ارائه روشی برای تعیین موقعیت ماشینی آدرس های توصیفی

آدرس قدیمی ترین و پرکاربردترین شناسه مکانی محسوب می شود و در مقایسه با شناسه های مکانی دیگر مانند مختصات، مورد استفاده بیشتر قرار گرفته است. آدرس ها در دنیا به اعتبار وجود یا عدم وجود استاندارد، به دو دسته آدرس های استاندارد و آدرس های غیراستاندارد یا توصیفی تقسیم می شوند. از طرفی غالب روش های موجود برای تعیین موقعیت ماشینی آدرس ها، برای آدرس ها با ساختار استاندارد توسعه داده شده اند. اما از آنجا که آدرس های توصیفی دارای پیچیدگی ساختاری و معنایی بیشتری نسبت به آدرس های استاندارد بوده، لذا تعامل ماشین با این دسته از آدرس ها، دشوارتر می باشد. البته علی رغم دشواری تعامل ماشین با این گونه آدرس ها، آدرس های توصیفی مزایایی نسبت به آدرس های استاندارد دارند که باعث می شود به جای آن که به دنبال جایگزینی آن ها با آدرس های استاندارد باشیم، به توسعه روشی برای حل مسئله تعیین موقعیت ماشینی آدرس های توصیفی بپردازیم. از این رو، هدف اصلی این تحقیق، ارائه روشی برای تعیین موقعیت ماشینی آدرس های توصیفی می باشد تا اولاً چالش تعیین موقعیت ماشینی این آدرس ها برطرف شود ثانیاً امکان بهره مندی از مزایای آدرس های توصیفی با جایگزینی آن ها با آدرس های استاندارد، از بین نرود. رویکرد این تحقیق برای حل مسئله آدرس یابی ماشینی برای آدرس های توصیفی شامل دو بخش اصلی «ایجاد هستی شناسی گرامر رسمی زبان آدرس های توصیفی» برای تجزیه متن آدرس و »طراحی و توسعه یک مدل داده مکانی غنی شده با ادراک مکانی « برای تعیین موقعیت یا انطباق مکانی اجزای آدرس توصیفی می باشد. بر اساس رویکرد پیشنهادی تحقیق، پیاده سازی جهت نمایش قابلیت اجرا و ارزیابی روش انجام گرفت. در نهایت، رویکرد حل مسئله در بهره گیری از مزایای آدرس های توصیفی به جای جایگزینی این آدرس ها با آدرس های استاندارد، باعث انعطاف پذیری راه حل شده و دامنه کاربرد آدرس های توصیفی را گسترش داده است.

An Approach for Automatic Matching of Descriptive Addresses

Address matching (also called geocoding) is an applied spatial analysis which is frequently used in everyday life. Almost all desktop and webbased GIS environments are equipped with a module to match the addresses expressed in predefined standard formats on the map. It is an essential prerequisite for many of the functionalities provided by locationbased services (e.g. car navigation). Several methods have been proposed for address matching which assume a standard format for the components of the address, and propose solutions for matching the known address components to map components. The situation is, however, more difficult when there is no addressing standard, and addresses are expressed in descriptive languages. An interesting example is Iran, where people express addresses as a sequence of spatial elements (e.g. streets, squares, landmarks, etc.), starting from a known element. Although this method of addressing may seem very unpleasant at first, it is very efficient, because (1) it not only specifies the destination, but it also tells how to reach it. In other words, you do not need any map, navigation system, etc. to find the destination. Instead, you can reach the known starting point and then look for the next components, stepbystep; and (2) this way, you will inevitably be exposed to the environment and its spatial elements, which helps you in building up your cognitive map.This article proposes a solution for automatic matching of descriptive addresses. The solution has two main steps. In the first step, the address is decomposed to its addressing components by defining a formal grammar. For this, we assume that a descriptive address consists of two types of components:Geonames (GN)Constant geonames (cGN): avenue, street, alley, etc.Variable geonames (vGN): names of the constant geonamesSpatial relations (SR): after, before, etc.In the second step, a cognitivelyenriched data model is developed for interpretation of the addressing components resulted from the previous step. We use Paths rdquo;, ldquo;Edges rdquo;, ldquo;Landmarks rdquo;, ldquo;Nodes rdquo;, and ldquo;Districts ldquo; as the basic types of the components of a descriptive address. To perform the matching, each component of the address is assigned one of the above basic types and a search is carried out to match the each component to a single location