سیستم های WebGIS سه بعدی تقریباً از آغاز عصر گرافیکی وب در اواخر دهه 1990 در ادبیات ذکر شده اند. استفاده بالقوه از WebGIS سه بعدی به طیف گسترده ای از حوزه های علمی و کاربردی مانند برنامه ریزی، کنترل، ردیابی یا شبیه سازی در مدیریت بحران، برنامه ریزی ماموریت نظامی، سیستم های اطلاعات شهری، تاسیسات انرژی یا مدیریت میراث فرهنگی مرتبط است. تعداد کمی. با این وجود، بسیاری از برنامه‌ها یا نمونه‌های اولیه تحقیقاتی تحت عنوان WebGIS سه بعدی یا مشابه، عمدتاً به تجسم سه بعدی داده‌های GIS یا تجسم نتایج تجزیه و تحلیل مربوط می‌شوند، نه در مورد انجام آنالیز سه بعدی به صورت آنلاین. این مقاله تحقیقاتی با هدف گام به جلو در جهت تجزیه و تحلیل جغرافیایی سه بعدی مبتنی بر وب است. نحوه غلبه بر محدودیت‌های سرعت و حافظه در مدیریت داده‌های مبتنی بر وب با تطبیق استراتژی‌های بهینه‌سازی، که قبلاً برای تجسم سه‌بعدی مبتنی بر وب توسعه داده شده بود را شرح می‌دهد. اینها به روشی کل نگر در زمینه محاسبات خط دید کاملاً سه بعدی در چندین لایه با منابع داده تقسیم شده (کاشی کاری شده) و تقسیم نشده (ایستا) اعمال می شوند. روش‌های بهینه‌سازی مختلف ترکیب و ارزیابی می‌شوند تا یک تحلیل کارآمد سمت مشتری و یک عملکرد واقعی WebGIS سه بعدی را با استفاده از فناوری‌های جدید وب مانند HTML5 و WebGL ممکن کنند.
کلید واژه ها:

سه بعدی ؛ WebGIS ; عملکرد ؛ تجزیه و تحلیل ; خط دید ; دید

1. مقدمه

هدف این مقاله ترویج استفاده از WebGIS فراتر از تجسم به عنوان یک ابزار تحلیلی است. ما پیاده سازی و ارزیابی یک تحلیل خط دید سه بعدی مبتنی بر مرورگر را توصیف می کنیم. علاوه بر محاسبه اینکه آیا خط بین دو نقطه در فضای سه بعدی مسدود شده است یا خیر، آنالیز نقطه انسداد را برمی گرداند که با یافتن نزدیکترین نقطه تقاطع خط دید با هر مثلثی در صحنه تعیین می شود. برای مقابله با مسائل مربوط به عملکرد و مقیاس‌پذیری، از استراتژی‌هایی مانند فشرده‌سازی، کاشی‌کاری، استریم و ذخیره‌سازی استفاده می‌کند که برای تجسم کار می‌کنند و آن‌ها را برای انجام تحلیل‌های فشرده داده‌ها در وب تطبیق می‌دهد. با فرض یک مورد استفاده واقع گرایانه که در آن تجزیه و تحلیل دارای مرحله قبلی تجسم است، دیدگاهی کل نگر در حوزه مسئله دارد. و اینکه داده های مورد تجزیه و تحلیل از چندین لایه با ویژگی های مختلف تشکیل شده و به طور بالقوه از منابع توزیع شده یکپارچه شده اند. روش توصیف‌شده برای تحلیل سه‌بعدی خط دید از آن دیدگاه کل‌نگر بهره می‌برد، که فرصت‌های بیشتری را برای بهینه‌سازی فرآیند نسبت به در نظر گرفتن فقط محاسبات دید باز می‌کند.
مثال یک محاسبات خط دید سه بعدی به خوبی چالش هایی را که باید در زمینه تحلیل های فضایی مبتنی بر مرورگر حل شوند، نشان می دهد. محاسبات کارآمد آن برای توسعه عملکردهای WebGIS سه بعدی بیشتر مرتبط است، زیرا خط دید می تواند به عنوان یک فرآیند اتمی تجزیه و تحلیل دید پیچیده تر مانند دیدگاه ها استفاده شود.
برای نشان دادن کیفیت مفهوم پیشنهادی، در سناریوهای مختلف ( شکل 1 ) مورد ارزیابی قرار گرفت تا دستاوردهای بالقوه عملکرد و مقیاس پذیری آن و همچنین محدودیت‌های آن در صورت فلکی استفاده مختلف آشکار شود.
قبل از بحث در مورد کار مرتبط با WebGIS سه بعدی، محاسبات خط دید سه بعدی و تحقیقات عملکرد WebGIS در بخش 2 ، دو بخش فرعی زیر یک نمای کلی از زمینه ای که این کار در آن مشارکت می کند ارائه می دهد، که با اظهارات کلی در مورد ارتباط شروع می شود. WebGIS در بخش فرعی بعدی و پایان مقدمه با خلاصه ای کوتاه از چالش های تحقیقاتی در حوزه WebGIS.

1.1. چرا به WebGIS نیاز داریم؟

در پایان سال 2017، حدود 4 میلیارد نفر (~51.8٪) در سراسر جهان از اینترنت استفاده می کردند [ 1 ]. در کشورهای توسعه یافته بیش از 80 درصد افراد از اینترنت استفاده می کنند [ 2]. این اعداد نشان دهنده این واقعیت ساده است که جوامع ما اینترنت را به عنوان یکی از مهم ترین فناوری ها برای اطلاعات و ارتباطات گنجانده اند. اینترنت و به ویژه شبکه جهانی وب، دسترسی به اطلاعات و خدمات مکانی را تسهیل می‌کند که می‌تواند راه‌حل‌های سریع و آسانی را برای سؤالات فضایی افراد خصوصی، از مدیریت دولتی تا برنامه‌های تجاری ارائه دهد. با این حال، چرا به WebGIS نیاز داریم؟ ما به طور گسترده از وب برای حل وظایف روزانه خود استفاده می کنیم و تقاضای زیادی برای اطلاعات مکانی در طیف گسترده ای از موارد استفاده و حوزه های کاربردی داریم، به عنوان مثال، مشارکت عمومی در برنامه ریزی (به عنوان مثال، [ 3 ]])، مدیریت منابع طبیعی، تحقیقات بازار یا لجستیک، فقط به نام چند. استفاده گسترده از برنامه های کاربردی GIS توزیع شده در وب، نقش اولیه GIS دسکتاپ را به عنوان ابزار تجزیه و تحلیل تخصصی به یک نوع رسانه برای انتقال اطلاعات جغرافیایی به مخاطبان وسیع تغییر داده است [ 4 ].]. بسیاری از برنامه‌های کاربردی WebGIS تمرکز زیادی بر روی ارتباطات از طریق نقشه‌برداری وب دارند، با این وجود مهم است که برنامه‌های WebGIS را فعال کنیم تا سایر جنبه‌های مهم نرم‌افزار GIS، مانند جمع‌آوری داده‌ها، مدیریت داده‌ها و به‌ویژه تجزیه و تحلیل داده‌ها را پوشش دهند. تلاش انجام شده در رویکرد این مقاله گامی در جهت قادر ساختن برنامه های کاربردی WebGIS برای انجام تجزیه و تحلیل حتی بر روی مجموعه داده های بزرگ به طور موثر بر روی وب است. بدین ترتیب، این رویکرد از الگوی محاسبات سمت مشتری به نفع انعطاف‌پذیری بیشتر در مورد اینکه چگونه کاربر می‌تواند داده‌های محلی خصوصی را با داده‌های منتشر شده از زیرساخت داده‌های مکانی (SDI) ترکیب کند، بدون نیاز به آپلود هیچ یک از داده‌های خود در یک کنترل از راه دور، پیروی می‌کند. سرور
قبل از ارائه جزئیات روش پیشنهادی برای تجزیه و تحلیل خط دید مبتنی بر مشتری سمت مشتری، نکاتی در مورد دامنه تحقیقات کلی WebGIS در زیر آورده شده است.

