توسعه معاصر سخت افزار و نرم افزار کامپیوتر، خدمات WebGIS و geo-web و همچنین در دسترس بودن مدل های شهری سه بعدی معنایی، اجرای انعطاف پذیر و پویا برنامه های کاربردی وب را تسهیل می کند. هدف این مقاله معرفی 4D CANVAS، یک برنامه کاربردی مبتنی بر وب برای تجسم پویا از داده های جغرافیایی سه بعدی برای تصمیم گیری بهبود یافته در برنامه های کاربردی شهر هوشمند است. این بر اساس Cesium Virtual Globe، یک کتابخانه جاوا اسکریپت منبع باز است که با HTML5 و WebGL توسعه یافته است. در ابتدا، فرمت های مختلف داده مانند JSON، GeoJSON، زبان نشانه گذاری سزیوم (CZML) و کاشی های سه بعدی برای مناسب بودن آنها در برنامه های تجسم 4 بعدی ارزیابی می شوند. سپس، یک رابط کاربری گرافیکی تعاملی (GUI) با رعایت اصل استانداردهای کارتوگرافی برای مشاهده، مدیریت، ساخته می شود. خروجی های مختلف شبیه سازی را در وضوح های فضایی متعدد (سطح سه بعدی ساختمان ها) و زمانی (ساعتی، روزانه، ماهانه) درک و بررسی کنید. در این راستا، ابزارهای متعددی مانند تجمیع، طبقه بندی داده ها و غیره با استفاده از کتابخانه های جاوا اسکریپت توسعه یافته اند. به عنوان اثبات مفهوم، دو شبیه‌سازی انرژی و خروجی‌های آنها از وضوح‌های مکانی و زمانی مختلف در پنج شهر آسیایی و اروپایی نشان داده شده‌اند. در نهایت، CANVAS 4D در هر دو صفحه نمایش دسکتاپ و چند لمسی مستقر شده است. برنامه پیشنهادی امکان ادغام آسان سایر نتایج شبیه‌سازی جغرافیایی را فراهم می‌کند، در نتیجه به کاربران بخش‌های مختلف کمک می‌کند تا آنها را به صورت تعاملی در 4 بعدی کشف کنند. ابزارهای متعددی مانند تجمیع، طبقه بندی داده ها و غیره با استفاده از کتابخانه های جاوا اسکریپت توسعه یافته اند. به عنوان اثبات مفهوم، دو شبیه‌سازی انرژی و خروجی‌های آنها از وضوح‌های مکانی و زمانی مختلف در پنج شهر آسیایی و اروپایی نشان داده شده‌اند. در نهایت، CANVAS 4D در هر دو صفحه نمایش دسکتاپ و چند لمسی مستقر شده است. برنامه پیشنهادی امکان ادغام آسان سایر نتایج شبیه‌سازی جغرافیایی را فراهم می‌کند، در نتیجه به کاربران بخش‌های مختلف کمک می‌کند تا آنها را به صورت تعاملی در 4 بعدی کشف کنند. ابزارهای متعددی مانند تجمیع، طبقه بندی داده ها و غیره با استفاده از کتابخانه های جاوا اسکریپت توسعه یافته اند. به عنوان اثبات مفهوم، دو شبیه‌سازی انرژی و خروجی‌های آنها از وضوح‌های مکانی و زمانی مختلف در پنج شهر آسیایی و اروپایی نشان داده شده‌اند. در نهایت، CANVAS 4D در هر دو صفحه نمایش دسکتاپ و چند لمسی مستقر شده است. برنامه پیشنهادی امکان ادغام آسان سایر نتایج شبیه‌سازی جغرافیایی را فراهم می‌کند، در نتیجه به کاربران بخش‌های مختلف کمک می‌کند تا آنها را به صورت تعاملی در 4 بعدی کشف کنند.
کلید واژه ها:

تجسم 4 بعدی ؛ مدل های سه بعدی شهر ; شهر هوشمند ؛ شبیه سازی انرژی سزیم

1. مقدمه

در سال‌های اخیر شاهد افزایش چشم‌گیری در ظهور فناوری‌های اطلاعات و ارتباطات شهر هوشمند (ICT) بوده‌ایم که شامل توسعه خدمات نرم‌افزاری، سیستم‌های حسگر و استانداردهای داده می‌شود. یک موضوع بزرگ در تحقیقات مربوط به شهر هوشمند در زمینه انرژی، محیط زیست و پایداری نهفته است که نیاز به تجزیه و تحلیل اکتشافی و تجسم داده های چند بعدی (2D، 2.5D، 3D و 4D) دارد. چنین کاربردهایی نیاز به وضوح تجسم دانه‌ای دارند و معمولاً در ساختمان، سطح ساختمان یا سطوح شی ساختمان (مثلاً نقاط یا شبکه‌های شطرنجی) تجمیع و نشان داده می‌شوند. رایج ترین موضوعات در تحقیقات انرژی شهری شامل ارزیابی تابش خورشیدی، مدل سازی پتانسیل فتوولتائیک (PV)، یا شبیه سازی تقاضای انرژی در مقیاس ساختمان و همچنین تحقیق در مورد ارزیابی جزایر گرمایی شهری (UHI) و پایش کیفیت هوا در مقیاس درشت تر که کل محله ها یا شهرها را در بر می گیرد. علاوه بر تفکیک‌پذیری‌های مکانی، تفکیک‌پذیری‌های زمانی متفاوت نیز نقش مهمی در تحلیل انرژی شهری ایفا می‌کنند. برای مثال، در مورد مدل‌سازی انرژی خورشیدی یا پتانسیل PV، نتایج را می‌توان با وضوح‌های زمانی مختلف (ساعتی، روزانه، ماهانه، سالانه) جمع‌آوری کرد. این نیاز به دانه بندی بالاتری از تجسم دارد و بنابراین 4D به یک ضرورت تبدیل می شود [ در مورد مدل‌سازی انرژی خورشیدی یا پتانسیل PV، نتایج را می‌توان با وضوح‌های زمانی مختلف (ساعتی، روزانه، ماهانه، سالانه) جمع‌آوری کرد. این نیاز به دانه بندی بالاتری از تجسم دارد و بنابراین 4D به یک ضرورت تبدیل می شود [ در مورد مدل‌سازی انرژی خورشیدی یا پتانسیل PV، نتایج را می‌توان با وضوح‌های زمانی مختلف (ساعتی، روزانه، ماهانه، سالانه) جمع‌آوری کرد. این نیاز به دانه بندی بالاتری از تجسم دارد و بنابراین 4D به یک ضرورت تبدیل می شود [1 ، 2 ]. متأسفانه، چنین برنامه های کاربردی آماده ای برای تجسم و تحلیل های اکتشافی در دسترس نیستند.
تجسم سه بعدی به دلیل مزایای فراوان آن نسبت به رویکردهای دو بعدی، در بسیاری از حوزه های مختلف مورد توجه فزاینده ای قرار گرفته است [ 3 ]]. به طور خاص، برای برنامه‌های مدل‌سازی شهری، سه بعدی یک ضرورت می‌شود، زیرا نتایج باید مستقیماً در شیء ساختمان تحلیل و تجسم شوند. گنجاندن مقیاس زمانی (4D) هنوز از نظر ارائه یک محیط جالب و تعاملی یک کار بسیار سخت است. چنین تجسم‌های مکانی-زمانی نقش مهمی در درک و کشف برخی الگوهای پیش‌بینی از هر دو بعد مکانی و زمانی داده‌ها، پشتیبانی از تصمیم‌گیری و نمایش بهتر دنیای واقعی دارند. اخیراً، تجسم‌های ایستا در برابر فناوری‌های جدیدی که از پلتفرم‌های پویا و تعاملی پشتیبانی می‌کنند، خسته‌کننده تلقی می‌شوند و به کاربران اجازه می‌دهند تا داده‌ها را در زمان واقعی در یک برنامه مبتنی بر وب پیمایش، بزرگنمایی و حتی جستجو کنند. پیشرفت فناوری های جدیدتر مانند WebGL [ 4] نرم افزارها، ابزارها و کتابخانه های انحصاری و منبع باز مختلف، طراحی و توسعه چنین رابط های تعاملی را ممکن می سازد (Cesium.js [ 5 ]، Glob3m [ 6 ]). از سوی دیگر، اگرچه تجسم مبتنی بر وب سه بعدی موضوع محبوبیت فزاینده ای در سال های اخیر بوده است، اصول نقشه کشی که می تواند برای چنین نمایش هایی اعمال شود به طور کامل بررسی نشده و استانداردهایی ایجاد نشده است [ 3 ، 7 ].
یکی از مدل‌های داده‌ای که معمولاً برای ذخیره و مدل‌سازی ساختمان و سایر اشیاء مرتبط (سطوح زمین، زیرساخت و غیره) در زمینه برنامه‌های کاربردی شهرهای هوشمند استفاده می‌شود، مدل شهر سه بعدی است. یک فرمت مبادله مبتنی بر XML صریح برای مدل‌های سه بعدی شهر CityGML است. از توصیف هندسی اجزای مدل شهر سه بعدی پشتیبانی می کند، اطلاعات معنایی و توپولوژی را مشخص می کند و همچنین اطلاعات چند سطحی جزئیات (LOD) را در مقیاس های مکانی و زمانی مختلف ذخیره می کند [ 8 ]. علاوه بر این، مشخصات مدل‌سازی شی را می‌توان در LOD‌های مختلف نشان داد – از مدل‌های بلوک ساختمانی ساده با سقف‌های تخت (LOD1) تا مدل‌های ساختمانی دقیق که شامل فضای داخلی ساختمان (LOD4) است ( شکل 1 ).
پسوندهای دامنه کاربردی چندگانه (ADE) که برنامه‌های مختلف تحقیقاتی شهر هوشمند (انرژی، شبکه‌های ابزار، داده‌های حسگر) را پوشش می‌دهند، توسعه یافته‌اند یا در حال حاضر در حال توسعه هستند [ 10 ، 11 ]. بنابراین، مدل‌های شهر سه‌بعدی به‌عنوان محفظه‌ای برای ذخیره داده‌های شهر هوشمند مرتبط با ICT عمل می‌کنند و چندین معماری نرم‌افزاری (هم منبع باز و هم اختصاصی) برای ذخیره و دسترسی به همه این اطلاعات مرتبط توسعه داده شده‌اند.
این تحقیق طراحی و توسعه 4 بعدی CANVAS را توصیف می کند، یک برنامه کاربردی مبتنی بر وب برای تجسم پویا از داده های جغرافیایی سه بعدی برای تصمیم گیری بهبود یافته در برنامه های کاربردی شهر هوشمند. در این راستا، بررسی دقیق ادبیات و روندهای فعلی در مورد برنامه های کاربردی سه بعدی و چهار بعدی اخیر، خدمات وب، فناوری ها و استانداردها انجام می شود. یک رابط کاربری گرافیکی (GUI) توسعه داده شده است تا امکان تعامل با مجموعه داده‌های مکانی و زمانی سه بعدی که خروجی‌های مدل انرژی چندگانه را نشان می‌دهند، فراهم کند. ساختمان های سه بعدی و سطوح آنها به عنوان اشیاء تعاملی معرفی می شوند و عناصر اولیه بصری، ساختاری و رفتاری متفاوتی در آن گنجانده شده اند [ 12 ].]. این تحقیق همچنین به بررسی جنبه های نقشه برداری یک رابط مبتنی بر وب سه بعدی می پردازد و سعی می کند تعیین کند که چه قوانین و مقرراتی باید برای چنین رابط هایی دنبال و اعمال شود. در این راستا، بهترین شیوه های کارتوگرافی و استانداردهای ISO برای قابلیت استفاده، کارایی و طراحی رعایت می شوند [ 13 ]. علاوه بر آنچه رابط‌های فعلی در این زمینه ارائه می‌دهند، 4D CANVAS قابلیت‌های تحلیلی مختلفی مانند تجمع و تفکیک نتایج، تجزیه و تحلیل‌های آماری لحظه‌ای برای اکتشاف خروجی‌های مدل انرژی را ممکن می‌سازد. علاوه بر این، قابلیت‌ها و محدودیت‌های استفاده از فرمت‌های داده‌های مختلف مانند JSON، GeoJSON، زبان نشانه‌گذاری سزیوم (CZML) و کاشی‌های سه‌بعدی در برنامه‌های وب چهاربعدی ارزیابی می‌شوند.
در بخش زیر مروری بر روند فعلی وب سرویس های سه بعدی و چهار بعدی، پیاده سازی و کاربردهای آنها توضیح داده شده است. بخش 3 معماری سیستم برنامه 4 بعدی پیشنهادی و همچنین فرمت های داده، نرم افزار و فناوری های مورد نیاز را شرح می دهد. بخش 4 تجسم و قابلیت های کاربردی رابط وب را با برخی مطالعات موردی مرتبط با شبیه سازی انرژی نشان می دهد. بحث در مورد نتایج و آزمایش عملکرد برنامه در بخش 5 خلاصه شده است. در نهایت، با برجسته کردن محدودیت‌ها و موضوعات تحقیقاتی آتی در بخش 6 ، نتیجه‌گیری می‌شود .

