«А.Г Карманов УЧЕБНОЕ ПОСОБИЕ ПО КУРСУ ГЕОИНФОРМАТИКА Санкт-Петербург 2012 Учебное пособие посвящено геопространственному моделированию объектов с помощью ГИС и использование сопровождаемой их семантической информации. ...»

При аффинном преобразовании отношение направленных отрезков, лежащих на одной прямой или на параллельных прямых, равно отношению их образов. Сохраняется также отношение площадей двух квадрируемых фигур (на евклидовой плоскости) и отношение объемов двух кубируемых тел (в евклидовом пространстве). При аффинном преобразовании множество векторов плоскости (пространства) взаимно однозначно отображается на множество векторов плоскости (пространства) и это отображение является линейным. Аффинное преобразование. задается в аффинной системе координат невырожденным (неоднородным) линейным преобразованием; таким образом, в случае плоскости аффинное преобразование аналитически выражаются при помощи формул с дополнительным требованием Все полиномиальные преобразования относятся к нелинейным. Они позволяют очень сильно деформировать трансформируемый объект. При использовании полиномов требуется задавать большое число опорных точек, равномерно распределенных по всей плоскости объекта. Для полинома 2-ой степени нужно как минимум 6 опорных точек, для полинома 3-й степени уже минимум 10.

При использовании полинома 2-ой степени прямые линии можно превратить в кривые 2-го порядка, а для полинома 3-ей степени - соответственно в кривые 3-го порядка.

Преобразования 2-го порядка могут быть использованы для преобразования данных в географической системе координат (широта, долгота) в прямоугольную, для преобразования данных больших областей (для учета кривизны Земли), для точно привязки искаженных по той или иной причине данных (например, из-за искажений линз камеры, плохо отсканированных материалов) и т.д.

Если какая-либо часть объекта не имеет опорных точек, то результат трансформирования в ней предсказать будет трудно, особенно при использовании полинома 3-го порядка. Поэтому для получения предсказуемого преобразования правильное распределение опорных точек на объекте чрезвычайно важно.

В некоторых ГИС могут использоваться полиномы еще более высоких степеней, но это требует еще большего числа опорных точек и результат преобразования может оказаться еще менее предсказуемым.

Рассматривать алгоритмы трансформирования можно с трех позиций:

— описания сути преобразования геометрического пространства, — необходимого числа опорных точек и — практической применимости алгоритма.

Для каждого алгоритма трансформирования существует минимально необходимое количество опорных точек, при котором преобразование вычисляется однозначно, все невязки нулевые и любая неточно заданная пара целевой-исходной точек "незаметно" искажает результирующее преобразование. Если точек задается больше минимально необходимого, то появляется избыточность и вычисляется оптимальное в смысле минимальной При этом сами опорные точки также трансформируются в соответствии с вычисленным преобразованием координат, и оценивается невязка между заданным положением целевых точек и вычисленными их координатами.

Именно эту невязку Вы видите в форме со списком точек. Величина невязки позволяет оценить точность трансформирования и выявить ошибочно указанные пары точек. При значительном числе избыточных точек неточно указанные выявить легче, они обычно имеют бльшие невязки по сравнению с другими точками. Другой прием выявления неточно указанных пар точек — временное отключение подозрительных точек и перевычисление преобразования.

Число пар опорных точек, используемых при трансформировании, может колебаться в широких пределах - от одной-двух и до десятков. Для некоторых алгоритмов (например, полиномиальных) справедлив принцип чем больше, тем лучше. Максимальное число опорных точек в некоторых ГИС может быть ограничено лишь ресурсами памяти.

Размещение опорных точек в пространстве трансформируемого объекта также важно. Как будет отмечено ниже, некоторые алгоритмы трансформирования практически неприменимы при неудачном расположении опорных точек. Сами опорные точки должны быть максимально "разнесены" по длине, если используется малое число точек и, по-возможности, покрывать все поверхность объекта при задании большого их числа. Дело в том, что величины невязок, показанные в Таблице погрешностей привязки, позволяют оценить точность трансформирования, но погрешности трансформирования гарантированно не превысят эти величины только в пределах той части объекта, которую покрывают опорные точки. Вне этой области покрытия погрешности могут возрастать тем сильнее, чем они более от нее удалены и чем"сильнее" используемый алгоритм трансформирования.

То есть, например, имея опорные точки с малыми невязками лишь в одной половине снимка, вы не можете гарантировать такую же точность привязки для другой половины, где точек нет совсем.

Моделирование Моделирование – исследование каких либо явлений, процессов или систем объектов путем построения и изучения их моделей; использование моделей для определения или уточнения характеристик и рационализации способов построения вновь конструируемых объектов.

Моделирование – одна из основных категорий теории познания: на идее моделирования по существу базируется любой метод научного исследования – как теоретический (при котором используются различного рода знаковые, абстрактные модели), так и экспериментальный (использующий предметные модели) Рисунок 5. Моделирование рельефа(поверхности) Обычно первичные данные существуют или с использованием тех или иных операций приводятся к одному из двух наиболее широко распространенных представлений поверхностей (полей) в ГИС: матричному (растровому) представлению (модели) и модели TIN.

Суть модели TIN в ее наименовании - "Нерегулярная треугольная сеть" (в английском оригинале - Triangulated Irregular Network). В своем пространственном выражении это сеть треугольников – обычно, элементов триангуляции Делоне - с высотными отметками в ее узлах, что позволяет представить моделируемую поверхность как многогранную.

По сути задачу моделирования поверхности можно сформулировать так:

Поверхность описывается однозначной функцией двух переменных которая нам неизвестна. Мы ищем не саму функцию F(X,Y), а некоторое приближение к ней f(X,Y) в классе известных нам функций. Класс функций определяется таким образом, чтобы функции f(X,Y) из него были в определенном смысле « похожими» на восстанавливаемые функции и чтобы их параметры могли быть найдены по имеющимся у нас исходным данным.

Следовательно нам необходимо уточнить три шага решения поставленной задачи:

— выбор класса функций - «заместителей»;

— выбор критерия близости исходной функции и функциизаместителя»;

— определение алгоритма определения параметров функциизаместителя» по исходным данным;

В случае интерполяции параметры функции f(x,y) определяются из условий:

Здесь (xi,yi,zi) – совокупность исходных точек.

В случае аппроксимации это условие заменяется на условие приближенного равенства:

Чаще всего рассматривается приближение по методу наименьших квадратов. Т.е. параметры функции f(x,y) определяются из условий:

Min ((f(x1,y1)-z1)^2+(f(x2,y2)-z2)^2+… +(f(xn,yn)-zn)^2) Функция может задаваться одним уравнением на всей области изучения или изменяться в отдельных ее частях.

В первом случае будем говорить о глобальном алгоритме (используются все исходные точки), во втором о кусочно-локальном (используются некоторые подмножества всех точек, попадающие в заданные области).

Что касается класса функций «заместителей» то во многих случаях они в свою очередь представляются линейной комбинацией некоторой совокупности базисных функций:

f(x,y)=a1*f1(x,y)+a2*f2(x,y)+…+ak*fk(x,y).

Чаще всего базисными функциями являются простейшие полиномы:

f1(x,y)=1, f2(x,y)=x, f3(x,y)=y, f4(x,y)=x^2*y^0, f5(x,y)=x^1*y^1, f6(x,y)=x^0*y^2 и т.д.

Классификация алгоритмов вычисления значений ЦМР Примеры алгоритмов:

— триангуляция Делоне — Локальный интерполяционный алгоритм построенный на — метод скользящего окна — Метод весового среднего или модифицированный метод скользящего окна (Локальный аппроксимационный) — Интерполяционный многочлен для всей территории(Глобальный интерполяционный алгоритм) — Аппроксимационный многочлен для всей территории (Глобальный аппроксимационный алгоритм) Готовая цифровая модель способна обеспечить решение самых разнообразных задач благодаря развитым функциям цифрового моделирования рельефа, которые встроены в современные универсальные полнофункциональные инструментальные программные средства ГИС.

Обычно функционально обособленные модули обработки ЦМР в составе таких программных продуктов поддерживают следующие группы функций:

— расчет "элементарных" морфометрических показателей: углов наклона (уклонов) и экспозиций склонов;

— оценка формы склонов через кривизну их поперечного и продольного сечений;

— генерация сети тальвегов и водоразделов (сепаратрисс) и других особых точек и линий рельефа, нарушающих его "гладкость";

— подсчет положительных и отрицательных объемов относительно заданного горизонтального уровня в пределах границ участка;

— построение профилей поперечного сечения рельефа по направлению прямой или ломаной линии;

— аналитическая отмывка рельефа;

— трехмерная визуализация рельефа в форме блок-диаграмм и других объемных каркасных (нитяных), полутоновых (светотеневых) и фотореалистичниых (текстурированных) изображений, в том числе виртуально-реальностных, например путем драпировки поверхности рельефа цифровыми космо- или аэрофотоизображениями;

— оценка зон видимости или невидимости с заданной точки (точек) обзора (анализ видимости/невидимости);

— построение изолиний по множеству отметок высот (например, генерация горизонталей);

— интерполяция значений высот, другие трансформации исходной модели (например, осреднение, сглаживание, генерализация, — ортотрансформирование аэро- и космических снимков.

Билинейное ресэмплирование сеточной функции (билинейная интерполяция) Иногда требуется решить следующую задачу - есть у нас сетка размером M1 *N1. В узлах этой сетки нам известны значения некоторой функции f(x, y). И по какой-то причине требуется перейти от сетки размером M1*N1 к сетке размером M2*N2. В качестве примера можно привести изменение размера растровой картинки (здесь функцией, определенной на сетке, являются цвета пикселей). Впрочем, бывают и другие применения.

Это задача интерполяции - по известным значениям в одних точках получить значения функции в других точках. Но данный случай является особым - нам требуется вычислять значение функции не в произвольных точках, а в узлах сетки, и вычисления проводятся только один раз, после чего мы получаем новую сетку и больше не возвращаемся к ресурсоемкой интерполяции. Поэтому для решения данной задачи имеет смысл разработать специализированную процедуру.

Сам алгоритм крайне прост - мы перебираем точки новой сетки. Для каждой точки смотрим, в какой квадрат старой сетки она попадает. Пусть точка (x, y) попала в квадрат, образованный узлами (xL, yC), (xL+1, yC), (xL, yC+1), (xL+1, yC+1).

