بهبود سازگاری منطقی در محیط های اطلاعات مکانی مردم گستر

اطلاعات مکانی مردم گستر نوعی از اطلاعات مکانی بوده که توسط عموم مردم و بصورت داوطلبانه تولید می شود. در این حالت داده های مکانی بر خلاف روند سنتی تولید داده، توسط هر کاربر بصورت داوطلبانه تولید شده و در دسترس سایرین قرار می گیرد. گرچه اطلاعات مکانی مردم گستر دارای مزایای فراوانی بوده، ولی کیفیت این داده ها یکی از موانع استفاده گسترده از این داده ها می باشد. در این تحقیق، در جهت پاسخگویی به بخشی از مشکلات موجود بر سر راه استفاده از این نوع داده ها، سازگاری منطقی به عنوان یکی از عناصر کیفیت داده برای مجموعه داده های مکانی مردم گستر مورد بررسی قرار گرفته و روشی برای بهبود آن با استفاده از بهبود موقعیت مکانی داده ها ارائه شده است. روش پیشنهادی از سه مرحله اصلی شامل تطابق خودکار داده های مکانی مردم گستر و استاندارد، برآورد دقت مکانی داده های مکانی مردم گستر و تصحیح دقت مکانی داده های مکانی مردم گستر تشکیل شده است. در مرحله اول، یک روش خودکار برای تطابق مجموعه داده مردم گستر و مجموعه داده استاندارد ارائه می شود. روش پیشنهادی از دو قسمت اصلی تشکیل شده است. ابتدا یک توصیفگر مکانی-جهتی جدید برای تطابق نقطه ای عوارض دو مجموعه داده، ارائه شده و مورد استفاده قرار می گیرد. سپس برای حذف اشتباهات نتایج حاصل از تطابق نقطه ای عوارض، یک روش تطابق قطعه ای توسعه داده شده و استفاده می شود. خروجی این مرحله از روش پیشنهادی، تفکیک داده های مکانی مردم گستر به دو دسته شامل مجموعه داده دارای متناظر و فاقد متناظر در مجموعه داده استاندارد می باشد. در مرحله دوم، روشی برای برآورد دقت مکانی داده های فاقد متناظر ارائه می شود. روش پیشنهادی از ویژگی های ذاتی داده های مردم گستر برای برآورد دقت مکانی داده ها استفاده می کند. بدین منظور ابتدا پارامترهای تأثیرگذار بر دقت مکانی داده های مکانی مردم گستر استخراج می شود. سپس پارامترهای تعیین شده، در یک مدل تلفیقی بر مبنای هوش مصنوعی، برای برآورد دقت مکانی داده های فاقد متناظر به کار می روند. از داده های دارای متناظر نیز برای آموزش مدل استفاده می شود. خروجی این مرحله از روش پیشنهادی، شاخص دقت مکانی برآورد شده برای داده های فاقد متناظر است. در مرحله سوم، موقعیت مکانی داده های فاقد متناظر تصحیح می شود. ابتدا روابط منطقی میان داده های مردم گستر استخراج می شود. سپس با بهره گیری از روش سرشکنی کمترین مربعات وزن دار به روش معادلات شرط، موقعیت مکانی داده ها تصحیح می شود. روابط تعریف شده، به عنوان شروط سرشکنی در نظر گرفته شده و شاخص دقت مکانی مربوط به داده های فاقد متناظر، به عنوان وزن نقاط در فرآیند سرشکنی استفاده می شود. در نهایت با تصحیح موقعیت نقاط فاقد متناظر، روابط داده ها بهبود یافته و سازگاری مجموعه داده مورد بررسی بهبود می یابد. روش پیشنهادی سه مرحله ای برای بهبود سازگاری منطقی داده های مکانی مردم گستر، با استفاده از مجموعه داده استاندارد و مجموعه داده مردم گستر، برای یک منطقه مطالعاتی به صورت کامل ارزیابی شده و نتایج بحث و بررسی شد که نتایج ارزیابی نشان دهنده کارایی روش پیشنهادی است.