CC BY
9
ИНФОРМАЦИОННЫЕ ТЕХНОЛОГИИ
F+i = F a Q(W +Bf(tI+1), (5)
Fi+1 = F A{Q(ti+i) +Bf(ti+i) + p(ti+i)}, (6)
Fi+i = FI A {Q(t+i) +Bf(ti+i) + I(ti+i)}, (7)
FI+1 = Fi A {Q(ti+i) +Bf(ti+i) + p(ti+i) + %i)}. (8)
Процесс обновления (5) реализуется на основе новых данных и сводится к замене данных в обновляемой области и замене данных в буферной зоне.
Выражение (6) говорит о том, что данный процесс обновления приводит к замене данных в обновляемой области и замене данных в буферной зоне и обновлению средств сбора и обработки информации.
Выражение (7) говорит о том, что данный процесс обновления приводит к замене данных в обновляемой области и замене данных в буферной зоне и обновлению средств интерпретации информации.
Выражение (8) говорит о том, что данный процесс обновления приводит к замене данных в обновляемой области и замене данных в буферной зоне, обновлению методов интерпретации информации и обновлению средств сбора и обработки информации. Выражение (8) описывает регенерацию базы данных [7; 8].
2. Космическое дистанционное зондирование при обновлении БГД
Следует различать понятие дистанционное зондирование (ДЗ) и дистанционное космическое зондирование (ДКЗ). В широком понимании ДЗ - это получение информации любыми дистанционными методами об объектах на поверхности Земли, над поверхностью и под поверхностью [5]. Эти методы используют достижения в следующих областях наук: оптика, физика, фотограмметрия, геодезия, радиолокация, лазерное сканирование. Дистанционное комическое зондирование Земли - это совокупность технологий получения информации с использованием технических средств с борта космических аппаратов.
Данные дистанционного зондирования (ДДЗ) - это данные, получаемые с помощью ДКЗ. В настоящее время они служат основой для получения актуальной информации об объектах и процессах на земной поверхности. Классификация методов получения ДДЗ показана на рисунке 2.
Рисунок 2 - Методы получения данных дистанционного зондирования
В земных условиях фотограмметрические методы являются наиболее распространенными. Это обусловлено высоким уровнем развития съемки с воздушных носителей, включая беспилотные ле-
Образовательные ресурсы и технологии. 2020. № 1 (30)
61
ИНФОРМАЦИОННЫЕ ТЕХНОЛОГИИ
тательные аппараты (БПЛА), и традиционным уровнем развития фотограмметрических технологий (более 100 лет). Фотограмметрические изображения обладают высокими измерительными и изобразительными характеристиками и массовым сбором информации о местности. Именно по этой причине фотограмметрические методы были перенесены на космические аппараты и являются основой ДКЗ. Основными элементами системы ДКЗ являются: съемочная аппаратура наблюдения в разных диапазонах электромагнитных волн, носитель информации, носитель аппаратуры, расстояние до снимаемой поверхности, зона наблюдения, взаимное состояние «зона - аппаратура наблюдения». ДКЗ характеризуются тем, что съемочная аппаратура значительно удалена от исследуемого объекта в сравнении с наземными наблюдениями и съемками.
В технологиях ДКЗ получают информацию в разных спектральных диапазонах: рентгеновском, ультрафиолетовом, видимом, инфракрасном. Чем меньше длина волны, тем выше точность измерения положения объекта. Длины волн оптического диапазона меньше длин волн теплового или радиолокационного диапазона. Поэтому оптические наблюдения, фиксируемые на фотопленку или с помощью сканирующих устройств, более информативны и точны. Сложность и особенность дистанционного зондирования определяются значительным влиянием помех на полезный сигнал.
Носитель информации характеризуется информационной емкостью в байтах (Мбайтах и т.п.). Информационная емкость и информативность - разные понятия [22]. Информационная емкость характеризует допустимый для хранения объем информации на носителе в байтах. Информативность - семантическая характеристика, которая характеризует содержательность информации в модели, на носителе, в базе данных и т.п. [16].
В зависимости от аппаратуры и технологии сбора данных выбираются соответствующие методы ДКЗ. При ДКЗ возможно наблюдение всех интересующих наблюдателя объектов зоны или наблюдение части объектов зоны.
