യൂണിറ്റുകൾ
1. മാപ്പിംഗ് എഞ്ചിനീയറിംഗിലെ ആർട്ടിഫിഷ്യൽ ഇൻ്റലിജൻസ് ആൻ്റ് വെരിഫിക്കേഷൻ ഡിസിപ്ലിനിലേക്കുള്ള ആമുഖം 2. ജിയോഡെസി, ജിഎൻഎസ്എസ്, സർവേ ഡാറ്റാ പ്രോസസ്സിംഗ് 3. കോർഡിനേറ്റ് സിസ്റ്റങ്ങൾ, ഡാറ്റയും ട്രാൻസ്ഫോർമേഷൻ വെരിഫിക്കേഷനും 4. GIS/GIS വിശകലനവും സ്പേഷ്യൽ അന്വേഷണങ്ങളും 5. റിമോട്ട് സെൻസിംഗും സാറ്റലൈറ്റ് ഇമേജ് വർഗ്ഗീകരണവും 6. ഫോട്ടോഗ്രാമെട്രിയിൽ നിന്നും UAV ചിത്രങ്ങളിൽ നിന്നുമുള്ള മോഡൽ ജനറേഷൻ 7. LiDAR പോയിൻ്റ് ക്ലൗഡ് പ്രോസസ്സിംഗും വർഗ്ഗീകരണവും 8. മാപ്പ് പ്രൊഡക്ഷൻ ഓട്ടോമേഷൻ ആൻഡ് കാർട്ടോഗ്രഫി 9. Cadastre, ടൈറ്റിൽ ഡീഡ്, ഉടമസ്ഥാവകാശ ഡാറ്റ 10. പൈത്തണിനൊപ്പം ജിയോമാറ്റിക്സ് ഓട്ടോമേഷൻ 11. ക്യുജിഐഎസ് ഓട്ടോമേഷൻ, എത്തിക്സ്, പ്രൈവസി, എൻഡ്-ടു-എൻഡ് പ്രോജക്റ്റ്
യൂണിറ്റ് 4 / 11

GIS/GIS വിശകലനവും സ്പേഷ്യൽ അന്വേഷണങ്ങളും

നേട്ടങ്ങൾ:

  • ബഫർ, ഇൻ്റർസെക്‌ഷൻ, സ്പേഷ്യൽ കോമ്പിനേഷൻ, അയൽപക്കങ്ങൾ തുടങ്ങിയ ജിഐഎസ് വിശകലനങ്ങൾ രൂപകല്പന ചെയ്യാനും അവയെ പടിപടിയായി നിർമ്മിക്കാനുമുള്ള കഴിവ്
  • സ്വാഭാവിക ഭാഷയിൽ നിന്ന് ആട്രിബ്യൂട്ടും സ്പേഷ്യൽ ക്വറികളും (SQL/എക്സ്പ്രഷൻ) സൃഷ്ടിക്കാനും അവയെ QGIS/PostGIS പരിതസ്ഥിതിയുമായി പൊരുത്തപ്പെടുത്താനുമുള്ള കഴിവ്
  • ടോപ്പോളജിക്കൽ സ്ഥിരത, പ്രൊജക്ഷൻ അനുയോജ്യത, ഏരിയ/ലെങ്ത് ലോജിക് എന്നിവ ഉപയോഗിച്ച് ജിഐഎസ് വിശകലന ഔട്ട്പുട്ട് പരിശോധിക്കാനുള്ള കഴിവ്

