تجزیه و تحلیل کیفیت داده های OpenStreetMap در مراحل مختلف یک فرآیند نقشه برداری مشارکتی: شواهدی از محله های فقیر نشین در آفریقا و آسیا

چکیده

این مقاله کیفیت داده های OpenStreetMap را در مراحل مختلف فرآیند نقشه برداری مشارکتی در هفت محله فقیر نشین در آفریقا و آسیا بررسی می کند. داده‌ها از یک فرآیند نقشه‌برداری مشارکتی مبتنی بر OpenStreetMap که به عنوان بخشی از یک پروژه تحقیقاتی با تمرکز بر درک نابرابری‌ها در دسترسی به مراقبت‌های بهداشتی ساکنان محله‌های فقیر نشین در جنوب جهانی توسعه یافته است، استخراج شد. از آمار توصیفی و تجزیه و تحلیل کیفی برای بررسی سؤال تحقیق زیر استفاده شد: کیفیت داده‌های مکانی نقشه‌برداری از راه دور مشترک که توسط نقشه‌برداران داوطلب در مناطق شهری از نظر مورفولوژیکی پیچیده به دست می‌آید چیست؟ یافته ها نشان می دهد که کامل بودن به دست آمده توسط نقشه برداری از راه دور تا حد زیادی به مورفولوژی و ویژگی های زاغه ها مانند تراکم ساختمان و معماری پشت بام بستگی دارد که از 84٪ در بهترین حالت تا صفر در سخت ترین سایت متغیر است. سهم علمی عمده این مطالعه ارائه شواهدی در مورد کیفیت داده‌های مکانی داده‌های نقشه‌برداری از راه دور از طریق تلاش‌های داوطلبانه نقشه‌برداری در مناطق شهری پیچیده از نظر مورفولوژیکی مانند زاغه‌ها است. نتایج می‌تواند بینش‌هایی درباره میزان کار میدانی در چه سطحی از پیچیدگی و مشارکت داوطلبان محلی در این تلاش‌ها فراهم کند.

کلید واژه ها:

OpenStreetMap ; کیفیت داده ها ؛ مراحل نقشه برداری مشارکتی ; محله فقیر نشین ; نقشه برداری از راه دور و کار میدانی ؛ کامل بودن ؛ اطلاعات جغرافیایی داوطلبانه نقشه برداری بشردوستانه ; آفریقا ؛ آسیا

1. مقدمه

محله های فقیر نشین، که مناطق محروم از مسکن بادوام، سرویس بهداشتی قابل قبول، و آب سالم و همچنین با مالکیت زمین ناامن و به طور کلی ازدحام بیش از حد مشخص می شوند، حدود یک چهارم از جمعیت شهری جهان را در خود جای می دهند [ 1 ]. محله‌های زاغه‌نشین اغلب با مورفولوژی پیچیده‌ای از ویژگی‌های فیزیکی خود [ 2 ] مشخص می‌شوند که شامل هندسه ساختمان‌ها و مسیرها، تراکم، و مصالح سقف، در میان دیگران است [ 3 ، 4 ]. در سال‌های اخیر، فقدان داده‌های مکانی با کیفیت بالا از محله‌های فقیر نشین، مورد توجه اجتماعی سیاسی و دانشگاهی مجدد قرار گرفته است [ 3 ، 5 ، 6 ]]. یکی از منابع بالقوه داده برای در دسترس قرار دادن داده‌های مکانی، اطلاعات جغرافیایی داوطلبانه (VGI) است که فرصت‌های جدیدی را برای تولید داده‌ها در سال‌های اخیر باز می‌کند و ظهور یک جامعه جهانی نقشه‌برداری بشردوستانه را تسهیل می‌کند [ 7 ] با چندین ابتکار با هدف «قرار دادن آسیب پذیرترین افراد روی نقشه» [ 8 ]. یک نگرانی کلیدی که از استفاده از اطلاعات جغرافیایی داوطلبانه و جمع سپاری شده برای نقشه برداری از مناطق آسیب پذیر ناشی می شود، به کیفیت داده های تولید شده توسط افراد غیر متخصص مربوط می شود. این منجر به انبوهی از مطالعات علمی برای ارزیابی کیفیت داده ها در پلتفرم های crowdsourced مانند OpenStreetMap (OSM) شده است [ 9 ، 10 ، 11 ، 12 ،13 ، 14 ، 15 ، 16 ، 17 ، 18 ، 19 ]. هدف کلی پروژه OSM ایجاد یک نقشه جهان رایگان برای استفاده و قابل ویرایش مطابق با هیئت مدیره بنیاد OSM (OSMF) است که برای محافظت از پروژه وجود دارد [ 20 ]. مطالعات اخیر کیفیت داده های OSM را بدون استفاده از داده های خارجی بررسی کرده اند. رویکرد به اصطلاح درونی [ 9 ، 10 ]. برخلاف رویکرد درونی، سایر مطالعات معمولاً از آنچه به عنوان رویکرد بیرونی یاد می‌شود، استفاده می‌کنند که در آن داده‌های OSM با مجموعه داده‌های خارجی مانند داده‌های بررسی مهمات بریتانیا یا فهرست‌های خدمات پارک ملی مقایسه می‌شوند [ 21 ].، 22 ].

یک مشکل عمده برای ارزیابی کیفیت داده‌های OSM برای محله‌های فقیر نشین ایجاد می‌شود: از آنجایی که این محله‌ها اغلب در نقشه‌های رسمی وجود ندارند، به ندرت داده‌های مرجع خارجی وجود دارد که برای مطالعات کیفیت بیرونی استفاده شود. علاوه بر این، تجزیه و تحلیل کیفیت ذاتی نقشه برداری در محله های فقیر نشین اغلب بینش محدودی در مورد کیفیت داده ها ارائه می دهد زیرا اکثر این جوامع رشد ارگانیک در فعالیت های نقشه برداری ندارند. اجرای فعالیت‌های نقشه‌برداری مبتنی بر مشارکت در محیط‌های زاغه‌نشین، پتانسیل ارزیابی پیشرفت‌های تجمعی داده‌ها را در طول زمان مانند جوامع OSM در شمال جهانی ارائه می‌دهد.

با توجه به این چالش ها، مطالعات بسیار کمی کیفیت به دست آمده توسط تلاش های نقشه برداری مشترک جامعه جهانی OSM بشردوستانه را ارزیابی کرده اند (به عنوان مثال، [ 11 ]])، به ویژه در محله های فقیر نشین، که مورفولوژی پیچیده آنها چالش های خاصی را برای نقشه برداری از تصاویر ماهواره ای ایجاد می کند. برای پر کردن این شکاف، کیفیت داده های OSM را در مراحل مختلف فرآیند نقشه برداری مشارکتی که منجر به به روز رسانی نهایی پایگاه داده OSM می شود، بررسی کردیم. سوال پژوهشی زیر در این مطالعه مطرح می‌شود: کیفیت داده‌های مکانی نقشه‌برداری از راه دور مشترک که توسط نقشه‌برداران داوطلب در مناطق شهری از لحاظ مورفولوژیکی پیچیده به دست می‌آید چگونه است؟ با پرداختن به این سوال، یک مطالعه موردی چند کشوری مرتبط با یک پروژه تحقیقاتی در حال انجام واحد تحقیقات بهداشت جهانی موسسه ملی تحقیقات سلامت (NIHR) در مورد بهبود سلامت در محله‌های فقیر نشین ارائه شده است.23 ]. این زمینه ما را قادر می سازد تا با تجزیه و تحلیل نتایج همان روش های نقشه برداری که به طور سیستماتیک در هفت محله فقیر نشین در چهار کشور (بنگلادش، کنیا، نیجریه و پاکستان) اعمال می شود، بر چالش های مطالعات قبلی غلبه کنیم. در این مقاله، ما نتایج حاصل از ارزیابی کیفیت داده‌های مکانی را در طول مراحل مختلف گردش کار فرآیند نقشه‌برداری ارائه می‌کنیم که برای نقشه‌برداری و به‌روزرسانی پایگاه داده OSM در این سایت‌ها استفاده می‌شود و به دنبال آموختن درس‌هایی برای طرح‌های نقشه‌برداری بشردوستانه آینده هستیم.

بخش بعدی، بخش 2 ، کار مرتبطی را که بسترهای درونی، بیرونی، تحلیلی را پوشش می‌دهد، مورد بحث قرار می‌دهد و شکاف‌های دانشی را شناسایی می‌کند که پرسش تحقیق ما را مشخص می‌کند. بخش 3 سؤال تحقیق و همچنین مواد و روش های مطالعه را ارائه می دهد. بخش 4 نتایج را ارائه می دهد و بخش 5 بحث و نتیجه گیری از جمله محدودیت های مطالعه و جهت گیری های بالقوه برای کار آینده را ارائه می دهد.

2. کارهای مرتبط

چندین دسته کیفی وجود دارد که می توان با در نظر گرفتن کیفیت داده های مجموعه داده های جغرافیایی مطالعه کرد. طبق تعریف سازمان بین‌المللی استاندارد (ISO)، پنج دسته کیفیت داده‌های جغرافیایی شامل کامل بودن ، ثبات منطقی ، دقت موقعیتی ، دقت موضوعی و کیفیت زمانی وجود دارد که برای مثال، کامل بودن به این صورت تعریف می‌شود: «[…] حضور و فقدان ویژگی ها، صفات و روابط آنها. [ 12 ]. در میان این دسته بندی های کیفیت، کامل بودن به عنوان معیار اساسی کیفیت داده های جغرافیایی در تحقیقات OSM در نظر گرفته می شود [ 13 ].]، زیرا این پایه برای ساخت عناصر کیفی باقیمانده بسیار مهم است. برخی از مطالعات ویژگی‌های ویژگی OSM مانند سرعت [ 24 ] را بررسی کردند، یا تنها بر جنبه اصلی کامل بودن تمرکز کردند (یعنی «وجود و عدم وجود ویژگی‌ها» که در آن استخراج یا تعیین ویژگی OSM براساس برچسب‌های ویژگی اولیه یا ویژگی‌هایی مانند ساختمان یا بزرگراه)، گاهی اوقات نتیجه را با تراکم ویژگی‌ها اما در یک بافت غیر زاغه‌ای مرتبط می‌کند [ 13 ، 14 ، 15 ]. چندین مطالعه برای بررسی کیفیت داده های OSM در سال های اخیر از رویکردهای ذاتی استفاده کردند، که در آن فقط از داده های OSM استفاده می شود [ 9 ، 10 ، 16 ، 21 ، 25]. برخی از مطالعات از مفهوم تجزیه و تحلیل مراحل فعالیت بر اساس تاریخچه داده های OSM و قوانین اکتشافی برای انتقال مرحله (به عنوان مثال، بدون داده، شروع، رشد، و اشباع) استفاده کرده اند، که 12 منطقه شهری نماینده را پوشش می دهد [ 12 ] و همچنین در سطح جهانی در مقیاس منطقه ای [ 25 ]. مطالعات دیگر ابزارهایی را برای بررسی کیفیت داده های نوع خط OSM ایجاد کرده اند، مانند یک افزونه برای سیستم اطلاعات جغرافیایی کوانتومی (QGIS) [ 10 ] و ابزارهای مبتنی بر پایتون [ 16 ]. برخی از مطالعات منجر به انبوهی از پلتفرم های تحلیلی مانند iOSMAnalyzer [ 9 ]، OSM History Data Analytics Platform [ 26 ]، OSMSstats [ 27 ] و OSM Analytics Tool [ 28 ] شده است.] درمیان دیگران. اگرچه این پلتفرم‌ها نمایه‌های تاریخی شاخص‌های کیفیت ذاتی را نشان می‌دهند، اما نمی‌توانند به وضوح مراحل نقشه‌برداری اساسی را که منجر به داده‌های تولید شده برای تجسم یا آمار توصیفی ارائه شده، تعریف کنند. این مشکل تا حدی به دلیل کمبود اطلاعات در مورد فرآیند تولید داده است که منجر به داده های تاریخی شده است. علاوه بر این، بیشتر خدمات ارائه شده توسط این پلتفرم‌ها آخرین تحلیل‌های فوری را بر اساس جدیدترین داده‌های تاریخی ارائه نمی‌کنند. قابل رویت کردن فرآیندهای تولید داده برای محققان می تواند به شناسایی این که آیا داده های تاریخی موجود از طریق فرآیندهای نقشه برداری آنلاین به تنهایی یا در ترکیب با اعتبار سنجی میدانی تولید می شوند، کمک کند.