1.2. چالش های پژوهشی WebGIS

چالش‌هایی که باید در تحقیقات مورد توجه قرار گیرند تا WebGIS را به وسیله‌ای مفید برای درک پدیده‌های مکانی و ارتباط اطلاعات جغرافیایی تبدیل کنند، بسیار متنوع هستند. موضوعات اصلی در شکل 2 مربوط به استاندارد ISO/IEC 25010 برای مهندسی سیستم ها و نرم افزار است [ 5 ]] که یک مدل کیفیت محصول نرم افزاری را تعریف می کند. این مدل از هشت ویژگی تشکیل شده است. در نظر گرفتن این ویژگی‌های کلی کیفیت نرم‌افزار و ارتباط آن‌ها با زمینه WebGIS، انتخاب ذهنی از موضوعات و موضوعات برای یک قانون تحقیقاتی WebGIS را نشان می‌دهد. با این حال، ممکن است نقطه شروع مفیدی برای بحث برای مرتب سازی و توسعه زمینه تحقیقات WebGIS باشد. برخی از مسائل کلی تر هستند و همچنین برای انواع دیگر برنامه های کاربردی وب مانند سازگاری اعمال می شوند، در حالی که برخی دیگر به برنامه های WebGIS اختصاصی تر هستند و به راه حل های خاصی نیاز دارند، مانند قابلیت استفاده از نقشه، تکنیک های فشرده سازی یا استراتژی های بازیابی داده ها و تجزیه و تحلیل با کارایی بالا. محاسبات در مفهوم کلی WebGIS، زمینه های مختلف علمی مختلف در حوزه تحقیق درگیر هستند، به عنوان مثال، نقشه کشی، روانشناسی ادراک، تعامل انسان و کامپیوتر، علوم ارتباطات، ارگونومی، هنر و طراحی، علوم کامپیوتر، ژئوانفورماتیک، و کارشناسان حوزه از حوزه موضوعی استفاده که در آن WebGIS استفاده می شود. برای حل همه چالش‌ها در حوزه تحقیقات GIS مبتنی بر وب، یک تلاش بین‌رشته‌ای گسترده ضروری است. این مقاله عمدتاً بر دو جنبه از تجزیه و تحلیل GIS سمت مشتری مبتنی بر مرورگر، سرعت و قابلیت ها تمرکز دارد (مقایسه کنید درشکل 2 ). استراتژی‌های دستیابی به این اهداف با بررسی و ارزیابی اجرای یک تحلیل خط دید سه‌بعدی مبتنی بر مرورگر نمونه‌ای است.

2. کارهای مرتبط

2.1. تاریخچه و وضعیت فعلی WebGIS سه بعدی

توسعه WebGIS سه بعدی را می توان به تاریخچه فرمت ها، سخت افزار، پهنای باند و نرم افزار تقسیم کرد. در حالی که اولین فرمت برای محتوای وب سه بعدی قبلاً در روزهای اولیه وب جهانی در سال 1994 – یعنی VRML [ 6 ] ایجاد شد – سایر اجزا تقریباً 30 سال نیاز داشتند تا در بازار گسترده قابل استفاده باشند. سخت افزار به معنای کارت گرافیک های قدرتمند به مرور زمان بهتر شد. دسترسی به نرخ های پهنای باند بالا هنوز به مکانی که شخص در آن زندگی می کند بسیار وابسته است. تا به امروز، کشورهای در حال توسعه و همچنین مناطق روستایی در کشورهای صنعتی اغلب به اینترنت سریع دسترسی ندارند [ 2]. در مورد نرم افزار، تا دسامبر 2010 طول کشید تا اولین مرورگر وب به صورت بومی از محتوای 3 بعدی پشتیبانی کند، زمانی که Google Chrome نسخه 8 شروع به پشتیبانی جزئی از استاندارد جدید WebGL [ 7 ] کرد، که به طور رسمی سه ماه بعد در سال 2011 منتشر شد. امروز ، WebGL حداقل تا حدی توسط تمام مرورگرهای وب دسکتاپ و موبایل پشتیبانی می شود [ 8 ]. پیش از این، بیشتر پلاگین ها (مثلاً Cortona3D ( https://www.cortona3d.com/de/cortona3dviewer )، FreeWRL ( https://freewrl.sourceforge.net/ )، و غیره) یا اپلت های جاوا (مثلاً XNavigator ( http ://xnavigator.sourceforge.net/doku.php)) برای ادغام مستقیم مرورگر یا برنامه های دسکتاپ مستقل استفاده شده است. هر دو قادر به برقراری ارتباط با منابع وب بودند (به عنوان مثال، WorldWind ( https://worldwind.arc.nasa.gov/ )، Google Earth ( https://www.google.com/intl/de/earth/desktop/ )، و غیره) اما باید دانلود و نصب می شد. نمونه‌های فعلی چارچوب‌های WebGIS سه بعدی مبتنی بر WebGL عبارتند از: OpenWebGlobe ( https://www.openwebglobe.org/ )، Cesium ( https://cesiumjs.org/ )، NASA Web World Wind ( https://worldwind.arc.nasa) .gov/ )، TerraExplorer برای وب ( https://skylineglobe.com/sg/TerraExplorerWeb/TerraExplorer.html )، ESRI 3D Scene Viewer ( https://www.esri.com/software/scene-viewer )، یا GIScene .js (https://giscience.github.io/GIScene.js/ ).
یکی دیگر از بخش های مهم تسهیل WebGIS سه بعدی، تلاش برای استانداردسازی است. در سال 2010، دو پیشنهاد استانداردسازی به عنوان مقالات بحث OGC منتشر شد: (1) سرویس مشاهده وب (WVS) [ 9 ] با استفاده از رندر سمت سرور. و (2) سرویس سه بعدی وب (W3DS) [ 10 ] که داده های سه بعدی را برای رندر سمت مشتری ارائه می دهد. هر دو استراتژی در استاندارد OGC 3D Portrayal Service Standard 1.0 (3DPS) [ 11 ] که اخیراً تأیید شده است گنجانده شده اند که ارائه خدمات متقابل محتوای سه بعدی را امکان پذیر می کند.
یک نمای کلی خوب در مورد نمایش سه بعدی، مدل های داده هندسی و توپولوژیکی، مدل های پایگاه داده، فرمت ها و برنامه های کاربردی در [ 12 ، 13 ] ارائه شده است.

