المكاسب:
- القدرة على تحديد منطق نظم المعلومات الجغرافية لاستخدام الأراضي وتحليل الملاءمة وإمكانية الوصول ودور الذكاء الاصطناعي في سير العمل هذا
- القدرة على استخدام مفاهيم الطبقة والسمات ونظام الإحداثيات بشكل صحيح عند تصميم الخيال التحليلي باستخدام الذكاء الاصطناعي
- القدرة على التحقق من خطوات التحليل المقترحة بواسطة الذكاء الاصطناعي بجودة بيانات حقيقية ودقة مكانية ومرجع تنسيقي
محرك تخطيط المدن هو البيانات المكانية: أين يوجد، وكم يوجد، وإلى أي مدى. تسمى عائلة البرامج التي تقوم بجمع هذه البيانات وتخزينها والاستعلام عنها ورسم خرائط لها بأنظمة المعلومات الجغرافية (اختصار GIS؛ GIS باللغة الإنجليزية). يجيب تحليل استخدام الأراضي على أسئلة مثل مكان بناء المدرسة، وما إذا كانت المنطقة مناسبة للسكن أو الصناعة، وعدد الأشخاص الذين تخدمهم المنطقة الخضراء، وما إلى ذلك باستخدام نظم المعلومات الجغرافية. يعد الذكاء الاصطناعي مساعدًا قويًا في تصميم إعداد هذه التحليلات، وتسلسل الخطوات، وترتيب المعايير والأوزان، والإبلاغ عن النتيجة. لكن التحليل يعتمد على البيانات المكانية، وتحدد جودة البيانات المكانية ونظامها الإحداثي وعملتها النتيجة. لا يستطيع الذكاء الاصطناعي رؤية هذه البيانات؛ إنه يقوم فقط بتحرير الخيال الذي تقدمه. لذلك، يجب اختبار كل خطوة يقترحها الذكاء الاصطناعي باستخدام بيانات حقيقية ومرجع إحداثي دقيق.
ثلاثة مفاهيم أساسية لنظم المعلومات الجغرافية
الطبقة: كل نوع بيانات عبارة عن طبقة منفصلة - الطرق عبارة عن طبقة، والمباني طبقة أخرى، والمنحدر طبقة أخرى. التحليل هو تراكب وربط الطبقات.
السمة: يحتوي كل كائن مكاني على جدول - المنطقة والاستخدام وحالة مالك قطعة الأرض. غالبًا ما يكون السؤال المكاني سؤالًا سميًا: "الأراضي التي يكون استخدامها "مساحة خضراء" والتي تزيد مساحتها عن 5000 متر مربع".
النظام المرجعي الإحداثي (CRS): هو الإطار الرياضي الذي يحول سطح الأرض المنحني إلى خريطة مسطحة. يتم استخدام ITRF/TM (مثل الأنظمة الوطنية المحددة بواسطة رموز EPSG) على نطاق واسع في تركيا. يعد False CRS هو الخطأ المكاني الأكثر شيوعًا والأكثر غدرًا: فالطبقات لا تتداخل، والمناطق والمسافات خاطئة تمامًا. إذا اقترح الذكاء الاصطناعي حساب المسافة أو المساحة، فإن الفحص الأول يكون دائمًا CRS.
تنبيه: لا تفترض أن نتيجة المسافة أو المنطقة صحيحة لمجرد أنها تبدو معقولة. مع CRS غير الصحيح، قد تظهر طبقتان "متداخلتان" وتنزلقان بالأمتار. قم دائمًا بمقارنة المساحات بالمتر المربع/الهكتار مع مرجع معروف (مثل مساحة ملكية قطعة أرض).
منطق استخدام الأراضي وتحليل ملاءمتها
يسجل تحليل الملاءمة مدى ملاءمة كل موقع لغرض ما (على سبيل المثال، السكن الجديد). الخطوات النموذجية:
- قم بتعيين المعايير. المنحدر، مخاطر الفيضانات، القرب من وسائل النقل، الاستخدام الحالي، مناطق الحماية.
- يسجل كل معيار. على سبيل المثال، المنحدر 0-5% = 10 نقاط، 5-15% = 6، 15%+ = 1.
- فقدان الوزن. إذا كان معيار الفيضان مهم جداً في السكن فسيكون وزنه مرتفعاً.
- دمج الطبقات. قم بتعيين درجة اللياقة البدنية لكل خلية/حقل بمجموع مرجح.
- التعليق والتحقق. اختبار النتيجة مع المعرفة الميدانية والتشريعات.
يعد الذكاء الاصطناعي مفيدًا جدًا في مناقشة بناء وزن المعيار هذا، وتذكيرك بمعيار منسي، وتنظيم جدول التسجيل. لكن تذكر أن الأوزان هي أحكام قيمية: إن إعطاء وزن أكبر للفيضانات أو وسائل النقل هو خيار عام، وليس قرار الذكاء الاصطناعي.
