خلاصه

داده ها و اطلاعات جغرافیایی در سیستم های مدیریت زمین معاصر برای مدیریت مناسب قلمرو اساسی است. سیستم های سه بعدی مدیریت زمین، که اغلب به عنوان کاداستر سه بعدی نامیده می شوند، مزایای متعددی را به خصوص در مدیریت محیط های پیچیده امروزی نوید می دهند، اما این موارد در حال حاضر با ظرفیت کامل خود وجود ندارند. توسعه هر سیستم اطلاعاتی و مدیریتی پیچیده، مانند سیستم مدیریت زمین، به ویژه در مرحله ارزیابی و آزمایش، زمان بر و پرهزینه است. در این راستا، فرآیند پیاده سازی چنین سیستم هایی ممکن است از استفاده از داده های مصنوعی بهره مند شود. در این مطالعه، روش شبیه‌سازی مجموعه داده‌های کاداستر سه بعدی ارائه و مورد بحث قرار گرفته است. مجموعه داده با استفاده از روش مدلسازی رویه ای تولید می شود، به داده های کاداستر واقعی برای قلمرو اسلوونی ارجاع داده شده و در یک سیستم مدیریت پایگاه داده فضایی (DBMS) ذخیره شده است که از ذخیره سازی داده های فضایی سه بعدی پشتیبانی می کند. پرس و جوهای فضایی، مربوط به مدیریت داده های کاداستر سه بعدی، برای ارزیابی عملکرد پایگاه داده و ویژگی های ذخیره سازی، و گزینه های تجسم سه بعدی استفاده می شود. نتایج مطالعه نشان می‌دهد که این روش برای شبیه‌سازی مجموعه داده‌های کاداستر سه بعدی در مقیاس بزرگ امکان‌پذیر است. با استفاده از پرس و جوهای فضایی توسعه‌یافته و تحلیل عملکرد آنها، اهمیت مجموعه داده شبیه‌سازی‌شده را برای توسعه فرآیندهای مدیریت داده‌های کاداستر سه بعدی کارآمد نشان می‌دهیم. برای ارزیابی عملکرد پایگاه داده و ویژگی های ذخیره سازی و گزینه های تجسم سه بعدی استفاده می شود. نتایج مطالعه نشان می‌دهد که این روش برای شبیه‌سازی مجموعه داده‌های کاداستر سه بعدی در مقیاس بزرگ امکان‌پذیر است. با استفاده از پرس و جوهای فضایی توسعه‌یافته و تحلیل عملکرد آنها، اهمیت مجموعه داده شبیه‌سازی‌شده را برای توسعه فرآیندهای مدیریت داده‌های کاداستر سه بعدی کارآمد نشان می‌دهیم. برای ارزیابی عملکرد پایگاه داده و ویژگی های ذخیره سازی و گزینه های تجسم سه بعدی استفاده می شود. نتایج مطالعه نشان می‌دهد که این روش برای شبیه‌سازی مجموعه داده‌های کاداستر سه بعدی در مقیاس بزرگ امکان‌پذیر است. با استفاده از پرس و جوهای فضایی توسعه‌یافته و تحلیل عملکرد آنها، اهمیت مجموعه داده شبیه‌سازی‌شده را برای توسعه فرآیندهای مدیریت داده‌های کاداستر سه بعدی کارآمد نشان می‌دهیم.

کلید واژه ها:

مدل های ساختمان ; سیستم کاداستر سه بعدی ؛ مدل سازی رویه ای ; SQL ; تجسم سه بعدی

1. معرفی

همانطور که محیط ساخته شده به طور فزاینده ای از نظر فضایی پیچیده می شود، سیستم های مدیریت زمین (به عنوان مثال، سیستم های کاداستر) با تقاضای بی سابقه ای برای حمایت از تصمیمات در استفاده از فضای بالا و زیر سطح زمین به چالش کشیده می شوند [ 1 ]. در نتیجه، سیستم‌های کاداستر معمولاً سیستم‌های اطلاعاتی بسیار پیچیده‌ای هستند که به سازماندهی کارآمد داده‌ها برای پشتیبانی از مدیریت خود نیاز دارند. بعلاوه، یک سیستم کاداستر معمولاً برای کل حوزه قضایی (به عنوان مثال، یک شهرستان یا یک کشور) که نیاز به رسیدگی به حجم زیادی از داده ها دارد، توسعه می یابد. با معرفی مدل‌های مکانی سه‌بعدی که واحدهای املاک سه بعدی را در سیستم کاداستر سه بعدی یا سیستم مدیریت زمین سه بعدی نشان می‌دهند، این امر به یک کار بسیار چالش برانگیز تبدیل شده است [ 2 ، 3 ]]. توسعه کاداستر سه بعدی موضوع فعالیت تحقیقاتی فشرده در دو دهه گذشته بوده است. به طور کلی، این تحقیق بر روی سه جنبه اصلی کاداستر سه بعدی متمرکز شده است: قانونی، نهادی و فنی. جنبه های قانونی کاداستر سه بعدی توسط پالسون [ 4 ] مورد مطالعه قرار گرفته است. این مطالعه یک نمای کلی بین المللی از سیستم های حقوقی و تجزیه و تحلیل اشکال مختلف حقوق مالکیت سه بعدی ارائه می دهد. کیتساکیس و دیموپولو [ 5 ] استقرار مالکیت چند سطحی را در حوزه های قضایی حقوق مشترک و مدنی مورد مطالعه و مقایسه قرار دادند. پالسون و پاش [ 6] به تحلیل جنبه های حقوقی تحقیق پرداخته و بر لزوم انجام تحقیقات تکمیلی در این زمینه تاکید کرد. جنبه‌های نهادی کاداسترهای سه‌بعدی عمدتاً در تحقیقات، مربوط به تحولات در کشورهای خاص مورد مطالعه قرار می‌گیرد [ 7 ، 8 ، 9 ، 10 ، 11 ]. هو و همکاران [ 12 ] عوامل نهادی در توسعه سیستم های کاداستر سه بعدی را مورد مطالعه قرار داد. Stoter [ 13 ] مطالعه جامعی از موضوعات کاداستر سه بعدی با تمرکز بر جنبه های فنی ارائه کرد. چندین گزینه برای تحقق سیستم های کاداستر سه بعدی، از جمله ذخیره سازی و نگهداری داده های DBMS مورد بررسی قرار گرفت. ذخیره سازی و مدیریت DBMS داده های فضایی سه بعدی در [14 ، 15 ، 16 ] و اعتبار سنجی آن در [ 17 ، 18 ، 19 ]. تحقیقات در زمینه کاداستر سه بعدی نیز با چالش های تجسم داده های کاداستر سه بعدی مرتبط بوده است [ 20 ، 21 ]. با توجه به مدل سازی داده های کاداستر سه بعدی، چندین مدل داده مورد مطالعه و پیشنهاد قرار گرفته است. آیین و همکاران [ 22 ] ارزیابی و مقایسه مدل‌های داده موجود برای برنامه‌های کاداستر سه بعدی را ارائه می‌کند. نویسندگان به این نتیجه رسیدند که هیچ یک از مدل های مورد بحث، از جمله مدل مفهومی ارائه شده در استاندارد بین المللی ISO 19152:2012 در مورد مدل دامنه مدیریت زمین (LADM) [ 23 ]]، به طور کامل از مدل سازی داده های سه بعدی پشتیبانی می کند. مطالعه دیگری با تمرکز بر پیوند فضای فیزیکی با مرزهای قانونی توسط رجبی فرد و همکاران انجام شده است. [ 24 ] برای پرونده حوزه قضایی ویکتوریا، استرالیا. نویسندگان استانداردهای کنسرسیوم فضایی باز، یعنی CityGML [ 25 ]، IndoorGML [ 26 ]، و LandInfra [ 27 ]، و ادغام آنها با LADM، همراه با مدل داده های کاداستر سه بعدی (3DCDM) را مورد بحث قرار می دهند، که برای پشتیبانی از هر دو سه بعدی قانونی طراحی شده است. اشیاء و همتایان فیزیکی آنها [ 28 ]. به گفته Kalogianni و همکاران. [ 1]، در حال حاضر هیچ کشوری با سیستم کاداستر سه بعدی کاملاً عملیاتی وجود ندارد. نویسندگان تاکید می کنند که برخی از حوزه های قضایی در حال حاضر از برخی جنبه های کاداستر سه بعدی پشتیبانی می کنند، اما این عمدتا بخشی از پروژه های آزمایشی و نمونه های اولیه است (به [ 29 ، 30 ، 31 ] مراجعه کنید). در نتیجه، این بدان معنی است که هیچ مجموعه داده کاداستر سه بعدی واقعی در مقیاس بزرگ در دسترس نیست، به جز برخی موارد فردی که موضوع مطالعات موجود بود.
در حالی که پیشرفت‌ها در فناوری سنجش از دور ما را قادر می‌سازد تا مدل‌های مقیاس بزرگی از نمای بیرونی ساختمان به دست آوریم [ 32 ]، این برای استفاده در کاداستر در مورد ساختمان‌ها کافی نیست، زیرا درجاتی از اطلاعات فضایی داخلی برای ترسیم بدون ابهام یک ساختمان به واقعی مورد نیاز است. واحدهای دارایی که حقوق، محدودیت ها و مسئولیت ها به آنها اشاره دارد. جمع‌آوری و مدل‌سازی داده‌های فضایی داخلی چالش‌برانگیز است و برای هر ساختمان به یک رویکرد فردی نیاز دارد [ 33 ]. مطالعاتی در رابطه با این موضوع در رابطه با کاداستر سه بعدی نیز انجام شده است. Kitsakis و Dimopoulou [ 34 ] قابلیت استفاده از اسناد کاداستر موجود را برای مدل سازی سه بعدی بررسی می کنند. ووچیچ و همکاران [ 8] بر روی سیستم مدیریت زمین کرواسی تمرکز کنید و با پیوند دادن داده های توپوگرافی، احتمالات ارتقاء سیستم کاداستر را به سه بعدی بررسی کنید. Tekavec و Lisec [ 35 ] چارچوبی را برای مدلسازی سه بعدی فضای داخلی بر اساس داده های کاداستر موجود ارائه می کنند. همه مطالعات با تعداد محدودی از ساختمان های فردی سروکار دارند. در نتیجه، قابلیت استفاده آنها در به دست آوردن یک مجموعه داده در مقیاس بزرگ محدود است. برای غلبه بر این مسئله، این فرضیه وجود دارد که توسعه سیستم کاداستر سه بعدی می تواند از استفاده از یک مجموعه داده مصنوعی که برخی از جنبه های داده های واقعی را شبیه سازی می کند، بهره مند شود.
در این مقاله، روشی که از مدل‌سازی رویه‌ای برای شبیه‌سازی مجموعه داده‌های کاداستر سه بعدی مصنوعی استفاده می‌کند، توسعه و مورد بحث قرار می‌گیرد. این تحقیق به ساختمان‌ها محدود می‌شود، زیرا آنها ویژگی غالب در زمینه مدل‌سازی داده‌های مکانی را در یک کاداستر سه بعدی نشان می‌دهند. با استفاده از داده‌های کاداستر موجود برای منطقه مورد مطالعه، هدف ما این بود که مکان و پیکربندی نمایان‌تری از ساختمان‌های شبیه‌سازی شده به دست آوریم. یک رویکرد مشابه، بدون مدل‌سازی رویه‌ای، توسط Ledoux و Meijers [ 36 ] و Biljecki و همکاران ارائه شد. [ 37] با هدف تولید مدل های شهر سه بعدی بر اساس ردپای دو بعدی و داده های ویژگی. روش‌های مدل‌سازی رویه‌ای ریشه در گرافیک رایانه‌ای دارند و به چندین تکنیک برای ایجاد مدل‌ها و بافت‌های سه بعدی از مجموعه قوانین از پیش تعریف‌شده، همراه با تصادفی‌سازی برخی از پارامترها اشاره دارند. ما بر روش هایی تمرکز می کنیم که کل ساختمان ها را از ترتیبات فضای داخلی تولید می کنند. در این زمینه، مطالعه واتسون و همکاران. [ 38 ] باید ذکر شود که کاربردهای مدل‌سازی رویه‌ای در گرافیک کامپیوتری را بررسی کردند. مرل و همکاران [ 39 ] بر تولید خودکار طرح‌بندی‌های ساختمان مبتنی بر شبکه بیزی آموزش‌دیده بر روی داده‌های دنیای واقعی تمرکز دارد. اسملیک و همکاران [ 40 ] بررسی روش‌های مدل‌سازی رویه‌ای جهان‌های مجازی را ارائه می‌دهد. کاموزاتو [ 41] رویکردهای الگوریتم‌های تقسیم‌بندی [ 42 ]، الگوریتم‌های قرار دادن کاشی [ 43 ]، الگوریتم‌های درون بیرون [ 39 ] و الگوریتم‌های مبتنی بر رشد [ 44 ] را طبقه‌بندی می‌کند. طبقه بندی دیگری از رویکردهای خودکار برای تولید چیدمان داخلی توسط Rodrigues و همکاران ارائه شده است. [ 45 ]. تمرکز بر حوزه معماری است، جایی که مدل‌سازی رویه‌ای به تخصیص منطقه، پارتیشن بندی منطقه، تخصیص فضا، ساخت سلسله مراتبی، کاوش مفهومی و انطباق طراحی تقسیم می‌شود. مدل‌سازی رویه‌ای نیز در حوزه اطلاعات جغرافیایی استفاده می‌شود. گروگر و پلومر [ 46 ] مدل‌های داخلی ساختمان را برای استخراج نمودارهای مسیر تولید کردند. زو و همکاران [ 47] از مدل سازی رویه ای برای تولید صحنه های مجازی استفاده کرد. بر اساس کار Tsiliakou و همکاران. [ 48 ]، کیتساکیس و همکاران. [ 49 ] از ESRI CityEngine برای تولید مدل های ساختمانی سه بعدی از یک روستای سنتی استفاده کرد. قابلیت‌های رویه‌ای CityEngine نیز توسط Ribeiro و همکاران مورد مطالعه قرار گرفته است. [ 50 ] برای آزمایش تجسم سه بعدی داده های کاداستر سه بعدی و توسط Neuenschwander و همکاران. [ 51 ] برای تولید و تجسم الگوهای فضای سبز در یک محیط سه بعدی. بیلجکی و همکاران [ 52] از رویکرد مدل‌سازی رویه‌ای برای شبیه‌سازی مجموعه داده‌های CityGML استفاده کرد، که برای تحلیل انواع مختلف LODها (سطح جزئیات) و تأثیر آنها بر عملکرد تحلیل‌های فضایی استفاده شد. موتور مدل‌سازی رویه‌ای Random3DCity توسط کومار و همکاران استفاده شد. [ 53 ] برای تولید مدل های TIN مصنوعی زمین در LOD های مختلف در قالب CityGML.
در فصل بعدی، ما رویکرد توسعه‌یافته برای شبیه‌سازی مجموعه داده‌های کاداستر سه بعدی واقعی را با تولید یک مجموعه داده مصنوعی با استفاده از یک استراتژی تکامل ترکیبی [ 54 ] به عنوان یک روش مدل‌سازی رویه‌ای برای ایجاد ساختمان‌هایی با هندسه‌ها و برنامه‌های عملکردی مختلف ارائه می‌کنیم. ساختمان های تولید شده به داده های کاداستر اسلوونی مرتبط هستند. مجموعه داده شبیه سازی شده در یک سیستم مدیریت پایگاه داده فضایی (DBMS) ذخیره شد، جایی که ما آزمایش عملکرد برای برخی از پرس و جوهای فضایی سه بعدی مرتبط با سازگاری داده ها را نشان می دهیم و گزینه های تجسم سه بعدی را ارزیابی می کنیم.

