مناطق مسکونی و شبکه های جاده ای همبستگی جغرافیایی قوی دارند. توسعه یک ویژگی جغرافیایی واحد می تواند همبستگی جغرافیایی را از بین ببرد. ایجاد مدل های تعمیم مشترک مناسب برای چندین ویژگی ضروری است. با این حال، روش های تعمیم شبکه جاده ای موجود برای اهداف نقشه برداری، مناطق مسکونی را به طور کامل در نظر نمی گیرند. در مقایسه با شبکه های جاده ای، مناطق مسکونی اولویت بیشتری در تعمیم نقشه کشی دارند. در این راستا، این مطالعه یک روش تعمیم شبکه جاده‌ای را با محدودیت مناطق مسکونی پیشنهاد می‌کند. ابتدا راه ها و سکونتگاه های به دست آمده از خوشه بندی مناطق مسکونی طبقه بندی شدند. سپس اهمیت سکونتگاه ها مورد ارزیابی قرار گرفت و سکونتگاه های خاصی به عنوان ویژگی های کنترل انتخاب شدند. متعاقبا، یک شبکه جغرافیایی با سکونتگاه ها به عنوان گره ها ساخته شد و مسیرهای ترافیکی بین سکونتگاه های مجاور جستجو شد. در نهایت، مسیرهای اضافی بین سکونتگاه‌ها ساده‌سازی شد و پیوستگی بصری و اتصال توپولوژیکی بررسی شد. داده های یک شبکه جاده ای ۱:۵۰۰۰۰ و مناطق مسکونی به عنوان داده های تجربی استفاده شد. نتایج تجربی نشان داد که روش پیشنهادی ساختار کلی و ویژگی‌های تراکم نسبی شبکه جاده‌ای و همچنین همبستگی جغرافیایی بین شبکه راه و مناطق مسکونی را حفظ می‌کند. و پیوستگی بصری و اتصال توپولوژیکی بررسی شد. داده های یک شبکه جاده ای ۱:۵۰۰۰۰ و مناطق مسکونی به عنوان داده های تجربی استفاده شد. نتایج تجربی نشان داد که روش پیشنهادی ساختار کلی و ویژگی‌های تراکم نسبی شبکه جاده‌ای و همچنین همبستگی جغرافیایی بین شبکه راه و مناطق مسکونی را حفظ می‌کند. و پیوستگی بصری و اتصال توپولوژیکی بررسی شد. داده های یک شبکه جاده ای ۱:۵۰۰۰۰ و مناطق مسکونی به عنوان داده های تجربی استفاده شد. نتایج تجربی نشان داد که روش پیشنهادی ساختار کلی و ویژگی‌های تراکم نسبی شبکه جاده‌ای و همچنین همبستگی جغرافیایی بین شبکه راه و مناطق مسکونی را حفظ می‌کند.
کلید واژه ها:
تعمیم شبکه جاده ای ; تعمیم مشارکتی ; تسویه حساب ; همبستگی جغرافیایی ; تفرقه بینداز و حکومت کن
۱٫ مقدمه
تعمیم کارتوگرافی یک فناوری و علمی است که داده های فضایی انتزاعی و تعمیم یافته را هنگام انتقال اطلاعات نقشه در مقیاس بزرگ به نقشه های مقیاس کوچک تولید می کند [ ۱ ]. مفهوم تعمیم کارتوگرافی برای اولین بار توسط اکرت در سال ۱۹۲۱ ارائه شد. پس از سالها توسعه، تحولی را از دیدگاه هندسی → دیدگاه محاسباتی → دیدگاه عملکردی تجربه کرد و دانش و اطلاعات معنایی توجه روزافزونی را به خود جلب کرد [ ۲ ].]. نقشه یک سیستم پیچیده است که توسط انواع ویژگی های جغرافیایی تعاملی شکل گرفته است. ویژگی‌های توزیع فضایی ویژگی‌های مختلف جغرافیایی، و همچنین همبستگی جغرافیایی بین ویژگی‌ها، باید در تعمیم نقشه‌کشی حفظ شود. این به این دلیل است که تعمیم یک ویژگی جغرافیایی واحد احتمالاً همبستگی جغرافیایی بین ویژگی های جغرافیایی را از بین می برد و در نتیجه تضادهای فضایی و معنایی بین نتایج [ ۳ ] ایجاد می شود. تجربه طولانی ثابت کرده است که روش تعمیم برای یک نوع از ویژگی های جغرافیایی نمی تواند با توسعه پارادایم علمی تعمیم کارتوگرافی سازگار شود، بنابراین لازم است یک مدل تعمیم مشارکتی ایجاد شود که مستقیماً با ویژگی های متعدد روبرو است.
جاده ها و مناطق مسکونی از ویژگی های مهم اجتماعی-اقتصادی در نقشه ها هستند. مناطق مسکونی مراکز فعالیت انسانی هستند و بر این اساس مواد و پرسنل بین مناطق مسکونی عمدتاً از طریق جاده ها جریان می یابد. مناطق مسکونی و شبکه راه ها با هم بدنه اصلی شبکه فعالیت های جغرافیایی انسانی را تشکیل می دهند. در زمان های قدیم مردم برای تشکیل سکونتگاه ها جمع می شدند و فعالیت های تولیدی به طور طبیعی باعث می شد که مسیرهای ساده ای در اطراف شهرک ها نمایان شود. با توسعه نیروهای مولد تحت تأثیر عوامل سیاسی، اقتصادی و نظامی، تعداد و تراکم مناطق مسکونی به تدریج افزایش می یابد و پوشش و دسترسی شبکه های جاده ای نیز به تدریج افزایش می یابد .]. اگرچه ماهیت رابطه بین تکامل جاده ها و مناطق مسکونی بحث برانگیز بوده است، اما تأثیر مثبت گسترش مناطق مسکونی بر توسعه شبکه راه ها شناخته شده است [ ۵ ]. منطقه مسکونی در تعمیم نقشه‌کشی اولویت بیشتری دارد که در مقایسه با جاده‌ها غالب است، اما اطلاعات مکانی و ویژگی‌های شبکه راهها باید در تعمیم مناطق مسکونی در نظر گرفته شود [ ۶ ].]. شبکه راه، مناطق مسکونی پراکنده شده در مکان های فضایی مختلف را به هم متصل می کند که معمولاً پس از تکمیل تعمیم مناطق مسکونی انتخاب می شوند. برای ویژگی‌های جغرافیایی نزدیک به هم مانند جاده‌ها و مناطق مسکونی، و رودخانه‌ها و خطوط، تعمیم مشترک باید برای حفظ این همبستگی جغرافیایی انجام شود [ ۷ ]. شبکه راه ها بخش مهمی از اسکلت نقشه بوده و هدف تحقیق این تحقیق می باشد. به این ترتیب، ما بر تعمیم شبکه جاده‌ای که توسط مناطق مسکونی محدود شده است، تمرکز می‌کنیم.
با توجه به همبستگی جغرافیایی بین شبکه راه و مناطق مسکونی و موقعیت غالب مناطق مسکونی در تعمیم نقشه‌برداری، یک روش تعمیم شبکه جاده‌ای که توسط مناطق مسکونی محدود می‌شود پیشنهاد شده است. این روش ایده تقسیم و تسلط را اتخاذ می کند، شبکه راه را با سکونتگاه ها به عنوان ویژگی های کنترل تجزیه می کند و مسئله پیچیده انتخاب راه را به یک مشکل ساده سازی مسیر اضافی بین شهرک ها ساده می کند. ابتدا راه ها و سکونتگاه های به دست آمده از خوشه بندی مسکونی طبقه بندی شدند. در ادامه، اهمیت سکونتگاه ها مورد ارزیابی قرار گرفت و بخشی از سکونتگاه ها به عنوان ویژگی های کنترل انتخاب شدند. در ادامه یک شبکه جغرافیایی با سکونتگاه ها به عنوان گره ساخته شد و مسیرهای ارتباطی بین سکونتگاه های مجاور جستجو شد.
