ارزیابی قابلیت داده‌های مکانی داوطلبانه در ایجاد منظر سه‌بعدی شهر

روند رو‌به‌رشد جمعیت جهان به‌خصوص در نواحی شهری بر‌ اهمیت مدل‌سازی سه‌بُعدی می‌افزاید؛ چراکه مدل‌های سه‌بُعدی برنامه‌ریزی شهری، تجسم شهر، مدیریت سیستم‌های حمل‌ونقل هوشمند، مدیریت بحران شهری و پهنه‌بندی آلودگی‌ها را تسهیل می‌کنند. هرچند استفاده از مدل‌های سه‌بُعدی شهری که بر‌اساس استانداردهای موجود همچون citygml طراحی‌شده‌اند، سبب افزایش کارایی و بهبود نتایج بسیاری از تحلیل‌های مکانی در شهر می‌شوند، اما به‌طور طبیعی کارایی، اثربخشی و به‌طور کلی کیفیت این مدل‌ها به‌شدت به داده‌های ورودی وابسته است. جمع‌آوری داده‌های سه‌بُعدی که معیارهای کیفیت را برآورده سازد، به‌صورت تجاری و سنتی با صرف هزینه و زمان بسیار همراه خواهد بود. گسترش فناوری و ظهور امکانات جدید در حوزۀ اینترنت، بستری را برای تولید داده‌های مکانی توسط عموم مردم و به‌صورت داوطلبانه فراهم کرده و باعث گسترش مفهوم اطلاعات مکانی داوطلبانه (vgi) شده است. پدیدۀ vgi پس از ظهور به‌شدت مورد استقبال پژوهشگران و توسعه‌دهندگان قرار گرفت؛ به‌‌شکلی که امروزه پروژه‌های متعددی همچون openstreetmap نه‌‌تنها داده‌های دوبعدی بلکه امکان استخراج داده‌های سه‌بُعدی را از مشارکت مردم فراهم نموده‌اند. در این تحقیق روشی برای دستیابی به مدل سه‌بُعدی ساختمان در سطح چهارم جزئیات بر‌اساس استاندارد شناخته‌شدۀ citygml و به کمک اطلاعات مکانی داوطلبانه پیشنهاد شده است. به‌منظور ارزیابی قابلیت روش پیشنهادی، این روش برای تهیۀ مدل سه‌بُعدی یک ساختمان پیاده‌سازی شد و بر‌اساس نتایج به‌دست ‌آمده، ارتفاع ساختمان مطالعه‌شده با خطای 9 سانتی‌متر نسبت به ارتفاع دقیق آن اندازه‌گیری شد که این مقدار بهتر از حداقل دقت لازم برای تهیۀ مدل سه‌بُعدی ساختمان در سطح چهارم جزئیات می باشد.

Evaluating the Capability of Volunteered Geographic Information to Create a 3D City Perspective

IntroductionWorld population growth increases the importance of 3D city models because these models make some essential spatial analysis (such as visualization, navigation, emergency responses, disaster management and urban planning) possible or at least easier. 3D city models which were created based on common standards like CityGML are almost general comprehensive. However, quality, capability and precision of 3D city models depend on their input data. Traditional and commercial 3D data capturing methods that meet quality criteria are expensive and timeconsuming. Technologic developments and new internetbased tools have provided a platform to capture spatial data by participate participation of public and volunteers. These participations are known as Volunteered Geographic Information (VGI). VGI is strongly welcomed by researchers and developers, as todaychr('39')s multiple projects such as OpenStreetMap not only work with twodimensional data, but also capture 3D data produced by the volunteers.MethodologyIn this research the goal is using VGI to collect the required data for 3D city modeling based on the wellknown CityGML standard. Thus, a mobile application connected to a server was developed. We used image processing algorithms such as SIFT, Canny and RANAC for image matching, edge detection and vanishing point recognition respectively. Images were transformed to ground coordinate system. Finally, acquired textures via VGI are were assigned to 3D model.Results and discussionIn order to evaluate the proposed method, 3D model of a building in Shahid Rajaee University (as the most important part of a 3D city model by VGI) was created. The building height was calculated 53.34 meters. For elevation accuracy control, the building height was measured by groundbased operations. The building height based on this method was 34.44 meters. According to the defined the level of details on the CityGML standard, the required precision to create a 3D model in the fourth level of details is 20 cm. So, details can be obtained through volunteered information and images into the 3D model of building with the fourth level of details.ConclusionBased on the results obtained by the proposed method, the calculated building height is only 9 cm different with the exact height of the building obtained through the surveying operation. This difference is less than 20 centimeters, that is the required accuracy for fourth level of detail in 3D modeling. This suggests that through the proposed method, the 3D model of the building could be achieved through VGI at the fourth level of details. In addition to being an affordable method for creating a 3D city model, using VGI is a fast way to collect various information. In further studies, it is proposed to use machine learning and deep learning techniques to automate the process of creating a 3D model from volunteered geographic information in order to complete and develop this approach.