2. مواد و روشها

مطالعه ما مدل سازی ساختمان مبتنی بر واقعیت و رویه را ترکیب می کند. یعنی، شبیه‌سازی مجموعه داده‌های کاداستر بر اساس داده‌های موجود در مورد ساختمان‌های موجود، به‌دست‌آمده از سوابق رسمی در سازمان ملی نقشه‌برداری و نقشه‌برداری، همراه با داده‌های شبیه‌سازی‌شده تولید شده توسط مدل‌سازی رویه‌ای است که در آن مدل‌های ساختمانی سه بعدی تصادفی‌سازی شده بر اساس قوانین از پیش تعریف شده هدف رویکرد توسعه‌یافته برآوردن الزامات زیر است: (۱) فرآیند تولید مجموعه داده مصنوعی توسط داده‌های کاداستر موجود از پایگاه داده کاداستر فعلی هدایت می‌شود. (ب) مدل‌های ساختمان سه بعدی در مجموعه داده باید تصادفی شوند. و (iii) مجموعه داده باید در یک DBMS فضایی ذخیره شود، جایی که ذخیره سازی، دسترسی، نگهداری و دستکاری داده ها را می توان انجام و ارزیابی کرد.شکل 1 چارچوب مطالعه ما را خلاصه می کند. فرآیند با تعریف نوع واحدهای مسکونی آغاز می شود. سپس این اطلاعات برای تولید مجموعه داده مصنوعی با استفاده از روش مدل‌سازی رویه‌ای استفاده می‌شود [ 54]. سپس مدل‌های تولید شده تبدیل می‌شوند تا در یک محیط GIS مناسب باشند تا برای ذخیره‌سازی داده‌ها در DBMS فضایی مناسب باشند. سپس مدل‌های ساختمان‌های سه‌بعدی تولید شده بر اساس مکان و تعداد طبقات به داده‌های کاداستر واقعی در ساختمان‌ها مرتبط می‌شوند. در این مطالعه، DBMS فضایی ایجاد و به صورت محلی اجرا می شود. ساختار آن بر ذخیره مجموعه داده های سه بعدی شبیه سازی شده در قالب مدل های ساختمان، از جمله فضاهای داخلی آنها، یعنی اتاق ها متمرکز شده است. با توجه به چارچوب های قانونی متفاوت، پیشینه تاریخی و عوامل دیگر، کشورها تعاریف مختلفی از واحدهای املاک و همچنین پیاده سازی های متنوعی از پایگاه های اطلاعاتی کاداستر دارند. داده‌های شبیه‌سازی‌شده ذخیره‌شده طوری طراحی شده‌اند که امکان پیوند داده‌ها را با داده‌های خاص کشور اضافی فراهم کنند.
این مطالعه با توجه به مدل‌سازی رویه‌ای هندسه‌های ساختمان سه‌بعدی و تبدیل‌های آنها کلی است. بخش مبتنی بر واقعیت این مطالعه به داده های کاداستر اسلوونی با ویژگی های خاص آن مربوط می شود [ 55 ]. برای مطالعه موردی، تمام ساختمان‌های مسکونی در اسلوونی که در کاداستر ساختمان اسلوونی ذخیره شده بودند، استفاده شد. بر اساس داده های شبیه سازی شده، عملکرد چندین پرس و جو را با هدف نگهداری پایگاه داده کاداستر سه بعدی و کنترل کیفیت داده ها ارزیابی کردیم.

2.1. مدلسازی رویه ای ساختمان ها

برای این مطالعه، از الگوریتم برنامه تکاملی برای مسئله تخصیص فضا (EPSAP) استفاده شد [ 54 ]. الگوریتم EPSAP شامل یک رویکرد دو مرحله‌ای است که دارای چارچوب استراتژی تکامل (ES) است، که در آن عملیات جهش با روش تصادفی تپه‌نوردی (SHC) جایگزین می‌شود. شکل 2فرآیند تولید کلی را نشان می دهد. الگوریتم با ایجاد مجموعه‌ای از طرح‌های کاندید شروع می‌شود که اتاق‌هایشان به‌طور تصادفی در فضای دوبعدی در هر طبقه پراکنده شده‌اند. سپس، هر طرح با توجه به یک تابع هزینه جمع وزنی از هجده تابع جریمه که به حداقل رسیده است، ارزیابی می شود. در این لحظه، مرحله دوم با تغییر مکرر هر طرح با تبدیل‌های هندسی و توپولوژیک تصادفی مانند ترجمه، چرخش، کشش، بازتاب و تعویض شروع می‌شود. اگر طرح تغییر شکل یافته راه حل بهبود یافته ای ایجاد کند، طرح جدید حفظ می شود. زمانی که مرحله SHC قادر به یافتن پیشرفت‌های بیشتر نباشد، مرحله دوم پایان می‌یابد و مرحله اول با انتخاب راه‌حل‌هایی که تناسب کمتری از تناسب متوسط ​​همه طرح‌ها دارند، از سر گرفته می‌شود. بدترین راه حل ها با راه حل های تصادفی جدید جایگزین می شوند، که نیز مورد ارزیابی قرار می گیرند. سپس این چرخه تکرار می‌شود تا مرحله ES به حداکثر تعداد تکرار برسد یا نتواند راه‌حل‌های طراحی بهبود یافته‌تری پیدا کند (برای توضیح کامل الگوریتم EPSAP رجوع کنید به [54 ]). در نهایت، کل ساختمان سه بعدی با افزودن ارتفاع به هر طبقه (اندازه‌گیری شده از کف طبقه تا سقف)، اکسترود کردن اتاق‌ها برای یک یا چند طبقه (به عنوان مثال، یک پله طیف وسیعی از طبقات را ارائه می‌کند)، با قرار دادن دهانه‌ها در رابطه با کف اتاق (یعنی فاصله از کف تا پایه دهانه) به صورت عمودی، و دادن ارتفاع به دهانه (یعنی ارتفاع خالی در دیوار). در صورت وجود ضریب طبقه، طبقه تکرار می شود.
برای مطالعه ما، شش نوع ساختمان مسکونی (دو نوع خانه مستقل، سه نوع آپارتمان چند طبقه و یک نوع واحد آپارتمان چند طبقه با تجارت در طبقه همکف) تولید شد. دو نوع از ساختمان ها به ترتیب خانه های تک خانواری یک طبقه و دو طبقه هستند. این خانه یک طبقه شامل اتاق خواب، حمام، اتاق نشیمن، آشپزخانه، راهرو و راهرو است. ساختمان های دو طبقه دارای پلکان داخلی هستند که قسمت عمومی خانه را از اتاق خواب ها که در طبقه بالایی قرار دارند جدا می کند. سه نوع از ساختمان ها، ساختمان های آپارتمانی چند طبقه چهار طبقه هستند. این ساختمان ها از نظر تعداد آپارتمان در هر طبقه و تعداد اتاق خواب متفاوت هستند. آخرین نوع ساختمان یک ساختمان هشت طبقه است که دارای فضاهای تجاری در طبقه همکف و دسترسی به پشت بام در طبقه آخر است. در طبقات میانی، دو آپارتمان سه خوابه توسط یک پله و یک آسانسور سرویس دهی می شوند.