ادامه این مقاله به شرح زیر سازماندهی شده است. بخش ۲ مطالعات مرتبط در مورد تعمیم شبکه راه را تشریح می کند. بخش ۳ روش پیشنهادی را ارائه می کند. بخش ۴ روش را با یک شبکه جاده ای واقعی و داده های منطقه مسکونی تأیید می کند. بخش ۵ نتیجه گیری و پیشنهاداتی برای مطالعات آینده ارائه می دهد.
۲٫ مطالعات مرتبط
هدف از تعمیم شبکه راه، حفظ راه های مهم در فرآیند کاهش مقیاس، رها کردن جاده های اضافی که با مقیاس هدف مناسب نیستند، و حفظ شکل کلی و اتصال شبکه راه است [ ۸ ]. تعمیم‌های اولیه شبکه راه عمدتاً به اطلاعات معنایی وابسته بودند و اطلاعات توپولوژیکی و هندسی موجود در شبکه جاده‌ها را نادیده می‌گرفتند، در نتیجه نتوانستند یک مدل مؤثر ایجاد کنند. برای بهبود اثربخشی انتخاب خودکار، Mackaness و Beard نظریه گراف را در تعمیم شبکه جاده ای معرفی کردند [ ۹ ]]. توپولوژی عمومی شبکه جاده ای که با تقاطع ها به عنوان گره ها و مقاطع به عنوان لبه ها ساخته شده است، می تواند به طور موثر ویژگی های توپولوژیکی یک شبکه جاده را حفظ کند. اخیراً تئوری شبکه های پیچیده به تدریج در سیستم های حمل و نقل و اطلاعات جغرافیایی اعمال شده است که می تواند به تحلیل ساختار و ویژگی های عملکردی شبکه های جاده ای کمک کند [ ۱۰ ]. جیانگ و هری از یک نمودار دوگانه برای بیان توپولوژی شبکه‌های جاده‌ای استفاده کردند و بخش‌ها و تقاطع‌ها را به ترتیب به عنوان گره‌ها و لبه‌ها مدل‌سازی کردند [ ۱۱ ]. آنها اهمیت جاده ها را با استفاده از نظریه شبکه پیچیده تحلیل کردند. در حال حاضر، مدل نمودار دوگانه به طور گسترده در تحقیقات تعمیم شبکه راه ها استفاده می شود. به عنوان مثال، ما و همکاران. از الگوریتم کلاسیک PageRank برای محاسبه اهمیت جاده ها استفاده کرد [۱۲ ]. با این حال، از آنجایی که روشهای تعمیم شبکه جاده‌ای مبتنی بر نمودار بر تجزیه و تحلیل اطلاعات توپولوژیکی تمرکز دارند، اطلاعات معنایی و هندسی را نادیده می‌گیرند. از این رو، تامسون و ریچاردسون مدل سکته مغزی را بر اساس اصل تداوم خوب، که از نظریه گشتالت سرچشمه می گیرد، معرفی کردند [ ۱۳ ].]. سکته مغزی یک زنجیره جاده ای است که از اتصال گروهی از بخش های توپولوژیکی و جهتی بر اساس معیارهای خاص تشکیل می شود. روشهای مبتنی بر سکته مغزی از سکته مغزی به عنوان یک واحد استفاده می‌کنند که می‌تواند ویژگی‌های تداوم یک شبکه جاده را حفظ کند. متعاقبا، مطالعات برای بهبود شاخص‌های ارزیابی اهمیت سکته مغزی و فرآیند انتخاب ادامه یافت. به عنوان مثال، لیو و همکاران. از طول، اتصال و میانگین چگالی محلی بخشهایی که سکته مغزی را تشکیل می‌دهند برای ارزیابی جامع آن استفاده کرد [ ۱۴ ]. کائو و همکاران درجه مرکزیت، ضریب خوشه بندی و طول هندسی را برای ارزیابی ضربه معرفی کرد [ ۱۵]. علاوه بر این، برای حفظ بهینه کنتراست تراکم شبکه جاده، چن و همکاران. شبکه راه را به عنوان مجموعه ای از مش ها مدل سازی کرد و جاده ها را با ادغام مکرر مش های با چگالی بالا انتخاب کرد [ ۱۶ ]. برای ترکیب مزایای ضربه و مش، لی و ژو یک روش یکپارچه مبتنی بر سلسله مراتب ترکیبی شبکه ارائه کردند که از یک سلسله مراتب خطی برای ضربه ها و یک سلسله مراتب هوایی برای مش ها تشکیل شده است [ ۱۷ ].]. علاوه بر کاوی مستمر حالت و ویژگی شبکه راه، داده‌های مکانی دیگری مانند نقاط مسیر، نقاط دیدنی و امکانات مهم نیز در تعمیم شبکه راهها برای بهبود ارزیابی اهمیت معرفی شده‌اند. به عنوان مثال، یو و همکاران. یک روش تعمیم شبکه جاده ای را پیشنهاد کرد که ویژگی های هندسی شبکه جاده و الگوی جریان ترافیک را بر اساس داده های مسیر تاکسی در نظر می گیرد [ ۱۸ ]. یاماموتو و همکاران یک روش تعمیم جاده بر اساس تقاضا را اجرا کرد که هم با نتایج جستجوی تسهیلات و هم با طول سکته مغزی سازگار است [ ۱۹ ]]. علاوه بر این، تعمیم کارتوگرافی به سمت هوش در حال توسعه است. بر این اساس، روشهای تعمیم شبکه جاده‌ای مبتنی بر داده مورد مطالعه قرار گرفته‌اند. گوو و همکاران یک روش انتخاب شبکه راه را پیشنهاد کرد که از هستی شناسی برای سازماندهی موارد و انجام استدلال دانش استفاده می کند [ ۲۰ ]. از نظر یادگیری عمیق، ژنگ و همکاران. ثابت کرد که شبکه های کانولوشن گراف ابزار مناسبی برای تعمیم شبکه جاده ای هستند [ ۲۱ ]. تعمیم شبکه جاده ای به طور فزاینده ای بالغ و هوشمند می شود، اما روش های فوق برای مطالعه همبستگی جغرافیایی بین ویژگی های جغرافیایی کافی نیستند.
تعمیم مشارکتی یک روش مهم با توجه به همبستگی جغرافیایی است. از نظر تعمیم مشترک شبکه‌های جاده‌ای و مناطق مسکونی، وی یک روش جابه‌جایی مشارکتی را پیشنهاد کرد، ترکیبی از تجمع، حذف، و تغییر شکل محدود برای حل تمام درگیری‌های فضایی ممکن در طول تعمیم نقشه ساختمان شهری [ ۲۲ ]. Xu دانش موجود در مورد انتخاب مشترک جاده‌ها و ساختمان‌ها را خلاصه کرد و از یک عامل چندگانه برای کنترل فرآیند استفاده کرد که به طور موثر از تضاد فضایی جلوگیری کرد [ ۲۳ ]. طویا با استفاده از کوتاه ترین مسیر بین تاسیسات برای تعیین اهمیت راه ها در مناطق روستایی، راه ها را به دو بخش شهری و روستایی تقسیم کرد [ ۲۴ ].]. روش فوق، همبستگی جغرافیایی بین جاده ها و مناطق مسکونی را در نظر می گیرد و عمدتاً کنترل فرآیند را از طریق قوانین برای جلوگیری از تضاد فضایی انجام می دهد، اما حالت همبستگی دو عنصر جغرافیایی به طور کامل مورد استفاده قرار نمی گیرد. بنابراین، ما حالت همبستگی جغرافیایی مناطق مسکونی و شبکه راه را مورد تجزیه و تحلیل قرار دادیم و یک شبکه جغرافیایی با مناطق مسکونی و شبکه راه ها به ترتیب به عنوان گره و یال ایجاد کردیم. بر این اساس، به دنبال ایده تقسیم و تسلط، ما حالت “انتخاب منطقه مسکونی به کمک شبکه جاده → تعمیم شبکه جاده کنترل شده منطقه مسکونی” را برای انجام تعمیم شبکه جاده ای اتخاذ می کنیم.
