Нечіткий підхід до визначення когнітивного просторового розташування об'єкта в географічній інформаційній системі

Автор(и)

DOI:

https://doi.org/10.15587/1729-4061.2021.246556

Ключові слова:

когнітивний опис просторових відносин, просторове моделювання, нечітка логіка, географічна інформаційна система

Анотація

Роботу присвячено проблемі інтерпретації нечіткої семантики когнітивних описів просторових відносин на природній мові, і їх візуалізації в географічній інформаційній системі (ГІС). Розглянуто вирішення задачі визначення нечіткого просторового розташування об'єкта на основі розпливчастих описів спостерігача на природній мові. Завдання актуальне в критичних ситуаціях, коли немає можливості повідомити точні координати об'єкта спостереження, окрім як, описавши його розташування відносно самого спостерігача. Подібна ситуація може бути наслідком скоєного злочину, терористичного акту чи стихійного лиха. Спостерігач, який опинився на місці подій, надсилає текстове повідомлення, що представляє собою опис розташування об'єкта або місця (наприклад, місця скоєння злочину, місця розташування небезпечних об'єктів, місце катастрофи). З текстового повідомлення надалі може бути вилучена семантика просторового розташування об'єкта.

Запропонований нечіткий підхід ґрунтується на формалізації фраз спостерігача, якими він може описувати просторові відносини, у вигляді набору лінгвістичних змінних, що визначають напрямок і відстань до об'єкта. Наведені приклади функцій належності для лінгвістичних змінних.

Просторова база знань будується на основі фраз спостерігачів і відповідних їм нечітких регіонів. Розроблено алгоритми побудови когнітивних регіонів в ГІС. Запропоновано методи накладення когнітивних регіонів для отримання підсумкового нечіткого регіону розташування об'єкта. Розглянуто приклад реалізації нечіткої моделі виділення когнітивних регіонів на основі розпливчастих описів декількох спостерігачів, виконаної за допомогою розроблених скриптів Python, інтегрованих в ArcGIS 10.5