3. Космический мониторинг как системный метод получения ДДЗ
Технологии ДКЗ могут быть разовыми, периодическими и систематическими. Систематической технологией получения ДДЗ является космический мониторинг [6; 17], основой которого является геоинформационный мониторинг. Геоинформационный мониторинг интегрирует технологии сбора наземной информации. Космический мониторинг имеет самый разнообразный спектр сбора информации в разных диапазонах электромагнитных волн. Сочетание множества источников информации с интегрированной технологией служит основой интеграции космических исследований и геоинформатики. Поэтому идеология геоинформатики, геоинформационных технологий и геоинформационного мониторинга [19] служит основой интеграции космического мониторинга. В силу этого основой космических технологий формирования геоданных является геоинформационное моделирование. Поэтому многообразие информации, получаемой при космическом мониторинге, служит основой для масштабного обновления баз геоданных. Тенденция интеграции в геоинформатике способствовала созданию интегрированных геоинформационных систем (ГИС) [2].
Космический мониторинг применяют для решения разных задач: исследования экологического состояния почвы; контроль над движением транспортных средств; контроль над объектами недвижимости; анализ пожароопасных ситуаций; контроль над трубопроводным транспортом; контроль над транспортной инфраструктурой и др. На рисунке 3 показан фрагмент транспортной инфраструктуры, полученный на основе космической съемки в оптическом диапазоне.
Рисунок 3 показывает многообразие и детальность космического мониторинга. Он позволяет выполнять цифровую обработку и когнитивный анализ видеоданных. Когнитивный видеоанализ включает участие человека для качественного анализа и последующего выявления необходимости обновления БГД. Рисунок 3 также показывает важную проблему организации и обновления БГД. Геоданные БГД хранят с возможностью их визуального представления. Визуальное представление может быть либо в виде карт, либо изображений, либо совмещает карты и изображения, либо в виде трехмерных моделей. Кроме того, 3D-модели часто формируют в виде компьютерных анимаций, что требует больших объ-
62
Образовательные ресурсы и технологии. 2020. № 1 (30)
ИНФОРМАЦИОННЫЕ ТЕХНОЛОГИИ
емов памяти компьютера или носителя. Анимационная форма представления процессов и событий часто используется при разработке сценариев ситуационного моделирования [21].
Рисунок 3 - Фрагмент транспортной инфраструктуры, полученный по космической съемке (http://www.earthexplorer.usgs.gov/)
В интегрированных ГИС и интегрированных БГД применяют все виды представления геоданных. В этом случае БГД называется мультимасштабной картой [13], поскольку создает возможность хранить и представлять совокупность карт разных масштабов. Карты разных масштабов качественно отличаются видом координатной сетки, эллипсом искажений и эллипсом масштабов, а также видами условных знаков. Поэтому нельзя считать, что в мультимасштабной базе данных хранится одна модель карты. При этом следует отметить, что карты занимают небольшой объем. Максимальный объем для хранения требуют изображения. Например, снимок формата А4 при сканировании с разрешением 300 л/ин имеет объем 29 Мгбайт. Большая часть информации БГД представляется в виде картографических изображений. Однако многие карты хранятся в растровом виде, и это на порядки увеличивает их информационный объем.
Для многих БГД основной задачей представления пространственной информации является формирование визуальной модели карт. Для экономии памяти видеоданные хранят в виде тайловой структуры [26]. Тайловая структура основана на паттернах изображения и на 3-4 порядка уменьшает объект хранения. Это достигается за счет того что информационной единицей хранения становится не пиксель, а фрагмент изображения 256*256 пикселей. При выводе на экран визуальная векторная модель преобразуется в растровое изображение как с помощью пикселей, так и с помощью тайлов.
Другим важным процессом для БГД является процесс обновления введенных тайловых данных. Дополнительная проблема возникает при необходимости оперативно обновлять данные. Формально для этой цели можно выделить большое количество операторов, которые визуально следили бы и меняли необходимые участки карт или информационных полей данных БГД. Однако, если количество обновляемых объектов исчисляется тысячами, а в карте меняется всего лишь часть Q(t;-1) (выражение 1), уследить за всеми изменениями оператору невозможно, а процесс новой перестройки тайлов требует при ручной коррекции много времени. Эта ситуация описывает семантический разрыв между необходимостью обновления и возможностями человека. Поэтому возникает задача автоматизации данного процесса, которая решается применением интеллектуальных информационных технологий.