۳٫ مواد و روشها
۳٫۱٫ شبکه راه ها و نقشه های مناطق مسکونی
همانطور که در شکل ۱ ارائه شده است ، داده های شبکه جاده ای و منطقه مسکونی ۱:۵۰۰۰۰ در اطراف شهر نینگبو، استان ژجیانگ، چین به عنوان داده های تجربی استفاده شد، در حالی که یک شبکه جاده ای ۱:۱۰۰،۰۰۰ به صورت مصنوعی به عنوان معیار استفاده شد. منطقه آزمایشی ۱۸۱۳ کیلومتر مربع را پوشش داد . ۱۰۷۷۰ نهاد در داده های منطقه مسکونی وجود داشت. سکونتگاه ها تحت سلطه روستاهای کوچک مقیاس، با چند شهر متوسط و ساختمان های مجزا بودند. ۲۷۵۰ جاده در شبکه راه ها وجود داشت که مجموعاً ۲۸۷۶٫۹۴ کیلومتر طول داشتند. ۱۹۵۹ جاده در معیار وجود داشت که مجموعاً ۲۱۸۱٫۶۲ کیلومتر طول داشتند.
۳٫۲٫ چارچوب
هدف روش ما محدود کردن تعمیم شبکه جاده‌ای توسط منطقه مسکونی برای حفظ ثبات توزیع فضایی و همبستگی جغرافیایی بود. این شامل شکل شبکه راه، ویژگی‌های تراکم نسبی، اتصال بین شهرک‌ها و کارایی ترافیک بود. سکونتگاه‌ها به عنوان ویژگی‌های کنترلی برای تجزیه تعمیم شبکه جاده‌ای پیچیده به مسیرهای اضافی نسبتاً ساده بین شهرک‌ها استفاده شد. شکل ۲ این روش را نشان می دهد که شامل شش مرحله اساسی است:
-
مناطق مسکونی را به سکونتگاه ها تقسیم کنید.
-
طبقه بندی راه ها و سکونتگاه ها بر اساس رابطه توپولوژیکی.
-
اهمیت سکونتگاه ها را ارزیابی کنید و سکونتگاه های خاصی را به عنوان ویژگی های کنترلی انتخاب کنید.
-
یک شبکه جغرافیایی با منطقه مسکونی و شبکه راه به ترتیب به عنوان گره و یال بسازید و مسیرهای بین سکونتگاه ها را جستجو کنید.
-
مسیرهای اضافی بین شهرک ها را حذف کنید.
-
تداوم بصری و اتصال توپولوژیکی را بررسی کنید.
۳٫۳٫ طبقه بندی راه ها و سکونتگاه ها
ابتدا لازم بود مناطق مسکونی خوشه بندی شوند. برای مناطق مسکونی معمولاً از روش های خوشه بندی بر اساس تراکم استفاده می شود. برای این مطالعه، خوشه بندی فضایی کلاسیک مبتنی بر چگالی برنامه های کاربردی با الگوریتم نویز (DBSCAN) [ ۲۵ ] برای خوشه بندی مناطق مسکونی استفاده شد. برای استخراج طرح کلی سکونتگاه ها از روش دایره نورد [ ۲۶ ] استفاده شد.
به منظور تسهیل ساخت و ساز بعدی شبکه جغرافیایی و جستجوی مسیر، راه ها و سکونتگاه ها باید طبقه بندی شوند. همانطور که در جدول ۱ ارائه شده است ، با توجه به رابطه توپولوژیکی بین جاده ها و سکونتگاه ها، جاده ها را می توان به جاده های امتدادی (E-Roads)، جاده های عبوری (P-Roads)، جاده های داخلی (I-Roads) و جاده های بیرونی (O) تقسیم کرد. -جاده ها).
سکونتگاه ها را می توان با توجه به نوع راه به دو دسته تقسیم کرد. سکونتگاه های نوع I عمدتاً شامل E-Roads و I-Roads یا فقط E-Roads می شوند. شکل ۳ a یک سکونت ایده آل و معمولی را نشان می دهد. ما از اصل “باید به هسته حل و فصل دسترسی داشته باشیم” پیروی کردیم. راه دیگر بیان می شود، جاده هدف تنها زمانی می تواند به طور مستقیم به سکونتگاه خدمت کند که با جاده های دیگر در داخل شهرک تلاقی کند، یا دامنه نفوذ آن هسته سکونتگاه را پوشش دهد. P-Road مرتبط با سکونتگاه نوع I که در شکل ۳ b نشان داده شده است، یک O-Road است زیرا نمی تواند مستقیماً به سکونتگاه خدمت کند. سکونتگاه های نوع II فقط شامل P-Roads هستند. همانطور که در شکل ۳ ارائه شده استج، جاده‌های P، که سکونتگاه‌ها کاملاً به آنها وابسته است، در اکثر شهرک‌های نوع II نفوذ می‌کنند. همانطور که در شکل ۳ d نشان داده شده است، برخی از سکونتگاه های نوع II حاوی چندین راه P هستند. هنگام ارزیابی اینکه کدام راه‌های P موثر هستند، از اصل “باید به هسته شهرک دسترسی داشته باشیم” نیز پیروی کردیم.
۳٫۴٫ ارزیابی اهمیت تسویه حساب
مناطق مسکونی به عنوان اهداف خدماتی شبکه‌های جاده‌ای، تأثیر مهمی بر شکل و ساختار شبکه‌های جاده‌ای دارند. در مقایسه با جاده ها، مناطق مسکونی از اولویت بیشتری برخوردارند، به طوری که ابتدا باید تعمیم مناطق مسکونی اجرا شود. تعمیم مناطق مسکونی نیز یک موضوع تحقیقاتی مهم در تعمیم نقشه‌کشی شامل انتخاب، ادغام و ساده‌سازی است. با این حال، تمرکز ما بر تعمیم شبکه جاده‌ای تحت محدودیت مناطق مسکونی بود. بنابراین، تنها برخی از سکونتگاه ها به عنوان شرایط محدودیت انتخاب شدند. هیچ مرحله دیگری در مناطق مسکونی انجام نشد. اهمیت یک سکونتگاه معمولاً از نظر ویژگی های معنایی، ویژگی های هندسی و ویژگی های مکان ارزیابی می شود. ویژگی های مکان به روابط موقعیتی بین سکونتگاه ها و جاده ها اشاره دارد. بنابراین، روش ما از ناحیه (S )، تراکم مسکونی ( RD )، منطقه Voronoi ( VS )، و شاخص جاده ( RI ) برای ارزیابی اهمیت سکونتگاه‌ها. یک مجموعه تسویه حساب، به عنوان مثال، ، دارای اطلاعات زیر است:
-
S بصری ترین تجسم اهمیت سکونتگاه ها است. به طور کلی، سکونتگاه هایی با مساحت بزرگ نسبت به سکونتگاه هایی با مساحت کوچک اهمیت بیشتری دارند.
-
RD نشان دهنده تراکم مناطق مسکونی در داخل شهرک است. هنگام در نظر گرفتن سکونتگاه هایی با مساحت مساوی، سکونتگاه هایی با مناطق مسکونی متراکم تر اهمیت بیشتری دارند. RD به صورت زیر محاسبه شد:
که در آن n تعداد مناطق مسکونی در آن است و نشان دهنده منطقه مسکونی در .
-
VS منعکس کننده نفوذ فضایی سکونتگاه است. هر چه منطقه ورونوی بزرگتر باشد، شهرک معرف بیشتری دارد و امکان انتخاب آن بیشتر است.
-
RI نشان دهنده اتصال شهرک است. اهمیت سکونتگاه تحت تأثیر تعداد و درجه جاده ها قرار می گیرد. هر چه جاده های مرتبط با یک سکونتگاه بیشتر باشد و هر چه درجه راه بالاتر باشد، اهمیت سکونتگاه بیشتر می شود. سکونتگاه ها در درجه اول به جاده های E و P برای اتصال فضای داخلی خود به مکان های دور متکی هستند. به همین دلیل، RI بر اساس تعداد و درجه E- و P-Roads محاسبه می شود. RI به صورت زیر محاسبه شد:
که در آن n تعداد کل جاده های متصل موثر در داخل است ، جاده به طور موثر متصل است ، و نشان دهنده درجه عددی است .