از نظر رویکردهای بیرونی، که در آن داده‌های OSM با سایر مجموعه‌های داده قابل اعتماد برای بررسی کیفیت داده‌ها مقایسه می‌شوند، مطالعات قبلی عمدتاً از داده‌های معتبر به عنوان مرجع استفاده می‌کردند و این مطالعات معمولاً بر اساس مناطق شهری توسعه‌یافته عمدتاً در بریتانیا، فرانسه، آلمان و ایرلند بودند. ایالات متحده، نیوزلند و کانادا در میان دیگران [ 13 ، 14 ، 15 ، 17 ، 18 ، 19 ، 21 ، 22 ، 29 ، 30 ، 31 ، 32]. در جایی که داده‌های معتبر در دسترس هستند، محدودیت‌های دسترسی و مجوز می‌توانند مطالعه را غیرممکن کنند. علاوه بر این، هزینه مالی و تناسب اخلاقی داده ها برای یک منطقه معین برای مطالعه نیز می تواند مشکل ساز باشد. در نهایت، مراحل تولید داده‌ها که منجر به نسخه نهایی داده‌ها می‌شود، به اندازه کافی شفاف نیستند که امکان بررسی سیستماتیک در رابطه با مراحل شناسایی شده تولید داده‌های OSM را فراهم کنند. برای تجزیه و تحلیل بیرونی، معیارهای کامل بودن مسیرها معمولاً معیارهای طول هستند و کامل بودن به عنوان نسبت طول کل مسیرها در OSM و طول کل مسیرها در داده های مرجع تعریف می شود (به عنوان مثال، [ 22 ]). به طور مشابه، معیارهای کامل بودن ساختمان ها معمولاً بر حسب تعداد کل و/یا مساحت تعریف می شوند (به عنوان مثال، [ 15 ]).

مطالعات مرتبط از رویکردهای تحلیلی مقایسه ای مبتنی بر واحد یا مبتنی بر شی برای بررسی کامل بودن ساختمان ها و مسیرها استفاده کرده اند [ 14 ، 15 ، 17 ، 19 ، 22 ]. برای مثال، نسبت تعداد کل ساختمان‌های OSM نسبت به تعداد کل ساختمان‌های مرجع در واحد به صورت درصد، یک مقایسه مبتنی بر واحد در نظر گرفته می‌شود. در مورد مقایسه مبتنی بر شی، یک مثال نسبت تعداد کل ساختمان‌ها در داده‌های مرجع است که در OSM به صورت درصد وجود دارد، جایی که مرکز ساختمان‌های مرجع یک ساختمان OSM را قطع می‌کنند [ 15 ].]. این رویکردهای مقایسه ای معمولاً به دلیل نیاز به داده های مرجع برای مقایسه با داده های OSM به صورت بیرونی اجرا می شوند. بنابراین، از داده های OSM تاریخی استفاده نمی شود. در یک رویکرد مبتنی بر شی، تطبیق عناصر متناظر در داده‌های OSM و مرجع قبل از تعیین نسبت تعداد کل ساختمان‌های مرجع که در OSM بر حسب درصد نشان داده شده‌اند، مورد نیاز است [ 15 ].]. از آنجایی که مجموعه داده‌های مرجع خارجی و متفاوت با داده‌های OSM مقایسه می‌شوند، برقراری ارتباط بین اشیاء دو مجموعه داده بدون استفاده از مجاورت مرکز یا ناحیه همپوشانی غیرممکن است. از آنجایی که تطبیق مبتنی بر شی نسبت به عدم تطابق موقعیتی اشیا حساس است و می‌تواند پیچیده و زمان‌بر باشد، مطالعات اخیر معمولاً از رویکرد مبتنی بر واحد استفاده می‌کنند که بسیار ساده‌تر است [ 14 ، 19 ]. رویکرد مبتنی بر واحد نیازی به هیچ شکلی از تطابق مبتنی بر شی ندارد و بر نسبت تعداد کل (یا مساحت) ساختمان‌های OSM یا طول کل مسیرهای OSM نسبت به ساختمان‌ها (یا مسیرها) مرجع در هر واحد تکیه دارد. شرایط درصد [ 14 ، 15 ، 17 ، 19، 22 ]. با این حال، در مورد تخمین کامل ساختمان، رویکرد مبتنی بر واحد گزارش شده است که نسبت به تفاوت‌ها در برآوردها بسته به اینکه از تعداد کل یا مساحت استفاده می‌شود حساس است و بنابراین یک رویکرد مبتنی بر شی توصیه می‌شود [ 15 ]. اگرچه کامل بودن و سایر شاخص های کیفیت در موارد ذکر شده مورد بررسی قرار می گیرند، اما به ندرت بر مناطق زاغه نشین تأکید می شود. فقدان داده های مناسب در چنین زمینه هایی اغلب مانع از تجزیه و تحلیل سیستماتیک می شود [ 17]. این تا حدی به این دلیل است که معمولاً داده های معتبر یا قابل اعتماد برای محله های فقیر نشین در دسترس نیست و در نتیجه انجام مطالعات بیرونی غیرممکن است. علاوه بر این، در مواردی که داده‌های ثانویه قابل اعتماد در دسترس هستند، کامل بودن داده‌های OSM می‌تواند به قدری کم باشد که انجام مطالعه بیرونی یا درونی منطقی نباشد. جمع آوری داده ها در محله های فقیر نشین زمان بر است و فرآیند تولید داده می تواند حتی پیچیده تر از یک منطقه غیر زاغه باشد. به عنوان مثال، شناسایی ردپای ساختمان و مسیرهای پیاده روی در محله های فقیر نشین می تواند دلهره آور باشد. این مطالعه به این شکاف کمک می کند و مراحل فرآیند نقشه برداری منجر به به روز رسانی نهایی پایگاه داده OSM را بررسی می کند. از آنجایی که داده های تاریخی از نقاط زمانی مختلف و منابع داده در OSM وجود دارد، با بررسی تأثیر فرآیندهای مختلف تولید داده بر کیفیت داده می توان درس هایی آموخت. چنین کاری می تواند به پیشرفت شفافیت و اطلاع رسانی در مورد کارهای آینده در OSM کمک کند. مراحل نقشه برداری انجام شده توسط نقشه برداران از راه دور یا محلی باید قابل مشاهده باشد تا ارزیابی و تصمیم گیری کیفیت داده های OSM را اطلاع دهد. در شرایطی که انجام ارزیابی کیفیت درونی و بیرونی دشوار است، یک رویکرد تجربی مبتنی بر تحقیق ممکن است بهترین گزینه باشد. مطالعات بسیار محدودی وجود دارد که رویکرد تجربی مبتنی بر تحقیق را اتخاذ می کند. به عنوان مثال، اکل و آلبوکرک [ در شرایطی که انجام ارزیابی کیفیت درونی و بیرونی دشوار است، یک رویکرد تجربی مبتنی بر تحقیق ممکن است بهترین گزینه باشد. مطالعات بسیار محدودی وجود دارد که رویکرد تجربی مبتنی بر تحقیق را اتخاذ می کند. به عنوان مثال، اکل و آلبوکرک [ در شرایطی که انجام ارزیابی کیفیت درونی و بیرونی دشوار است، یک رویکرد تجربی مبتنی بر تحقیق ممکن است بهترین گزینه باشد. مطالعات بسیار محدودی وجود دارد که رویکرد تجربی مبتنی بر تحقیق را اتخاذ می کند. به عنوان مثال، اکل و آلبوکرک [11 ] یک رویکرد تجربی برای ارزیابی کیفیت داده‌های OSM در نقشه‌برداری بحران طراحی کرد اما مطالعه بزرگ‌تری را توصیه کرد. تا به حال، هیچ مطالعه آزمایشی سیستماتیک مبتنی بر OSM برای نقشه‌برداری و بررسی زاغه‌ها در چندین کشور با استفاده از چارچوب روش‌شناختی مبتنی بر منبع باز وجود ندارد.

3. مواد و روشها

سوال تحقیقاتی زیر این مطالعه را که هفت محله فقیر نشین در چهار کشور را پوشش می دهد هدایت کرد: کیفیت داده های مکانی نقشه برداری از راه دور مشترک که توسط نقشه برداران داوطلب در مناطق شهری از نظر مورفولوژیکی پیچیده به دست می آید چگونه است؟ در این سوال فراگیر، ما بر روی اقدامات زیر تمرکز می کنیم: (1.1) کامل بودن نقشه برداری از راه دور (مرحله 1) بر اساس داده های میدانی اضافی جمع آوری شده از کار میدانی (مرحله 2). (1.2) رشد کامل بودن داده ها در طول نقشه برداری از راه دور زاغه ها بر اساس داده های میدانی. و (1.3) سهم کامل در هر نقشه‌بردار در طول نقشه‌برداری از راه دور و کار میدانی.

