به منظور مقابله با رشد سریع داده‌های بزرگ مکانی-زمانی، مدل‌های سازماندهی داده‌ها بر اساس سیستم‌های شبکه جهانی گسسته به سرعت در سال‌های اخیر توسعه یافته‌اند. با توجه به تفاوت در روش های ساخت مدل، تقسیم بندی سطح شبکه و قوانین کدگذاری، برای سیستم های شبکه جهانی گسسته برای یکپارچه سازی، اشتراک گذاری و تبادل داده ها بین مدل های مختلف دشوار است. این مقاله با هدف مشکل ادغام اطلاعات بین یک شبکه GeoSOT و سیستم شبکه مساحت مساوی شش ضلعی، مدل تجمیع معادل GeoSOT (مدل GEA) را پیشنهاد می‌کند. ما یک روش شاخص همبستگی فضایی بین شبکه‌های GeoSOT و شبکه‌های مساحت مساوی شش ضلعی جهانی ایجاد می‌کنیم، و بر اساس شاخص همبستگی فضایی، یک روش تبدیل متقابل برای اطلاعات ویژگی‌های شبکه پیشنهاد می‌کنیم. ما داده‌های POI (نقاط مورد علاقه) ایستگاه‌های اتوبوس و مترو پکن را انتخاب می‌کنیم و آزمایش تبدیل شبکه شش ضلعی به اطلاعات شبکه GeoSOT را انجام می‌دهیم تا کارایی مدل GEA را تأیید کنیم. نتایج تجربی نشان می‌دهد که وقتی شبکه GeoSOT سطح 17 به عنوان شبکه ذرات متناسب با شبکه شش ضلعی انتخاب می‌شود، دقت و کارایی می‌تواند به خوبی متعادل شود. دقت فیتینگ 95.51 درصد و زمان مصرف 30.9 میلی ثانیه است. ما شاخص مرتبط شبکه GeoSOT و شبکه شش ضلعی را ایجاد کردیم و در نهایت به تبادل اطلاعات پی بردیم. نتایج تجربی نشان می‌دهد که وقتی شبکه GeoSOT سطح 17 به عنوان شبکه ذرات متناسب با شبکه شش ضلعی انتخاب می‌شود، دقت و کارایی می‌تواند به خوبی متعادل شود. دقت فیتینگ 95.51 درصد و زمان مصرف 30.9 میلی ثانیه است. ما شاخص مرتبط شبکه GeoSOT و شبکه شش ضلعی را ایجاد کردیم و در نهایت به تبادل اطلاعات پی بردیم. نتایج تجربی نشان می‌دهد که وقتی شبکه GeoSOT سطح 17 به عنوان شبکه ذرات متناسب با شبکه شش ضلعی انتخاب می‌شود، دقت و کارایی می‌تواند به خوبی متعادل شود. دقت فیتینگ 95.51 درصد و زمان مصرف 30.9 میلی ثانیه است. ما شاخص مرتبط شبکه GeoSOT و شبکه شش ضلعی را ایجاد کردیم و در نهایت به تبادل اطلاعات پی بردیم.

کلید واژه ها:

سیستم شبکه جهانی گسسته ؛ ادغام اطلاعات ; زیربخش جهانی ; GeoSOT ; شبکه مساحت مساحت