Біографії авторів

Світлана Дмитрівна Кузніченко, Одеський державний екологічний університет

Кандидат географічних наук, доцент

Кафедра інформаційних технологій

Ірина Вікторівна Бучинська, Одеський державний екологічний університет

Доктор філософії з комп’ютерних наук

Кафедра інформаційних технологій

Посилання

  1. Goodchild, M., Egenhofer, M. J., Fegeas, R., Kottman, C. (Eds.) (1999). Interoperating Geographic Information Systems. Springer, 509. doi: https://doi.org/10.1007/978-1-4615-5189-8
  2. Zhang, J., Goodchild, M. F. (2002). Uncertainty in Geographical Information. CRC Press, 288. doi: https://doi.org/10.1201/b12624
  3. Fisher, P., Cheng, T., Wood, J. (2007). Higher Order Vagueness in Geographical Information: Empirical Geographical Population of Type n Fuzzy Sets. GeoInformatica, 11 (3), 311–330. doi: https://doi.org/10.1007/s10707-006-0009-5
  4. Xiang, J. (2021). An intelligent computing and control model of topological relation between spatial objects based on fuzzy theory. Journal of Physics: Conference Series, 1948 (1), 012012. doi: https://doi.org/10.1088/1742-6596/1948/1/012012
  5. Liu, Y., Yuan, Y., Gao, S. (2019). Modeling the Vagueness of Areal Geographic Objects: A Categorization System. ISPRS International Journal of Geo-Information, 8 (7), 306. doi: https://doi.org/10.3390/ijgi8070306
  6. Kuznichenko, S., Buchynska, I., Kovalenko, L., Gunchenko, Y. (2019). Suitable Site Selection Using Two-Stage GIS-Based Fuzzy Multi-criteria Decision Analysis. Advances in Intelligent Systems and Computing, 214–230. doi: https://doi.org/10.1007/978-3-030-33695-0_16
  7. Kuznichenko, S., Kovalenko, L., Buchynska, I., Gunchenko, Y. (2018). Development of a multi­criteria model for making decisions on the location of solid waste landfills. Eastern-European Journal of Enterprise Technologies, 2 (3 (92)), 21–30. doi: https://doi.org/10.15587/1729-4061.2018.129287
  8. Towards Platial Joins and Buffers in Place-Based GIS (2013). Proceedings of The First ACM SIGSPATIAL International Workshop on Computational Models of Place - COMP ’13. doi: https://doi.org/10.1145/2534848.2534856
  9. Blaschke, T., Merschdorf, H., Cabrera-Barona, P., Gao, S., Papadakis, E., Kovacs-Györi, A. (2018). Place versus Space: From Points, Lines and Polygons in GIS to Place-Based Representations Reflecting Language and Culture. ISPRS International Journal of Geo-Information, 7 (11), 452. doi: https://doi.org/10.3390/ijgi7110452
  10. Scheider, S., Hahn, J., Weiser, P., Kuhn, W. (2018). Computing with cognitive spatial frames of reference in GIS. Transactions in GIS, 22 (5), 1083–1104. doi: https://doi.org/10.1111/tgis.12318
  11. Talmy, L. (1983). How Language Structures Space. Spatial Orientation, 225–282. doi: https://doi.org/10.1007/978-1-4615-9325-6_11
  12. Li, T. J.-J., Sen, S., Hecht, B. (2014). Leveraging Advances in Natural Language Processing to Better Understand Tobler's First Law of Geography. Proceedings of the 22nd ACM SIGSPATIAL International Conference on Advances in Geographic Information Systems, 513–516. doi: https://doi.org/10.1145/2666310.2666493
  13. VoPham, T., Hart, J. E., Laden, F., Chiang, Y.-Y. (2018). Emerging trends in geospatial artificial intelligence (geoAI): potential applications for environmental epidemiology. Environmental Health, 17 (1). doi: https://doi.org/10.1186/s12940-018-0386-x
  14. Lipinski, J., Schneegans, S., Sandamirskaya, Y., Spencer, J. P., Schöner, G. (2012). A neurobehavioral model of flexible spatial language behaviors. Journal of Experimental Psychology: Learning, Memory, and Cognition, 38 (6), 1490–1511. doi: https://doi.org/10.1037/a0022643
  15. Hahn, J., Fogliaroni, P., Frank, A. U., Navratil, G. (2016). A Computational Model for Context and Spatial Concepts. Lecture Notes in Geoinformation and Cartography, 3–19. doi: https://doi.org/10.1007/978-3-319-33783-8_1
  16. Shi, W., Liu, K. (2004). Modeling Fuzzy Topological Relations Between Uncertain Objects in a GIS. Photogrammetric Engineering & Remote Sensing, 70 (8), 921–929. doi: https://doi.org/10.14358/pers.70.8.921
  17. Liu, K., Shi, W. (2009). Quantitative fuzzy topological relations of spatial objects by induced fuzzy topology. International Journal of Applied Earth Observation and Geoinformation, 11 (1), 38–45. doi: https://doi.org/10.1016/j.jag.2008.06.001
  18. Yan, Y., Feng, C.-C., Wang, Y.-C. (2016). Utilizing fuzzy set theory to assure the quality of volunteered geographic information. GeoJournal, 82 (3), 517–532. doi: https://doi.org/10.1007/s10708-016-9699-x
  19. Du, S., Qin, Q., Wang, Q., Li, B. (2005). Fuzzy Description of Topological Relations I: A Unified Fuzzy 9-Intersection Model. Advances in Natural Computation, 1261–1273. doi: ttps://doi.org/10.1007/11539902_161
  20. Sozer, A., Yazici, A., Oguztuzun, H. (2015). Indexing Fuzzy Spatiotemporal Data for Efficient Querying: A Meteorological Application. IEEE Transactions on Fuzzy Systems, 23 (5), 1399–1413. doi: https://doi.org/10.1109/tfuzz.2014.2362121
  21. Cheng, H. (2016). Modeling and querying fuzzy spatiotemporal objects. Journal of Intelligent & Fuzzy Systems, 31 (6), 2851–2858. doi: https://doi.org/10.3233/jifs-169167
  22. Guo, J., Shao, X. (2017). A fine fuzzy spatial partitioning model for line objects based on computing with words and application in natural language spatial query. Journal of Intelligent & Fuzzy Systems, 32 (3), 2017–2032. doi: https://doi.org/10.3233/jifs-161616
  23. Wang, X., Du, S., Feng, C.-C., Zhang, X., Zhang, X. (2018). Interpreting the Fuzzy Semantics of Natural-Language Spatial Relation Terms with the Fuzzy Random Forest Algorithm. ISPRS International Journal of Geo-Information, 7 (2), 58. doi: https://doi.org/10.3390/ijgi7020058
  24. Zadeh, L. A. (1975). The concept of a linguistic variable and its application to approximate reasoning – II. Information Sciences, 8 (4), 301–357. doi: https://doi.org/10.1016/0020-0255(75)90046-8
  25. Xu, J., Pan, X. (2020). A Fuzzy Spatial Region Extraction Model for Object’s Vague Location Description from Observer Perspective. ISPRS International Journal of Geo-Information, 9 (12), 703. doi: https://doi.org/10.3390/ijgi9120703
  26. Karpinski, M., Kuznichenko, S., Kazakova, N., Fraze-Frazenko, O., Jancarczyk, D. (2020). Geospatial Assessment of the Territorial Road Network by Fractal Method. Future Internet, 12 (11), 201. doi: https://doi.org/10.3390/fi12110201
  27. Malczewski, J. (2000). On the Use of Weighted Linear Combination Method in GIS: Common and Best Practice Approaches. Transactions in GIS, 4 (1), 5–22. doi: https://doi.org/10.1111/1467-9671.00035

##submission.downloads##

Опубліковано

2021-12-29

Як цитувати

Кузніченко, С. Д., & Бучинська, І. В. (2021). Нечіткий підхід до визначення когнітивного просторового розташування об’єкта в географічній інформаційній системі. Eastern-European Journal of Enterprise Technologies, 6(9 (114), 24–31. https://doi.org/10.15587/1729-4061.2021.246556

Номер

Розділ

Інформаційно-керуючі системи