2. تحقیقات مرتبط و روندهای جاری

بسیاری از رابط های سه بعدی در گذشته توسعه یافته اند. با این حال، توسعه و موفقیت چنین رابط‌هایی با پیشرفت‌های بزرگ در پیشرفت‌های فناوری در سخت‌افزار و نرم‌افزار همراه است [ 14 ]. در طول دو دهه گذشته، چندین اوج در توسعه چنین رابط‌هایی قابل مشاهده است. برای مثال، برنامه‌های مبتنی بر VRML [ 15 ] یک تبلیغات کوتاه مدت را تجربه کردند، اما با گذشت زمان دوباره ناپدید شدند، زیرا به طور کامل توسط کاربران پذیرفته نشدند. با این حال، روند فعلی به سمت تجسم‌های سه بعدی مبتنی بر مرورگر بومی که می‌توانند در پلتفرم‌های متعدد مورد استفاده قرار گیرند، یک پیشرفت واقعی به نظر می‌رسد. به عنوان مثال، توسعه WebGL و HTLM5 جرقه تحولات بسیاری مانند Cesium.js [ 5 ]، three.js [ 16 ]، Unity3D [17 ]، موتور آنریل [ 18 ]. X3DOM [ 19 ]، OSG.js [ 20 ]، O3D [ 21 ]، WebGL Earth [ 22 ]، WebGL Globe [ 23 ] و غیره برای تجسم ویژگی های 2D/3D و قابلیت های مختلف جغرافیایی [ 24 ، 25 ]. آنها مورد توجه مخاطبان گسترده تری از مصرف کنندگان و جامعه علمی قرار گرفتند. در نتیجه، چندین برنامه تجاری و انتشارات علمی در مورد تجسم سه بعدی ظاهر شد. به طور کلی، این انتشارات را می توان در چندین دسته دسته بندی کرد که از تجسم خالص مبتنی بر کتابخانه های نرم افزاری منبع باز و اختصاصی گرفته تا رابط های تجسم 4 بعدی معنایی 3 بعدی و مکانی-زمانی را شامل می شود. جولین و همکاران [ 26] یک طرح توصیف دقیق از پروژه های مدل سازی و تجسم شهر سه بعدی ارائه می دهد. آنها همچنین مفاهیمی را برای هماهنگ سازی و تجسم چنین مدل هایی در موارد استفاده مختلف در فنلاند ارائه کردند.
مدل‌های سه بعدی شهر (به عنوان مثال، فرمت CityGML) یک کلید در مدل‌سازی انرژی شهری هستند و چندین رابط توسعه یافته‌اند. به عنوان مثال، اطلس انرژی برلین [ 27 ]، مورد بحث Kaden و همکاران. ([ 28 ، 29 ])، با هدف تجسم اطلاعاتی مانند نیازهای انرژی گرمایشی، بازسازی انرژی و انرژی زمین گرمایی در شهر برلین در آلمان است. رابط آنها تجسم داده های ساختمان LOD2 CityGML را در مقیاس های تجمعی چندگانه امکان پذیر می کند. وندل و همکاران [ 7] یک برنامه کاربردی مبتنی بر وب تعاملی، رایگان و بدون پلاگین ایجاد کرد که امکان تجسم و تعامل با داده های جغرافیایی سه بعدی معنایی را در شهر کارلسروهه در آلمان بدون وابستگی به نرم افزار یا ابزار اختصاصی فراهم می کند. این بر اساس یک جاوا اسکریپت سفارشی سه.js ساخته شده بود اما قادر به تجسم داده های مکانی-زمانی نبود. پروژه Sunshine، اولین پذیرنده سزیم، یک نمایش نقشه‌کشی برای خدمات شهری و مصرف انرژی در مقیاس شهری اجرا کرد [ 30 ]. به منظور قابلیت‌های تجسم مستقیم برای مدل‌های شهر سه بعدی معنایی، چاتووردی و همکاران. [ 31 ] یک سرویس گیرنده وب مبتنی بر صادرات KML/COLLADA از CityGML در یک رابط تعاملی برای 3DCityDB توسعه داد [ 32]، یک طرح پایگاه داده ساده شده برای CityGML در PostgreSQL [ 33 ]. بر اساس آن روش، کلبه و همکاران. [ 34 ] کل مدل شهر نیویورک (بیش از 1 میلیون ساختمان) را در CityGML بر روی یک رابط مبتنی بر وب سزیوم منتشر کرد که توسط اشیاء شهری سه بعدی بیشتر غنی شد.
در موضوع تجسم وب 4 بعدی، رش و همکاران. [ 3 ] یک نمونه اولیه مبتنی بر WebGL را برای ترکیب داده‌های مکانی و زمانی دریایی در یک رابط مبتنی بر وب سه بعدی بومی پیاده‌سازی کرد. آنها همچنین چالش های مفهوم تجسم 4 بعدی را مورد بحث قرار دادند و در مورد کمبود استانداردها با داده های جغرافیایی زمانی بحث کردند. اوانجلیدیس و همکاران [ 24 ] جلوه‌های حرکتی را برای انیمیشن‌های زمانی و غیر زمانی بر روی نمونه اولیه نرم‌افزار فضایی باز پیاده‌سازی کرد. قابلیت‌های سطح بالایی را برای ایجاد پویا جهان‌های جغرافیایی مجازی تعریف‌شده توسط کاربر، پر از مدل‌های متحرک انتخابی و متحرک سه‌بعدی در مکان‌ها، مسیرها و مناطق مشخص شده توسط کاربر فراهم می‌کند. زو و همکاران [ 35]، یک رابط ایجاد کرد که در آن داده‌های مکانی-زمانی به‌دست‌آمده توسط حسگرها در سزیم با استفاده از خدمات OGC SOS تجسم می‌شدند. در زمینه داده های بزرگ، لین و همکاران. [ 36 ] یک رابط مبتنی بر سزیم برای نظارت بر محیط زیست ساحلی با استفاده از داده های زمان واقعی پیاده سازی کرد. آنها بیشتر در مورد مدیریت و ذخیره سازی داده ها در رابط های مبتنی بر وب 3D/4D بحث و گفتگو کردند. یک رابط چندوجهی مبتنی بر Glob3m، یک کره وب منبع باز مبتنی بر OpenGL و WebGL که می تواند در حالت های تجسم چندگانه در دستگاه های تلفن همراه مشاهده شود، در Santana و همکاران ارائه شد. [ 37 ]، که در آن کاربر می تواند با خروجی های مدل انرژی به شیوه ای همه جانبه تعامل داشته باشد [ 38 ].
برخلاف پیشرفت‌های پژوهش‌محور ارائه‌شده در بخش‌های بالا، چندین رابط سه‌بعدی مناسب و تجاری نیز وجود دارد که در سال‌های اخیر توسعه یافته‌اند. بیشتر این رابط ها با موضوع شهرهای هوشمند، معماری، طراحی شهری و برنامه ریزی شهری سروکار دارند. سه چارچوب اصلی نرم افزار تجاری مبتنی بر WebGL عبارتند از ESRI City Engine web viewer، Unity 3D [ 17 ] و Google Earth/Maps 3D [ 39 ]. آنها رابط های برنامه نویسی کاربردی (API) جامعی را برای توسعه پروژه سفارشی ارائه می دهند. به عنوان مثال، پروژه دبی هوشمند [ 40] بر روی یک پلتفرم ESRI توسعه داده شد که داده‌های سه‌بعدی بلادرنگ را برای عموم به مردم کمک می‌کند تا مکان‌ها، پروژه‌ها و رویدادهای اطراف شهر را درک کنند. شهر استانبول Unity 3D را برای تجسم پتانسیل خورشیدی و نیازهای انرژی به کار برد [ 41 ].
چندین پروژه دیگر در زمینه تجسم سه بعدی بومی وجود دارد که هر کدام نوع متفاوتی از داده ها را پیاده سازی می کنند و اطلاعات مختلفی را نشان می دهند، مانند NASA WebWorldWind [ 42 ]. علاوه بر رابط های سه بعدی و چهار بعدی واقعی، یک روند اخیر را می توان در گسترش پلتفرم های نقشه برداری وب دو بعدی سنتی مانند leaflet.js [ 43 ] یا Mapbox [ 44 ] مشاهده کرد که برای برنامه های 2.5 و 3.5 بعدی سفارشی شده است، جایی که فقط 3 بعدی است. دیدگاه های پرسپکتیو در برنامه هایی مانند WRLD3D [ 45 ] که بر اساس eego.js [ 46 ] و leaflet.js [ 43 ] است، ارائه می شود.
بسیاری از این پیاده‌سازی‌های اولیه بر ظاهر بصری و جنبه‌های زمانی (4D) تمرکز نداشتند. کمبود برنامه های کاربردی وب 4 بعدی منبع باز برای نتایج شبیه سازی مربوط به شهر هوشمند وجود دارد. علاوه بر این، بیشتر برنامه‌ها بر روی قابلیت‌های اساسی تمرکز می‌کنند و قابلیت‌های تحلیلی سفارشی‌شده را برای تحلیل‌های اکتشافی نتایج شبیه‌سازی ارائه نمی‌کنند. آنها در یک پلت فرم به عنوان مثال، روی دسکتاپ و نه بر روی تبلت های چند لمسی پیاده سازی شدند، که ناوبری آسان را فراهم می کند. CANVAS 4 بعدی پیشنهادی بر محدودیت ها غلبه کرده و کاربرد آن را در چندین مورد استفاده نشان می دهد.