1. مقدمه

با توسعه تجهیزات حسگر و فناوری اطلاعات مکانی، روش‌های جمع‌آوری سریع و آسان داده‌ها از توانایی پردازش داده‌ها پیشی گرفته است که تضاد بین اکتساب و پردازش داده‌ها را برجسته‌تر می‌کند. علاوه بر این، این داده‌ها به طور یکنواخت در حوزه مکانی-زمانی توزیع نمی‌شوند، که منجر به حجم زیادی از داده‌ها در یک منطقه محلی می‌شود که ویژگی‌های داده‌های بزرگ مکانی-زمانی معمولی را دارد [ 1 ، 2 ].
به منظور مقابله با اثر تراکم و توزیع نابرابر منطقه ای کلان داده های مکانی-زمانی، روش هایی برای سازماندهی و مدیریت داده های مکانی-زمانی به سرعت توسعه یافته اند [ 3 ]. مدل داده‌های مکانی-زمانی از مدل داده‌های شطرنجی بردار با جهت‌گیری نقاط، خطوط و سطوح، به روش مدیریت داده‌های شی‌گرا، فرآیند و رویدادگرا [ 4 ، 5 ، 6 ] و سپس به مدل داده‌های فرعی توسعه یافته است. مناسب برای سازماندهی داده های بزرگ فضایی و زمانی پیشنهاد پایگاه داده توزیع شده راه حل جدیدی برای سازماندهی داده های مکانی-زمانی چند منبعی ارائه می دهد.
با افزایش مقدار داده های بزرگ مکانی-زمانی، نظریه شبکه جهانی گسسته توسعه یافته و به سرعت تکمیل شده است، و مدل های متناظر در ترکیب با سناریوهای کاربردی خاص در زمینه های مربوطه خود تولید شده اند [ 7 ]. هر سیستم شبکه جهانی گسسته دارای ویژگی های منحصر به فرد بودن، کدگذاری و محاسبه چند سطحی و کارآمد است. بنابراین، سیستم‌های شبکه جهانی گسسته مزیت بزرگی در سازماندهی و مدیریت کلان داده‌های مکانی-زمانی جهانی دارند و در ذخیره‌سازی توزیع شده و محاسبه کدگذاری داده‌ها به کار گرفته شده‌اند.
سیستم شبکه جهانی گسسته را می توان بر اساس روش های مختلف ساخت [ 8 ، 9 ، 10 ]]، مانند مدل شبکه جهانی بر اساس تقسیم طول و عرض جغرافیایی و مدل شبکه بر اساس چند وجهی. چارچوب مکان شبکه جهانی بر اساس شبکه طول و عرض جغرافیایی از خطوط طول و عرض جغرافیایی منظم برای تقسیم مجدد سطح به چندین سلول شبکه استفاده می کند. این اولین و پرکاربردترین نوع چارچوب شبکه ای است که عمدتاً برای بیان موقعیت مناطق جغرافیایی با دقت کلی استفاده می شود. مدل‌های نماینده شامل «شبکه ملی ایالات متحده» (USNG) پیشنهاد شده توسط کمیسیون داده‌های جغرافیایی فدرال ایالات متحده، «مرجع شبکه ملی بریتانیا» (BNGR) پیشنهاد شده توسط سازمان بررسی مهمات بریتانیا، و «شبکه جغرافیایی» GBT12409-2009 پیشنهاد شده توسط چین است. .
مدل شبکه ای مبتنی بر چند وجهی، لبه های چند وجهی منظم کروی (چهار وجهی، شش وجهی، هشت وجهی، دوازده وجهی و ایکو وجهی) را بر روی کره قرار می دهد تا سطح زمین را بپوشاند [ 9 ]]. سپس، تقسیم‌بندی بازگشتی سراسری انجام می‌شود و ساختار شبکه‌ای سلسله مراتبی کروی شکل‌گرفته در نهایت دارای ویژگی‌های تقریباً یکنواختی و تداوم جهانی است. نه تنها بر نقص تکینگی قطب های طول و عرض جغرافیایی غلبه می کند، بلکه بر نقص ناهمگنی شبکه نیز غلبه می کند. شبکه پایدار، بدون درز و تقریباً یکنواخت در مقیاس جهانی است و در حال حاضر یکی از مؤثرترین ابزارها برای ساخت یک مدل شبکه سلسله مراتبی جهانی است. در میان آنها، مثلث کروی، لوزی و شش ضلعی محبوب ترین عناصر تقسیم بندی کروی هستند.
سیستم‌های شبکه جهانی گسسته مختلف دارای اشکال فضایی، توزیع و آرایش سلول‌های شبکه‌ای هستند که داده‌ها را ذخیره می‌کنند و همچنین تفاوت‌های قابل توجهی در تقسیم سلسله مراتبی شبکه و قوانین کدگذاری دارند. این امر ادغام و به اشتراک گذاری داده ها را تحت روش های تقسیم بندی مختلف دشوار می کند و همچنین توسعه همکاری تجاری بین سیستمی دشوار است.
کنسرسیوم زمین فضایی باز (OGC) شروع به تدوین استاندارد هسته سیستم شبکه جهانی گسسته در سال 2014 کرد و تلاش کرد یک چارچوب مکان شبکه باز برای دستیابی به قابلیت همکاری بین شبکه های مختلف ایجاد کند [ 11 ]. استاندارد پیشنهاد شده توسط OGC، گرید را فقط چارچوب اطلاعاتی در نظر می گیرد، بدون توجه به اینکه گرید ویژگی چارچوب مکان است. علاوه بر این، استاندارد در ایجاد یک مدل کدگذاری زیربخش کامل از لحاظ نظری شکست خورده است، و فاقد تعریف عملیات کدگذاری شبکه قابل اجرا و روش ارزیابی ویژگی های هندسی است، که هدایت قابلیت همکاری و کاربرد عملی سیستم های شبکه را دشوار می کند.
به عنوان یک شبکه با مساحت نابرابر، شبکه GeoSOT ( شبکه تقسیم کننده مختصات جغرافیایی S با کدگذاری انتگرال بعد O در 2n –T ree) می تواند به بیان سه بعدی، راندمان بالای کدگذاری و محاسبه به دلیل پوشش بدون درز جهانی دست یابد. طول و عرض جغرافیایی [ 12 ]. در حال حاضر در زمینه های شناسایی موقعیت مکانی سه بعدی پهپاد، کدهای پستی جدید، کدهای املاک و خدمات کلان داده آتش سوزی اضطراری Beidou به طور گسترده ای استفاده شده است و در تدوین استانداردهای بین المللی مانند OGC نقش داشته است. ، ISO و IEEE [ 13 ، 14 ، 15 ].
سیستم شبکه جهانی مساحت شش ضلعی به طور گسترده در فرماندهی جنگ، محاسبه و کسر فضای میدان نبرد [ 16 ] و غیره استفاده شده است. دو سیستم شبکه ای که با هم کار می کنند.
بر اساس چارچوب زیربخش GeoSOT، این مقاله مدل تجمیع معادل GeoSOT (مدل GEA) را پیشنهاد می‌کند. شبکه GeoSOT برای برازش مقیاس معینی از شبکه شش ضلعی استفاده می شود و سپس، تجمع چند مقیاسی داخلی برای تشکیل یک پرس و جو شاخص انجمنی کدگذاری شده و در نهایت تحقق تبدیل متقابل اطلاعات در شبکه انجام می شود. ما قوانین تداعی فضایی و مدل تبادل اطلاعات بین شبکه GeoSOT و شبکه شش ضلعی جهانی را طراحی می‌کنیم و کارایی و دقت آن را به صورت تجربی تأیید کردیم.

2. آثار مرتبط

2.1. شبکه GeoSOT

GeoSOT یک روش تقسیم بندی و کدگذاری است که سطح زمین را با ساختار چهاردرخت بازگشتی بر اساس سیستم مختصات طول و عرض جغرافیایی [ 12 ] گسسته می کند ( شکل 1 ). با در نظر گرفتن تقاطع نصف النهار اول و استوا به عنوان نقطه مرکزی، GeoSOT به صورت بازگشتی چهار درخت را تقسیم می کند تا یک سیستم شبکه چند سطحی بدون شکاف و بدون همپوشانی ایجاد کند و کوچکترین شبکه می تواند به سطح سانتی متر برسد. هنگامی که سطح زمین را به شبکه‌ها تقسیم می‌کند، GeoSOT فضای طول و عرض جغرافیایی زمین را سه بار گسترش می‌دهد (فضای جغرافیایی زمین را به 512 درجه، 1 درجه تا 64 دقیقه و 1 اینچ تا 64 اینچ گسترش می‌دهد)، به طوری که درخت چهارگانه عدد صحیح را تحقق بخشد. تقسیم درجات صحیح و دقیقه های صحیح
کد GeoSOT دارای ویژگی های زیر است [ 12 ، 15 ]:
(1)
ثبات. GeoSOT از سیستم مختصات ژئودتیک چین 2000 (CGCS2000) به عنوان داده فضای جهانی استفاده می کند. به منظور به ارث بردن داده های تاریخی موجود تا بیشترین حد، GeoSOT به طور ویژه هشت شبکه 4°، 2°، 1°، 2′، 1′، 2″، 1′′ و 0.5′′ را حفظ می کند. این شبکه ها می توانند برای تولید شبکه استاندارد اصلی موجود جمع شوند.
(2)
منحصر به فرد بودن. هر سلول شبکه دارای یک کد منحصر به فرد جهانی است که مربوط به یک مستطیل در سطح زمین است.
(3)
بازگشتی بودن شبکه‌های سطح پایین GeoSOT به شبکه سطح بالایی تقسیم می‌شوند که اساساً منجر به ایجاد لایه‌بندی منحنی پرکننده مرتبه Z فضایی می‌شود. چهار سلول شبکه GeoSOT یک “Z” متعلق به یک شبکه والد هستند و کدهای باینری آنها پیشوند یکسانی دارند.

