רווחים:
- יכולת להגדיר ולהפעיל אוטומציה של זרימת עבודה עם תמיכה בבינה מלאכותית עם PyQGIS ומעצב מודלים
- יכולת לנהל את פרטיות הנתונים האישיים, זכויות יוצרים, רישיון ומגבלות אחריות מהנדס בפרויקט מקצה לקצה
- יכולת לתכנן פרויקט גיאומטיקה בזרימה מותאמת בינה מלאכותית אך ממוקדת אימות מאיסוף נתונים ועד מסירה
מבחן מודול
1. איזה מהבאים הוא העיקרון הבסיסי שקובע את הסיכון של פלט AI בהנדסת סקרים?
- א) הסיכון של פלט שווה לנזק שהוא היה גורם לו פלט זה היה פגום; סולמות אימות בהתאם ✔
- ב) פלט AI הוא בדרך כלל בטוח מכיוון שהוא כתוב בצורה שוטפת ובטוחה
- ג) אימות מיותר כאשר נעשה שימוש במודל העדכני ביותר
- ד) אם הפלט מתייחס לתקן, אין צורך בשליטה נוספת
הסבר: הסיכון של פלט שווה לנזק שהוא יגרום אם פלט זה פגום. בעוד שטעות מינורית בסיכום ספרות אינה מזיקה במידה רבה, טעות בגבול קדסטרלי או ערך גובה עלולה להוביל להפרת רכוש, ליישום בנייה לא תקין ולנזק לרכוש; כך שעוצמת האימות משתלמת עם נזק אפשרי.
2. איזו משימה מוקצה בצורה הבטוחה והמתאימה ביותר לבינה מלאכותית בבקרת איכות של ערכת מדידת GNSS?
- א) לבסוף לקבל את הדיוק של קואורדינטות הנקודות ולהכריז עליהן מוכנות לרישום
- ב) עריכת טבלאות תצפית גולמיות וסימון חריגים/אי-עקביות אפשריים ✔
- ג) אישור ערכי יישום ישירות מבלי להסתכל על עקרונות המדידה
- ד) ראיית התוצאה תקפה ללא חישוב שגיאות סגירה
הסבר: התרומה הבטוחה ביותר של AI היא משימות נלוות שהמהנדס יכול לשלוט בהן, כמו ארגון נתונים גולמיים והערות מפוזרים, סימון חוסר עקביות וחריגים. הקבלה הסופית של דיוק הקואורדינטה הנקודתית נשארת באישור המהנדס, כולל שגיאות סגירה ועקרונות מדידה; בינה מלאכותית האומרת 'הנקודה נכונה לחלוטין' אינה ראיה.
3. איזה מידע חייב להיות מצוין בבירור ל-AI בבקשת השינוי בקואורדינטות?
- א) שמות נקודות בלבד
- ב) רק השם של הקרנת המטרה, הנתון אינו חשוב
- ג) מערכת קואורדינטות מקור ויעד (נתון + הקרנה/EPSG) ופרמטרים של טרנספורמציה ✔
- ד) שם המבצע את המדידה
הסבר: טרנספורמציה של קואורדינטות הגיונית רק אם צוינו מערכת המקור, מערכת היעד (נתון + השלכה, למשל קוד EPSG) ופרמטרי השינוי הנדרשים. עצם האמירה 'המר את זה ל-UTM' משאיר לא ברור איזה נתון מועבר לאיזה נתון ועלול לגרום להסטת נתונים של מטרים.
4. איזו מהשיטות הבאות היא הדרך המעשית ביותר לאמת את הפלט של טרנספורמציה?
- א) מסתכלים על מספר המקומות העשרוניים בפלט
- ב) מסתכלים באיזו מהירות המודל נותן את התשובה
- ג) העברת התוצאה ל-CAD מבלי לבדוק אותה כלל
- ד) הצבת נקודת הבקרה שהקואורדינטות שלה ידועות דרך אותה טרנספורמציה והשוואתה עם הערך הצפוי ✔
הסבר: העברת נקודת בקרה אחת או כמה שהקואורדינטות שלהן ידועות באמצעות אותה טרנספורמציה והשוואה שלהן לערך הצפוי מגלה במהירות גם שגיאות פרמטר ודאטום. הבדל שיטתי של עשרות מטרים הוא בדרך כלל סימן נתון/פרמטר שגוי. העובדה שהפלט נראה חלק אינה הוכחה לנכונות.
