکانی می تواند به سؤال اصلی درباره «کجا» پاسخ دهد و مرجع مکانی برای پاسخ به سؤالات دیگر در جغرافیا باشد [ ۳ ].]. توصیف مکان بیان زبان طبیعی شناخت فضایی انسان است. از آن برای نشان دادن تفاوت توزیع بین موجودات فضایی استفاده می شود که باعث می شود افراد با محیط واقعی تعامل داشته باشند [ ۴ ]. از آنجایی که زبان طبیعی ابزار اولیه و اساسی انتقال اطلاعات در جامعه بشری است، توصیف مکان یک رسانه مهم برای انتقال اطلاعات مکان مکانی در ارتباطات انسانی است [ ۵ ، ۶ ]. در مرحله کنونی، تغییرات ناشی از هوش مصنوعی به همه اقشار جامعه گسترش یافته است. ادراک متقابل بین محیط، انسان و ماشین نیز در جهت هوشمندی و راحتی برای استفاده افراد در حال توسعه است [ ۷ ]]. زبان طبیعی به روشی مهم برای از بین بردن مانع تعامل بین انسان و ماشین تبدیل شده است [ ۸ ]. در عصر کلان داده، خدمات مبتنی بر مکان (LBS) مبتنی بر تعامل زبان طبیعی از طریق گفتار یا متن به یک روند تبدیل شده است. این می‌تواند نسل بعدی پلت‌فرم‌های اطلاعات جغرافیایی را به توسعه هوشمند و همه‌جای تحول کلی ارتقا دهد.

توصیف موقعیت مکانی به صورت کیفی یا نیمه کمی وجود دارد. اگرچه سرنخ‌های فراوانی برای موقعیت‌یابی ارائه می‌کند، اما به طور کلی دارای ابهامی است [ ۹ ]. این نوع ابهام نه تنها خود شی فضایی، بلکه تفاوت های شناخت فضایی فردی و روش های توصیف زبان طبیعی را نیز در بر می گیرد [ ۱۰ ، ۱۱ ]. در حال حاضر، تحقیق در مورد توصیف مکان فضایی مبهم عمدتاً از مدل‌سازی منطقی دو ارزشی و مدل‌سازی منطق فازی استفاده می‌کند. (۱) مدل‌سازی منطقی دو ارزشی معمولی شامل مدل مخروط، مدل ماتریس جهت، مدل مبتنی بر نمودار Voronoi، مدل بیان رابطه جهت جزئیات و غیره است [ ۱۲ ، ۱۳ ، ۱۴ ]]. با توجه به ساختار مدل، فضا به طور صلب به چندین منطقه تقسیم می شود. در دنیای عینی، انتقال فضا در جهت مجاور پیوسته و هموار است. اگر مدل “سیاه یا سفید” اتخاذ شود، انتقال بین مجموعه های مختلف نتایج پرش و غیر هموار است [ ۱۵ ، ۱۶ ]. بنابراین، توصیف و پردازش دقیق عدم قطعیت اغلب منجر به از دست رفتن اطلاعات می شود. (۲) منطق فازی از توابع عضویت (MF) برای توضیح درجه تعلق هر نقطه در فضا به موقعیت فازی استفاده می کند [ ۱۷ ، ۱۸ ]. طبق معمول، MF دو بعدی است [ ۱۹]. برای تعیین MF یک مکان فضایی، استفاده از آزمایش های شناختی، بازیابی اطلاعات جغرافیایی، طبقه بندی تصاویر سنجش از دور و روش های دیگر ضروری است [ ۲۰ ، ۲۱ ، ۲۲ ، ۲۳ ]. با توجه به نظم خطی بودن منطق فازی، هر تخصیص عضویت را می توان با یکدیگر مقایسه کرد، در حالی که برای مسائل فازی چند بعدی مناسب نیست.

معناشناسی ابرارزش‌گذاری نوعی منطق غیر دودویی است که برای توضیح «ابهام» در فلسفه استفاده می‌شود [ ۲۴ ، ۲۵ ]. ایده اصلی این است که مقادیر نامشخصی غیر از درست و نادرست را برای تفسیر بیان مبهم معرفی کنیم که قضاوت درباره صحت آن دشوار است [ ۲۶ ]. به عنوان مثال، پارک نزدیک میدان است که در برخی موارد درست و در برخی موارد نادرست است. بنابراین، “نزدیک” یک مورد مرزی است که می تواند درست یا نادرست باشد. معناشناسی ابرارزش‌گذاری می‌تواند رابطه بین عدم قطعیت، برخی درست و برخی نادرست را دقیق‌تر و شهودی‌تر توصیف کند. علاوه بر این، منطق کلاسیک را نیز تا حدی حفظ می کند [ ۲۷]. در مقایسه با راه‌حل‌های دیگر برای مشکل ابهام، معناشناسی ابرارزش‌گذاری آسان‌تر قابل درک و پذیرش است [ ۲۸ ].

جهت کمی، مختصات و منطقه را می توان مستقیماً با نقاط، خطوط و چند ضلعی ها در سیستم اطلاعات جغرافیایی (GIS) نشان داد، در حالی که برای GIS دشوار است که مستقیماً با توصیف کیفی مکان با ابهام روبرو شود. در واقع، توصیف مکان به طور گسترده در سوابق شاهد، رسانه های اجتماعی، اسناد تاریخی و غیره یافت می شود. بنابراین لازم است اطلاعات مکانی در توصیف مکان مبهم مورد تجزیه و تحلیل قرار گیرد تا بتوان آن را در GIS نمایش داد. این مقاله یک روش موقعیت‌یابی مبتنی بر معناشناسی ابرارزش‌گذاری را ارائه می‌کند. این روش می تواند توصیف مکان حاوی مجموعه ای از نماهای شناخت فضایی را به محدوده فضایی دنیای واقعی تبدیل کند و نمایش توصیف مکان مبهم در GIS را تحقق بخشد.

(۱): ساخت مدل بازنمایی توصیف مکان مبهم با در نظر گرفتن چند عامل. بر اساس مکانیسم شناختی مکان مکانی، یک چارچوب یکپارچه از توصیف مکان مکانی پیشنهاد شده است که سه عامل شناختی زیر را تعریف می کند: چارچوب مرجع، شی فضایی و رابطه فضایی. این چارچوب برای نشان دادن مبهم بودن سطوح مختلف شناختی و انتزاعی در توصیف مکان استفاده می شود. متفاوت از مدل‌سازی اطلاعات مکانی سنتی، که بر روابط فضایی تمرکز دارد، این مقاله رابطه ابهام و تأثیر را بین عوامل اطلاعاتی مختلف با استراتژی بازنمایی چند عاملی ایجاد می‌کند. این نه تنها منبع ابهام در توصیف مکان را به طور جامع تری برطرف می کند،
(۲): یک روش موقعیت‌یابی مبتنی بر نظریه ابرارزش‌گذاری برای توصیف مکان فضایی مبهم پیشنهاد شده است. بر اساس اصول اساسی معناشناسی ابرارزش‌گذاری، مدل‌های دقیق‌سازی محمول‌های مبهم برای شی فضایی و رابطه فضایی ساخته شده‌اند. از سه جنبه گسترش، ضد گسترش و نیم سایه، محدوده آستانه نقطه برش در مدل دقیق با توجه به زمینه توصیف مکان تنظیم می شود تا نتایج دقیق را در موقعیت های مختلف به دست آورد. توصیف مکان به عنوان بیان نتیجه شناخت فضایی شخصی به شدت ذهنی است. در این روش، زمینه های مختلف به طور جداگانه فوق ارزش گذاری می شوند و موقعیت مکانی استنباط شده در دنیای واقعی را برای شناخت ذهنی شخصی سازی شده مناسب تر می کند.

بخش‌های زیر به شرح زیر گسترش می‌یابد: بخش ۲ وضعیت پژوهشی کار مرتبط را خلاصه می‌کند. بخش ۳ شکل بیان توصیف مکان مبهم را از سه جنبه چارچوب مرجع، شی فضایی و رابطه فضایی تحلیل می کند. بخش ۴ یک مدل موقعیت‌یابی را بر اساس نظریه ابرارزش‌گذاری مبتنی بر توصیف مکان مبهم می‌سازد. بخش ۵ یک سیستم پرسش و پاسخ را طراحی می کند و یک مطالعه موردی را انجام می دهد. بخش ۶ نتیجه گیری و کار آینده را ارائه می دهد.

۲٫ کارهای مرتبط

۲٫۱٫ توصیف مکان مبهم و روش موقعیت یابی

اطلاعات مکان مکانی، که توسط موجودات فضایی با موقعیت‌های توزیع فضایی مختلف تولید می‌شود، ارتباط نزدیکی با درک و دگرگونی انسان از جهان عینی دارد [ ۲۹ ]. در طول هزاران سال تکامل، انسان‌ها نمادهای زبانی زیادی ایجاد کرده‌اند و یک سیستم فضای زبانی را برای توصیف ویژگی‌های فضایی مختلف بین اشیاء تشکیل داده‌اند که شامل مدل‌های بیانی خاص و عناصر فضایی است [ ۳۰ ]. در زبان طبیعی، شی مرجع، شی هدف و رابطه فضایی به عنوان عناصر اساسی برای بیان اطلاعات مکان مکانی در نظر گرفته می شوند [ ۳۱ ]. سپس با ترکیب کلمات، عبارات و فرم های جملات مرتبط، توصیفی نسبی و کیفی را تشکیل می دهد [ ۳۲ ].]. توصیف موقعیت مکانی در زبان طبیعی دارای ابهام و ابهام است که مشابه اما متفاوت است [ ۳۳ ]. برای ابهام، “فروشگاه رفاه در خیابان” را به عنوان مثال در نظر بگیرید. بیش از یک فروشگاه رفاه در خیابان وجود دارد، اما “شرقی ترین” می تواند با افزودن اطلاعات ابهامات را از بین ببرد. برای ابهام، “رستوران نزدیک بیمارستان” را به عنوان مثال در نظر بگیرید. فاصله برخی رستوران ها تا بیمارستان مشخص نیست که نزدیک است یا دور، که ماهیت مبهم زبان طبیعی را برآورده می کند. در این مقاله، مبهم بودن توصیف مکان عمدتا مورد بحث قرار گرفته است.

تعیین موقعیت مکانی برای توصیف مکان، ایجاد رابطه نقشه برداری بین اطلاعات مکان به زبان طبیعی و مکان مکانی در دنیای واقعی است. بنابراین، پرداختن به توصیفات مبهم مکان در موقعیت یابی اجتناب ناپذیر است. در حال حاضر، عمدتاً شامل روش مبتنی بر مدل‌سازی منطقی دو ارزشی و روش مبتنی بر مدل‌سازی منطق فازی است. برای مدل‌سازی منطقی دو ارزشی، عمدتاً به روابط فضایی مانند فاصله، جهت و توپولوژی گرایش دارد. با تقسیم مصنوعی فضا به مناطق مختلف، رابطه دگرگونی بین توصیف محل خاص و مکان متناظر دنیای واقعی ایجاد می شود [ ۳۴ ].]. مدل‌سازی رابطه جهت عمدتاً شامل مدل مخروطی شکل، مدل مثلثی و مدل مستطیل حداقل مرزی (MBR) است [ ۳۵ ، ۳۶ ]. فضا به ۴ جهت، ۸ جهت، ۱۲ جهت و غیره تقسیم شده است. مدل‌سازی رابطه فاصله بر اساس روش «نقطه-شعاع» است که فاصله را به مناطق بسیار دور، دور، نزدیک و بسیار نزدیک تقسیم می‌کند. مدل‌سازی رابطه توپولوژیکی عمدتاً شامل مدل ۴ تقاطع و مدل ۹ تقاطع است. علاوه بر این، یک مدل ۹-تقاطع بر اساس گسترش بعد و یک مدل ۹-تقاطع بر اساس نمودار Voronoi مشتق شده است [ ۳۷ ].

منطق فازی فرض می کند که درجه تعلق یک متغیر به یک مجموعه فازی را می توان به صورت مقداری بین ۰ و ۱ بیان کرد، بنابراین تابع عضویت مربوطه را می توان ایجاد کرد. تابع به صورت z = f (x، y) بیان می شود، که در آن z مقدار عضویت را در (x، y) نشان می دهد [ ۳۸ ]. در حال حاضر، تابع عضویت یک مدل موثر برای توصیف مبهم بودن محدوده فضایی موجودات جغرافیایی است. به عنوان مثال، بر اساس تقسیم مدل ۴ جهته، یک مدل توصیف مبهم از رابطه جهت ابهام پیشنهاد شده است [ ۳۹ ]]. علاوه بر این، با توجه به رابطه جهت اصلی، مبهم بودن روابط جهت فضایی در سناریوهای مختلف شناختی مورد بحث قرار می گیرد که مبنایی واقع بینانه برای توصیف مبهم رابطه جهت فراهم می کند [ ۴۰ ]. منطق فازی نه تنها می تواند تغییرات نامنظم روابط عضویت فازی را نشان دهد، بلکه محاسبه مجموعه های فازی را در محدوده های فضایی مختلف نیز تسهیل می کند [ ۴۱ ].]. با این حال، تابع عضویت موجود بر ارائه نتایج شناختی فضایی کلی تمرکز می‌کند و عواملی را که بر توصیف مکان تأثیر می‌گذارند نادیده می‌گیرد. در ساخت تابع عضویت، انتخاب مصاحبه شوندگان، قابلیت اطمینان و عوامل دیگر بر منطقی بودن نتیجه ارزش عضویت تأثیر می گذارد. علاوه بر این، روش پایگاه دانش [ ۴۲ ]، روش بازیابی اطلاعات جغرافیایی [ ۴۳ ] و روش طبقه بندی تصاویر سنجش از دور [ ۴۴ ] نیز برای به دست آوردن مقدار عضویت استفاده می شود.