2.2. تبدیل مدل های ساختمانی تولید شده

مدل های ساختمان شامل حجم های محصور شده با سطوح برای دیوارها، کف ها، سقف ها، درها و پنجره ها هستند ( شکل 3 را ببینید ). اتاق های مجاور با داشتن دیوارهای داخلی مشترک، دال ها و سطوح درها با یکدیگر ارتباط لمسی دارند.
مدل داده ساختمان های شبیه سازی شده را می توان به مدل داده LADM، همانطور که در شکل 4 ارائه شده است، مرتبط کرد . مدل های شبیه سازی شده ساختمان ها اجزای فیزیکی آنها را نشان می دهد. باید توجه داشت که مرزهای واحدهای ملکی ممکن است با ویژگی های فیزیکی یک ساختمان منطبق نباشد [ 56 ]. با این حال، در مورد ساختمان ها، یک پیوند قوی بین فضاهای فیزیکی و قانونی وجود دارد که توسط Aien و همکاران مورد مطالعه قرار گرفته است. [ 28 ]، لی و همکاران. [ 57 ] و Knoth و همکاران. [ 58]. این مطالعات همچنین شامل پیوندهایی به مدل داده استاندارد LADM است که مشابه مطالعه ما است. در سال‌های اخیر، بسیاری از مطالعات پتانسیل یکپارچه‌سازی مدل‌های اطلاعات ساختمان (BIM)، که حاوی اطلاعات فیزیکی ساختمان‌ها است، با کاداستر سه‌بعدی را بررسی کردند [ 59 ، 60 ، 61 ]. در این تحقیق، واحدهای ملکی با تجمیع اتاق‌هایی که به واحدهای ملکی مربوطه تعلق دارند، محقق می‌شوند. بنابراین، بررسی به مرزهای سه بعدی تعریف شده فیزیکی محدود می شود.
پس از تولید آنها، مدل های ساختمان سه بعدی به فرمت داده ای تبدیل می شوند که برای ذخیره سازی در یک DBMS فضایی مناسب است. اول، هر ساختمان نیاز به تخصیص یک شناسه منحصر به فرد دارد و سپس هندسه ها به بخش های جداگانه تجزیه می شوند. هندسه های تجزیه شده، استفاده از فیلتری را امکان پذیر می کند که فقط هندسه های نوع سطح را انتخاب می کند. سطوح انتخاب شده توسط شناسه اتاق گروه بندی می شوند، که مدل سازی هندسه های جامد را برای هر اتاق امکان پذیر می کند ( شکل 5 را ببینید ).
مدل های ساختمان سه بعدی تولید شده در یک سیستم مختصات محلی قرار می گیرند اما در مرکز قرار نمی گیرند. همانطور که در شکل 6 الف نشان داده شده است، قرارگیری مدل ها نسبت به مبدا مختصات متفاوت است . بنابراین، نقطه مرکزی برای هر ساختمان سه بعدی تولید شده، بر اساس هندسه اتاق محاسبه می شود. مختصات Z نقطه مرکزی روی حداقل مقدار Z جعبه مرزی تنظیم می شود. سپس هندسه های اتاق با استفاده از یک بردار افست که مبدا سیستم مختصات محلی و نقطه مرکزی محاسبه شده را به هم متصل می کند، همانطور که در شکل 6 ب نشان داده شده است، جابه جا می شوند.
سپس هندسه های ساختمان سه بعدی با پسوندهای PostGIS و SFCGAL در PostgreSQL DBMS وارد می شوند که از ذخیره سازی و نگهداری داده های مکانی سه بعدی پشتیبانی می کنند. قبل از درج هندسه های سه بعدی، برای جلوگیری از مسائل مربوط به تبدیل هندسه از هندسه های پشتیبانی شده توسط نرم افزار ETL فضایی (نرم افزار دسکتاپ FME) به PostGIS، هندسه ها مثلث بندی شدند.
علاوه بر فضای داخلی ساختمان، یک مدل سه بعدی از وسعت بیرونی ساختمان از مدل های ساختمان سه بعدی تولید شده مشتق شده است. یک مدل سه بعدی (بافر) ساختمان در زمینه یک کاداستر سه بعدی نیز می تواند به عنوان نمایانگر فضای قانونی ساختمان عمل کند. ابتدا، طرح دو بعدی باید از هندسه اتاق ایجاد شود. تمام سطوح مدل ساختمان باید به سطوح دو بعدی تبدیل شوند. سطوح عمودی به شکل خط تبدیل می شوند و بنابراین باید فیلتر شوند. رویکرد ما محاسبه مساحت سطح دو بعدی و فیلتر کردن تمام سطوح با مساحت صفر یا بسیار کوچک (خطای محاسباتی و گرد کردن) بوده است. سطوح دو بعدی باقی مانده در یک سطح دو بعدی حل می شوند که نمایانگر طرح کلی ساختمان است ( شکل 7). طرح کلی ساختمان دو بعدی را می توان بافر کرد تا تمام هندسه های اتاق را محصور کند. نمایش سه بعدی ساختمان با اکسترود کردن طرح کلی ساختمان دو بعدی ایجاد می شود. بردار اکستروژن از مرزهای عمودی هندسه اتاق محاسبه می شود. اگر استفاده از بافر را انتخاب کنیم، می‌توانیم طرح دوبعدی را زیر حداقل مرز عمودی هندسه‌های اتاق قرار دهیم و روی حداکثر کران عمودی اکسترود کنیم. هندسه هر مدل بیرونی ساختمان سه بعدی نیز باید با استفاده از جابجایی بین نقطه مرکزی و مبدا سیستم مختصات جابجا شود و قبل از درج در DBMS فضایی، مثلث شود.
در DBMS فضایی، دو جدول ایجاد می‌شود، یکی برای ذخیره‌سازی مدل‌های سه‌بعدی اتاق‌ها و دیگری برای مدل‌های سه‌بعدی ساختمان‌ها ( شکل 8 ). این دو جدول با شناسه مدل معمولی ساختمان ( id_bldg_gen ) به هم مرتبط هستند. هندسه های سه بعدی اتاق ها به صورت سطوح چند وجهی همراه با شناسه اتاق منحصر به فرد ( id_room_gen )، شناسه ساختمان مربوطه و در صورت تمایل تعداد طبقه ای که اتاق در آن قرار دارد ( طبقه_شماره ) ذخیره می شود.). برای ساختمان ها، هندسه سه بعدی نیز به عنوان یک سطح چند وجهی ذخیره می شود. در کنار هندسه، ویژگی های حاوی شناسه منحصر به فرد ساختمان و تعداد طبقات درج شده است. به صورت اختیاری، هندسه‌های دوبعدی اتاق‌ها و ساختمان‌ها را می‌توان برای کاربردهایی ذخیره کرد، جایی که فقط هندسه‌های دو بعدی مورد نیاز یا پشتیبانی می‌شوند.

2.3. ارجاع جغرافیایی با استفاده از پیوند به داده های کاداستر موجود

تمام مدل های ساختمان تبدیل شده در DBMS فضایی در یک سیستم مختصات محلی ذخیره می شوند. با این حال، این به مورد واقعی داده های کاداستر سه بعدی نزدیک نیست. همانطور که در اهداف اولیه این مطالعه بیان شد، مدل‌های ساختمانی تولید شده نیاز به ارجاع مکانی و تصادفی‌سازی دارند. این بخش بر اساس ویژگی های داده های کاداستر اسلوونی در ساختمان ها – کاداستر ساختمان اسلوونی است. در آنجا، ساختمان ها به شکل یک لایه برداری با چند ضلعی طرح کلی ساختمان و یک پایگاه داده ویژگی ذخیره می شوند. یک شناسه ساختمان مشترک دو مجموعه داده را به هم متصل می کند. مدل‌ها با دو پارامتر به داده‌های واقعی (اسلوونیایی) ارجاع داده می‌شوند: (i) مکان ساختمان، تعریف شده در سیستم مختصات مرجع ژئودتیک ملی D96/TM بر اساس ETRS89. و (ii) تعداد طبقات. مکان ساختمان از مرکز یک چندضلعی ساختمان محاسبه می شود. آن مرکزها به عنوان مرکز مرجع آنها در مبدأ سیستم مختصات محلی در نظر گرفته می شوند.
ارجاع با استفاده از پرس و جوهای SQL انجام می شود زیرا تمام داده ها (داده های کاداستر واقعی و مدل های ساختمان تولید شده) در DBMS ذخیره می شوند. برای مجموعه داده‌های کاداستر شبیه‌سازی‌شده، ما دو جدول ایجاد کرده‌ایم، اول برای داده‌های داخل ساختمان ( room_simulated ) و دوم برای نمای بیرونی ساختمان ( building_simulated ) ( شکل 9 ). این دو جدول توسط شناسه ساختمان کاداستر ( id_building ) به هم متصل می شوند. با استفاده از id_building ، ویژگی های کاداستر موجود را می توان به صورت اختیاری اضافه کرد، به عنوان مثال، شناسه قطعه ای که ساختمان به آن مربوط است. برای هر ساختمان، داده های مربوط به داخل ساختمان (هندسه اتاق) در داخل ساختمان درج می شودمیز_شبیه‌سازی شده اتاق . در آنجا شناسه ملک ذخیره می شود که برای تجمیع اتاق ها در واحدهای ملکی استفاده می شود. در صورت تمایل، شماره طبقه که اتاق در آن قرار دارد را می توان ذخیره کرد. گزینه های مختلف برای ذخیره سازی DBMS داده های مشابه در [ 35 ] مورد بحث قرار گرفته است.
هر ساختمان از داده‌های کاداستر واقعی ( id_building ) یک مدل سه‌بعدی تولید شده به‌صورت رویه‌ای اختصاص داده می‌شود ( id_bldg_gen )، که به محل ساختمان منتقل می‌شود. رویکردهای مختلفی برای انتخاب مدل تولید شده رویه ای مربوطه وجود دارد:
  • برای هر پارامتر فقط یک مدل سه بعدی تولید کنید: در مورد ما، یک مدل برای هر تعداد طبقه. مدل سه بعدی یکسان برای همه ساختمان هایی با تعداد طبقات یکسان انتخاب شده است.
  • برای هر پارامتر (تعداد طبقات) تعداد معینی از مدل های سه بعدی ایجاد کنید. یکی از مدل های سه بعدی به صورت تصادفی انتخاب شده و به داده های واقعی کاداستر ارجاع داده می شود.
  • یک مدل سه بعدی تصادفی برای هر ساختمان واقعی ایجاد کنید.
روش اول ساده ترین است و می تواند در مواردی که تنوع مدل ها مسئله کلیدی نیست استفاده شود. دستورات SQL ( پیوست A.1 و ضمیمه A.2 ) برای انتخاب داده‌هایی که قرار است در جداول building_simulated و room_simulated درج شوند استفاده می‌شوند (داده‌های واقعی کاداستر در جدول cadastral_building ذخیره می‌شوند ). در هر دو کوئری SQL، تابع ST_Translate برای جابجایی هندسه های سه بعدی تولید شده رویه ای به محل ساختمان استفاده می شود. پارامترهای تابع ST_Translate هندسه و جزء بردار جابجایی در X، Y و Z هستند.جهت ها. در پرس و جوهای SQL، ویژگی geom_c یک هندسه نقطه ای از مرکز ساختمان است و h یک ویژگی ارتفاع زمین ساختمان است. ارجاع دهی با عملیات Join بر روی تعداد طبقات انجام می شود (یک مدل برای هر طبقه موجود است). ارجاع اتاق ها مشابه پرس و جو اول، با پیوستن اضافی به جدول اتاق است.
در صورت نیاز به تنوع مدل ها می توان از رویکرد دوم و سوم استفاده کرد. رویکرد دوم نشان‌دهنده تعادل بین رویکرد اول و سوم است که درجه انعطاف‌پذیری از تصادفی را در مجموعه داده شبیه‌سازی شده ارائه می‌کند. به دنبال گزینه دوم، به صورت تصادفی یک مدل مربوط به هر ساختمان را انتخاب می کنیم. پرس و جوی SQL که داده‌ها را برای جدول building_simulated انتخاب می‌کند ، برای انتخاب یک مدل تصادفی اصلاح می‌شود ( پیوست A.3 — اصلاحات پیوست A.1 در متن پررنگ). عملیات اتصال چندین مدل را به هر ساختمان می پیوندد، که سپس گروه بندی شده و به طور تصادفی مرتب می شوند. از هر گروه، اولین مدل پیوست شده با استفاده از شماره ردیف انتخاب می شود. کوئری SQL که داده ها را برای room_simulated انتخاب می کندجدول نیز اصلاح شده است ( پیوست A.4 – اصلاحات پیوست A.2 در متن پررنگ). به جای پیوستن به جدول ساختمان ، جدول building_simulated به جدول cadastral_building متصل می شود. با این کار اطلاعاتی به دست می آوریم که کدام مدل به ساختمان اختصاص داده شده است. با این اطلاعات می توان به میز اتاق پیوست.

