فایل ورد روشي براي اعتبارسنجي اطلاعات معابر در OSM بدون استفاده از اطلاعات مرجع و با استفاده از ساير اطلاعات OSM

لینک دانلود

فایل ورد روشي براي اعتبارسنجي اطلاعات معابر در OSM بدون استفاده از اطلاعات مرجع و با استفاده از ساير اطلاعات OSM دارای 14 صفحه می باشد و دارای تنظیمات در microsoft word می باشد و آماده پرینت یا چاپ است

فایل ورد فایل ورد روشي براي اعتبارسنجي اطلاعات معابر در OSM بدون استفاده از اطلاعات مرجع و با استفاده از ساير اطلاعات OSM کاملا فرمت بندی و تنظیم شده در استاندارد دانشگاه و مراکز دولتی می باشد.

توجه : در صورت  مشاهده  بهم ريختگي احتمالي در متون زير ،دليل ان کپي کردن اين مطالب از داخل فایل ورد مي باشد و در فايل اصلي فایل ورد روشي براي اعتبارسنجي اطلاعات معابر در OSM بدون استفاده از اطلاعات مرجع و با استفاده از ساير اطلاعات OSM،به هيچ وجه بهم ريختگي وجود ندارد


بخشی از متن فایل ورد روشي براي اعتبارسنجي اطلاعات معابر در OSM بدون استفاده از اطلاعات مرجع و با استفاده از ساير اطلاعات OSM :


سال انتشار : 1395

نام کنفرانس، همایش یا نشریه : علوم و فنون نقشه برداري

تعداد صفحات :14

کنترل و تضمین کیفیت اطلاعات مکانی داوطلبانه یک از بزرگترین چالش های پیش روی این نوع از گردآوری اطلاعات مکانی است. روش های ارائه شده برای ارزیابی کیفیت اطلاعات مکانی داوطلبانه به صورت کلی شامل دو رویکرد مقایسه این اطلاعات با یک مرجع معتبر و یا روش های بدون نیاز به مقایسه با مرجع معتبر می شود. روش های گروه اول نیازمند دسترسی به اطلاعات مرجع هستند که دسترسی به این اطلاعات همواره امکان پذیر نمی باشد. روش های گروه دوم، یا مثل روش اعتبارسنجی اطلاعات سعی بر به دست آوردن اعتبار اطلاعات بر اساس معیارهای بدست آمده از خود اطلاعات دارند و یا با استفاده از قوانین حاکم بر داده ها مثل سازگاری منطقی داده ها به ارزیابی کیفیت داده ها می پردازند. در این تحقیق تلاش بر ارائه روشی برای ارزیابی کیفیت اطلاعات مکانی داوطلبانه با استفاده از خصوصیات قابل محاسبه از داده مکانی و بدون نیاز به مقایسه با اطلاعات مرجع گردیده است. این تحقیق با استفاده از خصوصیات قابل محاسبه از داده های موجود در شبکه راه های OpenStreetMap، به صورت خاص به تحلیل میزان دقت دسته بندی خیابان ها، به عنوان بخشی از دقت معنایی مربوط به شبکه راه ها، می پردازد. در این تحقیق از درخت تصمیم و شبکه عصبی با ساختار چند لایه برای یادگیری این خصوصیات استفاده گردید. برای تعیین میزان دقت دسته بندی بدست آمده، معیار های دقت و بازخوانی برای هر روش محاسبه شد. درخت تصمیم با دقت وزن دار بدست آمده %84.1 نشان دهنده یک مدل مناسب برای این روش است. این روش بر اساس اطلاعات قابل استخراج از داده ها استوار است و می تواند برای داده های هر شهر دیگری تعمیم و استفاده گردد.
كلید واژه: OpenStreetMap، کیفیت داده، داده مکانی داوطلبانه، آنالیز شبکه راه، ماشین یادگیری

توضیحات بیشتر