این مقادیر اندازه گیری شده به گونه ای نرمال شدند که همه مقادیر از ۰ تا ۱ متغیر بودند. از این رو، ما از یک شاخص یکپارچه ( SP ) برای ارزیابی اهمیت نسبی سکونتگاه ها به شرح زیر استفاده کردیم:
جایی که یک عامل تعدیل است. هنگامی که S ، RD ، و VS ثابت هستند، سکونتگاه‌های واقع در تقاطع‌های جاده‌ای اهمیت جغرافیایی بیشتری نسبت به سکونتگاه‌های توزیع شده در کنار جاده‌ها دارند. بنابراین، هنگامی که شی ارزیابی یک حل و فصل نوع I است، . هنگامی که شی ارزیابی یک حل و فصل نوع II است، . متغیرها ، ، ، و به ترتیب وزن های S ، RD ، VS و RI هستند و . این چهار وزن و می توان با توجه به نیازهای برنامه ها تنظیم کرد.
پس از تکمیل ارزیابی اهمیت سکونتگاه، برخی از شهرک های فاقد صلاحیت با توجه به آستانه نرخ داده شده حذف شدند . تمام عملیات های بعدی بر اساس شهرک های متشکل از سکونتگاه های حفظ شده بود.
۳٫۵٫ جستجوی مسیرهای معتبر
در یک مطالعه قبلی، سکونتگاه ها به جای اینکه به عنوان بخشی از یک شبکه عصبی باشند، به صورت جداگانه ساخته و انتخاب شدند. کلید شبکه های جغرافیایی نزدیکی و ارتباط بین سکونتگاه هاست. تحقیقات تعمیم کارتوگرافی معمولاً از فاصله فضایی، مثلث سازی دلون و نمودارهای ورونوی برای بیان روابط مجاورت فضایی بین موجودات جغرافیایی استفاده می کند [ ۲۷ ].]. با این حال، رابطه مجاورت فضایی نمی تواند به طور موثر روابط مرتبط سکونتگاه ها را در شبکه راه بیان کند. مسیر موثر بین سکونتگاه ها شامل مسیرهای ارتباط مستقیم و غیر مستقیم می باشد. کل فرآیند مسیر اتصال مستقیم فقط شامل سکونتگاه های شروع و پایان است، در حالی که مسیر اتصال غیرمستقیم علاوه بر سکونتگاه های شروع و پایان، از دیگر سکونتگاه ها نیز عبور می کند. در صورت وجود مسیر ارتباطی مستقیم بین دو شهرک، دو شهرک در طول شبکه راهها در مجاورت یکدیگر قرار دارند.
مسیرهای موثر بین سکونتگاه ها دو ویژگی دارد. (۱) آنها از E-Road از شهرک ابتدایی به انتهای E-Road در داخل شهرک پایانه متصل می شوند. سایر E- و I-Roads در ابتدا و انتهای سکونتگاه نمی توانند بخشی از مسیر باشند. جاده پی در شهرک نوع دوم که به طور موثر فضای داخلی دو شهرک را به هم متصل می کند، یک جاده الکترونیکی در شهرک است. (۲) مسیر موثر، مسیر کم‌هزینه بین دو E-Road است. این به این دلیل است که جستجوی تمام مسیرهای بین دو گره در یک شبکه بزرگ زمان‌بر است. مردم معمولا در هنگام سفر کوتاه ترین و سریع ترین مسیر را انتخاب می کنند. هنگام برنامه ریزی یک مسیر، مردم بیشتر به زمان توجه می کنند تا مسافت، و تمایل دارند جاده های سریعتر و درجه بالا را انتخاب کنند. بنابراین از زمان سفر برای بیان هزینه استفاده شد.
که در آن L طول، V سرعت طراحی جاده، و ST پیچ و خم است.
ارتباط بین سکونتگاه ها به تمام مسیرهای مؤثر بین سکونتگاه ها اشاره دارد. یک شهرک ممکن است چندین راه الکترونیکی داشته باشد که از مکان‌های مختلف در داخل شهرک شروع می‌شوند. بنابراین، ممکن است مسیرهای متعددی بین یک جفت سکونت وجود داشته باشد. هنگام جستجوی یک مسیر موثر بین یک جفت سکونتگاه مجاور، E-Road سکونتگاه شروع و E-Road سکونتگاه پایانی مرتب و ترکیب می شوند. الگوریتم Dijkstra [ ۲۸ ] برای جستجوی مسیر کم‌هزینه بین تمام جفت‌های E-Road و ثبت مؤثرترین مسیر بر اساس آن نیاز استفاده شد.
۳٫۶٫ ساده سازی مسیرهای اضافی
ساده‌سازی مسیرهای اضافی یک شبکه جغرافیایی را می‌توان به دو مرحله زیر تقسیم کرد: ساده‌سازی مسیر جفت‌های استقرار مجاور و ساده‌سازی مسیر گروه‌های سکونتگاهی مجاور. به طور کلی، مسیری با هزینه کمتر ارزش نگهداری بیشتری دارد. با این حال، حفظ به این بستگی دارد که آیا خدمات ارائه شده قابل جایگزینی است یا خیر.
در مرحله اول مسیرهای ارتباط مستقیم بین سکونتگاه های مجاور مورد ارزیابی قرار گرفت. هنگام ساده کردن مسیر بین یک جفت سکونتگاه مجاور، هر مسیری را برای مقایسه با مسیر بهینه انتخاب کردیم. اگر هزینه مسیر بیشتر از مجموع مسیر بهینه و هزینه های ترافیک داخلی بود، مسیر جایگزین می شد. این قانون به صورت زیر تعریف شد:
جایی که هزینه مسیر بهینه است، هزینه سفر داخلی مسیر بهینه و مسیر فعلی در محل شروع است، هزینه سفر داخلی مسیر بهینه و مسیر فعلی در پایان استقرار است، هزینه مسیر فعلی است و نسبت هزینه قابل تحمل است، یعنی ظرفیت سرویس مسیر بهینه در منطقه هدف ضعیف تر از مسیر فعلی است ( از ۰ تا ۱ متغیر است).
همانطور که در شکل ۴ ارائه شده است ، سه مسیر بین استقرارهای A و B وجود دارد. مسیر I از نقطه p ۱ شروع می شود و در امتداد ea تا نقطه p ۲ امتداد می یابد. مسیر II از نقطه p ۱ شروع می شود و در امتداد ec و eb تا نقطه p ۳ امتداد می یابد. مسیر III از نقطه p ۱ شروع می شود و در امتداد ec و ed تا نقطه p ۴ امتداد می یابد. مسیر I مسیر بهینه است. نقطه شروع و پایان مسیر II به ترتیب p ۱ و p ۳ و هزینه سفر ۴٫۱ است. با این حال، هزینه کل سفر از پ۱ در امتداد مسیر I تا p ۲ و سپس در امتداد جاده داخلی ib تا p ۳ ۲٫۸ است. این کمتر از هزینه مسیر II است، به طوری که مسیر II را می توان با مسیر I جایگزین کرد. کاهش ارزش می تواند شدت ساده سازی را افزایش دهد. به عنوان مثال هزینه مسیر III 4.7 است. با این حال، هزینه کل سفر از p ۱ در طول مسیر I تا p ۲ و سپس در امتداد جاده های داخلی ib و ia تا p ۴ ۵٫۰ است. چه زمانی ، معادله (۵) کار نمی کند و مسیر I نمی تواند جایگزین مسیر III شود. با این حال، زمانی که ، معادله (۵) قابل اجرا است و مسیر I می تواند جایگزین مسیر III شود.
در مرحله دوم، روابط مجاورت بین سکونتگاه های مجاور بررسی می شود. همه مسیرهای ارتباط مستقیم بین سکونتگاه های مجاور به عنوان یک کل در نظر گرفته شدند که جریان آنها در شکل ۵ نشان داده شده است.. ابتدا، با استفاده از حداقل هزینه مسیرهای اتصال مستقیم بین نشست‌های مجاور به عنوان وزن لبه، نموداری با روابط نشست و مجاورت به عنوان گره‌ها و یال‌ها ساختیم. در مرحله بعد، ساختارهای مثلثی را در نمودار جست‌وجو کردیم که زیرگراف‌هایی متشکل از سه سکونتگاه مجاور بودند. در نهایت، تعیین کردیم که آیا لبه با بیشترین وزن در ساختار مثلثی می تواند با ترکیبی از دو یال دیگر جایگزین شود یا خیر. در این صورت، تمام مسیرهای ارتباط مستقیم بین محلات متصل شده توسط آن لبه حذف شدند. این قانون به صورت زیر تعریف شد:
جایی که نسبت هزینه قابل تحمل است، حداکثر مقدار وزن در زیرگراف است و و مقادیر وزنی دو لبه دیگر است.