3. نتایج

کاداستر ساختمانی اسلوونی ساختمان ها را بر اساس کاربری آنها طبقه بندی می کند. در این مطالعه، ما تنها بر روی ساختمان هایی تمرکز می کنیم که به عنوان مسکونی طبقه بندی می شوند. دلیل آن این است که انواع ساختمان های پیچیده تر مانند مدارس و بیمارستان ها به برنامه های کاربردی پیچیده تری نیاز دارند. آنها به دلیل ماهیت ترکیبی مسئله باعث رشد تصاعدی زمان محاسباتی مورد نیاز می شوند.
ساختمان ها در چهار اجرا، هر کدام برای یک نوع ساختمان، در یک CPU دو هسته ای 2.8 گیگاهرتز با 8 گیگابایت رم تولید شدند. چند رشته ای استفاده شد. در تولید هر نوع ساختمان، بسته به پیچیدگی نیازهای ساختمان، مدت زمان پردازش از 49 دقیقه تا 15 ساعت متغیر بود. ابتدا تعداد طبقات در کاداستر ساختمان اسلوونی مورد بررسی قرار گرفت. این آزمایش نشان داد که 94 درصد از ساختمان های مسکونی دارای چهار طبقه یا کمتر هستند. بر این اساس تصمیم گرفتیم از مدل های ساختمانی 1، 2، 4 و 8 طبقه برای مطالعه موردی استفاده کنیم. در مجموع، 9 اجرای الگوریتم انجام شد که 282 مدل ساختمان را تولید کرد. شکل 10 چند نمونه از ساختمان های تولید شده را نشان می دهد (همه ساختمان های تولید شده را می توان از لینک ارائه شده درمواد تکمیلی ).
شبیه سازی در رایانه ای با پردازنده i7-8700، 32 گیگابایت رم اجرا شد. پایگاه داده PostgreSQL به صورت محلی روی این رایانه اجرا می شد. جداول ساختمان_شبیه‌سازی شده و اتاق شبیه‌سازی‌شده با مدل‌های سه‌بعدی ایجاد شده رویه‌ای تبدیل‌شده پر شده‌اند، که به داده‌های کاداستر ساختمان اسلوونی برای کل کشور ارجاع داده شده‌اند (داده‌ها را می‌توانید از پیوند ارائه شده در مواد تکمیلی مشاهده کنید). ما عملکرد فرآیند شبیه سازی و پرس و جوهای انتخاب شده SQL را با هدف بررسی اعتبار داده ها ارزیابی کردیم.
ما رویکرد دوم را برای ارجاع مدل‌های تولید شده به داده‌های کاداستر واقعی انتخاب کردیم و بنابراین درجه‌ای از تصادفی بودن در مجموعه داده شبیه‌سازی شده را دریافت کردیم. تبدیل مدل های تولید شده با استفاده از نرم افزار FME Desktop انجام شد (روال پردازش از لینک ارائه شده در مواد تکمیلی قابل دسترسی است ). مدل‌هایی که تعداد طبقات بالاتری داشتند از نظر زمان پردازش تقاضای بیشتری داشتند (یک طبقه 3 دقیقه، 2 طبقه 4 دقیقه، 4 طبقه 14 دقیقه و 8 طبقه 37 دقیقه طول کشید). دشوارترین مرحله در فرآیند تبدیل، ایجاد هندسه های جامد است. ارجاع مدل های تبدیل شده در پایگاه داده PostgreSQL با استفاده از پرس و جوهای SQL انجام شد. ساختمان_شبیه‌سازی شدهجدول با استفاده از یک پرس و جوی اصلاح شده A3 SQL ایجاد شد ( پیوست A.5 — اصلاحات پیوست A.3 در متن پررنگ). این اصلاح، طبقه بندی ساختمان ها را بر اساس تعداد طبقات به چهار طبقه اضافه می کند. پرس و جوی SQL A4 که داده ها را برای داده های شبیه سازی شده اتاق انتخاب می کند بدون تغییر استفاده شد. زمان اجرای پرس و جوی SQL برای ایجاد جداول building_simulated و room_simulated به ترتیب 2 دقیقه و 44 ثانیه و 12 دقیقه و 35 ثانیه برای پردازش 512191 (اندازه جدول 352 مگابایت) و 10985775 (9274 مگابایت) سطر طول کشید. پس از ایجاد جداول، یک نمایه در ستون هندسه ایجاد شد و عملیات VACUUM ANALYZE برای افزایش عملکرد کوئری های فضایی انجام شد.
با داده های موجود در پایگاه داده می توان عملکرد فرآیندها و برنامه های مختلف مربوط به داده های کاداستر سه بعدی را آزمایش کرد. ما عملکرد جست‌وجوهای سه بعدی را که برای بررسی داده‌ها از نظر ناسازگاری طراحی شده‌اند، آزمایش کردیم. برای این کار از توابع سه بعدی از پسوند PostGIS SFCGAL استفاده شد. SFCGAL یک کتابخانه پوششی C++ است که از ISO 19107:2013 و OGC Simple Features Access 1.2 برای عملیات سه بعدی پشتیبانی می کند. این کتابخانه حول محور CGAL (کتابخانه الگوریتم‌های هندسه محاسباتی) ساخته شده است که الگوریتم‌هایی را برای محاسبات هندسی ارائه می‌کند [ 62 ].
اولین پرس و جوی SQL تقاطع هندسه های سه بعدی را در جدول building_simulated بررسی می کند ( پیوست A.6 ). تقاطع دو هندسه ساختمان نشان دهنده یک خطا است، چه هندسه ها نمایانگر وسعت فیزیکی یا قانونی ساختمان باشند. جاگذاری مدل ها با استفاده از مرکز ساختمان های واقعی انجام می شود. از آنجایی که گستره ساختمان‌های واقعی و مدل‌های تولید شده به‌صورت رویه‌ای منطبق نیستند، احتمالاً برخی از هندسه‌ها همدیگر را قطع می‌کنند. تابعی که تقاطع را بررسی می کند یک تابع نوع بولی ST_3Dمتقاطع است. دارای دو آرگومان است که نشان دهنده دو هندسه است که برای تقاطع بررسی می شوند. یک شرط برای حذف بررسی دو هندسه یکسان برای تقاطع اضافه می شود (a.id_building != b.id_building ). هنگامی که بخش‌هایی از هندسه‌ها روی هم قرار می‌گیرند یا اگر یکدیگر را لمس کنند، این تابع مقدار TRUE را برمی‌گرداند. از نظر کاداستر، این دو رابطه با هم متفاوت هستند، زیرا دست زدن به واحدهای قانونی ممنوع نیست، در حالی که تداخل آنها ممنوع است. هیچ گزینه ای برای متمایز کردن این دو رابطه بدون استفاده از توابع سه بعدی اضافی وجود ندارد. این تابع از شاخص های فضایی موجود برای افزایش عملکرد استفاده می کند. 2 دقیقه طول کشید تا 128812 تقاطع را در جدول شبیه سازی ساختمان پیدا کنیم .
در حالی که اولین پرس و جو برای تقاطع هندسه های بیرونی بررسی شد، دومی بر شناسایی هندسه های اتاق که یکدیگر را قطع می کنند متمرکز بود ( پیوست A.7 ). این تقاطع ها باید برای هر ساختمان به طور جداگانه بررسی شوند زیرا اولین پرس و جو تقاطع های بین هندسه های بیرونی ساختمان ها را بررسی کرده است. در مورد ما، هندسه های اتاق برای تعریف وسعت واحدهای دارایی واقعی استفاده می شود ( شکل 4 را ببینید ). بنابراین، همپوشانی هندسه‌های اتاق یک خطا را در زمینه کاداستر سه بعدی نشان می‌دهد، زیرا واحدهای دارایی واقعی معمولاً مجاز نیستند از نظر فضایی یکدیگر را قطع کنند. تمام هندسه های اتاق مجاور در مجموعه داده های شبیه سازی شده در یک رابطه لمسی هستند، به این معنی که ST_3DI قطع می شودتابع اینها را به عنوان متقاطع شناسایی می کند. همانطور که گفته شد، هنگام استفاده از توابع PostGIS SFCGAL، هیچ گزینه ساده ای برای تمایز بین هندسه های لمسی و همپوشانی وجود ندارد. بنابراین در کوئری دوم از تابع ST_3DIintersection استفاده شده است که هندسه های سه بعدی را که نشان دهنده تقاطع ها هستند می سازد. اگر حجم این تقاطع را محاسبه کنیم، می توان بین روابط لمسی و همپوشانی تفاوت قائل شد. با این حال، اجرای تابع ST_3Dintersection بیشتر از ST_3Dintersects است.زیرا هندسه تقاطع را به جای TRUE یا FALSE بولی برمی گرداند. پرس و جو A7 شناسه ساختمان و شناسه های جفت اتاق هایی را که همپوشانی دارند انتخاب می کند. اتاق‌ها فقط با اتاق‌های دیگر در همان ساختمان بررسی می‌شوند ( a.id_building = b.id_building )، به استثنای بررسی تقاطع یک اتاق با خود ( a.id_room != b.id_room ). از آنجایی که تابع ST_3Dintersection از نظر محاسباتی بسیار سخت است، تنها یک ساختمان با چهار طبقه برای همپوشانی بررسی شد که اجرای آن 10 دقیقه طول کشید. این واقعیت که هندسه‌های اتاق همسایه همگی در یک رابطه لمسی هستند منجر به تعداد زیادی جفت هندسه اتاق (389) می‌شود که باید باST_3D تابع تقاطع.
سومین خطا در داده هایی که بررسی شد، تلاقی هندسه اتاق با هندسه بیرونی ساختمان بود. اگر تقاطع پیدا شد به این معنی است که هندسه بیرونی ساختمان تمام هندسه های اتاق را در بر نمی گیرد. هندسه‌های اتاق را می‌توان از نظر تلاقی با هندسه بیرونی ساختمان مربوطه در جدول شبیه‌سازی ساختمان ( پیوست A.8 ) بررسی کرد. پرس و جو بر روی مجموعه داده برای کل کشور آزمایش شد. زمان اجرای پرس و جو 5 ساعت و 18 دقیقه بود.
همه پرس و جوهای فضایی سه بعدی به جز آنهایی که حاوی تابع ST_3Dintersection هستند با مجموعه داده کامل به خوبی عمل کردند. این تابع هر دو هندسه ورودی را تأیید می کند، که از اکثر زمان پردازش استفاده می کند. با این حال، اگر هندسه های ورودی درست باشد، این اعتبارسنجی ضروری نیست. در حالی که کتابخانه SFCGAL اجازه غیرفعال کردن بررسی اعتبار را می دهد، پیاده سازی PostGIS SFCGAL این اجازه را نمی دهد.
برای ارزیابی عملکرد تجسم سه بعدی، مجموعه داده شبیه سازی شده به یک فایل KML برای تجسم در Google Earth و به کاشی های سه بعدی برای تجسم در Cesium تبدیل می شود. هر دو تبدیل با استفاده از نرم افزار FME Desktop انجام شد. به عنوان فایل KML حاوی تمام 512191 ساختمان از building_simulatedجدول در Google Earth بارگیری نشد (زمان انتظار 2 ساعت)، چندین فایل KML که اندازه آنها برای آزمایش عملکرد متفاوت بود ایجاد شد. فایل‌های KML با محدودیت تعداد ویژگی‌های 10000، 5000 و 1000 ایجاد شده‌اند. عملکرد تولید فایل KML و زمان بارگذاری تقریباً متناسب با تعداد ویژگی است: 1000، 5000 و 10000 در 7 ثانیه، 25 ثانیه و 54 ثانیه طول کشید. به ترتیب برای ایجاد فایل و 12 ثانیه، 70 ثانیه و 150 ثانیه برای بارگیری در Google Earth. هنگامی که فایل ها بارگذاری شدند، عملکرد تجسم سه بعدی (پن، زوم، چرخش) در همه موارد خوب بود ( شکل 11 ).
برای تجسم در سزیوم، کاشی‌های سه بعدی ساختمان‌ها از جدول شبیه‌سازی‌شده ساختمان (۵۱۲۱۹۱ رکورد) و اتاق‌های جدول شبیه‌سازی‌شده اتاق ( ۱۰،۹۶۹،۱۰۰ رکورد) تهیه شد. FME 6 دقیقه برای ایجاد کاشی های سه بعدی برای ساختمان ها و 4 ساعت و 35 دقیقه برای اتاق ها طول کشید. برای اهداف آزمایشی، Cesuim به صورت محلی بر روی یک وب سرور آپاچی تامکت با استفاده از همان رایانه شخصی که برای آزمایش‌های دیگر استفاده می‌شد، اجرا شد. یک برنامه وب ساده که کاشی های سه بعدی را روی کره زمین تجسم می کند استفاده شد. در مقایسه با عملکرد تجسم سه بعدی در Google Earth، سزیوم به طور موثری تجسم سه بعدی ساختمان ها و اتاق ها را برای کل کشور مدیریت کرد.
روش پیشنهادی برای شبیه‌سازی مجموعه داده‌های کاداستر سه‌بعدی در مقیاس بزرگ برای ساختمان‌هایی که به برخی از ویژگی‌های اساسی داده‌های کاداستر موجود، مانند مکان ساختمان و تعداد طبقات اشاره دارند، کارآمد است. زمان اجرای تمام مراحل مورد نیاز برای تولید مجموعه داده شبیه سازی شده قابل قبول است، با توجه به اینکه ما شبیه سازی را برای کل کشور انجام دادیم، به عنوان مثال، برای تمام 512191 ساختمان مسکونی در اسلوونی.