علاوه بر دو روش تعیین موقعیت اصلی فوق، روش نقطه-شعاع، مدل تخم مرغی و روش خوشه بندی فضایی نیز پیشنهاد شده است. (۱) روش نقطه-شعاع از یک نقطه و یک دایره با شعاع معین در اطراف نقطه برای توصیف مکان استفاده می کند [ ۴۵]. این روش تمام عدم قطعیت ها را در یک شعاع ترکیب می کند که نه تنها ساده است بلکه برای ذخیره سازی داده ها نیز راحت است. با این وجود، چون مختصات همه اشیا با نقاط نشان داده می شود، شکل و اندازه واقعی اشیا در نظر گرفته نمی شود. (۲) مدل قوم تخم مرغ بر اساس محدوده حداقل و حداکثر برای توصیف منطقه نامشخص موجودیت جغرافیایی است. مردم منطقه ای را نشان می دهد که منحصراً به یک موجود جغرافیایی تعلق دارد، در حالی که تخم مرغ نشان دهنده منطقه ای است که ممکن است به یک موجود جغرافیایی تعلق داشته باشد [ ۴۶ ]]. مدل تخم مرغ نسبتا ساده است و از تفسیر برخی استنباط های مهم مربوط به رابطه بین محدوده های فضایی مبهم پشتیبانی می کند. با این حال، روش ساده شده شکل هندسی در مدل برای منعکس کردن توزیع فضایی واقعی اشیاء بسیار خشن است. (۳) روش خوشه‌بندی فضایی مجموعه‌ای از اشیاء انتزاعی را به چند کلاس متشکل از اشیاء مشابه تقسیم می‌کند. روش‌های متعددی مانند تخمین چگالی هسته (KDE) [ ۴۷ ]، خوشه‌بندی فضایی مبتنی بر چگالی برنامه‌های کاربردی با نویز (DBSCAN) [ ۴۸ ]، و ماشین بردار پشتیبان (SVM) [ ۴۹ ] همگی برای فضاسازی موجودیت‌های جغرافیایی فازی استفاده شده‌اند. به عنوان مثال، داده های نقطه مورد علاقه (POI) برای شناسایی محدوده فضایی مناطق حاشیه شهری استفاده می شود.۵۰ ]. الگوریتم‌های مختلف خوشه‌بندی فضایی سازگاری متفاوتی دارند که منجر به این می‌شود که نوع الگوریتم انتخاب بر نتایج موقعیت‌یابی نهایی تأثیر بگذارد. به طور کلی، بسیاری از محققان روش هایی را برای موقعیت یابی فضایی بر اساس توصیف مکان پیشنهاد کرده اند. روش‌های مختلف در زمینه‌های کاربردی مختلف مزایایی دارند، اما محدودیت‌هایی نیز وجود دارد که نیاز به بهبود بیشتر دارند. ویژگی های روش های موقعیت یابی اصلی در جدول ۱ نشان داده شده است.

۲٫۲٫ نظریه ابرارزش‌گذاری و کاربرد آن در جغرافیا

در کتاب «رویکرد به علم» که در سال ۱۹۵۸ منتشر شد، هنری کی مهلبرگ، پوزیتیویسم منطقی، ایده اصلی ابرارزش‌گذاری را بر اساس اظهارات عدم قطعیت ناشی از ابهام زبان معمولی پیشنهاد کرد [ ۵۱ ]. در سال ۱۹۶۶، ون فرانسن به طور رسمی تئوری ابرارزش را برای مقابله با مشکلات معنایی ناشی از جملات حاوی عبارات مفرد بدون مرجع ارائه کرد [ ۵۲ ]. معناشناسی Supervaluation بر اساس معناشناسی کلاسیک توسعه یافته است. از آنجایی که نظریه ابرارزش‌گذاری معتقد است که برخی جملات «نه درست و نه نادرست» هستند، شکاف‌های ارزش صدق پیشنهاد می‌شوند [ ۵۳]. بنابراین، ابرارزش‌گذاری نوعی منطق سه ارزشی تلقی می‌شود. در معناشناسی ابرارزش‌گذاری، «درست» به فوق‌درست، «نادرست» به فوق‌کاذب اشاره دارد، و در غیر این صورت به شکاف‌های ارزش صدق تعلق دارد [ ۵۴ ]. معناشناسی ابرارزشیابی از دقت برای توضیح ابهام، به حداقل رساندن و حذف نیم سایه محمولات مبهم، و گسترش تدریجی بسط و ضد بسط آن استفاده می کند.

نظریه ابرارزش گذاری بیشتر در فلسفه کاربرد دارد و در آغاز دهه ۲۰۰۰ وارد جغرافیا شد. در جغرافیا، نظریه ابرارزش‌گذاری ابتدا برای توضیح مرز فازی موجودیت‌های جغرافیایی استفاده می‌شود. محمولات مبهم زیادی از فضا در حوزه جغرافیا وجود دارد، مانند «جنگل» و «علفزار»، «نزدیک» و «دور» و غیره [ ۵۵ ، ۵۶ ، ۵۷ ]. این نوع محمول مبهم منطقه فضایی مشخصی ندارد و مرز بین محمولات به سختی قابل تعریف است. نظریه ابرارزش‌گذاری معتقد است که محمول‌های مبهم عبارت‌های محدودی در یک زمینه خاص هستند [ ۵۸ ]]. بر اساس منطق شناختی، مجموعه‌ای از پارامترهای آستانه زمینه‌ای دارای ارزش فوق‌العاده هستند. سپس، مجموعه ای از قوانین با این پارامتر آستانه نامحدود داده می شود. از آنجایی که نظریه ابرارزش به مقادیر خاصی بستگی ندارد، می توان آن را با روش کیفی به طور یکپارچه ترکیب کرد [ ۵۹ ، ۶۰ ]. تبیین مبهم بودن موجودات جغرافیایی و همچنین ارائه مرجعی برای بحث مبهم بودن توصیف موقعیت مکانی در این مقاله بسیار مهم است.

۳٫ توصیف مکان مکانی و مبهم بودن آن

۳٫۱٫ از شناخت فضایی تا توصیف مکان

شناخت فضایی توانایی انسان در تشخیص وجود، تغییر حالت و موقعیت های نسبی چیزها و پدیده های مختلف در محیط اطراف است. شناخت فضایی همچنین فرآیند پردازش انواع اطلاعات مکانی از جمله مکان نسبی، توزیع فضایی و وابستگی اشیا و پدیده های محیطی و همچنین تکامل آنها با زمان است [ ۶۱ ]. شناخت فضایی سه مرحله زیر را طی می کند: «فضای واقع گرایانه»، «فضای شناختی» (شامل یک سری فرآیندها مانند ادراک، بازنمایی، حافظه، تفکر و غیره) و «فضای توصیفی» ( شکل ۱ ).

از فضا برای نشان دادن تفاوت توزیع بین چیزهای مختلف استفاده می شود. مکان مشخصه مکانی است که اشیا در فضا اشغال می کنند. وقتی کسی موقعیت مکانی یک چیز را درک می کند، همیشه به موقعیت نسبی آن چیز با چیز دیگر یا چیزهای دیگر اشاره می کند. آن چیز در فضایی وجود خواهد داشت که چیزهای دیگر نشان می دهند و مکان نسبی آن با حرکت تغییر می کند. بنابراین، مکان، محدوده فضایی است که شی فضایی در زیر چارچوب مرجع فضایی اشغال می کند و از طریق روابط نسبی بین اشیاء فضایی آشکار می شود.

برای برقراری ارتباط و انتقال مکان فضایی به دست آمده توسط شناخت، از زبان طبیعی برای توصیف مکان استفاده می شود. هر زبان دارای مجموعه ای از کلمات و ساختارهای نحوی است که مکان های فضایی مختلفی را بیان می کند. مردم می توانند انواع زبان ها را برای توصیف، روایت و توضیح دنیای واقعی که درک می کنند سازماندهی کنند و عبارات، گروه های جمله، پاراگراف ها و فصل های مربوطه را تشکیل دهند. از شناخت فضایی تا توصیف مکان، افراد بر اساس توانایی شناختی فردی و نیازهای خاص، اشیا و روابط آنها را در فضای عینی درک می کنند. سپس، از سیستم زبان برای انتزاع نتایج شناختی برای توضیح بیشتر استفاده می شود. بنابراین، توصیف مکان، ارائه نهایی برهم نهی فضای واقعی، شناخت فضایی و نظام زبانی است.

۳٫۲٫ بیان شرح مکان

اطلاعات مکان توصیف شده توسط زبان طبیعی اساساً شامل سه شکل است. (۱) نام نامی. به عنوان مثال، “شهر یانگژو”، “رودخانه یانگ تسه” و سایر نام های بتن، و همچنین “ساختمان های روی پشت بام قرمز” و نام های مرجع دیگر. (۲) آدرس به عنوان مثال، “No.196، Huayang West Road، Hanjiang District، Yangzhou City” و همچنین شماره تلفن، آدرس IP و سایر آدرس‌های عمومی. (۳) ادعاهای فضایی و ترکیب آنها. به عنوان مثال، “نزدیک دجی پلازا” یا “شرق دانشگاه یانگژو”. نام های محلی و آدرس ها را می توان با استفاده از رمزگذاری جغرافیایی بومی سازی کرد. این مقاله عمدتاً ویژگی بیان توصیف مکان را در فرم ادعای فضایی تحلیل می‌کند.

۳٫۲٫۱٫ چارچوب مرجع

چارچوب مرجع یک سیستم مرجع مهم برای شناسایی اشیاء فضایی مختلف و شناخت فضا است. چارچوب های مرجع را می توان به سه نوع زیر طبقه بندی کرد: چارچوب مرجع مطلق، چارچوب مرجع نسبی و چارچوب مرجع ذاتی. (۱) چارچوب مرجع مطلق بر اساس جهت ثابت ارائه شده توسط گرانش است. (۲) قاب مرجع نسبی فضا را به جلو، عقب، چپ و راست ناظر تقسیم می کند. (۳) چارچوب مرجع ذاتی ارجاع فضایی را به یک شی پس‌زمینه غیر از ناظر ثابت می‌کند. به طور کلی، چارچوب مرجع تنها مبنای توصیف مکان مبتنی بر شناخت فضایی است و افراد ابتکار عمل برای توضیح چارچوب مرجع به زبان طبیعی را به عهده نمی گیرند. اگرچه چارچوب مرجع در توصیف مکان ضمنی است،

۳٫۲٫۲٫ شیء فضایی

شیء فضایی به عنوان موضوع قلمرو فضایی، وجود مجردی است که در آن اشیاء یا پدیده های عینی مکان را در دنیای واقعی اشغال می کنند. اشیاء فضایی در چارچوب مرجع وجود دارند و به اشیاء مرجع و اشیاء هدف تقسیم می شوند. در زبان های طبیعی، اشیاء فضایی معمولاً به دو صورت زیر توصیف می شوند: (۱) نام شی فضایی. به عنوان مثال، نام مکان و مخفف آن، نام مستعار، نام نقطه مورد علاقه (POI)، نام نقطه عطف، و غیره. . به عنوان مثال، ساختمان شش طبقه با سقف قرمز. هنگام توصیف مکان اشیاء هدف، ممکن است چندین شی فضایی به عنوان اشیاء مرجع انتخاب شوند تا دقت توصیف افزایش یابد.

۳٫۲٫۳٫ رابطه فضایی

رابطه فضایی ارتباط فضایی بین شی هدف و سایر اشیاء مرجع را محدود می کند، از جمله سه نوع اصلی روابط فضایی باینری زیر: توپولوژی، جهت و فاصله. رابطه فاصله قوی ترین محدودیت را در مکان مکانی دارد، رابطه جهت دومین و رابطه توپولوژی ضعیف ترین است. بنابراین، این مقاله بر روی رابطه فاصله و رابطه جهت تمرکز می کند. (۱) توصیف رابطه جهت را می توان به رابطه جهت مطلق و رابطه جهت نسبی تقسیم کرد. توصیف رابطه جهت نسبی (مثلاً بالا، پایین، چپ، راست و غیره) با توجه به دیدگاه ناظر می تواند به یک رابطه جهت مطلق (شرق، جنوب، غرب، شمال و …) تبدیل شود. (۲) شرح رابطه فاصله شامل سه راه است. اولین مورد استفاده از فرم “عدد + کمیت” است، مانند “فاصله بین خانه و دریاچه حدود ۵۰۰ متر است”. دوم استفاده از صفت های خاص مانند «دور»، «نزدیک» و غیره. سوم این است که فاصله را با استفاده از زمان بیان کنیم، مانند “پیاده روی ۵ دقیقه”.