ലൊക്കേഷൻ ഡാറ്റ സംഭരിക്കുകയും അന്വേഷിക്കുകയും വിശകലനം ചെയ്യുകയും മാപ്പ് ചെയ്യുകയും ചെയ്യുന്ന സിസ്റ്റങ്ങളുടെ പൊതുവായ പേരാണ് ജിഐഎസ് (ജിയോഗ്രാഫിക് ഇൻഫർമേഷൻ സിസ്റ്റം; ഇംഗ്ലീഷിൽ ജിഐഎസ്). സർവേ എഞ്ചിനീയറുടെ ദൈനംദിന ജോലികളിൽ ഭൂരിഭാഗവും ഇവിടെയാണ് നടക്കുന്നത്: "ഏത് പാഴ്സലുകൾ ഈ സ്ട്രീമിന് 50 മീറ്ററിൽ കൂടുതൽ അടുത്താണ്?", "ഈ രണ്ട് പാളികളും ഓവർലാപ്പ് ചെയ്യുന്ന പ്രദേശങ്ങൾ എവിടെയാണ്?", "ഒരു അയൽപക്കത്തിന് എത്ര കെട്ടിടങ്ങൾ?" സ്പേഷ്യൽ വിശകലനം ഉപയോഗിക്കുന്നത് പോലുള്ള ചോദ്യങ്ങൾക്കുള്ള ഉത്തരങ്ങൾ നിർമ്മിക്കുന്നു. ഈ യൂണിറ്റിൽ, ഈ വിശകലനങ്ങൾ രൂപകൽപ്പന ചെയ്യുന്നതിനും സ്വാഭാവിക ഭാഷയിൽ നിന്ന് അന്വേഷണങ്ങൾ സൃഷ്ടിക്കുന്നതിനും അവയെ QGIS/PostGIS പരിതസ്ഥിതിയുമായി പൊരുത്തപ്പെടുത്തുന്നതിനും ആർട്ടിഫിഷ്യൽ ഇൻ്റലിജൻസ് എങ്ങനെ ഉപയോഗിക്കാമെന്ന് ഞങ്ങൾ കവർ ചെയ്യുന്നു. തത്വം: AI വിശകലനം നിർമ്മിക്കുകയും ചോദ്യം എഴുതുകയും ചെയ്യുന്നു; പ്രൊജക്ഷൻ, ടോപ്പോളജി, ലോജിക് കൺട്രോൾ എന്നിവയിലൂടെ ഫലത്തിൻ്റെ സാധുത എഞ്ചിനീയർക്ക് അവശേഷിക്കുന്നു.

ആദ്യം അടിസ്ഥാന നിബന്ധനകൾ. വെക്റ്റർ ഡാറ്റ പോയിൻ്റുകൾ, ലൈനുകൾ, ബഹുഭുജങ്ങൾ (പ്ലോട്ടുകൾ, റോഡുകൾ, കിണറുകൾ) എന്നിവ ഉപയോഗിച്ച് ലോകത്തെ പ്രതിനിധീകരിക്കുന്നു. സെല്ലുകളുടെ/പിക്സലുകളുടെ ഒരു ഗ്രിഡിൽ (എലവേഷൻ മോഡൽ, സാറ്റലൈറ്റ് ഇമേജ്) റാസ്റ്റർ ഡാറ്റ ലോകത്തെ പ്രതിനിധീകരിക്കുന്നു. ആട്രിബ്യൂട്ട് എന്നത് ഒരു ജ്യാമിതിയുമായി ബന്ധപ്പെട്ട പട്ടിക വിവരങ്ങളാണ് (പാഴ്സൽ ഏരിയ, ഉടമ, ദ്വീപ്/പാഴ്സൽ നമ്പർ). ഒരു ജ്യാമിതിക്ക് ചുറ്റും ഒരു നിശ്ചിത അകലത്തിൽ സൃഷ്ടിക്കപ്പെട്ട പ്രദേശമാണ് ബഫർ. സ്പേഷ്യൽ ജോയിൻ സ്പേഷ്യൽ ബന്ധത്തെ അടിസ്ഥാനമാക്കി രണ്ട് ലെയറുകളുമായി പൊരുത്തപ്പെടുന്നു (ഓരോ കെട്ടിടവും അതിൻ്റെ അയൽപക്കവുമായി). ജ്യാമിതികൾക്കിടയിലുള്ള അയൽപക്കം/ഓവർലാപ്പ്/വിടവ് നിയമങ്ങളാണ് ടോപ്പോളജി.