2.2. محاسبه خط دید سه بعدی

خطوط دید در حوزه های مختلف تحقیقاتی نقش دارند. در گرافیک کامپیوتری، محاسبات دید برای تعیین سطوح قابل مشاهده برای رندر، بهبود این رندر از طریق حذف قابلیت مشاهده، محاسبه سایه‌ها در نتیجه قابل مشاهده نبودن از منبع نور و موارد دیگر استفاده می‌شود [ 14 ]. در GIS، از خطوط دید استفاده می شود، به عنوان مثال، در برنامه ریزی شهری، برنامه ریزی مخابراتی [ 15 ]، شبیه سازی های نظامی [ 16 ] یا تحلیل های باستان شناسی [ 17 ].
در گرافیک کامپیوتری، پرتوگیری در بسیاری از الگوریتم‌های مورد استفاده برای حل مشکلات دید نقش دارد. یک مورد خاص از عکسبرداری پرتویی می تواند برای محاسبه دید نقطه به نقطه در دو بعدی و سه بعدی استفاده شود [ 14 ]. بسیاری از تحلیل‌های دید در GIS برای داده‌های 2.5 بعدی بر اساس رستر [ 18 ، 19 ، 20 ، 21 ] یا ساختار TIN [ 22 ، 23 ، 24 ] در دسترس هستند.]. در این موارد، برای محاسبات خط دید، می توان چندین محدودیت را مشاهده کرد: (1) ناظر و هدف باید روی سطح یا بالای سطح باشند. و (2) تمام لایه های داده شرکت کننده باید در یک مدل سطح دیجیتال واحد پیش پردازش شوند. در مورد عکسبرداری با اشعه سه بعدی، می توان بر این محدودیت ها غلبه کرد. پرتو یک نیم خط است که با یک نقطه شروع و یک جهت نشان داده می شود. سپس چنین پرتویی را می توان در تقاطع با مثلث های سطح اشیاء در صحنه آزمایش کرد. بنابراین، مهم نیست که اشیاء در صحنه از یک یا چند منبع یا لایه منشا گرفته باشند. تمام نقاط تقاطع مثلث هایی که برای قطع کردن پرتو تشخیص داده شده اند را می توان بر اساس فاصله آنها تا نقطه شروع پرتوها مرتب کرد. نزدیکترین تقاطع، شیئی را که باعث انسداد بینایی می شود، مشخص می کند.25 ، 26 ، 27 ، 28 ].

2.3. تحقیقات عملکرد WebGIS

مقالات زیادی در مورد WebGIS به طور کلی و حتی بیشتر در مورد برنامه ها وجود دارد، اما جستجوی صریح برای کار علمی در مورد “عملکرد WebGIS” نتایج پراکنده ای را نشان می دهد. برخی از کارهای اولیه برای توصیف تکنیک هایی برای کاهش میزان انتقال داده از طریق روش کاشی کاری و نمایه سازی وجود دارد (به عنوان مثال، [ 29 ]). ایده کلی این رویکرد نیز در این مقاله استفاده شده است، هرچند به شکلی متفاوت. تکنیک های بهبود عملکرد WebGIS بیشتر توسط یانگ و همکاران توضیح داده شده است. [ 30 ] و یانگ و همکاران. [ 31]. برای سمت سرور، آنها مدیریت درخواست چند رشته ای و پردازش توزیع شده با استفاده از خوشه های کامپیوتری را پیشنهاد کردند. برای کاهش انتقال داده، آنها یک رویکرد هرمی را برای تصاویر شطرنجی پیشنهاد کردند و اثر فشرده سازی بر داده های برداری را ارزیابی کردند. علاوه بر این، کش کردن داده های سمت مشتری برای کاهش بارهای سرور و شبکه پیشنهاد شده است. ژانگ و همکاران [ 32 ] عملکرد یک برنامه WebGIS مبتنی بر JavaApplet را بهینه کرد. بیشترین افزایش عملکرد را می توان از طریق کش سمت سرویس برای کاشی های نقشه به دست آورد تا از رندر نقشه در حین پرواز جلوگیری شود. کار اخیر روی عملکرد WebGIS بیشتر بر روی ذخیره سازی و پردازش داده های توزیع شده در محیط های ابری متمرکز شده است (به عنوان مثال، [ 33 ، 34]). پیاده‌سازی‌های کنونی برای ذخیره‌سازی و پردازش مکانی و حتی مکانی-زمانی Big Spatial Data عبارتند از: Spatial Hadoop ( https://spatialhadoop.cs.umn.edu/ )، Geomesa ( https://www.geomesa.org/ )، GeoWave. ( https://locationtech.github.io/geowave/ ) یا مخصوصاً برای مخازن بزرگ rasterdata پایگاه داده rasdaman ( https://www.rasdaman.com/ ).

3. روش ها

3.1. ایجاد یک مجموعه داده آزمایش مصنوعی با الهام از LiDAR

برای ارزیابی بهینه‌سازی‌های پیشنهادی برای مدیریت داده‌ها در مرحله تحلیل، کنترل کامل بر ساختار داده، اندازه داده و مکان‌های موانع بسیار مفید است. کنترل کامل تنها با طراحی و ایجاد یک مجموعه داده مصنوعی قابل دستیابی است. برای دستیابی به یک رفتار واقعی از WebGIS و فرآیند تجزیه و تحلیل، داده‌های آزمون ویژگی‌های یک مدل ارتفاع مثلثی رقومی (DEM) مشتق شده از LiDAR را با وضوح افقی 1 متر (فاصله نقطه‌ای) و مساحت کل حدود 16 کیلومتر نشان می‌دهند. 2(4096 متر × 4096 متر). به عنوان یک DEM مثلثی منظم منفرد، این منجر به مجموعه داده ای با 16785409 راس و 33554432 مثلث می شود. با فن آوری های فعلی، بارگذاری یک مجموعه داده در یک WebGIS مبتنی بر مرورگر به یکباره برای مصورسازی یا تجزیه و تحلیل امکان پذیر نیست. باید با استفاده از استراتژی های مختلف که امکان استفاده مبتنی بر وب از چنین مجموعه داده ای را فراهم می کند، آماده شود. به طور معمول، برای اهداف تجسم، داده‌ها در مجموعه‌ای از مجموعه‌های داده پردازش می‌شوند که هر کدام دارای وضوح کمتری برای کاهش اندازه داده‌ها هستند. مجموعه داده‌های حاصل، که به عنوان سطوح جزئیات (LoD) شناخته می‌شوند (به عنوان مثال، [ 35 ، 36]) را می توان پس از آن به واحدهای کوچکتر برش داد، به عنوان مثال، کاشی. برای اینکه بتوان چندین قسمت از LoD های مختلف را به طور همزمان در یک صحنه نمایش داد، به عنوان مثال، بسته به فاصله تا دوربین، قسمت های یک LoD باید با قطعات LoD های مجاور قابل تعویض باشند. در مورد پارتیشن به کاشی‌ها، هر کدام را می‌توان در LoD بالاتر بعدی با چهار کاشی نشان داد، به طوری که ساختار داده‌ای چهاردرخت شکل می‌گیرد ( شکل 3).). ساختار کاشی‌شده مجموعه داده‌ها نه تنها برای تجسم مجموعه‌های داده بزرگ مفید است، بلکه کاهش اندازه داده لازم برای بارگذاری برای یک تحلیل خط دید خاص را نیز ممکن می‌سازد. ما می‌توانیم از این ساختار داده برای کاهش داده‌های بالقوه‌ای که برای تجزیه و تحلیل دانلود می‌شوند، فقط به آن دسته از کاشی‌هایی که جعبه‌های مرزی دوبعدی آن‌ها توسط بخش خط دوبعدی، پیش‌بینی‌شده در یک صفحه افقی تقاطع می‌یابند، تقاطع می‌یابند، که نمایانگر خط دید است. با کاشی کاری یک مجموعه داده مثلثی، بزرگتر می شود به طوری که در نهایت مجموعه داده آزمایشی مصنوعی با وضوح اصلی 17،989،632 راس، افزایش 7%، در حالی که در مورد ما، تعداد مثلث ها ثابت می ماند، به دست می آید.
مجموعه داده به گونه ای طراحی شده است که سطح آن به جز موانع توزیع شده سیستماتیک در برخی از کاشی ها، کاملاً صاف باشد ( شکل 4 و شکل 5 ). به این ترتیب، ما می‌توانیم چندین تحلیل آزمایشی را با فواصل ناظر-موانع مختلف اجرا کنیم تا تأثیر بهینه‌سازی‌های مختلف را اندازه‌گیری کنیم.
داده های تست با استفاده از یک اسکریپت ایجاد شدند که به طور خودکار کاشی ها را در LoD های مختلف با وضوح و اندازه کاشی های مختلف ایجاد می کند و آنها را در یک پایگاه داده ذخیره می کند به طوری که هر LoD در یک جدول نشان داده شود. هندسه به صورت polyhedralsurface، یک نوع داده PostGIS که سطوح سه بعدی را به عنوان مجموعه ای از چند ضلعی ها ذخیره می کند، اما همچنین به عنوان نمایش JSON در قالب صحنه THREE.js-JSON 3.2 ( https://github.com/mrdoob/three) ذخیره می شود. js/wiki/JSON-Model-format-3) که به صورت بومی توسط کتابخانه تجسم جاوا اسکریپت THREE.js پشتیبانی می شود. علاوه بر این، یک مرکز در یک ستون پایگاه داده جداگانه برای نمایه سازی فضایی سریع کاشی ها ذخیره می شود. جداول LoD همگی با استفاده از شاخص gist ارائه شده توسط PostGIS به عنوان شاخص فضایی استاندارد برای سرعت بخشیدن به زمان جستجو برای پرس و جوهای فضایی مانند پرس و جوهای جعبه مرزی ایندکس می شوند. ذخیره همزمان دو نمایش هندسی این مزیت را دارد که یک نوع، سطح چند وجهی، می تواند در پرس و جوهای فضایی با توابع PostGIS استفاده شود، در حالی که نوع دیگر، نمایش JSON، می تواند مستقیماً به مشتری وب بدون نیاز به کار تحویل داده شود. تبدیل از یک فرمت به فرمت دیگر

