ДеМерс Майкл Н. Географические информационные системы. Основы

Подождите немного. Документ загружается.

может быть связано, например,

ограничением скорости или даже запретом

проезда

по

некоторым улицам, как, например,

случае закрытия дороги

на

ремонт. Используя нарастающее расстояние

(accumulated

distance)

(см. Главу

8),

учетом

как

геометрического расстояния,

так и

значений импеданса,

может строиться наиболее эффективный маршрут

(т.е.

маршрут наименьшей

стоимости),

а не

просто кратчайший. Узлам также могут присваиваться

значения импеданса

или

стоимости

запреты

на их

прохождение.

Как и

при определении функциональных расстояний

на

поверхности

стоимости

передвижения

по ней, все это

требует априорного знания свойств улиц,

перекрестков

других узлов.

нередко бывает так,

что

веса

импедансы

задаются несколько произвольно

или по

интуиции.

Рисунок

11.11.

Кратчайший маршрут

сети. Результат работы алгоритма поиска

кратчайшего маршрута в простой дорожной сети.

Хотя маршрутизация

принципе может выполняться

на

растре,

она

гораздо легче реализуется

векторной топологической модели данных,

поскольку эта модель лучше других воспроизводит характеристики графов.

Вам также следует знать, что вследствие наличия контуров

сети, возможны

альтернативные маршруты между двумя заданными точками,

а с

учетом

различных ограничивающих факторов,

как

статических (свойства дороги),

так

динамических (наличие

уже

существующего движения), плюс

различные виды оптимизации маршрутов (посещение набора узлов

заданном порядке, оптимизация использования парка транспортных

средств, организация работы

по

обслуживанию множеств поставщиков

потребителей грузов, выравнивание нагрузки на дорожную сеть

т.д.) тема

маршрутизации заслуживает отдельной толстой книги.

Аллокация

(allocation) это

процесс, который может использоваться

для

определения, например, положения нового супермаркета, территориального

покрытия станции водоочистки, или границ зон обслуживания

противопожарных частей. Чаще всего при этом используется сетевая

структура в векторной ГИС. Идея состоит в распространении возможностей

заданной службы по сети. Каждая связь (или каждый узел) сети имеет

определенное число обслуживаемых элементов. Например, каждый отрезок

улицы имеет некоторое число домов, к которым подается вода. Каждый дом

может рассматриваться также как потенциальный клиент для близлежащей

противопожарной части

[Lupien,

et al.,

1987].

Кроме того, каждая служба

или каждый торговый центр имеют определенную максимальную нагрузку

и предельное расстояние обслуживания, а срочные службы - ограничение

по времени на обслуживание одного обращения; все это также учитывается

при построении зон обслуживания (Рисунок

11.12),

Если бы дорожная сеть

была совершенно однородна (без импеданса, запретов, ограничений

скорости и т.д.) аллокация была бы просто делом выбора критерия и

расширения границ зон обслуживания от центров, пока эти границы не

встретятся.

Рисунок

11.12.

Аллокация

сети. Приписывание улиц, каждая из которых имеет по

домов к центру обслуживания, способному надежно обслуживать только 100

домов.

Например, если бы мы проводили аллокацию для распространителей

газет, так чтобы машина каждого проходила только определенное число

километров, программе пришлось бы просто подсчитывать километры, когда

маршрут расширяется от начальной точки, пока не будет достигнут заданный

километраж, после чего улицам будут присвоены соответствующие коды

атрибутов распространителей.

Как вы могли догадаться, большинство реальных задач аллокации

Число

домов

в квартал*

Центр

обслуживания

Не включенные

улицы

—

Включенные

улицы

довольно сложны, и на эту тему написаны серьезные труды. Здесь только

следует еще упомянуть о связи почтовых адресов с линейными объектами,

образующими покрытие уличной сети. Установление такого соответствия

называется адресным геокодированием

(address

matching).

Оно позволяет

определять почтовый (логический) адрес по географическим или условным

координатам объекта или топологическим координатам в сети, а также

выполнять обратные преобразования. Его необходимость обусловлена тем,

что люди используют логические адреса, в то время как ГИС оперирует

координатами и топологией.

НЕДОСТАЮЩЕЕ ЗВЕНО: ПОЧЕМУ НУЖНО ИСПОЛЬЗОВАТЬ

ДРУГИЕ ПОКРЫТИЯ

Здесь нужно лишь одно простое замечание. К настоящему моменту мы

рассмотрели, как точечные, линейные и площадные объекты могут

исследоваться на предмет их распределения, связности и ориентации,

образования ими окрестностей. Однако, все эти аналитические операции

часто имеют смысл только при соотнесении их с анализом других покрытий,

что особенно верно для поиска причинных механизмов рассматриваемых

явлений и определения влияния одних объектов на другие. В следующей

главе мы займемся этими вопросами, которых и им подобных, на самом

деле,

гораздо больше, чем можно было бы подумать.