3. معماری پیشنهادی

در میان چارچوب‌ها و کتابخانه‌های تجسم مبتنی بر WebGL، سزیوم برای ایجاد کره‌های مجازی با تجسم سه بعدی پویا زمانی از داده‌های مکانی مناسب‌تر است، زیرا امکان پشتیبانی از داده‌های زمانی گسسته بومی را فراهم می‌کند. علاوه بر این، با استفاده از سرویس‌ها و استانداردهای وب جغرافیایی، قابلیت‌های مختلف جغرافیایی مانند تجسم زمین و لایه‌های تصویری را در بر می‌گیرد. سزیوم یک بسته جاوا اسکریپت منبع باز است که از ارائه محتوای سه بعدی در مرورگر وب پشتیبانی می کند که در آن کاربران می توانند به صورت پویا بین تجسم کره سه بعدی و طرح ریزی نقشه دو بعدی جابجا شوند. از WebGL برای ارائه شتاب سخت‌افزاری و استقلال افزونه استفاده می‌کند و قابلیت‌های بین پلتفرمی و بین مرورگر را فراهم می‌کند [ 31 ].
معماری رابط تجسم 4 بعدی پیشنهادی بر روی لایه های موجود سزیوم [ 47 ] (ویجت ها، منابع داده، صحنه، رندر و هسته) و ویژگی ها ( شکل 2 ) طراحی شده است. این شامل سه بخش اصلی است: آماده سازی داده ها، پیاده سازی و تجسم.
آماده سازی داده ها: رابط تجسم پویا پیشنهادی از فرمت های مختلف داده مانند CityGML، JSON، GeoJSON، Cesium Markup Language (CZML) و Cesium 3D Tiles پشتیبانی می کند. هر یک از این فرمت‌ها دارای قابلیت‌های خاصی هستند و بنابراین انتخاب فرمت داده به قابلیت‌ها/استفاده و سطح جزئیات داده‌های اصلی CityGML بستگی دارد. داده های CityGML (LOD1 و LOD2) به عنوان جداول از طریق 3DCityDatabase Import/Exporter به پایگاه های داده PostgreSQL وارد می شوند تا شبیه سازی های انرژی بر روی آنها اجرا شود. نتایج شبیه‌سازی انرژی در همان پایگاه داده مانند جداول جداگانه ذخیره می‌شوند [ 2 ، 48]. برای تجسم نتایج در رابط پیشنهادی، چندین اسکریپت پایتون در محیط Eclipse نوشته می شود تا جداول پایگاه داده را به فرمت مورد نظر تبدیل کند.
پیاده سازی: Cesium.js (نسخه 1.45) برای سفارشی سازی و تجسم نتایج شبیه سازی انرژی بر روی یک سرور محلی مستقر شده است. سزیوم برای میزبانی نقشه ها و فایل ها به وب سرور وابسته است. هیچ نیازی به سرور ندارد اما Node.js برای این رابط استفاده می شود. پس از راه اندازی اتصال میزبان محلی، یک محیط توسعه برنامه نویسی با استفاده از Brackets ایجاد می شود، جایی که Cesium Viewer در ابتدا به کد جاوا اسکریپت اضافه می شود تا توسعه 4 بعدی CANVAS را آغاز کند. پس از آن، عملکردهای تحلیلی بیشتر و تجسم وابسته به زمان با استفاده از زبان های برنامه نویسی اجرا می شوند (به بخش 3 مراجعه کنید ).
تجسم: رابط پیشنهادی سپس در رایانه‌های شخصی (رومیزی، لپ‌تاپ) و تبلت‌های چند لمسی مستقر می‌شود.
خلاصه ای از قابلیت های زبان های برنامه نویسی مختلف (به عنوان مثال، پایتون، HTML5 [ 49 ]، CSS، جاوا اسکریپت)، کتابخانه ها/API (AMCharts، JQuery UI، Geostats)، نرم افزار (3D City Database، pgAdmin، Eclipse، FME)، و فرمت های داده (CZML، JSON، و غیره) در جدول 1 توضیح داده شده است.

4. استقرار CANVAS 4D

4.1. فرمت داده

انتخاب یک قالب خاص به ماهیت (مکانی یا زمانی)، حجم (چندین ساختمان یک منطقه یا تمام ساختمان‌های کل شهر)، گزینه‌های تجسم (نمودار یا تجسم جغرافیایی)، و وضوح مکانی-زمانی (سطوح ساختمان یا ساختمان‌ها به عنوان مثال) بستگی دارد. کل، ساعتی یا ماهانه) از داده ها. از این رو، یکی از اهداف اصلی این تحقیق، بررسی قالب‌های داده، شناسایی تناسب و محدودیت‌های آنها در تجسم نتایج شبیه‌سازی انرژی و انجام تبدیل به فرمت‌های مختلف است. شکل 3 توصیه ای در مورد انتخاب فرمت داده مناسب می دهد و جدول 2 قابلیت های بصری و عملکردی قالب های داده های مختلف را نشان می دهد.
فرمت‌های CZML و Cesium 3D Tiles با توسعه هسته رابط Cesium مرتبط هستند. هر دو بر اساس دستور JSON هستند و به راحتی قابل درک هستند. CZML شبیه فرمت KML است اما با محصولات سزیوم سازگار است. کاشی‌های سه‌بعدی یک مشخصات باز برای پخش مجموعه‌های داده‌های جغرافیایی سه بعدی ناهمگن مانند تصاویر، محتویات سه‌بعدی شامل ساختمان‌ها، درختان، ابرهای نقطه‌ای و داده‌های برداری است [ 50 ]. CZML تنها فرمت برای تجسم داده های پویا (به عنوان مثال، زمانی ساعتی یا ماهانه) است، اما محدودیت های زیادی دارد، به ویژه در مورد سطح درشت تر جزئیات و افزایش حجم داده ها. قالب نسبتاً پیچیده است و مشکلات متعددی را ایجاد می کند (در بخش 5.1 بحث شده است). استفاده دقیق از ویژگی‌های CZML برای توصیف ویژگی‌های متغیر با زمان اشیاء مکانی، و استفاده از CZML برای پشتیبانی از داده‌های جریانی در ژو و همکاران توضیح داده شده است. [ 51 ]، در حالی که کاربردهای مرتبط، تأثیرات آکادمیک، و پیشرفت‌های آتی CZML در ژو و همکاران بررسی شده‌اند. [ 52 ].
در استقرار برنامه 4D CANVAS، از فرمت JSON برای ذخیره نتایج مختلف شبیه‌سازی انرژی (ویژگی‌ها) و اتصال آنها با AmCharts برای تجسم پویایی در نمودارها استفاده می‌شود. فرمت GeoJSON داده‌های ایستا را در سطح ساختمان نشان می‌دهد، در حالی که CZML داده‌های پویا زمانی را بدون نمایش مبتنی بر سطح نمایش می‌دهد و قالب 3D Tiles حجم زیادی از داده‌های استاتیک را در LOD2 نشان می‌دهد.