۳٫۳٫ ابهام چند سطحی توضیحات مکان

۳٫۳٫۱٫ مبهم بودن مفهوم شی فضایی

اشیاء فضایی دارای دامنه های فضایی با درجات مختلف وضوح هستند. محدوده فضایی روشن به محدوده فضایی با توصیف دقیق و موقعیت مکانی نسبتاً دقیق، مانند مرزهای ملی و سایر حوزه های قضایی رژیم اشاره دارد. محدوده فضایی فازی، محدوده فضایی با توصیف غیردقیق و موقعیت مکانی مبهم است، مانند منطقه انتقال از وجود به عدم و منطقه انتقال بین مناطق مجاور. اولی شامل طیف توفان ها و دومی شامل مرز بین جنگل و علفزار است. مبهم بودن مفهوم اشیاء فضایی بر بیان مبهم اشیاء مرجع در توضیحات مکان تأثیر می گذارد.

۳٫۳٫۲٫ ابهام در فرآیند شناخت فضایی

شناخت فضایی معمولاً به طور کامل از یک نقطه مشاهده درک نمی شود و محدوده درک شده آن وابسته به مقیاس است. مقیاس نیاز به تطبیق با انواع اشیاء و نیازهای شناخت، انتخاب و تعریف مقیاس فضایی معقول برای شناخت فضایی دارد. به عنوان مثال، هنگامی که فرد نیاز به دانستن مکان “پارک حوضچه لوتوس در شهر یانگژو” دارد، تشخیص تنها مقیاس “بخش مرکزی شهر یانگ ژو” دقیق نیست، مردم ترجیح می دهند بدانند که پارک واقع شده است. روبروی دروازه شرقی دانشگاه یانگژو در منطقه گوانگلینگ. علاوه بر این، مقیاس شی مرجع و هدف باید در فرآیند شناخت فضایی مطابقت داشته باشد. به عنوان مثال، در “شهر ژنجیانگ در جنوب دانشگاه یانگژو”، یک عدم تطابق مقیاس وجود دارد. مقیاس‌های فضایی نامطلوب و ناهماهنگ باعث ایجاد ابهام در فرآیند شناخت فضایی می‌شود. در توضیحات مکان، مقیاس مناسب معمولاً با ویژگی های شی مورد نظر تعیین می شود.

با توجه به عادات زندگی طولانی مدت، پیشینه فرهنگی، سن و جنبه های فیزیولوژیکی و سایر جنبه های تاثیر، توانایی فضایی-شناختی در بین افراد تفاوت معناداری دارد. کوین لینچ، نظریه پرداز برجسته برنامه ریزی شهری، اشاره می کند که درک مردم از فضای شهری عمدتاً به آشنایی آنها با محیط بستگی دارد. به عنوان مثال، ساکنان محلی می توانند به طور دقیق فاصله بین مرکز خرید و پارک را حدود ۵۰۰ متر درک کنند، در حالی که افراد خارجی که با محیط آشنا نیستند ممکن است به اشتباه فاصله بین دو مکان را ۸۰۰ متر تخمین بزنند. دانش پس زمینه فراوان برای انتخاب شی مرجع برجسته و روابط فضایی مناسب برای شناخت فضایی سودمندتر است. برعکس، ابهام در فرآیند شناختی ممکن است افزایش یابد.

۳٫۳٫۳٫ ابهام افزایش یافته توسط زبان طبیعی

توصیف موقعیت مکانی به زبان طبیعی به بیان کیفی تعلق دارد که ابهام نتیجه شناخت فضایی انتزاعی را بیشتر خواهد کرد. از یک سو، محمول های مبهم در زبان های طبیعی مانند «نزدیک» و «شمال» وجود دارد. این محمولات مبهم فاقد مرزهای واضح در هنگام توصیف موقعیت مکانی هستند. از سوی دیگر، برخی از صفت ها و قیدها معنای عبارات مبهم مانند «درباره»، «تقریباً»، «نزدیک» و غیره را تقویت می کنند. حتی اگر بیان دقیق “۵۰ متر” به صورت کمی استفاده شود، رابطه فاصله پس از افزودن “حدود” مبهم می شود.

بنابراین، اگرچه منابع ابهام متنوع است، اما توصیف مکان بیانگر شناخت فضایی است. سطوح مختلف ابهام بر روی یکدیگر قرار می گیرند و در نهایت در توضیحات مکان منعکس می شوند ( شکل ۲ ). درک ویژگی های مبهم در توصیف مکان، مبنای مهمی برای موقعیت یابی است.

۴٫ مدل موقعیت یابی بر اساس معناشناسی ابرارزشیابی

۴٫۱٫ ایده های اساسی نظریه ابرارزش گرایی

ابرارزش‌گذاری یک مفهوم معنایی معمولی است. معناشناسی ابرارزش‌گذاری که نظریه ابرارزش‌گرایی نیز نامیده می‌شود، بر اساس معناشناسی کلاسیک توسعه یافته است. اصل دو ارزشی منطق کلاسیک فقط برای گزاره‌های روشن اعمال می‌شود، زیرا معناشناسی کلاسیک معتقد است که درست و نادرست، جامع و متقابل هستند. بر اساس نظریه ابرارزش‌گذاری، یک جمله اگر و تنها در صورتی صادق است که از همه راه‌های دقیق‌سازی آن صادق باشد. این پیش‌بینی‌های موردی مرزی را به دست می‌دهد که نه درست هستند و نه نادرست، اما منطق کلاسیک تقریباً به طور کامل حفظ می‌شود. نظریه ابرارزش گرایی ابهام را از نکات زیر توضیح می دهد.

(۱): پسوند و ضد اکستنشن. برخی از اقلام واژگانی مانند «جنگل»، «دور»، «نزدیک» و غیره متعلق به محمول ها هستند که در زبان طبیعی برای نشان دادن ماهیت، ویژگی ها یا رابطه بین اشیاء به کار می روند. در یک حوزه معین، مجموعه اشیایی که به طور قطع می توان به یک محمول اعمال کرد، پسوند محمول است. در مقابل، مجموعه اشیایی که نمی توان آنها را به طور قطع بر این محمول اطلاق کرد، ضد بسط است. به عنوان مثال، در حوزه «رستوران‌های نزدیک سوپرمارکت»، رستوران در فاصله ۵۰۰ متری در امتداد قید «نزدیک» قرار دارد، در حالی که رستوران در فاصله ۲۰۰۰ متری در ضد بسط قید «نزدیک» قرار دارد.
(۲): نیم سایه. فراتر از بسط و ضد بسط، حالت مرزی محمول است که نیم سایه است که به شکاف های ارزش صدق نیز معروف است. وجود نیم سایه منجر به قضایای مبهم می شود که نه درست هستند و نه نادرست. از آنجایی که ابرارزش‌گذاری شامل شکاف حقیقت-ارزش است، اصل کلاسیک دو ارزشی برای نظریه ابرارزش‌گرایی نامعتبر است. به دنبال مثال قبلی، رستوران ۱۰۰۰ متر مورد مرز است، بنابراین فاصله ۱۰۰۰ متر در نیم سایه محمول “نزدیک” است.
(۳): دقت. بر اساس نظریه ابرارزش گرایی، ابهام ناشی از ناقص بودن یا عدم قطعیت معنایی محمول های مبهم است که باعث می شود جملات حاوی محمول های مبهم به روش های مختلف تفسیر شوند [ ۶۲ ].]. استفاده از عبارات دقیق تر برای توضیح هر یک از راه ها، دقیق سازی است. هدف از دقت، به حداقل رساندن و از بین بردن نیم سایه قضایای مبهم، و افزایش تدریجی دامنه گسترش و ضد گسترش محمولات برای تبدیل آنها به دقت قابل قبول است که یک روش معقول و شناختی برای دقت است. تحت هر دقت مجاز، محمولات مبهم در واقع به محمولات دقیق پالایش می‌شوند و جملاتی که محمول‌های مبهم دارند می‌توانند ارزش‌هایی را به روش منطق کلاسیک نسبت دهند. هدف ابرارزش‌گذاری فراتر رفتن از تخصیص کلاسیک است که با هر دقت مطابقت دارد.
(۴): نقطه برش. نقطه برش مفهومی مبتنی بر دقت است که برای توضیح دقت در زمینه های مختلف استفاده می شود [ ۶۳ ]]. به دنبال مثال قبلی، ۸۰۰ متر می تواند به عنوان نقطه برش استفاده شود، با رستوران های زیر ۸۰۰ متر در پسوند “نزدیک” و همه رستوران های دیگر در ضد گسترش “نزدیک” گنجانده شده اند. این نوعی دقیق‌سازی «نزدیک» است و نتیجه یک محمول بدون ابهام است. با انتخاب نقاط برش مختلف می توان به دقت متفاوتی از محمول مبهم دست یافت. توجه به این نکته ضروری است که مورد مرزی محمول مبهم قبلاً تعیین شده است. بنابراین، هر نقطه برش دقیق باید مناسب و قابل قبول باشد و با موارد غیرمرز مغایرت نداشته باشد. در ادامه مثال قبلی، استفاده از ۴۰۰ متر به عنوان نقطه برش برای دقت “نزدیک” مناسب نیست. زیرا این برش در محدوده شناخته شده «نزدیک» قرار دارد. در نتیجه،

۴٫۲٫ مدل موقعیت یابی تک ادعای فضایی

ادعای فضایی مکان شی هدف را با توصیف شی مرجع و رابطه فضایی بیان می کند. با این حال، ممکن است در توصیف زبان طبیعی شی مرجع و رابطه فضایی ابهامی وجود داشته باشد. ابرارزش‌گذاری یک نظریه کلاسیک برای توضیح ابهام در سطح معنایی است. اساس مدل موقعیت یابی در این مقاله، ابرارزش برای زمینه های چندگانه ادعای فضایی [ ۶۴ ] است. هدف از مدل موقعیت‌یابی ایجاد رابطه نقشه‌برداری بین توصیف مکان مبهم و مکان مکانی واقعی است. هنگامی که تنها یک مجموعه از شی مرجع وجود داشته باشد، شی هدف و رابطه فضایی آنها، به عنوان یک ادعای فضایی واحد تعریف می شود.

۴٫۲٫۱٫ چارچوب اساسی مدل موقعیت یابی

ادعای فضایی منفرد V _o شامل توصیف شی مرجع Vr ، توصیف _رابطه فاصله V _dis و توصیف رابطه جهت V _dir است. V _o ترکیبی از V _r ، V _dis و V _dir است. دقت V _o مبهم به زمینه c بستگی دارد . این مدل را می توان به صورت رسمی بیان کرد:

{o | L (o) \land V (o, c)}, V (o, c) \leftrightarrow n (c) \subseteq r a n g e (o)

(۱)

n (ج) = n (ج r) \cap n (ج د من_) \cap n (ج د من آر)

(۲)

در فرمول، L مکان شی هدف o در فضای واقعی است. در توصیف مکان V از o ، زمینه c با محمولات مبهم گنجانده شده است. زمینه c را می توان به زمینه cr شی مرجع _r ، زمینه c _dis از رابطه فاصله dis ، و زمینه c _dir از رابطه جهت dir تقسیم کرد. تابع محدوده محدوده فضایی مکان o را نشان می دهد. زمانی که مکانn ( c ) توصیف شده در زمینه c در محدوده o است، V ( o ، c ) درست است. برای تعیین اینکه آیا V ( o , c ) درست است نیاز به این دارد که _Vr ، V _dis و V _dir به ترتیب دارای دقت باشند.

مدل شیء فضایی مبهم

محمول های مبهمی که اشیاء فضایی را در توصیف مکان بیان می کنند، معمولاً نام اشیا یا آنتونومازی هستند که نشان دهنده انواع اشیاء فضایی هستند. در مقایسه با شی مورد نظر، شی مرجع باید یک شی فضایی نسبتا آشنا و معرف در میان کاربران توصیف مکان باشد. بنابراین، کاربر توصیف مکان می تواند تقریباً دامنه وجودی مکان مکانی شی مرجع را درک کند، اما به دلیل تفاوت در توانایی شناختی فضایی، توصیف شی مرجع هنوز مبهم است. دقت Vr مبهم به _cr زمینه بستگی _دارد . این مدل را می توان به صورت رسمی بیان کرد:

{r | L (r) \land V (ر ، ج r)} ، V (ر ، ج r) \leftrightarrow n (ج r) \subseteq r a n g e (r)

(۳)

در فرمول، L محل شی مرجع r در فضای واقعی است. در توصیف مکان V از r ، زمینه c _r با محمولات مبهم گنجانده شده است. تابع محدوده محدوده مکانی مکان r را نشان می دهد. وقتی مکان n ( _cr ) توصیف شده در زمینه cr در محدوده _r ، V ( _r ، cr باشد .) درست است. با در نظر گرفتن مرجع “A mall” به عنوان مثال، قوانین اصلی برای دقت V ( r , _cr ) به شرح زیر تعریف می شود :

(\forall x) (\forall y) (\forall ج r) (مرکز خرید (x, y ، ج r)) \leftrightarrow Δ s l d (نقشه (x, y)) \subseteq در (ج r))

(۴)

در فرمول، mall( _x , y , cr ) به معنای دقیق بودن «mall» مبهم بستگی به زمینه cr _دارد . تابع map( x , y ) موقعیت شناختی x را در توصیف موقعیت مکانی به موقعیت مکانی واقعی y نگاشت می کند ، Δ _sld فاصله بین مکان های مختلف را اندازه می گیرد و تابع in متن را به یک مقدار نگاشت می کند. قاعده مرجع شرایط کافی و لازم را برای mall فراهم می کند ( x , y , c _r). شرط لازم نشان می دهد که اگر موقعیت شناختی x با مکان واقعی y در یک زمینه مشخص مطابقت داشته باشد ( _x در محدوده y است)، پس در cr _، فاصله بین x و y باید در یک مقدار آستانه باشد . شرط کافی نشان می دهد که اگر فاصله بین x و y یک مقدار آستانه در یک زمینه مشخص _cr باشد، آنگاه x با y در c _r مطابقت دارد . با این حال، آستانه برای in( c _r) به صراحت تنظیم نشده است، زیرا توسط مشاهدات نیز محدود شده است.