Перейдем к условным(t, u) координатам точки (x, y) по формулам Полученные координаты лежат в диапазоне [0, 1]. Значение функции в новом узле рассчитывается, как fnew = (1-t)(1-u)*fL,C+t(1-u)*fL,C+1+tu*fL+1,C+1+(1-t)u*fL+1,C.

Во многих случаях оказывается достаточно той точности, которую обеспечивает билинейная интерполяция. Скажем, для изменения размера изображений этого часто хватает. Тем не менее, следует отметить, что данный способ не обеспечивает непрерывности даже первых производных интерполируемой функции. В задачах, требующих непрерывности производных, лучше использовать другие методы.

Картирование объектов, основанное на количественных характеристиках, дает дополнительную информацию, которая выходит за рамки простого нанесения на карту местоположений объектов. Картирование объектов по величине – от большего к меньшему, дает возможность производить сравнение объектов на местности, основываясь на количественных мерах; можно понять, какие из них удовлетворяют установленным критериям или понять взаимосвязи между ними.

Численные значения можно представить на карте либо присваивая для каждого отдельного значения свой символ, либо группируя значения в классы. Если каждую величину попытаться отобразить на карте, то карта будет, безусловно, точна, однако восприятие информации будет затруднено.

Выход состоит в том, чтобы группировать значения в классы и уже каждому классу ставить в соответствие какой-то символ. Использование классов – это компромисс между точным представлением данных и генерализацией картины, применение этого подхода позволяет лучше отобразить закономерности на карте. Однако то, как при использовании классов численные данные будут выглядеть на карте, зависит от способа группировки значений в классы, иначе говоря, – от выбранной схемы классификации.

Наиболее употребительные схемы классификации следующие:

— метод естественных границ, — метод квантилей, — метод равных интервалов, — метод стандартного (среднеквадратичного) отклонения.

Краткое описание работы географической информационной системы при выборе перечисленных схем классификации приведено ниже.

Границы между классами устанавливаются в тех местах, где достигается наилучшая группировка близких значений в каждом из классов и максимальная разница значений между классами. Количество классов задается пользователем.

ГИС упорядочивает объекты, основываясь на значениях атрибутов от самого меньшего до самого большего, и суммирует число объектов по мере их выбора. Затем ГИС делит суммарное значение на число классов, которое задано пользователем. Результатом является число объектов, которое будет занесено в каждый из классов. Затем ГИС выполняет задачу заполнения классов, начиная с наименьших значений, и помещает в каждый класс установленное число объектов.

Каждый класс содержит одинаковый диапазон значений, т.е. разница между максимальной и минимальной величинами является одинаковой для каждого класса. ГИС вычитает минимальное значение, представленное в наборе данных, из максимального значения. Полученный результат делится на число заданных классов, после чего последовательно от минимального значения определяются границы классов и происходит их заполнение.

Метод среднеквадратичного отклонения.

Каждый класс определяется в зависимости от удаления его значений от среднего значения. ГИС прежде всего находит среднее значение для представленных данных. Затем вычисляется среднеквадратичное отклонение (СКО). ГИС определяет границы классов, располагая их выше и ниже средней величины, основываясь на числе стандартных отклонений, которое следует задать при работе с этим методом – 0,5 или 1 СКО.

Чтобы решить, какой метод классификации использовать, необходимо понять, как значения данных, которые нужно представить на карте, распределены по диапазону значений. Для этого удобно построить гистограмму. Далее, глядя на полученное распределение, следует руководствоваться следующими соображениями:

— Если данные имеют неравномерное распределение, а также можно заметить разрывы между группами величин, следует использовать метод естественных границ.

— Если данные имеют равномерное распределение, можно использовать как метод квантилей, так и метод равных интервалов. Последний выбор предпочтителен, если информация будет представлена неподготовленной аудитории.

— Для картирования непрерывных данных, таких, например, как распределение осадков или температуры, используйте метод — Если нужно отобразить объекты в соответствии с их положением выше или ниже среднего значения, используйте метод среднеквадратичного отклонения.

Относительно выбора числа классов можно сказать следующее.

Начинать лучше с большого числа классов – для исследования данных.

Однако оптимальным числом для конечного представления численных данных считается диапазон от 4 до 5. Опыт показывает, что этого вполне достаточно, чтобы выявить распределение в данных, не создавая при этом трудностей в чтении карты.

Теперь, рассмотрев проблему группировки величин в классы, коснемся вопроса о том, как числовые данные наносятся на карту. Если численные характеристики относятся к дискретным объектам в виде точек или линий, следует использовать масштабируемые символы. Для отображения величин, относящихся к дискретным площадным объектам, как и для данных, суммированных по площадям, используйте цветовые линейки для отображения диапазонов значений. Непрерывные пространственные явления также отображают с использованием цветовых линеек. Кроме того, в последнем случае можно использовать изолинии, которые помогут показать характер изменения величины по области.

Ситуационный анализ и моделирование с использованием Система обеспечивает возможность провести ситуационный анализ и моделирование в следующих направлениях:

— для транспортного моделирования;

— для геоэкологического моделирования;

— при проектировании инженерных сетей и т.д.

Транспортное моделирование предназначено для решения следующих задач:

— нахождения ближайшего пункта обслуживания;

— поиска кратчайшего маршрута;

— поиска оптимального расположения объектов;

— создания матрицы расстояний.

Для решения данных задач в Системе применяется граф дорожной сети (ГДС). ГДС представляет собой множество связанных ребер (представляющих дороги) и узлов (точек соединения ребер), и правила необходимые для построения и моделирования реальной сетевой инфраструктуры.

ГДС состоит из следующих основных элементов:

Ребра (Edges) – класс протяженных объектов, вдоль которых осуществляется движение. В общем случае движение может происходить в двух направлениях – от начала к концу (обозначается FT) и от конца к началу (обозначается TF).

Узлы (Junction) – объект, позволяющий связать два или более ребер.

Через узел происходит перераспределение потока между ребрами.

Повороты (Turn elementы) – записи, содержащие информацию о способе перемещения между двумя или более ребрами.

Правила соединений (Connectivity) – правила описывающие соединение ребер и узлов друг с другом.

При построении ГДС (рисунокОшибка! Источник ссылки не найден.1) используются следующие источники данных:

— источник данных для построения ребер – класс осевых — источник данных для построения узлов – точечные классы (станции, склады, объекты инфраструктуры и т.п.);

— источник данных для построения поворотов – специальный класс определяющий правила для поворотов в узле.

Правила соединения используются для уточнения исходной информации содержащейся в источниках данных при построении ГДС. Правила соединения создаются на основе геометрического расположения исходных объектов, а также дополнительно задаваемой информации. Процесс создания правил соединения включат в себя следующие этапы:

Создание групп взаимодействия.

Группы взаимодействия используются при построении ГДС, содержащего несколько типов дорог, для которых возникает необходимость указать, каким образом организовывается их пересечение. Пересечение ребер, принадлежащих различным типам дорог всегда осуществляется через узел, таким образом одно ребро может быть включено только в одну группу, а один узел может быть включен во все группы взаимодействия.

Связывание ребер в группах взаимодействия.

Существует два правила соединения ребер внутри одной группы:

1. Соединение только по конечным точкам ребер – при выборе данного правила соединения при построении ГДС для объединения ребер используются только конечные точки центральных линий дорог. На рисунке 13 приведен пример применения данного правила – при построении ГДС осевая линия L1 преобразуется в ребро E1, а осевая линия L2 в ребро E2, несмотря на существования общей вершины у осевых линий пересечение ребер не создается. Узлы (J1-J4) добавляются только на краях ребер;

Рисунок 8. Соединение только по конечным точкам ребер Использование данного правила соединения ребер целесообразно применять, например, при построении модели развязки с мостом (рисунокОшибка! Источник ссылки не найден.).

Рисунок 9. Построение модели развязки с мостом 2. Соединение через любую вершину ребер – при выборе данного правила соединения при построении ГДС исходный объект разрезается в точке соединения и для каждой его части строится отдельное ребро, а в точке пересечения создается узел. Узлы также создаются и на краях ребер. На рисункеОшибка! Источник ссылки не найден. приведен пример построения данного правила – при построении ГДС по двум осевым линиям, пересекаются в общей точке, происходит разрезание линий и построение четырех ребер (E1-E4), а так же создание в точке пересечения узла (J3) и узлов по краям ребер (J1, J2, J4, J5).

Рисунок 10. Соединение через любую вершину ребер Необходимо отметить, что не все пересекающиеся осевые линии могут быть соединены при использовании данного правила. В случае, если осевые линии не имеют общей вершины в точке пересечения, ребро ГДС будет создано по каждой линии, узел в точке пересечения создан не будет (Рисунок 16).

Связывания ребер из разных групп посредством узлов. Ребра, принадлежащие различным группам связывания, могут быть соединены между собой только посредством узлов, входящих во все группы.

Точечные объекты, по которым создаются узлы, должны быть расположены так, чтобы совпадать с осевыми линиями. Узлы могут быть расположены как в конечных точках ребер, так и на любой вершине ребра. В связи с тем, что расположение исходных точечных объектов и вершин осевых линий может не совпадать, существует возможность принудительно создать узлы в местах размещения точечных объектов.

Атрибуты ГДС – это свойства, определяющие возможность и характеристики передвижения по элементам графа. Примерами атрибутов элементов ГДС могут быть: ограничение максимальной скорости, длина дороги, направление движения и т.д. Каждый атрибут определяется следующими параметрами:

— способ использования – определяет как атрибут будет использоваться при анализе. Возможны следующие ограничение(restriction), класс в иерархии (hierarchy);

— единица измерения (только для атрибутов типа стоимость) – доступны такие единицы как сантиметры, метры, километры, — тип данных - доступны следующие варианты boolean, integer, float, or double. Атрибут со способом использования «стоимость» не может иметь тип данных boolean. Атрибут со способом использования «ограничение» всегда имеет тип данных boolean, атрибут с типом использования «класс в иерархии» всегда имеет тип данных, integer;

— флаг использования атрибута по умолчанию – установка данного флага означает, что атрибут будет автоматически использован при анализе. Флаг может использоваться для любых атрибутов кроме имеющих способ использования «дескриптор». Только один атрибут со способом использования «стоимость» может быть использован по При выборе способа использования атрибута необходимо учитывать:

— атрибут со стоимостным способом использования предназначен для описания параметров движения зависящих от длины ребра. Например, посредством такого атрибута целесообразно задавать такие параметры как время предназначен для описания параметров, не зависящих от длины ребра. К таким параметрам, например, можно отнести число полос на дороге либо максимальную разрешенную — атрибут со способом использования «ограничение»

предназначен для определения условий, при которых элемент должен быть исключен из анализа. Например, для ребра можно установить атрибут типа дескриптор «движение для грузового транспорта запрещено» и при помощи соответствующего ограничения исключить все запрещенные — атрибут с иерархическим способом использования применяется для задания предпочтений передвижения.