3.1. فرآیند نقشه برداری مبتنی بر OSM برای زاغه ها

چارچوب کلی روش شناختی برای نقشه برداری جوامع زاغه نشین شهری در این پروژه در جای دیگری منتشر شده است [ 33 ، 34 ]. در این بخش، مروری بر روش و فرآیند مشارکتی همراه با جزئیات گردش کار فرآیند نقشه برداری و مراحلی که در آن مجموعه داده ها برای تجزیه و تحلیل در این مطالعه جمع آوری شده است، ارائه شده است. جدول 1 مرور کلی چارچوب روش شناختی فرآیند نقشه برداری را توصیف می کند که بر اساس گونه شناسی وظایف جمع سپاری جغرافیایی ارائه شده در آلبوکرک و همکاران است. [ 35 ].

شکل 1به صورت گرافیکی فعالیت هایی را که بخشی از مراحل مختلف نقشه برداری فرآیند نقشه برداری مشارکتی مبتنی بر OSM ما بودند، به تصویر می کشد. مرحله 0 شامل فعالیت های مقدماتی بود و برای تنظیم دستور کار قبل از شروع نقشه برداری آنلاین مفید بود. دوره آماده سازی عمدتا شامل ایجاد مواد آموزشی، تعریف مسئولیت ها با تیم های اصلی محلی در هر کشور شریک، آموزش تیم های محلی، تهیه تصاویر ماهواره ای با وضوح بالا، شناسایی مرزهای محله با تیم های اصلی محلی در موسسات همکار، و راه اندازی پلت فرم های نقشه برداری آنلاین بود. . همچنین در این دوره مذاکرات ایمن سازی دسترسی به محله های فقیر نشین انجام شد. تمامی گردآورندگان داده که در فرآیند نقشه برداری شرکت کردند اما با ابزارها آشنایی نداشتند، آموزش دیدند. مرحله 1 برای نقشه برداری آنلاین بود.36 ]. TM پیوندهایی را به ویرایشگرهای OSM (مثلاً ویرایشگر iD/JOSM) ارائه می‌کرد، که به نوبه خود تمام ویرایش‌های نقشه‌برداران را هدایت می‌کرد تا در پایگاه داده OSM ثبت شوند [ 37 ]]. نقشه برداری آنلاین و فعالیت های اعتبار سنجی، ضبط داده های برداری هندسی معتبر از تصاویر ماهواره ای نوری را برای کار میدانی در مرحله 2 تضمین کرد. فراتر از نقشه برداری و اعتبارسنجی آنلاین، نقشه برداری میدانی برای تأیید ویژگی های دیجیتالی انجام شد. دوره مرحله 2 برای کار میدانی بود تا زمانی که داده های OSM استخراج و به عنوان یک چارچوب نمونه تهیه شد. چارچوب نمونه برداری از هندسه سازه ساختمان و اسامی سرپرستان خانوار یا نمایندگان تشکیل شده است. مرحله 2 شامل استفاده از دستگاه های قابل حمل سیستم موقعیت یابی جهانی (GPS) برای ردیابی مسیرها (جاده ها و مسیرهای پیاده روی). بارگذاری داده ها در پایگاه داده OSM؛ تولید نقشه های کاغذ میدانی کدگذاری شده با مرجع سریع (QR) بر اساس فناوری Fieldpapers.org. حاشیه نویسی نقشه های کاغذی (Fieldpapers) در میدان پس از بررسی هندسه سازه ساختمان به همراه یک پرسشنامه ساختاریافته مبتنی بر تبلت برای تأیید و شمارش هندسه ساختمان. اسکن نقشه های کاغذی مشروح. و ادغام نقشه های مشروح اسکن شده در پایگاه داده OSM برای به دست آوردن داده های میدانی نهایی (داده های مرجع). دو فناوری منبع باز کلیدی با استفاده از فناوری‌های OpenDataKit (ODK) و OpenMapKit (OMK) برای بررسی فهرست‌بندی سران خانوار برای اطلاع‌رسانی به تولید چارچوب نمونه‌گیری در توسعه الگوی پرسشنامه ادغام شدند.38 ، 39 ]. ابزارهای سرور و سرویس گیرنده ODK ابزاری را برای جمع‌آوری و مدیریت داده‌های فضایی سیار فراهم می‌کنند در حالی که ابزارهای OMK امکان جمع‌آوری و پیوند دادن داده‌های مکانی را به عنوان بخشی از مدیریت پرسشنامه فراهم می‌کنند.

شکل 2 نمونه عکس های یک رویداد نقشه برداری از راه دور آنلاین را نشان می دهد که در مرحله 1 و فعالیت های میدانی در مرحله 2 (تأیید هندسه ساختمان و شمارش) فرآیند نقشه برداری برگزار شد. یک متغیر مهم در تعریف مراحل، تاریخ واقعی شروع و پایان مراحل است. بدون فواصل زمانی مراحل نقشه برداری، انجام تحلیل های سیستماتیک همانطور که در این مطالعه نشان داده شده است غیرممکن است. با برنامه ریزی دقیق، ممکن است بتوان دوره مرحله 1 را از نسخه جدید مدیر وظیفه تعیین کرد، اما نه دوره کار میدانی. شناسایی تاریخ های مرحله به طور مستقل از پایگاه داده OSM بدون هیچ ورودی از تیم نقشه برداری می تواند نادرست باشد. به عنوان مثال، استفاده از مراحل سالانه توسط Gröchenig و همکاران. [ 12] برای تخمین کامل بودن OSM برای این مطالعه قابل استفاده نیست. با استفاده از داده های خام، شاخص های زیر را برای تجزیه و تحلیل تعریف کردیم. سه معیار شامل (1) کامل بودن سازه‌ها و مسیرها، (2) رشد کامل در هر مرحله نقشه‌برداری و همچنین (3) رشد کامل در هر نقشه‌بردار در هر مرحله ساخته شد. بخش بعدی مکان‌های مطالعه، داده‌ها و رویکرد تحلیلی مورد استفاده در این مطالعه را ارائه می‌کند.

3.2. سایت های مطالعه

هفت مکان مطالعه به شرح زیر بودند ( شکل 3 و شکل 4 را ببینید ): محله ای فقیر نشین در پاکستان، شهر کراچی که به عنوان سایت کراچی ناشناس شناخته شده است. محله ای فقیر نشین در بنگلادش، شهر داکا که نام آن سایت داکا است. سه محله فقیر نشین در نیجریه، شهرهای لاگوس و ابادان ناشناس به عنوان سایت لاگوس، سایت ابادان 1 و 2. و دو محله فقیر نشین در کنیا، شهر نایروبی با نام نایروبی سایت 1 و 2 [ 33 ، 40 ]]. سایت کراچی به طور مرکزی در یک منطقه به خوبی تثبیت شده با ساختمان های دائمی و چند طبقه که در حال ساخت و سازهای جدید عمودی هستند، واقع شده است. سایت داکا در یک منطقه به خوبی تثبیت شده با ساختارهای نیمه دائمی واقع شده است که به طور منظم تخریب و بازسازی می شود. سایت عبادان 1 در مرکز یک منطقه تاریخی واقع شده است که در امتداد جاده ای قدیمی و سنگریزه با سازه های دائمی در وضعیت نامناسب قرار دارد. سایت عبادان 2 یک جامعه اسکان مجدد در لبه شهر است که دارای چیدمان واضح و دارای فضاهای مناسب و ساختارهای عمدتاً دائمی است. سایت نایروبی 1 دارای یک جامعه مسکونی است و در حدود 12 کیلومتری منطقه تجاری مرکزی (CBD) شهر واقع شده است. سازه های زاغه از مواد گلی، چوبی یا سقف قلعی تشکیل شده و بیشتر به صورت ردیفی هستند. سایت نایروبی 2 در حدود 7 کیلومتری CBD واقع شده است.شکل 4 ویژگی های نمونه کیفی هفت محله فقیر نشین را از نظر موقعیت جغرافیایی، تصاویر ماهواره ای، ساختمان ها و مسیرها نشان می دهد. تصاویر ماهواره ای و عکس ها نیز ویژگی های نمونه ای از چیدمان سازه ها و همچنین معماری پشت بام و ارتفاع را به صورت کیفی نشان می دهند.

3.3. داده ها

ما از تاریخچه کامل داده های OSM استفاده کردیم که معمولاً به عنوان Planet OSM [ 41 ] نامیده می شود. سه نوع عنصر در پایگاه داده وجود دارد: گره هایی که نقاط را در فضا تعریف می کنند. راه هایی که ویژگی های خطی و مرزهای منطقه را تعریف می کند. و روابطی که معمولاً برای توضیح نحوه کار سایر عناصر با هم استفاده می شوند [ 42 و 43 ]. بعد دیگر داده های تاریخچه، اطلاعات مربوط به مشارکت کنندگان است. هر تغییری که توسط مشارکت‌کنندگان یا نقشه‌برداران ایجاد می‌شود، مانند تغییرات هندسی یا حذف یا ایجاد عناصر جدید در طول یک جلسه ویرایش، در پایگاه داده OSM ذخیره می‌شود. همه این اطلاعات ویرایش در چیزی که Changeset نامیده می شود ذخیره می شود [ 16]. تمام ویرایش‌ها در داده‌های تاریخچه OSM با استفاده از یک چارچوب محاسباتی برای تجزیه و تحلیل مکانی-زمانی پایگاه‌داده تاریخچه OSM (OSHDB) در ترکیب با رابط برنامه‌نویسی کاربردی پلت‌فرم تحلیل داده‌های بزرگ «ohsome» [ 26 ، 44 ] استخراج شد. اسکریپت های استخراج داده ها در فضای Gitlab [ 45 ] موجود است.

3.4. رویکرد تحلیلی

در این مطالعه، یک رویکرد مبتنی بر شی با فایل تاریخچه OSM به‌روز شده استفاده شد و بر استفاده از شناسه‌های شی OSM (OSM-ID) ساختمان‌ها و مسیرها برای تطبیق اشیاء OSM در مهر زمانی k با اشیاء OSM در آخرین مهر زمانی نهایی تکیه دارد. مرحله فرآیند نقشه برداری (یعنی مهر زمانی در پایان مرحله 2). ما “حس واقعی” کامل بودن در هر مهر زمانی را در طول فرآیند نقشه برداری برای هفت محله فقیر نشین در چندین کشور، در سراسر آفریقا و آسیا، با کاوش در چهار تعریف جدید کامل بودن نشان داده شده در معادلات (1) – (4) (معادلات (2) و (4) برای تجزیه و تحلیل حساسیت به منظور ارائه اطلاعات اضافی استفاده می شود؛ ما انتظار داریم نتیجه مشابهی در این مطالعه داشته باشیم). این تعاریف امکان به دست آوردن کامل بودن ساختمان ها و مسیرها را در هر زمان در طول فرآیند نقشه برداری به صورت گذشته نگر فراهم می کند. مرحله نهایی در معادلات به پایان مرحله 2 (کار میدانی) اشاره دارد. طبق دانش ما، این اولین بار است که ساختمان و کامل بودن مسیر در سطح سکونتگاه های زاغه نشین شهری در چندین کشور و با چنین جزئیاتی به طور همزمان مورد مطالعه قرار گرفته است.