پس از تکمیل ساده‌سازی مسیر، برخی جاده‌های اضافی برای تکمیل نتایج و بررسی اتصال انتخاب شدند. جاده هایی که باید تکمیل شوند I-Roads و جاده های بصری پیوسته بودند. روش انتخاب برای I-Roads با انتخاب راه های بین شهرک ها متفاوت بود. هر چه تسویه حساب بزرگتر باشد، فرآیند پیچیده تر می شود. تمرکز روش ما انتخاب جاده‌های بین شهرک‌ها بود، به طوری که تنها مسیر کم‌هزینه‌ای که می‌توانست اتصال E-Roadهای حفظ‌شده در داخل شهرک‌ها را برآورده کند، انتخاب شد. جاده های دیگر بر اساس تداوم بصری تکمیل شدند. برخی از جاده ها فاقد سکونتگاه های قابل اتصال در یک انتها بودند، اما تکمیل شدند زیرا تداوم بصری خوبی با جاده های حفظ شده داشتند.
۴٫ نتایج و بحث
۴٫۱٫ تعیین آستانه ها
کمیت و کیفیت نتایج تحت تأثیر عوامل بسیاری از جمله کیفیت خوشه‌بندی، نسبت انتخاب نشست، آستانه زاویه برای ارزیابی تداوم بصری و نسبت هزینه قابل تحمل قرار گرفت. قوی ترین عوامل تأثیرگذار، نسبت انتخاب سکونتگاه ( ) و نسبت هزینه قابل تحمل ( ). تعداد جاده‌ها در شبکه جاده‌ای تولید شده توسط روش تحت مقادیر پارامترهای مختلف ثبت شد ( جدول ۲ ). داده ها تجسم شدند و تأثیر آنها و بر روی تعداد جاده ها مورد تجزیه و تحلیل قرار گرفت ( شکل ۶ ). تجزیه و تحلیل نشان داد که در انتخاب و نقش تعدیل کمکی ایفا کرد، که با این مفهوم مطابقت دارد که سکونتگاه ها تعمیم شبکه جاده را محدود می کنند.
نسبت هزینه قابل تحمل ( ) تنظیمات محدودی دارد. با توجه به داده های تجربی، زمانی که مقدار ثابت است، تفاوت بین مقادیر حداکثر و حداقل تعداد جاده ها از ۲۰٪ تجاوز نمی کند. هر چه کوچکتر باشد ، نفوذ قوی تر است و تفاوت بین مقادیر شدید تعداد جاده ها بیشتر است. با کاهش تعداد سکونتگاه ها، مسیرهای ارتباط مستقیم بیشتری بین سکونتگاه ها وجود داشت و مسیرهای بیشتری زائد می شدند. علاوه بر این، زمانی که تقریباً به ۰٫۵ کاهش یافت و به حداکثر شدت تعمیم رسید. تنها یک مسیر ارتباط مستقیم بین یک جفت نشست وجود داشت و تمام ساختارهای مثلثی روی نمودار پردازش شدند. مقادیر کوچکتر دیگر بر نتایج تأثیر نمی گذارد. چه زمانی ، مقادیر مختلف می تواند به طور موثر تعداد جاده ها را تنظیم کند که می تواند به طور انعطاف پذیر با توجه به مقدار تعیین شود. و عدد مورد انتظار
نسبت انتخاب راه ها و سکونتگاه ها برای تعمیم نقشه برداری باید یکسان باشد. تجزیه و تحلیل نشان می دهد که تعداد جاده ها نسبتا نزدیک به مقدار ایده آل بوده است . هر چه ارزش آن کمتر باشد ، هر چه تفاوت بین تعداد جاده ها و مقدار ایده آل بیشتر باشد، نشان می دهد که روش ما برای تعمیم شبکه راه در مقیاس بزرگ مناسب نیست زیرا به شدت تحت تأثیر مناطق مسکونی است. تعمیم شبکه راه و مناطق مسکونی باید به طور متناوب اجرا شود. تعمیم منطقه مسکونی شامل انتخاب، ادغام و ساده سازی است. انتخاب شهرک‌ها فقط در مقیاس بزرگ در حالی که مراحل دیگر را نادیده می‌گیرید، غیرمنطقی است. با تعمیم مداوم جاده ها و مناطق مسکونی، نقش یک شهرک یا جاده خاص به طور پویا تغییر می کند. دو E-Road ممکن است در یک P-Road ادغام شوند، سکونتگاه های نوع I ممکن است به شهرک های نوع II تبدیل شوند و چندین شهرک مجاور ممکن است در یک شهرک ادغام شوند.
علاوه بر این، تکمیل جاده‌های پیوسته بصری بر تعداد جاده‌ها نیز تأثیر می‌گذارد، جایی که درجه تأثیر بسته به مجموعه داده متفاوت است. برای دستیابی به تعمیم مورد انتظار، هنگام اعمال روش SSP برای سایر مجموعه‌های داده، آزمایش‌های متعدد باید بر روی ترکیب‌های پارامترهای مختلف، با توجه به مقیاس هدف، اجرا شوند. برای مجموعه داده ها و مقیاس هدف، ما تعیین می کنیم و به ترتیب ۰٫۷ و ۰٫۶٫
۴٫۲٫ تحلیل ساختار شبکه راه
مقیاس هدف ۱:۱۰۰۰۰۰ بود و ۷۰ درصد راه ها و سکونتگاه ها بر اساس قانون مدل ریشه مربع باز انتخاب شدند. با ۵۹۴ سکونتگاه به عنوان محدودیت، ۱۹۴۸ راه انتخاب شد که از این تعداد ۱۶۱۳ راه در مرحله ساده سازی مسیر حفظ شد. در مرحله بعد، ۳۰۶ جاده پیوسته بصری، همراه با ۲۹ جاده تکمیل شده در طول بررسی اتصال تکمیل شد. از طریق بازرسی بصری، ما مشخص کردیم که ساختار کلی و ویژگی‌های تراکم نسبی شبکه راه به خوبی حفظ شده و با توزیع فضایی سکونتگاه‌ها مطابقت دارد. همانطور که در شکل ۷ ارائه شده استخطوط قرمز حاصل ساده‌سازی مسیر بود که با توزیع فضایی مناطق مسکونی سازگاری بالایی داشت و می‌توانست نیازهای ارتباطی شهرک‌ها را برآورده کند. خطوط سبز جاده های پیوسته بصری بودند که با اصل تداوم خوب تکمیل می شدند. جاده های اضافه شده عمدتاً در نقاط عطف جاده های ناگهانی و در انتهای جاده ها در شبکه جاده های مرحله قبل قرار داشتند.
ما قبل و بعد از تعمیم یک تجزیه و تحلیل تراکم خط بر روی شبکه جاده انجام دادیم. همانطور که در شکل ۸ ارائه شده استهر تراکم به ۱۰ بخش تقسیم شد و تراکم نسبی به تدریج از کم به زیاد افزایش یافت (تیره شد). پس از تعمیم، منطقه پر تراکم شبکه جاده کاهش یافت، اما ویژگی های توزیع فضایی مناطق تراکم متمایز با موارد قبل از تعمیم قابل مقایسه بود. مناطق با تغییرات قابل توجه در تراکم نسبی در درجه اول در مناطق شهری و مناطق مسکونی پراکنده متمرکز بودند. انتخاب I-Roads در شهرها محدود به آنهایی بود که کوچکترین بخشهایی را نشان می دادند که الزامات اتصال را برآورده می کردند. مناطق مسکونی پراکنده باعث شد که برخی از جاده ها به عنوان فاقد ارزش اتصال ارزیابی شوند.