GIS വിശകലനത്തിൽ AI യുടെ പങ്ക്

AI മൂന്ന് സ്ഥലങ്ങളിൽ GIS ത്വരിതപ്പെടുത്തുന്നു:

  1. വിശകലന രൂപകൽപ്പന. "ഏത് പാളികൾ പ്രോസസ്സ് ചെയ്യുന്നു, ഏത് ക്രമത്തിലാണ്, ചോദ്യത്തിന് ഉത്തരം നൽകാൻ ഏത് ഉപകരണങ്ങൾ ഉപയോഗിച്ച്?" ചോദ്യത്തിന് ഒരു ഘട്ടം ഘട്ടമായുള്ള പദ്ധതിയുമായി അത് വരുന്നു. ഇത് ചിന്താഭാരം കുറയ്ക്കുന്നു, പ്രത്യേകിച്ച് സങ്കീർണ്ണമായ മൾട്ടി-സ്റ്റെപ്പ് വിശകലനങ്ങളിൽ.
  2. അന്വേഷണ തലമുറ. സ്വാഭാവിക ഭാഷാ അഭ്യർത്ഥന ഒരു QGIS എക്സ്പ്രഷൻ, SQL അല്ലെങ്കിൽ PostGIS ഫംഗ്ഷനിലേക്ക് വിവർത്തനം ചെയ്യുന്നു. ഇത് "500 m²-ൽ താഴെ വിസ്തീർണ്ണമുള്ളതും കാർഷിക സ്വഭാവമുള്ളതുമായ പ്ലോട്ടുകൾ" എന്ന അഭ്യർത്ഥന ഒരു ഫിൽട്ടർ എക്സ്പ്രഷനിൽ ഉൾപ്പെടുത്തുന്നു.
  3. വർക്ക്ഫ്ലോയും കോഡ് ജനറേഷനും. ഇത് ആവർത്തന വിശകലനത്തെ പൈത്തൺ/പൈക്യുജിഐഎസ് സ്ക്രിപ്റ്റിലേക്ക് വിവർത്തനം ചെയ്യുന്നു (യൂണിറ്റ് 10, 11 എന്നിവയിൽ ഞങ്ങൾ ഈ വിഷയത്തെക്കുറിച്ച് കൂടുതൽ ആഴത്തിൽ പരിശോധിക്കുന്നു).

എന്നാൽ AI-ക്ക് ഒരു നിർണായകമായ അന്ധതയുണ്ട്: അത് ഡാറ്റ കാണുന്നില്ല, അത് നിങ്ങളുടെ പാചകക്കുറിപ്പ് മാത്രം കാണുന്നു. ഏത് CRS-ലാണ് ലെയർ ഉള്ളത്, ആട്രിബ്യൂട്ട് കോളത്തിൻ്റെ കൃത്യമായ പേര്, ഡാറ്റ ശുദ്ധമാണോ അല്ലയോ എന്ന് അതിന് അറിയില്ല. അതിനാൽ, അത് നിർമ്മിക്കുന്ന ചോദ്യം വാക്യഘടനാപരമായി ശരിയാണ്, പക്ഷേ നിങ്ങളുടെ ഡാറ്റയിൽ തെറ്റായിരിക്കാം.

മുന്നറിയിപ്പ്: ഒരു മെട്രിക് (പ്രൊജക്റ്റഡ്) CRS-ൽ മാത്രമേ ദൂരവും വിസ്തീർണ്ണവും കൃത്യമായി കണക്കാക്കൂ. 50 മീറ്റർ ബഫർ നേരിട്ട് ഭൂമിശാസ്ത്രപരമായ കോർഡിനേറ്റുകളിൽ (ഡിഗ്രികൾ) എടുക്കുന്നത് ഡിഗ്രി-മീറ്റർ ആശയക്കുഴപ്പം കാരണം പൂർണ്ണമായും കൃത്യമല്ലാത്ത ഫലങ്ങൾ നൽകുന്നു. വിശകലനത്തിന് മുമ്പ് ലെയർ ഉചിതമായ പ്രൊജക്ഷനിൽ ഇടുക.