۲٫: مدل رابطه فاصله مبهم

محمول های مبهم زیادی برای بیان رابطه فاصله در توصیف مکان وجود دارد، مانند “خیلی دور”، “نزدیک” و غیره. دقت V _dis مبهم به متن c _dis بستگی دارد . این مدل را می توان به صورت رسمی بیان کرد:

{ دمن | _ R ( dمن ) ∧V _( دمن هستم _جدمن _) }،V( دمن هستم _جدمن _) ↔ n (جدمن _) < v a l ( x )

(۵)

در فرمول، R رابطه فضایی در فضای واقعی است. در توصیف مکان V از dis ، متن c _dis با محمولات مبهم گنجانده شده است. تابع val نشان دهنده فاصله بین شی مرجع و شی هدف است. هنگامی که فاصله n ( c _dis ) توصیف شده در متن c _dis در داخل val باشد، V ( dis , cdis ₎ درست است. با در نظر گرفتن فاصله “نزدیک” به عنوان مثال، قوانین اصلی برای دقت V (dis , c _dis ) به صورت زیر تعریف می شوند:

(\forall r) (\forall o) (\forall ج د من_) (نزدیک (r, o, ج د من_)) \leftrightarrow Δ s l d (geo (r), geo (o)) < کم (ج د من_))

(۶)

در فرمول، نزدیک ( r , o , cdis) به معنای دقیق بودن «نزدیک» مبهم به _متن c _dis است . تابع geo ( x ) یک شی فضایی را به موقعیت مکانی آن نگاشت می‌کند، Δ _sld فاصله بین مکان‌های مختلف را اندازه‌گیری می‌کند، و تابع پایین، زمینه را به یک مقدار نگاشت می‌کند. قاعده فاصله شرایط کافی و لازم را برای نزدیک ( r , o , c _dis ) فراهم می کند. شرط لازم نشان می دهد که اگر دو شیء در یک زمینه معین به هم نزدیک باشند c _diss، سپس در c _dis ، فاصله بین هندسه مربوط به شی باید کمتر از مقدار آستانه کم باشد. شرط کافی نشان می‌دهد که اگر فاصله بین دو شی کمتر از مقدار آستانه کم در یک متن مشخص _cdis باشد، آنگاه این دو شیء در c dis _“ نزدیک” به یکدیگر هستند . low( c _dis ) نیز توسط مشاهدات محدود می شود.

۳٫: مدل رابطه جهت مبهم

همچنین محمول های مبهم زیادی در توصیف مکان وجود دارد، مانند “شرق”، “چپ” و غیره. دقت V _dir مبهم به متن c _dir بستگی دارد . این مدل را می توان به صورت رسمی بیان کرد:

{ دمن r | R ( di r ) ∧V( دمن ، _جدمن آر) }،V( دمن ، _جدمن آر) ↔ n (جدمن آر) ⊆ e x p ( dمن ر )

(۷)

در فرمول، R رابطه فضایی در فضای واقعی است. در توصیف مکان V از dir ، متن c _dir با محمولات مبهم گنجانده شده است. تابع exp نشان دهنده جهت بین شی مرجع و شی هدف است. هنگامی که جهت n ( c _dir ) توصیف شده در زمینه c _dir در داخل exp باشد، V ( dir ، c _dir ) درست است. با در نظر گرفتن جهت “غرب” به عنوان مثال، قوانین اصلی برای دقت V (dir , c _dir ) به صورت زیر تعریف می شوند:

(\forall r) (\forall o) (\forall ج د من آر) (غرب (r, o, ج د من آر)) \leftrightarrow Δ د eg_(ang (r, o)) \subseteq در (ج د من آر))

(۸)

در این فرمول، west( r , o , c _{dir ) به معنای}_{دقیق‌سازی} «غرب» مبهم به متن cdir بستگی دارد . تابع ang( r , o ) یک شی فضایی را به سیستم مختصات مستطیلی نگاشت می کند، Δ _sld آزیموت شی هدف را به شی مرجع می سنجد، و تابع in متن را به یک مقدار نگاشت می کند. قاعده جهت شرایط کافی و لازم را برای west( r , o , c _{dir ) فراهم می کند}). شرط لازم نشان می دهد که اگر شی هدف در “غرب” شی مرجع در یک زمینه مشخص c _dir قرار دارد، پس در c _dir ، آزیموت شی هدف نسبت به شی مرجع باید در مقدار آستانه ای باشد. در _ شرط کافی نشان می دهد که اگر زاویه آزیموت شی هدف نسبت به شی مرجع در یک مقدار آستانه در یک زمینه مشخص c _dir باشد، آنگاه شی هدف در “غرب” شی مرجع در c _dir قرار دارد. in( c _dir ) نیز توسط مشاهدات محدود می شود.

۴٫۲٫۲٫ محاسبه آستانه ها از مشاهدات وابسته به زمینه

آستانه شی فضایی مبهم

تنظیم آستانه در مدل موقعیت یابی باید بر اساس نتایج مشاهدات، که به زمینه بستگی دارد، باشد. متن c _۱ = “شهر یانگژو در استان جیانگ سو”، c _۲ = “دروازه شرقی مرکز خرید که دیروز عمه به آنجا رفت” و c _۳ = “باغ وحش در برنامه سفر پسر عموی که در مدرسه ابتدایی است” را تنظیم کنید. مشاهدات متفاوت است برای اشیاء فضایی مختلف، مشاهدات به صورت زیر مرتب می شوند:

شهر (ایکس ۱ ، y 1 ، ج ۱) \land مرکز خرید (ایکس ۲ ، y 2 ، ج ۲) \land باغ وحش (ایکس ۳ ، y 3 ، ج ۳) \dots

(۹)

بر اساس مجموعه مشاهدات بالا، تنظیمات آستانه ممکن است در ( c _۱ ) = (a, b), in ( c _۲ ) = {(a _۱ , b _۱ ), (a _۲ , b _۲ , (a _۳ , b _۳ , (a _۱ , b _۱ )}, in( c _۳ ) = {(a _۱ , b _۱ ), …, (a _n , b _n ), …, (a _۱ , b _۱ )}. تنظیم این آستانه ها متاثر از نوع شی، مقیاس شناختی، توانایی شناختی، آشنایی و اصلاح کننده ها است ( شکل ۳).). به عنوان مثال، یانگژو یک شهر است، حوزه قضایی بسیار گسترده است. با این حال، در مورد فاصله بین شهر یانگژو و شهر شانگهای، آستانه جسم فضایی یانگژو به دلیل مقیاس بزرگ آن همچنان به عنوان مختصات نقطه تعیین می شود. به طور نسبی، تنظیمات آستانه باغ وحش بسیار خوب است، متعلق به قلمرو شهر در مقیاس شناختی نسبتاً کوچک است. بنابراین، مقدار آستانه باغ وحش شی فضایی را می توان روی مختصات سطح تنظیم کرد. هنگامی که رابطه بین مرکز خرید و باغ وحش تشخیص داده شد، مقدار آستانه را نیز می توان به عنوان مختصات نقطه تنظیم کرد زیرا مقیاس اشیاء فضایی مشابه است. علاوه بر این، افراد با توانایی شناختی بالا در تشخیص مکان اشیاء فضایی آشنا دقت بیشتری دارند. در محتوای ج _۲، عمه در بزرگسالی توانایی شناختی فضایی قوی دارد و گره زمانی دیروز نیز به زمان حال نزدیک است. بنابراین، برای تنظیم آستانه دروازه شرقی مرکز خرید، محدوده کوچکتری از بافرها را می توان متصل کرد. پسرخاله که هنوز در دبستان است، شناخت فضایی نسبتاً ضعیفی دارد. علاوه بر این، برنامه سفر او برای جاهایی تنظیم شده است که او نرفته است. آستانه های باغ وحش به طور مبهم تنظیم می شوند و منطقه حائل اضافی به طور مناسب گسترده می شود. علاوه بر این، برای اصلاح‌کننده‌های “نزدیک”، “محیطی”، “مخالف” و سایر اصلاح‌کننده‌های مشابه، آستانه تعیین‌شده در درجات مختلف منطقه بافر را گسترش می‌دهد.

تنظیم آستانه برای اشیاء فضایی مبهم مستلزم در نظر گرفتن پنج بعد در شکل ۳ است.. مقدار آستانه خاص را می توان در ترکیب با سناریوهای کاربردی عملی و عادات شناختی فردی تعیین کرد. تنظیم آستانه در سناریوهای مختلف می تواند به تجربه تخصصی و آزمایش های شناختی اشاره داشته باشد. از یک سو، محدوده مرجع توانایی شناختی توسط محققان مرتبط در تحقیقات شناخت فضایی به دست می آید. از سوی دیگر، دامنه اشیاء فضایی با توجه به نتایج آزمایش های شناختی مورد قضاوت قرار می گیرد. تنظیم آستانه افراد مختلف می تواند وضعیت شناختی فضایی واقعی را بر اساس روش پرسش و پاسخ درک کند. در روش پرسش و پاسخ می توان سوالاتی را برای ابعاد ابهام تنظیم کرد و ابهام را با توجه به پاسخ قابل سنجش برای تعیین محدوده آستانه توضیح داد.

۲٫: آستانه رابطه فاصله مبهم

در زمینه c1 ₌ “۱۰ دقیقه پیاده روی”، _c2= “۵ دقیقه دویدن کامل در باران”، و c3 ₌ “دوچرخه سواری کوتاه مدت”، تفاوت مشاهدات در روابط فاصله قابل توجه است. برای شی مرجع r و هدف o ، مشاهدات به صورت زیر مرتب می شوند:

نزدیک (r 1 ، o 1 ، ج ۱) \land نزدیک (r 2 ، o 2 ، ج ۲) \land نزدیک (r 3 ، o 3 ، ج ۳) \dots

(۱۰)

بر اساس مجموعه مشاهدات بالا، تنظیمات آستانه ممکن است کم ( c _۱ ) = ۲۴۰ m، low ( c _۲ ) = ۷۵۰ m و low ( c _۳ ) = ۸۰۰ m باشد. این آستانه ها در یک الگوریتم ساده تنظیم شده اند که می تواند در ادبیات آموزش داده شود [ ۶۵ ]. تنظیم این آستانه ها تحت تأثیر حالت حرکت، محیط زمین، دسترسی، وضعیت آب و هوا و اصلاح کننده ها قرار دارد ( شکل ۴).). به عنوان مثال، در آب و هوای خوب، با ماشین و وسیله کارآمد دیگر برای سفر به مکانی با زمین مسطح و دسترسی به جاده، محدوده مکان «نزدیک» نسبتاً وسیع‌تر است. برعکس، در هوای بد، با پیاده‌روی و سایر وسایل ناکارآمد برای سفر به محلی با زمین ناهموار و جاده صعب العبور، محدوده مکان «نزدیک» باریک‌تر می‌شود.

تعیین آستانه برای رابطه فاصله مبهم مستلزم در نظر گرفتن پنج بعد در شکل ۴ است.. مقدار آستانه خاص که تحت تأثیر حالت متحرک، محیط زمین، دسترسی و آب و هوا قرار می گیرد، می تواند با آزمایش تجربی یا تجربه کارشناسی به شرح زیر تعیین شود: از یک طرف، در یک محیط واقعی، یا راه اندازی یک محیط شبیه سازی شده که مطابق با ویژگی های خاص باشد. شرایط، با تکیه بر تجهیزات نظارتی برای تشخیص محدوده فاصله در محیط های مختلف؛ از سوی دیگر، با استفاده از مقدار مرجع محدوده فضایی به دست آمده توسط محققان مربوطه. مقدار آستانه خاص که تحت تأثیر اصلاح کننده قرار می گیرد را می توان با روش پرسش و پاسخ به شرح زیر تعیین کرد: مبهم بودن کلمات اصلاح کننده را بر اساس پاسخ های قابل اندازه گیری توضیح دهید، مدل رابطه نگاشت بین کلمات اصلاح کننده و مبهم را ایجاد کنید و تنظیم کنید. محدوده آستانه بر این اساس.