سیبج_ک = بجکبجf

(1)

جایی که سیبج_ککامل بودن تعداد ساختمان در مهر زمانی k است. بجکتعداد کل ساختمان‌ها در مهر زمانی k بود که در مرحله نهایی (یعنی پایان کار میدانی) نیز حضور داشتند و هرگز بین مهر زمانی k و مرحله نهایی ویرایش نشدند. و بجfتعداد کل ساختمان ها در مرحله نهایی بود.

سیبآ_ک = بآکبآf

(2)

جایی که سیبآ_ککامل بودن مساحت ساختمان در مهر زمانی k است. بآکمساحت کل ساختمان هایی در مهر زمانی k بود که در مرحله نهایی (یعنی پایان کار میدانی) نیز وجود داشتند و هرگز بین مهر زمانی k و مرحله نهایی ویرایش نشدند. و بآfمساحت کل ساختمان ها در مرحله نهایی بود.

سیrج_ک = آرجکآرجf

(3)

جایی که سیrج_ککامل بودن تعداد جاده در مُهر زمانی k است. آرجکتعداد کل جاده‌هایی در مهر زمانی k بود که در مرحله نهایی (یعنی پایان کار میدانی) نیز وجود داشتند و هرگز بین مهر زمانی k و مرحله نهایی ویرایش نشدند. و آرجfتعداد کل جاده ها در مرحله نهایی است.

سیrل_ک = آرلکآرلf

(4)

جایی که سیrل_ککامل بودن طول جاده در مُهر زمانی k است. آرلکطول کل جاده ها در مهر زمانی k بود که در مرحله نهایی (یعنی پایان کار میدانی) نیز وجود داشتند و هرگز بین مهر زمانی k و مرحله نهایی ویرایش نشدند. و آرلfطول کل جاده ها در مرحله نهایی بود.

این چهار تعریف از کامل بودن، یا نسبت کامل بودن، تا حدی با تعریف کامل ارائه شده توسط گروچنگ و همکاران مطابقت دارند. [ 12 ] که پیشنهاد کرد که « اندازه کامل بودن مجموعه داده جغرافیایی D، که در آن D با منطقه جغرافیایی R [منطقه زاغه‌نشینی] و برای هدف P [نقشه‌برداری سلامت زاغه‌ها] تعریف می‌شود، به درجه مطابقت بین وجود اشیا و ویژگی ها در دنیای واقعی و وجود ویژگی های نشان دهنده آنها در مجموعه داده D. استفاده از این معادلات بر اساس سه معیار (تعداد کل، طول و مساحت) به تخمین تفاوت‌های کامل اجازه می‌دهد تا نتایج را در زمینه بهتری قرار دهد. مراحل مختلف نقشه برداری در شکل 1 و جدول A1 تعریف شده است(به پیوست A مراجعه کنید ). کامل بودن برآورد شده با استفاده از جداول و نمودارهای آماری توصیفی ارائه شده است. درک رشد عناصر OSM این پتانسیل را دارد که به عنوان پایه ای برای ارزیابی کیفیت داده ها عمل کند [ 12 , 46 ]]. با استفاده از داده‌های حاصل از تجزیه و تحلیل کامل، رشد کامل (CG) یک مرحله را محاسبه می‌کنیم که به‌عنوان تفاوت یا شکاف در برآورد کامل تعریف می‌شود که از تفریق تخمین‌های شروع از تخمین‌های پایانی بین مراحل به صورت درصد بیان می‌شود. معادله 5 را ببینید). علاوه بر این، تعداد نقشه‌برداران در هر مرحله همراه با تخمین‌های رشد کامل برای محاسبه رشد کامل در هر نگاشت در هر مرحله استفاده می‌شود (معادله 6 را ببینید). این اطلاعات برای مقایسه تراکم (یعنی تعداد عناصر در کیلومتر مربع) عناصر OSM در سراسر سایت ها استفاده می شود. اندازه‌گیری کامل بودن OSM یکی از مهم‌ترین مؤلفه‌های کیفیت و مرتبط با مطالعه ما است و طبق ISO، اندازه‌گیری کامل بودن نشان‌دهنده وجود یا عدم وجود ویژگی‌های دنیای واقعی در پایگاه داده است.47 ]. وجود یا عدم وجود ویژگی‌های دنیای واقعی در زاغه‌ها در مراحل مختلف فرآیند نقشه‌برداری مشارکتی، چیزی است که ما در این مطالعه بدون در نظر گرفتن ویژگی‌هایی فراتر از برچسب‌های اولیه ساختمان و بزرگراه مورد استفاده برای شناسایی ساختمان‌ها و مسیرها (مانند سرعت در مسیرها [ 24 ]).

سیgه_س = (سیه_ستیآgه_هnد-سیه_ستیآgه_ستیآrتی)*100

(5)

جایی که سیgه_سرشد کامل عنصر OSM E (یعنی ساختمان یا مسیر) در مرحله S به صورت درصد است، سیه_ستیآgه_هnدکامل بودن E در انتهای S است و سیه_ستیآgه_ستیآrتیکامل بودن E در شروع S است.

سیgه_متر_س = سیgه_سمس

(6)

جایی که سیgه_متر_سرشد کامل عنصر OSM E در هر نگاشت در مرحله S به صورت درصد است. سیgه_سرشد کامل عنصر OSM E در مرحله S به صورت درصد است و مستعداد کل نقشه‌برداران فعال در مرحله S است.

4. نتایج

4.1. کامل بودن ساختمان ها و مسیرها

شکل 5کامل بودن ساختمان ها را در طی مراحل نقشه برداری در هر هفت محله فقیر نشان می دهد. نتایج شواهد تجربی حاکی از امکان دستیابی به 84٪ کامل بودن ساختمان در طول نقشه برداری از راه دور برخی از زاغه ها را ارائه می دهد. در این مورد، برای محله های فقیر نشین در آسیا، سایت کراچی و سایت داکا، هیچ ساختمان کاملی به دست نیامد، به این معنی که هیچ یک از ساختمان های نقشه برداری از راه دور در نقشه به روز شده پس از کار میدانی استفاده نشد (یا همه آنها باید اصلاح می شدند). در زمان نقشه برداری از راه دور، سایت کراچی با معماری پیچیده پشت بام مشخص می شد، که تفسیر تصاویر ماهواره ای و ردپای دیجیتالی ساختمان را برای نقشه برداران دشوار می کرد. سقف ها عمدتاً بتنی و از سازه های کوچک دیگری تشکیل شده بودند. این بدان معناست که تقریباً تمام ساختمان ها باید در مرحله 2 (کار میدانی) ویرایش می شدند. سایت داکا “افراطی” داشت تراکم ساختمان، که به این معنی است که ساختمان ها به یکدیگر نزدیک هستند و مانع از تفسیر تصاویر ماهواره ای و دیجیتالی شدن ردپای ساختمان می شود. به جز سایت کراچی، محله‌های فقیرنشین عمدتاً دارای ورق‌های سقف و تفسیر ردپای ساختمان نسبتاً مشخصی بودند که در آن سایت داکا بدترین حالت بود. سایت عبادان 2، بدون تعجب، در طول نقشه برداری از راه دور به بالاترین کاملیت دست یافت، به دلیل طرح واضح آن که به طور قابل ملاحظه ای نسبت به طرح اسکان مجدد آن در چند دهه گذشته تغییر نکرده بود. به طور کلی، در طول نقشه برداری از راه دور، سایت های ابادان 2 و 1 به ترتیب 84% و 59% به بالاترین کامل بودن دست یافتند. در مورد دو محله فقیر نشین در آسیا، نقشه برداری مرحله 2 برای دستیابی به کاملیت 100٪ ضروری بود همانطور که در نشان داده شده است. ممانعت از تفسیر تصاویر ماهواره ای و دیجیتالی کردن ردپای ساختمان. به جز سایت کراچی، محله‌های فقیرنشین عمدتاً دارای ورق‌های سقف و تفسیر ردپای ساختمان نسبتاً مشخصی بودند که در آن سایت داکا بدترین حالت بود. سایت عبادان 2، بدون تعجب، در طول نقشه برداری از راه دور به بالاترین کاملیت دست یافت، به دلیل طرح واضح آن که به طور قابل ملاحظه ای نسبت به طرح اسکان مجدد آن در چند دهه گذشته تغییر نکرده بود. به طور کلی، در طول نقشه برداری از راه دور، سایت های ابادان 2 و 1 به ترتیب 84% و 59% به بالاترین کامل بودن دست یافتند. در مورد دو محله فقیر نشین در آسیا، نقشه برداری مرحله 2 برای دستیابی به کاملیت 100٪ ضروری بود همانطور که در نشان داده شده است. ممانعت از تفسیر تصاویر ماهواره ای و دیجیتالی کردن ردپای ساختمان. به جز سایت کراچی، محله‌های فقیرنشین عمدتاً دارای ورق‌های سقف و تفسیر ردپای ساختمان نسبتاً مشخصی بودند که در آن سایت داکا بدترین حالت بود. سایت عبادان 2، بدون تعجب، در طول نقشه برداری از راه دور به بالاترین کاملیت دست یافت، به دلیل طرح واضح آن که به طور قابل ملاحظه ای نسبت به طرح اسکان مجدد آن در چند دهه گذشته تغییر نکرده بود. به طور کلی، در طول نقشه برداری از راه دور، سایت های ابادان 2 و 1 به ترتیب 84% و 59% به بالاترین کامل بودن دست یافتند. در مورد دو محله فقیر نشین در آسیا، نقشه برداری مرحله 2 برای دستیابی به کاملیت 100٪ ضروری بود همانطور که در نشان داده شده است. محله‌های فقیرنشین عمدتاً ورق‌های سقف و تفسیر ردپای ساختمان نسبتاً مشخص داشتند که در آن سایت داکا بدترین حالت بود. سایت عبادان 2، بدون تعجب، در طول نقشه برداری از راه دور به بالاترین کاملیت دست یافت، به دلیل طرح واضح آن که به طور قابل ملاحظه ای نسبت به طرح اسکان مجدد آن در چند دهه گذشته تغییر نکرده بود. به طور کلی، در طول نقشه برداری از راه دور، سایت های ابادان 2 و 1 به ترتیب 84% و 59% به بالاترین کامل بودن دست یافتند. در مورد دو محله فقیر نشین در آسیا، نقشه برداری مرحله 2 برای دستیابی به کاملیت 100٪ ضروری بود همانطور که در نشان داده شده است. محله‌های فقیرنشین عمدتاً ورق‌های سقف و تفسیر ردپای ساختمان نسبتاً مشخص داشتند که در آن سایت داکا بدترین حالت بود. سایت عبادان 2، بدون تعجب، در طول نقشه برداری از راه دور به بالاترین کاملیت دست یافت، به دلیل طرح واضح آن که به طور قابل ملاحظه ای نسبت به طرح اسکان مجدد آن در چند دهه گذشته تغییر نکرده بود. به طور کلی، در طول نقشه برداری از راه دور، سایت های ابادان 2 و 1 به ترتیب 84% و 59% به بالاترین کامل بودن دست یافتند. در مورد دو محله فقیر نشین در آسیا، نقشه برداری مرحله 2 برای دستیابی به کاملیت 100٪ ضروری بود همانطور که در نشان داده شده است. سایت های ابادان 2 و 1 به ترتیب با 84% و 59% بیشترین کامل بودن را کسب کردند. در مورد دو محله فقیر نشین در آسیا، نقشه برداری مرحله 2 برای دستیابی به کاملیت 100٪ ضروری بود همانطور که در نشان داده شده است. سایت های ابادان 2 و 1 به ترتیب با 84% و 59% بیشترین کامل بودن را کسب کردند. در مورد دو محله فقیر نشین در آسیا، نقشه برداری مرحله 2 برای دستیابی به کاملیت 100٪ ضروری بود همانطور که در نشان داده شده است.شکل 5 ب.