4. Дихотомическое деление в пространстве параметров при обновлении информации
При вводе ДДЗ и при обновлении в БГД формируются большие объемы исходной информации. Это создает ситуацию больших данных или информационного барьера. Для преодоления информационного барьера нужны алгоритмы автоматизированной обработки, исключающие нагрузку на операто-
Образовательные ресурсы и технологии. 2020. № 1 (30)
63
ИНФОРМАЦИОННЫЕ ТЕХНОЛОГИИ
ра. Одним из таких методов и алгоритмов является дихотомический подход [18; 25]. Реализация этого подхода возможна с применением разных математических методов. Одним из простых, но достаточно эффективных методов является метод разделяющей гиперплоскости в пространстве параметров [1; 15]. На рисунке 4 приведена структура рекуррентного дихотомического деления на основе разделяющей гиперплоскости.
Рисунок 4 - Дихотомическое деление информационной коллекции методом гиперплоскости
Классический метод разбивает пространство параметров на два класса. Но когда классов много, целесообразно разбиение по принципу «группа классов А - группа классов не А». В этом случае на первом этапе задаются признаки одного класса из группы классов А (C/t), и разделение осуществляют на эту группу классов и все остальное. В оставшейся части выделяют следующий класс этой группы и так далее, пока не выделят все классы группы А.
Автоматизированная обработка применяется и при визуализации информации, включая обновление. В настоящее время за рубежом и в России наблюдается тенденция применения методов искусственного интеллекта для обработки геоданных [24]. Поэтому для решения задачи обновления данных в БГД предложен алгоритм автоматизированного обновления, который на основе правил осуществляет анализ и обеспечивает возможность перестраивать области данных, в которых произошли изменения.
Операции с одним тайлом выполняются атомарно, как с одной информационной единицей. При вычислениях для каждого массива необходимо оценить количество информационных единиц, к которым осуществляется доступ при выполнении операций вычисления. Эта оценка влияет на вычислительный алгоритм. Если часто используемые элементы структурированных массивов не помещаются в разделяемой памяти, необходимо уменьшить размер тайла. На рисунке 5 представлена структурная модель обновления информации в БГД, которая входит в автоматизированную аналитическую систему (АИС), реализующую этот алгоритм. Следует отметить, что интеллектуальное обновление или иное автоматизированное обновление БГД невозможно средствами любой базы данных. Поэтому для автоматизированного обновления БГД необходимо либо включать в состав АИС, либо создавать интеллектуальную оболочку для базы данных.
Недостатком применения тайлов является необходимость работы с двумя пространствами: реальным пространством пространственных объектов и параметрическим пространством, в котором представляются тайлы. При сложном обновлении первая итерация осуществляется оператором с использованием его опыта и когнитивных возможностей. Оператор на первом шаге изменяет некоторые пространственные данные, добавляя их в БГД. Для анализа изменения данных (этап 1) используется
64
Образовательные ресурсы и технологии. 2020. № 1 (30)
ИНФОРМАЦИОННЫЕ ТЕХНОЛОГИИ
ГИС, ведущая журнал транзакций. АИС анализирует изменения БГД. В качестве основных параметров сравнения могут выступать размер и дата изменения файла. На следующем этапе данные попадают в ядро системы обновления АИС, в котором происходит анализ и сравнение предыдущего состояния системы Q(t_j) и новых измененных данных Q(t) (выражение 2).
Рисунок 5 - Структурная модель автоматизированного обновления БГД
Для визуальной информации этот анализ включает анализ изменения внешнего вида объекта. На основе ручного ввода, который фиксируется в журнале транзакций БГД, алгоритм определяет, какие объекты изменены. После этого формируется в автоматическом режиме буферная зона обновления Bf(t_j). Формирование буферной зоны - это достаточно отработанная автоматизированная процедура, которая человеком выполнена быть не может, но алгоритмически эта задача решается быстро и с необходимой точностью.