۳٫: آستانه رابطه جهت مبهم

در زمینه c _۱ = “شرق”، c _۲ = “شمال شرقی”، و c3 ₌ “جهت ساعت ده”، تفاوت مشاهدات در روابط جهت قابل توجه است. برای شی مرجع r و هدف o ، مشاهدات به صورت زیر مرتب می شوند:

شرق (r 1 ، o 1 ، ج ۱) \land شمال شرقی (r 2 ، o 2 ، ج ۲) \land ساعت ساعت (r 3 ، o 3 ، ج ۳) \dots

(۱۱)

بر اساس مجموعه مشاهدات بالا، تنظیمات آستانه ممکن است در ( c _{۱ )}₌ [-۴۵°، ۴۵°)، in( c2 ) = [۲۲٫۵°، ۶۷٫۵°)، in( c3 ) ₌ [۳۰۰°° باشد. ۳۳۰ درجه). تنظیم این آستانه ها تحت تأثیر ابعاد شناختی، فاصله و اصلاح کننده ها قرار می گیرد ( شکل ۵ ). به عنوان مثال، “شرق”، “شمال شرقی”، “جهت ساعت ده” میزان فضای تقسیم را نشان می دهد. هنگامی که فاصله بین شی مورد نظر و جسم مرجع نزدیک است، قضاوت زاویه آزیموت دقیق تر است. اصلاح‌کننده‌های مبهم مانند “تقریبا” و “احتمالا” در متن ظاهر می‌شوند و دامنه تنظیم آستانه را بیشتر گسترش می‌دهند.

تنظیم آستانه برای رابطه جهت مبهم نیاز به در نظر گرفتن از سه بعد در شکل ۵ دارد. مقدار آستانه خاص که متاثر از ابعاد شناختی و تعدیل کننده است، با روش پرسش و پاسخ قابل تعیین است. مقدار خاص، که تحت تأثیر فاصله است، می تواند با آزمایش تجربی یا تجربه متخصص تعیین شود. فرآیند عملیات خاص می تواند به روش آستانه رابطه فاصله مبهم اشاره کند.

۴٫۲٫۳٫ مقایسه آستانه بین زمینه های مختلف

مدل‌های موقعیت‌یابی برای اشیاء فضایی، روابط فاصله و روابط جهت‌گیری، همگی شامل پارامترهای زمینه‌ای هستند، مانند mall( x ، y ، c )، نزدیک ( r ، o ، c ) و east ( r ، o ، c ). یک محمول ist ( p , c ) (یا ¬ ist ( p , c ) به معنای “درست یا نادرست”) برای ثبت یک گزاره p ∈ P در یک زمینه خاص c تعریف کنید.. بر این اساس، محمول های درگیر در مدل های موقعیت یابی فوق را می توان به ist ( mall , c _۱ ), ist ( دویدن , c _۲ ), ist ( دوچرخه , c _۳ ), ¬ ist ( باران , c _۴ ) تبدیل کرد. ist ( شرق ، ج _۵ )، و غیره. لازم به ذکر است که اگر متن c _i حاوی توصیفی از «باران» نباشد، ist ( باران ) نیز وجود ندارد., c _i ) و نه ¬ ist ( باران , c _i ) ادعا نمی شود. برای محمولات از یک نوع (مانند حالت حرکت در یک رابطه فاصله)، روابط بین زمینه های مختلف را می توان پس از به دست آوردن مشاهدات محمولات در بافت وابسته محاسبه کرد.

(۱): برابری ( c _i ≈ c _j ). اگر دو زمینه c _i و c _j از نظر مشاهدات یکسان باشند، احتمالاً برابر هستند و به صورت c _i ≈ c _j ثبت می شوند. در مثال بالا، c _۲ ! ≈ c _۳ .
(۲): عمومی ( c _i ⊐ c _j ). پس از نادیده گرفتن مشاهدات، در صورت وجود:

$(\forall p) (p \in P \land ist (p, ج j) \to ist (p, ج من)) \cap (\forall p) (p \in P \land \neg ist (p, ج j) \to \neg ist (p, ج من))$

(۱۲)

فرمول نشان می دهد که زمینه های c _i حداقل به اندازه زمینه های cj عمومی _هستند ( به صورت c _i ⊒ c _j ثبت می شود ). اگر c _i ⊒ c _j اما c _j ⊒ c _i نداشته باشد، c _i کلی تر از c _j است (به صورت c _i ⊐ c _j ثبت می شود ). در مثال بالا، c _۲ ⊐ c _۳ .
(۳): قابلیت شناسایی ( c _i ≺ c _j ). با در نظر گرفتن گزاره «نزدیک» به عنوان مثال، اگر همه در c _i «نزدیک» باشد و در c _j نیز «نزدیک» باشد، c _i حداقل همان قابلیت شناسایی را دارد که c _j (به صورت c _i ≼ c _j ثبت شده است ) . اگر c _i ≼ c _j اما c _j ≼ c _i ندارد ، c _j قابلیت شناسایی قوی تری دارد (به صورت c _i ≺ ثبت می شودج _ج ). در مثال بالا، c _۲ ≺ c _۳ .

۴٫۳٫ مدل موقعیت یابی ادعای فضایی مرکب

چند ادعای فضایی منفرد با هم ترکیب می‌شوند تا ادعای فضایی مرکب را تشکیل دهند. ادعای فضایی منفرد ترکیب اصلی ادعای فضایی مرکب است. با بیان موقعیت نسبی شی هدف به چندین شی مرجع، محدوده توزیع مکان هدف را می توان با جزئیات بیشتری توصیف کرد.

ادعای فضایی ترکیبی V _o شی هدف شامل روابط فضایی چندگانه بین شی مرجع مختلف و شی هدف است، و ادعای فضایی هر شی مرجع شامل زمینه c _i است. هر c _i شامل توضیحات شی مرجع V _r,i , توصیف رابطه فاصله V _dis,i و توصیف رابطه جهت V _dir,i است. دقت های مبهم V _r,i , V _dis,i و V _dir,i همگی به زمینه c _i بستگی دارند. این مدل را می توان به صورت رسمی بیان کرد:

{o | L (o) \land V (o, c)}, V (o, c) \leftrightarrow n (c) \subseteq r a n g e (o)

(۱۳)

n (ج) = n (ج ۱) \cap n (ج ۲) \cap \dots \cap n (ج من)

(۱۴)

n (ج من) = n (ج r ، i) \cap n (ج د من ، من_) \cap n (ج د من ، من_)

(۱۵)

در فرمول، تعریف پارامتر و تابع همبستگی همانند مدل موقعیت یابی ادعای فضایی منفرد است.

برای دقت ادعای فضایی مرکب، اولاً ادعای فضایی مرکب به چندین ادعای فضایی منفرد تقسیم می‌شود. ثانیا، دقت ادعای فضایی منفرد برای تعیین موقعیت محلی استفاده می شود. ثالثاً، نتایج موقعیت‌یابی هر ادعای فضایی منفرد روی هم قرار می‌گیرند و محل تلاقی آنها محل موقعیت‌یابی نهایی است.

۵٫ مطالعه موردی

در کاربرد عملی، روش موقعیت یابی مبتنی بر توصیف مکان مبهم عمدتاً برای حذف موانع بین انسان و ماشین و ارائه انواع خدمات مکان یابی بر اساس تعاملی زبان طبیعی استفاده می شود. علاوه بر این، مدل موقعیت‌یابی پیشنهادی در این مقاله بر زمینه فراوان تکیه دارد. بنابراین، یک سیستم پرسش و پاسخ (پرسش و پاسخ) تعاملی انسان-رایانه برای جمع‌آوری داده‌های متنی توصیف مکان به زبان طبیعی طراحی شده است. سیستم پرسش و پاسخ شامل دو ماژول اساسی زیر است: مدیریت پشت صحنه و سیستم تعاملی. در ماژول مدیریت پشت صحنه، مدیر محتوای سؤال و بعد مشخصه را می سازد و مدیریت می کند ( شکل ۶).). در ماژول سیستم تعاملی، با توجه به تنظیمات ماژول مدیریت پس‌زمینه، سیستم سؤالات مربوطه را در مورد ویژگی‌های یک مکان مکانی خاص می‌پرسد و سپس کاربر درک و شناخت خود از سؤال را در گفتگوی about وارد می‌کند. جعبه از طریق عملکرد سیستم پرسش و پاسخ، زمینه های توصیف مکان به دست می آید. علاوه بر این، از مدل موقعیت‌یابی برای توصیف مکان مبهم پیشنهاد شده در این مقاله استفاده شده است، سپس مکان‌های موقعیت‌یابی با روش‌های تجسم نمایش داده می‌شوند.

به منظور تجزیه و تحلیل اثر کاربردی روش پیشنهادی در این مقاله، پیاده‌روی جاده نانجینگ در شهر شانگهای در سال ۲۰۲۱ به عنوان موردی برای نشان دادن آزمایش انتخاب شده است. جاده نانجینگ مرفه ترین منطقه در شانگهای است که به عنوان “اولین خیابان تجاری در چین” شهرت دارد. تعداد زیادی از مغازه ها در هم آمیخته شده اند، و تجزیه و تحلیل توصیف موقعیت مکانی این منطقه معمولی است. نمودار هواپیمای جاده نانجینگ در شکل ۷ نشان داده شده است و موقعیت برخی از نشانه ها ذکر شده است.

۵٫۱٫ موقعیت یابی مکان ها بر اساس ادعای فضایی واحد

متن شرح مکان ادعای فضایی واحد توسط سیستم پرسش و پاسخ جمع‌آوری شده است. در این مورد، کاربر می خواست بداند کدام مک دونالد در جاده نانجینگ نزدیک ایستگاه مترو است. سیستم پرسش و پاسخ از کاربر در مورد حالت حرکت، وضعیت آب و هوا، دسترسی و غیره می پرسد ( شکل ۸ ). سپس، متن پاسخ شامل شناخت کاربر از محمول مبهم «نزدیک» در ابعاد مختلف است. زمینه ادعای فضایی به ترتیب برای انتخاب ویترین فروشگاه مک‌دونالد که با توضیحات مکان مطابقت دارد، بسیار ارزشمند است.

در زمینه این ادعای فضایی واحد، شی مرجع ایستگاه مترو ایستگاه جاده نانجینگ شرقی (مترو NJDL)، شی مورد نظر ویترین فروشگاه مک دونالد است، رابطه فضایی شامل رابطه فاصله است، و رابطه جهت نادیده گرفته شده است. بنابراین، اساس موقعیت یابی در دقت رابطه فاصله بین ایستگاه مترو و ویترین فروشگاه نهفته است. از نظر تحرک، کاربران ترجیح می دهند پیاده روی یا دوچرخه سواری کنند. هنگام راه رفتن، درک کاربر از “نزدیک” بیش از ۱۰ دقیقه نیست. هنگام دوچرخه سواری، درک کاربر از “نزدیک” بیش از ۵ دقیقه نیست. با این حال، کارایی حالت متحرک نیز تحت تأثیر شرایط آب و هوایی است. از نظر دسترسی، یک ارتباط جاده ای بین ایستگاه مترو و هر ویترین فروشگاه وجود دارد. طبق بخش ۴٫۲٫۲، زمینه دیدگاه شناخت فضایی کاربر سیستم پرسش و پاسخ دارای ارزش فوق العاده است و نقاط مبادله رابطه فاصله با توجه به آستانه مشاهده تنظیم شده است ( جدول ۲ ).

توزیع مکان واقعی ایستگاه مترو و ویترین فروشگاه مک دونالد با آستانه مشاهدات مقایسه شد. ویترین های (الف)، (ب) و (ج) به ایستگاه مترو متصل هستند. ویترین های (الف) و (ب) به ترتیب ۲۱۱ متر و ۶۶۸ متر با ایستگاه مترو فاصله دارند و ویترین فروشگاه (ج) در فاصله ۹۱۳ متری ایستگاه مترو قرار دارند. فاصله ویترین (الف) با آستانه ①، فاصله ویترین (ب) با آستانه ③ مطابقت دارد، در حالی که فاصله ویترین فروشگاه (ج) با هر آستانه مطابقت ندارد. علاوه بر این، پیاده‌رو محدودیت‌هایی در حالت حرکت دارد، “ایستگاه مترو-فروشگاه (b)” فقط می‌تواند راه رفتن را انتخاب کند، آستانه ①–② را برآورده نمی‌کند. بنابراین، فاصله بین ایستگاه مترو و ویترین فروشگاه (الف) نزدیک است ( شکل ۹ ).

۵٫۲٫ مکان یابی مکان ها بر اساس ادعای فضایی مرکب

متن توصیف مکان ادعای فضایی مرکب توسط سیستم پرسش و پاسخ جمع‌آوری شده است. در این مورد، کاربر می خواست مکان میدان قرن در بلوک عابر پیاده جاده نانجینگ را بداند. سیستم پرسش و پاسخ سوالاتی را از اشیاء مرجع مختلف و روابط فضایی آنها می پرسد ( شکل ۱۰ ). سپس متن پاسخ شامل شناخت محمول مبهم «مربع قرن» در ابعاد مختلف است. چندین زمینه ادعای فضایی به ترتیب برای تعیین مکان فضایی میدان قرن فوق ارزش هستند.