خطوة بخطوة: بناء تحليل الملاءمة باستخدام الذكاء الاصطناعي
- تحديد الغرض والمجال. "توفر موقع سكن جديد في المنطقة X."
- قم بجرد البيانات. قم بإدراج الطبقات التي لديك، ومصادرها، وتواريخها، وCRS.
- احصل على مسودة معايير أوزان الذكاء الاصطناعي. اسأل إذا كان هناك أي معايير مفقودة.
- قم بإنشاء جدول التسجيل معًا. توضيح الحدود لكل معيار.
- ترجمة سير العمل إلى خطوات نظم المعلومات الجغرافية. أي طبقة، أي عملية، وبأي ترتيب.
- التحقق من جودة البيانات. التوقيت المناسب والدقة والامتثال لمعيار CRS.
- التحقق من النتيجة. المجال، التشريع، مرجع معروف.
موجه ضعيف / موجه قوي
المطالبة الضعيفة: "ابحث عن أفضل مكان للسكن".
الذكاء الاصطناعي لا يعرف المجال ولا البيانات ولا المعايير؛ تقوم بإرجاع نص عام وغير مجدية.
موجه قوي: "أقوم بإعداد تحليل الملاءمة: استهداف منطقة سكنية جديدة، منطقة عمل [منطقة]. الطبقات التي لدي: المنحدر (من DEM)، ومخاطر الفيضانات (SHW)، وشبكة الطرق، واستخدام الأراضي الحالي، والمناطق المحمية. (أ) ذكرني بالمعايير التي قد تكون مفقودة، (ب) اقترح جدولًا بعتبات تسجيل معقولة لكل معيار، (ج) حدد المكان الذي تحتوي فيه الأوزان على أحكام قيمة. ضع اللمسات النهائية على الأوزان بالنسبة لي، وقدم الخيارات."
والموجه الثاني يجعل الذكاء الاصطناعي شريكًا في المناقشة، مما يبقي صانع القرار مع المخطط.
أربعة قوالب قابلة للنسخ
المهمة: اقتراح مجموعة من معايير تحليل الملاءمة لقائمة الأهداف والمستويات التالية. الإخراج: المعيار | لماذا هو مهم | عتبة التهديف المحتملة | "هل يحتوي على أحكام قيمة". قم أيضًا بإدراج أي معايير قد تكون مفقودة. الغرض: [...] | مساحة العمل: [...] | الطبقات: [...]
المهمة: افحص جدول ترجيح المعايير أدناه. (أ) التحقق مما إذا كان مجموع الأوزان مهمًا، (ب) وضع علامة على المعايير المتضاربة أو المكررة، (ج) إدراج الافتراضات التي قد تضلل النتيجة. صناعة القرار؛ فقط تحقق.الجدول: [...]
المهمة: ترجمة خطوات التحليل التالية إلى سير عمل نظم المعلومات الجغرافية. لكل خطوة: يجب أخذ طبقة (طبقات) الإدخال ونوع العملية والمخرجات ونظام الإحداثيات/نقطة الوحدة بعين الاعتبار. كتابة الكود فقط قم بوصف سير عملك.الخطوات: [...]
المهمة: ترجمة مخزون البيانات التالي إلى مخطط مراقبة الجودة. الأعمدة: الطبقة | المصدر | التاريخ/الحالي | سي آر إس | الحد المعروف/خطر الخطأ.ضع علامات على الطبقات التي يجب الاستعلام عنها قبل الاستخدام.المخزون: [...]
جدول: نوع التحليل والتحقق من الصحة
التحليل
السؤال الذي طرحه
دور الذكاء الاصطناعي
التحقق النقدي
الملاءمة
أين هو مناسب؟
بناء الوزن المعياري
الوزن = الاختيار العام؛ C.R.S.
إمكانية الوصول
ما مدى قربه / سهولة الوصول إليه؟
مخطط اختيار الطريقة
تحديث بيانات الشبكة
الكثافة/التغطية
كم هو موجود وكيف يتم توزيعه؟
توصية الفئة والعتبة
مصدر بيانات السكان/المنطقة
التغيير
ما الذي تغير؟
خيال المقارنة
التاريخ والامتثال لمعايير CRS
المخزن المؤقت / المسافة
ماذا يوجد داخل الحدود؟
منطق المسافة
الوحدة و CRS
ثلاث حالات صغيرة
الحالة 1 - فخ CRS. يتداخل المتدرب مع طبقتين؛ تبدو الخريطة "متداخلة". عندما يقوم الذكاء الاصطناعي بتحليل المخزن المؤقت الذي يطبعه، يتبين أن المخزن المؤقت الذي يبلغ طوله 500 متر صغير بشكل غريب. المشكلة: طبقة واحدة في CRS جغرافية (بالدرجة)، والأخرى في CRS متري؛ 500 "درجة" لا معنى لها. بعد الإسقاط إلى CRS الصحيح، تتحسن النتيجة. هذا هو واحد من أكثر الأخطاء غير المرئية من بين أغلى الأخطاء.