Например, пусть существует 3 типа дорог, в таком случае, используя иерархический атрибут, можно при анализе указать, по какому типу передвигаться предпочтительнее.

Каждый атрибут, определенный для ГДС, должен иметь определенные значения для каждого источника данных, участвующего в построении ГДС.

Значение атрибута можно задать несколькими способами:

— значение определяется посредством прямой связи с — значение определяется посредством выполнения операций деления и умножения для числовых типов и операций сравнения для логических типов. Например, существует необходимость задать атрибут ГДС, используя в качестве меры длины футы, в то время как в классе-источнике длины хранятся в метрах. В таком случае можно задать выражение обеспечивающее пересчет из метров в футы;

— значение задается константой;

— значение вычисляется посредством задания функции от другого параметра либо значения источника.

Так же существует возможность задать для перехода с ребра стоимостную характеристику, зависящую от угла поворота и значений уровня иерархии ребер.

Для каждого поворота и узла значение атрибута задается единожды, для ребер значение задается дважды, т.к. необходимо определить значение для каждого направления.

Повороты – класс пространственных полилинейных объектов, однозначным образом описывающих возможные переходы между рёбрами графа дорожной сети для всех видов транспортных средств, хранимых в базе данных. Создание объекта-поворота должно производиться в соответствии с установленными знаками дорожного движения и согласно правилам дорожного движения Российской Федерации.

Глобальный поворот – представляет собой изменение направления движения на пересечение ребер в узле и не содержит дополнительных ребер.

Общее количество возможных глобальных поворотов имеет квадратичную зависимость от количества ребер, пересекающихся в узле. Для узла расположенного на единственном ребре возможно создать обратный поворот (U-поворот).

Поворот в ГДС представляет собой набор рёбер, по которым осуществляется движение при переходе с одного ребра на другое. На рисунке 18 представлен поворот состоящий из двух ребер: d и c Рисунок 13. Поворот, состоящий из двух ребер Для правильного построения поворота при создании ГДС необходимо выполнить следующие условия:

— для построения поворота необходимо минимум два ребра. Uповорот строится на одном ребре для моделирования — первое и последнее ребра, принадлежащее повороту, не могут принадлежать другому повороту – так, например, ребра d и c не могут принадлежать ни одному другому — каждое ребро может быть соединено только с одним ребром;

— ребра могут принадлежать нескольким поворотам — два поворота не могут задавать одно и тоже направление движения, это означает, что у двух поворотов не может быть одинаковой пары первого и последнего ребер.

Анализ возможных вариантов реализации механизма генерации ГДС показал, что наиболее целесообразным, с точки зрения обеспечения наилучшего отношение производительность/потребляемые ресурсы, является создание с последующим хранением в базе данных графа дорожной сети для каждого типа, используемых ТС. Использование данного подхода позволяет сократить временные издержки не только за счет экономии времени необходимого на создание ГДС, но и непосредственно при решении задач, т.к. позволяет еще при создании графа исключить все осевые линии, проезд по которым на данном типе ТС невозможен.

Построение новых ГДС, а так же актуализация существующих производится специальным программным обеспечением генерации ГДС (далее Генератор) на основании информации хранящейся в базе данных.

Основными этапами построения нового ГДС являются:

— создание при необходимости нового типа ТС;

— внесение при необходимости изменений в слой осевых — выбор типа ТС, для которого строиться ГДС;

Алгоритм Дейкстры решает задачу о кратчайших путях из одной вершины для взвешенного ориентированного графа G = (V, E) с исходной вершиной s, в котором веса всех рёбер неотрицательны ((u, v) 0 для всех (u, v)E).

В процессе работы алгоритма Дейкстры поддерживается множество S V, состоящее из вершин v, для которых (s, v) уже найдено. Алгоритм выбирает вершину u V\S с наименьшим d[u], добавляет u к множеству S и производит релаксацию всех рёбер, выходящих из u, после чего цикл повторяется. Вершины, не лежащие в S, хранятся в очереди Q с приоритетами, определяемыми значениями функции d. Предполагается, что граф задан с помощью списков смежных вершин.

Каждой вершине из V сопоставим метку — минимальное известное расстояние от этой вершины до a. Алгоритм работает пошагово — на каждом шаге он «посещает» одну вершину и пытается уменьшать метки. Работа алгоритма завершается, когда все вершины посещены.

Метка самой вершины a полагается равной 0, метки остальных вершин — бесконечности. Это отражает то, что расстояния от a до других вершин пока неизвестны. Все вершины графа помечаются как не посещенные.

Если все вершины посещены, алгоритм завершается. В противном случае из еще не посещенных вершин выбирается вершина u, имеющая минимальную метку. Рассматриваем все возможные маршруты, в которых u является предпоследним пунктом. Вершины, соединенные с вершиной u ребрами, называют соседями этой вершины. Для каждого соседа необходимо рассмотреть новую длину пути, равную сумме текущей метки u и длины ребра, соединяющего u с этим соседом. Если полученная длина меньше метки соседа, заменить метку этой длиной. Рассмотрев всех соседей, пометить вершину u как посещенную и повторить шаг.

Блок схема алгоритма Дейкстры представлена ниже на рисунке 19.

Рисунок 14. Блок схема алгоритма Дейкстры Рассмотрим работу алгоритма на примере графа, показанного на рисункеОшибка! Источник ссылки не найден.. Пусть требуется найти расстояния от 1-й вершины до всех остальных. Кругами обозначены вершины, линиями — пути между ними (ребра графа). В кругах обозначены номера вершин, над ребрами обозначена их «цена» — длина пути. Рядом с каждой вершиной красным обозначена метка — длина кратчайшего пути в эту вершину из вершины 1.

Первый шаг. Рассмотрим шаг алгоритма Дейкстры для нашего примера. Минимальную метку имеет вершина 1. Ее соседями являются вершины 2, 3 и 6 (рисунокОшибка! Источник ссылки не найден.) Первый по очереди сосед вершины 1 — вершина 2, потому что длина пути до нее минимальна. Длина пути в нее через вершину 1 равна кратчайшему расстоянию до вершины 1 + длина ребра, идущего из 1 в 2, то есть 0 + 7 = 7. Это меньше текущей метки вершины 2, поэтому новая метка 2й вершины равна 7.

Шаг второй. Повторить операцию с двумя другими соседями 1-й вершины — 3-й и 6-й.

Все соседи вершины 1 проверены. Текущее минимальное расстояние до вершины 1 считается окончательным и пересмотру не подлежит. Вычеркнуть её из графа, чтобы отметить, что эта вершина посещена.

Уменьшить метки соседей выбранной вершины, пытаясь пройти в них через 2-ю. Соседями вершины 2 являются 1, 3, 4. Первый (по порядку) сосед вершины 2 — вершина 1. Вершина уже посещена, поэтому с 1-й вершиной ничего не делать. Следующий сосед вершины 2 — вершины 4 и 3. Если идти в неё через 2-ю, то длина такого пути будет = кратчайшее расстояние до 2 + расстояние между вершинами 2 и 4 = 7 + 15 = 22. Поскольку 220, Таблица 2. Категории селеопасных участков Категория Давление сели Воздействие сели на объекты и сооружения опасности препятствие, Для расчета селевых и лавинных процессов были проанализированы данные об осадках и снежном покрове по метеостанциям (ГМС).

Осадки.

Важнейшей метеорологической характеристикой, оказывающей определяющее влияние на характер лавинных и селевых процессов, являются атмосферные осадки.

В связи с тем, что зоны зарождения лавин, селевые очаги и водосборы селевых бассейнов в районе работ находятся в отметках 1800-2200 м, данные об осадках, выпадающих на эти площади необходимо принимать по ГМС, имеющих длительные ряды наблюдений и расположенных на высотах более 1600 м.

Годовое количество осадков может значительно отклоняться от среднего значения.

Снежный покров является основным фактором лавинных процессов и (на исследуемой территории) – одним из важнейших факторов селевых процессов.

Характер залегания снежного покрова на территории, как правило, неравномерный. Большая изрезанность и сложность рельефа определяют мозаичность распределения снежного покрова.

Ведущую роль в формировании лавин большой дальности выброса играет сублимационная перекристаллизация снежной толщи: после формирования внутри неё лавиноопасных слоёв, отрыв лавины может быть вызван воздействием внешних факторов – таких, как обрушение снежного карниза, прирос высоты снежного покрова во время снегопада или метели, начало движения поверхностной лавины мокрого снега или антропогенное воздействие.

Лавины свежевыпавшего, метелевого или мокрого снега представляют опасность только для персонала, спортсменов, технических средств и лёгких сооружений.

В лавиноактивные зимы в течение зимнего сезона из лавиносбора может сходить от 1 до 5 лавин.

Средняя повторяемость лавин большого объёма составляет 1 раз в 1- года Объёмы лавин могут превышать 1 000 000 м3.

Сейсмические процессы могут привести к активизации лавинных процессов в период максимальной перекристаллизации снежного покрова: в декабре – апреле. В этот период землетрясения силой 4-5 баллов могут спровоцировать сход лавин большого объёма.

На сегодняшний день не существует удовлетворительных физических моделей лавинного и селевого процессов, движущейся лавины и селя, позволяющих с адекватно описать лавину и селевой поток, а существующие математические модели основаны либо на идеальных математических либо на эмпирических представлениях, сильно упрощающих реальную картину и позволяющих описать лавинный (селевой) процесс с большой степенью приближённости, что необходимо учитывать при использовании расчётных значений характеристик лавинных и селевых процессов.