در چارچوب این ادعای فضای مرکب، اشیاء مرجع تقاطع جاده هوبی، ساختمان تجاری سان شاین و هتل هایلند هستند، شی هدف میدان قرن است، رابطه فضایی شامل رابطه فاصله و رابطه جهت است. بنابراین، اساس موقعیت یابی در دقت رابطه فاصله بین میدان قرن و اشیاء مرجع مختلف نهفته است. (۱) میدان قرن نزدیک به شرق تقاطع جاده هوبی است. دو محمول مبهم، «شرق» و «نزدیک» در ادعای فضایی دخیل هستند. در میان آنها، “شرق” برای نشان دادن اینکه تعداد کاربرانی که فاصله فاصله را تقسیم می کنند ۴ استفاده می شود. چون شی هدف به شی مرجع نزدیک است، قضاوت آزیموت دقیق است. دقت “نزدیک” را می توان در بخش ۵٫۱ اشاره کرد، که فاکتورهای مختلفی مانند حالت حرکت، وضعیت آب و هوا، دسترسی و غیره را نیز در نظر می گیرد. (۲) میدان قرن روبروی ساختمان تجاری Sunshine قرار دارد. درک کاربر از “مخالف” در سراسر جاده، در محدوده قابل مشاهده است. هنگام تنظیم آستانه مشاهده، مرکز خرید Sunshine در نزدیکی جاده، میدان قرن در سمت دیگر جاده و در ۵۰ متری کنار جاده قرار دارد. (۳) میدان قرن از هتل هایلند نمی گذرد. به دلیل حرکت در امتداد جاده نانجینگ، مسیر از غرب به شرق است. “نگذر” نشان می دهد که میدان قرن در غرب هتل هایلند قرار دارد و همچنان فضا را به ۴ جهت تقسیم می کند. طبق بخش ۴٫۲٫۲، زمینه دیدگاه شناخت فضایی کاربر سیستم پرسش و پاسخ دارای ارزش فوق العاده است و نقاط مبادله رابطه فاصله و رابطه جهت با توجه به آستانه مشاهده تنظیم می شوند ( جدول ۳ ، جدول ۴ و جدول ۵ ).

با توجه به توزیع فضایی واقعی شی مرجع و آستانه مشاهدات، مناطق مکان نامزد تعیین شد ( شکل ۱۱ ). زاویه [۴۵ درجه، -۴۵ درجه] در تقاطع جاده هوبی “شرق” است و به عنوان مکان نامزد (a) تعیین می شود. تقاطع جاده با جاده هوبی، و پیاده روی بیش از ۵ دقیقه فاصله “نزدیک” است، هر دو طرف منطقه جاده به عنوان مکان نامزد (b) تعیین شده است. سه جاده در مجاورت ساختمان تجاری Sunshine وجود دارد که سمت دیگر منطقه سه جاده به عنوان مکان نامزد (ج) تعیین شده است. زاویه [۱۳۵ درجه، ۲۲۵ درجه] در هتل هلن “غربی” است و به عنوان مکان نامزد (d) تعیین شده است.

مکان نامزد (a) – (d)، که از چندین ادعای فضایی استنتاج شده است، برای به دست آوردن ناحیه همپوشانی D روی هم قرار می گیرند ( شکل ۱۲ ). سپس، D مکان میدان قرن است همانطور که در ادعای فضایی فعلی توضیح داده شده است. در مقایسه با مکان واقعی G از میدان قرن، D اساساً در G وجود دارد و D در کل در قسمت شمال غربی G قرار دارد.. زیرا در انتخاب شی مرجع، رابطه فضایی از غرب، شمال و شرق تشریح می شود و رابطه فضایی در جنوب وجود ندارد که باعث می شود نتیجه فوق ارزشی در جنوب دقیق نباشد. به طور کلی، موقعیت مکانی اشیاء را می توان با ابرارزش گذاری زمینه های متعدد ادعای فضایی به طور دقیق به دست آورد.

۵٫۳٫ بحث

زبان طبیعی اساسی ترین وسیله انسان برای انتقال اطلاعات مکان مکانی است و بیان کیفی آن ابهام را فراگیر می کند. در عصر کلان داده فعلی، مفهوم طراحی LBS هوشمند باید هدف مردم محور خدمات اطلاعاتی را تجسم کند و یک تعامل هماهنگ برقرار کند. پردازش اطلاعات مکان باید با درک انسان و فرآیند شناختی مطابقت داشته باشد. این مقاله با مفهوم اساسی موقعیت مکانی، رابطه سلسله مراتبی بین شناخت فضایی و توصیف مکان و منبع ابهام را روشن می کند. ساخت مدل بازنمایی مکان مکانی پیش شرط مهمی برای تحقیق توصیف مکان مبهم است. بر این اساس، نظریه ابرارزش گرایی وارد حوزه شناخت فضایی می شود. بر اساس معناشناسی ابرارزش‌گذاری، توصیف مکان مبهم به موقعیت مکانی دقیق تبدیل می‌شود. مزایای معناشناسی supervaluation به شرح زیر است: (۱) توتولوژی حفظ می شود. توتولوژی منطق کلاسیک هنوز معتبر است، یعنی منطق دو ارزشی درست یا نادرست بدون تغییر باقی می ماند. (۲) نتایج دقیق در یک صحنه خاص منحصر به فرد است. به عنوان مثال، پارک ها و زمین های بازی “دور” از مورد مرزی قرار دارند. زمین بازی ۱۰۰ متر دورتر از پارک است. در توضیح منطق سه ارزشی، مقدار «پارک دور است» و «زمین بازی دور است» مقدار نامشخص است. توتولوژی منطق کلاسیک هنوز معتبر است، یعنی منطق دو ارزشی درست یا نادرست بدون تغییر باقی می ماند. (۲) نتایج دقیق در یک صحنه خاص منحصر به فرد است. به عنوان مثال، پارک ها و زمین های بازی “دور” از مورد مرزی قرار دارند. زمین بازی ۱۰۰ متر دورتر از پارک است. در توضیح منطق سه ارزشی، مقدار «پارک دور است» و «زمین بازی دور است» مقدار نامشخص است. توتولوژی منطق کلاسیک هنوز معتبر است، یعنی منطق دو ارزشی درست یا نادرست بدون تغییر باقی می ماند. (۲) نتایج دقیق در یک صحنه خاص منحصر به فرد است. به عنوان مثال، پارک ها و زمین های بازی “دور” از مورد مرزی قرار دارند. زمین بازی ۱۰۰ متر دورتر از پارک است. در توضیح منطق سه ارزشی، مقدار «پارک دور است» و «زمین بازی دور است» مقدار نامشخص است.من بین درست و نادرست، و ارزش ربطی هنوز من است. با این وجود، در تبیین معنایی ابرارزش‌گذاری، به دلیل اینکه نمی‌توان دقیق‌سازی «زمین بازی نزدیک است» و «پارک دور است» را ارائه داد. سپس، صورت ربط نادرست است، نتیجه با شناخت شهودی سازگارتر است. (۳) برای مسئله ابهام چند بعدی، از آنجایی که ساختار دقیق یک ساختار نظم جزئی است، می تواند عدم مقایسه بین مبهم بودن ابعاد مختلف را بیان کند. در مورد “نزدیک”، می تواند فاصله کوتاه در یک خط مستقیم، فاصله کوتاه در یک سفر یا زمان سفر کوتاه باشد. محمول مبهم «نزدیک» نیز یک ویژگی چند بعدی «نزدیک» است و «نزدیک» ابعاد مختلف قابل مقایسه نیست.

در حال حاضر، روش مبتنی بر مدل‌سازی منطقی دو ارزشی هنوز یکی از روش‌های اصلی برای تحلیل معنایی توصیف مکان برای موقعیت‌یابی فضایی است – مدل‌سازی Umberto Straccia برای روابط فضایی [ ۶۶ ]]. در این مدل، منطق‌های توصیف فازی سنتی برای پشتیبانی از استدلال فضایی فازی گسترش می‌یابد. تحقیقات موجود در مورد مدل‌سازی منطقی دو ارزشی عمدتاً بر رابطه فضایی متمرکز است و منطقه فضایی به طور صلب به چندین جهت تقسیم می‌شود. با این حال، مبهم بودن رابطه جهت فضایی به این معنی است که شی مورد نظر متعلق به مفهوم جهت خاصی با درجه خاصی از عضویت است که نوعی منطق چند ارزشی است. استفاده از روش های دقیق برای توصیف ابهام اغلب منجر به از دست رفتن اطلاعات می شود. بنابراین، مفهوم منطق فازی شروع به معرفی به مدل‌سازی جهت فضایی مبهم کرده است. تابع عضویت کلید مدلسازی منطق فازی است. بسیاری از محققان انواع مختلفی از روش های ساخت تابع عضویت را پیشنهاد کرده اند. Edoh-Alove و همکاران.۶۷ ]. دیلو و همکاران از توزیع جرم اجسام فازی به عنوان عضویت استفاده کرد [ ۶۸ ]. چنگ و همکاران تأثیر مقیاس‌های فضایی مختلف بر عضویت را مورد بحث قرار داد [ ۶۹ ]. خو و همکاران دانش فضایی ذهنی را به عنوان یک پایگاه دانش از دیدگاه ناظر ساخت و برای تعیین ارزش عضویت، پشتیبانی دانشی را ارائه کرد [ ۷۰ ]. مشاهده می‌شود که بسیاری از مطالعات تلاش می‌کنند تا برای عموم، چند مقیاسی، در مقیاس بزرگ، به منظور دستیابی به قانون شناختی فضایی جهانی، تحقیق کنند و مبنایی واقع‌بینانه برای ایجاد رابطه نقشه‌برداری اصلی بین توصیف مبهم و فضای واقعی ارائه کنند. .

در واقع تصور همگان از موقعیت مکانی ذهنی است و بیان توصیف مکان مصنوعی است. همان توصیف مکان به فضاهای واقعی متفاوت به دلیل صحنه ها و افراد مختلف اشاره دارد. روش ارائه شده در این مقاله می تواند ابهام در توصیف مکان را به طور دقیق و شهودی توصیف کند. از یک سو، مدل سازی ابهام سنتی را که فقط بر روابط فضایی تمرکز دارد، می شکند. توجه جامع تری به دلایل و بازنمایی مبهم بودن سه عامل زیر داده می شود: چارچوب مرجع، اشیاء فضایی و روابط فضایی. از سوی دیگر، با ارزش گذاری فوق العاده در زمینه های مختلف، نتایج دقیق در موقعیت های مختلف به دست می آید. از این رو، موقعیت یابی با ذهنیت و مصنوعی بودن توصیف مکان سازگار است. در این روش، معرفی دقیق نقش مهمی دارد. در میان آنها، انتخاب نقطه برش حیاتی ترین است. توصیف مکان نتیجه بیان شناخت فضایی انسان است. در حالی که موقعیت مکانی یک فرآیند معکوس است، که نیاز به درک شناخت فضایی واقعی از طریق توصیف مکان دارد. نقطه برش برای توصیف مبهم در واقع نیاز به حفاری درک مربوطه در شناخت فضایی دارد. با کمک آزمایش‌های شناختی مناسب، معناشناسی مبهم و روان‌شناسی باید ترکیب شوند تا ذهنیت فعالیت‌های شناختی را منعکس کنند. معناشناسی supervaluation، توصیف مکان را با هر نوع صحنه واقعی مطابقت می دهد. از طریق آزمایش های شناختی،

نتایج مطالعه موردی نشان می‌دهد که مدل‌ها و روش‌های موجود می‌توانند با توصیف نسبتاً ساده مکان مقابله کنند، در حالی که کاربردهای عملی نیز نیاز به گسترش روش به سناریوهای پیچیده‌تر دارند. پیچیدگی توصیف مکان ابهام آن را افزایش می‌دهد و عواملی که در فرآیند دقیق‌سازی بر اساس معناشناسی ابرارزش‌گذاری در نظر گرفته می‌شوند، متنوع‌تر هستند. بنابراین، قوانین تایید نقاط برش شرطی و محاسبات ترکیبی چند شرطی پیچیده‌تر هستند که برای هدایت دقیق نیاز به دانش قبلی و حوزه خاصی دارند. در حال حاضر، نمودارهای دانش، مهندسی دانش کلان داده را به یک مرحله کاملاً جدید هدایت می‌کنند که دارای مزایایی در جنبه‌های محاسباتی و استنتاجی است و به ابزار مهم مدیریت دانش و خدمات تبدیل می‌شود.۷۱ ]. نمودارهای دانش، تجزیه معنایی و موقعیت دقیق توصیف مکان را به هوش تبدیل می‌کنند، که همچنین با چالش‌هایی در زمینه همکاری انسان و رایانه و استدلال پیچیده مواجه است.

۶٫ نتیجه گیری

درک معناشناسی مکان از توصیف مکان، جهت توسعه خدمات مکان یابی GIS نسل بعدی است. در این مقاله، یک روش موقعیت‌یابی توصیف مکان مبهم بر اساس معناشناسی ابرارزش‌گذاری پیشنهاد شده است. از یک سو، مبهم بودن توصیف مکان از دیدگاه چند عاملی تحلیل می‌شود. مدل‌سازی مبهم سنتی روابط فضایی به مدل‌سازی گسترش می‌یابد که سه جنبه چارچوب مرجع، اشیاء فضایی و روابط فضایی را در نظر می‌گیرد، که توانایی تحلیل معنایی را برای مبهم بودن توصیف مکان افزایش می‌دهد. از سوی دیگر، بر اساس موقعیت مکانی توصیف‌های مکان مبهم، اطلاعات مکانی در توضیحات به محدوده مکانی قابل نمایش در GIS تبدیل می‌شود.