3.2. محیط آزمایش

برای تحویل داده های تست به مشتری، یک محیط تست ایجاد شد ( شکل 6 ). این محیط شامل یک پایگاه داده فضایی (PostgreSQL/PostGIS) و یک وب سرویس است که داده ها را بر اساس Node.js ارائه می دهد ( https://nodejs.org —Node.js یک زمان اجرا جاوا اسکریپت برای برنامه نویسی سمت سرور و توسعه خدمات وب است. ). سرویس API رابط مشخصات Web 3D Service (W3DS) [ 10 ] را پیاده سازی می کند که در حال حاضر یک مقاله بحث OGC برای استانداردسازی است. کلاینت در این مورد یک برنامه مرورگر با استفاده از کتابخانه جاوا اسکریپت GIScene.js ( https://giscience.github.io/GIScene.js/ ) است که خود به Three.js ( https://threejs.org ) وابسته است.—THREE.js یک کتابخانه محبوب برای تجسم های سه بعدی مبتنی بر وب با استفاده از API بومی مرورگر برای WebGL) و WebGL است [ 37 ]. در حالی که hlThree.js یک کتابخانه انتزاعی برای WebGL است، GIScene.js مفاهیم جغرافیایی مانند سیستم های مرجع فضایی، سازماندهی داده ها به عنوان لایه ها، اجرای استانداردهای OpenGIS Web Service (OWS) و عملکرد تجزیه و تحلیل جغرافیایی را به کتابخانه سه بعدی اضافه می کند.
برای اندازه گیری رفتار عملکرد در سناریوهای مختلف ( شکل 1 )، دو تابع آزمایشی برای مشتری آزمایشی اجرا شد: یکی برای نوع سناریوی “تک لایه” و دیگری برای نوع سناریوی “چند لایه”. هر دو تابع تست از یک الگو پیروی می کنند ( شکل 7 ).
با توجه به چیدمان کاشی ( شکل 4 و شکل 5) از مجموعه داده مصنوعی، خطوط دیدی که باید آزمایش شوند به شرح زیر ساخته شدند. در موقعیت مرکزی هر یک از 128 ردیف شبکه، یک خط دید از مرز غربی تا مرز شرقی مجموعه داده ساخته شد. هر خط نشان دهنده یک مورد آزمایشی از تجزیه و تحلیل با فواصل مساوی بین نقاط ناظر و هدف است، اما با فواصل متفاوت تا نقطه انسداد، که باید پیدا شود. این چیدمان امکان آزمایش هر خط دید را دو بار، یکی پس از دیگری، برای اندازه‌گیری تأثیر استراتژی ذخیره‌سازی (کش خالی در برابر حافظه پنهان کامل) و تأثیر واریانس توپوگرافی در صحنه سه‌بعدی (فاصله‌های متفاوت تا انسداد) را می‌دهد. نکته ها). پر کردن کش به طور خودکار در اولین اجرای هر تحلیل خط دید انجام می شود. همه اجراهای اولیه با حافظه نهان خالی بدترین اندازه گیری ها را ارائه می دهند (شکل 8 a,c)، در حالی که تمام اجرای دوم بهترین مقادیر موردی را ارائه می دهند ( شکل 8ب، د). مقایسه هر دو نتیجه سودهای بالقوه عملکرد را با استفاده از حافظه پنهان کاشی برای فرآیند تجزیه و تحلیل نشان می‌دهد و ثانیاً حد و مرزهایی را که یک مورد واقعی می‌تواند انجام دهد را نشان می‌دهد. این تغییرات مزیت روش را نشان می‌دهد، یعنی با استفاده از کاشی‌ها در تجزیه و تحلیل تقسیم‌بندی، می‌توانیم زمانی که نزدیک‌ترین مانع را از دید ناظر تعیین کردیم، بخشی از تحلیل را رها کنیم. این بدان معنی است که آن تجزیه و تحلیل ها، با یافتن یک مانع نزدیک، بسیار سریعتر از تجزیه و تحلیل با موانع دور، مستقل از طول کل خط دید، به پایان خواهند رسید. این 128 تجزیه و تحلیل دوگانه اندازه‌گیری شده، 30 بار تکرار می‌شوند تا یک مقدار متوسط ​​از رفتار عملکرد ایجاد شود تا سایر تأثیرات روی اندازه‌گیری‌ها مانند تغییر سرعت شبکه یا سایر فعالیت‌های انجام شده توسط سیستم عامل در طول مرحله اندازه‌گیری حذف شود. در نهایت، تمام اندازه‌گیری‌ها به‌عنوان یک لیست مقادیر جدا شده با کاما برای استفاده بیشتر ارائه می‌شوند.
برای اندازه گیری مدت زمان با دقت کافی، به خصوص برای بهترین سناریوها، که در آن تجزیه و تحلیل تنها چند میلی ثانیه انجام می شود، لازم بود از “W3C High Res Time API” [ 38 ] استفاده شود، که برخلاف تاریخ رایج جاوا اسکریپت- شی مستقل از ساعت سیستم است و بنابراین می تواند مقادیر زمانی یکنواخت را ارائه دهد. وضوح آن تا پنج میکرو ثانیه (=0.000005 ثانیه) است.
برای اندازه گیری و ارزیابی مصرف حافظه در طول تجزیه و تحلیل، از ابزار داخلی MS-Windows “Performance Monitor” برای ثبت مقدار بایت های خصوصی فرآیند مرورگر همراه با یک مهر زمانی در یک فایل CSV استفاده شد. با استفاده از مهر زمانی، این اطلاعات را می توان با گزارشی که در داخل مرورگر اجرا می شود در طول تجزیه و تحلیل ترکیب کرد که مدت زمان محاسبات خط دید را اندازه گیری می کند. برای اندازه‌گیری حافظه، مرورگر مورد استفاده، نمونه‌ای از Google Chrome نسخه 52.0.2743.82 بود. برای به حداقل رساندن تأثیرات خارجی در اندازه‌گیری، مرورگر با یک حافظه پنهان دیسک غیرفعال راه‌اندازی شد که معمولاً مقدار مشخصی از پاسخ‌های سرور را روی هارد دیسک محلی ذخیره می‌کند تا از ترافیک شبکه و زمان دانلود جلوگیری کند. علاوه بر این، حافظه نهان در GIScene.js برای داده‌های کاشی‌شده نیز غیرفعال شد.