شکل 6 کامل بودن مسیرها را در طی مراحل نقشه برداری در هر هفت محله فقیر نشان می دهد. نتایج شواهد تجربی حاکی از امکان دستیابی به 73٪ کامل بودن مسیر در طول نقشه برداری از راه دور زاغه ها را ارائه می دهد. نمودارهایی که نحوه مقایسه کامل تعداد مسیر با کامل طول مسیر را نشان می دهد در پیوست A ارائه شده است (یعنی شکل A1 ، شکل A2 ، شکل A3 ، شکل A4 ، شکل A5 ، شکل A6 و شکل A7 ). علاوه بر این، نمودارهایی که نشان می دهد چگونه کامل بودن تعداد ساختمان با کامل بودن مساحت ساختمان مقایسه می شود در پیوست A ارائه شده است.با استفاده از همان شکل هایی که تعداد مسیر در مقابل مقایسه طول را نشان می دهد. بخش بعدی رشد کاملی به ازای هر نقشه‌بردار را در هر مرحله نقشه‌برداری نشان می‌دهد که نتایج نابرابری در رشد کامل را با استفاده از هر چهار تعریف کاملی که در بخش 3.4 بیان شده است نشان می‌دهد .

شکل 7 نمونه نقشه های کامل بودن سایت 2 عبادان را نشان می دهد که بالاترین کامل بودن ساختمان و مسیر را به دست آورده است. شکل 7 الف نشان می دهد که قبل از نقشه برداری از راه دور (مرحله 1) در این مطالعه، سطح کاملی برای ساختمان ها و مسیرها وجود داشت، اگرچه در سطح مطلوب مورد نیاز برای هر کار جدی یا تصمیم گیری نبود. یک نقشه کامل نمونه متضاد دیگر در شکل 8 با استفاده از سایت کراچی نشان داده شده است که در مرحله 1 به کامل بودن ساختمان نزدیک به صفر رسید.

4.2. رشد کامل به ازای هر نقشه‌بردار در هر مرحله نقشه‌برداری

ما از تعداد نقشه‌برداران در هر مرحله نشان‌داده‌شده در جدول 2 همراه با تخمین‌های رشد کامل در جدول 3 برای محاسبه رشد کامل در هر نگاشت در هر مرحله در جدول 4 استفاده کردیم.. فقط نقشه‌بردارانی که در طول یک مرحله ویرایش کرده‌اند شمارش شده و برای محاسبه استفاده می‌شوند. ساکنان زاغه پس از آموزش قبلی توسط تیم پروژه، مکان های نایروبی را نقشه برداری کردند. نقشه‌برداران با تجربه OSM نقشه‌برداری از سایت داکا را تهیه کردند. این نقشه‌برداران قبلاً از ابزارهای OSM برای به‌روزرسانی پایگاه داده برای مناطق دیگر قبل از نقشه‌برداری از راه دور به عنوان بخشی از مطالعه ما استفاده می‌کردند. ترکیبی از نقشه‌برداران محلی و دوردست از جمله برخی از ساکنان محله‌های فقیر نشین نقشه‌برداری از سایت کراچی را ترسیم کردند. دانشجویان تحصیلات تکمیلی بیشتر مناطق فقیر نشین نیجریه را نقشه برداری می کردند. همه نقشه‌برداران بی‌تجربه که در معرض تکنیک‌های نقشه‌برداری OSM قرار نگرفته‌اند، قبل از نقشه‌برداری از راه دور آموزش دیده‌اند.

سایت عبادان 2، با کمترین تراکم ساختمانی 1706 ساختمان در کیلومتر مربع، در طول نقشه برداری از راه دور (مرحله 1) به حداکثر رشد کامل ساختمان 66 درصد دست یافت. برعکس، سایت داکا که دارای بالاترین تراکم ساختمانی 22407 ساختمان در هر کیلومتر مربع است، در طول نقشه برداری از راه دور (مرحله 1) به رشد کامل ساختمان صفر دست یافت. این روند همچنین برای سهم رشد کامل به ازای هر نقشه‌بر در مرحله 1 اعمال می‌شود. سهم رشد کاملی ساختمان به ازای هر نقشه‌بر در سایت ابادان 2 در طول نقشه‌برداری از راه دور (مرحله 1) نزدیک به 4% (حداکثر) و در مورد سایت داکا صفر بود. رشد کامل ساختمان در هر نقشه‌بردار در طول نقشه‌برداری از راه دور برای هر دو زاغه در آسیا صفر درصد بود. این نتایج نشان می‌دهد که عوامل زمینه‌ای وجود دارد که بر میزانی که نقشه‌برداران می‌توانند به رشد کامل کمک کنند، تأثیر می‌گذارند. تفاوت‌ها در مناطق مورد مطالعه تا حدی به دلیل درجه پیچیدگی ویژگی‌های مورفولوژیکی (یعنی تراکم ساختمان) و ناتوانی در تفسیر صحیح ردپای ساختمان به دلیل معماری پیچیده پشت بام بود، اما ممکن است عوامل زمینه‌ای دیگری وجود داشته باشد که نیاز به کاوش بیشتر در مطالعات آینده کار بیشتر برای بررسی عوامل موثر بر ماهیت ناهمگن برآوردهای رشد کامل در سراسر سایت ها مورد نیاز است. همانطور که در یک مطالعه اخیر اشاره شد [ کار بیشتر برای بررسی عوامل موثر بر ماهیت ناهمگن برآوردهای رشد کامل در سراسر سایت ها مورد نیاز است. همانطور که در یک مطالعه اخیر اشاره شد [ کار بیشتر برای بررسی عوامل موثر بر ماهیت ناهمگن برآوردهای رشد کامل در سراسر سایت ها مورد نیاز است. همانطور که در یک مطالعه اخیر اشاره شد [14 ]، با توجه به تنوع احتمالی در تراکم ساختمان در مناطق شهری، نیاز به توسعه روشی برای ایجاد رابطه ریاضی بین تراکم ساختمان OSM و کامل بودن ساختمان OSM وجود دارد.

مطالعه اخیر [ 14 ] در مناطق غیر زاغه نشان داده است که امکان دستیابی به حدود 69٪ رابطه خطی بین کامل بودن ساختمان و تراکم ساختمان بر اساس رویکرد بیرونی وجود دارد. هیچ توجهی به رشد کامل ساختمان و تعداد نقشه‌برداران داده نشد. شکل 9 a رابطه خطی بهتری را بین رشد کامل تعداد ساختمان در هر نقشه‌بر در طول نقشه‌برداری از راه دور (مرحله 1) و تراکم ساختمان با دو نقطه پرت (سایت داکا و سایت کراچی)، در مقایسه با شکل 9 ب نشان می‌دهد. همین روند از نظر کامل بودن مساحت ساختمان محقق شد. نتایج در جدول 3 , جدول 4 , شکل 9 و شکل 10) نشان می دهد که نباید هیچ انتظاری از سهم هیچ نقشه کشی در ساخت کامل در مرحله نقشه برداری از راه دور در شرایط مورفولوژیکی «بسیار پیچیده» (به عنوان مثال، دو نقطه پرت) وجود داشته باشد و عوامل توضیحی دیگری وجود دارد که تحقیقات آتی برای درک این تمایز نیاز به بررسی دارند. در سراسر مراحل مربوط به رابطه چگالی در مقابل کامل بودن-رشد. دانش جدید “میدان” به دست آمده و استفاده شده در طول نقشه برداری میدانی ممکن است بر تمایز در مراحل مختلف تأثیر بگذارد. به عنوان مثال، در رابطه با تراکم ساختمان در مقابل رابطه کامل و رشد ساختمان، دو شرایط “افراطی” شناسایی شده (یعنی دو حالت پرت؛ معماری پیچیده پشت بام و تراکم بالا) در مرحله 2 تاثیر کمتری دارند. همانطور که در جدول 2 نشان داده شده است.، تعداد کل نقشه‌برها در مراحل مختلف در همه سایت‌ها متفاوت است و تفاوت در تجربه نقشه‌برداران جمع‌آوری‌شده در طول نقشه‌برداری ممکن است متفاوت باشد که به نوبه خود ممکن است بر رفتار کامل بودن-رشد ساختمان‌ها و مسیرها تأثیر بگذارد (کار آینده باید به این موضوع توجه کند). تجزیه و تحلیل اضافی افزایش در رابطه خطی بین تراکم ساختمان و رشد کامل ساختمان بدون در نظر گرفتن تعداد نقشه کش ها را نشان داد ( شکل 10 ). همین مورد برای مسیرها یافت نشد و کارهای آینده باید این تفاوت ها را بیشتر بررسی کند. علاوه بر این، رابطه بین رشد کامل تعداد مسیر در هر نقشه‌بر و چگالی مسیر در هر دو مرحله روند خطی را نشان نمی‌دهد ( شکل 11).). با این حال، توجه به این نکته حائز اهمیت است که با توجه به اینکه حجم نمونه (تعداد نقاط داده) برای تولید شکل 9 ، شکل 10 و شکل 11 کوچک است، این روابط توصیف شده تنها نشان دهنده هستند و ما ادعا نمی کنیم که رابطه بین متغیرها وجود دارد. از نظر آماری معنی دار است (که باید در کارهای آینده بررسی شود).