ഘട്ടം ഘട്ടമായി: ഒരു സ്പേഷ്യൽ വിശകലനം നിർമ്മിക്കുന്നു

സാമ്പിൾ ചോദ്യം: "ഒരു സ്ട്രീമിന് 100 മീറ്ററിൽ കൂടുതൽ അടുത്തുള്ള കെട്ടിട പെർമിറ്റുകൾ ഉള്ള പാഴ്സലുകൾ കണ്ടെത്തുക."

  1. ഇൻപുട്ടുകളും CRS ഉം വ്യക്തമാക്കുക. സ്ട്രീം ലെയർ (ലൈൻ), പാഴ്സൽ ലെയർ (പോളിഗോൺ), രണ്ടും മെട്രിക് CRS-ൽ ആയിരിക്കണം (ഉദാ. TUREF/TM33).
  2. നടപടികൾ ആസൂത്രണം ചെയ്യുക. AI-ലേക്ക്: സ്ട്രീം ചെയ്യാൻ 100 മീറ്റർ ബഫർ → പ്ലോട്ടുകളുള്ള ഇൻ്റർസെക്ഷൻ/സെലക്ഷൻ → ആട്രിബ്യൂട്ട് → ഫലങ്ങളുടെ എണ്ണത്തിൽ നിന്ന് “ലൈസൻസ് ഉള്ളത്” ഫിൽട്ടർ ചെയ്യുക. ഓരോ ഘട്ടത്തിൻ്റെയും ക്രമവും ഔട്ട്പുട്ടും അത് എഴുതട്ടെ.
  3. ചോദ്യം ജനറേറ്റ് ചെയ്യൂ. ഫിൽട്ടർ എക്‌സ്‌പ്രഷനും ("സ്റ്റാറ്റസ്" = 'ലൈസൻസ്ഡ്') സെലക്ഷൻ ലോജിക്കും QGIS/PostGIS-ലേക്ക് വിവർത്തനം ചെയ്യുക.
  4. ചെറിയ സാമ്പിളിൽ പരീക്ഷിക്കുക. മുഴുവൻ ഡാറ്റയ്ക്കും പകരം ഒരു ചെറിയ ഉപവിഭാഗത്തിൽ വിശകലനം പ്രവർത്തിപ്പിക്കുക, ഫലം ദൃശ്യപരമായി പരിശോധിക്കുക.
  5. ഫലം പരിശോധിക്കുക. എണ്ണം ന്യായമാണോ (റാങ്ക്)? തിരഞ്ഞെടുത്ത പാഴ്‌സലുകൾ സ്‌ട്രീമിന് അടുത്താണോ (വിഷ്വൽ/ടോപ്പോളജിക്കൽ പരിശോധന)? വയലുകൾക്ക് അർത്ഥമുണ്ടോ?

മൂന്ന് മിനി കേസുകൾ: അക്കങ്ങൾ പ്രകാരം

കേസ് 1 - ഡിഗ്രി ബമ്പർ ദുരന്തം. ഒരു ഇൻ്റേൺ WGS84 ജിയോ CRS-ലെ പാർസൽ ലെയറിലേക്ക് നേരിട്ട് 100 യൂണിറ്റ് ബഫർ പ്രയോഗിച്ചു; ഫലം ഏകദേശം 11 കി.മീ (1 ഡിഗ്രി ~111 കി.മീ) ചുറ്റളവുള്ള അസംബന്ധ പ്രദേശങ്ങൾ സൃഷ്ടിച്ചു. റാങ്ക് ചെക്ക് ("ബഫർ ഏരിയ പാഴ്സലിൻ്റെ ആയിരക്കണക്കിന് മടങ്ങ് വലിപ്പം പാടില്ല") ഉടൻ തന്നെ പിശക് കാണിച്ചു. മെട്രിക് സിആർഎസിലേക്ക് ലെയർ ഇറക്കുമതി ചെയ്തപ്പോൾ, ബഫർ 100 മീറ്ററായിരുന്നു.