Вопросы

Что мы имеем в виду, когда говорим о распределениях объектов? Чем

это знание нам полезно?

2. Как определяется равномерное распределение? Чем отличается

регулярное равномерное распределение от случайного равномерного? Что

такое кластерное распределение?

чем важность регулярного, случайного и кластерного распределения

по отношению к процессам, которые могли их вызвать? Приведите примеры

каждого из названных распределений с указанием гипотез о причинах их

образования.

4. Какова цель анализа квадратов? Опишите, как он выполняется. Какой

статистический критерий мы используем для подтверждения или

отклонения полученных результатов?

5. Каково назначение отношения дисперсии к среднему в точечных

распределениях? Чем оно отличается от традиционного анализа квадратов?

6. Что говорит нам анализ ближайшего соседа в отличие от анализа

квадратов? В чем сходство этих методов?

7. Каково назначение полигонов Тиссена? Изобразите несколько

примеров и опишите, как эти полигоны создаются.

8. Опишите статистик соединений. О чем он говорит? Чем он отличается

от простой меры смежности? В чем отличие свободного отбора от

несвободного в их применении к проверке результатов подсчета

9. Опишите процесс анализа ближайшего соседа в линейных паттернах.

Что он говорит нам о распределении линий? Опишите некоторые ситуации,

в которых статистик ближайшего соседа может давать обманчивые

результаты.

10. Опишите применение метода пересечения линий для анализа

распределений линий. Что такое случайный обход?

11.

Что такое равнодействующий вектор? Что он говорит о паттернах

линейных объектов? Что такое длина равнодействующего вектора? Как она

связана с задачами равнодействующей силы в физике?

12. Что такое нормализованная длина равнодействующего вектора? Чем

она отличается от длины равнодействующего вектора? Когда она

используется? О чем говорит большая нормализованная длина

равнодействующего вектора? В чем различие между круговой дисперсией и

нормализованной длиной равнодействующего вектора?

13. Как мы можем модифицировать определение среднего направления,

нормализованной длины равнодействующего вектора и круговой дисперсии

в случае равнозначности взаимно противоположных направлений?

14. Опишите вычисление гамма-индекса и расскажите, что он нам

сообщает о величине связности в нашей сети?

15. Что такое альфа-индекс, в чем его сходство с гамма-индексом и

отличие от него. Приведите некоторые примеры того, как оба эти индекса

могут быть использованы для не-дорожной сети.

16. Опишите в общем модель гравитации. Как на взаимодействие

точечных объектов влияют расстояние между узлами и величина узлов.

Приведите пример применения модели гравитации.

17. Опишите типы атрибутов, которые может потребоваться присвоить

узлам и дугам между узлами в работе с задачами маршрутизации и аллокации.

Глава

Наложение

покрытий

Процесс наложения требует сравнений как графики, так и атрибутов.

Техника выполнения наложения может быть довольно сложной, особенно

отношении алгоритмов, связанных с выполнением векторного наложения.

Последующие графические описания процесса наложения должны дать вам

понимание того, как компьютер выполняет векторное наложение. Данная

глава дает общее, на уровне идей, понимание вопроса, она не детализирует

все возможные методы логического или математического комбинирования

покрытий, но фокусируется на некоторых из них, которые должно быть не

трудно понять,

При возможности, вы можете опробовать различные методы на одном и

том же наборе данных. Нет замены опыту, который даст вам понимание того,

какой из методов наиболее пригоден для ваших задач. Опыт, приобретенный

даже на простейшей ГИС, легко может быть распространен на более мощную

систему. Время, затрачиваемое на освоение большой системы, может быть

существенно сокращено, если вы уже знакомы с тем, как наложение

выполняется, - вам потребуется только просмотреть страницы

документации, относящиеся к слову

"overlay"

и определить, какие кнопки

нажимать для запуска известных вам алгоритмов.

КАРТОГРАФИЧЕСКОЕ НАЛОЖЕНИЕ

К наиболее мощным возможностям современных ГИС относится их

способность комбинировать картографическое представление тематической

информации одной выбранной темы с другой. Этот процесс, называемый

наложением

(overlay),

настолько интуитивно очевиден, что его применение

за десятилетия предшествовало появлению современных компьютерных

геоинформационных систем.

Давайте рассмотрим такой пример. Новичок начинает работать в ГИС с

десятками тематических покрытий на территорию своего округа. Среди них

- стоимость земли, зонирование, типы почв, землепользование, дороги,

естественная растительность, больницы, противопожарные станции, школы

т.д.