الحالة 2 - المعيار المنسي. يستخدم الفريق المنحدر والفيضانات وإمكانية الوصول كمعايير لملاءمة السكن. اطلب من الذكاء الاصطناعي أن يشرف على التحرير؛ AI "هل أضفت معيار المخاطر الجيولوجية/الكوارث (الخطأ، الانهيارات الأرضية)؟" يذكر. يدرك الفريق أنهم فاتتهم هذا المعيار الحاسم. لم يتخذ الذكاء الاصطناعي قرارًا، بل أغلق نقطة عمياء.
الحالة 3 - شفافية الوزن. تقدم البلدية خريطة الملاءمة إلى المجلس. يطبع الذكاء الاصطناعي بوضوح في مسودة التقرير أن كل وزن هو تفضيل وستتغير الخريطة بأوزان مختلفة. وتساءل المجلس ماذا سيحدث لو زادنا وزن الفيضان؟ يصبح قادرًا على السؤال. فالشفافية تحول التحليل من فرض إلى أداة للمناقشة.
الأخطاء الشائعة
- عدم التحقق من CRS. الخطأ الأكثر شيوعًا والأكثر تكلفة في التحليل المكاني؛ تحقق قبل كل عملية مسافة/منطقة.
- الخلط بين الأوزان والحقائق الفنية. الوزن هو حكم القيمة. ويجب أن تكون شفافة وأن تظل قابلة للنقاش.
- تجاهل عملة البيانات. طبقة استخدام الأراضي القديمة تضلل حكم اليوم.
- الخلط بين الذكاء الاصطناعي ومصدر البيانات. لا يستطيع الذكاء الاصطناعي رؤية الطبقة؛ يحرر المؤامرة. تأتي البيانات دائمًا من مصدر حقيقي تم التحقق منه.
- عدم اختبار النتيجة في الميدان. قد تبدو منطقة ما “مناسبة” على الخريطة، لكنها على الأرض قد تكون واقعاً مختلفاً تماماً.
في ملخص
نظم المعلومات الجغرافية هي محرك البيانات المكانية للتخطيط. الطبقة والسمة ونظام الإحداثيات هي مفاهيمها الأساسية الثلاثة. يقوم تحليل الملاءمة بتسجيل كل موقع لغرض ما باستخدام المعايير والدرجات والأوزان. يعد الذكاء الاصطناعي أداة مساعدة قوية في تصميم هذا الإعداد، والتذكير بالمعايير المفقودة، وفرز سير العمل وإعداد التقارير؛ لكنه لا يستطيع رؤية البيانات واتخاذ القرار. الخطأ الأكثر غدرا هو نظام الإحداثيات الخاطئ. إن الأوزان ليست تقنية ولكنها أحكام قيمية ويجب أن تكون شفافة. التحقق من كل نتيجة باستخدام بيانات محدثة ومعلومات CRS دقيقة ومعلومات ميدانية.
مهمة التطبيق
اختر غرضًا (على سبيل المثال، موقع حضانة جديد). (1) قم بإجراء جرد للطبقات التي لديك أو تفترضها باستخدام القالب الرابع؛ اكتب CRS وحالة النضارة لكل طبقة. (2) باستخدام القالب الأول، اقترح مجموعة من معايير الأوزان على الذكاء الاصطناعي والتقط معيارًا واحدًا مفقودًا على الأقل. (3) حدد الأوزان التي تمثل أحكامًا قيمية واكتب في جملة واحدة كيف ستشرحها للجمعية. (4) صف كيف ستتحقق من النتيجة ميدانيًا.
قائمة مرجعية
- [ ] لقد قمت بفحص ومزامنة نظام الإحداثيات (CRS) لجميع الطبقات.
- [ ] لقد قمت بتعيين المعايير وأجريت فحصًا بالذكاء الاصطناعي بحثًا عن المعايير المفقودة.
- [ ] لقد أشرت إلى أن الأوزان هي أحكام قيمية وأبقيتها شفافة.
- [ ] قمت بتقييم عملة البيانات ودقتها.
- [ ] لقد استخدمت الذكاء الاصطناعي كمساعد تحرير، وليس كمصدر للبيانات.
- [ ] لقد قمت بالتحقق من النتيجة بمرجع معروف ومعرفة ميدانية.
- [ ] لقد قمت بحفظ مخزون البيانات وتتبع التحقق.