۴٫۳٫ تحلیل همبستگی جغرافیایی
روش ما بیشتر بر عملکرد و همبستگی جغرافیایی شبکه جاده تعمیم یافته متمرکز است. همانطور که در شکل ۹ ارائه شده است، شبکه جاده تعمیم یافته با مناطق مسکونی به عنوان ویژگی های کنترل در نقشه ۱:۱۰۰۰۰۰ مطابقت خوبی دارد. این دو ویژگی در توزیع فضایی بسیار سازگار هستند. بیشتر سکونتگاه ها با جاده به هم متصل می شوند. همزمان مسیرهای اضافی و تعداد زیادی از جاده های معلق حذف شدند. تعداد کمی از سکونتگاه ها مستقیماً توسط جاده ها به هم متصل نیستند زیرا در محدوده خدمات جاده ای مشخص شده در مقیاس اصلی قرار ندارند.
با حفظ همبستگی جغرافیایی، مسیرهای اضافی بین سکونتگاه‌ها نیز به طور موثر ساده‌سازی شدند. در شکل ۱۰ الف، سه مسیر ارتباط مستقیم بین سکونتگاه های شرقی و غربی، شامل جاده اصلی و دو مسیر تا حدی همپوشانی وجود دارد. این دو مسیر حذف شدند زیرا می‌توانستند با جاده اصلی جایگزین شوند. در شکل ۱۰ ب سه مسیر ارتباط مستقیم بین سکونتگاه های جنوبی و شمالی وجود دارد. هزینه دو جاده خاکستری در وسط کم بود، اما آنها فقط می توانستند به سکونتگاه های شروع و پایان خدمت کنند. اگرچه مسیر غرب گران بود، اما حفظ شد زیرا برای اتصال دو آبادی غربی با دیگر آبادی ها ضروری بود. شکل ۱۰ج چهار جاده معلق را نشان می دهد. جاده متصل به شهرک در انتها حفظ شد، در حالی که بقیه حذف شدند. بنابراین شبکه راه ها بدون آسیب رساندن به اتصالات شهرک ها تعمیم یافت. با این حال، روش ما در مناطق مسکونی پراکنده ضعیف عمل کرد. در شکل ۱۰ d، جاده های خاکستری درجه پایین و عملکرد ضعیفی دارند، اما تاثیر مهمی بر ادراک بصری دارند. روش ما برای جابجایی این نوع جاده ها مناسب نبود و نیاز به بهبود بیشتری دارد.
۴٫۴٫ مقایسه با سایر روش ها
به منظور بررسی بیشتر اثربخشی این روش، با در نظر گرفتن شبکه جاده ای ۱:۱۰۰۰۰۰ مصنوعی تولید شده به عنوان معیار، این روش با روش مبتنی بر نمودار، روش مبتنی بر سکته مغزی و روش ترکیبی ترکیب گراف و استروک مقایسه شد. در شکل ۱۱ الف، روش مبتنی بر نمودار از الگوریتم PageRank برای ارزیابی اهمیت بخش‌های جاده، بدون در نظر گرفتن اطلاعات توپولوژیکی و اطلاعات هندسی شبکه راهها استفاده می‌کند که در نتیجه تداوم بصری ضعیفی در نتایج انتخاب ایجاد می‌شود. در شکل ۱۱ ب، بر اساس سکته مغزی از طول و درجه جاده برای ارزیابی اهمیت سکته مغزی استفاده می کند. تداوم بصری کلی خوب است، اما تعداد زیادی جاده اضافی وجود دارد. در شکل ۱۱ج، روش ترکیبی مزایای نمودار و استروک را در نظر می گیرد و با استفاده از پارامترهایی مانند طول، درجه، درجه، نزدیکی و بین بودن، اهمیت ضربه را به طور جامع ارزیابی می کند. اثر انتخاب به طور قابل توجهی بهبود یافته است، اما برخی از شهرک ها را نمی توان به طور موثر به هم متصل کرد. در شکل ۱۱d، نتایج روش ما به طور قابل توجهی بهتر از روش های دیگر است. اجزای فراموش شده عمدتاً جاده های معلق طولانی بودند که به سکونتگاه ها و جاده های کم درجه در مناطق کم جمعیت ختم نمی شد. اینها بر ادراک بصری تأثیر داشتند، اما بر عملکرد شبکه جاده تأثیری نداشتند. اجزای اضافی عمدتاً شامل جاده‌های معلق کوتاهی بودند که شهرک‌ها را به هم وصل می‌کردند و برخی از جاده‌های پیوسته بصری. جاده‌های معلق کوتاه انتخاب شدند زیرا الگوریتم نمی‌توانست درک فضایی انسان را هنگام ارزیابی خدمات بین جاده‌ها و سکونتگاه‌ها به طور کامل شبیه‌سازی کند. هنگام انتخاب جاده های پیوسته بصری، از روش تولید سکته مغزی با بهترین تناسب استفاده شد. این روش تعیین کرد که آیا دو جاده از نظر بصری بر اساس زاویه در تقاطع پیوسته هستند یا خیر. این روش نمی تواند عملکرد کلی جاده ها را در نظر بگیرد. بنابراین، اگرچه می‌تواند جلوه بصری را بهبود بخشد، برخی از جاده‌های اضافی با عملکرد جهانی ضعیف را دوباره معرفی می‌کند. به طور کلی، نتایج این روش به نتایج مصنوعی نزدیک‌تر بود. این روش دارای مزایای قابل توجهی برای حفظ ویژگی های ساختاری و همبستگی جغرافیایی شبکه های جاده ای است.
علاوه بر این، نتایج به صورت کمی مورد ارزیابی قرار گرفت. ابتدا، سازگاری بین نتایج انتخاب و معیار ارزیابی شد و دقت، دقت، یادآوری و امتیاز F1 به عنوان پارامترهای ارزیابی انتخاب شدند. همانطور که در شکل ۱۲ ارائه شده است ، روش ما بالاترین سازگاری را با معیار (با دقت، دقت، یادآوری و امتیاز F1 به ترتیب ۰٫۸۶۴، ۰٫۹۰۷، ۰٫۹۰۲، و ۰٫۹۰۵) دارد، نزدیک ترین رابطه را با نتایج مصنوعی تولید شده، و کمترین سختی و حجم کاری پردازش بعدی.
از نظر همبستگی جغرافیایی، کارایی جهانی [ ۲۹ ] و پوشش سکونتگاهی به عنوان پارامترهای ارزیابی استفاده شد. هدف محاسبه کارایی جهانی، شبکه جغرافیایی با سکونتگاه ها به عنوان گره است. کارایی جهانی نشان دهنده کارایی ترافیک بین شهرک ها در یک شبکه است. به صورت زیر تعریف می شود.
که در آن N تعداد سکونتگاه های انتخاب شده و هزینه مسیر از تسویه i تا تسویه j است.
همانطور که در شکل ۱۳ ارائه شده است ، روش ما دارای بهترین کارایی ترافیک، بیشترین تعداد سکونتگاه های متصل و بهترین همبستگی جغرافیایی بین شبکه های جاده ای و مناطق مسکونی است. سایر روش ها در تعمیم مناطق مسکونی را در نظر نمی گیرند، بنابراین عملکرد آنها از همبستگی جغرافیایی تصادفی است. برای مثال، اگرچه روش ترکیبی سازگاری بالایی با معیار دارد، اما از نظر همبستگی جغرافیایی به خوبی روش مبتنی بر سکته مغزی نیست.
۵٫ نتیجه گیری ها
منطقه مسکونی و شبکه جاده یک جفت ویژگی نقشه با همبستگی جغرافیایی قوی هستند. هنگام نقشه برداری، باید ویژگی های توزیع فضایی منحصر به فرد و همبستگی جغرافیایی بین ویژگی ها را حفظ کنیم. در این مطالعه، به منظور حصول اطمینان از اینکه شبکه راه با مناطق مسکونی تطابق خوبی دارد، یک روش تعمیم شبکه راه را پیشنهاد می‌کنیم که توسط مناطق مسکونی محدود شده است، که با اتخاذ ایده تقسیم و تسلط، شبکه راه را تجزیه می‌کند. سکونت گاه ها، و مسئله پیچیده انتخاب جاده را به یک مشکل ساده سازی مسیر اضافی ساده می کند. ابتدا راه ها و سکونتگاه های به دست آمده از خوشه بندی مسکونی طبقه بندی شدند. در ادامه، اهمیت سکونتگاه ها مورد ارزیابی قرار گرفت و سکونتگاه های خاصی به عنوان ویژگی های کنترل انتخاب شدند. بعد، یک شبکه جغرافیایی با سکونتگاه ها به عنوان گره ساخته شد. در نهایت، مسیرهای اضافی بین سکونتگاه ها حذف شد و پیوستگی بصری و اتصال توپولوژیکی بررسی شد. این روش به طور کامل از همبستگی جغرافیایی دو ویژگی استفاده می کند. با استفاده از سکونتگاه ها به عنوان محدودیت تعمیم شبکه راه، نتایج به شدت با توزیع فضایی مناطق مسکونی مطابقت داشت که می تواند اتصال بین شهرک ها و عملکرد شبکه راه را تضمین کند.