Вместе с тем, в настоящее время в лавиноведении и селеведении накоплен большой практический опыт оценки характеристик лавин (селей) и лавинных (селевых) процессов, позволяющий с достаточной степенью достоверности описать характеристики лавин (селей) и в каждом конкретном случае выбрать для расчёта характеристик лавинных (селевых) процессов такие физические и математические модели лавинного (селевого) процесса, которые позволяют рассчитать характеристики лавин (селей) с приближением, необходимым и достаточным для практического использования.

Таким образом, выбор методик расчёта характеристик лавинных и селевых процессов является сложной задачей, требующей знания как теоретических представлений о лавинных (селевых) процессах, так и практического опыта исследования лавин и селей.

По этим причинам выбор методик, используемых для расчёта динамических характеристик лавин и селей, должен основываться на материалах полевого определения характеристик лавинных и селевых процессов (в частности, на основе исследования геоботанических признаков проявления лавинных и селевых процессов, что не составляет сложности на исследуемой территории, где большая часть зон транзита и зоны аккумуляции лавин расположены в лесной зоне).

Для решения прикладной задачи – оценки лавинной и селевой опасности территории как основы для разработки мероприятий по противолавинной и противоселевой защите объектов – существуют проверенные полевые и расчётные методы, позволяющие решить поставленную задачу.

Моделирование лавинной опасности.

При моделировании лавинной опасности необходимо учитывать:

генетические типы, частота формирования, высота и ширина фронта лавин, ширина зоны аккумуляции, плотность лавинного потока, толщина лавинных отложений, структура, текстура, стратиграфия и высота снежной толщи, а также физико-механические характеристики снежной толщи в зонах отрыва лавин, определялись по материалам полевых наблюдений с учётом материалов наблюдений прошлых лет.

границы и площади лавиносборов определялись по картам в масштабе расчет границ предельной дальности выброса лавин проводится по графоаналитической методике С.М. Козика.

Рисунок 23. Графоаналитическая методика С.М. Козика Считается, что предлагаемая методика приводит к завышению дальности выброса лавин. Однако исследования катастрофических лавин, проведенные в 2005-2010 г.г. лабораторией лавинных и селевых процессов СФ ДВГИ ДВО РАН на о. Сахалин показали, что данная методика занижает дальность выброса катастрофических лавин на 10-15%.

Как и все существующие на сегодняшний день методики расчёта дальности выброса лавин, методика С.М. Козика занижает дальность выброса лавин больших объёмов (в меньшей степени, чем большинство методик), однако на исследуемой территории этими погрешностями допустимо пренебречь, поскольку дальность выброса лавин редкой повторяемости ограничена характером рельефа долины реки.

Границы максимальной дальности выброса воздушной волны (L*) лавины (и границы лавиноопасных зон) рассчитаны по формуле:

L*=1.3L (1), где L – максимальная дальность выброса лавин.

Максимальный объем лавин Vл рассчитывался на основе морфометрических характеристик лавиносборов и характеристик снежного покрова территории по Абдушелишвили К.Л., Калдани Л.А., Цомая В.Ш. [57]:

(2), где h – средняя максимальная толщина оторвавшегося снежного пласта; F - площадь зоны зарождения лавины.

При оценке воздействия лавинных процессов на инженерные сооружения наиболее важными являются динамические характеристики снежных лавин, на основе которых рассчитываются параметры защитных сооружений: максимальная скорость лавины Uм, скорость лавины на подходе к сооружению U и плотность лавинного потока. На основе указанных характеристик рассчитывалось давление лавины на препятствие P.

Максимальная скорость лавины Uм рассчитывалась по методике С.М.

Козика.

Расчет средней скорости лавин U на подходе к сооружению проводился по методике:

- коэффициент турбулентного трения (Таблица 3);

R - гидравлический радиус, равный толщине снежной лавины, движущейся по открытым склонам, - коэффициент кинетического трения (Таблица 4).

Таблица 3. Значение коэффициента турбулентного трения Подстилающая поверхность в зоне транзита Ровный снежный покров на открытом склоне с постоянным 1200- уклоном Открытый склон со скалами и кустарником Подстилающая поверхность в зоне транзита Таблица 4. Значение коэффициента кинетического трения Скорость лавины, м/с 30 - При высоких скоростях лавин значение формула принимает вид:

Плотность лавинного потока () принималась равной 300 кг/м3 для лавин сухого снега и 400 кг/м3 для лавин мокрого снега. Максимальная плотность снеговоздушного облака принималась равной 200 кг/м3.

Ударные нагрузки. Давление лавины на препятствие P является важнейшей характеристикой, определяющей уязвимость сооружения при воздействии на него лавинного тела и снеговоздушного облака.

Процесс взаимодействия лавинного тела с препятствием можно разделить на два периода. Сначала происходит удар плотной головной части лавины. При этом происходит резкое уплотнение лавинного тела в его головной части. Величина пикового давления лавины на препятствие (Рп) рассчитывалось из выражения:

лавинном теле); uз приблизительно равно 50 м/с; – угол подхода лавинного потока к препятствию.

Cледует отметить, что пиковое значение давления лавины может превысить установившееся давление в 2 -3 раза.

Пиковые давления существуют короткое время (t): до того момента, когда от границ препятствия начинает двигаться волна разгрузки:

Второй период взаимодействия лавинного тела с препятствием – обтекание препятствия лавинным потоком – продолжительнее первого:

u (7), где L – длина лавинного тела.

Установившееся давление лавины на препятствие в этот период рассчитывалось из выражения:

сопротивления, зависящий от формы препятствия; для стенки или дамбы Cx=2,0; для вертикального цилиндрического препятствия (опора лифта) Cx= 1,6; – угол подхода лавинного потока к препятствию, значение которого принималось равным уклону зоны транзита лавиносбора в точке его сопряжения с основанием сооружения.

Лавины их сухого снега насыщены крупными снежными глыбами плотностью 300 – 400 кг/м3, которые увеличивают ударные нагрузки на сооружение.

Ударное давление лавины (P1), вызываемое крупными глыбами снега, способными производить разрушения элементов конструкций, рассчитывалось по К.Ф. Войтковскому:

В таблице представлены вызываемые разрушения в зависимости от давления лавины.

Таблица 5. Давление лавины на сооружение и вызываемые разрушения Давление Вызываемые разрушения 0,00196 Выбивает стекла и оконные рамы 0,0049 Выламывает двери, валит изгороди, ломает ветви Формирование лавин на склонах, покрытых густым лесом. Вопреки существующему мнению о защитной роли древесной растительности, лес (даже густой хвойный лес) играет в лавинном процессе регулирующую роль: с одной стороны, удерживает снежные массы на склоне, с другой стороны, способствует увеличению скорости метаморфизма снежного покрова, что, в свою очередь, приводит к формированию неустойчивой снежной толщи и увеличению дальности выброса и энергии лавин.

Густой лес на склоне не всегда является препятствием для отрыва лавин.

Лес в зонах отрыва лавин способствует снижению частоты формирования лавин и уменьшению их объемов, но не способен полностью исключить возможность их отрыва на склонах крутизной более 350. Формирующиеся на таких склонах лавины имеют небольшие объёмы, но представляют серьёзную опасность для людей и для сооружений лёгкого типа.

Отрыв лавин на склонах крутизной более 350 (как правило, более 400), покрытых густым лесом, возможен при достижении снежной толщей (или слоем) стадии конструктивного метаморфизма в сочетании:

— при повышении температуры до положительных значений и при формировании в верхней части разреза слоя влажного — при антропогенном воздействии на снежный пласт на — при работе тяжёлой техники у подножия склона, На территории Горного кластера лавиноопасны осовные склоны, поросшие густым лиственным лесом, осложнённые эрозионными врезами (высота зон отрыва лавин – 700–1000 м абс., объёмы лавин – 100 – 10000 м3).

Отрыв лавин на этих склонах происходит как небольших эрозионных врезах, так и на нерасчлененных склонах (осовы), среди густого леса (степень проективного покрытия 30 – 90 %, высота деревьев – 6 – 30 м, расстояние между стволами – 2-5 м).

Моделирование селевой опасности При моделировании селевой опасности необходимо учитывать:

Границы и площади селевых бассейнов определять по картам в масштабе 1:2 000;

Периоды годовой активности, объемы, ширина фронта и зоны аккумуляции селей, плотность селевого потока, определять на основе наблюдений;

Время добегания первой селевой волны до объекта рассчитывать на основе данных о скорости селевого потока и расположении объекта в селевом бассейне;

Глубина селевого потока (высший селевой горизонт, ВСГ) определять по отметкам селевых потоков на древесных стволах и бортах селевого русла и по литологическим характеристикам селевых отложений по общепринятым методикам;

Границы вероятной дальности пробега селевых потоков рассчитывать на основе материалов полевых наблюдений;

Структурно-реологические и другие характеристики селевых потоков и потенциальных селевых массивов, типы селевых процессов определять на основе полевых наблюдений в соответствии с методологическими принципами, изложенными в специальной литературе;

Частота формирования и объемы селевых потоков определять на основе полевых оценок состояния рыхлообломочных пород в селевом очаге (с учетом характеристик горных пород в очагах твердого питания селей) и по результатам проходки и описания шурфов, обнажений, скважин в селевых отложениях и по результатам интерпретации данных геофизических исследований;

Средняя скорость селевого потока рассчитывать по формулам В.В. Голубцова;

Для связных селей:

селевого русла;

для несвязных:

U 4.5h 0.50i 0. Максимальная скорость селевого потока (Um) рассчитывать по формуле:

Um=1.8U (12), Максимальный удельный расход селевого потока на 1 м поперечного сечения потока Q=UmHВСГb (13), где Q -расход селя, HВСГ – максимальная глубина потока (высший селевой горизонт, ВСГ), b=1 м – удельная ширина створа.

Полное (гидростатическое и гидродинамическое) давление (P) селевого потока на препятствие рассчитывалось по формуле И.И. Херхеулидзе:

P 0.1 c 5h U 2 (14), где -плотность селя.

Уклоны селевых русел определять при полевых работах.

Толщина селевых отложений определять при полевых исследованиях.

Тип селевых потоков определять по составу селевых отложений во время полевых исследований.

Повторяемость лавин и селей с разной обеспеченностью расхода, объема и дальности выброса При оценке воздействия лавинных и селевых процессов на объекты следует учитывать, что расчёт среднестатистической повторяемости лавин и селей (как и других природных явлений) представляет собой более математическое упражнение, нежели решение практической задачи, поскольку распределение частоты повторяемости лавин и селей заданных параметров (которые зависят от множества как детерминированных, так и стохастических факторов) внутри математического интервала реально рассчитать невозможно.