На основе указанных процессов алгоритм АИС определяет пространственное положение объектов в тайловой модели буферной зоны, а также нового Q(t) и старого Q(t_j) состояния объекта зоны обновления данных. Средством контроля для растровой информации с формами блочной структуры является контрольная сумма каждого блока и совокупности блоков. При несоответствии этой величины для нового Q(t) и старого Q(t_j) состояния БГД определяется пространственное положение в пространстве параметров нового и старого состояния зоны обновления БГД. На следующем этапе обновленная информация анализируется. На основе анализа изменения внешнего вида объекта строится параметрическая матрица новых состояний в тайловом пространстве. Следует отметить, что метод тайлового хранения изображений напоминает метод блокового хранения чертежей в САПР. Память экономится, но чертеж или изображение собираются либо из блоков либо из тайлов. Матрица новых состояний в БГД формирует реальное изображение из тайлов. При большом количестве данных процедура параметрического обновления работает в фоновом режиме и может следить сразу за несколькими зонами обновления БГД. Такая процедура недоступна при работе оператора, который может обновлять только одну область и не может перейти к другой, пока не закончит обновление первой. При
Образовательные ресурсы и технологии. 2020. № 1 (30)
65
ИНФОРМАЦИОННЫЕ ТЕХНОЛОГИИ
завершении обновления изменения сохраняются в пространстве параметров тайлов и в пространстве реального объекта.
Заключение
Технология обновления БГД связана с технологиями работы в реальном пространстве и в пространстве параметров. Введение двух пространств БГД, на первый взгляд, усложняет процесс обновления, но реально по отношению к человеку-оператору такое обновление на порядки ускоряется. С пространством параметров работает компьютер. Буферную зону строит компьютер. Человек инициирует начальный этап обновления и задает параметры. Вывод состоит в том, что для технологии БГД с большими объемами информации неприемлемы традиционные способы обновления при помощи транзакций и запросов. Формально такой механизм обновления БГД выглядит более сложным, но фактически с точки зрения временных затрат и нагрузки на человека оно менее трудоемко. В то же время данное направление требует проведения дальнейших исследований.
Список литературы
1. Аникина Г.А., Поляков М.Г., Романов Л.Н., Цветков В.Я. О выделении контура изображения с помощью линейных обучаемых моделей // Известия АН СССР. Техническая кибернетика. - 1980. - № 6. - С. 36-43.
2. Булгаков С.В., Ковальчук А.В., Цветков В.Я., Шайтура С.В. Интегрированные геоинформационные системы. - М.: МГТУ им. Баумана, 2007. - 113 с.
3. Дулин С.К., Розенберг И.Н. Об одном подходе к структурной согласованности геоданных // Мир транспорта. - 2005. - Т. 11, № 3. - С. 16-29.
4. Зейлер М. Моделирование нашего мира. Руководство ESRI по проектированию базы геоданных. -М.: Дата, 1999. - 254 с.
5. Кашкин В.Б., Сухинин А.И. Дистанционное зондирование Земли из космоса. Цифровая обработка изображений. - М.: Логос, 2001. - 264 с.
6. Копылов В.Н. Космический мониторинг окружающей среды. - М.: Полиграфист, 2008. - 216 с.
7. Матчин В.Т. Применение эволюционного моделирования для регенерации программного обеспечения // Образовательные ресурсы и технологии. - 2019. - № 4 (29). - С. 42-52.
8. Матчин В.Т. Регенерация баз данных. - Saarbrucken: LAP LAMBERT, 2019. - 169 с.
9. Матчин В.Т. Состояние и развитие инфраструктуры пространственных данных // Образовательные ресурсы и технологии. - 2015. - № 1 (9). - С. 137-144.
10. Савиных В.П. Космические исследования как средство формирования картины мира // Перспективы науки и образования. - 2015. - № 1. - С. 56-62.
11. Савиных В.П., Смирнов Л.Е., Шингарева К.Б. География внеземных территорий. - М.: Дрофа, 2009. - 252 с.
