Geocoding – نمونه کار عملی (قسمت دوم)

Geocoding – نمونه کار عملی (قسمت دوم)

تطبیق آدرس ها

 با انجام مراحل گفته شده در قسمت قبل یک Addresslocator ساخته ایم که می توانیم جدول آدرس ها را با اطلاعات توصیفی داده های مرجع مقایسه کنیم وآماده تطبیق دهی آن باشیم. اولین قدم در تطبیق آدرس، استاندارد سازی آدزس ها در جدول آدرس است. یعنی آنها به قسمت های اجزایشان تقسیم می شوند. این عمل توسط Address locator  انجام می شود برای مثال آدرس “۵۰۰ Rankin Street NE” دارای چهار قسمت است: شماره معبر (۵۰۰)، نام معبر (Rnkin)، نوع معبر (street)، ویک پسوند (NE). داده های ، قبلا استاندارد شده و هر قسمت آدرس، دارای مشخصات جداگانه است.

ArcGIS هر آدرس استاندارد شده را از جدول آدرس گرفته، به جستجوی عوارض در داده های مرجع با قسمت های تطبیقی می پردازد. برای هر آدرس، لیستی از موقعیت های تطبیقی ممکن یا احتمالی، در داده های مرجع تولید می کند که کاندید (candidate) نامیده می شود. هر کاندید امتیازی می گیرد که مرتبط با احتمال قرار گیری آن در موقعیت صحیح است آن است. برای انجام تطبیق وساخت عوارض نقطه ای در ArcGIS، امتیاز هر کاندیدا باید به مقدار معینی برسد.

 ما می توانیم هر دو امتیاز تعریف شده را انتخاب کنیم، امتیازی که یک موقعیت را به عنوان کاندیدا تعیین کرده ویا امتیازی که یک کاندیدا را به عنوان تطبیق تعیین می کند.

Geocoding – نمونه کار عملی (قسمت اول)

Geocoding – نمونه کار عملی (قسمت اول)

در بخش های قبلی مفاهیمی از geocoding وجریان کاری آن را توضیح دادیم .در این قسمت گزارش نمونه کار عملی که انجام شده است را به صورت مرحله به مرحله در زیر مینویسیم که شامل سه قسمت می باشد :

1. ساختن یک Address locator
2. انطباق آدرس ها با توجه :.7.ه Address locator ساخته شده
3. منطبق کردن آدرس هایی که در مرحله قبل منطبق نشده اند

لازم به ذکر است که کار عملی انجام شده را با استفاده از نقشه بخشی از مرکز شهر Atlanta با لایه های معابر، اتوبان های درون شهری وzip کدها انجام می دهیم.

Geocoding – بخش دوم (مفاهیم Geocoding)

Geocoding – بخش دوم (مفاهیم Geocoding)

۱- آدرس چیست ؟

یک آدرس روش ساده ای است که برای توصیف کردن یک مکان یا موقعیت استفاده می شود. بر خلاف یک مقدار مختصاتی، یک آدرس چگونگی م:.8'اجعه یک مکان بر اساس ویژگی های موجود در پایگاه داده GIS را توصیف می کند. در بسیاری از موارد این نحوه توصیف نسبتا برای درک کردن ساده می باشد. برای مثال اگر ما احتیاج داریم آدرس “۳۸۰ NewYork., Redlands,CA,92373″ را معلوم کنیم و موقعیت آن را با داده های صحیح خیابان مشخص کنیم، این موضوع زیاد برای پیدا کردن موقعیت دقیق طول نمی کشد. ما ممکن است ابتدا California، وسپس شهر Redlands را پیدا کنیم. ما همچنین ممکن است از یک نقشه کد های پستی استفاده کنیم ومنطقه پوشش داده شده به وسیله ZIP کد متناظر را مشخص کنیم. سپس ما خیابان مورد نظر را پیدا می کنیم، و در پایان توجیه می کنیم در کجا و در کدام طرف بلوک ۳۰۰ آدرس قرار می گیرد.

Geocoding – بخش اول (مقدمه ای بر Geocoding)

Geocoding پروسه واگذاری یک مکان یا موقعیت معمولا در فرم مقادیر مختصاتی به یک آدرس به وسیله مقایسه کردن المانهای توصیفی مکان در آدرس با آن هایی که در متریال مرجع حاضر است می باشد. یا به عبارت ساده تر مراحل و فرآیند ایجاد عوارض نقشه از آدرس ها،نام مکان ها یا اطلاعاتی غیر مکانی از این قبیل، geocoding نامیده می شود. ارزش geocoding دز این است که امکان می دهد موقعیت های مختلف در نقشه، از طریق داده ها به سهولت در دسترس وقابل شناسایی باشد.

آدرس ها می توانند در فرمت ها و شکل های گوناگونی باشند، مانند فرمت های آدرس معمولی از شماره خانه که به وسیله نام خیابان متابعت می شود واطلاعات بعدی به توصیفات مکانی دیگر مثل منطقه پستی یا حوزه آماری. به عبارتی ادرس شامل نوعی از اطلاعات است که یک مکان را متمایز می کند.