2.2. سیستم شبکه شش ضلعی کروی

روش مساحت مساوی اسنایدر اغلب برای نمایش ایکوساهدرون تقسیم شده بر روی سطح کره استفاده می شود [ 17 ، 18 ]. رایج ترین مورد استفاده، شبکه جهانی گسسته ایکوسادرال، چند وضوحی و شش ضلعی است. شش ضلعی ها دارای تراکم بسته بندی بالاتر، مناطق دایره ای تقریبی هستند و هر سلول از شش همسایه مستقیم خود فاصله مساوی دارد. برای شبکه‌های شش ضلعی کروی، می‌توان آن را بر اساس اندازه دیافراگم شبکه‌های تقسیم‌بندی‌شده طبقه‌بندی کرد، که در آن دیافراگم به نسبت مساحت تقریبی سلول‌های شبکه سطح بالایی به سلول‌های سطح پایین‌تر اشاره دارد. سه نوع دیافراگم مشبک شش ضلعی رایج وجود دارد: دیافراگم 3، دیافراگم 4 و دیافراگم 7 ( شکل 2). برخی از محققان با موفقیت سلسله مراتبی را بر روی چندین نوع پایه شش ضلعی DGGS ایجاد کرده اند [ 19 ، 20 ، 21 ]. دیافراگم 3 کوچکترین دیافراگم در نظر گرفته شده برای امکان انتخاب شبکه بالقوه بیشتر است. جهت سلول دیافراگم 4 شش گوش DGGS در هر سطح یکسان است که به کاهش پیچیدگی سلسله مراتب کمک می کند.
شبکه‌های تقسیم‌بندی شده مختلف منجر به روش‌های کدگذاری متفاوتی برای ساختن سیستم شبکه می‌شوند. برای واحدهای شبکه یکسان، روش های کدگذاری زیادی وجود دارد. روش های کدگذاری شش ضلعی متداول شامل شش ضلعی و لوزی (HoR)، ترناری متوازن تعمیم یافته (GBT) و مدل مرجع دیجیتال زمین PYXIS [ 21 ، 22 ] است. با این حال، استفاده از DGGS‌های مبتنی بر شش ضلعی با وضوح چندگانه مانع شده است زیرا سیستم‌های شبکه‌ای گسسته همخوان را نمی‌توان با استفاده از شش ضلعی ساخت. تجزیه دقیق یک شش ضلعی به شش ضلعی های کوچکتر (یا برعکس، جمع کردن شش ضلعی های کوچک برای تشکیل ضلعی بزرگتر) غیرممکن است [ 22 ]. دشوار است که کدگذاری آدرس شبکه شش ضلعی یکپارچگی، منحصر به فرد بودن و سلسله مراتب را به طور همزمان برآورده کند.

3. روش ها

با استفاده از فکر حساب دیفرانسیل و انتگرال “بسیاری از کمی ها می خندند”، ما مدل تجمیع معادل GeoSOT (مدل GEA) را ساختیم. واحد اصلی سیستم شبکه جهانی مساحت مساحت سلول شبکه است. با استفاده از ویژگی های چند مقیاسی شبکه GeoSOT، شبکه GeoSOT در مقیاس کوچکتر به عنوان یک شبکه ذرات در نظر گرفته می شود. در تئوری، هر شبکه یک مساحت مساوی را می توان به طور جمعی نشان داد. دقت اتصال را می توان با تعیین حداقل اندازه شبکه ذرات مورد استفاده برای تقریب شبکه GeoSOT کنترل کرد.

فرض کنید مجموعه A مجموعه ای از شبکه های مساحت مساوی در مقیاس جهانی معین است و واحدهای شبکه مساحت مساوی را نشان می دهد. وجود دارد چنین سلول هایی در این مجموعه، برای شمارش تعداد شبکه ها و نشان دهنده شناسه شناسایی منحصر به فرد شبکه مساحت مساوی تحت این سیستم است. این عناصر شبکه با هم سیستم شبکه جهانی مساحت مساوی را تشکیل می دهند.

هنگام استفاده از شبکه GeoSOT با سطح مانند برای تقریب هر سلول ، تعداد شبکه‌های GeoSOT مورد استفاده برای تناسب با سلول است و تعداد کل آن است ; نشان دهنده مساحت سلول ها است که تابعی است که به طول و عرض جغرافیایی مربوط می شود. طول و عرض جغرافیایی نقاط و لبه های موجود در سلول ها است. و مساحت هر شبکه GeoSOT را نشان می دهد. هنگامی که سطح شبکه به اندازه کافی بالا است و به اندازه کافی کوچک است، مقادیر و تقریباً یکسان هستند.

با این حال، مقیاس شبکه ذرات تا حد امکان خوب نیست، و لازم نیست از شبکه ذرات برای بیان تصفیه شده در همه موارد استفاده شود. بنابراین، هنگام استفاده از شبکه ذرات برای جا دادن سلول‌های شبکه با مساحت مساوی، محدودیت‌های زیر باید رعایت شوند:
(1)
تعداد شبکه های مساحت مساوی مورد استفاده برای بیان منطقه مورد مطالعه نسبتاً کم است. به طور کلی، باید در 10 سلول شبکه مساحت مساوی کنترل شود. اگر تعداد شبکه‌های مساحت مساوی زیاد باشد، باید اطلاعات بیشتری درباره کل منطقه مورد مطالعه در نظر گرفته شود تا اطلاعات داخلی شبکه‌های مساحت مساوی.
(2)
داده‌های نقطه‌ای اصلی دارای ویژگی توزیع فضایی ناهموار هستند، بنابراین بیان دقیق آن با شبکه مساحت مساوی در مقیاس بزرگ دشوار است. اگر توزیع فضایی داده‌های نقطه‌ای داخلی در یک شبکه در مقیاس کوچک یکنواخت باشد، منطقی است که اطلاعات ویژگی آن را به عنوان نمایش نقطه مرکزی یک شبکه با مساحت مساوی استخراج کنیم.
(3)
سطوح شبکه ذرات به تعادلی از دقت و کارایی نیاز دارند. با مقیاس ریزتر شبکه ذرات، تعداد شبکه ها به صورت تصاعدی افزایش می یابد. اگرچه تعداد شبکه ها را می توان به طور موثر از طریق تجمیع داخلی مدل GEA کنترل کرد، کارایی تبدیل اطلاعات به طور اجتناب ناپذیر کاهش می یابد، که بار سازماندهی و مدیریت داده را افزایش می دهد. بنابراین، هنگام انتخاب سطح شبکه ذرات، باید در یک محدوده مقیاس معقول کنترل شود.
(4)
مقیاس شبکه ذرات باید با تحمل دقت صنعت مرتبط باشد. برای صنایع و مطالعات مختلف، حداقل تلرانس های مورد نیاز دقت نیز متفاوت است. هنگام انتخاب مقیاس شبکه ذرات، لازم است الزامات کاربرد صنایع مرتبط با هم ترکیب شوند. برای مثال، اگر اداره آموزش و پرورش نیاز به شمارش تعداد مدارس در یک منطقه خاص داشته باشد، مقیاس شبکه ذرات می تواند نسبتاً بزرگ باشد. در صنعت ارتباطات، تعداد پایانه‌های سیار بسیار زیاد است و اطلاعات مکان پایانه‌های تلفن همراه دائماً در حال تغییر است، بنابراین لازم است از شبکه کوچک‌تر استفاده کنید.
(5)
روش تبدیل بین شبکه ذرات و شبکه مساحت مساوی تا حد امکان ساده است. فقط یک روش تبدیل نسبتا ساده می تواند تضمین کند که دو شبکه می توانند به سرعت تداعی فضایی ایجاد کنند.
(6)
شبکه‌های ذرات و شبکه‌های مساحت مساوی را می‌توان از طریق کدگذاری مرتبط کرد و یک پایگاه داده برای دستیابی به پرس و جو و بازیابی سریع داده‌ها ایجاد کرد.