4. بحث

در این مطالعه، از مکان ساختمان‌های واقعی و تعداد طبقات استفاده می‌شود تا مجموعه داده‌های تولید شده را نمایان‌تر کند. اگرچه الگوریتم تولید ساختمان به ما اجازه می‌دهد تا جنبه‌های دیگر ساختمان‌های واقعی (محدوده‌های مساحت و ابعاد، ارتفاع و غیره) را مشخص کنیم، اما این الگوریتم برای تولید ساختمان‌ها از الزامات فضایی داخلی، مانند برآوردن حداقل ابعاد اتاق و حداقل مساحت طبقات آزاد بود. ، در رویکرد پیشنهادی. این باعث شد که ساختمان‌های واقعی با ردپای بزرگ به ساختمان‌های شبیه‌سازی‌شده بسیار کوچک اختصاص داده شوند و بالعکس. در نتیجه، پرس و جوی SQL A6 تقاطع‌های هندسه‌های ساختمان را شناسایی می‌کند که در واقعیت تلاقی نمی‌کنند. بنابراین، پیشرفت‌های آتی مستلزم آن است که ساختمان‌های تولید شده در توزیع آماری داده‌های واقعی تولید شوند. برای یک سناریوی تطبیق کامل، ساختمان های شبیه سازی شده باید دقیقاً مطابق با هر ساختمان واقعی در کشور تولید شوند. علاوه بر این، محدودیت های محاسباتی و اطلاعاتی وجود دارد که باید در آینده بر آنها غلبه کرد. در رویکرد ارائه شده، شبیه سازی به ساختمان های مسکونی محدود می شود. هنگامی که اطلاعات نوع ساختمان در مجموعه داده‌های کاداستر واقعی و ظرفیت محاسباتی بالاتر برای تولید ساختمان‌ها در دسترس باشد، این رویکرد ممکن است برای شامل سایر انواع ساختمان‌ها مانند مدارس، بیمارستان‌ها و ادارات نیز بهبود یابد. شبیه سازی به ساختمان های مسکونی محدود می شود. هنگامی که اطلاعات نوع ساختمان در مجموعه داده‌های کاداستر واقعی و ظرفیت محاسباتی بالاتر برای تولید ساختمان‌ها در دسترس باشد، این رویکرد ممکن است برای شامل سایر انواع ساختمان‌ها مانند مدارس، بیمارستان‌ها و ادارات نیز بهبود یابد. شبیه سازی به ساختمان های مسکونی محدود می شود. هنگامی که اطلاعات نوع ساختمان در مجموعه داده‌های کاداستر واقعی و ظرفیت محاسباتی بالاتر برای تولید ساختمان‌ها در دسترس باشد، این رویکرد ممکن است برای شامل سایر انواع ساختمان‌ها مانند مدارس، بیمارستان‌ها و ادارات نیز بهبود یابد.
در خصوص تخصیص شناسه واحدهای ملکی به اتاق ها می توان از روش های مختلفی استفاده کرد. با استفاده از این شناسه‌ها، هندسه‌های سه‌بعدی اتاق‌ها را می‌توان جمع‌آوری کرد تا وسعت یک واحد دارایی واقعی را نشان دهد. شناسه را می توان با استفاده از شماره طبقه و/یا آپارتمان اختصاص داد. گزینه دیگر این است که تعداد واحدهای ملکی را از داده های کاداستر موجود یا دفتر ثبت املاک بدست آورید. در این حالت، تخصیص شناسه ها به ساختمان شبیه سازی شده برای شبیه سازی چالش برانگیزتر است. یک گزینه این است که به هر اتاق به طور تصادفی شناسه اختصاص دهید. برای به دست آوردن واحدهای املاک واقعی تر، مجاورت اتاق ها باید در نظر گرفته شود. به این ترتیب، ما گروه هایی از اتاق های مجاور را تولید می کنیم که همان شناسه را دریافت می کنند.
بسته به مدل داده‌ای که آزمایش می‌کنیم، هندسه‌های سه‌بعدی اتاق‌های مجاور که به یک واحد دارایی واقعی تعلق دارند، می‌توانند به یک هندسه سه‌بعدی یک واحد ملکی ملحق شوند. این کار مرزهای داخلی اتاق ها را حذف می کند و فقط مرزهای بیرونی گروه اتاق های مجاور را حفظ می کند. این اصل با استفاده از هندسه‌های دوبعدی اتاق‌های به هم پیوسته که نشان‌دهنده یک واحد ملکی در یک طبقه است، برای ثبت ساختمان‌ها در اسلوونی استفاده می‌شود، جایی که برای ورودی‌های جدید کاداستر، طرح‌های دوبعدی واحدهای ملکی به طور جداگانه برای هر طبقه ثبت می‌شود.
علاوه بر ساختمان های شبیه سازی شده، مجموعه داده های BIM نیز می توانند در فرآیند شبیه سازی ادغام شوند. در مطالعاتی که BIM و کاداستر سه بعدی را ترکیب می‌کنند، نهاد IfcSpace برای مدل‌سازی فضاهای قانونی سه بعدی استفاده می‌شود [ 56 ، 59 ]. روش پیشنهادی در این مطالعه از نرم افزار FME Desktop استفاده می کند که می توان از آن برای استخراج موجودیت های IfcSpace و به دست آوردن مدل ساختمان سه بعدی استفاده کرد. ساختار چنین مدلی با مدل ساختمانی شبیه سازی شده قابل مقایسه است، اما به ساختمان واقعی بسیار نزدیکتر است. با این حال، با توجه به مقدار کمی از داده های BIM موجود که در دسترس است، پتانسیل فعلی گنجاندن مجموعه داده های BIM محدود است.
در مقایسه با رویکردهای Ledoux و Meijers [ 36 ] و Biljecki و همکاران. [ 37 ]، که همچنین از داده‌های موجود در ساختمان‌ها برای مدل‌سازی سه‌بعدی استفاده می‌کند، روش پیشنهادی بر تولید مدل‌های ساختمانی سه بعدی از ترتیبات داخلی آن متمرکز است. در مورد هندسه 3 بعدی خارجی ساختمان ها، روش ما به دلیل هندسه 3 بعدی خارجی که نتیجه چیدمان داخلی است، عملکرد ضعیفی دارد. بنابراین، دو روش دیگر نشان داده می‌شوند که بیشتر نماینده واقعیت در این جنبه هستند.
پرس و جوهای اجرا شده نشان می دهد که چگونه می توان از مجموعه داده کاداستر سه بعدی شبیه سازی شده برای تعریف استراتژی های مدیریت داده های کاداستر سه بعدی استفاده کرد. بر اساس پرس‌و‌جوهای اجرا شده، می‌توانیم ببینیم که کوئری‌های حاوی تابع ST_3Dintersection برای بررسی‌های منظم کل پایگاه‌داده کاداستر بسیار سخت‌گیرانه هستند. در عوض، این پرس‌وجوها می‌توانند برای اطمینان از اعتبار داده‌ها در لحظه درج یا زمانی که برخی از هندسه‌ها اصلاح می‌شوند، استفاده شوند. در این موارد، هندسه جدید یا اصلاح شده نیازی به بررسی تمام هندسه‌های پایگاه داده ندارد، بلکه فقط در برابر یک زیر مجموعه کوچک بررسی می‌شود.