5. بحث و نتیجه گیری

این مطالعه برای اولین بار شواهد تجربی در مورد کامل بودن داده ها در مورد ساختمان ها و مسیرهای هفت محله فقیر نشین مختلف در چهار کشور در سراسر آفریقا و آسیا در مراحل مختلف یک فرآیند نقشه برداری مشارکتی سیستماتیک مبتنی بر OSM ارائه کرده است. سؤال تحقیق زیر مورد بررسی قرار گرفت: کیفیت داده‌های مکانی نقشه‌برداری از راه دور مشترک که توسط نقشه‌برداران داوطلب در مناطق شهری از نظر مورفولوژیکی پیچیده به دست می‌آید چیست؟ در پرداختن به این سوال، ما بر روی میزان ممکن برای دستیابی به کامل بودن در طول نقشه برداری از راه دور زاغه ها بر اساس داده های میدانی تمرکز کردیم. رشد کامل در طول نقشه برداری از راه دور (و میدانی) زاغه ها. و سهم رشد کامل به ازای هر نقشه‌بردار در طول نقشه‌برداری از راه دور و کار میدانی در حالی که دیدگاه بیشتری در مورد نحوه ارتباط آنها با تراکم ساختمان‌ها و مسیرها ارائه می‌دهد.

5.1. نقشه برداری از راه دور مشارکتی و کیفیت داده های مکانی

نتایج ارائه‌شده در این مطالعه می‌تواند بینش‌هایی در مورد اینکه چقدر کار میدانی در چه نوع پیچیدگی و تا چه حد مشارکت داوطلبان محلی در این تلاش‌ها مورد نیاز است، ارائه دهد. سهم علمی عمده این مطالعه بر روی کیفیت داده های مکانی داده های نقشه برداری از راه دور از طریق تلاش های نقشه برداری داوطلبانه در مناطق پیچیده مورفولوژیکی است. این مطالعه درک ما را از بعد کیفیت داده‌های مکانی در همکاری‌های نقشه‌برداری از راه دور بشردوستانه ارتقا می‌دهد و پایه‌ای برای بهبود و استفاده از OSM در مطالعات بین‌رشته‌ای آینده در سلامت و سایر زمینه‌ها فراهم می‌کند. پروژه های نقشه برداری مشترک مبتنی بر OSM بشردوستانه منحصراً بر اساس تصاویر دیجیتالی از مناطق نقشه برداری شده است، اما این نوع نقشه برداری از راه دور ممکن است کیفیت داده نامشخصی ایجاد کند [ 11 ]]، از آنجایی که نقشه‌برداران ممکن است دانش ضمنی در زمینه بافت مکانی محلی نداشته باشند. ظهور نقشه‌های دیجیتال جمع‌سپاری چند مقیاسی برای کمک به اطلاع‌رسانی برنامه‌ریزی شهری عادلانه وجود دارد که در آن دانش محلی برای تصمیم‌گیری حیاتی بسیار مهم است [ 48 ]]. در این مطالعه نشان داده شده است که حتی با دانش بومی تیم های نقشه برداری محلی، کیفیت داده ها در مراحل نقشه برداری از راه دور هنوز صد در صد قابل دستیابی نیست. این یافته سوالات بیشتری را مطرح می کند، مانند اینکه تا چه حد می توان به داده های حاصل از نقشه برداری از راه دور اعتماد کرد. در برخی موارد، اعتماد به داده های تولید شده از نقشه برداری از راه دور غیرممکن است، مانند مناطقی با معماری پیچیده پشت بام (به عنوان مثال، سایت کراچی) و تراکم ساختمانی بسیار زیاد (به عنوان مثال، سایت داکا). تأثیر معماری و تراکم پشت بام در این مطالعه مطابق با مطالعات دیگر است که نشان می‌دهد ویژگی‌های سقف (به عنوان مثال، سطوح و تراکم) می‌توانند هنگام نقشه‌برداری ویژگی‌های مورفولوژیکی پیچیده که مطالعات سیستماتیک در نقشه‌برداری زاغه‌ها تشویق می‌شوند، مشکل ایجاد کنند [ 3 ]]. یافته‌های این مطالعه نشان می‌دهد که می‌توان در طول نقشه‌برداری از راه دور زاغه‌ها برای ساختمان‌ها (تا ۸۵ درصد) و مسیرها (تا ۷۳ درصد) برای مکان‌هایی با مورفولوژی که منظم‌تر با تراکم ساختمانی کمتر هستند، به کاملیت رسید. سهم در کیفیت داده‌های مکانی به ازای هر نقشه‌بردار به‌طور قابل‌توجهی در بین سایت‌ها متفاوت بود، به حداکثر 6٪ در مرحله نقشه برداری از راه دور و حداکثر 10٪ در مرحله کار میدانی. این یافته در زمینه نقشه برداری از راه دور بشردوستانه از مناطق شهری از نظر مورفولوژیکی پیچیده، مانند محیط های زاغه نشین، که در آن کامل بودن نقشه تولید شده به طور کلی ناشناخته است، مرتبط است. بنابراین، این مطالعه ممکن است به عنوان راهنمایی برای تحقیقات آینده در مورد سهم مورد انتظار نقشه‌برداران فردی مورد استفاده قرار گیرد.

5.2. درس های آموخته شده از فرآیند نقشه برداری

این مطالعه از یک رویکرد نقشه‌برداری سیستماتیک مبتنی بر OSM برای تولید، مدیریت و تجزیه و تحلیل اطلاعات جغرافیایی داوطلبانه (VGI) در جوامع شهری بر اساس ترکیبی از دیجیتالی‌سازی تصاویر ماهواره‌ای مشترک و نقشه‌برداری مشارکتی استفاده کرد که بر فناوری‌های منبع باز مکانی و مکانی تکیه دارد. پلت فرم نقشه برداری مشترک OSM. یافته‌ها در مراحل 1 و 2 نشان می‌دهند که روش ما نتایج کاملی امیدوارکننده‌ای را ایجاد کرد: به ویژه نشان دادن ماهیت ناهمگن رشد کامل در طول نقشه‌برداری از راه دور. فرآیند نقشه‌برداری مشارکتی با توجه به اینکه گردش کار نقشه‌برداری و فناوری‌های منبع باز یکسان در تمام سایت‌های مطالعه با تیم‌های نقشه‌برداری مختلف استفاده شده است، قابل تکرار است. با این حال، این فرآیند همچنان به تخصص فنی نیاز دارد و کار آینده باید بر بهینه سازی ادغام ابزارهای مورد استفاده برای تسهیل اجرای آن برای تحقیقات نظرسنجی متمرکز شود. توجه به این نکته مهم است که هدف کلی رویکرد نقشه‌برداری که ما طراحی و اجرا کردیم، تولید یک چارچوب نمونه‌گیری داده‌های مکانی با کیفیت بالا برای بررسی سلامت و تحقیق در محله‌های فقیر نشین بود. برخی از درس های آموخته شده به شرح زیر است.

آموزش دقیق نقشه‌برداران داوطلب در مورد ابزارهای نقشه‌برداری برای موفقیت در اجرای نقشه‌برداری مبتنی بر OSM برای بررسی‌ها و تحقیقات سلامت زاغه‌ها ضروری است. استفاده از دستگاه های قابل حمل سیستم موقعیت یاب جهانی (GPS) به تنهایی در سطح خانواده در طول نقشه برداری میدانی کار نمی کند. در این مطالعه، عملکرد موقعیت مکانی GPS در تبلت به عنوان یک راهنما همراه با FieldPapers برای جهت یابی و شناسایی ساختار واقعی ساختمان از پیش بارگذاری شده در تبلت به عنوان کاشی استفاده شد. استفاده از FieldPapers نقش کلیدی در جمع آوری و پاکسازی داده ها داشت. FieldPapers به عنوان مرجعی برای حل هرگونه اختلاف در شناسایی ساختمان عمل می کرد. استفاده از فناوری FieldPapers نیاز به برنامه‌ریزی دقیق دارد، اما تضمین می‌کند که ساختمان‌ها به درستی شناسایی و کدگذاری شده‌اند و همچنین به درستی اسکن شده‌اند تا آپلود و پیوند دادن به ویرایشگرهای OSM برای ترکیب آسان‌تر شود. در این مطالعه از یک کد 13 رقمی برای اطمینان از کدهای ساختاری منحصر به فرد استفاده شد. مسیرها به راحتی قابل تفسیر هستند، در زمینه مفید هستند و همیشه باید در طول نقشه برداری از راه دور برای تسهیل کار میدانی نقشه برداری شوند. در مواردی که تفسیر تصاویر ماهواره ای در طول نقشه برداری از راه دور دشوار است (مرحله 1)، بهتر است سعی نکنید تک تک ساختمان ها را نقشه برداری کنید، بلکه روی بناهای تاریخی معروف (مثلا کلیساها، مساجد، و ایستگاه های پلیس) برای جهت یابی تمرکز کنید. نقشه برداری مسیرها نقشه برداری آنلاین شبکه های جاده ای و بناهای تاریخی شناخته شده برای جهت یابی در این زمینه بسیار مفید بود. معماری سقف سازه‌های ساختمانی می‌تواند مشکلاتی را در طول نقشه‌برداری ایجاد کند، و ضروری است که در مورد تفسیرپذیری آن‌ها قبل از راه‌اندازی برای نقشه‌برداری از راه دور در Tasking Manager توافق نظر حاصل شود. نکته مهم دیگر امنیت نقشه‌برداران در این زمینه است. این می تواند با کار با ساکنان محله های فقیر نشین و رهبران جامعه بهبود یابد. اگرچه کمتر پیش‌بینی نمی‌شود که نقشه‌برداران با تجربه OSM در مناطق شهری توسعه‌یافته بتوانند داده‌های با کیفیت بالا تولید کنند.49 ]، مشاهدات ما از فرآیند نقشه برداری (و همچنین نتایج حاصل از تجزیه و تحلیل کمی در این مطالعه) نشان می دهد که نقشه برداران OSM بی تجربه اما آموزش دیده در محله های فقیر نشین نیز می توانند داده های با کیفیت بالا تولید کنند.