4.2. کاربردهای شبیه سازی انرژی در شهرها

در برنامه وب 4 بعدی CANVAS، دو خروجی مدل شبیه سازی انرژی در پنج شهر مختلف (کویت، ابوظبی، هنگ کنگ، لیون و کارلسروهه) – با تعداد متفاوت سطوح ساختمانی که به عنوان ساختمان های LOD1 و LOD2 ذخیره می شوند ( جدول 3 ) مشاهده می شود.
مدل اول، PLANTING (پتانسیل فتوولتائیک در ساختمان های سه بعدی) تابش خورشیدی و پتانسیل انرژی PV را بر روی سطوح سقف و دیوار ساختمان ها با در نظر گرفتن سایه از زمین و ساختمان های مجاور و همچنین انتخاب کاربران در گزینه های نصب پانل محاسبه می کند [ 2 ] . خروجی های مختلفی مانند تابش خورشیدی، تولید انرژی، توان نصب شده، قابل تولید، هزینه همسطح الکتریسیته (LCOE)، هزینه سرمایه (CAPEX) در مقیاس های زمانی مختلف تولید می کند. مدل دوم، CityBEM (مدلسازی انرژی ساختمان در سطح شهر) نیازهای انرژی ماهانه و استفاده از ساختمان های سه بعدی [ 48 ] را طبق استاندارد ISO 13970:2008 [ 53 ] محاسبه می کند.]. این مدل نیازها و مصارف انرژی ماهانه گرمایش و سرمایش را تولید می کند. هر دو مدل در معماری نرم افزار منبع باز پیاده سازی شده اند.
در CANVAS 4D، این خروجی ها به صورت زمان ایستا (به عنوان مثال، سالانه) و زمان پویا (به عنوان مثال، ساعتی، روزانه یا ماهانه) تجسم می شوند. تابش ساعتی خورشید یا تولید انرژی 8760 مقدار (هر ساعت در طول سال) برای هر سطح ساختمان تولید می کند که نمایش چنین داده هایی را دشوار می کند (توضیح داده شده در بخش 5) .) به روشی تعاملی. بنابراین، نتایج ساعتی به سطح ماهانه و سالانه تجمیع می شود یا برای تعداد محدودی از اشیاء سطحی تجسم می شود. برای داده‌های سالانه، GeoJSON زمانی استفاده می‌شود که تعداد کل سطوح ساختمان کمتر از سی هزار باشد، در غیر این صورت، کاشی‌های سه بعدی برای خدمات ارائه سریع‌تر آن استفاده می‌شود. آنها به صورت ایستا با نقشه های موضوعی / طرح های رنگی بر روی سطوح ساختمان نشان داده شده اند. نتایج ماهانه داده های پویا به صورت سطوح موضوعی در قالب CZML و به صورت نمودارهای میله ای در قالب JSON با اتصال آنها به کتابخانه جاوا اسکریپت AmCharts تجسم می شوند.
4.3. شرح رابط و عملکردها
شرح رابط: هدف 4D CANVAS نه تنها تجسم نتایج مختلف شبیه‌سازی انرژی داده‌های مکانی و زمانی-دینامیک سه بعدی است، بلکه به کاربر اجازه می‌دهد تا تجربه‌ای روان از تحلیل‌های اکتشافی نتایج داشته باشد. برای بعدی، چنین تجربیات و اقدامات تعاملی پس از پیشنهادات ارائه شده توسط جاکوب [ 54 ] اجرا می شود. گزینه های پیمایش (مانند پاننگ، بزرگنمایی) و سایر قابلیت های اساسی (انیمیشن، کدگذاری جغرافیایی، انتخاب لایه پایه و غیره) بر اساس کتابخانه پیش فرض Cesium.js هستند. شکل 4 رابط کاربری گرافیکی (GUI) صفحه اول برنامه وب 4 بعدی CANVAS را نشان می دهد. این شامل دو پنجره اصلی – اطلاعات و پنجره های کره ای است که با یک نوار کناری قابل حل از هم جدا شده اند.
پس از دسترسی به صفحه وب اپلیکیشن، در پنجره اطلاعات به کاربر معرفی مختصری از اپلیکیشن و مدل های انرژی ارائه می شود. در اینجا کاربر می تواند یک مدل، خروجی خاص، منطقه مورد مطالعه و یک نوع خروجی را برای تجسم در پنجره نمایش انتخاب کند. کاربران می توانند مدل PLANTING یا CityBEM را انتخاب کنند که بر اساس آن مناطق مورد مطالعه مربوطه برجسته می شوند. در مرحله بعد، کاربر نوع و وضوح زمانی خروجی را که قرار است انتخاب شود از منوی کشویی پنجره اطلاعات انتخاب می کند. پس از آن، کره زمین فوراً به انتخاب کاربر پاسخ می دهد و به طور خودکار داده ها را بارگیری می کند و به آن منطقه مورد علاقه پرواز می کند تا نتایج را به صورت 3D/4D تجسم کند. در همان زمان، منطقه مربوطه در مرکز کره زمین است. سپس نقشه موضوعی مربوطه با رنگ‌های متفاوتی که به ویژگی‌های مختلف (به عنوان مثال، ساختمان‌ها، سطوح، نقاط) با توجه به خروجی انتخاب شده اختصاص داده شده است، نمایش داده می‌شود. یک طبقه بندی داده از پیش تعیین شده نیز با رنگ ها و افسانه ظاهر می شود. این فرآیند توسط یک تابع جاوا اسکریپت خودکار می شود.
عملکردها: چندین ابزار و عملکرد در برنامه اصلی/پیش‌فرض Cesium پیاده‌سازی شده‌اند تا امکان تجسم اکتشافی و تحلیلی را فراهم کنند. عملکردهای خاص بسته به نوع خروجی شبیه سازی انرژی انتخاب شده اختصاص داده می شود. کاربر می تواند یک شی (نقطه یا سطح ساختمان) را برای نمایش تغییرات زمانی در نمودار میله ای یا جدولی با اطلاعات دقیق در مورد شی انتخاب شده انتخاب کند. یک ابزار تجمیع برای انتخاب و تجمیع اشیاء متعدد برای مشاهده آمار خلاصه، به عنوان مثال، مجموع یا مقادیر میانگین اشیاء انتخاب شده یا تغییرات زمانی در نمودارهای میله ای توسعه یافته است. علاوه بر این، یک ابزار دوربین به رابط اضافه شده است تا تصاویر صفحه نمایش پنجره نمایش را در هر زمان دانلود و ذخیره کند. رابط 4D CANVAS همچنین با کشیدن نمودارها، جداول و افسانه ها در هر نقطه از پنجره، گزینه های نمایش انعطاف پذیر را امکان پذیر می کند. در نهایت، امکان جابجایی بین نمای سه بعدی، دو بعدی و نمای کلمبوس با دکمه Viewer Type نیز وجود دارد.شکل 5 تابش خورشیدی سالانه در سطوح مختلف ساختمان در طبقات مختلف و اطلاعات دقیق آنها را در جدول نشان می دهد.
کره سزیوم از یک ساعت داخلی تشکیل شده است که از طریق یک نوار لغزنده زمان اجرا می شود. دکمه پخش و مکث روی نوار لغزنده به کنترل تجسم پویا داده ها کمک می کند. در برنامه 4 بعدی CANVAS، لغزنده تنظیم می شود تا پس از بارگیری داده های شبیه سازی انرژی اجرا شود. مراحل زمانی را به روز می کند و تغییرات زمانی ساختمان های سه بعدی موضوعی و سطوح آنها را به صورت پویا به تصویر می کشد (متحرک می کند). شکل 6 نیاز روزانه به انرژی خنک کننده در ساختمان های مختلف در شهر کارلسروهه را نشان می دهد.
قابلیت های چند لمسی نیز برای نمایش در صفحه های لمسی اضافه شده است. دکمه بازجویی حرکات موجود را با ماوس یا انگشتان نشان می دهد تا به طور طبیعی در منطقه انتخاب شده حرکت کنید ( شکل 7 ).