Расчёт селевых расходов и высших селевых горизонтов 1% и 5% обеспеченностей.

Нормативными документами, регламентирующими состав работ по селевым изысканиям (СНиП 2.01.14-83, СНиП 11-02-96, СНиП 2.01.15-90, СНиП 22-01-95, СНиП 2.01.14-83) расчёт величины селевых расходов и высших селевых горизонтов 1% и 5 % обеспеченности не предусмотрен, поскольку методик расчёта селевых расходов и высших селевых горизонтов 1% и 5 % обеспеченностей в нормативной и методической литературе не существует.

В научной литературе значения селевых расходов 1% и 5% обеспеченностей в высокогорье и среднегорье для селевых бассейнов, в которых потенциальные селевые массивы представлены моренными отложениями, а механизм зарождения селя – эрозионный (эрозионнотранспортный тип селевого процесса), порой рекомендуется рассчитывать как значения 1% и 5% обеспеченностей через расчёты расходов и уровней водных паводков в селеносных водотоках 1% и 5% обеспеченности.

Такие расчёты, в свою очередь, выполняются на основе расчётов 1% и 5% обеспеченности осадков, выпадающих в селевом бассейне.

Однако обеспеченность расхода селевого потока далеко не всегда соответствует обеспеченности расхода водного потока.

Поскольку возникновению селя, как правило, предшествует период подготовки рыхлообломочного материала в селевых очагах, паводок, вызвавший формирование селевого потока, по своим параметрам может быть меньше паводка, равного по обеспеченности данному селевому потоку.

Так, объёмы и расходы селей, сформировавшихся 5-6.08.1967 г. в селевых бассейнах Северного Кавказа соответствовавшие 1% обеспеченности были вызваны водными расходами, соответствовавшими 20% обеспеченности. Такие же случаи неоднократно наблюдались на о. Сахалине в 1970 – 2009 г.г. и в других регионах Российской Федерации.

В тоже время, при соответствующем накоплении рыхлообломочного материала в селевых очагах и сильного увлажнения грунтов в потенциальных селевых массивах формирование селей (в том числе, большого объёма) вызывается сравнительно небольшими осадками.

По этой причине расчёт обеспеченности селевого потока не в полной мере применим даже для расчёта характеристик и режима селевых потоков в тех районах высокогорья и среднегорья, в которых потенциальные селевые массивы представлены моренами, а механизм зарождения селя – эрозионный (эрозионно-транспортный тип селевого процесса).

Методов расчёта обеспеченности тех параметров селевых потоков, которые определяют величину селевого расхода и объёма единовременных селевых выносов на основе геологических факторов селеобразования, не существует.

Моделирование гидрологических явлений В блоке гидрологических задач присутствует задача оценки водонаполнения заданного бассейна при изменении уровня подъёма воды.

Результатом является графическое представление зоны подъема воды, соответствующая исходным численным характеристикам. Численными характеристиками является высота подъема воды в заданной области бассейна.

Для выполнения комплекса задач необходима векторная карта с данными о рельефе рассматриваемого бассейна. Моделируемая область должна быть задана линейным объектом векторной карты.

Ведение инженерных сетей и сетей связи осуществляется путем визуализации результатов обработки сведений по инженерным сетям и сетям связи, в том числе результаты моделирования и анализа взаимного положения объектов.

Ведение инженерных сетей и сетей связи обеспечивается за счет хранения и поддержания информации в актуальном состоянии по следующим видам сетевых инфраструктур:

Инженерные сети:

Сети связи:

Возможности по интеграции Системы с ГИС потребителей и поставщиков В настоящее время различные ведомства при решении стоящих перед ними задач применяют разные геоинформационные системы. Выбор той или иной из имеющихся систем определяется, как правило, ее удобством при решении задач, стоящих перед предприятием, и опытом работы исполнителей с имеющейся системой. Вполне понятно, что разрабатываемая ГИС должна иметь возможность использовать материалы, подготовленные различными предприятиями. По этой причине необходимо решить задачу интеграции информации, разработанной в различных ГИС.

В качестве ГИС потребители и поставщики информации используют:

Существует несколько возможных вариантов интеграции Системы и ГИС потребителей и поставщиков информации:

с помощью передачи данных через Web-службы;

с использованием данных, сохраненных в различных Информационный обмен через Web-службы Информационный обмен с использование Web-служб: WMS, WFS, WCS.

Web Map Service (WMS) – спецификация интерфейса картографических веб-служб, выдающих клиентскому приложению растровое изображения карты, сформированное на основе его запроса. Это наиболее известная и широко используемая спецификация OGC. Интерфейс WMS очень прост – в спецификации предусмотрены всего три вида запросов - GetCapabilities, GetMap и GetFeatureInfo. Из названий нетрудно догадаться, что в ответ на них служба возвращает свои характеристики, сгенерированную карту или атрибуты указанного объекта. Взаимодействие с WMS осуществляется на языке XML, запросы и ответы передаются по протоколу HTTP. Таким образом, WMS позволяет легко встраивать интерактивные карты в вебстраницы любого сайта. Причем сама служба может находиться на чужом сервере и не иметь прямого отношения к автору этого сайта. В возможности использования чужих ресурсов (если не запрещено владельцем) – фундаментальное свойство Интернета и всемирной паутины. А картографические веб-службы позволяют расширить виды встраиваемых ресурсов еще и интерактивными картами.

WMS для визуализации карты обычно использует те условные знаки, которые предусмотрел создатель службы. Поскольку изображение карты отрисовывается на сервере, у пользователя нет прямой возможности менять условные знаки. Для решения этой проблемы разработана спецификация Styled Layer Descriptor (SLD), которая позволяет пользователю передать на сервер собственные условные знаки для отрисовки карты в WMS.

Web Feature Service (WFS) – другой вид картографической веб-службы, возвращающей, в отличие от WMS, набор векторных объектов. Формат представления объектов – текст на Языке географической разметки (Geography Markup Language, GML). Сам GML является отдельной спецификацией OGC. Назначение WFS – дать клиентскому приложению возможность создавать многослойные карты, в которых слои берутся из разных источников. Растровые изображения WMS не прозрачны, поэтому вы не можете наложить изображение от одной WMS-службы поверх другой. А вот векторы WFS вполне для этого пригодны. Очевидно, что цена этому – усложнение клиентского приложения, которое должно уметь отобразить эти векторные данные. Кроме того, WFS не может полноценно заменить множество слоев WMS, т.к. даже не очень большое количество векторных объектов в формате GML занимает объем, соизмеримый с объемом растрового изображения той же карты. Поэтому эти два вида служб оптимально использовать в паре: WMS – для отображения базовой карты, WFS – для оперативной графики поверх нее (например, маршруты или выделенные объекты).

Сами по себе картографические веб-службы после выполнения каждого запроса не сохраняют у себя никаких параметров этих запросов. Хранение этих параметров потребовало бы значительных ресурсов сервера (пропорционально числу одновременно обращающихся пользователей), что не приемлемо в условиях массового использования этих служб. Все параметры хранятся в клиентском приложении, и для их стандартного хранения и обмена разработана спецификация документа карты Web Map Context Documents (WMC). Эти документы хранят ссылки на веб-службы, состав и параметры отображения слоев в пользовательском приложении.

Передача такого документа позволяет адресату увидеть карту именно в том виде, в каком ее хотел показать автор документа.

Web Coverage Service (WCS) – служба, аналогичная WFS, но ориентированная на передачу "покрытий" – сплошных распределений какого-либо признака в пространстве. Она также позволяет дополнить картографические изображения WMS слоями нового типа, которые можно сочетать с базовой картой.

Для реализации данных служб в системе используется ArcServer. В соответствии со спецификаций на ArcServer и информацией, представленной на сайте OGC (http://www.opengeospatial.org/resource/products/compliant), данный программный продукт поддерживает указанные спецификации реализации. Что позволяет сделать вывод о целесообразности использования ArcGIS.

С использованием данных, сохраненных в различные форматы.

Поставщики данных могут предоставлять информацию в виде фалов в форматах, представленных в таблице 6.

ESRI Покрытия (Coverage) Формат ArcInfo Workstation для описания Сетка (Grid) Формат ArcInfo для описания растров TIN Шейпфайлы (Shapefile) Формат ESRI шейпфайлов Векторные TIGER/Line MIF/MID TAB VPF GML Растровые IMG BMP TIFF JPEG JP SID СAD DXF DGN DWG Таблицы XLS DBF INFO MDB TXT Для получения студентами практических умений и навыков по данному разделу предусмотрено проведение одного практического занятия и трех лабораторных работ:

Практическое занятие 1: «Изучение отображения на электронной карте моделей объектов».

Целью работы является ознакомление с функциями отображения на электронной карте моделей объектов по некоторым типам, визуализации цифровых карт, визуализации отдельных участков местности по данным цифровой модели рельефа (ЦМР) и цифровой модели местности (ЦММ).

Лабораторная работа 1: «Построение каталога геоданных, их исследование и добавление на карту в приложении ArcCatalog».

Целью работы является построение собственного каталога географических данных, его редактирование и добавление данных на электронную карту.

Лабораторная работа 2: «Работа с шейп-файлами в приложении ArcCatalog».

Целью работы является задание проекции источника данных, изменение содержимого данных и работа с атрибутами.

Лабораторная работа 3: «Изучение пространственных данных в геоинформационном приложении ArcMap».

Целью работы является создание электронной карты и изучение географических данных.

1. Дайте определение понятию «модель пространственных данных».

Какие модели существуют?

2. В чем суть и преимущества векторных моделей данных?

3. С какой целью используются векторные топологические модели в 4. В чем суть растровой модели данных в ГИС?

5. Перечислите достоинства и недостатки растровой модели.

6. Чем растровая модель данных отличается от регулярно-ячеистой и 7. насколько важно различие между ними?

8. Можно ли считать квадротомическую модель данных своеобразной модификацией растровой модели?

9. Что такое TIN?

10.Какие особенности должна иметь модель данных для описания следующих типов пространственных объектов:

a. дорожная сеть, которая в общем случае не может быть представлена планарным графом, т.е. с тоннелями, эстакадами, мостами, многоуровневыми развязками;

b. сеть воздушных линий электропередач, когда на множестве опор ЛЭП размещено несколько проводов разного типа и назначения;

c. многолетняя история формирования сети административных территориальных единиц с многочисленными изменениями их границ, наименований и соподчиненности;

d. геометрия системы пещер и карстовых полостей.