3.3. تحلیل خط دید سه بعدی مبتنی بر مرورگر

3.3.1. تعریف

در زمینه این مقاله، هدف بهینه سازی محاسبات یک تحلیل خط دید سه بعدی مبتنی بر مرورگر بود. محاسبه در سمت مشتری در یک مرورگر وب انجام شد. تجزیه و تحلیل خط دید سه بعدی از یک خط دید سه بعدی استفاده می کند، که یک خط از یک نقطه ناظر تا نقطه هدف دور در فضای اقلیدسی سه بعدی است، تا محاسبه کند که آیا مانعی آن خط را قطع می کند و همچنین نزدیک ترین آن را تعیین می کند. نقطه تقاطع با یک مانع (نقطه انسداد) که از نقطه ناظر دیده می شود.

3.3.2. اهداف و استراتژی ها

هدف روش پیشنهادی تحقق اهداف زیر است: عملکرد، مقیاس پذیری، عملی بودن و استحکام. برای توسعه یک روش تجزیه و تحلیل عملی و قوی، مهم است که این واقعیت را در نظر بگیریم که مجموعه داده‌های سه بعدی دنیای واقعی اغلب حاوی خطاهای توپولوژیکی هستند و ممکن است چند برابر نباشند، به خصوص زمانی که سطوح به طور خودکار از ابرهای نقطه‌ای بازسازی می‌شوند. صحنه ها ممکن است از بسیاری از اشیاء مختلف و جدا از هم تشکیل شده باشند که از منابع داده های مختلف و با روش های مختلف پردازش ایجاد شده اند. برای جلوگیری از زمان‌بر آماده‌سازی داده‌ها، روش پیشنهادی از یک الگوریتم مشاهده استفاده می‌کند [ 28] که به ساختار داده خاصی متکی نیست، به جز اینکه اشیاء از مثلث تشکیل شده اند. هیچ منیفولد یا توپولوژی خاصی مورد نیاز نیست. این اجازه می دهد تا به طور خود به خود انواع مختلفی از داده های لایه ای را که احتمالاً از منابع مختلف راه دور یا محلی نشات می گیرند، شامل شود، که یک ویژگی مهم برای استفاده عملی از WebGIS است. برای رسیدن به مقیاس پذیری، در این زمینه، به معنای طراحی فرآیند تجزیه و تحلیل به گونه ای است که مصرف حافظه مستقل از اندازه داده های زیربنایی مورد تجزیه و تحلیل و همچنین مستقل از طول خط دید که قرار دارد، شود. باید آزمایش شود استراتژی که در اینجا دنبال می‌شود پردازش تکه‌های داده مانند کاشی‌ها در صورت وجود (مثلاً برای داده‌های زمین) یا گروه‌های شی بازیابی شده توسط جعبه‌های محدود (مثلاً ساختمان‌ها) است. برای برنامه های تحت وب، عملکرد به موقع یک عامل مهم برای جلب پذیرش کاربر است. به طور کلی زمان (T ) یک تحلیل مبتنی بر مرورگر را می توان به صورت زیر فرموله کرد:

تی=تیs e n d+تیs e r v e r s i d e p r o c es s i n g _+تیr e c e i v e+تیc l i e n t s i d e p r o c es s i n g _
در حالی که تی s e n dو تی r e c e i v eبه اندازه داده ها و پهنای باند موجود بستگی دارد، بخش های پردازش به سخت افزار، نرم افزار و اندازه داده های ورودی بستگی دارد. از آنجایی که پهنای باند و سخت افزار موجود نمی تواند تحت تأثیر برنامه کاربردی قرار گیرد، بهینه سازی عملکرد باید بر کاهش اندازه داده های ارسالی و پردازشی و الگوریتم های پردازش آن داده ها متمرکز شود. در این حالت مولفه زمان غالب T استr e c e i v eبه طوری که استراتژی اعمال شده کاهش بارگیری و پردازش با تجزیه و تحلیل لایه های بارگذاری شده یا کاشی های ذخیره شده در ابتدا برای تعیین مقدار احتمالاً کمتری از داده های ضروری است که باید تجزیه و تحلیل شوند و بنابراین دانلود شوند. این هدف را می توان قبل از شروع بارگیری داده های جدید، در دو نقطه مختلف در خط لوله پردازش هدف قرار داد.

3.3.3. دو سطح بهینه سازی

در این مقاله، یک رویکرد دو سطحی برای بهبود عملکرد WebGIS به روشی جامع به‌جای تمرکز بر یک بهینه‌سازی الگوریتم منفرد اعمال می‌شود. رویکرد معرفی شده در اینجا بر این فرض استوار است که قبل از شروع مرحله تحلیل واقعی، یک مرحله تجسم قبلی قبلاً انجام شده است. این منجر به این مزیت می شود که برخی از داده های تجزیه و تحلیل مورد نیاز ممکن است قبلاً در حافظه کلاینت های وب بارگذاری شده باشند و می توان به سرعت به آنها دسترسی پیدا کرد و بنابراین می توان از آنها برای بهینه سازی عملکرد استفاده کرد. برای محاسبه خط دید، بهینه‌سازی‌ها را می‌توان در دو سطح مختلف انجام داد – سطح لایه (بهینه‌سازی بین لایه‌ای) و سطح کاشی (بهینه‌سازی درون لایه). هر دو سطح بهینه سازی را می توان در یک ماتریس سناریو 2 × 2 ترکیب کرد ( شکل 1). این ماتریس برای ارزیابی و نشان دادن سهم در افزایش عملکرد در شرایط استفاده مختلف استفاده می شود.
  • سطح لایه
    بهینه سازی بین لایه ای از دو اصل استفاده می کند. ابتدا، الگوریتم لایه‌های استاتیک را قبل از لایه‌های کاشی‌شده بررسی می‌کند. لایه‌های استاتیک توسط جعبه‌های محدودکننده مبتنی بر شبکه درخواست نمی‌شوند، بلکه شامل اشیایی هستند که یکباره بارگذاری می‌شوند و پس از آن دائماً برای تجسم در حافظه مشتری نگهداری می‌شوند. لایه های استاتیک برای افزودن اشیاء خاص به یک صحنه مفید هستند که از نظر اندازه داده خیلی بزرگ نیستند اما برای تجسم یا تجزیه و تحلیل فردی مورد نیاز هستند، به عنوان مثال، مدلی از یک ساختمان برنامه ریزی شده در منظر شهری. دوم، فضای جستجویی که باید در لایه‌های کاشی‌کاری بعدی بررسی شود، با نتایج لایه‌های استاتیک و دیگر لایه‌های کاشی‌شده قبلی کاهش می‌یابد. بین معاینه دو لایه، پارامتر نقطه هدف تحلیل لایه های بعدی با نزدیک ترین تقاطع مانع موجود در لایه قبلی تنظیم می شود. این باعث کاهش فاصله جستجو و در نتیجه تعداد کاشی هایی می شود که باید در طول بررسی لایه بعدی دانلود و تجزیه و تحلیل شوند.
  • سطح کاشی
    در سطح کاشی (بهینه سازی درون لایه)، سه استراتژی را می توان برای بهینه سازی عملکرد اعمال کرد. اول، ماهیت تکه‌ای (یعنی کاشی‌شده) داده‌ها اجازه بارگیری فقط یک زیرمجموعه ضروری از کل مجموعه داده را می‌دهد و بنابراین جریان داده را امکان‌پذیر می‌کند. پارتیشن بندی داده ها یک استراتژی حیاتی برای مدیریت مجموعه داده های بسیار بزرگ و پردازش تکه ای آن است. دوم، برخی از کاشی‌هایی که باید تجزیه و تحلیل شوند ممکن است قبلاً در حافظه پنهان مشتری پیدا شوند (زیرا آنها برای تجسم یا برای تجزیه و تحلیل قبلی زودتر بارگذاری شده‌اند) و می‌توان به سرعت به آنها دسترسی پیدا کرد و تجزیه و تحلیل کرد. چنین کاشی‌های ذخیره‌شده بسیار سریع قابل دسترسی و تجزیه و تحلیل هستند و باید هنگام تعیین ترتیب کاشی‌های مورد تجزیه و تحلیل اولویت‌بندی شوند. مرتب‌سازی کاشی‌ها با ذخیره‌سازی یا عدم ذخیره‌سازی و شروع تجزیه و تحلیل با کاشی‌های ذخیره‌شده، که می تواند نزدیکترین تقاطع جدید را نشان دهد، که می تواند، مشابه در سطح لایه، برای کاهش فضای جستجو و کاهش تعداد کاشی های ذخیره نشده ای که باید بارگذاری شوند، استفاده می شود، تجزیه و تحلیل را در بخش سریعتر و کندتر از هم جدا می کند. اگر در طول قسمت سریع، یک تقاطع با خط دید پیدا شود، می توان از تمام قسمت های کند (کاشی های ذخیره نشده) که در پشت آن تقاطع قرار دارند رد شد و در نتیجه عملکرد کلی را بهبود بخشید. سوم، کاشی‌های ذخیره‌نشده باقی‌مانده را می‌توان به صورت ناهمزمان درخواست کرد، به این معنی که بسته به پیاده‌سازی مرورگر فعلی، می‌توان 6 تا 13 اتصال موازی از مرورگر به منابع همان دامنه اینترنتی برقرار کرد. تجزیه و تحلیل را در بخش سریعتر و کندتر جدا می کند. اگر در طول قسمت سریع، یک تقاطع با خط دید پیدا شود، می توان از تمام قسمت های کند (کاشی های ذخیره نشده) که در پشت آن تقاطع قرار دارند رد شد و در نتیجه عملکرد کلی را بهبود بخشید. سوم، کاشی‌های ذخیره‌نشده باقی‌مانده را می‌توان به صورت ناهمزمان درخواست کرد، به این معنی که بسته به پیاده‌سازی مرورگر فعلی، می‌توان 6 تا 13 اتصال موازی از مرورگر به منابع همان دامنه اینترنتی برقرار کرد. تجزیه و تحلیل را در بخش سریعتر و کندتر جدا می کند. اگر در طول قسمت سریع، یک تقاطع با خط دید پیدا شود، می توان از تمام قسمت های کند (کاشی های ذخیره نشده) که در پشت آن تقاطع قرار دارند رد شد و در نتیجه عملکرد کلی را بهبود بخشید. سوم، کاشی‌های ذخیره‌نشده باقی‌مانده را می‌توان به صورت ناهمزمان درخواست کرد، به این معنی که بسته به پیاده‌سازی مرورگر فعلی، می‌توان 6 تا 13 اتصال موازی از مرورگر به منابع همان دامنه اینترنتی برقرار کرد.39 ] (آدرس سرور میزبان سرویس های داده) برای دانلود داده های معلق. بنابراین، برخی از بار سرور و شبکه را می توان به صورت موازی برای سرعت بخشیدن به فرآیند مدیریت کرد.