5. بحث

5.1. بحث در مورد نتایج

نرم افزار رایگان و منبع باز Cesium: این مطالعه قابلیت استفاده از کتابخانه منبع باز Cesium.js را در تجسم داده های 4 بعدی با وضوح های مکانی و زمانی بالاتر آزمایش کرد. قابلیت شناسایی سطوح جداگانه ساختمان از LOD های مختلف (مانند داده های CityGML) و ارائه ویژگی های مربوطه آنها از جداول، برای نمایش اطلاعات دقیق در مورد هر شی ساختمان بسیار سودمند بود. استفاده از فرمت CZML تجسم پویا ویژگی های زمانی در داده های ماهانه و روزانه را تسهیل می کند. علاوه بر این، مزیت اصلی Cesium ادغام آسان کتابخانه‌ها و APIهای مختلف مانند AmCharts و Geostats بود که امکان پیاده‌سازی توابع تحلیلی بیشتر در رابط را فراهم می‌کرد.
ارزیابی قالب داده ها: این تحقیق فرمت های مختلف داده مربوط به برنامه شبیه سازی انرژی را آزمایش و ارزیابی کرده است ( شکل 8 ). GeoJSON و 3D Tiles زمانی که تجسم مکانی استاتیک انتخاب می‌شود و داده‌ها حجم زیادی ندارند، قابلیت‌های مشابهی را نشان دادند. هر دو می توانند مجموعه داده های LOD1 و LOD2 را تجسم کنند. با این حال، GeoJSON از کاشی کاری پشتیبانی نمی کند، و بنابراین تلاش می کند مجموعه کامل داده ها را در یک زمان در بیننده بارگذاری کند. تابعی برای حلقه زدن کل داده ها برای انجام محاسبات آماری مانند حداکثر، حداقل، واریانس، میانگین و انحراف استاندارد ایجاد شد که برای طبقه بندی داده ها استفاده می شود. با این وجود، برای حجم بیشتری از مجموعه داده های LOD2، چنین تلاشی اغلب باعث از بین رفتن مرورگر می شود.
در مقابل، کاشی‌های سه‌بعدی به دلیل خاصیت کاشی‌کاری، جایگزین مناسبی برای تجسم کارآمد حجم زیادی از داده‌ها است، اما نمایش اطلاعات آماری دقیق از سطوح ساختمانی را محدود می‌کند، عمدتاً به دلیل بازنگری مکرر آن. هر بار که موقعیت دوربین تغییر می کند، داده ها مجدداً در بیننده بارگذاری می شوند و مقادیر آماری متفاوتی فقط برای نمای فعلی به دست می آید. CZML تنها قالب مناسبی است که برای تجسم تغییرات زمانی در داده ها استفاده می شود. از کاشی کاری پشتیبانی نمی کند و فقط می تواند ساختمان های LOD1 را تجسم کند. این قالب برای نمایش داده های ماهانه و روزانه کافی است. با توجه به ساختار فایل، نمایش ساعتی داده ها در طول یک سال (مقدار 8760) برای تعداد زیادی ساختمان (مانند این برنامه) منجر به حجم فایل عظیمی شد و بنابراین، برای تجسم در مرحله زمانی ساعتی نامناسب تشخیص داده شد. با این حال، داده های ساعتی برای چند روز را می توان به راحتی در برخی از ساختمان ها مشاهده کرد.
ادغام پایگاه‌های جغرافیایی محبوب و قالب‌های داده: سه نوع اصلی از پایگاه‌های جغرافیایی (GDB) که توسط ArcGIS و QGIS پشتیبانی می‌شوند، پایگاه‌های جغرافیایی فایل، پایگاه‌های جغرافیایی شخصی و پایگاه‌های جغرافیایی ArcSDE هستند. این GDB های محبوب را نمی توان مستقیماً در برنامه Cesium ادغام کرد و باید به کاشی های Cesium 3D تبدیل شوند. علاوه بر فرمت‌های داده اختصاصی Cesium (CZML، quantized-mesh، 3DTiles)، از برخی فرمت‌های خارجی مانند gITF، GeoJSON، TopoJSON، Collada، ArcGIS ImageLayer و KML google و غیره نیز پشتیبانی می‌کند [ 55 ]. سایر فرمت های داده محبوب باید به فرمت های پشتیبانی شده از سزیوم تبدیل شوند. به عنوان مثال، ابزار FME از تبدیل شکل فایل ها، CityGML، GDB و Wavefront OBJ به فرمت Cesium 3D Tiles پشتیبانی می کند. HDF را می توان به صورت تصاویر در سزیم نمایش داد و توسط ناسا نشان داده شده است [56 ]. تصاویر (img.)، بیلبوردها و نمادها را می توان به راحتی به سزیوم اضافه کرد. با این حال، geotiff و .dem توسط Cesium پشتیبانی نمی شوند.
استانداردهای کارتوگرافی: نمایش های کارتوگرافی موضوعی بر روی سطوح و ساختمان های 3 بعدی جداگانه اجرا می شوند. بر اساس بررسی ادبیات، وب‌سایت‌ها و نقشه‌های مختلف به منظور درک استفاده از ویژگی‌های رنگ رنگ برای نمایش داده‌های متوالی برای شی سه‌بعدی بررسی می‌شوند. به طور کلی، مقادیر رنگ های متعدد برای نشان دادن تغییر از مقادیر زیاد به کم و بالعکس استفاده می شود. با این وجود، در تجسم 4 بعدی، به دلیل وجود جلوه های سایه در کره زمین، این امر باید با احتیاط کامل دنبال شود. این اثر ممکن است در تشخیص سطوح مختلف رنگ سردرگمی ایجاد کند. بنابراین، طرح‌واره‌های رنگی متوالی با جداسازی واضح در سطح رنگ برای طبقه‌بندی داده‌ها انتخاب می‌شوند. علاوه بر این، با توجه به مطالعات روانشناسی رنگ، قرمز و آبی رایج ترین نمایش هایی هستند که برای تغییرات دما استفاده می شوند. با این حال، به دلیل مسائل مربوط به کوررنگی قرمز-آبی، این مقادیر رنگی با احتیاط با تغییرات متمایز و قابل تفکیک مقادیر رنگ استفاده می شود. در صورت تجسم داده های مربوط به انرژی، معمولاً از رنگ های سبز تا قرمز استفاده می شود. در مقابل، هیچ استاندارد ثابتی برای چیدمان رنگ در نمایش ارزش های اقتصادی مانند هزینه برق یا هزینه سرمایه گذاری وجود ندارد.
طبقه بندی داده ها: چهار نوع مختلف روش طبقه بندی داده ها – ایستا، خطی، Jenks (شکست های طبیعی) و Quantiles – با مجموعه های مختلف داده آزمایش می شوند و در برنامه 4 بعدی CANVAS پیاده سازی می شوند. Jenks محاسباتی فشرده ترین است، اما طرح طبقه بندی بهینه را در بیشتر موارد برای نمایشگرهای استاتیک ارائه می دهد. با این حال، هنگام مقایسه تجسم‌های مختلف مکانی-زمانی، استفاده از چندک‌ها یا طرح‌های طبقه‌بندی انحراف استاندارد به منظور مقایسه بهتر نتایج در چندین نقشه توصیه می‌شود [ 57 ، 58 ]. در این اپلیکیشن کاربر می تواند هر یک از سه روش را برای طبقه بندی داده ها انتخاب کند. در بیشتر موارد استفاده از روش خطی استفاده می شود زیرا ساختن نقشه های دلپذیر ساده است.
تجسم داده های ساعتی: نمایش تجسم پویا ساعتی نتایج شبیه سازی شامل پردازش مقدار زیادی داده برای هر شی است. متحرک کردن داده‌های تابش ساعتی در طول سال برای برخی از سطوح ساختمان انجام شد، اما مرورگر (در یک لپ‌تاپ استاندارد) نتوانست داده‌ها را بارگیری کند و بلافاصله خراب شد. این مشکل با محدود کردن مقیاس زمانی ساعتی به چند روز و/یا تجمیع آنها در وضوح روزانه برای یک سال حل شد ( شکل 9 و مواد تکمیلی ). نمودارها همچنین برای نشان دادن پویا مقادیر روزانه برای اشیاء مختلف استفاده می شوند.
پیچیدگی‌های مرتبط با تجسم داده‌های پویا ساعتی را می‌توان با اصلاح جاوا اسکریپت‌ها و فایل‌های Html برای متحرک سازی هموار نتایج ساعتی حل کرد. همچنین دانستن تعداد دقیق ویژگی‌ها و نقاط داده ساعتی که بدون خطر خرابی مرورگر قابل مشاهده هستند، مفید است. علاوه بر این، از آنجایی که برخی از مدل‌های انرژی در سطح ساختمان نتایج تولید می‌کنند (به عنوان مثال، انرژی PV)، قالب CZML را می‌توان برای مقابله با آن تطبیق داد.
تبدیل و ادغام داده ها به برنامه را خودکار کنید: نتایج شبیه سازی انرژی در پایگاه داده PostgreSQL به عنوان جداول ذخیره می شود. آنها در ابتدا به صورت دستی با استفاده از اسکریپت های پایتون به فرمت های داده مورد نیاز تبدیل می شوند و سپس در برنامه وب ادغام/بارگذاری می شوند ( شکل 2 را ببینید ). این فرآیند را می توان از طریق تبدیل داده ها در حین پرواز در برنامه وب به طور خودکار انجام داد و بنابراین از مراحل تبدیل داده ها اجتناب کرد ( شکل 10 ).
از نقطه نظر فنی، بررسی شد که آیا چنین فرآیندی عملکرد برنامه را بهبود می بخشد یا خیر. مزیت اصلی پردازش تبدیل داده‌ها در حین پرواز در برنامه 4 بعدی CANVAS نیاز به نرم‌افزار کمتر و اسکریپت‌های پایتون است، اما این رویکرد دارای محدودیت‌هایی از نظر زمان بارگذاری طولانی داده‌ها و در نتیجه تجسم تاخیری است. این ممکن است منجر به خطاهای اضافه شود زیرا پیچیدگی چنین تبدیل های خودکار افزایش می یابد. بنابراین، فرآیند تبدیل از قبل انجام می شود.
تجسم تجزیه و تحلیل مکانی-زمانی برای شهرهای هوشمند: قابلیت های تجسم تحلیلی برنامه را می توان با اجازه دادن به تجزیه و تحلیل داده های مختلف مکانی-زمانی (4D) و ارزشمندتر کردن داده ها بیشتر افزایش داد. سونگ و همکاران [ 59] چهار دسته تحلیل از این قبیل را شناسایی کرد: توصیف ویژگی‌های مکانی-زمانی (به عنوان مثال، تجزیه و تحلیل سری‌های زمانی، خوشه‌بندی، درونیابی و غیره)، کاوش عوامل بالقوه و پیش‌بینی مکانی-زمانی (به عنوان مثال، تحلیل‌های رگرسیون)، مدل‌سازی و شبیه‌سازی فرآیند مکانی-زمانی (مثلاً فرآیند). مدل سازی با استفاده از اتوماسیون سلولی یا مدل های مبتنی بر عامل) و تصمیم گیری مکانی-زمانی (به عنوان مثال، مدل هایی با استفاده از تصمیم گیری چند معیاره). برنامه 4D CANVAS را می توان برای تجسم نتایج توصیف کننده ویژگی های مکانی-زمانی و تصمیم گیری استفاده کرد. با این حال، فاقد مدل‌سازی ریاضی، مانند خوشه‌بندی و طبقه‌بندی برای توصیف ویژگی‌های مکانی-زمانی، و روش‌های تصمیم‌گیری مکانی برای تصمیم‌گیری بهبودیافته است. از این رو، بسیاری از روش‌ها و الگوریتم‌های جغرافیایی را می‌توان در برنامه کاربردی برای انجام الگوبرداری قوی یا تحلیل‌های پیش‌بینی‌کننده گنجاند. این به ویژه در کاربردهای مختلف مرتبط با شهر هوشمند مانند مدل‌سازی آلودگی هوا، جرم و جنایت و تجزیه و تحلیل گسترش بیماری همه‌گیر مفید خواهد بود، جایی که کشف برخی الگوهای پیش‌بینی از هر دو بعد مکانی و زمانی داده‌ها مهم است. در این راستا، جعبه ابزار اضافی را می توان در برنامه ادغام کرد تا امکان تحلیل های مکانی و مکانی-زمانی مبتنی بر مدل و داده را فراهم کند. که در آن کشف برخی الگوهای پیش بینی از هر دو بعد مکانی و زمانی داده ها مهم است. در این راستا، جعبه ابزار اضافی را می توان در برنامه ادغام کرد تا امکان تحلیل های مکانی و مکانی-زمانی مبتنی بر مدل و داده را فراهم کند. که در آن کشف برخی الگوهای پیش بینی از هر دو بعد مکانی و زمانی داده ها مهم است. در این راستا، جعبه ابزار اضافی را می توان در برنامه ادغام کرد تا امکان تحلیل های مکانی و مکانی-زمانی مبتنی بر مدل و داده را فراهم کند.

5.2. ازمایش عملکرد

عملکرد برنامه وب 4 بعدی CANVAS و رابط کاربری گرافیکی هر دو صفحه دسکتاپ و تبلت صفحه لمسی مورد آزمایش قرار گرفتند. در این راستا، برخی از مرورگرهای وب محبوب مانند Mozilla Firefox (v60.0.1)، Google Chrome (v66.0.3359.181)، Microsoft Internet Explorer (v11.1088.15063.0) برای مشاهده تغییرات پیکربندی احتمالی در رابط کاربری در نظر گرفته شدند. از نظر عملکرد اسکرول محتوای رابط کاربری، زمان تاخیر/پاسخ UI، ردیابی انگشت و عملکرد رابط کاربری. در بسیاری از موارد، کروم در مقایسه با فایرفاکس، در حین پیمایش با کره سزیوم، واکنش سریع‌تر و روان‌تری نشان داده است. فایرفاکس عملکرد قوی تری در بارگذاری حجم زیادی از داده ها نشان داده بود. با این حال، عملکرد JQuery برای استفاده از آن در مرورگرهای فایرفاکس نیاز به تنظیم کد داشت.
عملکرد CANVAS 4D همچنین بر روی یک لپ تاپ شخصی Dell Inspiron با CPU IntelCore i5 (واحد پردازش مرکزی)، 16 گیگابایت رم (حافظه دسترسی تصادفی) و بدون هیچ گونه قدرت GPU (واحد پردازش گرافیکی) و همچنین بر روی یک دستگاه تست شد. تبلت Lenovo Horizon با پردازنده IntelCore i7، 8 گیگابایت رم و کارت گرافیک Nvidia GeForce GT 620 M. هر دو تبلت لمسی و لپ تاپ در مرورگرهای کروم و فایرفاکس عملکرد مشابهی داشتند.
مشاهده شد که مهمترین عامل در مرورگرها سازگاری آنها برای مدیریت WebGL است. عوامل دیگری مانند CPU، GPU و RAM ماشین های مستقر شده به شدت بر عملکرد تأثیر می گذارد. به عنوان مثال، بارگذاری زمین با کاشی های سه بعدی تا 90 درصد ظرفیت GPU را اجرا می کند. یکی دیگر از مهمترین عوامل برای عملکرد بهتر برنامه، اتصال بی وقفه به اینترنت است زیرا بارگیری و رندر کاشی های زمین سزیوم به اینترنت برای یک تعامل بدون درز نیاز دارد.