5. מהו תנאי הסף הקריטי ביותר לחישובי חיץ ושטח נכונים ב-GIS?
- א) השכבה נמצאת במערכת הקואורדינטות המטרית (הקרנה) המתאימה ✔
- ב) צבע השכבה
- ג) סדר עמודות בטבלת התכונות
- ד) שם הקובץ של השכבה צריך להיות קצר
הסבר: חישובי מרחק ושטח הם בעלי משמעות רק במערכת קואורדינטות מטרית (מוקרן). חציצה ישירה בקואורדינטות גיאוגרפיות (קו רוחב/קו אורך במעלות) נותנת תוצאות לא מדויקות עקב בלבול מעלות-מטר. לכן, יש למקם את השכבה בהקרנה המתאימה לפני הניתוח.
6. מהי הדרך הסטנדרטית למדוד את הדיוק של מפת כיסוי קרקע בסיווג תמונת לוויין?
- א) מסתכלים על מידת החיים של צבעי המפה
- ב) הקמת מטריצת שגיאה עם דגימות אמת קרקע עצמאיות וחישוב דיוק כולל/קאפה ✔
- ג) הסתמכות על ריבוי השיעורים
- ד) הסתכלות על הרזולוציה של התמונה והנחת דיוק
תיאור: דיוק הסיווג מוערך על ידי הקמת מטריצת בלבול עם דגימות אמת קרקע עצמאיות ודיווח עליה עם מדדים כגון דיוק כולל וקאפה. "המראה הטוב" של המפה או החיות של צבעי הכיתה אינם עדות לדיוק.
7. מהו האלמנט הבסיסי המבטיח דיוק מיקום בייצור אורתופוטו פוטוגרמטרי ו-DSM?
- א) פשוט צלם הרבה תמונות
- ב) מל"ט הוא דגם יקר
- ג) בקרת דיוק עם נקודות בקרה קרקעית שנמדדו במדויק ונקודות בקרה עצמאיות ✔
- ד) הטיסה צריכה להתבצע ביום מעונן
תיאור: נקודות בקרת קרקע (GCP) מחברות את המודל הפוטוגרמטרי למערכת הקואורדינטות בעולם האמיתי וקובעות את דיוק קנה המידה/מיקום. בנוסף, הדיוק נבדק על ידי חישוב RMSE עם נקודות בקרה עצמאיות שאינן נכנסות למודל. עצם הגדלת מספר התמונות או ייקר המל"ט אינם מבטיחים דיוק.
8. איזה שלב חובה ליצירת מודל שטח דיגיטלי (DTM) מענן נקודות LiDAR?
- א) הפיכת כל הנקודות למשטח כפי שהוא
- ב) שימוש רק בנקודות הגבוהות ביותר
- ג) מחיקת ערכי צפיפות
- ד) הפרדת נקודות שאינן קרקע (בניין, עץ) עם סינון קרקע ✔
תיאור: DTM מייצג משטח קרקע חשוף; לכן יש להפריד נקודות שאינן קרקעיות כגון מבנים, עצים, כלי רכב (סינון/סיווג קרקע). אם מדלגים על שלב זה, מתקבל המשטח העליון (DSM), לא ה-DTM. בינה מלאכותית יכולה להאיץ את הסיווג, אך יש לאמת את התוצאה באמצעות חתכי רוחב של פרופיל.
9. מהי אחת הטעויות הנפוצות והמסוכנות ביותר ביצירת מפות אוטומטית עם AI?
- א) דילוג על רכיבי חובה כגון קנה מידה, מקרא, מערכת קואורדינטות ודירוג דיוק ✔
- ב) שימוש ביותר מדי מחסומים
- ג) קיבוץ שכבות
- ד) הוספת כותרת לגיליון
הסבר: הסימול והתיוג האוטומטיים מהירים, אך אם חסרים אלמנטים קרטוגרפיים חיוניים כמו קנה מידה, אגדה, חץ צפון, מערכת קואורדינטות ופתק דיוק, המפה הופכת מטועה ובלתי ניתנת לשימוש רשמית. משיכה חזותית אינה תחליף למרכיבים חיוניים אלה.
10. מה צריך להיות הסטטוס של פלט AI כשעובדים עם נתוני קדסטר ורישום מקרקעין?