4. بحث در مورد نتایج

4.1. کارایی

برای ارزیابی عملکرد، چهار سناریو مختلف اندازه گیری شد ( شکل 8 ). دو سناریو با یک لایه کاشی کاری شده ( شکل 8 a,b) نشان می دهد که مدت زمان فرآیند به طور خطی به تعداد کاشی هایی که باید بین نقطه ناظر و نزدیکترین مانع تجزیه و تحلیل شوند بستگی دارد. به عبارت دیگر، این بدان معناست که با استفاده از این روش، عملکرد تحلیل مستقل از اندازه کل مجموعه داده لایه کاشیکاری شده زیرین است و تنها در صورتی به فاصله کل بین ناظر و نقطه هدف بستگی دارد که هیچ مانعی در خط خط پیدا نشود. منظره. هر چه زودتر مانعی در خط دید پیدا شود، عملکرد بهتری دارد.
علاوه بر این، با مقایسه بدترین حالت ( شکل 8 الف، ج) و بهترین ( شکل 8 ب، د) سناریوهای موردی، می توان تفاوت بسیار زیادی در مدت زمان تجزیه و تحلیل – در مورد آزمایشی، تقریباً 90 مشاهده کرد. این می تواند متفاوت باشد. اگر تحت شرایط شبکه مختلف اعمال شود، اما بر اهمیت استفاده از استراتژی هایی برای جلوگیری از دانلود داده های غیر ضروری برای رسیدن به عملکرد خوب تأکید می کند. این را می توان با اعمال یک حافظه نهان محلی برای جلوگیری از بارگیری های متعدد داده هایی که قبلاً برای تجسم یا تجزیه و تحلیل قبلی استفاده شده اند به دست آورد.
شکل 8 c,d معادل شکل 8 a,b را نشان می دهد اما با لایه دومی که در تحلیل گنجانده شده است. در تنظیمات آزمایشی ما، این لایه دوم دقیقاً در نقطه میانی بین ناظر و نقطه هدف مانع از خط دید می شود. نمودار مزیت این رویکرد را با گنجاندن لایه های متعدد برای کاهش مقدار داده هایی که باید از سرور راه دور واکشی می شود نشان می دهد. در عمل، این بدان معنی است که گنجاندن داده‌ها از تمام لایه‌های استاتیک در محاسبات می‌تواند به جلوگیری از بارگیری زمان‌بر داده‌های لایه کاشی‌شده پویا و در نتیجه بهبود عملکرد کلی کمک کند.

4.2. مقیاس پذیری

شکل 9 میزان مصرف حافظه مرورگر را در طول اجرای آزمایشی 128 تحلیل خط دید مختلف با افزایش فاصله تا نزدیکترین مانع نشان می دهد. مصرف ثابت RAM را مستقل از مقدار داده‌ای که برای تحلیل‌های مختلف باید پردازش شود، نشان می‌دهد. این مقیاس پذیری رویکرد را نشان می دهد. در استفاده عملی، این بدان معنی است که هیچ محدودیتی در طول خط دید یا وضوح لایه‌های مانع زیرین وجود ندارد، تا زمانی که بتوان آنها را به صورت پارتیشن بندی شده بازیابی کرد، به عنوان مثال، کاشی کاری شده یا با جعبه محدود، برای پشتیبانی جریان. برای کنترل مقدار حافظه لازم، تنها پارامتری که باید تنظیم شود، اندازه کاشی یا اندازه جعبه مرزی بسته به وضوح داده های زیرین است.

5. نتیجه گیری ها

این مقاله پتانسیل برنامه های WebGIS مبتنی بر مرورگر را فراتر از استفاده معمول آن به عنوان نمایشگر داده های جغرافیایی مورد بحث قرار می دهد. این کاربرد گسترده خود را به عنوان واسط تحلیل واقعی مبتنی بر وب با ارزیابی اجرای محاسبات خط دید سه بعدی مبتنی بر مرورگر تحت سناریوهای مختلف برای اثبات عملکرد و مقیاس پذیری قابل قبول با استفاده از روش های پیشنهادی از بالا نشان می دهد. برای اطمینان از شرایط آزمایش قابل مقایسه، یک مجموعه داده مصنوعی ایجاد شده است که یک مدل زمین دیجیتال مشتق شده از LiDAR را شبیه سازی می کند. علاوه بر این، یک چارچوب ارزیابی برای اندازه‌گیری عملکرد و مصرف حافظه در طول چهار سناریو مختلف تست تنظیم شد. نتایج نشان می‌دهد که رویکرد کاربردی با دیدگاه کل‌نگر در استفاده از WebGIS و دو سطح بهینه‌سازی آن (سطح لایه و سطح کاشی) منجر به بهبود عملکرد بسیار می‌شود.
منابع

مشارکت های نویسنده

مفهوم سازی، MA و AZ. Data Curation, MA; تحلیل رسمی، MA; تامین مالی، AZ; تحقیق، MA; روش شناسی، کارشناسی ارشد; مدیریت پروژه، AZ; منابع، AZ; نرم افزار، MA; نظارت، AZ; اعتبار سنجی، AZ; تجسم، MA; نوشتن-پیش نویس اصلی، MA; و نوشتن – بررسی و ویرایش، MA و AZ

منابع مالی

بخشی از این تحقیق توسط برنامه علوم انسانی ehumanities وزارت تحقیقات و آموزش آلمان (BMBF)، کمک مالی #01UG1244B تأمین مالی شد و در طول پروژه MayaArch3D ( www.mayaarch3d.org ) انجام شد. کار بیشتر روی این تحقیق را می توان از طریق تأمین مالی بنیاد Klaus-Tschira-Foundation (KTS) به پایان رساند.