6. نتیجه گیری

6.1. خلاصه

در این تحقیق، اپلیکیشن وب 4 بعدی CANVAS بر اساس کره مجازی سزیوم منبع باز توسعه داده شد. نتایج شبیه‌سازی انرژی چندگانه مانند پتانسیل PV فنی-اقتصادی یا نیازهای انرژی ساختمان‌های سه بعدی به صورت پویا در زمینه شهرهای مختلف آسیایی و اروپایی تجسم می‌شوند. چندین عملکرد تحلیلی نیز یکپارچه شده اند و یک رابط کاربری گرافیکی ساخته شده است تا به کاربر امکان تجزیه و تحلیل اکتشافی نتایج را بدهد. این مطالعه نشان می‌دهد که با مجموعه داده‌های سه‌بعدی در دسترس و پیشرفت‌های فناوری در چارچوب‌های نرم‌افزار دنیای مجازی، بسیاری از برنامه‌های مختلف شهر هوشمند را می‌توان در برنامه ادغام کرد.

6.2. محدودیت ها

سزیوم یک پروژه منبع باز است که توسط یک پایگاه کاربر بزرگ پشتیبان گیری می شود و بنابراین، تحت بهبود و توسعه مکرر است. گنجاندن قابلیت‌های اضافی، پشتیبانی از فرمت‌های داده بیشتر، یا بهبود قابلیت‌های موجود رابط به ابتکارات تیم هسته سزیوم بستگی دارد. به عنوان مثال، قالب 3D Tiles هنوز در مرحله بسیار اولیه توسعه است و می توان در آینده نزدیک پیشرفت قابل توجهی را برای تجسم ابعاد زمانی به طور موثر انتظار داشت [ 60 ].
در فرآیند توسعه رابط ارائه شده، محدودیت های متعددی از نظر عملکرد و قابلیت های تحلیلی در سزیم مشاهده شد. برخی از آنها به عنوان مثال، ابزارهای سفارشی برای عملکردهای تحلیلی در این مطالعه توسعه داده شد. با این حال، مدیریت حجم زیادی از داده‌ها توسط فرمت‌های داده‌های مختلف هنوز یک اشکال بزرگ در سزیوم است. برخی از موارد استفاده در این مطالعه شامل بیش از سی هزار شی (به عنوان مثال، نقاط، سطوح، ساختمان‌ها) است و سزیم عملکرد ضعیفی در نمایش و رندر کردن مقدار زیادی از GeoJSON نشان داد که باعث مشکلات خارج از حافظه شد. کاشی کاری برداری با فرمت GeoJSON می تواند این مشکل را حل کند و تلاش های توسعه ادامه دارد. در این بین تقسیم یک منطقه بزرگ با حدود 5000 ویژگی می تواند برای تجسم 4 بعدی کارآمد باشد.
کاشی های سه بعدی امکان رندر سریع و مدیریت کارآمد حجم زیادی از داده های برداری و شطرنجی را فراهم می کند. با این حال، (الف) از تجسم داده های زمانی پشتیبانی نمی کند. و (ب) نمی تواند جعبه اطلاعات ویژگی یک شی انتخاب شده را بدون کدنویسی دستی در جاوا اسکریپت نمایش دهد. (ج) ابزار تبدیل به کاشی های سه بعدی هنوز در حال توسعه است و هنوز در دسترس عموم نیست (داده های اصلی باید با تیم سزیوم به اشتراک گذاشته شود تا تبدیل شود). در این تحقیق، Cesium 3D Tiles Writer [ 61 ] FME برای تبدیل جداول PostgreSQL به کاشی های سه بعدی استفاده شد. با این حال، به کاربر اجازه نمی‌دهد تنظیمات مورد نظر خود را مشخص کند (به عنوان مثال، تعداد ویژگی‌ها در هر کاشی). علاوه بر این، کاشی های تولید شده با سایه زن ساخته شده اندمشخصات، که می تواند توسط کاربر در کد جاوا اسکریپت تنظیم شود. اثر سایه باعث شد سطوحی که در مقابل خورشید قرار دارند سیاه به نظر برسند. به دلیل نامشخصی، علیرغم فراخوانی داده‌ها و ایجاد فواصل، برخی خروجی‌های شبیه‌سازی انرژی را نمی‌توان در کاشی‌های سه‌بعدی برای نمایش در طرح‌های رنگی ساختمان‌ها طبقه‌بندی کرد. در این راستا، ساختار پیچیده کاشی های سه بعدی مورد بررسی قرار گرفت ( شکل 11 ). این شامل یک پوشه داده و یک فایل Tileset.json است. در پوشه داده، چندین b3dm (Batched 3D Model, [ 62]) فایل هایی ذخیره می شوند که شامل اطلاعات و مقادیر مربوط به هر شی است. Tileset به تمام شی/هندسه (مثلاً سطوح) اشاره دارد که در یک نمای خاص در کره زمین قابل مشاهده هستند. هنگامی که مجموعه کاشی های خاص روی کره زمین قابل مشاهده است، مقادیر مورد نیاز را از فایل b3dm مربوطه واکشی می کند تا تجسم شود. به این ترتیب بارگذاری و نمایش حجم زیادی از داده ها در یک زمان کاهش می یابد.
CZML قادر به تجسم داده های 4 بعدی است، اما (الف) نمی تواند سقف های کج شده ساختمان ها را نمایش دهد و آنها را به سقف های مسطح تبدیل می کند. علاوه بر این؛ (ب) اندازه فایل نیز خیلی بزرگ می شود. در صورت تابش ساعتی ساختمان‌های کارلسروهه، اندازه آن 3.4 گیگابایت است که پس از افزودن داده‌ها به نمایشگر سزیوم، مرورگر را غیرفعال می‌کند.
اغراق غیرقابل تغییر زمین یک مشکل در سزیم است. در مواردی که داده‌های اصلی CityGML دارای اطلاعات زمین بودند، از ارائه‌دهنده زمین با یک پارامتر اغراق استفاده می‌شود. با این حال این تابع هنوز در حال توسعه است و در حال حاضر تغییر ناپذیر است. فقط در ابتدا می توان با اولین گزینه های سازنده Cesium Viewer تنظیم کرد. در نتیجه، اغراق زمین را نمی توان در زمان واقعی تغییر داد. زمانی که باید تنظیمات اغراق متفاوتی در بیننده تنظیم شود، مشکلات متعددی را تحمیل می کند. این مشکل با ایجاد مجدد بیننده برای هر تغییر مورد نیاز با استفاده از پارامتر TerrainExaggeration حل شد.
Cesium بر اساس فناوری‌های جدیدی مانند HTML5 و WebGL ساخته شده است که توسط برخی از مرورگرهای قدیمی پشتیبانی نمی‌شوند و همچنان می‌تواند برای سهامداران در بخش عمومی یا تجاری که به دلیل محدودیت‌های فناوری اطلاعات مجبور به استفاده از یک نسخه خاص (اغلب منسوخ) هستند، مشکلی ایجاد کند. یک مرورگر وب علاوه بر این، ظرفیت بالای CPU و GPU ذاتی برنامه WebGL (برای تجسم مدل‌های زمین با وضوح بالا) و اطمینان از تجربه کاربر رضایت‌بخش برای برنامه‌های Cesium است.
6.3. تحقیقات آینده
در آینده، ابزارهای تجزیه و تحلیل آماری اضافی را می توان توسعه داد. به عنوان مثال، در این برنامه فعلی، نتایج شبیه‌سازی انرژی بر روی ساختمان‌های سه بعدی و سطوح آنها تجسم می‌شود. ابزاری می‌تواند برای کمک به کاربران برای جمع‌آوری/افزودن/خلاصه کردن نتایج از نوع سطح خاص (مثلاً سقف‌ها فقط رو به جنوب) و تجسم به صورت 4 بعدی ایجاد شود. یک تابع جاوا اسکریپت می تواند از میان مجموعه داده ها حلقه بزند و تمام این هندسه ها را برجسته کرده و اطلاعات آماری آنها را برمی گرداند.
کاشی های سه بعدی را می توان مستقیماً از پایگاه داده PostgreSQL با استفاده از مترجم FME استخراج کرد. در این راستا، امکان سنجی تبدیل کاشی های سه بعدی را می توان با نوشتن یک اسکریپت پایتون بررسی کرد که می تواند به پایگاه داده PostgreSQL برای تبدیل آن متصل شود.
تجسم ساعتی مجموعه داده سه بعدی برای تعداد کمی از اشیاء قبلاً در این مقاله نشان داده شده است. در آینده، این قابلیت برای حجم زیادی از اشیا (یک شهر کامل) را می توان با صرف زمان بیشتر بر روی کدنویسی جاوا اسکریپت افزایش داد. نسخه فعلی CANVAS 4D ده خروجی از دو شبیه سازی انرژی را در پنج شهر نشان می دهد. در آینده، کاربردهای بیشتر و نتایج شبیه سازی در شهرهای دیگر را می توان به تصویر کشید. در نهایت، یک تحلیل کیفی از تجربیات کاربر در مورد قابلیت استفاده و عملکرد برنامه نیز قابل ارزیابی است.

مواد تکمیلی

یک ویدیوی نمایشی از CANVAS 4D به صورت آنلاین در دسترس است: https://youtu.be/ErEje6CL-GE .

مشارکت های نویسنده

SMM مقاله را با پشتیبانی AMA-H.، JW و LA پیش بینی و نوشت. AMA-H. کدگذاری و تجسم اولیه برنامه را انجام داد که بعداً توسط LA بهبود یافت.

منابع مالی

این تحقیق هیچ بودجه خارجی دریافت نکرد.

قدردانی ها

ما از EDF R&D و EIFER برای تأمین مالی این تحقیق سپاسگزاریم. برخی از نتایج شبیه‌سازی انرژی در پروژه مدل‌سازی Urbaine Gerland (MUG) و شهرسازی منابع انجام شد. ما از آژانس های مالی مربوطه و اعضای پروژه سپاسگزاریم. از شهر لیون و آزمایشگاه LIRIS برای ارائه مدل شهر سه بعدی لیون صمیمانه سپاسگزاریم. مایلیم از شهر کارلسروهه برای اجازه استفاده از داده های CityGML تشکر کنیم. ما همچنین از Wanji Zhu، Mario Ammann، Francisco Marzabal، Alexander Simons و Monica Feis به دلیل حمایت آنها در توسعه برنامه قدردانی می کنیم. در نهایت، صمیمانه از سردبیران و دو داور ناشناس به خاطر نظرات روشنگرشان که به ما در بهبود نسخه خطی کمک کردند، صمیمانه تشکر می کنیم.