5. نتیجه گیری ها

در این مطالعه، یک روش برای تولید یک مجموعه داده کاداستر سه بعدی هنوز موجود برای ساختمان ها ارائه شده است، بنابراین به پارادوکس “چگونه می توان مجموعه داده کاملی از چیزی را که هنوز در مرحله طراحی است به دست آورد” پاسخ داد. روش پیشنهادی برای شبیه‌سازی مجموعه داده‌های کاداستر سه‌بعدی با موفقیت برای مورد اسلوونی استفاده شد، بنابراین ثابت کرد که می‌توان آن را به طور موثر در مناطق بزرگ اعمال کرد. ارزیابی عملکرد پایگاه داده با سه پرس و جوی SQL فضایی نشان داده شد که برای بررسی خطاهای مربوط به روابط فضایی هندسه های سه بعدی طراحی شده است. هندسه مجاور واحدهای املاک در کاداستر به طور کلی در یک رابطه لمسی هستند. تقاطع ST_3Dتابع برای تمایز بین رابطه لمس و همپوشانی دو هندسه مورد نیاز است، که اولی مجاز است و دومی نشان دهنده یک خطا است. آزمایش‌ها عملکرد ضعیف پرسش‌هایی را که حاوی تقاطع ST_3DI هستند نشان دادتابع. بنابراین، بر اساس نتایج آزمایش‌های عملکرد پرس‌و‌جوهای SQL، می‌توان نتیجه گرفت که داشتن یک مجموعه داده نماینده در مرحله طراحی سیستم‌های اطلاعات کاداستر سه بعدی مفید است. این به ما امکان می دهد مشکلات و مسائل مهم را در مراحل اولیه توسعه شناسایی کنیم و فرآیندهای ذخیره سازی DBMS و مدیریت داده بهینه را برای داده های کاداستر توسعه دهیم. ارزیابی گزینه‌های تجسم سه‌بعدی نشان می‌دهد که استفاده از کاشی‌های سه بعدی و پلت فرم سزیوم، گزینه بهتری نسبت به استفاده از فایل‌های KML و Google Earth است، زیرا کاشی‌های سه بعدی برای تجسم مجموعه داده‌های سه بعدی بزرگ طراحی شده‌اند. بنابراین ثابت شده است که پلت فرم سزیوم برای تجسم مجموعه داده های کاداستر سه بعدی در مقیاس بزرگ مناسب است.
اگر پارامترها و ویژگی‌های اضافی برای ساختمان‌ها و بخش‌های ساختمان‌ها مانند انواع اتاق، تعداد آنها و مساحت هر اتاق در هر طبقه ارائه شود، می‌توان پیشرفت‌های بیشتر روش ارائه‌شده را انجام داد. روش ارائه شده به بررسی های بیشتری نیاز دارد تا سایر جنبه های ساختمان های واقعی را نیز در فرآیند تولید ساختمان شامل شود، مانند مساحت یا طرح کلی، حجم و ارتفاع. روش توسعه‌یافته همچنین می‌تواند در خارج از حوزه کاداستر سه بعدی برای توسعه ابزارهای تحلیلی فضایی برای ساختمان‌ها در یک محیط سه‌بعدی، که همچنین یک منطقه تحقیقاتی باز در حوزه جغرافیایی است، استفاده شود.

پیوست اول

پیوست A.1. SQL Query برای انتخاب داده ها برای جدول Building_Simulated

  • SELECT id_building، id_bldg_gen، n_storeys،
  • ST_Translate(geom3d، ST_x(ST_GeometryN(geom_c,1))، ST_y(ST_GeometryN(geom_c,1))،h) به عنوان geom3d
  • - ترجمه در جهت x ynd y با استفاده از تابع ST_Translate
  • -- از 0,0 تا x,y مرکز ساختمان واقعی
  • از ساختمان کاداستر
  • JOIN building ON building.n_storeys = cadastral_building.n_storeys
  • - به هر ساختمان از داده های کاداستر موجود، شبیه سازی شده را ملحق کنید
  • -- ساختمان با تعداد طبقات مناسب

ضمیمه A.2. SQL Query برای انتخاب داده ها برای Table Room_Simulated

  • SELECT id_building، id_room_gen،
  • ST_Translate(room.geom3d، ST_x(ST_GeometryN(geom_c,1))، ST_y(ST_GeometryN(geom_c,1))،h) به عنوان geom3d
  • - ترجمه در جهت x ynd y با استفاده از تابع ST_Translate
  • -- از 0,0 تا x,y مرکز ساختمان واقعی
  • از ساختمان کاداستر
  • JOIN building ON building.n_storeys = cadastral_building.n_storeys
  • JOIN room ON room.id_bldg_gen = building.id_bldg_gen
  • - به هر ساختمان از داده های کاداستر موجود، شبیه سازی شده را ملحق کنید
  • -- ساختمان با تعداد طبقات مناسب و سپس ملحق شدن به تمامی
  • -- اتاق هایی که به این ساختمان

ضمیمه A.3. پرس و جوی A1 SQL (اصلاحات در متن پررنگ) برای انتخاب داده ها برای جدول Building_Simulated اصلاح شد

  • SELECT id_building، id_bldg_gen، n_storeys،
  • ST_Translate(geom3d، ST_x(ST_GeometryN(geom_c,1))، ST_y(ST_GeometryN(geom_c,1))،h) به عنوان geom3d FROM (SELECT *، row_number () بیش از(PARTITION BY id_building ORDER BY) به صورت تصادفی)
  • - بیش از یک ساختمان شبیه سازی شده به هر ساختمان واقعی ملحق می شود. به صورت تصادفی
  • - شماره ردیف را به آن ساختمان های شبیه سازی شده اختصاص دهید
  • از ساختمان کاداستر
  • به ساختمان در ساختمان بپیوندید.n_storeys = cadastral_building.n_storeys) a
  • WHERE a.rn = 1
  • - فقط اولین مورد از همه ساختمان های شبیه سازی شده را در نظر بگیرید

ضمیمه A.4. پرس و جوی A2 SQL (اصلاحات در متن پررنگ) برای انتخاب داده ها برای Table Room_Simulated اصلاح شد

  • SELECT id_building، id_room_gen،
  • ST_Translate(room.geom3d، ST_x(ST_GeometryN(geom_c,1))، ST_y(ST_GeometryN(geom_c,1))،h) به عنوان geom3d
  • از ساختمان کاداستر
  • به building_simulated بپیوندید ON building_simulated.id_building = cadastral_building.id_building
  • - ساختمان شبیه سازی شده به صورت تصادفی انتخاب می شود. به جای پیوستن به
  • -- جدول ساختمان، به جدول building_simulated می پیوندیم
  • به اتاق در اتاق بپیوندید.id_bldg_gen = building_simulated.id_bldg_gen
  • -- ما می توانیم به هندسه اتاق مربوطه از اختصاص داده شده بپیوندیم
  • -- ساختمان شبیه سازی شده

ضمیمه A.5. پرس و جوی A3 SQL (اصلاحات در متن پررنگ) برای انتخاب داده ها برای جدول Building_Simulated اصلاح شد

  • SELECT id_building، id_bldg_gen، n_storeys، ST_Translate(geom3d، ST_x(ST_GeometryN(geom_c,1))، ST_y(ST_GeometryN(geom_c,1))،h) به عنوان geom3d
  • FROM (SELECT *، row_number() بیش از (PARTITION BY id_building ORDER BY random()) به صورت rn
  • از cadastral_building به ساختمان بپیوندید
  • مورد
  • WHEN cadastral_building.n_storeys >= 8
  • سپس building.n_storeys = 8
  • WHEN cadastral_building.n_storeys >= 3 و
  • cadastral_building.n_طبقه < 8
  • سپس building.n_storeys = 4
  • WHEN cadastral_building.n_stories < 3
  • THEN building.n_storeys = cadastral_building.n_storeys
  • END ) a WHERE a.rn = 1
  • -- ما ساختمان های شبیه سازی شده را به 1، 2، 4 و 8 طبقه محدود کردیم. واقعی
  • -- ساختمان ها دارای تعداد طبقات دیگری نیز هستند. اضافه فوق
  • -- ساختمان شبیه سازی شده مناسب را به ساختمان واقعی اختصاص می دهد.
  • - برای مثال، ساختمان واقعی با 5 طبقه، 4 طبقه شبیه سازی می شود
  • -- ساختمان اختصاص داده شده است

ضمیمه A.6. پرس و جوی SQL که تقاطع هندسه های سه بعدی را در جدول Building_Simulated بررسی می کند.

  • a.id_building، b.id_building را انتخاب کنید
  • FROM building_simulated a, building_simulated b
  • WHERE ST_3Dتقاطع می کند (a.geom3d، b.geom3d)
  • - شرط - خروجی تابع ST_3DI intersects بولی است
  • AND a.id_building != b.id_building
  • -- با این شرط، بررسی هندسه در مقابل را حذف می کنیم
  • -- خود

ضمیمه A.7. پرس و جوی SQL که همپوشانی هندسه های سه بعدی را در جدول Room_Simulated بررسی می کند

  • SELECT a.id_room, b.id_room, a.id_building FROM room_simulated a, room_simulated b
  • WHERE ST_3Dتقاطع می کند (a.geom3d، b.geom3d)
  • AND ST_Volume(ST_MakeSolid(ST_3DIتقاطع(a.geom3d، b.geom3d))) != 0
  • - علاوه بر عملکرد ST_3DIintersects که سریع است و حذف می شود
  • - همه جفت هایی که متقاطع نیستند، از تابع ST_Intersection استفاده می کنیم
  • -- و تابع ST_Volume برای محاسبه حجم تقاطع. اگر
  • -- حجم تقاطع 0 است، سپس هندسه ها در a هستند
  • - رابطه لمس کردن
  • AND a.id_room != b.id_room
  • AND a.id_building = b.id_building
  • - علاوه بر مستثنی کردن بررسی هندسه در مقابل
  • -- به خودی خود، ما از این شرط برای بررسی فقط جفت اتاق ها استفاده می کنیم
  • -- همان ساختمان

ضمیمه A.8. پرس و جوی SQL که تلاقی هندسه های اتاق را با هندسه بیرونی ساختمان بررسی می کند

  • a.id_room، b.id_building FROM room_simulated a را انتخاب کنید
  • JOIN building_simulated b در a.id_building = b.id_building
  • WHERE ST_3Dتقاطع می کند (a.geom3d، b.geom3d)
  • AND a.id_building = b.id_building
  • -- این پرس و جو ساختاری مشابه A6 دارد. به جای بررسی جفت ها
  • -- از هندسه های ساختمان، این پرس و جو تقاطع را بررسی می کند
  • -- هندسه ساختمان با هندسه اتاق که متعلق به ساختمان است.