11.Перечислите основные типы форматов пространственных данных.

12.Что такое шейп-файл?

13.Что такое файл dBase?

14.Что такое метаданные, какие сведения они содержат?

15. Какие способы ввода данных в ГИС существуют?

16.Опишите этапы автоматической векторизации.

17.Что такое преобразование подобия? Приведите примеры.

18.Дайте определение понятию «моделирование»? Какие виды моделирования существуют?

19.Какие задачи может решать транспортное моделирование?

20.Какие задачи может решать геоэкологическое моделирование?

РАЗДЕЛ 3. РАБОТА С ПРОСТРАНСТВЕННЫМИ ДАННЫМИ

Пространственные данные как основа создания специализированных Пространственные данные как основа хранилища данных Решение геоинформационных задач заключается в манипулировании и обработке пространственных данных. Согласно ГОСТ Р 52438-2005, пространственные данные (геоинформационные данные, геопространственные данные, географические данные, геоданные) – данные о пространственных объектах и их наборах.

Пространственный объект (геообъект, геоинформационный объект, географический объект) – цифровая модель материального или абстрактного объекта реального или виртуального мира с указанием его идентификатора, координатных и атрибутивных данных. Объектом может быть неподвижный или движущийся простой или сложный объект, явление, событие, процесс и ситуация.

Пространственные данные (географические данные, геоданные) – данные о пространственных объектах, включающие сведения об их местоположении и свойствах, пространственных и непространственных атрибутах. Пространственные данные обычно состоят их двух взаимосвязанных частей: координатных и атрибутивных данных.

Координатные данные определяют позиционные характеристики пространственного объекта. Они описывают его местоположение в установленной системе координат в виде последовательности координат точек.

Атрибутивные данные представляют собой совокупность непозиционных характеристик (атрибутов) пространственного объекта, определяют смысловое содержание (семантику) объекта и могут содержать качественные или количественные значения. Таким образом, любой предмет или явление может быть описано в пространстве согласно следующей модели: парой координат (географическое множество), геометрией (схематическое множество) и некоторым набором характеристик (атрибутов).

Атрибутивная структура данных может быть представлена в виде таблиц и текстов. При этом атрибутивные данные могут иметь пространственную привязку, либо не иметь ее. Любые атрибутивные данные могут быть «привязаны» к конкретному объекту, дополняя тем самым его пространственные характеристики.

Географическое (картографическое) множество содержит все образы объектов (точечных, линейных, площадных) с реальными географическими координатами; его выражением является цифровая модель местности (карта, изображение снимка).

Схематическое (графическое) множество – это схематическое описание образов объектов, например, в виде картосхем с условными координатами объектов, сетевых графиков планирования, схем телефонной сети, коммуникаций и т.п.

Между схематическим и географическим множествами существует тесная взаимосвязь, т.к. для решения задач анализа часто требуется совмещение схем и реальных карт, поэтому условные координаты переводятся в реальные, и наоборот.

Атрибутивное множество представляется набором характеристик различных свойств объекта. При этом не имеет значение вид характеристики.

Она может быть выражена числовым значением, качеством характеристики и т.п.

При создании информационных систем, основу которых составляют пространственные данные, необходимо учитывать их специфическую трехмерность.

Так как обработка пространственных данных относится к теории геоинформационных систем, то с учетом их специфики можно выделить следующие модели данных:

1. Атрибутивная модель. В данной модели явление (или идея) обычно соотносится с объектом (имя объекта) и некоторой характеристикой объекта (свойство объекта), принимающей некоторое значение (значение свойства) в определенное время (время). Среди этих четырех характеристик наибольшие проблемы вызывает характеристика времени. Часто интерес вызывает относительное, а не абсолютное время наблюдения явления (т.е. последовательность, в которой возникают явления). В этом случае в атрибутивной модели необходимый результат достигается упорядочиванием данных, а не фиксацией абсолютного времени. Без учета временной характеристики элементарная единица данных в атрибутивной модели представляется кортежем.

Представление элементарных данных и связей между ними может быть реализовано множеством способов. Классическими являются иерархические, сетевые, реляционные модели, модель данных «сущность-связь», семантические сети.

2. Картографическая модель. Представляет направление эволюции отображения реального мира. Так как традиционные модели данных и создаваемые на их основе количественные имитационные модели для описания и моделирования объектов реального мира обычно сложны по реализации и трудны для понимания, то карта выступает как грубая модель, способ уплотнения показателей и упрощения количественных моделей до степени, доступной восприятию и пониманию сути поведения и состояния исследуемых процессов и явлений реального мира. Карта, как модель, ориентируется на пользователя-человека. Ее можно расценивать как семантически значимое наглядное визуальное представление части реального мира. Как модель описания объектов реального мира она использует пространственные типы структур:

точки, линии, площадные фигуры (полигоны). Карта является инструментом сближения данных и их интерпретации, более полно отображает семантику предметных областей, оперируя не только конкретными фактами о состоянии объектов реального мира, но и обобщенной информацией. Любая карта, в основе которой могут лежать десятки и сотни цифр, воспринимается как один образ, т.е.

происходит сжатие и обобщение информации. Кроме того, позволяет получить интегральный образ (характеристику) исследуемого процесса или явления, вследствие чего, особенно в ее компьютерном исполнении, возрастает оперативность анализа ситуаций.

Картографические средства предоставляют наглядный инструмент отображения динамических характеристик показателей (например, в виде изолиний).

Таким образом, карта – это методология организации, анализа и отображения данных, в значительной мере «копирующая» образное мышление человека. В картографической модели информация представляется в виде набора пространственных объектов, которые подразделяются на следующие виды:

0-мерные модели – точечные;

1-мерные модели – линейные (дуги, отрезки, ломаные);

2-мерные модели – площадные (полигоны, окружности, многоугольники) и модели геополей (представлены в основном изолиниями);

2,5D-модели – двухмерные модели, отображенные в трехмерном пространстве (например, для отображения модели рельефа);

3D-модели – трехмерные модели. На основе этих моделей строятся модели поверхности, среди которых выделяются два основных вида:

модель в виде регулярной сети данных – «решеточная»

модель, построенная по нерегулярным наборам данных – триангуляционная (TIN – Triangulated Irregular Network).

Пространственные объекты и структурные отношения между ними фиксируются в виде цифровых записей в наборе файлов, образующих покрытие. Покрытие, рассматриваемое в контексте его содержательной определенности, образует слой, а композиция слоев – цифровую карту. Содержательные характеристики объектов фиксируются в виде таблиц, каждая запись в которых соотносится с определенным пространственным объектом цифровой карты через пользовательский идентификатор, указанный в записи и в цифровой 3. Графическая модель. Можно выделить два типа моделей:

1) Модель, используемая в системах автоматизированного проектирования общего назначения (САПР). Обладает являющихся изначально трехмерными. Обычно это точки, линии, сплайны, полигоны, многоугольники, окружности, эллипсы, кольца, дуги, текстовые надписи, разнообразные поверхности и тела, различные размерные линии. САПР обычно имеет богатые средства моделирования и визуализации объектов в различных чертежных проекциях и рисунках. Средства атрибутивного описания объектов в таких системах сводятся в основном к тестовым надписям.

2) Модель инженерных сетей. Является направленным топологическими и математическими свойствами, кроме того выступает в качестве некоего пространственного Модели пространственных данных для создания хранилища данных Решение любой прикладной задачи начинается с создания концептуальной информационной модели данных, описывающей объекты предметной области и их взаимосвязи на логическом уровне и далее, в процессе реализации задачи, на физическом уровне с указанием способов физического хранения. Каждый вид представления данных (атрибутивный, картографический, графический) имеет свои правила хранения, отображения и обработки образов объектов. Суть решения задачи при таком подходе заключается в установлении отношений между объектами на уровне данных и инициировании процессов обработки различных состояний объектов.

Рисунок 28. Схема преобразования пространственных данных Условно пространственные данные можно разделить на три основных класса: карты, аналитические данные, ДДЗ. Под картами в данном случае понимаются как традиционные, так и электронные карты. Соответственно, по форматам представления их в компьютере могут быть векторные и растровые карты. При этом наибольшую ценность представляют именно векторные карты. Векторные материалы, как правило, легко интегрируются с БД, имеют меньший объем, переводятся из одной системы координат в другую, проще обрабатываются. Растровые данные необходимы для визуализации, и часто служат в качестве подложки для векторных данных или для однозначной интерпретации полученных результатов вычислений.

Аналитические данные являются атрибутивными данными к конкретным объектам в пространстве. Поэтому обязательно имеют некоторую пространственную привязку. В противном случае они будут информационным шумом в хранилище пространственных данных. Таким образом, между первым и вторым классом объектов по вертикали существует тесная взаимосвязь, т.к. любые аналитические пространственные данные либо генерируются за счет использования карт, либо отображаются на них.

Третий уровень модели – данные дистанционного зондирования Земли – является элементом контроля вышестоящих уровней. Представляют собой космо-, аэрофотоснимки различных спектральных диапазонов. Именно с помощью данной пространственной информации осуществляется отслеживание точности и достоверности полученных данных первых двух уровней модели. Кроме того, при интеграции векторных геоданных с данными дистанционного зондирования Земли осуществляется построение объемных моделей объектов и процессов не только в статическом, но и динамическом отображении.

Например, задача распространения очагов горения угля. В атрибутивном пространстве система находит критические значения горения угля и объекты горения. В географическом пространстве отображается место, в котором находиться очаг горения. В схематическом пространстве красной подсветкой отмечаются объекты горения и выводятся конкретные значения. Если к полученным данным добавить космические снимки инфракрасного диапазона, то получаем дополнительные данные, на основе которых, используя дополнительные математические методы, можно получить скорость распространения пожара и его площадь. Применение средств 3D графики позволит рассмотреть данные процессы в объеме.

Исходя из предложенного разделения пространственных объектов на три класса, можно составить информационную модель каждого типа объектов (Таблица 7).