12. Савиных В.П., Цветков В.Я. Геоданные как системный информационный ресурс // Вестник Российской Академии наук. - 2014. - Т. 84, № 9. - С. 826-829.
13. Самсонов Т.Е. Мультимасштабные базы геоданных для электронных карт // Пространственные данные. - 2009. - № 4. - С. 46-51.
14. Смоктий О.И. Теория переноса излучения и проблемы космической геоинформатики // Труды СПИИРАН. - 2002. - №. 1. - С. 223-240.
15. Толмачев И.Л., Хачумов М.В. Бинарная классификация на основе варьирования размерности пространства признаков и выбора эффективной метрики // Искусственный интеллект и принятие решений. - 2010. - № 2. - С. 3-10.
16. Трофимов Д.М., Кац Я.Г., Сонин И.И. Некоторые вопросы геологической информативности космических снимков // Исследование природной среды космическими средствами. Геология и геоморфология. - М.: ВИНИТИ, 1976. - С. 287-292.
17. Цветков В.Я. Анализ применения космического мониторинга // Перспективы науки и образования. - 2015. - № 3. - С. 48-55.
66
Образовательные ресурсы и технологии. 2020. № 1 (30)
------------------------- ИНФОРМАЦИОННЫЕ ТЕХНОЛОГИИ -----------------------------------------
18. Цветков В.Я. Дихотомический анализ сложности системы // Перспективы науки и образования. -
2014. - № 2. - С. 15-20.
19. Цветков В.Я. Информатизация, инновационные процессы и геоинформационные технологии // Известия высших учебных заведений. Геодезия и аэрофотосъемка. - 2006. - № 4. - С. 112-118.
20. Цветков В.Я. Проектирование структур данных и базы данных. - М.: Московский государственный университет геодезии и картографии, 1997. - 90 с.
21. Шайтура С.В. Информационная ситуация в геоинформатике // Образовательные ресурсы и технологии. - 2016. - № 5 (17). - С. 103-108.
22. Шойдин С.А. Информационная емкость голограмм в практических применениях // Гео-Сибирь. -2006. - Т. 4. - С. 52-54.
23. Bondur V.G., Tsvetkov V.Ya. New Scientific Direction of Space Geoinformatics // European Journal of Technology and Design. - 2015. - No. 4 (10). - P. 118-126.
24. Hill L.L. Georeferencing: the geographic association of Information. - Cambridge: Massachusetts Institut of Technology, 2009. - 272 p.
25. Morimune K. Comparisons of normal and logistic models in the bivariate dichotomous analysis // Econometrica: Journal of the Econometric Society. - 1979. - P. 957-975.
26. Wei L.Y. Tile-based texture mapping on graphics hardware // Proceedings of the ACM SIGGRAPH/ EUROGRAPHICS conference on Graphics hardware. - ACM, 2004. - P. 55-63.
References
1. Anikina G.A., Polyakov M.G., Romanov L.N., Cvetkov V.Ya. O vydelenii kontura izobrazheniya s pomoshch’yu linejnyh obuchaemyh modelej // Izvestiya AN SSSR. Tekhnicheskaya kibernetika. - 1980. -№ 6. - S. 36-43.
2. Bulgakov S.V., Koval’chuk A.V., Cvetkov V.Ya., Shajtura S.V Integrirovannye geoinformacionnye sistemy. -M.: MGTU im. Baumana, 2007. - 113 s.
3. Dulin S.K., Rozenberg I.N. Ob odnom podhode k strukturnoj soglasovannosti geodannyh // Mir transporta. -2005. - T. 11, № 3. - S. 16-29.
4. ZejlerM. Modelirovanie nashego mira. Rukovodstvo ESRI po proektirovaniyu bazy geodannyh. - M.: Data, 1999. - 254 s.
5. Kashkin V.B., SuhininA.I. Distancionnoe zondirovanie Zemli iz kosmosa. Cifrovaya obrabotka izobrazhenij. -M.: Logos, 2001. - 264 s.
6. Kopylov V.N. Kosmicheskij monitoring okruzhayushchej sredy. - M.: Poligrafist, 2008. - 216 s.
7. Matchin V.T. Primenenie evolyucionnogo modelirovaniya dlya regeneracii programmnogo obespecheniya // Obrazovatel’nye resursy i tekhnologii. - 2019. - № 4 (29). - S. 42-52.