قدردانی ها

از همکاران ما در گروه تحقیقات GIScience هایدلبرگ برای ورودی و بحث های ارزشمندشان، به ویژه از لوکاس لوس و برنهارد هوفل، تشکر فراوان می کنیم.

تضاد علاقه

نویسندگان هیچ تضاد منافع را اعلام نمی کنند. حامیان موسس هیچ نقشی در طراحی مطالعه نداشتند. در جمع آوری، تجزیه و تحلیل یا تفسیر داده ها؛ در نوشتن دست‌نوشته و تصمیم به انتشار نتایج.

منابع

  1. De Argaez، E. آمار جهان اینترنت – آمار استفاده و جمعیت. در دسترس آنلاین: https://www.internetworldstats.com/stats.htm (دسترسی در 15 فوریه 2018).
  2. اتحادیه بین المللی مخابرات (ITU). آمار و ارقام فناوری اطلاعات و ارتباطات – جهان در سال 2015 ؛ گزارش فنی؛ بخش آمار و داده های ICT—دفتر مخابرات، اتحادیه بین المللی مخابرات: ژنو، سوئیس، 2015. [ Google Scholar ]
  3. دراگیچویچ، اس. Balram, S. یک چارچوب مشارکتی وب GIS برای ساختار و مدیریت فرآیندهای برنامه ریزی توزیع شده. جی. جئوگر. سیستم 2004 ، 6 ، 133-153. [ Google Scholar ] [ CrossRef ]
  4. سویی، دی.زی. Goodchild، MF GIS به عنوان رسانه؟ بین المللی جی. جئوگر. Inf. علمی 2001 ، 15 ، 387-390. [ Google Scholar ] [ CrossRef ]
  5. ISO/IEC 25010:2011. سیستم ها و مهندسی نرم افزار — سیستم ها و الزامات و ارزیابی کیفیت نرم افزار (SQuaRE) — مدل های کیفیت سیستم و نرم افزار ; گزارش فنی؛ سازمان بین المللی استانداردسازی: ژنو، سوئیس، 2011. [ Google Scholar ]
  6. Ragget، D. گسترش WWW برای پشتیبانی از واقعیت مجازی مستقل از پلتفرم. 1994. در دسترس آنلاین: https://www.w3.org/People/Raggett/vrml/vrml.html (در 19 سپتامبر 2016 قابل دسترسی است).
  7. گروه کرونوس. مشخصات WebGL ، نسخه 1.0.0; Khronos Group: Beaverton, OR, USA, 2011. موجود آنلاین: https://www.khronos.org/registry/webgl/specs/1.0.0/ .
  8. Deveria، A. WebGL — 3D Canvas Graphics. در دسترس آنلاین: https://caniuse.com/feat=webgl (در 20 سپتامبر 2016 قابل دسترسی است).
  9. هاگدورن، بی. مقاله بحث و گفتگوی سرویس مشاهده وب. مقاله بحث و گفتگوی سرویس مشاهده وب. مقاله بحث OGC، رفر. شماره OGC 09-166r2; کنسرسیوم فضایی باز، 2010. در دسترس آنلاین: https://portal.opengeospatial.org/files/?artifactid=37257 .
  10. شیلینگ، آ. Kolbe، پیش نویس TH برای استاندارد رابط خدمات وب سه بعدی OpenGIS(R). مقاله بحث OGC، رفر. شماره OGC 09-104r1; کنسرسیوم فضایی باز، 2010. در دسترس آنلاین: https://portal.opengeospatial.org/files/?artifactid=36390 .
  11. هاگدورن، بی. توم، اس. رایتز، تی. کورز، وی. Gutbell، R. OGC® 3D Portrayal Service 1.0. استاندارد اجرای OGC، رفر. شماره OGC 15-001r4; کنسرسیوم فضایی باز، 2017. در دسترس آنلاین: https://docs.opengeospatial.org/is/15-001r4/15-001r4.html .
  12. کورز، وی. Zipf, A. (Eds.) 3D-Geoinformationssysteme. Grundlagen und Anwendungen ; Wichmann: هایدلبرگ، آلمان، 2005; pp. XXII, 522. [ Google Scholar ]
  13. عبدالرحمن، ع. Pilouk, M. مدل سازی داده های مکانی برای GIS سه بعدی ; Springer: برلین/هایدلبرگ، آلمان، 2008; صص 1-289. [ Google Scholar ]
  14. بیتنر، جی. Wonka, P. مشاهده در گرافیک کامپیوتری. محیط زیست طرح. B طرح. دس 2003 ، 30 ، 729-755. [ Google Scholar ] [ CrossRef ][ نسخه سبز ]
  15. دی فلوریانی، ال. مارزانو، پ. Puppo، E. ارتباط خط دید در مدل های زمین. بین المللی جی. جئوگر. Inf. سیستم 1994 ، 8 ، 329-342. [ Google Scholar ] [ CrossRef ]
  16. لیو، بی. یائو، ی. تانگ، دبلیو. Lu, Y. تحقیق در مورد روش محاسباتی مبتنی بر gpu برای پرس و جوهای خط دید. در مجموعه مقالات بیست و ششمین کارگاه آموزشی ACM/IEEE/SCS 2012 در مورد اصول شبیه سازی پیشرفته و توزیع شده، PADS 2012، Zhangjiajie، چین، 15-19 ژوئیه 2012. صص 84-86. [ Google Scholar ] [ CrossRef ]
  17. پالیو، ای. ویتلی، دی. Earl, G. تحلیل دید سه بعدی فضاهای معماری: شمایل نگاری و دید نقاشی های دیواری Xeste 3 (Akrotiri اواخر عصر برنز). J. Archaeol. علمی 2011 ، 38 ، 375-386. [ Google Scholar ] [ CrossRef ]
  18. اوسترمن، ا. Benedičič، L. Ritoša، P. یک پیاده‌سازی موازی کارآمد IO از یک الگوریتم R2 viewshed برای نقشه‌های زمین بزرگ در یک GPU CUDA. بین المللی جی. جئوگر. Inf. علمی 2014 . [ Google Scholar ] [ CrossRef ]
  19. تبیک، س. سرویلا، آر. زاپاتا، ای. Romero، ساختار داده کارآمد LF و الگوریتم بسیار مقیاس پذیر برای محاسبات کل viewshed. IEEE J. Sel. بالا. Appl. رصد زمین. Remote Sens. 2015 . [ Google Scholar ] [ CrossRef ]
  20. فریرا، CR; آندراده، ام وی؛ Magalhes، SV; فرانکلین، WR; Pena، GC یک الگوریتم خط رفت و برگشت موازی برای محاسبه دید. در مجموعه مقالات سمپوزیوم برزیل در زمین انفورماتیک، Campos do Jordão، برزیل، 24-27 نوامبر 2013. [ Google Scholar ]
  21. بارتی، پی. Mackaness، W. بهبود استراتژی نمونه‌گیری برای مدل‌سازی نقطه‌به‌نقطه خط دید در محیط‌های شهری. بین المللی جی. جئوگر. Inf. علمی 2017 ، 31 ، 805-824. [ Google Scholar ] [ CrossRef ]
  22. دی فلوریانی، ال. Magillo، P. الگوریتم‌های محاسبه دید در زمین‌ها: یک بررسی. محیط زیست طرح. B طرح. دس 2003 ، 30 ، 709-728. [ Google Scholar ] [ CrossRef ]
