رویکردی نو در پیاده سازی الگوریتم‌های ساده سازی هندسی عوارض خطی با هدف کنترل بر میزان ساده سازی

ساده‌سازی هندسی عوارض خطی از اوایل سال 1900 میلادی مورد توجه جغرافی‌دانان و کارتوگراف‌ها قرار گرفت و با گذشت زمان و افزایش حجم تولید داده‌ها، بر اهمیت آن افزوده شد. اکثر الگوریتم‌های ارائه شده توسط محققان مختلف، بر مبنای حد آستانه عمل می‌کنند و کنترل خاصی بر میزان حجم ساده‌سازی هندسی ندارند. بدین ترتیب در این تحقیق، رویکردی ارائه شد که توسط آن می‌توان بدون آزمون و خطا، درصد یا تعداد کاهش نقاط اولیه عارضه خطی را تعیین نمود. این رویکرد به عنوان نمونه بر روی دو الگوریتم داگلاس-پوکر (dp) و ویسوالینگام-وایعت (vw) با هدف انتخاب برترین نقاط به تعداد دلخواه (n) پیاده شد و نتایج به دست آمده از آن توسط سه داده مختلف مورد ارزیابی قرار گرفت که نشان داد، هر یک از الگوریتم‌های پیشنهادی می‌تواند 80 درصد از نقاط انتخابی توسط کارشناس نقشه بردار در برداشت عرصه‌ی یک زمین کشاورزی را با دقت 98.68 درصدی در محاسبه مساحت و خطای 95 سانتی‌متری در تعیین موقعیت مطلق، به درستی انتخاب کند. نتایج بررسی کیفیت ساده‌سازی توسط الگوریتم‌های پیشنهادی مبتنی بر dp و vw، بر اساس سه شاخص مختلف، نشان می‌دهد که متوسط خطا توسط پلیگون‌های اسلایور، درصد شباهت انحنای متوسط و درصد شباهت تندی زوایا برای 10، 30، 50، 70 و 90 درصد ساده‌سازی بر روی چهارده خط سیر جمع آوری شده، برای الگوریتم مبتنی بر dp به ترتیب برابر 0.50، 72.30 و 71.85 و برای الگوریتم مبتنی بر vw به ترتیب برابر 0.45، 70.34 و 69.84 بوده است.همچنین نشان داده شده است که حتی با بهینه‌سازی مقدار حد آستانه الگوریتم‌های dp و vw، توسط الگوریتم بهینه‌سازی ژنتیک، خطای نسبی آن‌ها در انتخاب برترین نقاط به تعداد مشخص، به صورت میانگین برای 14 خط سیر جمع آوری شده، به ترتیب 38.212 و 40.228 درصد بیشتر از الگوریتم‌های پیشنهادی تحقیق در مدت زمان پردازشی برابر خواهد بود.

a new approach in implementing geometric simplification algorithms of linear features with the aim of controlling the degree of simplification

geographers and cartographers have been interested in the geometric simplification of linear features since the early 1900s. its relevance has grown with time and the rise in data creation volume. most of the algorithms described by different researchers work on the basis of the threshold limit and have no special control on the amount of geometric simplification. thus, in this study, a technique was proposed for determining the percentage or number of reductions in the beginning points of the linear features without using trial and error. this methodology was used to the douglas-poker (dp) and visvalingam-whyatt (vw) algorithms to identify optimal nodes for an arbitrary quantity (n), and the results were assessed using three distinct datasets. which demonstrated that, while cadastering agricultural land, each of the suggested algorithms can accurately choose 80% of the spots chosen by an expert surveyor, with a 98.68% accuracy rate in computing the area and a 95 cm error rate in determining the location.the results of checking the quality of simplification by the proposed algorithms based on dp and vw, based on three different indicators, show that the average error by sliver polygons, average curvature similarity percentage, and angle sharpness similarity percentage for 10%, 30%, 50%, 70%, and 90% simplification on the fourteen recorded trajectories, was 0.50, 72.30, and 71.85 for the dp-based algorithm and 0.45, 70.34, and 69.84 for the vw-based approach.it has also been demonstrated that, even after optimizing the threshold value of dp and vw algorithms using the genetic optimization algorithm, their relative error in selecting the best points for a given number, as an average for 14 trajectories collected, is 38.212% and 40.228% higher than the algorithms proposed by the research in the same processing time.