8. Matchin V.T. Regeneraciya baz dannyh. - Saarbrucken: LAP LAMBERT, 2019. - 169 s.
9. Matchin V.T. Sostoyanie i razvitie infrastruktury prostranstvennyh dannyh // Obrazovatel’nye resursy i tekhnologii. - 2015. - № 1 (9). - S. 137-144.
10. Savinyh VP. Kosmicheskie issledovaniya kak sredstvo formirovaniya kartiny mira // Perspektivy nauki i obrazovaniya. - 2015. - № 1. - S. 56-62.
11. Savinyh V.P., Smirnov L.E., Shingareva K.B. Geografiya vnezemnyh territory. - M.: Drofa, 2009. - 252 s.
12. Savinyh V.P., Cvetkov V.Ya. Geodannye kak sistemnyj informacionnyj resurs // Vestnik Rossijskoj Akademii nauk. - 2014. - T. 84, № 9. - S. 826-829.
13. Samsonov T.E. Mul’timasshtabnye bazy geodannyh dlya elektronnyh kart // Prostranstvennye dannye. -2009. - № 4. - S. 46-51.
14. Smoktij O.I. Teoriya perenosa izlucheniya i problemy kosmicheskoj geoinformatiki // Trudy SPIIRAN. -2002. - №. 1. - S. 223-240.
15. TolmachevI.L., HachumovM.V. Binarnaya klassifikaciya na osnove var’irovaniya razmernosti prostranstva priznakov i vybora effektivnoj metriki // Iskusstvennyj intellekt i prinyatie reshenij. - 2010. - № 2. - S. 3-10.
16. Trofimov D.M., Kac Ya.G., Sonin I.I. Nekotorye voprosy geologicheskoj informativnosti kosmicheskih snimkov // Issledovanie prirodnoj sredy kosmicheskimi sredstvami. Geologiya i geomorfologiya. - M.: VINITI, 1976. - S. 287-292.
Образовательные ресурсы и технологии. 2020. № 1 (30)
67
ИНФОРМАЦИОННЫЕ ТЕХНОЛОГИИ
17. Cvetkov VYa. Analiz primeneniya kosmicheskogo monitoringa // Perspektivy nauki i obrazovaniya. -
2015. - № 3. - S. 48-55.
18. Cvetkov V.Ya. Dihotomicheskij analiz slozhnosti sistemy // Perspektivy nauki i obrazovaniya. - 2014. -№ 2. - S. 15-20.
19. Cvetkov V.Ya. Informatizaciya, innovacionnye processy i geoinformacionnye tekhnologii // Izvestiya vysshih uchebnyh zavedenij. Geodeziya i aerofotos”emka. - 2006. - № 4. - S. 112-118.
20. Cvetkov VYa. Proektirovanie struktur dannyh i bazy dannyh. - M.: Moskovskij gosudarstvennyj universitet geodezii i kartografii, 1997. - 90 s.
21. Shajtura S.V Informacionnaya situaciya v geoinformatike // Obrazovatel’nye resursy i tekhnologii. -
2016. - № 5 (17). - S. 103-108.
22. Shojdin S.A. Informacionnaya emkost’ gologramm v prakticheskih primeneniyah // Geo-Sibir’. - 2006. -T. 4. - S. 52-54.
23. Bondur V.G., Tsvetkov V.Ya. New Scientific Direction of Space Geoinformatics // European Journal of Technology and Design. - 2015. - No. 4 (10). - P. 118-126.
24. Hill L.L. Georeferencing: the geographic association of Information. - Cambridge: Massachusetts Institut of Technology, 2009. - 272 p.
25. Morimune K. Comparisons of normal and logistic models in the bivariate dichotomous analysis // Econometrica: Journal of the Econometric Society. - 1979. - P. 957-975.
26. Wei L.Y. Tile-based texture mapping on graphics hardware // Proceedings of the ACM SIGGRAPH/ EUROGRAPHICS conference on Graphics hardware. - ACM, 2004. - P. 55-63.
68
Образовательные ресурсы и технологии. 2020. № 1 (30)