  23. هیلن، اف. Höfle, B. Webbasierte Sichtbarkeitsanalyse mit Laserscanningdaten. gis.SCIENCE 2013 ، 1 ، 1-7. [ Google Scholar ]
  24. آلدرسون، تی. سماواتی، اف. بهینه سازی خط دید با استفاده از زمین های منظم ساده شده. Vis. محاسبه کنید. 2015 ، 31 ، 407-421. [ Google Scholar ] [ CrossRef ]
  25. بادوئل، دی. یک تقاطع پرتو-چند ضلعی کارآمد. در سنگهای گرافیکی ; گلاسنر، ع، اد. Academic Press Professional, Inc.: San Diego, CA, USA, 1990; صص 390-393. [ Google Scholar ]
  26. بوگارت، آر. آرنبرگ، جی. تقاطع پرتو/مثلث با مختصات باریسنتریک. Ray Tracing News 1988 ، 1 ، 17-19. [ Google Scholar ]
  27. مولر، تی. Trumbore، B. سریع، تقاطع پرتو/مثلث ذخیره‌سازی حداقل. جی.گر. ابزار 1997 ، 2 ، 21-28. [ Google Scholar ] [ CrossRef ]
  28. Eberly، D. Geometric Tools Engine. الگوریتم Ray-Trianlge-Intersection. در دسترس آنلاین: https://www.geometrictools.com/GTEngine/Include/Mathematics/GteIntrRay3Triangle3.h (در 14 ژوئن 2016 قابل دسترسی است).
  29. وی، ZK; اوه، YH; لی، جی دی. کیم، جی اچ. پارک، دی اس؛ لی، YG; Bae، HY انتقال داده های مکانی کارآمد در GIS مبتنی بر وب. در مجموعه مقالات دومین کارگاه بین المللی در مورد مدیریت اطلاعات و داده های وب – WIDM ’99، کانزاس سیتی، MO، ایالات متحده آمریکا، 2 تا 6 نوامبر 1999. ACM Press: نیویورک، نیویورک، ایالات متحده آمریکا، 1999; صص 38-42. [ Google Scholar ] [ CrossRef ]
  30. یانگ، CP; وانگ، DW; یانگ، آر. کافاتوس، م. لی، کیو. تکنیک های بهبود عملکرد در GIS مبتنی بر وب. بین المللی جی. جئوگر. Inf. علمی 2005 ، 19 ، 319-342. [ Google Scholar ] [ CrossRef ]
  31. یانگ، سی. وو، اچ. هوانگ، Q. لی، ز. لی، جی. لی، دبلیو. میائو، ال. Sun, M. WebGIS عملکرد مسائل و راه حل. در پیشرفت در GIS مبتنی بر وب، خدمات نقشه برداری و برنامه های کاربردی ؛ Li, S., Dragićević, S., Veenendaal, B., Eds.; CRC Press: Boca Raton، FL، USA، 2011; جلد 9، ص 121-138. [ Google Scholar ]
  32. ژانگ، ایکس. لی، جی. Lan, X. تحقیق در مورد بهینه سازی عملکرد WebGIS. در مجموعه مقالات هفتمین کنفرانس بین المللی 2011 در زمینه ارتباطات بی سیم، شبکه و محاسبات سیار، ووهان، چین، 23 تا 25 سپتامبر 2011. صص 1-4. [ Google Scholar ] [ CrossRef ]
  33. لیو، ایکس. هان، جی. ژونگ، ی. هان، سی. او، X. پیاده‌سازی WebGIS در Hadoop: مطالعه موردی بهبود عملکرد ورودی/خروجی فایل‌های کوچک در HDFS. در مجموعه مقالات کنفرانس بین المللی IEEE 2009 در مورد محاسبات خوشه ای و کارگاه ها، نیواورلئان، لس آنجلس، ایالات متحده آمریکا، 31 اوت تا 4 سپتامبر 2009. صص 1-8. [ Google Scholar ] [ CrossRef ]
  34. ژونگ، ی. هان، جی. ژانگ، تی. Fang, J. یک چارچوب ذخیره سازی و پردازش داده های مکانی توزیع شده برای WebGIS در مقیاس بزرگ. در مجموعه مقالات بیستمین کنفرانس بین المللی ژئوانفورماتیک 2012، هنگ کنگ، چین، 15 تا 17 ژوئن 2012. صص 1-7. [ Google Scholar ] [ CrossRef ]
  35. هکبرت، ص. Garland, M. مدلسازی چند وضوحی برای رندر سریع. In Proceedings of the Graphics Interface’ 94, Banff, AB, Canada, 18-20 May 1994; صص 43-50. [ Google Scholar ]
  36. مدل‌های هندسی سلسله مراتبی کلارک، JH برای الگوریتم‌های سطح مرئی. اشتراک. ACM 1976 ، 19 ، 547-554. [ Google Scholar ] [ CrossRef ]
  37. گروه کرونوس. مشخصات WebGL ، نسخه 1.0.3; گروه Khronos: Beaverton، OR، ایالات متحده آمریکا، 2014.
  38. Mann, J. High Resolution Time, W3C Recommendation 17 دسامبر 2012; کنسرسیوم وب جهانی، 2012. در دسترس آنلاین: https://www.w3.org/TR/hr-time-1/ .
  39. سودرز، اس. مرورگر. در دسترس آنلاین: https://www.browserscope.org/?category=networkv=top.(دسترسی در 15 مارس 2016).
شکل 1. سناریو و ماتریس ارزیابی.
شکل 2. چالش ها در تحقیقات WebGIS.
شکل 3. طرحواره LoD در طول مرحله تجسم ( سمت چپ ) کاشی‌های سطوح مختلف را نشان می‌دهد که باید برای نمایش یک میدان دید مشخص، بر اساس فاصله تا دوربین، بارگذاری شوند. پس از جابجایی به مرحله تجزیه و تحلیل ( سمت راست )، می توان از برخی کاشی ها مجدداً از حافظه پنهان استفاده کرد (نارنجی). برای تجزیه و تحلیل، تنها بالاترین سطح موجود از جزئیات باید بارگذاری شود که خط دید را قطع می کند.
شکل 4. توزیع موانع در مجموعه داده آزمایشی با مثالی از یک خط دید که قسمت قابل مشاهده و غیر قابل مشاهده را نشان می دهد که بر اساس نقطه انسداد تقسیم می شوند.
شکل 5. راه اندازی شبکه کاشی: هر کاشی از 2048 مثلث ( راست ) تشکیل شده است. کل DEM مصنوعی از 128 × 128 این کاشی ها ساخته شده است ( سمت چپ ). برخی از آن کاشی‌ها (کاشی‌های سایه‌دار آبی) شامل یک مثلث عمودی بزرگ است که به صورت مورب در سراسر کاشی قرار گرفته است که به عنوان مانع عمل می‌کند.
شکل 6. محیط تست.
شکل 7. الگوی توابع تست.
شکل 8. عملکرد محاسبات خط دید در سناریوهای مختلف.
شکل 9. مصرف حافظه ( بالا ) در طول 128 تحلیل مختلف خط دید (قطعات خط آبی) ( پایین ) با افزایش فاصله تا نزدیکترین مانع.

بدون دیدگاه

دیدگاهتان را بنویسید