در مطالعه موردی، گروهی از دیدگاه‌های کاربران از پرسش و پاسخ در مورد شناخت فضایی به حوزه فضایی در دنیای واقعی تبدیل می‌شوند. این حوزه‌های فضایی می‌توانند رابطه بین مفاهیم مکانی کیفی و داده‌های کمی فضایی را برقرار کنند تا به نمایش توصیف مکان مبهم در GIS پی ببرند. بنابراین، سیستم پرس و جو با مکانیزم پرسش و پاسخ، سناریوی کاربردی این روش را به عنوان یک رابط زبان طبیعی مجسم می کند. نتایج مطالعه موردی نشان می‌دهد که معناشناسی ابرارزش‌گذاری را می‌توان در زمان با توجه به کاربرد عملی تنظیم کرد، و نتایج موقعیت‌یابی، شناخت شهودی دقیق و متناسب هستند. در آینده، نمودارهای دانش برای بهبود بیشتر توانایی استدلال معنایی و دقت موقعیت‌یابی برای توصیف مکان مبهم معرفی خواهند شد.

منابع

نونیز، آر. آلن، ام. گائو، آر. ریگولی، سی. رلافورد-دویل، جی. Semenuks، A. چه اتفاقی برای علم شناختی افتاد؟ نات هوم رفتار ۲۰۱۹ ، ۳ ، ۷۸۲-۷۹۱٫ [ Google Scholar ] [ CrossRef ] [ PubMed ]
Cohn، AG; هزاریکا، SM بازنمایی و استدلال فضایی کیفی: مروری. سرمایه. آگاه کردن. ۲۰۰۱ ، ۴۶ ، ۱-۲۹٫ [ Google Scholar ]
Renz, J. استدلال فضایی کیفی با اطلاعات توپولوژیکی. جی. مول. ساختار. Theochem. ۲۰۰۲ ، ۵۷۹ ، ۱۹۱-۲۰۳٫ [ Google Scholar ]
وانگ، ی. فن، اچ. چن، آر. موقعیت‌یابی محلی با استفاده از فاصله‌ها و جهت‌های شناختی. Sensors ۲۰۱۷ , ۱۷ , ۲۸۲۸٫ [ Google Scholar ] [ CrossRef ] [ PubMed ][ نسخه سبز ]
واسردانی، م. زمستان، اس. Richter, KF تعیین مکان نام مکان ها از توضیحات مکان. بین المللی جی. جئوگر. Inf. علمی ۲۰۱۳ ، ۲۷ ، ۲۵۰۹-۲۵۳۲٫ [ Google Scholar ] [ CrossRef ]
ریشتر، دی. زمستان، اس. ریشتر، KF; استرلینگ، L. دانه بندی مکان های اشاره شده با توضیحات مکان. محاسبه کنید. محیط زیست شهری ۲۰۱۳ ، ۴۱ ، ۸۸-۹۹٫ [ Google Scholar ] [ CrossRef ]
لیو، ی. گوا، کیو. ویزورک، جی. Goodchild، MF مکان یابی بر اساس ادعاهای فضایی. بین المللی جی. جئوگر. Inf. علمی ۲۰۰۹ ، ۲۳ ، ۱۴۷۱-۱۵۰۱٫ [ Google Scholar ] [ CrossRef ]
کریشناپورام، آر. کلر، جی.ام. Ma, Y. تحلیل کمی خواص و روابط فضایی مناطق تصویر فازی. IEEE Trans. سیستم فازی ۱۹۹۳ ، ۱ ، ۲۲۲-۲۳۳٫ [ Google Scholar ] [ CrossRef ][ نسخه سبز ]
Ittelson، WH Environment Perception و Contemporary Perceptual Theory ; سمینار: نیویورک، نیویورک، ایالات متحده آمریکا، ۱۹۷۶; صص ۱۴۱-۱۵۴٫ [ Google Scholar ]
بلوخ، آی. کولیوت، او. سزار، RM در رابطه فضایی سه تایی “بین”. IEEE Trans. سیستم مرد سایبرن. قسمت B ۲۰۰۶ ، ۳۶ ، ۳۱۲-۳۲۷٫ [ Google Scholar ] [ CrossRef ] [ PubMed ][ نسخه سبز ]
تاکمورا، سی ام. سزار، آر.ام. بلوخ، I. مدل سازی و اندازه گیری رابطه فضایی “در امتداد”: مناطق، خطوط و مجموعه های فازی. تشخیص الگو ۲۰۱۲ ، ۴۵ ، ۷۵۷-۷۶۶٫ [ Google Scholar ] [ CrossRef ]
چن، جی. جیا، اچ. لیو، دی. ژانگ، سی. ایجاد روابط جهت اصلی بر اساس جبر فاصله. در مجموعه مقالات کنفرانس بین المللی دانش، مهندسی و مدیریت، بلفاست، انگلستان، ۱-۳ سپتامبر ۲۰۱۰٫ Bi, Y., Williams, MA, Eds.; Springer: برلین/هایدلبرگ، آلمان، ۲۰۱۰٫ [ Google Scholar ]
دو، اس. گوا، ال. وانگ، Q. مدلی برای توصیف و ترکیب روابط جهت بین مناطق همپوشانی و محدود. آگاه کردن. علمی ۲۰۰۸ ، ۱۷۸ ، ۲۹۲۸-۲۹۴۹٫ [ Google Scholar ] [ CrossRef ]
دنگ، م. Li, Z. مدلی آماری برای روابط جهت دار بین اشیاء فضایی. Geoinformatica ۲۰۰۸ ، ۱۲ ، ۱۹۳-۲۱۷٫ [ Google Scholar ] [ CrossRef ]
کلارامونت، سی. Thériault، M. معناشناسی فازی برای روابط جهت بین مناطق مرکب. آگاه کردن. علمی ۲۰۰۴ ، ۱۶۰ ، ۷۳-۹۰٫ [ Google Scholar ] [ CrossRef ]
کربو، ف. کربو، ف. رویکرد فاصله ای به احاطه فازی و روابط فضایی فازی. در مجموعه مقالات کنفرانس بین المللی انجمن پردازش اطلاعات فازی آمریکای شمالی-NAFIPS، آتلانتا، GA، ایالات متحده آمریکا، ۱۳ تا ۱۵ ژوئیه ۲۰۰۰٫ [ Google Scholar ]
پیتزی، نیوجرسی؛ Pedrycz, W. مجموعه فازی تنظیم نظری به برچسب‌های کلاس مجموعه آموزشی با استفاده از معیارهای موقعیت مکانی قوی. در مجموعه مقالات کنفرانس مشترک بین المللی IEEE-INNS-ENNS در مورد شبکه های عصبی، کومو، ایتالیا، ۲۷ ژوئیه ۲۰۰۰٫ [ Google Scholar ]
رائو، جی آر. ساراسواتی، K. مشکل مکان تاسیسات در یک شبکه تحت معیارهای چندگانه-رویکرد نظری مجموعه فازی. بین المللی جی. جئوگر. Inf. علمی ۲۰۰۸ ، ۱۹ ، ۲۵۵۵-۲۵۵۹٫ [ Google Scholar ] [ CrossRef ]
فاطمی، آقا؛ حبیب، م. Chowdhury, S. A Longitudinal Investigation of Residential Location: Fuzzy Logic-based Choice Set Generation and Panel Place Models انتخاب مکان. در مجموعه مقالات کنفرانس مدل‌سازی انتخاب بین‌المللی، آستین، تگزاس، ایالات متحده آمریکا، ۱۰ تا ۱۳ مه ۲۰۱۵٫ [ Google Scholar ]
مونتلو، DR; Goodchild، MF; گوتسگن، جی. Fohl، P. مرکز شهر کجاست؟ روشهای رفتاری برای تعیین مراجع پرس و جوهای فضایی مبهم. تف کردن شناخت. محاسبه کنید. ۲۰۰۳ ، ۳ ، ۱۸۵-۲۰۴٫ [ Google Scholar ]
جونز، CB; Purves، RS; کلاف، PD; جوهو، اچ. مدل سازی مکان های مبهم با دانش از وب. بین المللی جی. جئوگر. Inf. علمی ۲۰۰۸ ، ۲۲ ، ۱۰۴۵-۱۰۶۵٫ [ Google Scholar ] [ CrossRef ][ نسخه سبز ]
چنگ، تی. مولنار، م. Lin, H. رسمی کردن اشیاء فازی از نتایج طبقه بندی نامشخص. بین المللی جی. جئوگر. Inf. علمی ۲۰۰۱ ، ۱۵ ، ۲۷-۴۲٫ [ Google Scholar ] [ CrossRef ]
دوبوا، دی. پراد، اچ. مجموعه ها و احتمالات فازی: سوء تفاهم ها، پل ها و شکاف ها. در مجموعه مقالات دومین کنفرانس بین المللی IEEE درباره سیستم های فازی، سانفرانسیسکو، کالیفرنیا، ایالات متحده آمریکا، ۲۸ مارس تا ۱ آوریل ۱۹۹۳٫ [ Google Scholar ]
پورتر، بی. ارزش‌گذاری‌های فوق‌العاده و سلسله مراتب سخت‌گیرانه تحمل‌پذیر. جی. فیلوس. منطق ۲۰۲۱ ، ۵۰ ، ۱-۲۰٫ [ Google Scholar ] [ CrossRef ]
کیف، آر. مبهم: ابرارزش گرایی. فیلوس Compass ۲۰۰۸ , ۳ , ۳۱۵-۳۲۴٫ [ Google Scholar ] [ CrossRef ]
خوب، ک. ابهام، حقیقت و منطق. Synthese ۱۹۷۵ ، ۳۰ ، ۲۶۵-۳۰۰٫ [ Google Scholar ] [ CrossRef ]
دیتز، آر. Moruzzi, S. Supernumeration: ابهام و اعداد. در برش ها و ابرها: ابهام، ماهیت و منطق آن ؛ سیمونز، پی، اد. انتشارات دانشگاه آکسفورد: آکسفورد، انگلستان، ۲۰۱۰; ص ۴۸۲-۴۹۰٫ [ Google Scholar ]
ورزی، ابرارزش گرایی AC و منطق های آن. ذهن ۲۰۰۷ ، ۱۱۶ ، ۶۳۳-۶۷۶٫ [ Google Scholar ] [ CrossRef ]
مونتلو، مقیاس DR و روانشناسی های متعدد فضا. در مجموعه مقالات نظریه اطلاعات فضایی، Marciana Marina، ایتالیا، ۱۹-۲۲ سپتامبر ۱۹۹۳; Frank, AU, Campari, I., Eds. Springer: برلین/هایدلبرگ، آلمان، ۱۹۹۳٫ [ Google Scholar ]
دو، اس. وانگ، کیو. Qing، Q. شرح فازی و استدلال ترکیبی از رابطه فضایی . انتشارات علمی: پکن، چین، ۲۰۰۷; صص ۱۵۴-۱۹۶٫ [ Google Scholar ]
III، A. پردازش زبان طبیعی برای یک سیستم خدمات مبتنی بر مکان. جی. آکوست. Soc. صبح. ۲۰۰۸ ، ۱۲۵ ، ۱۸۴۵٫ [ Google Scholar ]
ما، سی جی; سرویس‌های مبتنی بر مکان تعاملی Fang، JY همراه با زبان طبیعی. در مجموعه مقالات کنفرانس بین المللی ارتباطات بی سیم، شبکه و محاسبات سیار، شانگهای، چین، ۲۱ تا ۲۵ سپتامبر ۲۰۰۷٫ [ Google Scholar ]
کیائو، زی. مبهم – ابهام – عمومیت – ابهام. جی پراگمات. ۱۹۹۸ ، ۲۹ ، ۱۳-۳۱٫ [ Google Scholar ]
گویال، RK; Egenhofer، MJ پرس و جوهای مداوم در مورد جهت های اصلی در سطوح مختلف جزئیات. در مجموعه مقالات یازدهمین کارگاه بین المللی در مورد پایگاه داده و برنامه های کاربردی سیستم های خبره، لندن، بریتانیا، ۴ تا ۸ سپتامبر ۲۰۰۰٫ [ Google Scholar ]
دو، اس. گوا، ال. وانگ، کیو. مدل صریح مقیاس برای بررسی سازگاری جهت در داده‌های فضایی با وضوح چندگانه. بین المللی جی. جئوگر. Inf. علمی ۲۰۱۰ ، ۲۴ ، ۴۶۵-۴۸۵٫ [ Google Scholar ] [ CrossRef ]
تانگ، ایکس. Qin, K. مدل تشابه رابطه جهت مبتنی بر درجه نزدیک فازی. در مجموعه مقالات کنفرانس بین المللی IEEE 2010 در مورد پیشرفت در انفورماتیک و محاسبات، شانگهای، چین، ۱۰ تا ۱۲ دسامبر ۲۰۱۰٫ [ Google Scholar ]
گونگ، ی. وو، ال. لین، ی. لیو، ی. مسائل احتمالی در توصیف محلات بر اساس رابطه همسایه ورونوی. J. Vis. لنگ محاسبه کنید. ۲۰۱۲ ، ۲۳ ، ۲۱۳-۲۲۲٫ [ Google Scholar ] [ CrossRef ]
Zadeh, LA Fuzzy sets. آگاه کردن. کنترل ۱۹۶۵ ، ۸ ، ۳۳۸-۳۵۳٫ [ Google Scholar ] [ CrossRef ][ نسخه سبز ]
مارک، DM; Egenhofer، MJ مدلسازی روابط فضایی بین خطوط و مناطق: ترکیب مدل‌های ریاضی رسمی و آزمایش موضوعات انسانی. صبح. کارتوگر. ۱۹۹۴ ، ۲۱ ، ۱۹۵-۲۱۲٫ [ Google Scholar ]
Xu, J. رسمی کردن توصیف روابط فضایی زبان طبیعی با الگوریتم درخت تصمیم فازی. بین المللی جی. جئوگر. Inf. علمی ۲۰۰۷ ، ۴ ، ۳۷۷-۳۹۵٫ [ Google Scholar ] [ CrossRef ]
Xu, J. رسمی کردن توصیفات زبان طبیعی در مورد روابط فضایی بین اشیاء جغرافیایی خطی. J. Remote Sens. ۲۰۰۷ , ۲ , ۱۵۲-۱۵۸٫ [ Google Scholar ]
خو، جی. پان، X. ژائو، جی. روش استخراج دانش رابطه فضایی فازی مبتنی بر واقعیت مجازی برای توضیحات مکان مبهم ناظر محور. ISPRS Int. J. Geo-Inf. ۲۰۲۱ ، ۱۰ ، ۸۳۳٫ [ Google Scholar ] [ CrossRef ]
بلاشکه، تی. مرشدورف، اچ. کابررا-بارونا، پ. گائو، اس. پاپاداکیس، ای. Kovacs-Györi، A. مکان در مقابل فضا: از نقاط، خطوط و چندضلعی ها در GIS تا بازنمایی های مکان محور که بازتاب زبان و فرهنگ هستند. ISPRS Int. J. Geo-Inf. ۲۰۱۸ ، ۷ ، ۴۵۲٫ [ Google Scholar ] [ CrossRef ] [ نسخه سبز ]
چن، اس. ژانگ، اچ. یانگ، اچ. شناسایی منطقه عملکردی شهری یکپارچه سازی داده های جغرافیایی چند منبعی. Remote Sens. ۲۰۲۱ , ۱۳ , ۴۷۳۲٫ [ Google Scholar ] [ CrossRef ]
ویزورک، جی. گوا، کیو. Hijmans، RJ روش نقطه-شعاع برای ارجاع جغرافیایی توصیفات محلی و محاسبه عدم قطعیت مرتبط. بین المللی جی. جئوگر. Inf. علمی ۲۰۰۴ ، ۱۸ ، ۷۴۵-۷۶۷٫ [ Google Scholar ] [ CrossRef ]
Cohn، AG; Gotts، NM نمایش “زرده تخم مرغ” از مناطق با مرزهای نامشخص. در اشیاء جغرافیایی با مرزهای نامشخص ; Burrough, PA, Frank, A., Eds. تیلور و فرانسیس: لندن، بریتانیا، ۱۹۹۶; جلد ۲، ص ۱۷۱-۱۸۷٫ [ Google Scholar ]
چن، جی. Shaw، SL نشان دهنده گستره فضایی مکان ها بر اساس عکس های فلیکر با تخمین چگالی هسته با وزن نمایندگی . علم اطلاعات جغرافیایی. GIScience 2016. نکات سخنرانی در علوم کامپیوتر; Miller, J., O’Sullivan, D., Wiegand, N., Eds. Springer: Cham, Switzerland, 2016; جلد ۹۹۲۷٫ [ Google Scholar ]
باکلوند، اچ. هدبلوم، ا. Neijman، N. خوشه بندی فضایی مبتنی بر چگالی کاربرد با نویز. در دسترس آنلاین: https://weber.itn.liu.se/~aidvi/courses/06/dm/Seminars2011/DBSCAN(4).pdf (در ۱۱ نوامبر ۲۰۲۱ قابل دسترسی است).
کونا، ای. مارتینز، ب. استفاده از طبقه‌بندی‌کننده‌های یک کلاس و یادگیری هسته‌های چندگانه برای تعریف مناطق جغرافیایی نادقیق. بین المللی جی. جئوگر. Inf. علمی ۲۰۱۴ ، ۲۸ ، ۲۲۲۰-۲۲۴۱٫ [ Google Scholar ] [ CrossRef ]
لیو، ک. یین، ال. لو، اف. Mou، N. تجسم و کاوش تنظیمات POI مناطق شهری در فضای معنایی نوع POI. Cities ۲۰۲۰ , ۹۹ , ۱۰۲۶۱۰٫ [ Google Scholar ] [ CrossRef ]
Mehlberg, H. Book Reviews: The Reach of Science. Science ۱۹۵۸ , ۱۲۸ , ۱۰۷۸-۱۰۷۹٫ [ Google Scholar ]
Van Fraassen، B. اصطلاحات مفرد، شکاف های حقیقت-ارزش، و منطق آزاد. جی. فیلوس. ۱۹۶۶ ، ۶۳ ، ۴۸۱-۴۹۵٫ [ Google Scholar ] [ CrossRef ]
موررو، ام. اشیاء مبهم چگونه هستند. جی. فیلوس. ۲۰۰۲ ، ۹۹ ، ۳۳۳-۳۶۱٫ [ Google Scholar ] [ CrossRef ]
Kulik, L. استدلال فضایی مبهم مبتنی بر ارزش گذاری. Geogr. ژئو گراف دامنه. Inf. سیستم ۲۰۰۰ ، ۱۹ ، ۷۳-۸۰٫ [ Google Scholar ]
مینوک، ام. Mollevik، J. “نزدیک” و “دور” وابسته به زمینه در پایگاه داده های فضایی از طریق ابرارزش گذاری. دانستن داده ها مهندس ۲۰۱۳ ، ۸۶ ، ۲۹۵-۳۰۵٫ [ Google Scholar ] [ CrossRef ]
Kulik, L. یک نظریه هندسی مرزهای مبهم بر اساس ابرارزش گذاری. در مجموعه مقالات کنفرانس بین المللی در نظریه اطلاعات فضایی، Morro Bay، CA، ایالات متحده آمریکا، ۱۹-۲۳ سپتامبر ۲۰۰۱; Montello، DR، Ed. Springer: برلین/هایدلبرگ، آلمان، ۲۰۰۱٫ [ Google Scholar ]
بنت، ب. کاربرد معناشناسی ابرارزش‌گذاری در مفاهیم فضایی با تعریف مبهم. در مجموعه مقالات کنفرانس بین المللی در نظریه اطلاعات فضایی، Morro Bay، CA، ایالات متحده آمریکا، ۱۹-۲۳ سپتامبر ۲۰۰۱; Montello، DR، Ed. Springer: برلین/هایدلبرگ، آلمان، ۲۰۰۱٫ [ Google Scholar ]
رودریگز، ای جی; سانتوس، PE; لوپس، ام. بنت، بی. Oppenheimer، PE Standpoint معناشناسی برای چندمعنی در حروف اضافه فضایی. J. Log. محاسبه کنید. ۲۰۲۰ ، ۳۰ ، ۶۳۵-۶۶۱٫ [ Google Scholar ] [ CrossRef ]
سانتوس، پی. بنت، بی. Sakellariou، G. معانی ابرارزش برای یک هستی شناسی ویژگی آب داخلی. در مجموعه مقالات نوزدهمین کنفرانس بین المللی مشترک هوش مصنوعی، ادینبورگ، بریتانیا، ۳۰ ژوئیه تا ۵ اوت ۲۰۰۵٫ [ Google Scholar ]
بولوتین، الف. ابرارزش گرایی کوانتومی. جی. ریاضی. فیزیک ۲۰۱۷ ، ۵۸ ، ۱۲۲۱۰۶٫ [ Google Scholar ] [ CrossRef ]
بل، اس. شناخت و مقیاس فضایی: دیدگاه کودک. جی. محیط زیست. روانی ۲۰۰۲ ، ۲۲ ، ۹-۲۷٫ [ Google Scholar ] [ CrossRef ]
لی، ال. لین، سی. منطق توصیف ابرارزش‌گذاری معین برای توصیف مفاهیم مبهم: معناشناسی آن و الگوریتم تابلویی برای آن. ورود به سیستم J. IGPL ۲۰۰۶ ، ۱۴ ، ۸۷۳-۸۸۸٫ [ Google Scholar ]
Rohrs, B. محتوای پیشنهادی فوق ارزشی. Synthese ۲۰۱۶ ، ۱۹۴ ، ۲۱۸۵-۲۲۰۱٫ [ Google Scholar ] [ CrossRef ]
Bencivenga، E. ارزیابی ها و نظریه ها. گریزر فیلوس. گل میخ. ۱۹۸۴ ، ۲۱ ، ۸۹-۹۸٫ [ Google Scholar ]
Minock، MJ روابط مبهم در پایگاه داده های فضایی. در مجموعه مقالات کنفرانس بین المللی کاربرد زبان طبیعی در سیستم های اطلاعاتی، کاردیف، انگلستان، ۲۳ تا ۲۵ ژوئن ۲۰۱۰٫ [ Google Scholar ]
Straccia، U. به سوی استدلال فضایی در منطق های توصیف فازی. در مجموعه مقالات کنفرانس بین المللی IEEE 2009 در مورد سیستم های فازی، ججو، کره، ۲۰-۲۴ اوت ۲۰۰۹٫ ص ۵۱۲-۵۱۷٫ [ Google Scholar ] [ CrossRef ][ نسخه سبز ]
ادو-آلوو، ای. بیمونته، اس. پینت، اف. Bédard، Y. بهره‌برداری از ابهام فضایی در فضایی OLAP: به سوی یک رویکرد طراحی جدید هیبریدی آگاه از ریسک. در مجموعه مقالات شانزدهمین کنفرانس بین المللی AGILE در علم اطلاعات جغرافیایی، لوون، بلژیک، ۱۴ تا ۱۷ مه ۲۰۱۳٫ [ Google Scholar ]
دیلو، ا. de By, RA; Stein، A. متریک برای اجسام فضایی مبهم بر اساس مفهوم جرم. در مجموعه مقالات کنفرانس بین المللی سیستم های فازی IEEE 2007، لندن، انگلستان، ۲۳ تا ۲۶ ژوئیه ۲۰۰۷٫ صص ۱-۶٫ [ Google Scholar ] [ CrossRef ]
چنگ، تی. فیشر، پی. لی، زی. ابهام مضاعف: تأثیر مقیاس بر مدل‌سازی اجسام فضایی فازی. در تحولات در مدیریت داده های مکانی ; فیشر، پی، اد. Springer: برلین/هایدلبرگ، آلمان، ۲۰۰۵; جلد ۱، ص ۲۹۹-۳۱۳٫ [ Google Scholar ]
خو، جی. Pan, X. مدل استخراج منطقه فضایی فازی برای توصیف مکان مبهم شی از دیدگاه ناظر. ISPRS Int. J. Geo-Inf. ۲۰۲۰ ، ۹ ، ۷۰۳٫ [ Google Scholar ] [ CrossRef ]
ژو، سی. وانگ، اچ. وانگ، سی. هو، ز. ژنگ، ز. شن، اس. چنگ، کیو. فنگ، ز. وانگ، ایکس. Lv، H.; و همکاران نمودار دانش زمین‌شناسی در عصر کلان داده علمی علوم زمین چین ۲۰۲۱ ، ۶۴ ، ۱۱۰۵-۱۱۱۴٫ [ Google Scholar ] [ CrossRef ]