تبدیل وکتور به رستر

تبدیل وکتور به رستر شامل دو مرحله است که عبارتند از:

1. Rasterization / Scan Conversion
2. Line Thicking

این فرآیند شامل عملیات ثانویه ی Line Smoothing نیز می باشد.

حال به توضیح هر یک از مراحل اصلی می پردازیم:

۱- Rasterization / Scan Conversion

فر آیند واقعی برای تولید داده ی رستر از داده ی وکتور می باشد. در واقع یک عملیات خاص می باشد. به روش های زیر قابل انجام است:

الف) Pigeonhole sort :

در این روش قسمتی از حافظه ی مرکزی رزرو می شود و بعد با تخصیص موقعیت هر بردار (h,v,o) فایل رستری ساخته می شود. این روش روش ساده ای است ولی از نظر ضای ذخیره سازی ناکارا است. برای کاهش ناکارایی فضای ذخیره سازی می توان از لم های زیر بهره جست:

- اکثریت مختصات داده ها واحد است مگر در تقاطع خطوط. لذا داده هایی که مختصاتشان واحد نمی باشد به عنوان تقاطع خوط قابل تشخیص هستند.

- می توان محدودیت های شناخته شده ای را روی داده اعمال کرد مانند Minimum Bounding Box ، چگالی کلی و تعداد کلی نقاط داده.

تبدیل رستر به وکتور

از آنجایی که اغلب داده های ورودی و خروجی به فرمت رستر و پردازش ها روی داده های وکتور است لذا برای پردازش ها به تبدیل رستر به وکتور و برای پلات کردن به تبدیل وکتور به رستر نیازمندیم.

روش های الگوریتمی و سخت افزاری مختلفی برای این منظور وجود دارد. فاکتورهایی که روی زمان و هزینه ی این عملیات اثر دارند عبارتند از پیچیدگی ذات مسئله، کمبود الگوریتم های کارا، انتخاب نامناسب الگوریتم ها، ترجمه ی ضعیف الگوریتم ها به کدهای کامپیوتری و ترکیبی از این عوامل.

تا وقتی که فرآیند تبدیل در سطح تئوری موردتوجه قرار گیرد مشکلات سیستماتیک اجتناب پذیر نمی باشد و علت مشکلات performance دقیقا قابل تشخیص نیست.

خصوصیات و مقایسه داده برداری و رستری

داده های برداری و داده های رستری خصوصیات و بالتبع رفتار متفاوت از یکدیگر دارند که در اینجا به مقایسه داده برداری و رستری می پردازیم.

داده برداری:

• یک ساختار داده فشرده بوده و به فضای دیسک کمتری نیازمند است.
• در آن می توان توپولوژی را به صورت آشکار بیان کرد و پرسمان توپولوژی ( مانند proximity,network) انجام داد.

• در آن داده در قدرت تفکیک اصلی خود و بدون هیچ خلاصه سازی ذخیره می شود و در همه ی مقیاس ها نمایش گرافیکی دقیقی داریم.
•  

مدل های داده GIS – مدل داده رستری

المان پایه در مدل داده شبکه ای یا مدل داده رستری (picture element) pixel است. هر پیکسل نماینده قسمتی از زمین است. یک mixed pixel سلولی است که منطقه ی زمینی مربوط به آن از بیش از یک کلاس تشکیل شده باشد. resolution (قدرت تفکیک) آن با توجه به ابعاد پیکسل مشخص می شود. راه هایی برای فشرده سازی آن وجود دارد تا حجم آن کاهش یابد.

فرمت های رستر

برخی از فرمت های رستر عبارتند از:

• Standard Raster Format :

براساس فرمت های photographic است. ساختار فایل آن شامل یک header با طول ثابت و یک keyword یا magic number برای تشخیص فرمت است و اغلب دارای یک جدول رنگ ( برای توضیح اینکه چه رنگ هایی تصویر شده اند) است.

• (Tagged Image File Format) TIFF :

برای ذخیره کردن و خواندن فایل های اسکن شده مورد استفاده قرار می گیرد. در آن می توان از تکنیک های فشرده سازی  و run length استفاده کرد و مانند فرمت GIF به ۲۵۶ رنگ محدود نمی باشد.

مدل های داده GIS – مدل داده برداری

داده ها را می توان به دو دسته ی داده های مکانی و داده های غیر مکانی تقسیم کرد. داده های مکانی نیز به دو دسته ی برداری (vector) و شبکه ای (raster) تقسیم می شوند. در اینجا به مدل داده برداری می پردازیم.

مدل داده برداری

در این مدل داده عوارض با مختصاتشان نمایش داده می شوند. سه نوع شی برداری داریم که عبارتند از: نقطه (point)، خط(line) و پلیگون(polygon). یک عارضه با توجه به مقیاس نقشه ی مورد نظر در یک از این سه دسته قرار می گیرد. مثلا ممکن است یک شهر در نقشه ی بزرگ مقیاس با یک پلیگون و در نقشه ی کوچک مقیاس با یک نقطه نمایش داده شود.

در اینجا دو مدل داده داریم که عبارتند از: مدل داده ی اسپاگتی و مدل داده ی توپولوژی.