3.1. تعاریف اساسی

3.1.1. گرید والد و شبکه کودک

اگر شبکه سطح -ام شبکه سطح m را پوشش می دهد ، سپس شبکه مادر است ، و شبکه کودک است . به ویژه، اگر ، سپس CellA شبکه والد سطح اول یا شبکه والد مستقیم است ، و شبکه کودک سطح اول یا شبکه فرزند مستقیم است ; اگر ، شبکه والد سطح دوم است ، و شبکه کودک سطح دوم است
3.1.2. گرید تجمع
اگر شبکه سطح -ام همه مجموعه های زیرشبکه است در سطح j ، سپس شبکه تنظیم می شود را می توان در یک شبکه جمع کرد .
3.1.3. حداکثر شبکه موجود
ناحیه داخلی موجودیت O است . اگر می تواند به طور کامل پوشش دهد شبکه سطح -ام و برای هر یک از شبکه سطح -ام ، قادر به پوشش کامل نیست . حداکثر شبکه موجود موجودیت است . ممکن است بیش از یک شبکه حداکثر برای یک موجودیت وجود داشته باشد. فقط یکی از آنها را انتخاب کنید

3.2. الگوریتم برازش برای نوار مساحت مساوی

الگوریتم برازش برای شبکه مساحت مساوی عمدتاً از چهار بخش تشکیل شده است: «انتخاب سطح مشخصی از شبکه GeoSOT»، «انتخاب شبکه موقعیت‌یابی مرکز»، «پر کردن منطقه شبکه مساحت مساوی» و «تعیین مکان شبکه با مساحت مساوی». کد شناسایی، همانطور که در شکل 3 نشان داده شده است.

3.2.1. سطح مشخصی از شبکه GeoSOT را انتخاب کنید

شبکه مقیاس کوچکتر GeoSOT واحد اصلی برای برازش سلول های شبکه با مساحت مساوی است و انتخاب سطوح بر دقت برازش تأثیر می گذارد که با l نشان داده می شود .
3.2.2. شبکه تعیین موقعیت مرکزی را انتخاب کنید
ابتدا، حداکثر شبکه محتوی شبکه مساحتی که قرار است نصب شود را تعیین کنید (اگر بیش از یک شبکه وجود دارد، شبکه پایین سمت چپ را انتخاب کنید)، و سپس شبکه GeoSOT را با سطح l در سمت چپ پایین نقطه مرکزی انتخاب کنید. از حداکثر شبکه موجود، که به عنوان نشان داده شده است .
هدف از انتخاب شبکه موقعیت یابی مرکزی به شرح زیر است:
(1)
بر اساس الگوریتم seed fill در گرافیک محاسباتی [ 23 ، 24 ، 25 ]، شبکه موقعیت یابی مرکزی به عنوان نقطه بذر برای گسترش از داخل به خارج استفاده می شود.
(2)
شبکه GeoSOT معنای جغرافیایی کاربردی دارد و می تواند منحصر به فرد بودن کد را تضمین کند.
3.2.3. پر کردن مساحت شبکه مساحت
پس از انتخاب نقطه بذر، شروع به جستجو در چهار محله کنید. هنگامی که تمام لبه های برداری چند ضلعی شبکه مساحت مساوی در شبکه GeoSOT گنجانده شود، پر کردن کامل می شود.

با فرض اینکه سلول شبکه مساحت مساوی باشد ، وجود دارد لبه های برداری . فرآیند جستجو برای قضاوت در شبکه های چهار محله به صورت جداگانه است و شرایط قضاوت به شرح زیر است:

در صورت وجود شرایط، جستجو را ادامه دهید و در نهایت اطمینان حاصل کنید که هر نقطه p روشن است می تواند در داخل شبکه قرار گیرد .

3.2.4. کد شناسایی موقعیت شبکه شبکه مساوی را ایجاد کنید
با اشاره به روش شبکه GeoSOT در شناسایی کد املاک [ 26 ]، کد شناسایی مکان یک شبکه مساحت مساوی از سه بخش تشکیل شده است: کد شبکه موقعیت یابی مرکز، کد دهانه طولی (فاصله طولی شبکه در همان سطح مقیاس l ) و کد دهانه عرضی (فاصله عرضی شبکه در همان سطح مقیاس l ). شبکه جهانی مساحت شش ضلعی را به عنوان مثال در نظر بگیرید ( شکل 4 )، شبکه موقعیت یابی مرکزی ، کد آن است ، کد دهانه طول جغرافیایی است ، و کد عرض جغرافیایی است .
با ایجاد کد شناسایی مکان یک شبکه مساحت مساوی، می توان به شبکه مساحت مساوی یک شناسایی منحصر به فرد با معنای جغرافیایی واقعی داد. این شناسایی شامل مقیاس برازش شبکه GeoSOT، موقعیت جهانی شبکه موقعیت یابی مرکزی، عرض و طول جغرافیایی و اطلاعات دیگر است. کد شناسایی مکان دارای شناسه شناسایی جدید بر اساس شناسه شناسایی اصلی شبکه مساحت مساوی است. این یک پایه مهم برای ایجاد بعدی یک پایگاه داده شاخص رابطه ای است.

3.3. تجمع چند مقیاسی شبکه‌های مساحت مساوی

با افزایش سطح شبکه، دقت اتصالات بیشتر و بیشتر می شود و در نهایت شبکه مساحت مساوی بی نهایت نزدیک می شود. با این حال، تعداد شبکه های داخلی به صورت تصاعدی افزایش می یابد و منجر به افزونگی داده ها می شود. لازم است روشی ساخته شود که بتواند به طور موثر تعداد شبکه ها را تحت فرض اطمینان از دقت اتصالات کنترل کند. راه حل خاص این است که به صورت داخلی شبکه ها را با سطح l تا چند مقیاس جمع کنیم ( شکل 5 ).
برازش یک شبکه مساحت واحد به اطلاعات مرزی حساس است. تمام شبکه های مرزی با سطح l باید بدون تأثیر بر بیان فضایی کلی حفظ شوند. اصل تجمع چند مقیاسی برخلاف برازش تقریبی است. تناسب تقریبی این است که دانه‌ها را در مرکز پیدا کنید و مرز را برای جستجو پر کنید، در حالی که تجمع چند مقیاسی، شبکه‌ای در مقیاس کوچک مرز را حفظ می‌کند و دانه‌ها را از مرز به داخل تشکیل می‌دهد. هنگامی که شبکه GeoSOT با حداکثر مقیاس حاوی شبکه موقعیت یابی مرکزی تولید شد (فرض کنید سطح حداکثر مقیاس ، تجمع متوقف می شود.