منابع

  1. کالوجیانی، ای. ون اوستروم، پی. دیموپولو، ای. لمن، سی. مدیریت زمین سه بعدی: بررسی و چشم انداز آینده در زمینه چرخه حیات توسعه فضایی. ISPRS Int. J. Geo-Inf. 2020 ، 9 ، 107. [ Google Scholar ] [ CrossRef ] [ نسخه سبز ]
  2. یانچکا، ک. کرکی، س. ون اوستروم، پی. زلاتانوا، اس. کلانتری، م. Ghawana، T. DBMS فضایی سه بعدی برای کاداسترهای سه بعدی. در کاداسترهای سه بعدی بهترین روش ها ; ون اوستروم، پ.، اد. فدراسیون بین المللی نقشه برداران (FIG): کپنهاگ، دانمارک، 2018؛ صص 133-181. [ Google Scholar ]
  3. جالجولی، آر. ون اوستروم، پی. Dalyot، S. ساختار داده های فضایی و قابلیت های اجرای سیستم مدیریت زمین سه بعدی: مطالعه موردی اسرائیل. ISPRS Int. J. Geo-Inf. 2018 ، 7 ، 10. [ Google Scholar ] [ CrossRef ] [ نسخه سبز ]
  4. Paulsson, J. حقوق مالکیت سه بعدی – تحلیلی از عوامل کلیدی بر اساس تجربه بین المللی. دکتری پایان نامه، موسسه سلطنتی فناوری، استکهلم، سوئد، 2007. [ Google Scholar ]
  5. کیتساکیس، دی. دیموپولو، ای. کاداسترهای سه بعدی: رویکردهای قانونی و اصلاحات لازم. Surv. Rev. 2014 , 46 , 322-332. [ Google Scholar ] [ CrossRef ]
  6. پالسون، جی. Paasch, J. تحقیقات اموال سه بعدی از دیدگاه حقوقی. محاسبه کنید. محیط زیست سیستم شهری 2013 ، 40 ، 7-13. [ Google Scholar ] [ CrossRef ]
  7. استوتر، جی. پلوگر، اچ. van Oosterom، P. کاداستر سه بعدی در هلند: تحولات و کاربرد بین المللی. محاسبه کنید. محیط زیست سیستم شهری 2013 ، 40 ، 56-67. [ Google Scholar ] [ CrossRef ][ نسخه سبز ]
  8. ووچیچ، ن. رویچ، م. ماجر، م. ورانیک، اس. van Oosterom, P. بررسی اجمالی سیستم مدیریت زمین کرواسی و امکان ارتقاء آن به سه بعدی توسط داده های موجود. ISPRS Int. J. Geo-Inf. 2017 ، 6 ، 223. [ Google Scholar ] [ CrossRef ] [ نسخه سبز ]
  9. شجاعی، د. الفت، ح. رجبی فرد، ع.ع. کلانتری، ام. حرکت به سوی یک کاداستر دیجیتال سه بعدی کاملاً عملیاتی: ویکتوریا، استرالیا. در مجموعه مقالات ششمین کارگاه بین المللی کاداستر سه بعدی FIG، دلفت، هلند، 1 تا 5 اکتبر 2018. [ Google Scholar ]
  10. یانچکا، ک. Souček، P. نمایه کشوری جمهوری چک بر اساس LADM برای توسعه کاداستر سه بعدی. ISPRS Int. J. Geo-Inf. 2017 ، 6 ، 143. [ Google Scholar ] [ CrossRef ]
  11. الکان، م. گورسوی سورمنلی، اچ. Polat، ZA طراحی و توسعه مدل سه بعدی RRR برای سیستم کاداستر ترکیه با استفاده از استانداردهای بین المللی. Surv. Rev. 2020 . [ Google Scholar ] [ CrossRef ]
  12. هو، اس. رجبی فرد، ع. استوتر، جی. کلانتری، م. موانع قانونی اجرای کاداستر سه بعدی: موضوع چیست؟ سیاست کاربری زمین 2013 ، 35 ، 379-387. [ Google Scholar ] [ CrossRef ][ نسخه سبز ]
  13. Stoter، J. کاداستر سه بعدی. دکتری Thesis, TU Delft, Delft, The Netherlands, 2004. [ Google Scholar ]
  14. Khuan، CT; رحمان، ع.ا. زلاتانوا، S. جامدات سه بعدی و مدیریت آنها در DBMS. در پیشرفت در سیستم های اطلاعات جغرافیایی سه بعدی ; van Oosterom, P., Zlatanova, S., Penninga, F., Fendel, E., Eds. Springer: برلین/هایدلبرگ، آلمان، 2008; صص 279-311. [ Google Scholar ] [ CrossRef ]
  15. Višnjevac، N.; میهایلوویچ، آر. شوشکیچ، م. سیویتینوویچ، ژ. Bajat، B. نمونه اولیه سیستم کاداستر سه بعدی مبتنی بر پایگاه داده NoSQL و برنامه تجسم جاوا اسکریپت. ISPRS Int. J. Geo-Inf. 2019 ، 8 ، 227. [ Google Scholar ] [ CrossRef ] [ نسخه سبز ]
  16. زولکیفلی، ن.ا. رحمان، ع.ا. Siew، طراحی پایگاه داده CB و توسعه ثبت کاداستر سه بعدی بر اساس LADM. در مجموعه مقالات هشتمین کارگاه بین المللی FIG در مورد مدل دامنه مدیریت زمین، کوالالامپور، مالزی، 1 تا 3 اکتبر 2019. [ Google Scholar ]
  17. کزار، بی.ام. کوتوری، ر. ون اوستروم، پی. راوادا، اس. در مورد هندسه های سه بعدی معتبر و نامعتبر. در پیشرفت در سیستم های اطلاعات جغرافیایی سه بعدی ; van Oosterom, P., Zlatanova, S., Penninga, F., Fendel, E., Eds. Springer: برلین/هایدلبرگ، آلمان، 2008; صص 19-46. [ Google Scholar ] [ CrossRef ]
  18. کرکی، س. تامپسون، آر. مک‌دوگال، ک. توسعه قوانین اعتبارسنجی برای پشتیبانی از ثبت دیجیتال طرح‌های کاداستر سه بعدی. محاسبه کنید. محیط زیست سیستم شهری 2013 ، 40 ، 34-45. [ Google Scholar ] [ CrossRef ]
  19. شجاعی، د. الفت، ح. ایگناسیو، اس. فاوندز، Q. کلانتری، م. رجبی فرد، ع. Bri, M. اعتبار سنجی داده های هندسی در کاداستر دیجیتال سه بعدی – مطالعه موردی برای ویکتوریا، استرالیا. سیاست کاربری اراضی 2017 , 68 . [ Google Scholar ] [ CrossRef ]
  20. شجاعی، د. رجبی فرد، ع.ع. کلانتری، م. اسقف، شناسه; Aien, A. طراحی و توسعه نمونه اولیه تجسم کاداستر سه بعدی مبتنی بر وب. بین المللی جی دیجیت. زمین 2015 ، 8 ، 538-557. [ Google Scholar ] [ CrossRef ]
  21. وانگ، سی. تجسم سه بعدی کاداستر: ارزیابی تناسب متغیرهای بصری و تکنیک های تقویت در مدل سه بعدی واحدهای دارایی کاندومینیوم. دکتری پایان نامه، دانشگاه لاوال، شهر کبک، QC، کانادا، 2015. [ Google Scholar ]
  22. آیین، ا. رجبی فرد، ع. کلانتری، م. ویلیامسون، اول. بررسی و ارزیابی مدل‌های داده‌های کاداستر فعلی برای کاربردهای کاداستر سه بعدی. در پیشرفت در اطلاعات جغرافیایی سه بعدی، یادداشت های سخنرانی در اطلاعات جغرافیایی و کارتوگرافی ؛ رحمان، AA، ویرایش. Springer: برلین، آلمان، 2017; صص 423-442. [ Google Scholar ] [ CrossRef ]
  23. ISO 19152:2012—اطلاعات جغرافیایی—مدل دامنه مدیریت زمین (LADM) ; استاندارد بین المللی؛ سازمان بین المللی استاندارد: ژنو سوئیس، 2012.
  24. رجبی فرد، ع. عطازاده، ب. کلانتری، ام. ارزیابی انتقادی مدل‌های اطلاعات فضایی سه بعدی برای مدیریت ترتیبات قانونی توسعه‌های چند مالکیتی در ویکتوریا، استرالیا. بین المللی جی. جئوگر. Inf. علمی 2018 ، 32 ، 2098–2122. [ Google Scholar ] [ CrossRef ]
  25. کنسرسیوم فضایی باز استاندارد رمزگذاری زبان جغرافیای شهر (CityGML)، نسخه 2.0. 2012. در دسترس آنلاین: https://www.opengeospatial.org/standards/citygml (در 31 اوت 2020 قابل دسترسی است).
  26. کنسرسیوم فضایی باز IndoorGML، نسخه 1.02. 2014. در دسترس آنلاین: https://www.opengeospatial.org/standards/indoorgml (در 31 اوت 2020 قابل دسترسی است).
  27. کنسرسیوم فضایی باز استاندارد مدل مفهومی زمین و زیرساخت (LandInfra) کدگذاری استاندارد، نسخه 1.0. 2016. در دسترس آنلاین: https://www.opengeospatial.org/standards/landinfra (در 31 اوت 2020 قابل دسترسی است).
  28. آیین، ا. کلانتری، م. رجبی فرد، ع. ویلیامسون، آی. والاس، جی. به سوی ادغام اشیاء قانونی و فیزیکی سه بعدی در مدل های داده کاداستر. سیاست کاربری زمین 2013 ، 35 ، 140-154. [ Google Scholar ] [ CrossRef ]
  29. استوتر، جی. پلوگر، اچ. رز، آر. ون در ریت، ای. بیلجکی، اف. لدوکس، اچ. کوک، دی. Kim, S. ثبت حقوق مالکیت چند سطحی به صورت سه بعدی در هلند: دو مورد و مراحل بعدی در اجرای بیشتر. ISPRS Int. J. Geo-Inf. 2017 ، 6 ، 158. [ Google Scholar ] [ CrossRef ]
  30. جملینی، بی. ون اوستروم، پی. تامپسون، آر. de Vries, M. طراحی، توسعه و آزمایش قابلیت استفاده یک سیستم نمونه اولیه کاداستر سه بعدی سازگار با LADM. خط‌مشی استفاده از زمین 2020 ، 98 ، 104418. [ Google Scholar ] [ CrossRef ]
  31. لارسون، ک. Paasch, JM; Paulsson, J. نمایش مرزهای کاداستر سه بعدی – از آنالوگ به دیجیتال. خط‌مشی استفاده از زمین 2020 ، 98 ، 104178. [ Google Scholar ] [ CrossRef ]
  32. رموندینو، اف. جورجوپولوس، آ. گونزالس-آگیلرا، دی. Agrafiotis, P. (Eds.) آخرین تحولات در نقشه برداری و مدل سازی سه بعدی مبتنی بر واقعیت . MDPI: بازل، سوئیس، 2018. [ Google Scholar ] [ CrossRef ]
  33. گوندوز، م. ایسیکداغ، یو. Basaraner, M. مروری بر تحقیقات اخیر در مدل سازی و نقشه برداری داخلی. ISPRS Int. قوس. فتوگرام حسگر از راه دور اسپات. Inf. علمی 2016 ، XLI-B4 ، 289–294. [ Google Scholar ] [ CrossRef ][ نسخه سبز ]
  34. کیتساکیس، دی. دیموپولو، ای. مشارکت اسناد موجود در کاداستر سه بعدی. در مجموعه مقالات چهارمین کارگاه بین المللی کاداستر سه بعدی FIG، دبی، امارات متحده عربی، 9 تا 11 نوامبر 2014. [ Google Scholar ]