شکل ۱٫ مراحل مختلف شناخت فضایی.

شکل ۲٫ منبع ابهام در توصیف مکان.

شکل ۳٫ آستانه مشاهدات جسم فضایی مبهم.

شکل ۴٫ آستانه مشاهدات رابطه فاصله مبهم.

شکل ۵٫ آستانه مشاهدات رابطه جهت مبهم.

شکل ۶٫ نمودار رابط ماژول مدیریت پشت صحنه در سیستم پرسش و پاسخ.

شکل ۷٫ مسیر پیاده روی جاده نانجینگ و برخی نقاط دیدنی.

شکل ۸٫ زمینه های ادعای فضایی واحد در سیستم پرسش و پاسخ.

شکل ۹٫ نتایج موقعیت یابی تک ادعای فضایی. ( a ) نمودار شماتیک مسیر بین هر ویترین فروشگاه مک دونالد و ایستگاه مترو است. ( ب ) یک نمودار شماتیک از مسیرهای غربالگری است که با توجه به رابطه فاصله، آستانه را برآورده می کنند.

شکل ۱۰٫ زمینه های ادعای فضایی مرکب در سیستم پرسش و پاسخ.

شکل ۱۱٫ نتایج موقعیت یابی هر ادعای فضایی مرکب. ( الف ) نمودار شماتیک رابطه جهت با تقاطع جاده هوبی به عنوان مرجع است. ( ب ) نمودار شماتیک رابطه فاصله با تقاطع جاده هوبی به عنوان مرجع است. ( ج ) نمودار شماتیک روابط فاصله و جهت با ساختمان تجاری Sunshine به عنوان مرجع است. ( d ) نمودار شماتیک رابطه جهت با هتل هایلند به عنوان مرجع است.

شکل ۱۲٫ نتایج موقعیت یابی همه ادعاهای فضایی مرکب. ( الف ) تمام مکان های نامزد را در شکل ۱۱ نشان می دهد . ( ب ) همپوشانی همه مکانهای نامزد است. علاوه بر این، D مکان میدان قرن تعیین شده توسط مکان نامزد است، و G مکان واقعی میدان قرن است.

ونوس نصیرفام

4 ژانویه 2023

مقالات