مجموعه شبکه تک مقیاس GeoSOT اصلی از چند ضلعی های برازش تقریبی است ، جایی که نشان دهنده تعداد شبکه ها در سطح l است. پس از تجمیع چند مقیاسی، مجموعه شبکه GeoSOT به صورت زیر است:

جایی که سطح شبکه GeoSOT را نشان می دهد و تعداد شبکه ها را در این سطح نشان می دهد. شبکه های مرزی در تجمع شرکت نمی کنند، بنابراین این عملیات بر بیان فضایی تأثیر نمی گذارد. یعنی مساحت اشغال شده توسط مجموعه های شبکه قبل و بعد از تجمع یکسان است.

3.4. ایجاد شاخص همبستگی فضایی

در بخش 3.2 ، شبکه‌های مساحت مساوی در ترکیب چند مقیاسی از طریق تجمیع مجدد شبکه‌های کوچک داخلی بیان می‌شوند. مرحله بعدی تعیین این ارتباط مکانی با کدگذاری است. با فرض اینکه کد شناسه منحصر به فرد شبکه اصلی است ، و کد شناسایی مکان GeoSOT منحصر به فرد پس از عملیات تجمیع اختصاص داده شده است ، که نام مجموعه شبکه چند مقیاسی پس از مدل تجمیع معادل است. در نهایت، مدل شاخص همبستگی فضایی “کد شبکه معادل اصلی – کد شناسایی مکان GeoSOT – مجموعه کد شبکه چند مقیاسی مدل تجمعی معادل” ایجاد می‌شود. شکل 6 منطق ذاتی مدل شاخص همبستگی فضایی را با در نظر گرفتن شبکه مساحت مساوی شش ضلعی به عنوان مثال نشان می دهد.

4. آزمایش ها و نتایج

4.1. حوزه مطالعه و منابع داده

داده های تجربی از شبکه جهانی مساحت مساحت شش ضلعی ارائه شده توسط جین بن بدست می آیند، که یک شبکه گسسته ایجاد شده توسط ناحیه مساوی ایکوساهدر اسنایدر (ISEA) [ 22 ، 27 ] است.

در فرض شبکه‌های معمولی، شبکه‌هایی با رزولوشن‌های مختلف که با روش تقسیم‌بندی یکسان تولید می‌شوند را می‌توان به عنوان «سیستم شبکه» تعریف کرد. به منظور توصیف کمی رابطه بین شبکه های لایه های مجاور، نسبت مساحت واحدها در لایه -ام و لایه -ام به عنوان “دیافراگم” سیستم شبکه به شرح زیر تعریف می شود:

با توجه به اندازه دیافراگم ها، داده های شبکه شش ضلعی را می توان به سه نوع تقسیم کرد: سه دیافراگم ISEA3H (پنج تا هشت سطح)، چهار دیافراگم ISEA4H (چهار تا هفت سطح) و هفت دیافراگم ISEA7H (سه تا شش سطح).
در این مقاله، پکن را به عنوان منطقه مورد مطالعه انتخاب می کنیم و از شبکه شش ضلعی سطح 6 (ISEA7h-6) تحت روش مش بندی هفت دیافراگم برای نصب استفاده می کنیم. شکل 7 ). از سیستم مختصات ژئودتیک EPSG:4490-China 2000 به عنوان سیستم مرجع مختصات برای بیان بصری در صفحه دو بعدی استفاده کنید و نتیجه در شکل 7 ب نشان داده شده است. داده‌های آزمایشی مدل GEA، نقاط مورد علاقه (POI) ایستگاه‌های اتوبوس و مترو پکن هستند که از نقشه بایدو ( map.baidu.com ) در 16 نوامبر 2021 استخراج شده‌اند.

4.2. تبدیل از شبکه شش ضلعی به شبکه GeoSOT

در مرحله اول، از یک شبکه شش ضلعی (ISEA7h-6) برای سازماندهی داده های POI استفاده می شود، از تعداد نقاط شبکه به عنوان ویژگی شبکه استفاده می شود، و یک نقشه حرارتی از توزیع ایستگاه های حمل و نقل عمومی در پکن تولید می شود. شکل 8 ).
ثانیاً، اطلاعات ویژگی شش ضلعی را با نقطه مرکزی بیان می کنیم. سپس، شبکه GeoSOT سطح مجاور (سطح 11) شبکه شش ضلعی را پیدا کرده و نقطه مرکزی آن را بدست می آوریم. سپس از روش وزن دهی معکوس فاصله (IDW) برای درونیابی و نمونه برداری مجدد برای به دست آوردن یک نقشه حرارتی از توزیع ایستگاه های حمل و نقل عمومی در پکن استفاده می شود ( شکل 9 ).

در نهایت، ما نتیجه درون‌یابی فضایی نمونه‌برداری شده را با مقدار واقعی داده‌های POI در شبکه GeoSOT مقایسه می‌کنیم. شاخص ارزیابی ضریب تعیین را اتخاذ می کند ، و می توان آن را توسط:

برای -ام نقطه مشاهده، تفاوت بین داده های واقعی و برآورد شده نامیده می شود باقیمانده، SSE مجموع مربعات ناشی از خطا را نشان می دهد. و SST مجموع مجموع مربع ها را نشان می دهد. هر چه ارزش آن نزدیکتر باشد به 1 است، قدرت توضیحی متغیرهای معادله به قوی تر است ، و مدل بهتر با داده ها تناسب دارد.

شاخص ارزیابی دقت مدل GEA برای تبدیل اطلاعات را می توان به صورت زیر نوشت:

مقدار محاسبه شده از 0.90575 است، که نشان می دهد که نتیجه برازش مدل درونیابی فضایی معقول است. با این حال، دقت تبدیل از شبکه شش ضلعی به شبکه GeoSOT 72.51٪ است که نشان می دهد میانگین خطای نسبی بین نتیجه درونیابی و مقدار واقعی در مقیاس های مشابه نسبتاً بزرگ است. در فرآیند تبدیل اطلاعات ویژگی های شبکه شش ضلعی به شبکه GeoSOT، یک شبکه GeoSOT با مقیاس مشابه با شبکه شش ضلعی انتخاب کنید و از طریق روش درون یابی فضایی نمونه برداری مجدد کنید. این روش امکان سنجی خاصی دارد، اما برازش به دست می آید. اطلاعات ویژگی از دقت کافی نیست.