علاوه بر بحث نظری، تحقیقات تجربی نیز انجام دادیم. منطقه آزمایشی در نزدیکی شهر نینگبو، استان ژجیانگ، چین بود. شبکه جاده ای ۱:۵۰،۰۰۰ و داده های منطقه مسکونی به عنوان داده های تجربی استفاده شد، در حالی که یک شبکه جاده ای ۱:۱۰۰،۰۰۰ تولید مصنوعی به عنوان معیار استفاده شد. نتایج تجربی نشان می‌دهد که این روش از نظر حفظ ساختار فضایی، تراکم و همبستگی جغرافیایی شبکه‌های جاده‌ای عملکرد خوبی دارد. در مقایسه با روشهای مبتنی بر نمودار، مبتنی بر ضربه و ترکیبی، دقت، دقت، فراخوانی و امتیاز F1 روش ما به ترتیب ۰٫۸۶۴، ۰٫۹۰۷، ۰٫۹۰۲ و ۰٫۹۰۵ بود. کارایی جهانی و پوشش تسویه روش ما نیز بهتر از سایر روش ها بود.
با این حال، این مطالعه دارای محدودیت هایی است. اول، روش پیشنهادی تنها نیمی از روش تعمیم کامل مشارکتی شبکه راه و منطقه مسکونی را نشان می‌دهد. روش پیشنهادی به دلیل ناقص بودن آن تنها برای تعمیم شبکه راه در مقیاس کوچک مناسب است. روش کامل شامل روش تعمیم مناطق مسکونی با در نظر گرفتن شبکه راه می باشد. دوم، روش پیشنهادی به شدت به توزیع فضایی مناطق مسکونی بستگی دارد و تأثیر آن در مناطق با تراکم مسکونی کم خوب نیست. برای رفع این مشکل در آینده، شناسایی و انتخاب جاده های اضافی در این نوع منطقه ضروری خواهد بود. در نهایت، روش پیشنهادی به اندازه کافی خودکار نیست. برای رفع این مشکل، ترکیب داده ها برای تلاش های متعدد برای تعیین مقدار پارامتر ضروری خواهد بود. شبکه‌های جاده‌ای و شبکه‌های جغرافیایی با سکونتگاه‌ها به‌عنوان گره‌ها، ساختارهای شبکه پیچیده‌ای هستند که همخوانی خوبی با شبکه‌های عصبی نموداری در حال ظهور دارند. در آینده، تعمیم مشترک جاده‌ها و مناطق مسکونی بر اساس شبکه‌های عصبی نموداری برای بهبود سطح اتوماسیون الگوریتم مورد مطالعه قرار خواهد گرفت.
منابع
- وانگ، جی. Wu, F. Advances in Cartography and Geographic Information Engineering , ۱st ed.; اسپرینگر: سنگاپور، ۲۰۲۱؛ صص ۱۵۱-۲۱۱٫ شابک ۹۷۸-۹۸۱-۱۶-۰۶۱۳-۷٫ [ Google Scholar ]
- وو، اف. گونگ، ایکس. Du, J. مروری بر پیشرفت تحقیقات در تعمیم خودکار نقشه. Acta Geod. کارتوگر. گناه ۲۰۱۷ ، ۴۶ ، ۱۶۴۵-۱۶۶۴٫ [ Google Scholar ] [ CrossRef ]
- اشتاینیگر، اس. Weibel, R. روابط بین اشیاء نقشه در تعمیم نقشه برداری. کارتوگر. Geogr. Inf. علمی ۲۰۰۷ ، ۳۴ ، ۱۷۵-۱۹۷٫ [ Google Scholar ] [ CrossRef ]
- وانگ، سی. وانگ، دبلیو. ژانگ، ام. Cheng, J. Evolution, Accessibility of Road Networks in China and Dynamics: from a Long Perspective. Acta Geogr. گناه ۲۰۱۴ ، ۶۹ ، ۱۴۹۶-۱۵۰۹٫ [ Google Scholar ] [ CrossRef ]
- ژو، ی. هوانگ، اچ. لیو، ی. ویژگی های توزیع فضایی و عوامل مؤثر در روستاهای چینی. Acta Geogr. گناه ۲۰۲۰ ، ۷۵ ، ۲۲۰۶-۲۲۲۳٫ [ Google Scholar ] [ CrossRef ]
- Gong, X. تحقیق در مورد روشهای تعمیم سکونتگاه با توجه به الگوی فضایی و شبکه های جاده ای. Ph.D. پایان نامه، دانشگاه مهندسی اطلاعات نیروی پشتیبانی استراتژیک PLA، ژنگژو، چین، ۲۰۱۷٫ [ Google Scholar ]
- لی، جی. خو، دبلیو. لانگ، ی. ژو، تی. گائو، سی. روش جابجایی چند محدودیتی برای حل تضاد فضایی بین خطوط و رودخانه ها. Acta Geod. کارتوگر. گناه ۲۰۱۴ ، ۴۳ ، ۱۲۰۴-۱۲۱۰٫ [ Google Scholar ] [ CrossRef ]
- شوبا، ر. مایجرز، ام. تعمیم شبکه جاده ای پیوسته Oosterom، PV در تمام مقیاس ها. ISPRS Int. J. Geo-Inf. ۲۰۱۶ ، ۵ ، ۱۴۵٫ [ Google Scholar ] [ CrossRef ] [ نسخه سبز ]
- Mackaness، WA; ریش، KM استفاده از نظریه گراف برای پشتیبانی از تعمیم نقشه. کارتوگر. Geogr. Inf. سیستم ۱۹۹۳ ، ۲۰ ، ۲۱۰-۲۲۱٫ [ Google Scholar ] [ CrossRef ]
- لیو، جی. لی، ی. یانگ، جی. Zhang, X. روش انتخاب خودکار شبکه های جاده ای بر اساس ارزیابی اهمیت گره برای شبکه ترافیک پیچیده. Acta Geod. کارتوگر. گناه ۲۰۱۴ ، ۴۳ ، ۹۷-۱۰۴٫ [ Google Scholar ] [ CrossRef ]
- جیانگ، بی. هری، ال. انتخاب خیابان ها از یک شبکه با استفاده از نقشه های خودسازماندهی. ترانس. GIS ۲۰۰۴ ، ۸ ، ۳۳۵-۳۵۰٫ [ Google Scholar ] [ CrossRef ]
- مک.؛ سان، س. چن، اچ. خو، Q. Wen, B. کاربرد الگوریتم رتبه صفحه وزنی در انتخاب خودکار شبکه راه. Geomat. Inf. علمی دانشگاه ووهان ۲۰۱۸ ، ۴۳ ، ۱۱۵۹-۱۱۶۵٫ [ Google Scholar ] [ CrossRef ]
- تامسون، آرسی ریچاردسون، دی. اصل تداوم خوب سازمان ادراکی که در تعمیم شبکه های جاده ای کاربرد دارد. در مجموعه مقالات نوزدهمین کنفرانس بین المللی کارتوگرافی، اتاوا، ON، کانادا، ۱۴ تا ۲۱ اوت ۱۹۹۹; ص ۱۲۱۵-۱۲۲۳٫ [ Google Scholar ]
- لیو، ایکس. ژان، اف. Ai, T. انتخاب جاده بر اساس نمودارهای Voronoi و “Strokes” در تعمیم نقشه. بین المللی J. Appl. زمین Obs. Geoinf. ۲۰۱۰ ، ۱۲ ، ۱۹۴-۲۰۲٫ [ Google Scholar ] [ CrossRef ]
- کائو، دبلیو. ژانگ، اچ. او، جی. Lan, T. انتخاب جاده با توجه به خصوصیات ساختاری و هندسی. Geomat. Inf. علمی دانشگاه ووهان ۲۰۱۷ ، ۴۲ ، ۵۲۰-۵۲۴٫ [ Google Scholar ] [ CrossRef ]