تضاد علاقه

نویسندگان هیچ تضاد منافع را اعلام نمی کنند.

منابع

  1. نوول، آر. زیرک، م. دستگیری، ح. کورز، وی. ایکر، تحلیل انرژی شهری U. بر اساس مدل شهر سه بعدی برای کاربردهای مقیاس ملی. در مجموعه مقالات BauSIM 2014: پنجمین کنفرانس آلمانی-اتریشی IBPSA، آخن، آلمان، 22 تا 24 سپتامبر 2014. [ Google Scholar ]
  2. مرشد، اس ام. لیندسی، ا. پیکارد، اس. Simons، A. PLANTING: محاسبه تفکیک‌پذیری‌های مکانی-زمانی بالا پتانسیل فتوولتائیک مدل‌های سه بعدی شهر. در فناوری های زمین فضایی برای همه. AGILE 2018. نکات سخنرانی در اطلاعات جغرافیایی و کارتوگرافی ; منصوریان، A.، Pilesjö، P.، Harrie، L.، van Lammeren، R.، ویرایش. Springer: Cham, Switzerland, 2018; صص 27-53. [ Google Scholar ]
  3. رسچ، بی. وهلفارت، آر. Wosniok, C. تجسم 4 بعدی مبتنی بر وب داده های جغرافیایی دریایی با استفاده از WebGL. کارتوگر. Geogr. Inf. علمی 2014 ، 41 ، 235-247. [ Google Scholar ] [ CrossRef ][ نسخه سبز ]
  4. مروری بر WebGL. در دسترس آنلاین: https://www.khronos.org/webgl/ (دسترسی در 9 ژوئیه 2018).
  5. Cesium.js. در دسترس آنلاین: https://cesiumjs.org (در 28 مه 2018 قابل دسترسی است).
  6. Glob3m. در دسترس آنلاین: https://glob3mobile.com/ (در 4 ژوئن 2018 قابل دسترسی است).
  7. وندل، جی. مرشد، اس ام. سریرامولو، ا. Nichersu، A. توسعه یک رابط مبتنی بر مرورگر وب برای داده‌های سه بعدی-مطالعه موردی یک رویکرد رایگان پلاگین برای تجسم نتایج مدل‌سازی انرژی. در حال پیشرفت در کارتوگرافی ; یادداشت های سخنرانی در اطلاعات جغرافیایی و نقشه برداری. Gartner, G., Jobst, M., Huang, H., Eds. Springer: Cham, Switzerland, 2016; ص 185-205. [ Google Scholar ]
  8. کنسرسیوم فضایی باز (OGC). OpenGIS شهر جغرافیای نشانه گذاری زبان (CityGML) استاندارد رمزگذاری ; Open Geospatial Consortium Inc.: Wayland، MA، USA، 2008; پ. 234. [ Google Scholar ]
  9. CityGML مثال FZK-Haus. در دسترس آنلاین: https://www.citygmlwiki.org/index.php?title=FZK_Haus (در 22 ژوئن 2018 قابل دسترسی است).
  10. نوول، آر. کادن، آر. باهو، ج.-م. Kaempf، J. سیپریانو، پی. لاستر، ام. بنر، جی. مونوز، ای. تورنار، او. کاسپر، E. پیدایش شهر gml انرژی ADE. در مجموعه مقالات CISBAT 2015 ساختمان ها و مناطق آینده پایداری از نانو تا مقیاس شهری، لوزان، سوئیس، 9 تا 11 سپتامبر 2015. [ Google Scholar ]
  11. بکر، تی. ناگل، سی. Kolbe، TH مدل سازی سه بعدی یکپارچه شبکه های چند ابزار و وابستگی های متقابل آنها برای تجزیه و تحلیل زیرساخت های حیاتی. در پیشرفت در علوم ژئو اطلاعات سه بعدی ؛ یادداشت های سخنرانی در اطلاعات جغرافیایی و نقشه برداری. Kolbe, TH, König, G., Nagel, C., Eds.; Springer: برلین/هایدلبرگ، آلمان، 2011; ص 1-20. [ Google Scholar ]
  12. دولنر، جی. Kersting، O. نقشه های سه بعدی پویا به عنوان رابط های بصری برای داده های مکانی-زمانی. در مجموعه مقالات هشتمین سمپوزیوم بین المللی ACM در مورد پیشرفت در سیستم های اطلاعات جغرافیایی، واشنگتن، دی سی، ایالات متحده آمریکا، 6-11 نوامبر 2000. ACM: نیویورک، نیویورک، ایالات متحده آمریکا، 2000. [ Google Scholar ]
  13. ISO/IEC مهندسی نرم افزار – کیفیت محصول – قسمت 1: مدل کیفیت. سازمان بین المللی استاندارد ؛ ISO/IEC 9126-1:2001; کمیسیون بین المللی الکتروتکنیکی: ژنو، سوئیس، 2001. [ Google Scholar ]
  14. منفردینی، ع. Remondino، F. مروری بر روش های تولید مدل سه بعدی مبتنی بر واقعیت، تقسیم بندی و تجسم مبتنی بر وب. بین المللی جی. هریت. رقمی. عصر 2012 ، 1 ، 103-123. [ Google Scholar ] [ CrossRef ]
  15. زبان مدلسازی واقعیت مجازی VRML. در دسترس آنلاین: https://www.w3.org/MarkUp/VRML/ (در 9 ژوئیه 2018 قابل دسترسی است).
  16. Three.js. در دسترس آنلاین: https://threejs.org/ (دسترسی در 6 ژوئن 2018).
  17. یونیتی 3 بعدی. در دسترس آنلاین: https://unity3d.com/ (در 6 ژوئن 2018 قابل دسترسی است).
  18. موتور غیر واقعی. در دسترس آنلاین: https://www.unrealengine.com/en-US/blog (در 30 مه 2018 قابل دسترسی است).
  19. X3dom. در دسترس آنلاین: https://www.x3dom.org/ (دسترسی در 6 ژوئن 2018).
  20. OSG.js. در دسترس آنلاین: https://osgjs.org (در 6 ژوئن 2018 قابل دسترسی است).
  21. O3D. در دسترس آنلاین: https://code.google.com/archive/p/o3d/ (در تاریخ 29 مه 2018 قابل دسترسی است).
  22. WebGLEarth. در دسترس آنلاین: https://www.webglearth.com (در تاریخ 2 ژوئیه 2018 قابل دسترسی است).
  23. WebGL Globe. در دسترس آنلاین: https://opensource.google.com/projects/webglglobe (در 2 ژوئیه 2018 قابل دسترسی است).
  24. اوانجلیدیس، ک. پاپادوپولوس، تی. پاپاتئودورو، ک. ماستوروکوستاس، پ. هیلاس، سی. تجسم های جغرافیایی سه بعدی: جلوه های متحرک و حرکت بر روی اشیاء فضایی. محاسبه کنید. Geosci. 2018 ، 111 ، 200-212. [ Google Scholar ] [ CrossRef ]
  25. بروولی، MA; مینگینی، ام. Zamboni، G. پلتفرم‌های نسل جدید برای اکتشاف داده‌های جغرافیایی جمع‌سپاری شده. در رصد زمین علم و نوآوری باز ; مجموعه گزارش های علمی ISSI; Mathieu, P., Aubrecht, C., Eds. Springer: Cham, Switzerland, 2018; صص 219-243. [ Google Scholar ] [ نسخه سبز ]
  26. جولین، آ. جعلمه، ک. ویرتانن، جی.-پی. پوکه، م. یلیپولی، ج. واجا، م. Hyyppä، J.; Hyyppä, H. مشخص کردن پروژه‌های مدل‌سازی سه بعدی شهر: به سوی یک سیستم هماهنگ هماهنگ. ISPRS Int. J. Geo-Inf. 2018 ، 7 ، 55. [ Google Scholar ] [ CrossRef ]
  27. اطلس انرژی برلین در دسترس آنلاین: https://energyatlas.energie.tu-berlin.de/en/ (در تاریخ 2 ژوئیه 2018 قابل دسترسی است).
  28. کادن، آر. Kolbe، TH برآورد کل تقاضای انرژی کل شهر ساختمانها با استفاده از مدلهای معنایی شهر سه بعدی و داده های آماری. ISPRS Ann. فتوگرام حسگر از راه دور اسپات. Inf. علمی 2013 ، II-2/W1 ، 163-171. [ Google Scholar ] [ CrossRef ]
  29. کادن، آر. Kolbe، TH برآورد تقاضای انرژی کل ساختمان‌ها مبتنی بر شبیه‌سازی TH با استفاده از مدل‌های شهری سه بعدی معنایی. بین المللی J. 3-D Inf. مدل. 2014 ، 3 ، 35-53. [ Google Scholar ] [ CrossRef ]
  30. جووانینی، ال. پزی، اس. دی استاسو، یو. پراندی، ف. De Amicis، R. ارزیابی در مقیاس بزرگ و تجسم عملکرد انرژی ساختمان ها با Ecomaps. در مجموعه مقالات سومین کنفرانس بین‌المللی فناوری‌ها و کاربردهای مدیریت داده (DATA 2014)، وین، اتریش، 29 تا 31 اوت 2014. SCITEPRESS– انتشارات علم و فناوری، Lda Setúbal: وین، اتریش، 2014. [ Google Scholar ]
  31. چاتورودی، ک. یائو، ز. Kolbe، TH کاوش مبتنی بر وب و تعامل با مدل‌های شهر معنایی سه بعدی بزرگ و عمیقاً ساختار یافته با استفاده از HTML5 و WebGL. در Bridgeing Scales-Skalenübergreifende Nah-und Fernerkundungsmethoden ; 35. Wissenschaftlich-Technische Jahrestagung der DGPF; Deutsche Gesellschaft für Photogrammetrie, Fernerkundung und Geoinformation (DGPF) eV: Köln، آلمان، 2015. [ Google Scholar ]
  32. 3DCityDB. در دسترس آنلاین: https://www.3dcitydb.org/3dcitydb/ (در تاریخ 2 ژوئیه 2018 قابل دسترسی است).
  33. کلبه، تی. یائو، ز. هرروئلا، جی. ناگل، سی. کونده، اف. ویلکوم، پی. Hudra، G. پایگاه داده شهر سه بعدی برای CityGML. در ضمیمه نسخه مستندات پایگاه داده شهر سه بعدی . دانشگاه فنی برلین: مونیخ، آلمان، 2013. [ Google Scholar ]