4.3. تبدیل از شبکه GeoSOT به شبکه شش ضلعی

اولا، ما از یک شبکه GeoSOT در مقیاس کوچک (به عنوان مثال سطح چهاردهم را در نظر بگیرید) برای جا دادن هر شبکه شش ضلعی برای به دست آوردن مجموعه شبکه ذرات GeoSOT منطقه مورد مطالعه استفاده می کنیم.
سپس، از شبکه‌های GeoSOT ذره‌ای برای سازماندهی داده‌های POI استفاده می‌کنیم، تعداد نقاط شبکه را به‌عنوان ویژگی‌های شبکه در نظر می‌گیریم و یک نقشه حرارتی از توزیع ایستگاه‌های حمل‌ونقل عمومی در پکن ایجاد می‌کنیم ( شکل 10 ).
در نهایت، اطلاعات ویژگی های موجود در شبکه ذرات GeoSOT را به سمت بالا در یک شبکه شش ضلعی جمع آوری می کنیم و نقشه حرارتی بیان شده توسط شبکه شش ضلعی را پس از تبدیل اطلاعات به دست می آوریم ( شکل 11). ).
با در نظر گرفتن شبکه GeoSOT به عنوان خط پایه، ما دقت و کارایی تبدیل اطلاعات را برای شبکه GeoSOT و مدل GEA در سطوح مختلف شبکه‌های ذرات محاسبه کردیم. نتایج در جدول 1 نشان داده شده است نشان داده شده است.
با افزایش سطح شبکه ذرات، دقت تبدیل اطلاعات بیشتر و بیشتر می شود، اما زمان تبدیل نیز افزایش می یابد. از جدول می توان دریافت که وقتی شبکه 17 سطحی GeoSOT به عنوان شبکه ذرات انتخاب می شود، دقت و کارایی بهتر می تواند متعادل شود. در فرآیند تبدیل اطلاعات ویژگی از شبکه GeoSOT به شبکه شش ضلعی، اتخاذ مدل تجمیع معادل GeoSOT در مقیاس مناسب می تواند تبدیل دقیق اطلاعات ویژگی را تحت فرض اطمینان از کارایی زمانی تحقق بخشد.

4.4. شاخص همبستگی فضایی شبکه GeoSOT و شبکه شش ضلعی

برای یک شبکه شش ضلعی با چگالی بالا از داده های نقطه ای، برای یک شبکه ذرات تک مقیاس به دست آوردن دقیق اطلاعات داخلی دشوار است. از مجموعه گرید به دست آمده توسط تجمیع شبکه چند مقیاسی GeoSOT استفاده کنید و سپس یک شاخص همبستگی فضایی با شبکه شش ضلعی ایجاد کنید ( شکل 12 )، و یک پایگاه داده ایجاد کنید ( شکل 13 ).
با توجه به پر کردن شبکه کوچک ذرات و پر کردن تجمع معادل هر شبکه شش ضلعی، ما مقایسه تعداد شبکه‌های GeoSOT قبل و بعد از پر کردن تجمعی معادل را به دست می‌آوریم ( شکل 14 ).
با افزایش سطح شبکه های ذرات، تعداد شبکه های ذرات مورد نیاز برای پر کردن شبکه شش ضلعی به شدت افزایش می یابد. با این حال، تعداد شبکه ها را می توان به طور موثر از طریق تجمع و پر کردن معادل کنترل کرد. با تجمیع شبکه‌های ذرات، می‌توان تعداد شبکه‌ها را در جدول شاخص مرتبط کاهش داد و کارایی سازماندهی و مدیریت داده‌ها را بهبود بخشید. بنابراین، ما می‌توانیم به بیان چند مقیاسی اطلاعات مکانی دست یابیم بدون اینکه بر بیان فضایی و تبدیل اطلاعات ویژگی‌ها تأثیر بگذاریم.

5. بحث

در این مقاله، از ویژگی های چند مقیاسی شبکه های GeoSOT برای برازش شبکه های مساحت مساوی شش ضلعی استفاده شده است. ابتدا حداقل اندازه شبکه را تعیین می کنیم و شبکه موقعیت یابی مرکزی را پیدا می کنیم. سپس طبق روشی شبیه به الگوریتم پر بذر منطقه ای یک مجموعه شبکه در مقیاس کوچک به دست می آوریم و کد شناسایی مکان را بدست می آوریم. مدل GEA فضای داخلی شبکه در مقیاس کوچک را دوباره جمع می کند تا نمایش چند مقیاسی شبکه مساحت مساوی را به دست آورد، که تعداد شبکه ها را به شدت کاهش می دهد.
ما از مدل GEA پیشنهاد شده در این مقاله برای برازش داده های واقعی شبکه شش ضلعی استفاده می کنیم و نشان می دهیم که مدل GEA می تواند به طور موثر تعداد شبکه های ذرات را کاهش دهد. با تجمیع شبکه‌های ذرات، مدل GEA می‌تواند تا حد زیادی تعداد شبکه‌ها را در جدول شاخص مرتبط بدون تأثیر بر بیان فضایی و تبدیل اطلاعات ویژگی کاهش دهد، کارایی سازماندهی و مدیریت داده‌ها را بهبود بخشد و به بیان چند مقیاسی اطلاعات مکانی دست یابد. علاوه بر این، ما دقت و کارایی اتصال مش ذرات را در سطوح مختلف تجزیه و تحلیل و مقایسه می کنیم و مش ذرات سلسله مراتبی بهینه را به دست می آوریم که کارایی و دقت را متعادل می کند. در اینجا، مدل از منظر منحصر به فرد بودن جهانی، سازماندهی داده های چند مقیاسی و کارآمد به صورت علمی نشان داده می شود.

5.1. منحصر به فرد بودن

برای هر شبکه مساحت جهانی، مدل GEA می‌تواند یک شبکه موقعیت‌یابی مرکز منحصر به فرد را پیدا کند، در نتیجه یک کد شناسایی مکان منحصر به فرد ایجاد می‌کند.

5.2. چند مقیاسی

شبکه مساحت مساوی شش ضلعی جهانی توسط قوانین تقسیم فضایی محدود شده است و دستیابی به تقسیم بندی چند مقیاس جهانی بدون همپوشانی دشوار است. با این حال، استفاده از ویژگی جهانی چند مقیاسی شبکه GeoSOT فقط می تواند این کمبود شبکه مساحت مساوی را جبران کند. از طریق مدل شاخص همبستگی فضایی، شبکه GeoSOT می تواند به عنوان واحد پایه جمع آوری اطلاعات مورد استفاده قرار گیرد. اگر نیاز به دانستن اطلاعات با مقیاس ریز در داخل شبکه شش ضلعی داشته باشیم، می‌توانیم به سرعت آن را از طریق مدل شاخص همبستگی فضایی پیدا کنیم. برعکس، اگر یک تغییر ویژگی در یک شبکه GeoSOT رخ دهد، اطلاعات تغییر را می توان به طور همزمان از طریق مدل شاخص همبستگی فضایی در شبکه شش ضلعی جمع کرد.