- چن، جی. هو، ی. لی، ز. ژائو، آر. Meng, L. حذف انتخابی ویژگی‌های جاده بر اساس تراکم مش برای تعمیم خودکار نقشه. بین المللی جی. جئوگر. Inf. علمی ۲۰۰۹ ، ۲۳ ، ۱۰۱۳-۱۰۳۲٫ [ Google Scholar ] [ CrossRef ]
- لی، ز. ژو، Q. ادغام سلسله مراتب خطی و منطقه ای برای نمایش چند مقیاسی پیوسته شبکه های جاده ای. بین المللی جی. جئوگر. Inf. علمی ۲۰۱۲ ، ۲۶ ، ۸۵۵-۸۸۰٫ [ Google Scholar ] [ CrossRef ]
- یو، دبلیو. ژانگ، ی. آی، تی. گوان، کیو. چن، ز. لی، اچ. تعمیم شبکه جاده با توجه به الگوهای جریان ترافیک. بین المللی جی. جئوگر. Inf. علمی ۲۰۲۰ ، ۳۴ ، ۱۱۹-۱۴۹٫ [ Google Scholar ] [ CrossRef ]
- یاماموتو، دی. موراس، م. تاکاهاشی، ن. تعمیم شبکه‌های جاده‌ای بر حسب تقاضا بر اساس نتایج جستجوی تسهیلات. IEICE Trans. Inf. سیستم ۲۰۱۹ ، ۱۰۲ ، ۹۳-۱۰۳٫ [ Google Scholar ] [ CrossRef ]
- گوا، ایکس. کیان، اچ. وانگ، ایکس. لیو، جی. ژونگ، جی. روشی برای انتخاب شبکه راه بر اساس استدلال موردی و هستی‌شناسی. Acta Geod. کارتوگر. گناه ۲۰۲۱ ، ۵۰ ، ۱۷۱۷-۱۷۲۷٫ [ Google Scholar ] [ CrossRef ]
- ژنگ، جی. گائو، ز. ما، جی. شن، جی. Zhang، K. گراف عمیق شبکه های کانولوشن برای انتخاب دقیق شبکه جاده. ISPRS Int. J. Geo-Inf. ۲۰۲۱ ، ۱۰ ، ۷۶۸٫ [ Google Scholar ] [ CrossRef ]
- وی، ز. او، جی. وانگ، ال. یک رویکرد جابه‌جایی مشارکتی برای تعارضات فضایی در تعمیم نقشه ساختمان‌های شهری. دسترسی IEEE ۲۰۱۸ ، ۶ ، ۲۶۹۱۸–۲۶۹۲۹٫ [ Google Scholar ] [ CrossRef ]
- Xu, W. روش تعمیم نقشه مشارکتی جاده ها و ساختمان ها بر اساس چند عامل. پایان نامه کارشناسی ارشد، دانشگاه عادی نانجینگ، نانجینگ، چین، ۲۰۱۴٫ [ Google Scholar ]
- فرآیند انتخاب شبکه جاده ای تویا، GA بر اساس غنی سازی داده ها و تشخیص ساختار. ترانس. GIS ۲۰۱۰ ، ۱۴ ، ۵۹۵-۶۱۴٫ [ Google Scholar ] [ CrossRef ][ نسخه سبز ]
- استر، ام. کریگل، اچ پی؛ ساندر، جی. Xu, X. الگوریتم مبتنی بر چگالی برای کشف خوشه‌ها در پایگاه‌های داده فضایی بزرگ با نویز. در مجموعه مقالات دومین کنفرانس بین المللی کشف دانش و داده کاوی، پورتلند، OR، ایالات متحده آمریکا، ۲ تا ۴ اوت ۱۹۹۶٫ صص ۲۲۶-۲۳۱٫ [ Google Scholar ]
- ژی، ال. یو، ایکس. لی، جی. تجزیه و تحلیل خوشه بندی نقطه فضایی بر اساس دایره نورد. Geomat. Inf. علمی دانشگاه ووهان ۲۰۱۸ ، ۴۳ ، ۱۱۹۳-۱۱۹۸٫ [ Google Scholar ] [ CrossRef ]
- برنان، جی. مارتین، ای. مجاورت فضایی چیزی بیش از اندازه گیری فاصله است. بین المللی جی. هوم. محاسبه کنید. گل میخ. ۲۰۱۲ ، ۷۰ ، ۸۸-۱۰۶٫ [ Google Scholar ] [ CrossRef ]
- Makariye, N. به سوی محاسبه کوتاهترین مسیر با استفاده از الگوریتم Dijkstra. در مجموعه مقالات کنفرانس بین المللی ۲۰۱۷ IoT و کاربرد (ICIOT)، ناگاپاتینام، هند، ۱۹ تا ۲۰ مه ۲۰۱۷؛ صص ۱-۳٫ [ Google Scholar ]
- لاتورا، وی. Marchiori، M. رفتار کارآمد شبکه های جهان کوچک. فیزیک لت ۲۰۰۱ ، ۸۷ ، ۱-۱۸٫ [ Google Scholar ] [ CrossRef ] [ PubMed ][ نسخه سبز ]
شکل ۱٫ داده های آزمایشی و معیار: ( الف ) مناطق مسکونی ۱:۵۰۰۰۰، ( ب ) شبکه جاده ای ۱:۵۰۰۰۰، و ( ج ) شبکه جاده ای ۱:۱۰۰۰۰۰٫
شکل ۲٫ جریان روش تعمیم شبکه جاده ای محدود شده توسط مناطق مسکونی.
شکل ۳٫ طبقه بندی سکونتگاه ها: ( الف ) سکونتگاه نوع اول. ( ب ) تسویه حساب نوع I با P-Road. ( ج ) سکونتگاه نوع دوم؛ و ( د ) سکونتگاه نوع II با چند راه P.
شکل ۴٫ نمودار شماتیک ساده سازی مسیر بین سکونتگاه ها (خطوط قرمز مسیرهای بین سکونتگاه های A و B هستند؛ خطوط آبی I-Roads هستند).
شکل ۵٫ فرآیند ساده سازی مسیر گروه تسویه حساب.
شکل ۶٫ تعداد جاده های انتخاب شده تحت مقادیر پارامترهای مختلف: ( الف ) شماره جاده تحت متغیر مقادیر و ( ب ) شماره جاده تحت متغیر است ارزش های.
شکل ۷٫ نتایج تعمیم در مقیاس ۱:۱۰۰۰۰۰ (خطوط قرمز نتایج ساده‌سازی مسیر، خطوط سبز جاده‌های پیوسته بصری، خطوط آبی جاده‌های انتخاب‌شده در بررسی اتصال و خطوط خاکستری جاده‌های انتخاب نشده هستند).
شکل ۸٫ مقایسه تراکم نسبی جاده قبل و بعد از تعمیم: ( الف ) تراکم جاده قبل از تعمیم و ( ب ) تراکم جاده پس از تعمیم.
شکل ۹٫ شبکه راه های تعمیم یافته و مناطق مسکونی در ۱:۱۰۰۰۰۰٫
شکل ۱۰٫ جزئیات جزئی نتایج: ( a – c ) مزایای SSP را نشان می دهد و ( d ) کاستی های SSP را نشان می دهد.
شکل ۱۱٫ مقایسه بین معیار و چهار روش: ( الف ) مقایسه بین نتایج روش مبتنی بر نمودار و معیار. ( ب ) مقایسه بین نتایج روش مبتنی بر سکته مغزی و معیار. ( ج ) مقایسه بین نتایج روش ترکیبی و معیار. ( د ) مقایسه بین نتایج روش ما و معیار.
شکل ۱۲٫ سازگاری بین نتایج و معیار.
شکل ۱۳٫ عملکرد چهار روش در همبستگی جغرافیایی: ( الف ) کارایی جهانی نتایج. ( ب ) پوشش تسویه نتایج.
بدون دیدگاه