5.3. محدودیت های مطالعه و کار آینده

این مطالعه به دلیل دامنه محدود است، که در مورد محله های فقیر نشین است. احتمالاً تعداد زیادی از فناوری‌های منبع باز بالقوه دیگر وجود دارد که می‌توانستند به طور گسترده آزمایش و استفاده شوند. آشنایی با فناوری ها بر طراحی و انتخاب ها تأثیر گذاشت. کار آینده باید بررسی کند که چگونه نقشه‌برداران (به ویژه ساکنان زاغه‌نشین) چنین فرآیندهای نقشه‌برداری، پروفایل‌های اجتماعی جمعیت‌شناختی نقشه‌برداران را درک می‌کنند و دقت را برای تعمیق درک ما از نقشه‌برداری زاغه‌ها برای تحقیقات بهداشتی نسبت می‌دهند. تحقیقات آینده باید به روش‌هایی برای تعریف خودکار مراحل مختلف نقشه‌برداری مشارکتی با استفاده از پلتفرم‌های نقشه‌برداری آنلاین نگاه کند تا مبنایی برای انجام یک مطالعه سیستماتیک مقایسه‌ای کیفیت داده‌ها در مناطق مختلف جغرافیایی فراهم کند. بررسی اولیه می تواند استفاده از دوره نقشه برداری از راه دور در HOT Tasking Manager به عنوان مرحله 1 و بررسی مجموعه تغییرات OSM برای شناسایی اعلانات منبع داده و تعیین بازه زمانی مرحله 2 باشد. چنین تلاشی مستلزم یک رویکرد دقیق و سیستماتیک در سراسر مراحل نقشه برداری برای اطمینان از شناسایی صریح اشیاء و اعتبارسنجی آنها است. اگرچه این مطالعه تا حدی به کیفیت زمانی کمک کرد (عنصر کیفیت دیگری که به اعتبار تغییرات در پایگاه داده در رابطه با تغییرات دنیای واقعی و همچنین میزان به‌روزرسانی‌ها می‌پردازد.22 ) بر اساس برآوردهای رشد کامل، کار آینده می تواند میزان واقعی تغییرات (مثلاً حذف) و نحوه انعکاس آنها در فضا را بررسی کند. امکان دیگر برای مطالعات آتی، کشف عناصر کیفی باقیمانده با در نظر گرفتن تکامل آنها در دو مرحله است. دیگر تحقیقات نوظهور استفاده از نقشه برداری مشارکتی و روش های خودکار (به عنوان مثال، یادگیری ماشین) برای تشخیص ساختار و تخمین جمعیت در مناطق زاغه نشین است. توجه به این نکته مهم است که رویکرد نقشه برداری مشارکتی مورد استفاده در این مطالعه بخشی از بسیاری از رویکردها برای نقشه برداری زاغه است که باید به طور ایده آل به سمت یک سیستم نقشه برداری منطقه محروم یکپارچه “زاغه” در جنوب جهانی ترکیب شود [ 2 ]]. علاوه بر این، ما کار فعلی را به عنوان گامی برای بهبود گردش کار مبتنی بر OSM و ابزارهای نقشه برداری در حمایت از یک چارچوب روش شناختی برای نقشه برداری جغرافیایی سلامت و رفاه در مناطق فقیر شهری می بینیم. چنین بهبودی می تواند همکاری موثر و بالقوه آینده با شرکای محلی، جامعه OSM و سایر محققان برای تولید، استفاده و تجزیه و تحلیل داده ها را تسهیل کند.

اختصارات

در این نسخه از اختصارات زیر استفاده شده است:

OSM	OpenStreetMap
VGI	اطلاعات جغرافیایی داوطلبانه
جی پی اس	سیستم موقعیت یاب جهانی
ISO	سازمان بین المللی استاندارد سازی
NIHR	موسسه ملی تحقیقات سلامت
QGIS	سیستم اطلاعات جغرافیایی کوانتومی
CBD	منطقه تجاری مرکزی
ODK	باز کردن کیت داده
OMK	کیت نقشه را باز کنید
داغ	تیم بشردوستانه OpenStreetMap
TM	مدیر وظایف

شکل A1. کامل بودن ساختمان ها و مسیرها در حین نقشه برداری در سایت کراچی.

شکل A2. کامل بودن ساختمان ها و مسیرها در حین نقشه برداری در سایت عبادان 2.

شکل A3. کامل بودن ساختمان ها و مسیرها در حین نقشه برداری در سایت عبادان 1.

شکل A4. کامل بودن ساختمان ها و مسیرها در حین نقشه برداری در سایت لاگوس.

شکل A5. کامل بودن ساختمان ها و مسیرها در حین نقشه برداری در سایت داکا.

شکل A6. کامل بودن ساختمان ها و مسیرها در حین نقشه برداری در سایت نایروبی 2.

شکل A7. کامل بودن ساختمان ها و مسیرها در حین نقشه برداری در سایت نایروبی 1.