5.3. کارآمد

شبکه GeoSOT دارای راندمان بالایی در محاسبه کدگذاری است. بر این اساس، مدل GEA پیشنهاد شده در این مقاله، تعداد شبکه‌های هم مقیاس را از طریق تجمیع داخلی به میزان زیادی کاهش می‌دهد و به طور موثر تعداد کل شبکه‌ها را بدون تأثیر بر بیان فضایی کلی کنترل می‌کند، بنابراین کارایی سازماندهی و مدیریت داده‌ها را بهبود می‌بخشد.

6. نتیجه گیری

به منظور حل مشکل عدم وجود قوانین یکپارچه بین یک شبکه GeoSOT و یک شبکه شش ضلعی، این مقاله یک شبکه GeoSOT و مدل تبدیل همجوشی اطلاعات شبکه مساحت شبکه شش ضلعی را پیشنهاد می‌کند. این مشکل همکاری با DGGS اصلی را حل می کند و ایده جدیدی برای ادغام اطلاعات شبکه متقابل سیستمی ارائه می دهد. با استفاده از ویژگی‌های چند مقیاسی شبکه‌های GeoSOT، ما یک شاخص همبستگی فضایی “کد شبکه شش ضلعی – کد شناسایی مکان منحصر به فرد GeoSOT – مجموعه کد شبکه چند مقیاسی GeoSOT” را ایجاد کردیم. شبکه GeoSOT به عنوان پایه ای برای جمع آوری داده ها، سازماندهی و مدیریت استفاده می شود و به سمت بالا در شبکه مساحت مساوی برای محاسبه فضایی شبکه مساحت مساوی جمع می شود. بر اساس مدل GEA، ما آزمایش تبدیل اطلاعات شبکه شش ضلعی به شبکه GeoSOT را انجام دادیم.