- א) זה נחשב לנתונים סופיים שניתן לרשום ישירות בשטר הבעלות.
- ב) נלקח כמחאה ראשונית/טיוטה; תוקף סופי תלוי במדידה, חקיקה ואישור רשות ✔
- ג) לפתור סכסוכי רכוש לבד
- ד) זה הופך למסמך רשמי ללא צורך בבקרה כלשהי.
הסבר: למידע על גבול קדסטרלי, אזור ובעלות יש השלכות משפטיות; AI מייצר הכי הרבה טיסות מוקדמות, סריקות חוסר עקביות וטיוטות. התוקף הסופי תלוי במדידה, בחקיקה ובאישור מהנדס/מוסד מורשה. הכרזת פלט AI כ'סופי' יוצרת סיכון משפטי ומקצועי.
11. מהי הבדיקה החשובה ביותר שיש לבצע לפני השימוש בסקריפט GeoPandas/PyProj שנוצר בינה מלאכותית?
- א) בהנחה שהוא נכון כי הקוד ארוך
- ב) בהתחשב בכך שמספיק שזה יעבוד ללא שגיאות
- ג) הפעל אותו עם נתוני בדיקה קטנים ומוכרים ואמת CRS ודירוג ✔
- ד) אישור שמות משתנים כנחמדים
הסבר: יש להפעיל את הקוד המופק עם נתוני בדיקה קטנים שתוצאתו ידועה ולבדוק את הפלט והדירוג הצפויים. בפרט, האם הגדרת ה-CRS (מערכת הקואורדינטות) מוקצית בצורה נכונה היא שגיאה קריטית; שקר CRS מייצר בשקט מטרים של סחיפה. זה שהקוד 'עובד' לא אומר שהוא נכון.
12. מהי הגישה הנכונה בעת מתן מערך נתונים קדסטרלי/כתובות המכיל נתוני מיקום ומידע אישי ל-AI?
- א) שלח את כל פרטי הבעלים והזהות האמיתיים כפי שהם
- ב) התעלמות מהפרטיות כי זה יועיל
- ג) הדבקת נתונים בפורום ציבורי
- ד) אנונימיזציה של נתונים אישיים או עבודה עם ערכים מייצגים/סביבה מאושרת ✔
הסבר: אין לשלוח נתונים המכילים נתונים אישיים (שם הבעלים, מזהה TR, מיקום רגיש) למודל חיצוני תוך הפרה של המדיניות והחקיקה הארגונית. הנתונים צריכים להיות אנונימיים, יש להשתמש בערכים מדגמים/ייצוגיים, או להשתמש בסביבה מאושרת/בבית. ההצדקה 'מועיל בכל מקרה' אינה מבטלת את חובת החיסיון.
13. מהי המטרה העיקרית של שימוש במדד NDVI בסיווג כיסוי קרקע?
- א) מדידת כדאיות/צפיפות צמחייה מפס אינפרא אדום קרוב ואדום ✔
- ב) מדידת גובה הקרקע במטרים
- ג) קביעת בעל החבילה
- ד) שינוי מערכת הקואורדינטות
תיאור: NDVI (מדד צמחיית הבדל נורמלי) מודד את המרץ/צפיפות של צמחייה ירוקה באמצעות ההבדל בין פסים אינפרא אדום ואדום. הצמחייה היא סמן רב עוצמה בהבחנה בין מים לאדמה חשופה. הגובה לבדו אינו מודד או קובע בעלות.
14. איזו הצהרה הכי מדויקת לתפקיד של פלט AI ביישום קריטי לבטיחות או בעבודה קדסטרלית?
- א) אם תפוקת ה-AI שוטפת מספיק, אין צורך באישור מהנדס
- ב) AI הוא מאיץ; אינו מחליף אישור ואחריות מהנדס מוסמך ✔
- ג) האחריות עוברת לחברה המייצרת את הדגם
- ד) אין צורך באישור בעת שימוש בדגם היקר ביותר
הצהרה: בהנדסה וייצור מפות, תפוקת בינה מלאכותית אינה מחליפה את הבקרה והאישור של מומחה מוסמך בעבודה שיש לה השלכות ביטחוניות ומשפטיות; זה רק כלי מאיץ וטיוטות. האחריות הסופית והחתימה נשארות בידי המהנדס המורשה.