منابع

UN-Habitat. UNHABITAT Habitat III Issue Papers-22: Informal Settlements ; UN-Habitat: نیویورک، نیویورک، ایالات متحده آمریکا، 2015. [ Google Scholar ]
تامسون، DR; کوفر، م. بو، جی. هاتی، بی. گریپا، تی. السی، اچ. لینارد، سی. مهابیر، ر. کیوبوتانگی، سی. ماویتی، جی. و همکاران نیاز به یک سیستم نقشه برداری یکپارچه “زاغه نشینی” مناطق محروم (IDEAMAPS) در کشورهای با درآمد کم و متوسط (LMIC). Soc. علمی 2020 ، 9 ، 80. [ Google Scholar ] [ CrossRef ]
کوفر، م. پففر، ک. Sliuzas, R. Slums from Space-15 سال نقشه برداری زاغه با استفاده از سنجش از دور. Remote Sens. 2016 , 8 , 455. [ Google Scholar ] [ CrossRef ][ نسخه سبز ]
ورم، م. Taubenböck، H. تشخیص گروه‌های اجتماعی از فضا – ارزیابی زاغه‌های مورفولوژیکی نقشه‌برداری‌شده مبتنی بر سنجش از دور با استفاده از داده‌های درآمد. سنسور از راه دور Lett. 2018 ، 9 ، 41-50. [ Google Scholar ] [ CrossRef ]
هاچمن، اس. جوکار ارسنجانی، ج. Vaz، E. داده های فضایی برای ارتقاء زاغه: اطلاعات جغرافیایی داوطلبانه و نقش علم شهروندی. Habitat Int. 2018 ، 72 ، 18-26. [ Google Scholar ] [ CrossRef ]
لیلفورد، آر. کیوبوتانگی، سی. ندوگوا، آر. سرتوری، جی. واتسون، SI; اسلیوزاس، آر. کوفر، م. هوفر، تی. آلبوکرک، JPd; Ezeh, A. چون فضا مهم است: چارچوب مفهومی برای کمک به تمایز زاغه از مناطق شهری غیر زاغه‌نشین. بی ام جی گلوب. Health 2019 , 4 , e001267. [ Google Scholar ] [ CrossRef ] [ PubMed ]
هرفورت، بی. لاتنباخ، اس. پورتو دو آلبوکرک، جی. اندرسون، جی. Zipf، A. تکامل نقشه برداری بشردوستانه در جامعه OpenStreetMap. علمی Rep. 2021 , 11 , 3037. [ Google Scholar ] [ CrossRef ]
نقشه‌های گم شده در دسترس آنلاین: https://www.missingmaps.org/ (در 13 ژوئیه 2020 قابل دسترسی است).
بارون، سی. نیس، پ. Zipf، A. چارچوبی جامع برای تحلیل کیفی نقشه خیابان باز ذاتی. ترانس. GIS 2014 ، 18 ، 877-895. [ Google Scholar ] [ CrossRef ]
سهرا، اس.اس. سینگ، جی. Rai، HS ارزیابی داده‌های نقشه خیابان باز با استفاده از شاخص‌های کیفیت ذاتی: افزونه‌ای برای جعبه ابزار پردازش QGIS. اینترنت آینده 2017 ، 9 ، 15. [ Google Scholar ] [ CrossRef ] [ نسخه سبز ]
ایکل، ام. Albequerque، JPd ارزیابی کیفیت نقشه برداری از راه دور در OpenStreetMap برای اهداف مدیریت بلایا. در مجموعه مقالات کنفرانس ISCRAM 2015-کریستیانسند، کریستیانسند، نروژ، 24 تا 27 مه 2015; پ. 9. [ Google Scholar ]
گروچنیگ، اس. بروناور، آر. Rehrl، K. برآورد کامل بودن مجموعه داده های VGI با تجزیه و تحلیل فعالیت های جامعه در طول دوره های زمانی. در اتصال اروپای دیجیتال از طریق مکان و مکان ؛ Huerta, J., Schade, S., Granell, C., Eds. انتشارات بین المللی Springer: چم، سوئیس، 2014; صص 3-18. شابک 978-3-319-03611-3. [ Google Scholar ]
بارینگتون-لی، سی. Millard-Ball، A. نقشه راه تولید شده توسط کاربر جهان بیش از 80٪ کامل شده است. PLoS ONE 2017 , 12 , e0180698. [ Google Scholar ] [ CrossRef ] [ PubMed ][ نسخه سبز ]
ژو، Q. بررسی رابطه بین تراکم و کامل بودن داده های ساختمان شهری در OpenStreetMap برای برآورد کیفیت. بین المللی جی. جئوگر. Inf. علمی 2018 ، 32 ، 257-281. [ Google Scholar ] [ CrossRef ]
هچت، ر. کونز، سی. Hahmann, S. اندازه گیری کامل بودن ردپای ساختمان در OpenStreetMap در مکان و زمان. ISPRS Int. J. Geo-Inf. 2013 ، 2 ، 1066-1091. [ Google Scholar ] [ CrossRef ]
مینگینی، ام. Frassinelli، F. OpenStreetMap History برای ارزیابی کیفیت ذاتی: آیا OSM به روز است؟ Geospat را باز کنید. نرم افزار داده ایستادن. 2019 ، 4 ، 9. [ Google Scholar ] [ CrossRef ] [ نسخه سبز ]
Girres, J.-F. Touya, G. ارزیابی کیفیت مجموعه داده های OpenStreetMap فرانسه. ترانس. GIS 2010 ، 14 ، 435-459. [ Google Scholar ] [ CrossRef ]
ژانگ، اچ. Malczewski، J. ارزیابی دقت شبکه‌های جاده‌ای نقشه خیابان باز کانادا. بین المللی J. Geospat. محیط زیست Res. 2018 ، 5 ، 1-16. [ Google Scholar ]
تورنروس، تی. دورن، اچ. هامن، اس. Zipf، A. عدم قطعیت اقدامات کامل در openstreetmap. مطالعه موردی برای ساختمان‌ها در یک شهر متوسط آلمانی در مجموعه مقالات ISPRS Annals of Photogrammetry, Remote Sensing and Spatial Information Sciences ; Copernicus GmbH: گوتینگن، آلمان؛ جلد II-3-W5، صص 353-357.
صورتجلسه جلسه هیئت مدیره OSMF 2012-11-03-OpenStreetMap Foundation. در دسترس آنلاین: https://wiki.osmfoundation.org/wiki/Board_Meeting_Minutes_2012-11-03 (دسترسی در 24 نوامبر 2020).
جیکوبز، سی. Zipf، A. کامل بودن داده های تنوع زیستی علوم شهروندی از دیدگاه داوطلبانه اطلاعات جغرافیایی. اطلاعات جغرافیایی فضایی علمی 2017 ، 20 ، 3-13. [ Google Scholar ] [ CrossRef ][ نسخه سبز ]
Haklay, M. اطلاعات جغرافیایی داوطلبانه چقدر خوب است؟ مطالعه تطبیقی OpenStreetMap و مجموعه داده های بررسی مهمات. محیط زیست برنامه B Plann. دس 2010 ، 37 ، 682-703. [ Google Scholar ] [ CrossRef ][ نسخه سبز ]
لیلفورد، واحد تحقیقات بهداشت جهانی RJ NIHR در مورد بهبود سلامت در محلات فقیر نشین. در دسترس آنلاین: https://warwick.ac.uk/fac/sci/med/about/centres/cahrd/slums (در 25 نوامبر 2020 قابل دسترسی است).
گوث، جی. وورستورن، اس. Keller, S. تخمین چند پارامتری میانگین سرعت در شبکه های جاده ای با استفاده از کنترل فازی. ISPRS Int. J. Geo-Inf. 2020 ، 9 ، 55. [ Google Scholar ] [ CrossRef ] [ نسخه سبز ]
گروچنیگ، اس. بروناور، آر. رهرل، ک. کندوکاو در تاریخچه مجموعه داده‌های VGI: نتایج یک مطالعه جهانی در مورد فعالیت نقشه‌برداری OpenStreetMap. J. Locat. سرویس مبتنی بر 2014 ، 8 ، 198-210. [ Google Scholar ] [ CrossRef ]
پلت فرم تجزیه و تحلیل داده های تاریخچه نقشه خیابان باز Oshome. در دسترس آنلاین: https://heigit.org/big-spatial-data-analytics-en/ohsome/ (در 8 ژوئیه 2020 قابل دسترسی است).
OSMstats. در دسترس آنلاین: https://osmstats.neis-one.org/ (در 8 ژوئیه 2020 قابل دسترسی است).
ابزار تحلیل OSM. در دسترس آنلاین: https://osm-analytics.org/#/ (در 8 ژوئیه 2020 قابل دسترسی است).
هاکلی، م. بسیوکا، اس. آنتونیو، وی. Ather، A. برای تهیه نقشه یک منطقه به چند داوطلب نیاز است؟ اعتبار قانون لینوس برای اطلاعات جغرافیایی داوطلبانه. کارتوگر. J. 2010 , 47 , 315-322. [ Google Scholar ] [ CrossRef ][ نسخه سبز ]
مونی، پی. Corcoran, P. ویژگی های اشیاء ویرایش شده به شدت در OpenStreetMap. اینترنت آینده 2012 ، 4 ، 285-305. [ Google Scholar ] [ CrossRef ][ نسخه سبز ]
نیس، پ. زیلسترا، دی. Zipf، A. تکامل شبکه خیابانی نقشه‌های جمع‌سپاری: نقشه خیابان باز در آلمان 2007–2011. اینترنت آینده 2012 ، 4 ، 1-21. [ Google Scholar ] [ CrossRef ][ نسخه سبز ]
پورعبدالله، A. OSM–GB: استفاده از ابزارهای مکانی منبع باز برای ایجاد خدمات وب OSM برای بریتانیای کبیر. OSGeo J. 2014 ، 13 ، 41-50. [ Google Scholar ]
بهبود سلامت در محله های فقیر نشین مشارکتی. پروتکلی برای بررسی خانوارهای چند سایتی با مرجع فضایی در تنظیمات زاغه: روش‌هایی برای دسترسی، ساخت قاب نمونه‌برداری، نمونه‌برداری و جمع‌آوری داده‌های میدانی. BMC Med. Res. روش. 2019 ، 19 ، 109. [ Google Scholar ] [ CrossRef ] [ PubMed ] [ نسخه سبز ]
پورتو دو آلبوکرک، جی. یبواح، جی. پیتیدیس، وی. اولبریچ، P. به سوی یک روش مشارکتی برای تولید داده های جامعه برای تجزیه و تحلیل نابرابری های بهداشت شهری: مطالعه موردی چند کشوری. در مجموعه مقالات پنجاه و دومین کنفرانس بین‌المللی هاوایی در علوم سیستمی، گراند ویلیا، HI، ایالات متحده آمریکا، 8 ژانویه 2019؛ پ. 10. [ Google Scholar ]
آلبوکرک، JPd; هرفورت، بی. Eckle, M. The Tasks of the Crowd: A Tipology of Tasks in Crowdsourcing اطلاعات جغرافیایی و مطالعه موردی در نقشه برداری بشردوستانه. Remote Sens. 2016 , 8 , 859. [ Google Scholar ] [ CrossRef ][ Green Version ]
HOT Tasking Manager. در دسترس آنلاین: https://tasks.hotosm.org/ (در 17 سپتامبر 2020 قابل دسترسی است).
OSMWiki Editors-OpenStreetMap Wiki. در دسترس آنلاین: https://wiki.openstreetmap.org/wiki/Editors (در 17 سپتامبر 2020 قابل دسترسی است).
OpenDataKit Open Data Kit. در دسترس آنلاین: https://opendatakit.org/ (در 17 سپتامبر 2020 قابل دسترسی است).
وب سایت OpenMapKit OpenMapKit. در دسترس آنلاین: https://openmapkit.org/ (در 17 سپتامبر 2020 قابل دسترسی است).
بهبود سلامت در محله های فقیر نشین مشارکتی. بهبود سلامت در محله‌های فقیرنشین تأثیر مشارکتی واکنش اجتماعی به COVID-19 بر دسترسی به مراقبت‌های بهداشتی برای مسائل بهداشتی غیر COVID-19 در جوامع زاغه‌نشینی بنگلادش، کنیا، نیجریه و پاکستان: نتایج مشارکت‌های ذینفعان قبل از COVID-19 و قفل کردن COVID-19 . بی ام جی گلوب. Health 2020 , 5 , e003042. [ Google Scholar ] [ CrossRef ]
Planet_OSM. در دسترس آنلاین: https://planet.openstreetmap.org/planet/full-history/ (در 13 نوامبر 2020 قابل دسترسی است).
OpenStreetMap Wiki—Planet.Osm/Full. در دسترس آنلاین: https://wiki.openstreetmap.org/w/index.php?title=Planet.osm/full&oldid=1661018 (در 13 نوامبر 2020 قابل دسترسی است).
نوسکوف، آ. گرینبرگر، AY; پاپاپسیوس، ن. روسل، آ. ترویلو، آر. Zipf، A. مدل‌سازی و ارزیابی داده‌های بزرگ فضایی: موارد استفاده از OpenStreetMap کامل تاریخچه Dump. در برنامه ریزی فضایی در انقلاب کلان داده ; Angioletta, V., La Riccia, L., Eds. IGI Global: Hershey، PA، ایالات متحده آمریکا، 2019؛ ص 16-44. شابک 978-1-5225-7927-4. [ Google Scholar ]
رایفر، م. ترویلو، آر. کواتش، اف. اور، ام. لوس، ال. مارکس، اس. پرزیبیل، ک. فندریچ، اس. موکنیک، F.-B. Zipf، A. OSHDB: چارچوبی برای تجزیه و تحلیل مکانی-زمانی داده‌های تاریخچه نقشه خیابان باز. Geospat را باز کنید. نرم افزار داده ایستادن. 2019 ، 4 ، 3. [ Google Scholar ] [ CrossRef ]
ترویلو، آر. Yeboah, G. کدهای استخراج داده برای کاغذ در Gitlab. در دسترس آنلاین: https://gitlab.gistools.geog.uni-heidelberg.de/gyrt-share/ijgi-paper (در 26 نوامبر 2020 قابل دسترسی است).
کورکوران، پ. مونی، پی. برتولتو، ام. تحلیل رشد شبکه‌های نقشه خیابان باز. تف کردن آمار 2013 ، 3 ، 21-32. [ Google Scholar ] [ CrossRef ][ نسخه سبز ]
سازمان بین المللی استاندارد سازی. ISO 19157:2013 اطلاعات جغرافیایی-کیفیت داده ها ; سازمان بین المللی استانداردسازی: ژنو، سوئیس، 2013. [ Google Scholar ]
سومان، س. بیوکس، ا. ندرهود، سی. مارکیو، ن. Bettencourt، LMA شناسایی سکونتگاه‌های غیررسمی در سراسر جهان از طریق تجزیه و تحلیل توپولوژیکی نقشه‌های دیجیتالی Crowdsourced. ISPRS Int. J. Geo-Inf. 2020 ، 9 ، 685. [ Google Scholar ] [ CrossRef ]
یانگ، آ. فن، اچ. Jing، N. آماتور یا حرفه ای: ارزیابی تخصص مشارکت کنندگان اصلی در OpenStreetMap بر اساس رفتارهای مشارکتی. ISPRS Int. J. Geo-Inf. 2016 ، 5 ، 21. [ Google Scholar ] [ CrossRef ]

شکل 1. گردش کار فرآیند نقشه برداری مشارکتی با مراحل تعریف شده در پس زمینه خاکستری.

شکل 2. عکس های نمونه. ( الف ) فعالیت نقشه برداری از راه دور. ( ب ) فعالیت میدانی. ( ج ) فعالیت میدانی.

شکل 3. موقعیت مکانی مکان های مطالعه و کشور ( a – d ) و نقشه کلی ( e ).

شکل 4. مشخصات عکاسی مکان های مطالعه که نمونه هایی از تصاویر ماهواره ای ( a ، d ، g ، j ، m ، p ، s )، سازه های ساختمان ها ( b ، e ، h ، k ، n ، q ) و مسیرها را نشان می دهد . f , i , l , o , r , u ).

شکل 5. کامل بودن ساختمان ها. ( الف ) در مرحله نقشه برداری از راه دور. ( ب ) در مرحله کار میدانی.

شکل 6. کامل بودن مسیرها. ( الف ) در طول نقشه برداری از راه دور؛ ( ب ) در مرحله کار میدانی.

شکل 7. نقشه های کامل بودن سایت عبادان 2. ( الف ) قبل از نقشه برداری از راه دور؛ ( ب ) پایان نقشه برداری از راه دور. ( ج ) پس از کار میدانی.

شکل 8. نقشه های کامل بودن سایت کراچی. ( الف ) قبل از نقشه برداری از راه دور؛ ( ب ) پایان نقشه برداری از راه دور. ( ج ) پس از کار میدانی.

شکل 9. مقایسه رشد کامل ساختمان در هر نقشه کش و تراکم. ( الف ) در مرحله نقشه برداری از راه دور. ( ب ) در مرحله کار میدانی.

شکل 10. مقایسه رشد کامل و تراکم ساختمان. ( الف ) در مرحله نقشه برداری از راه دور. ( ب ) در مرحله کار میدانی.

شکل 11. مقایسه رشد کامل مسیر در هر نقشه کش و تراکم. ( الف ) در مرحله نقشه برداری از راه دور. ( ب ) در مرحله کار میدانی.

مقالات داخلی و بین المللی

بدون دیدگاه

دیدگاهتان را بنویسید لغو پاسخ

برای نوشتن دیدگاه باید وارد بشوید.

مشاورین هوش پیروزی

چکیده

کلید واژه ها:

1. مقدمه

2. کارهای مرتبط

3. مواد و روشها