منابع

  1. ژی، جی. Shekhar, S. علم داده های بزرگ فضایی و مکانی-زمانی. در علم داده های بزرگ فضایی ; Springer: Cham، آلمان، 2017. [ Google Scholar ]
  2. گونگ، کیو. گوا، ن. Xiong، W. چن، ال. جینگ، ن. مدل داده های مکانی-زمانی موجودیت های جغرافیایی. در مجموعه مقالات بیست و ششمین کنفرانس بین المللی ژئوانفورماتیک 2018، کونمینگ، چین، 28 تا 30 ژوئن 2018. [ Google Scholar ]
  3. چن، توسط; یوان، اچ. لی، کیو. شاو، اس.-ال. لام، WHK; چن، X. مدل داده های مکانی-زمانی برای تحلیل جغرافیایی زمان شبکه در عصر داده های بزرگ. بین المللی جی. جئوگر. Inf. علمی 2016 ، 30 ، 1041-1071. [ Google Scholar ] [ CrossRef ][ نسخه سبز ]
  4. Peuquet, DJ; Duan، N. یک مدل داده مکانی-زمانی مبتنی بر رویداد (Estdm) برای تحلیل زمانی داده‌های جغرافیایی. بین المللی جی. جئوگر. Inf. سیستم 1995 ، 9 ، 7-24. [ Google Scholar ] [ CrossRef ]
  5. وانگ، دی. چنگ، تی. یک مدل داده مکانی-زمانی برای مدل‌سازی تقاضای حمل‌ونقل مبتنی بر فعالیت. بین المللی جی. جئوگر. Inf. علمی 2001 ، 15 ، 561-585. [ Google Scholar ] [ CrossRef ]
  6. ژو، ام. چن، جی. گونگ، جی. یک سیستم شبکه جهانی گسسته قطب گرا: مش چهارگوش چهارتایی. محاسبه کنید. Geosci. 2013 ، 61 ، 133-143. [ Google Scholar ] [ CrossRef ]
  7. سحر، ک. سفید، دی. کیمرلینگ، سیستم‌های شبکه جهانی گسسته ژئودزیک AJ. کارتوگر. Geogr. Inf. علمی 2003 ، 30 ، 121-134. [ Google Scholar ] [ CrossRef ][ نسخه سبز ]
  8. ما، تی. ژو، سی. زی، ی. کین، بی. Ou, Y. یک سیستم شبکه جهانی مربع گسسته بر اساس طرح ریزی صفحه موازی. بین المللی جی. جئوگر. Inf. علمی 2009 ، 23 ، 1297-1313. [ Google Scholar ] [ CrossRef ]
  9. سفید، دی. کیمرلینگ، ای جی. سحر، ک. Song, L. مقایسه اعوجاج مساحت و شکل در پارتیشن‌های بازگشتی بر اساس چند وجهی کره. بین المللی جی. جئوگر. Inf. علمی 1998 ، 12 ، 805-827. [ Google Scholar ] [ CrossRef ]
  10. وانگ، ز. ژائو، ایکس. سان، دبلیو. لو، اف. لی، ی. Duan، Y. تحلیل همبستگی و بازسازی سیستم شاخص ارزیابی هندسی شبکه جهانی گسسته. ISPRS Int. J. Geo-Inf. 2021 ، 10 ، 115. [ Google Scholar ] [ CrossRef ]
  11. برس، MBJ; گیب، آر. سماواتی، ف. پترسون، پی. Ben, J. استاندارد هسته سیستم شبکه جهانی گسسته Ogc : چارچوبی برای ادغام سریع مکانی. در مجموعه مقالات سمپوزیوم بین المللی زمین شناسی و سنجش از دور IEEE 2016 (IGARSS)، پکن، چین، 10 تا 15 ژوئیه 2016. [ Google Scholar ]
  12. چنگ، سی. تانگ، ایکس. چن، بی. Zhai, W. یک روش تقسیم بندی برای یکسان سازی شبکه های عرض و طول جغرافیایی موجود. ISPRS Int. J. Geo-Inf. 2016 ، 5 ، 161. [ Google Scholar ] [ CrossRef ]
  13. چی، ک. چنگ، سی. هو، YN; نیش، اچ. جی، ی. چن، ب. کد شناسایی بهبود یافته برای اجزای شهر بر اساس سیستم شبکه جهانی گسسته. ISPRS Int. J. Geo-Inf. 2017 ، 6 ، 381. [ Google Scholar ] [ CrossRef ] [ نسخه سبز ]
  14. لی، اس. چنگ، سی. چن، بی. Meng, L. یکپارچه سازی و مدیریت داده های سنجش از دور عظیم بر اساس مدل زیربخش Geosot. J. Appl. Remote Sens. 2016 , 10 , 034003. [ Google Scholar ] [ CrossRef ]
  15. چنگ، سی. رن، اف. پو، جی. وانگ، اچ. چن، ب. مقدمه ای بر سازمان زیرمجموعه اطلاعات مکانی ; انتشارات علمی: پکن، چین، 2012. [ Google Scholar ]
  16. بن، جی. لی، ی. ژو، سی. وانگ، آر. طرح رمزگذاری جبری Du، LY برای سیستم شبکه جهانی گسسته شش ضلعی دیافراگم 3. علمی علوم زمین چین 2018 ، 61 ، 215-227. [ Google Scholar ] [ CrossRef ]
  17. اسنایدر، جی پی پیش‌بینی نقشه با مساحت مساوی برای گلوب‌های چندوجهی. کارتوگر. بین المللی جی. جئوگر. Inf. جئوویس. 1992 ، 29 ، 10-21. [ Google Scholar ] [ CrossRef ]
  18. هریسون، ای. مهدوی امیری، ع. سماواتی، اف. تحلیل بهینه سازی های معکوس اسنایدر. در معاملات در علوم محاسباتی شانزدهم ; Springer: برلین/هایدلبرگ، آلمان، 2012. [ Google Scholar ]
  19. Vince، A. نمایه سازی دیافراگم 3 شش ضلعی شبکه گسسته جهانی. J. Vis. اشتراک. تصویر نشان می دهد. 2006 ، 17 ، 1227-1236. [ Google Scholar ] [ CrossRef ]
  20. Sahr, K. کدگذاری مکان روی شبکه‌های جهانی گسسته شش گوشه با دیافراگم Icosahedral 3. محاسبه کنید. محیط زیست سیستم شهری 2008 ، 32 ، 174-187. [ Google Scholar ] [ CrossRef ]
  21. وینس، ا. ژنگ، X. تبدیل حسابی و فوریه برای مدل زمین دیجیتال با وضوح چندگانه Pyxis. بین المللی جی دیجیت. زمین 2009 ، 2 ، 59-79. [ Google Scholar ] [ CrossRef ]
  22. بن، جی. تانگ، ایکس. چن، R. یک روش نمایه سازی فضایی برای سیستم شبکه جهانی گسسته شش ضلعی. در مجموعه مقالات 2010 هجدهمین کنفرانس بین المللی ژئوانفورماتیک، پکن، چین، 18 تا 20 ژوئن 2010. [ Google Scholar ]
  23. کدریا، م. Nevalainen, O. توجه: الگوریتمی برای پر کردن ناحیه مبتنی بر کانتور. محاسبه کنید. نمودار. 2005 ، 29 ، 441-450. [ Google Scholar ] [ CrossRef ]
  24. بدلر، تبدیل اسکن NI. در پیشرفت در گرافیک کامپیوتری I ; Springer: برلین/هایدلبرگ، آلمان، 1986. [ Google Scholar ]
  25. کومار، بی. تیواری، بریتانیا؛ کومار، اس. تومر، وی. Kalra, J. مقایسه و ارزیابی عملکرد الگوریتم پر کردن مرز و سیل. بین المللی J. Innov. تکنولوژی کاوش کنید. مهندس 2020 ، 8 ، 9-13. [ Google Scholar ]
  26. وو، اچ. هائو، اس. پو، جی. ژانگ، جی. او، دبلیو. Cheng, C. یک رویکرد کدنویسی جدید برای پروژه های املاک و مستغلات بر اساس شبکه تقسیم جهانی. Geomat. جهان 2020 ، 27 ، 30-35. [ Google Scholar ]
  27. بن، جی. تانگ، ایکس. ژانگ، ی. وانگ، ایکس. یک الگوریتم تولید برای یک سیستم شبکه شش ضلعی کروی مساوی جدید. چانه. تکنولوژی بالا Lett. 2007 ، 17 ، 581-585. [ Google Scholar ]
Ijgi 11 00265 g001 550
شکل 1. مدل شبکه گسسته GeoSOT.
Ijgi 11 00265 g002 550
شکل 2. شبکه های شش ضلعی با دیافراگم های مختلف: ( الف ) دیافراگم 3. ( ب ) دیافراگم 4; و ( ج ) دیافراگم 7.
Ijgi 11 00265 g003 550
شکل 3. روش برازش الگوریتم برای نوار مساحت مساوی.
Ijgi 11 00265 g004 550
شکل 4. روش شناسایی موقعیت شبکه مساحت شش ضلعی.
Ijgi 11 00265 g005 550
شکل 5. تجمع تک مقیاسی تا چند مقیاسی.
Ijgi 11 00265 g006 550
شکل 6. مدل شاخص همبستگی فضایی: ( الف ) کد شبکه شش ضلعی ID1. ( ب ) کد مکان GeoSOT ID2؛ و ( ج ) مجموعه شبکه چند مقیاسی.
Ijgi 11 00265 g007 550
شکل 7. اتصالات شبکه شش ضلعی پکن: ( الف ) نقشه چین. و ( ب ) نقشه مرزی منطقه مورد مطالعه.
Ijgi 11 00265 g008 550
شکل 8. توزیع ایستگاه های حمل و نقل عمومی در پکن: ( الف ) نقشه توزیع POI. و ( ب ) نقشه حرارتی توزیع POI که توسط شبکه شش ضلعی بیان شده است.
Ijgi 11 00265 g009 550
شکل 9. نقشه حرارتی توزیع POI که توسط شبکه سطح 11 شبکه GeoSOT بیان شده است: ( الف ) با استفاده از داده های POI واقعی تولید شده است. و ( ب ) با استفاده از درونیابی داده های شبکه شش ضلعی ایجاد شده است.
Ijgi 11 00265 g010 550
شکل 10. نقشه حرارتی توزیع POI که توسط شبکه سطح چهاردهم شبکه GeoSOT بیان شده است.
Ijgi 11 00265 g011 550
شکل 11. نقشه حرارتی توزیع POI که در شبکه شش ضلعی با استفاده از تبدیل اطلاعات شبکه سطح 14 GeoSOT بیان شده است.
Ijgi 11 00265 g012 550
شکل 12. نقشه حرارتی توزیع POI که در شبکه شش ضلعی با استفاده از مدل GEA بیان شده است.
Ijgi 11 00265 g013 550
شکل 13. پایگاه داده شاخص مرتبط با مدل GEA.
Ijgi 11 00265 g014 550
شکل 14. مقایسه تعداد شبکه های GeoSOT قبل و بعد از پر کردن تجمع معادل.

مقالات داخلی و بین المللی

مطالب مرتبط ...

بدون دیدگاه

دیدگاهتان را بنویسید