Таблица 7. Модель описания объектов хранилища пространственных данных Представление векторная Формат хранения shp Система координат Долгота/широта Проекция Сфероид Красовского Тематика Горно-геологическая Свойства(например, физико-химические свойства) Геометрия объектов Точка Таблица 8. Модель описания объектов хранилища пространственных данных Название Названия объектов Тип данных Integer, Char, Long Таблица 9. Таблица 3 - Модель описания объектов хранилища пространственных данных класса «космоснимки»

Номер Градация внутри геолого-экономических районов Формат хранения Img Система координат Долгота/широта Проекция Сфероид Красовского Обозначив типы пространственных данных и составив их модели, следует определить метаданные, которые необходимы для описания данных моделей внутри хранилища пространственных данных.

Согласно ГОСТ Р 51353-99, метаданные электронных карт – данные, которые позволяют описывать содержание, объем, положение в пространстве, качество (точность, полноту, достоверность и современность) и другие характеристики электронных карт, а также данные геодезической, гравиметрической, фотограмметрической и картографической информации, которую используют при создании (обновлении) и применении электронных карт.

Опираясь на данный стандарт, метаданные объектов хранилища данных представляют.

o сведения об организации, представившей метаданные o сведения об организации, изготовившей электронную Метаданные фотограмметрической информации:

o данные о цифровых снимках: номер кадра, разрешение на местности, координаты центра кадра на местности, район, город, дата съемки, время съемки, средний масштаб съемки, элементы внешнего ориентирования, оптическая плотность (вуали, минимальная, средняя, максимальная), спектральный диапазон, наличие дефектов в процентах (облачность, снежный покров, нерезкость, дымка, посторонние изображения), местонахождение кадра/ фрагмента, местонахождение копий кадра/фрагмента.

o данные о цифровых моделях местности: идентификатор (код), тип модели, формат представления, система координат и высот, положение точки привязки модели, размеры сторон, диагонали и площади территории, покрываемой моделью; показатели точности представления моделью местности (средние квадратические погрешности взаимного расположения контуров и представления относительных высот), признаки наличия элементов o Данные об источниках создания модели: источники исходных данных для создания модели, дата создания, метод создания, единицы измерения в плане и по высоте, высота сечения рельефа, признак согласования элементов o Данные о свойствах местности: количественные показатели o данные о цифровых фотопланах (ортофотопланах): код координаты углов, система координат и проекция, средняя квадратическая погрешность вычисления абсолютных и Метаданные картографической информации:

o Идентификационные данные: код номенклатуры, вид электронной карты, наименование главного населенного пункта или важнейшего географического объекта.

содержание, форма представления (векторная, растровая).

o Данные о математических элементах и физических характеристиках, геодезической основе и точностных компоновка, разграфка, наличие прямоугольной сетки, частота картографической и прямоугольной сеток, геодезические и прямоугольные координаты углов рамки листа карты, наличие матрицы высот рельефа и ее параметры (шаг дискретизации, количество столбцов и представления информации о нем, плановая основа, начальный пункт триангуляции, система координат, исходный уровень высот (система высот), начальный Подходы к созданию интегрированной информационной системы для В настоящее время создано большое количество ГИС для решения конкретных задач производства. Часто даже в рамках одной отрасли создаются несколько систем для решения определенного круга задач. Однако существуют задачи, которые неоднородны по степени формализации деталей. Для их решения требуются интегрированные системы. Одна из современных тенденций в геоинформатике характеризуется поиском и реализацией методов интеграции компонентов картографирования, обработки данных дистанционного зондирования, математического моделирования и других технологий в интегрированные информационные системы и среды. При этом происходит процесс адаптации разработанных и устоявшихся концепций, методов и технологий создания традиционных ИС на специфику используемых данных – геоданных. Анализ литературы по созданию информационных систем и современных разработок в области геоинформатики позволил сформулировать требования к интегрированным информационным системам для работы с пространственной информацией.

1. Качество информации. Качество информации, которая хранится и обрабатывается в системе, должно соответствовать определенным критериям. Качество пространственной информации регламентирует ГОСТ Р ИСО 19113-2003. Согласно данному стандарту к пространственным данным применяются следующие элементы качества данных:

a. полнота - наличие и отсутствие объектов, их атрибутов и b. логическая согласованность – степень соответствия логических правил структуры данных, атрибутов и отношений (структура может быть концептуальной, логической или физической):

i. концептуальная согласованность – соответствие правилам ii. доменная согласованность – соответствие значений атрибутов области допустимых значений;

iii. согласованность по формату – степень соответствия накопленных данных физической структуре набора c. позиционная точность – точность положения объектов:

i. абсолютная или внешняя точность – соответствие заявленных значений координат значениям координат, принятых или считающимся правильными;

ii. относительная или внутренняя точность – соответствие относительного положения объектов в наборе данных их соответствующим исходным положениям, принятым или iii. точность позиционирования данных относительно позиционирования данных значениям, принятым или d. временная точность – точность временных атрибутов и временных отношений объектов.

e. тематическая точность – точность количественных атрибутов и корректность неколичественных атрибутов и классификаций объектов и их отношений:

классификации объектов или их атрибутов предметной области (т.е. реальной местности или эталонному набору ii. правильность неколичественных атрибутов;

iii. точность количественных атрибутов.

2. Возможность адаптации. Имеется в виду гибкость настройки программного обеспечения системы под специфику деятельности конкретного предприятия.

3. Комплексность. Программное обеспечение должно охватывать все аспекты деятельности предприятия и соответствовать масштабу решаемых актуальных задач. При этом важное значение уделяется не только количеству решаемых задач, но и удобству решения для конечного пользователя. С учетом специфики разрабатываемой системы комплексность также заключается в возможности объединения различных типов пространственных данных и наборов программных модулей, методов, задач и технологий, а также в реализации механизма решения специализированных задач горного производства, адаптированных для непрофессиональных пользователей.

4. Открытость. Свободное взаимодействие программного обеспечения системы с другими приложениями как на уровне обмена данными, так и на уровне обмена различного рода управляющими воздействиями (например, запуск приложения и т.п.) 5. Эргономичность интерфейса. По возможности в системе должны применяться стандартизированные средства интерфейса пользователя, соответствующие характеру выполняемых человеком операций.

6. Защищенность данных. Особое внимание следует уделить порядку назначения и реализации прав доступа к информации.

7. Технология пространственной организации и обработки данных. В системе обеспечивается наиболее полная работа с пространственными данными, предоставляются инструменты и классические методы обработки данного типа информации.

Рассмотрим аспекты интеграции компонентов на уровне программ и на уровне данных.

1. Интеграция компонентов на уровне программ.

инструментальной ГИС. Осуществляет несколькими способами.

i. Макроязык. Для создания приложений пользователю предоставляется набор встроенных в инструментальную языковых конструкциях самой ГИС. Среда разработки может быть как в командном режиме (Sicad Open, ArcInfo), так и в интерактивном (ArcView). Предоставляемый набор информационно-аналитических возможностей.

ii. Диалект языка. В качестве языка используется конструкция на базе одного из популярных языков высокого уровня (C, Pascal, Basic). Типичным примером является система MapInfo, предлагающая свой собственный язык MapBasic, стандартных функций этого языка – математические, интерфейсные, табличные (работа с атрибутивными БД), iii. Внешняя среда разработки. Используется процесс создания приложений, соответствующий стандартам традиционных сред программирования. Например, система GeoGraph, использующая для разработки приложений Visual Basic и Visual C. В этом случае применяются динамические библиотеки для подключения прикладных модулей в процессе их выполнения или механизм подключения к проекту откомпилированных программ.

2. Встраивание ГИС и ее компонентов в среду внешних программ.

инструментальной ГИС на основе библиотеки динамической компоновки. Пользователю предоставляется интерфейс прикладного программирования в виде набора функций, обеспечивающих обмен данными с ГИС и управление ее 2. Интеграция компонентов на уровне данных.

1. Преобразование данных из программы в инструментальную ГИС.

Совместная работа прикладной программы и инструментальной ГИС в этом случае осуществляется условно по следующей схеме:

загрузка атрибутивных данных в прикладную программу – преобразование данных в соответствии с расчетными алгоритмами программы – сохранение в базе атрибутивных данных – загрузка данных в операционную среду инструментальной ГИС – преобразование данных в среде инструментальной ГИС – отображение информации. Такой подход оправдан в случае использования простейшего варианта прикладной ГИС, обеспечивающего наглядное отображение на картах информации, хранящейся в обычных атрибутивных базах данных и полученной в результате обработки традиционными средствами СУБД и языков программирования.

2. Преобразование данных из инструментальной ГИС в программу.

Способ представляет собой технологию извлечения и передачи в прикладную программу через обменный файл или оперативную память параметров пространственных объектов по их расположению на цифровой карте. Например: а) создаются необходимые цифровые карты в формате шейп-файла; б) шейпфайлы преобразуются в растровый формат на основе регулярной сетки (грид-файлы); в) подготовленные файлы включаются в программный комплекс; г) с помощью компонентов ГИС, подключаемых к прикладным программам, визуализируются карты, представленные в виде шейп-файлов; д) выбор информации с карт, представленных грид-файлами, выполняется автоматически.

3. Конвертирование моделей данных.

Интеграция инструментальной ГИС с аналитическими и рачетными приложениями на уровне моделей данных может обеспечиваться путем конвертирования топологических отношений в табличные представления. Подход используется, например, при создании ГИС инженерных коммуникаций. В основе графического представления инженерных сетей лежит топологическая структура сети как графа. Инженерная сеть состоит из узлов (вершины графа) и соединяющих их участков (хорды). Для решения прикладных задач инженерных сетей граф преобразует таблицу узлов и таблицу участков, поддерживаемых реляционными БД.

4. Конвертирование картографической информации.

При проектировании прикладной ГИС встает задача конвертации всего многообразия карт различных форматов во внутренний формат разрабатываемой или используемой системы. Эта задача решается включением в проектируемую систему средств экспорта/импорта данных из ряда обменных форматов, в качестве которых выбираются широко распространенные открытые форматы представления цифровых карт.

5. Объектно-ориентированные базы данных.

В среде объектно-ориентированных БД основным требованием является отсутствие противоречия между структурной и поведенческой частями проектируемой информационной системы и поддержка эффективного управления сложными структурами данных во внешней памяти. В ГИС, ориентированных на работу с БД, данные о типе объекта (набор точек, линий, полигонов) и структуре объекта (геометрия и топология) хранятся отдельно от атрибутивных данных. При этом ГИС осуществляет согласованное управление всеми данными об объектах с помощью отдельных процедур, выполняющих различные операции с геометрическими свойствами объектов. В объектно-ориентированных БД нет различий между геометрическими и атрибутивными данными.