  35. تکاوک، جی. Lisec، A. داده‌های کاداستر به عنوان منبعی برای مدل‌سازی سه بعدی داخلی. خط مشی استفاده از زمین 2020 , 98 , 104322. [ Google Scholar ] [ CrossRef ]
  36. لدوکس، اچ. Meijers، M. مدل های شهر سه بعدی از نظر توپولوژیکی سازگار به دست آمده توسط اکستروژن. بین المللی جی. جئوگر. Inf. علمی 2011 ، 25 ، 557-574. [ Google Scholar ] [ CrossRef ][ نسخه سبز ]
  37. بیلجکی، اف. لدوکس، اچ. Stoter, J. تولید مدل های سه بعدی شهر بدون داده های ارتفاع. محاسبه کنید. محیط زیست سیستم شهری 2017 ، 64 ، 1-18. [ Google Scholar ] [ CrossRef ]
  38. واتسون، بی. مولر، پی. ونکا، پی. سکستون، سی. Veryovka، O. فولر، الف. مدل‌سازی رویه‌ای شهری در عمل. محاسبه کنید. نمودار. Appl. 2018 ، 28 ، 18-26. [ Google Scholar ] [ CrossRef ]
  39. مرل، پی. Schkufza، E. کلتون، V. طرح‌بندی ساختمان‌های مسکونی توسط کامپیوتر. ACM Trans. نمودار 2010 ، 29 ، 181. [ Google Scholar ] [ CrossRef ]
  40. اسملیک، آر.ام. توتنل، تی. بیدارا، ر. Benes، B. نظرسنجی در مورد مدل سازی رویه ای برای جهان های مجازی. محاسبه کنید. نمودار انجمن 2014 ، 33 ، 31-50. [ Google Scholar ] [ CrossRef ]
  41. Camozzato, D. A Method for Growth-based Procedural Floor Plan Generation. دکتری پایان نامه، دانشگاه Pontifícia Católica do Rio Grande do Sul، پورتو آلگره، برزیل، 2015. [ Google Scholar ]
  42. مارسون، اف. Musse، SR تولید بیدرنگ نقشه های طبقات بر اساس الگوریتم نقشه های درختی مربع شده. بین المللی جی. کامپیوتر. تکنولوژی بازی 2010 . [ Google Scholar ] [ CrossRef ]
  43. پنگ، CH; یانگ، ی.ال. Wonka, P. طرح بندی محاسباتی با قالب های قابل تغییر شکل. ACM Trans. نمودار 2014 ، 33 ، 99. [ Google Scholar ] [ CrossRef ] [ نسخه سبز ]
  44. توتنل، تی. بیدارا، ر. اسملیک، آر.ام. de Kraker، حل طرح مبتنی بر قانون KJ و کاربرد آن در تولید داخلی رویه ای. در مجموعه مقالات کارگاه CASA در مورد رسانه های پیشرفته سه بعدی در بازی و شبیه سازی، آمستردام، هلند، 17 تا 19 ژوئن 2009. [ Google Scholar ]
  45. رودریگز، ای. گاسپار، آر. گومز، Á. یک استراتژی تکاملی با تکنیک جستجوی محلی برای مسئله تخصیص فضا در معماری، بخش 1: روش‌شناسی. محاسبه کنید. به دس کمک کرد. 2013 ، 45 ، 887-897. [ Google Scholar ] [ CrossRef ]
  46. گروگر، جی. Plümer, L. استخراج مدل‌های 3 بعدی فضای داخلی توسط گرامرها برای برنامه‌ریزی مسیر. فتوگرام فرنرکوند. Geoinf. 2010 ، 191-206. [ Google Scholar ] [ CrossRef ]
  47. ژو، جی. ژانگ، اچ. چن، ام. خو، ز. چی، اچ. یین، ال. وانگ، جی. Hu، Y. یک روش مدل‌سازی رویه‌ای برای صحنه‌های راه‌آهن پرسرعت مجازی مبتنی بر ترکیب مدل و محدودیت معنایی فضایی. بین المللی جی. جئوگر. Inf. علمی 2015 ، 29 ، 1059-1080. [ Google Scholar ] [ CrossRef ]
  48. تسیلیاکو، ای. لابروپولوس، تی. دیموپولو، ای. مدلسازی رویه ای در محیط سه بعدی GIS. بین المللی J. 3-D Inf. مدل. 2014 ، 3 ، 17-34. [ Google Scholar ] [ CrossRef ][ نسخه سبز ]
  49. کیتساکیس، دی. تسیلیاکو، ای. لابروپولوس، تی. دیموپولو، ای. مدلسازی سه بعدی رویه ای برای سکونتگاه های سنتی. مطالعه موردی زاغوری مرکزی. ISPRS Int. قوس. فتوگرام حسگر از راه دور اسپات. Inf. علمی 2017 ، 42 ، 369-376. [ Google Scholar ] [ CrossRef ][ نسخه سبز ]
  50. ریبیرو، آ. د آلمیدا، جی.-پی. Ellul, C. Exploring CityEngine به عنوان یک ابزار تجسم برای کاداستر سه بعدی. در مجموعه مقالات چهارمین کارگاه بین المللی کاداستر سه بعدی FIG، دبی، امارات متحده عربی، 9 تا 11 نوامبر 2014. [ Google Scholar ]
  51. نوینشواندر، ن. ویسن هایک، U. Grêt-Regamey، A. ادغام یک نوع شناسی فضای سبز شهری در تجسم سه بعدی رویه ای برای برنامه ریزی مشترک. محاسبه کنید. محیط زیست سیستم شهری 2014 ، 48. [ Google Scholar ] [ CrossRef ]
  52. بیلجکی، اف. لدوکس، اچ. Stoter, J. تولید مدل‌های سه بعدی شهر چند-LOD در شهر GML با موتور مدل‌سازی رویه‌ای Random3Dcity. ISPRS Ann. فتوگرام حسگر از راه دور اسپات. Inf. علمی 2016 ، IV-4/W1 ، 51-59. [ Google Scholar ] [ CrossRef ]
  53. کومار، ک. لابتسکی، آ. لدوکس، اچ. Stoter, J. یک چارچوب LOD بهبود یافته برای زمین ها در مدل های شهر سه بعدی. ISPRS Ann. فتوگرام حسگر از راه دور اسپات. Inf. علمی 2019 ، IV-4/W8 ، 75-82. [ Google Scholar ] [ CrossRef ][ نسخه سبز ]
  54. رودریگز، ای. فرناندز، ام اس؛ گومز، Á. گاسپار، آر. کاستا، JJ طراحی ساختمان های چند طبقه مبتنی بر عملکرد برای یک محیط شهری پایدار: مطالعه موردی. تمدید کنید. حفظ کنید. Energy Rev. 2019 , 113. [ Google Scholar ] [ CrossRef ] [ نسخه سبز ]
  55. دروبژ، پ. کاسماتین فراس، م. فرلان، م. Lisec، A. انتقال از کاداستر املاک دو بعدی به سه بعدی – مورد کاداستر اسلوونی. محاسبه کنید. محیط زیست سیستم شهری 2017 ، 62 ، 125-135. [ Google Scholar ] [ CrossRef ]
  56. عطازاده، ب. کلانتری، م. رجبی فرد، ع. هو، اس. Ngo، T. مدل سازی اطلاعات ساختمان برای مدیریت زمین بلندمرتبه. ترانس. GIS 2017 ، 21 ، 91-113. [ Google Scholar ] [ CrossRef ]
  57. لی، ال. وو، جی. زو، اچ. دوان، ایکس. Luo, F. مدلسازی سه بعدی ساختار مالکیت واحدهای کاندومینیوم. محاسبه کنید. محیط زیست سیستم شهری 2016 ، 59 ، 50-63. [ Google Scholar ] [ CrossRef ]
  58. Knoth، L. شولز، جی. استروبل، جی. میتلبوک، ام. وکنر، بی. آتزل، سی. رجبی فرد، ع. عطازاده، ب. مدل های ساخت متقابل دامنه-گامی به سوی قابلیت همکاری. ISPRS Int. J. Geo-Inf. 2018 ، 7 ، 363. [ Google Scholar ] [ CrossRef ] [ نسخه سبز ]
  59. اولدفیلد، جی. ون اوستروم، پی. بیتز، جی. Krijnen، TF کار با استانداردهای باز BIM برای تهیه فضاهای قانونی برای کاداستر سه بعدی. ISPRS Int. J. Geo-Inf. 2017 ، 6 ، 351. [ Google Scholar ] [ CrossRef ] [ نسخه سبز ]
  60. برزگر، م. رجبی فرد، ع. کلانتری، م. عطازاده، ب. پرس و جو فضایی با BIM سه بعدی برای بازیابی مرزهای دارایی: مطالعه موردی در ویکتوریا، استرالیا. بین المللی جی. جئوگر. Inf. علمی 2020 ، 34 ، 251-271. [ Google Scholar ] [ CrossRef ]
  61. رجبی فرد، ع. عطازاده، ب. کلانتری، M. BIM و مدیریت اراضی شهری ، چاپ اول; مطبوعات CRC: بوکا راتون، فلوریدا، ایالات متحده آمریکا، 2019. [ Google Scholar ] [ CrossRef ]
  62. SFGGAL، بسته بندی در اطراف کتابخانه CGAL برای عملیات دو بعدی و سه بعدی بر اساس استانداردهای OGC. 2019. در دسترس آنلاین: https://www.sfcgal.org (در 31 اوت 2020 قابل دسترسی است).
Ijgi 09 00598 g001 550
شکل 1. چارچوب مفهومی مطالعه.
Ijgi 09 00598 g002 550
شکل 2. برنامه تکاملی برای مسئله تخصیص فضا (EPSAP) گردش کار الگوریتم (اقتباس از مرجع [ 54 ]).
Ijgi 09 00598 g003 550
شکل 3. مدل ساختمان دو طبقه شبیه سازی شده شامل سطوح دیوار، در و پنجره.
Ijgi 09 00598 g004 550
شکل 4. پیوند کلاس های مدل دامنه مدیریت زمین (LADM) (سبز) به مدل داده ساختمان های شبیه سازی شده (سفید).
Ijgi 09 00598 g005 550
شکل 5. هندسه های جامد ایجاد شده از سطوح از پیش تعریف شده.
Ijgi 09 00598 g006 550
شکل 6. ( الف ) قرارگیری اصلی مدل های ساختمان سه بعدی تولید شده. ( ب ) همان مدل ها پس از قرار دادن آنها در مبدأ سیستم مختصات محلی.
Ijgi 09 00598 g007 550
شکل 7. هندسه های اتاق سه بعدی (رنگ های تصادفی)، طرح کلی ساختمان 2 بعدی (زرد) و هندسه بیرونی ساختمان سه بعدی اکسترود شده (آبی شفاف).
Ijgi 09 00598 g008 550
شکل 8. ذخیره‌سازی سیستم مدیریت پایگاه داده (DBMS) مدل‌های ساختمانی سه‌بعدی ایجاد شده رویه‌ای تبدیل شده.
Ijgi 09 00598 g009 550
شکل 9. ذخیره سازی DBMS برای مجموعه داده کاداستر سه بعدی شبیه سازی شده.
Ijgi 09 00598 g010 550
شکل 10. نمونه هایی از ساختمان های تولید شده از خانه های خانوادگی یک طبقه تا ساختمان های آپارتمانی چند طبقه با کاربری مختلط.
Ijgi 09 00598 g011 550
شکل 11. تجسم سه بعدی تجسم سه بعدی ساختمان سه بعدی مسکونی شبیه سازی شده جغرافیایی در Google Earth.

مقالات داخلی و بین المللی

مطالب مرتبط ...

بدون دیدگاه

دیدگاهتان را بنویسید