Узнав, как выполнять наложение, он хочет попробовать его

действии,

и вот, просматривая покрытия, он обнаруживает почти полное

пространственное совпадение наиболее дешевых земель с распределением

старовозрастных дубовых лесов. Отсюда можно сделать вывод, что этот вид

лесов создает почвы низкого качества, что, в свою очередь, обуславливает

их низкую ценность. Хотя это может быть действительно так, на самом деле

рассматриваемая корреляция может быть обусловлена совсем другими

факторами.

И когда наш новичок создает наложение из покрытий стоимости земли

и типов землепользования, он обнаруживает, что определенная категория

землепользования,

данном случае

—

лесоводство, почти точно совпадает с

областью старовозрастного леса. Не удивительно, что хотя эта земля имеет

ценность для лесозаготовительной компании, ее стоимость гораздо ниже,

чем стоимость земли в расположенных поблизости промышленных,

торговых и жилых зонах.

В этих покрытиях можно найти и многие другие корреляции, например,

между стоимостью земли и транспортной инфраструктурой,

землепользованием и зонированием, между пересечениями дорог и

расположением заправочных станций. Однако, следует помнить о

рискованности выносить суждения о причинно-следственных связях на

основе обнаружения только лишь визуальной корреляции. И поскольку

карту очень легко принять за истинную картину реальности, тем более важно

получить доказательства реального существования таких связей, прежде чем

они будут использованы.

Теоретическая основа пространственной корреляции различных

феноменов уже разработана дал некоторых категорий картографических

данных, но, конечно, не для всех. Например, Сойер

[Sauer,

1925] создал

модель взаимосвязи общих категорий данных о земле в своей работе по

морфологии ландшафтов. Его исследование выявило существование

значительной корреляции между человеческой активностью, формами

ландшафта и другими физическими параметрами. Хотя он не

формализовывал эти связи для применения на картах, очевидно, что он

увидел связи между распределениями этих феноменов на земной

поверхности. В дальнейшем исследователи формализовали эту разработку

в виде широкого спектра подходов, названных, например,

sieve

mapping

[Tyrwhitt,

1950; Hills

etal.,

1967].

Среди наиболее влиятельных разработчиков этого направления был Ян

МакХарг (lan

McHarg),

работа которого, связанная с окружающей средой,

породила целую школу мысли среди сегодняшних архитекторов

ландшафтов, которая позволяет значительную часть работы выполнять при

помощи компьютера, по сравнению с тем, что было возможно на основе

полевых наблюдений и картографии одного покрытия

[Simpson,

1989].

Он

использовал некомпьютерный метод наложения с использованием

прозрачной пластиковой пленки [McHarg,

1971],

на отдельных листах

которой отображались параметры окружающей среды: чем темнее участок

пленки, тем выше чувствительность среды.

уклон

Зона

свыше

10%.

Зона

менее 10%

более 2.5%.

Зона

менее

2.5%.

ПОВЕРХНОСТНЫЙ

сток

Зона

Водные поверхности реки, озера,

водохранилища.

Зона 2 Каналы естественного стока и области

ограниченного стока.

Зона

Отсутствие водной поверхности или

выраженных каналов стока.

ПОЧВЕННЫЙ СТОК

Зона

Солончаки, болота и другие

низменности

плохим стоком.

Зона

Области

высоким уровнем грунтовых

вод.

Зона

Области с хорошим внутренним стоком.

ПОРОДЫ ОСНОВАНИЯ

Зона

Заболоченные территории, наименьшее

сопротивление сжатию.

Зона

Меловые отложения: пески, глины,

галечник, глинистый сланец.

Зона

Кристаллические

породы:

серпентинит

диабаз.

почвы

Зона

Глина

суглинок, низкая стабильность

и низкое сопротивление сжатию.

Зона 2 Суглинки от мслхопесчаных до

крупнопесчаных,

Зона

Гравий или бурый суглинок и суглинок

от

гравийного до каменистого.

ПОДВЕРЖЕННОСТЬ ЭРОЗИИ

Зона

Все участки с уклоном более 10%

песчаной почвой.

Зона

Почвы из песка

гравия или бурого

суглинка и области

уклоном более 2.5%

на

суглинке от гравийного до каменистого.

Зона

Прочие области мелкоструктурной

почвы и малого уклона.

Цг , t

мили

наложение:

физиографические

препятствия

Рисунок

12.1.

Наложение пленок для определения чувствительности окружающей

среды. Пример использования наложения пленок при ручном выполнении

процесса наложения для демонстрации повышения чувствительности

ростом

числа перекрывающихся категорий физических параметров.

При наложении листов с покрытиями друг на друга чувствительность по

разным параметрам складывается. В результате создавалось новое,

суммарное, покрытие, которое могло быть использовано для рассмотрения

альтернатив и принятия решений (Рисунок 12.1)

[Steinitz

et al.,

1976].