Объект может поддерживать множественные геометрии.

Объектная технология функционирует на основе концепции сообщений. Сообщения во многих системах называются методами, а ответы – поведениями. Например, объект «шахта» на метод «показать» может рисовать коричневую область, а метод «вычислить» - площадь этой области. Языковой средой объектно-ориентированных БД является объектноориентированная система программирования, включающая средства работы как с временными, существующими только во время работы программы объектами, так и с долговечными (хранимыми во внешней памяти) объектами.

6. Интегрированные или федеральные системы и мультибазы Направление интегрированных систем неоднородных БД и комплексирования систем БД, основанных на разных моделях данных и управляемых разными СУБД. Основной задачей интеграции неоднородных БД является предоставление пользователям интегрированной системы глобальной схемы БД, представленной в некоторой модели данных, и автоматическое преобразование операторов манипулирования БД глобального уровня в операторы, понятные соответствующим локальным СУБД. Локальные системы БД при этом утрачивают свою автономность и все дальнейшие действия с ними, включая администрирование, должны вестись на глобальном уровне.

Чтобы не утрачивать локальную автономность и иметь возможность работать со всеми другими локальными СУБД, развивается направление мульти-БД. В системах мульти-БД не поддерживается глобальная схема интегрированной БД и применяются специальные способы именования для доступа к объектам локальных БД.

7. Распределенные системы.

8. Это направление связано с проблемой создания единого информационного пространства для различных отраслей знаний и различных территориально распределенных владельцев данных. В его основе лежит иерархическая структура баз данных с центральной и периферийными БД, например, БД федерального и регионального уровней. Один из подходов интеграции данных в распределенных информационных системах заключается в использовании нескольких распределенных ГИС-серверов, управляемых сервером пространственных данных SDE, работающим поверх серверного приложения. SDE обеспечивает многопользовательский доступ к общему хранилищу геоданных, включая картографические данные. Пользователи получают метаинформации, которая преобразует среду распределенных серверов в единый виртуальный сервер для выбора и анализа 3. Смешанные подходы.

1. Объектно-ориентированный подход.

Основным понятием этого подхода является «объект» - единица программ и данных, взаимодействующая с другими объектами посредством приема и передачи сообщений. С точки зрения разработчика, использующего объект, пока внешняя реакция объекта остается без изменений, никакие изменения во внутренней реализации не имеют значения. Это дает возможность легко заменять одну реализацию объекта другой без изменения внешнего программного окружения.

2. Объектно-компонентный подход.

Этот подход является развитием объектно-ориентированного подхода. Он предоставляет возможность конструирования конкретных систем путем подбора готовых элементов, отвечающих задачам конечного пользователя, а также возможность объединения компонентов от разных поставщиков и разработчиков. Программное обеспечение при этом работает с естественными для пользователя понятиями типа квартал, улица, дорога, а не с системно-ориентированными понятиями, такими, Создание хранилища пространственных данных Архитектура и технологии формирования хранилища данных Специалисты определяют хранилище данных как предметноориентированный, интегрированный, зависимый от времени набор данных, предназначенный для поддержки принятия решений различными группами пользователей. Так как хранилище носит предметно-ориентированный характер, то его организация нацелена на содержательный анализ информации, а не на автоматизацию процессов. Это свойство определяет архитектуру построения хранилища. Интегрированность означает, что данные, полученные из различных источников, хранятся согласованно и централизовано.

В настоящее время существуют фактические стандарты построения корпоративных информационно-аналитических систем, основанных на концепции хранилища. Эти стандарты опираются на современные исследования и общемировую практику создания хранилищ данных и аналитических систем. В основе концепции хранилища данных лежат две основные идеи:

1. Интеграция разъединенных детализированных данных в едином хранилище. Под детализированными данными понимаются некоторые конкретные факты, свойства, события и т.п. В процессе интеграции должно выполняться согласование рассогласованных детализированных данных и, возможно, их агрегация. Данные могут поступать из различных источников:

исторических архивов корпорации, оперативных БД, внешних 2. Разделение наборов данных, используемых для оперативной обработки, и наборов данных, применяемых для решения задач Уильям Инмон, основатель нового направления развития технологии БД, дал классическое определение информационного хранилища в 1990 г. Он охарактеризовал его как специальным образом администрируемую базу данных, содержимое которой имеет следующие свойства:

предметная ориентация интегрированность данных инвариантность во времени неразрушаемость – стабильность информации минимизация избыточной информации.

Информационное хранилище представляет собой ядро всей системы – один или несколько серверов БД.

Метаданные (репозиторий) играют роль справочника, содержащего сведения об источниках первичных данных, алгоритмах обработки, которым исходные данные были подвергнуты и т.д.

В общем виде архитектура корпоративной информационноаналитической системы на основе технологии хранилища данных описывается схемой с тремя выделенными слоями:

извлечение, преобразование и загрузка данных;

хранение данных;

анализ данных (рабочие места пользователей) (рисунок 29) Рисунок 29. Общая архитектура корпоративной информационной системы на Технология функционирования системы состоит в следующем. Данные поступают из различных внутренних транзакционных систем, от подчиненных структур и т.п. в соответствии с установленным регламентом, формами и макетами отчетности. Вся эта информация проверяется, согласуется, преобразуется и помещается в хранилище и витрины данных.

После этого пользователи с помощью специализированных инструментальных средств получают необходимую информацию для построения различных табличных и графических представлений, прогнозирования, моделирования и выполнения других аналитических задач.

Для создания хранилища пространственных данных предлагается использовать классическую архитектуру построения хранилища.

Остановимся на некоторых проблемах реализации хранилища данных:

неоднородность программной среды;

распределенный характер организации;

повышенные требования к безопасности данных;

необходимость наличия многоуровневых справочников метаданных;

потребность в эффективном хранении и обработке очень больших объемов информации.

Неоднородность программной среды. Так как хранилище данных всегда создается на некотором фундаменте уже существующих данных, то почти всегда конечное решение будет разнообразным, т.е. в нем будут использоваться автономно разработанные программные средства. Прежде всего, это касается формирования интегрированного согласованного набора данных, которые могут поступать из разнородных баз данных, электронных архивов, публичных и коммерческих электронных каталогов, справочников, статистических сборников. При построении хранилища данных приходится решать задачу построения единой, согласованно организующей информационной системы на основе неоднородных программных средств и решений. При выборе средств реализации хранилища данных приходится учитывать множество факторов, включающих уровень совместимости различных программных компонентов, легкость их освоения, эффективность функционирования и т.д.

Распределенный характер организации. В концепции хранилища данных предопределено то, что операционная аналитическая обработка может выполняться в любом узле сети независимо от места расположения основного хранилища. Хотя при аналитической обработке данные только читаются и потребность в синхронизации отсутствует, для достижения эффективности необходимо поддерживать репликацию данных в разных узлах сети.

Повышение требований к безопасности данных. Собранная вместе согласованная информация по всем направлениям деятельности предприятия дает возможность проведения сложного анализа данных. Для обеспечения должного уровня защиты доступ к данным должен контролироваться не только на уровне таблиц и их столбцов, но и на уровне отдельных строк.

Приходится также решать вопросы аутентификации пользователей, защиты данных при их перемещении в хранилище данных из оперативных баз данных и внешних источников, защиты данных при их передаче по сети.

Необходимость наличия многоуровневых справочников метаданных. Если роль метаданных (обычно содержащихся в таблицахкаталогах) в оперативных информационных системах достаточно ограничена, то наличие развитых метаданных и средств их предоставления конечным пользователям является одним из основных условий успешной реализации. Для пользователя требуются метаданные следующих типов:

1. Описания структур данных, их взаимосвязей.

2. Информация о хранимых данных и поддерживаемых агрегатах данных.

3. Информация об источниках данных и о степени их достоверности.

Одна и та же информация могла попасть в хранилище данных из разных источников. Пользователь должен иметь возможность узнать, какой источник был выбран основным и каким образом производились согласование и очистка данных.

4. Информация о периодичности обновлений данных. Желательно знать не только то, какому моменту времени соответствуют интересующие данные, но и когда они в следующий раз будут обновлены.

5. Информация о владельцах данных.

6. Статистические оценки времени выполнения запросов. До выполнения запроса полезно иметь хотя бы приблизительную оценку времени, которое потребуется для получения ответа, и объема этого ответа.

Потребность в эффективном хранении и обработке очень больших объемов информации. В настоящее время известны примеры хранилищ, содержащих терабайты информации. Основной проблемой для таких хранилищ является то, что накладные расходы на внешнюю память возрастают нелинейно при возрастании объема хранилища. Как показывают исследования, для баз данных объемом в 100 Гбайт потребуется внешняя память объемом в 4,87 раза большая, чем нужно собственно для полезных данных. При дальнейшем росте баз данных этот коэффициент увеличивается.

При этом к перечисленным выше проблемам добавляется специфика данных, которые будут храниться, налагающая определенные требования к разработке хранилища. Как было рассмотрено в главе 1, пространственные данные имеют трехмерную структуру, которую необходимо учитывать при проектировании хранилища.

Анализ предлагаемой модели пространственных данных и теория построении хранилищ данных позволяет предложить следующую схему организации хранилища пространственных данных, включающую 3 этапа:

сбор данных, первичная обработка и загрузка в систему (Рисунок 30).

Рисунок 30. Этапы создания хранилища пространственных данных На первом этапе осуществляется сбор данных. В качестве источников информации для хранилища могут выступать традиционные карты разных масштабов, ДДЗ, данные мониторинга и наблюдений. Этот этап представляет собой низовой уровень генерации информации, аккумуляцию в одном месте «сырой» информации. Подобная информация является рабочей для повседневной деятельности различных подразделений предприятия. При этом все полученные данные подвергаются анализу и оценке, т.е.

исследуются их свойства и качество, пригодность для решения горнотехнологических задач, возможность служить источником для картографирования. Согласно классику картографии А.М. Берлянту, основными критериями при оценке источников геоданных выступают:

целесообразность избранных масштаба и проекции;

достоверность карты, ее научная обоснованность и логичность построения легенды;

полнота и современность содержания;

геометрическая точность положения объектов в плане и по высоте;

качество оформления и др.