ارزیابی دقت معنایی داده های مکانی داوطلبانه مطالعه موردی شهر تهران منطقه 5

سال انتشار: 1394
نوع سند: مقاله کنفرانسی
زبان: فارسی
مشاهده: 943

فایل این مقاله در 8 صفحه با فرمت PDF قابل دریافت می باشد

استخراج به نرم افزارهای پژوهشی:

لینک ثابت به این مقاله:

شناسه ملی سند علمی:

NCEGIT01_051

تاریخ نمایه سازی: 19 اردیبهشت 1395

چکیده مقاله:

رشد تعداد کاربران و حجم بالای اطلاعات سایت OpenStreetMap نشان از موقعیت پروژه های داوطلبانه در جذب قشرهای مختلفی از مردم در سراسر جهان می باشد حجم بالای اطلاعات تولید شده توسط مردم عادی که به صورت روزانه انجام می شود چالش هایی را در رابطه با اطمینان به کیفیت اینگونه از داده ها ایجاد کرده است پایگاه داده های داوطلبانه دارای جنبه های مثبتی بوده که از میان آن ها می توان به در دسترس بودن اطلاعات و توانایی به روز رسانی سریع اشاره کرد با این حال کیفیت این داده ها به عنوان یک چالش مهم می باشد در این مقاله از میان عناصر مرتبط با کیفیت داده های مکانی داوطلبانه سعی در بررسی دقت معنایی عوارض خطی راه خیابان ها داده های داوطلبانه منطقه 5 شهرداری شهر تهران شده است علت این امر تفاوت در استانداردهایی است که مجموعه داده های مختلف از جمله مرجع و داوطلبانه در تعریف نوع و برچسب گذاری داده های مورد استفاده دارند در این مقاله برچسب های ارائه شده برای نوع داده در مجموعه داده مرجع و داوطلبانه بررسی شده و برچسب هایی که دارای بالاترین شباهت باشند به عنوان متناظر شناخته شده و از میزان این شباهت دقت معنایی عوارض خطی راه داده های داوطلبانه ارائه و ارزیابی شده است نتایج نشان می دهد که از میان طیف گسترده ای از برچسب های تعریف شده از قبل برای هرکدام از پایگاه داده های مرجع و داوطلبانه تنها تعدادی از برچسب ها در منطقه مطالعاتی متناظر هستند برای مثال برچسب های تندراه و Trunkبا 60عارضه متناظر درصد تشابه %85/7 به عنوان برچسب های مشابه استخراج شده اند

نویسندگان

محمد عشقی

دانشجوی کارشناسی ارشد سیستم های اطلاعات مکانی دانشکده مهندسی نقشه برداری دانشگاه صنعتی خواجه نصیرالدین طوسی

علی اصغر آل شیخ

استاد گروه سیستم های اطلاعات مکانی دانشکده مهندسی نقشه برداری دانشگاه صنعتی خواجه نصیرالدین طوسی

مراجع و منابع این مقاله:

لیست زیر مراجع و منابع استفاده شده در این مقاله را نمایش می دهد. این مراجع به صورت کاملا ماشینی و بر اساس هوش مصنوعی استخراج شده اند و لذا ممکن است دارای اشکالاتی باشند که به مرور زمان دقت استخراج این محتوا افزایش می یابد. مراجعی که مقالات مربوط به آنها در سیویلیکا نمایه شده و پیدا شده اند، به خود مقاله لینک شده اند :
  • عشقی، م. مروری _ چالش‌های موجود در عدم قطعیت داده‌های ...
  • و مرجع. پایان- 7GI نقشه‌های بین هندسی اختلاف توصیف برای ...
  • Hashemi, P., & Abbaspour, R. A. (2015). Assessment of Logical ...
  • Haklay, M., A. Singleton, and C. Parker, (2008), "Web Mapping ...
  • Goodchild M F. (2007), Citizens as sensors: the world of ...
  • OpenS treetMap, full history dump. http ://wiki , openstreetmap , ...
  • Elwood, S. 2008. Volunteered geographic information: Future research directions motivated ...
  • De Longueville, B., Ostlander, N., and Keskitalo, C. 2009. Addressing ...
  • Jokar Arsanjani, J., Barron, C., Bakillah, M., and Helbich, M. ...
  • Schwering, A., 2008. Approaches to Semantic Similarity Measurement for Geo-Spatial ...
  • Li, B., Fonseca, F., 2006. Tdd: A comprehensive model for ...
  • Mooney, P., Corcoran, P., 2012a. The Annotation Process in OpenStreetMap ...
  • Ballatore, A., Bertolotto, M., Wilson, D.C., 2012. Geographic knowledge extraction ...
  • Milligann, C., Janowicz, K., , Ye, M., Lee, W.-C, , ...
  • Siebritz, L. A. (2014). Assessing the accuracy of openstreetmap data ...
  • Koukoletsos, T. (2012). A Framework for Quality Evaluation of VGI ...
  • نمایش کامل مراجع