Мы далеко не всё еще знаем о причинных связях пространственных

феноменов. Эта тема является значительной частью того, чем занимаются

географы. Геоинформационные системы дают теперь возможность легко

выполнять процедуры наложения, благодаря чему могут возникнуть новые

гипотезы, теории и даже законы об этих корреляциях.

Многие специалисты из разных областей могут получить ценные

сведения о пространственных корреляциях, которые ранее не наблюдались

или даже не могли наблюдаться без применения компьютеров. По мере

развития этого процесса мы будем получать все более детализированный

набор правил о допустимости наложения покрытий и выводе утверждении

о причинно-следственных связях. А пока нам следует быть внимательными,

ибо современные ГИС позволяют использовать не один-единственный

простой метод наложения, а десятки. Эти развитые возможности наложения

легко могут привести к большому числу ошибок при сравнении не связанных

покрытий и ошибочным выводам в результате.

Следует заметить, что это также усиливает нашу способность сознательно

искажать информацию на картах, причем в существенно большей степени,

чем до

того,

как ГИС стали использоваться для сравнения пространственных

феноменов

[Monmonier,

1991].

"ТОЧКА В ПОЛИГОНЕ"

"ЛИНИЯ

ПОЛИГОНЕ"

Традиционно, как с использованием пленок, так и с применением

компьютеров, наложение рассматривается как метод сравнения

полигональных покрытий. Но существуют и другие типы наложений,

использующие точечные и линейные данные. Рассмотрим пару примеров.

Допустим, некий детектив пытается обнаружить пространственную связь

между некоторыми районами города и участившимися случаями уличного

воровства. Он не имеет возможности сбора данных на месте, но должен

полагаться на записи сотрудников полиции о подобных случаях за последние

годы. Он может также взять записи по преступности из имеющихся архивов

и отметить адреса этих инцидентов на карте города, где также имеются

границы районов. Это значит, что, отмечая по адресу точки происшествий,

он тем самым помещает их в полигоны, представляющие районы города.

Вдобавок, он отображает на карте статистику преступности за каждый месяц.

Этот утомительный процесс был бы намного проще, если бы данные уже

были включены в некоторую ГИС.

Исследовав точечное распределение, он обнаруживает, что в районе

Плезэнтфилд совершено гораздо больше уличных краж, чем где-либо еще.

Это удивительно, ибо Плезэнтфилд - район не бедный, где можно было бы

найти много нуждающихся в мелких суммах денег. Это также не богатый

район, где жители могли бы носить с собой крупные суммы денег.

Плезэнтфилд - район среднего класса, жители которого имеют средние

доходы, скромные дома и семейные автомобили*. Возможно, в этом районе

следует просто усилить полицейское патрулирование, но детектив не нашел

еще главную причину повышенной концентрации здесь случаев уличного

воровства.

Тогда он начинает рассматривать годовые данные помесячно и

обнаруживает повышенное количество краж в декабре. Зная, что в этом

месяце имеет место активная предрождественская торговля, он решает

сравнить данные этих месяцев с остальными за несколько лет. Двигаясь год

за годом назад, он обнаруживает сохранение тенденции вплоть до 1983 года,

до которого случаи уличного воровства имели большую рассеянность по

районам города в противоположность концентрации в Плезэнтфилде. Год

же 1983-й является годом завершения строительства торгового центра в

Плезэнтфилде. Уже теплее! Далее он рассматривает точечные отметки

случаев уличных краж на более подробной карте района и обнаруживает,

что эти точки концентрируются вдоль дорог с интенсивным движением к

торговому центру и от него. Это показывает на повышенное значение

некоторых линейных объектов (улиц) внутри полигонов (районов).

Наш детектив продемонстрировал сильную корреляцию между

точечными и полигональными объектами, и мы видим, насколько полезным

может быть сравнение между этими объектами. Он также установил

определенную связь между данными в пределах одного покрытия.

Анализируя карты, он обнаружил не только то, что в одном из полигонов

оказалось больше точек, чем в других, но и то, что сами точки находились

поблизости друг от друга (сгруппированное распределение) и от линейных

объектов.

Следующий пример покажет возможность корреляции линейных и

полигональных объектов, или процедуру "линия в пoлигoнe

(line-in-polygon).

Представьте себя в роли специалиста по исторической географии,

занимающегося исследованием развития своего города. Вы знаете, что город

испытывал несколько периодов активного роста, и что архитектурные

решения, присущие различным периодам, заметно различаются. Вначале

вы наносите на карту как отдельные полигоны области однородной

архитектуры. Возникающее распределение показывает три крупных зоны,

т.е.

не персональные на каждого взрослого члена семьи, что обычно для богатых районов

США — прим. перев.