  34. کلبه، تی. برگر، بی. Cantzler، B. CityGML به برادوی می رود. در مجموعه مقالات هفته فتوگرامتری 15، اشتوتگارت، آلمان، 9 تا 13 سپتامبر 2015. Wichmann/VDE Verlag: Belin/Offenbach، آلمان، 2015. [ Google Scholar ]
  35. زو، دبلیو. سیمونز، آ. وورستورن، اس. Nichersu، A. یکپارچه سازی CityGML و سری داده های مکانی-زمانی کیفیت هوا از طریق OGC SOS. در مجموعه مقالات کنفرانس شبکه های حسگر جغرافیایی (GSW)، مونستر، آلمان، 29 تا 31 اوت 2016. [ Google Scholar ]
  36. لین، اف. چانگ، W.-Y. Tsai، W.-F. شیه، سی.-سی. توسعه تجسم زمین سه بعدی برای نمایش محیط اقیانوس تایوان. در داده کاوی و کلان داده ; Tan, Y., Takagi, H., Shi, Y., Eds.; انتشارات بین المللی اسپرینگر: چم، سوئیس، 2017; صص 307-313. [ Google Scholar ]
  37. سانتانا، جی.ام. وندل، جی. تروخیلو، آ. سوارز، جی پی؛ سیمونز، آ. Koch، A. خدمات مبتنی بر مکان چندوجهی – داده های شهر سه بعدی معنایی به عنوان واقعیت مجازی و افزوده. در حال پیشرفت در خدمات مبتنی بر مکان 2016. یادداشت های سخنرانی در اطلاعات جغرافیایی و کارتوگرافی ; Gartner, G., Huang, H., Eds. Springer: Cham, Switzerland, 2017; صص 329-353. [ Google Scholar ]
  38. تروخیلو، آ. سوارز، جی پی؛ د لا کال، م. گومز، دی. پدریزا، ا. سانتانا، JM Glob3 Mobile: چارچوبی منبع باز برای طراحی گلوب های مجازی در دستگاه های موبایل iOS و Android. در حال پیشرفت و روندهای جدید در علوم ژئو اطلاعات سه بعدی ; Pouliot, J., Daniel, S., Hubert, F., Zamyadi, A., Eds.; Springer: برلین/هایدلبرگ، آلمان، 2013; ص 211-229. [ Google Scholar ]
  39. کرامر، ام. Gutbell, R. یک مطالعه موردی بر روی برنامه‌های مکانی سه بعدی در وب با استفاده از چارچوب‌های پیشرفته WebGL. در مجموعه مقالات بیستمین کنفرانس بین المللی فناوری وب سه بعدی (Web3D’15)، هراکلیون، یونان، 18 تا 21 ژوئن 2015. ACM: نیویورک، نیویورک، ایالات متحده آمریکا، 2015. [ Google Scholar ]
  40. دبی هوشمند. در دسترس آنلاین: https://smartdubai.ae/en/Pages/default.aspx (در تاریخ 2 ژوئیه 2018 قابل دسترسی است).
  41. بویوکصالح، آی. بایبورت، اس. بویوکصالح، جی. بسکاراکا، ا. کریم، ح. رحمان، مدلسازی و تجسم سه بعدی AA بر اساس موتور بازی Unity – مزایا و چالش ها. ISPRS Ann. فتوگرام حسگر از راه دور اسپات. Inf. علمی 2017 ، IV-4/W4 ، 161-166. [ Google Scholar ] [ CrossRef ]
  42. پیروتی، اف. بروولی، MA; پرستیفیلیپو، جی. زامبونی، جی. کیلسدار، م. پیراگنولو، م. هوگان، پی. یک موتور رندر کره مجازی منبع باز برای برنامه های کاربردی سه بعدی: NASA World Wind. Geospat را باز کنید. نرم افزار داده استانداردها 2017 ، 2 ، 4. [ Google Scholar ] [ CrossRef ]
  43. Leaflet.js. در دسترس آنلاین: https://leafletjs.com/ (دسترسی در 6 ژوئن 2018).
  44. Mapbox. در دسترس آنلاین: https://www.mapbox.com (در 4 ژوئن 2018 قابل دسترسی است).
  45. Wrld3d. در دسترس آنلاین: https://www.wrld3d.com (در 29 مه 2018 قابل دسترسی است).
  46. Eegeo.js. در دسترس آنلاین: https://www.sitepoint.com/3d-maps-with-eegeo-and-leaflet/ (دسترسی در 6 ژوئن 2018).
  47. فناوری گرافیک در معماری سزیوم-رندر. در دسترس آنلاین: https://cesium.com/blog/2015/05/15/graphics-tech-in-cesium-architecture (در 2 ژوئیه 2018 قابل دسترسی است).
  48. مرشد، اس ام. پیکارد، اس. Koch، A. CityBEM: یک پیاده سازی منبع باز و اعتبارسنجی نیازهای انرژی گرمایش و سرمایش ماهانه برای ساختمان های سه بعدی در شهرها. ISPRS Ann. فتوگرام حسگر از راه دور اسپات. Inf. علمی 2017 ، IV-4/W5 ، 83-90. [ Google Scholar ] [ CrossRef ]
  49. HTML5. موجود به صورت آنلاین: https://www.w3.org/TR/html5/ (در 2 ژوئیه 2018 قابل دسترسی است).
  50. معرفی کاشی های سه بعدی در دسترس آنلاین: https://cesium.com/blog/2015/08/10/introducing-3d-tiles/ (در 2 ژوئیه 2018 قابل دسترسی است).
  51. زو، ال. وانگ، ز. Li, Z. بازنمایی اشیاء جغرافیایی پویا-زمان در کره های مجازی با استفاده از CZML—بخش اول: بررسی اجمالی و مسائل کلیدی. ISPRS Int. J. Geo-Inf. 2018 ، 7 ، 21. [ Google Scholar ] [ CrossRef ]
  52. زو، ال. لی، ز. Wang, Z. بازنمایی اشیاء زمین فضایی دینامیک زمان بر روی کره های مجازی با استفاده از CZML—بخش دوم: تأثیر، مقایسه و تحولات آینده. ISPRS Int. J. Geo-Inf. 2018 ، 7 ، 18. [ Google Scholar ] [ CrossRef ]
  53. ISO عملکرد انرژی ساختمان ها – محاسبه مصرف انرژی برای گرمایش و سرمایش فضا ; ISO 13970:2008; روشهای محاسبه ISO/TC 163/SC 2: ژنو، سوئیس، 2008; پ. 162. [ Google Scholar ]
  54. ماوس در مقابل انگشتان به عنوان دستگاه ورودی. در دسترس آنلاین: https://www.nngroup.com/articles/mouse-vs-fingers-input-device/ (در 28 مه 2018 قابل دسترسی است).
  55. چک لیست ویژگی CesiumJS. در دسترس آنلاین: https://cesiumjs.org/features/ (دسترسی در 20 ژوئن 2018).
  56. پرده های داده. در دسترس آنلاین: https://nasa-gibs.github.io/data-curtains/ (دسترسی در 20 ژوئن 2018).
  57. برویر، کالیفرنیا؛ Pickle, L. ارزیابی روش‌های طبقه‌بندی داده‌های اپیدمیولوژیک روی نقشه‌های choropleth به صورت سری. ان دانشیار صبح. Geogr. 2002 ، 92 ، 662-681. [ Google Scholar ] [ CrossRef ]
  58. پیترسون، MP انیمیشن کارتوگرافی تعاملی. کارتوگر. Geogr. Inf. سیستم 1993 ، 20 ، 40-44. [ Google Scholar ] [ CrossRef ]
  59. آهنگ، ی. وانگ، ایکس. تان، ی. وو، پی. سوتریسنا، م. چنگ، جی سی. Hampson، K. روندها و فرصت های یکپارچه سازی BIM-GIS در معماری، مهندسی و صنعت ساخت و ساز: مروری از دیدگاه آماری مکانی-زمانی. ISPRS Int. J. Geo-Inf. 2017 ، 6 ، 397. [ Google Scholar ] [ CrossRef ]
  60. نسل بعدی کاشی های سه بعدی در دسترس آنلاین: https://cesium.com/blog/2017/07/12/the-next-generation-of-3d-tiles/ (در 30 ژوئن 2018 قابل دسترسی است).
  61. کاشی های سه بعدی سزیوم را با استفاده از FME ادغام کنید. در دسترس آنلاین: https://www.safe.com/integrate/cesium-3d-tiles (در 30 ژوئن 2018 قابل دسترسی است).
  62. مدل سه بعدی دسته بندی شده در دسترس آنلاین: https://github.com/AnalyticalGraphicsInc/3d-tiles/tree/master/TileFormats/Batched3DModel (در 3 ژوئیه 2018 قابل دسترسی است).
شکل 1. چهار سطح از جزئیات در مدل داده CityGML [ 9 ].
شکل 2. معماری سیستم پیشنهادی برای رابط 4 بعدی پویا.
شکل 3. استفاده از فرمت های مختلف داده برای تجسم داده های مکانی و زمانی سه بعدی در سزیم.
شکل 4. رابط کاربری گرافیکی صفحه اول برنامه 4D CANVAS.
شکل 5. رابط وب برنامه 4 بعدی CANVAS که تابش سالانه را در سطوح مختلف ساختمان و سایر ویژگی های یک ساختمان انتخاب شده نمایش می دهد.
شکل 6. رابط وب برنامه 4 بعدی CANVAS: نمایش نیاز انرژی خنک کننده روزانه در ساختمان های مختلف در شهر کارلسروهه.
شکل 7. قابلیت های چند لمسی برنامه 4 بعدی CANVAS که در یک تبلت نشان داده شده است.
شکل 8. بررسی قابلیت های تجسم دینامیکی مکانی و زمانی فرمت های GeoJSON، کاشی های سه بعدی و CZML در ساختمان های LOD1 و LOD2.
شکل 9. تجسم دینامیک داده های ساعتی در نمودارهای میله ای.
شکل 10. تبدیل داده ها در لحظه از پایگاه داده PostgreSQL به کاشی های JSON، GeoJSON، CZML و 3D.
شکل 11. نمونه ای از ساختار پیچیده قالب داده کاشی های سه بعدی.
جدول 1. فن‌آوری‌ها، نرم‌افزارها و فرمت‌های داده به کار رفته در توسعه برنامه.
جدول 2. تجسم و قابلیت های عملکردی فرمت های داده های مختلف.
جدول 3. تجسم و قابلیت های عملکردی فرمت های داده های مختلف.

بدون دیدگاه

دیدگاهتان را بنویسید