കേസ് 2 - നിരയുടെ പേര് തെറ്റാണ്. "കൃഷിക്ക് യോഗ്യതയുള്ള പാഴ്സലുകൾ" എന്നതിന് AI "യോഗ്യതയുള്ള" = 'കൃഷി' എന്ന പ്രയോഗം ഉണ്ടാക്കി; കോളത്തിൻ്റെ യഥാർത്ഥ പേര് PLOT_VASF ആയിരുന്നു, മൂല്യം FIELD ആയിരുന്നു. ചോദ്യം പിശകുകളില്ലാതെ 0 ഫലങ്ങൾ നൽകി. എഞ്ചിനീയർ ആട്രിബ്യൂട്ട് ടേബിൾ തുറന്ന് AI-ക്ക് യഥാർത്ഥ കോളത്തിൻ്റെ പേരും മൂല്യങ്ങളും നൽകിയപ്പോൾ, അന്വേഷണം മെച്ചപ്പെട്ടു. പാഠം: AI-ന് കോളം പേരുകൾ ഉണ്ടാക്കാം; യഥാർത്ഥ സ്കീമാറ്റിക് നൽകുക.

കേസ് 3 - ടോപ്പോളജി പ്രശ്നം. രണ്ട് അയൽ ജില്ലാ അതിർത്തി പാളികളിൽ ചെറിയ വിടവുകളും (സ്ലിവറുകളും) ഓവർലാപ്പുകളും ഉണ്ടായിരുന്നു. ഈ പിശകുകൾ കാരണം AI- പവർ ചെയ്ത "ഏരിയ ടോട്ടൽ" വിശകലനം യഥാർത്ഥ ആകെത്തുകയിൽ നിന്ന് ഏകദേശം 2% വ്യതിചലിച്ചു. ടോപ്പോളജി നിയന്ത്രണത്തിനും തിരുത്തലിനും ശേഷം, പ്രദേശങ്ങൾ സ്ഥിരമായി. പാഠം: വിശകലന ഫലം ഇൻപുട്ട് ജ്യാമിതി പോലെ ശുദ്ധമാണ്.

ദുർബലമായ പ്രോംപ്റ്റ് / ശക്തമായ പ്രോംപ്റ്റ്

ദുർബലമായ പ്രോംപ്റ്റ്:

സ്ട്രീമിന് സമീപം പാഴ്സലുകൾ കണ്ടെത്തുന്ന ഒരു ചോദ്യം എഴുതുക.

ശക്തമായ നിർദ്ദേശം:

ടാസ്‌ക്: QGIS-നായി ഒരു സ്പേഷ്യൽ അനാലിസിസ് നിർമ്മിതിയും ആവിഷ്‌കാരവും നിർമ്മിക്കുക. സന്ദർഭം:- stream_layer: line, CRS EPSG:5256 (TUREF/TM33)- parcel_layer: polygon, CRS EPSG:5256, ആട്രിബ്യൂട്ട് കോളങ്ങൾ: ADA_NO, Plot_NO, STATUS (മൂല്യങ്ങൾ: 'ലൈസൻസുള്ളത്', 'അൺലൈസൻഡ്_സെലക്‌ട്' എന്നതിനേക്കാൾ അടുത്തത് സ്ട്രീമിലേക്ക് 100 മീറ്റർ, STATUS = 'ലൈസൻസ് ഉള്ളത്', അവയുടെ എണ്ണവും മൊത്തം ഏരിയയും നൽകുക. അഭ്യർത്ഥനകൾ: 1) ഘട്ടങ്ങൾ ഓർഡർ ചെയ്യുക (ബഫർ -> സ്പേഷ്യൽ സെലക്ഷൻ -> ആട്രിബ്യൂട്ട് ഫിൽട്ടർ). 2) ഓരോ ഘട്ടത്തിലും ഏത് ടൂൾ ഉപയോഗിക്കുമെന്ന് എഴുതുക. 3) ദൂരം/പ്രദേശത്തിനായുള്ള മെട്രിക് CRS ആവശ്യകതയെക്കുറിച്ച് എന്നെ ഓർമ്മിപ്പിക്കുക. 4) ഫല ഘട്ടം പരിശോധിക്കുക (റാങ്ക് + ദൃശ്യ നിയന്ത്രണം). ചേർക്കുക.

ശക്തമായ പ്രോംപ്റ്റ് യഥാർത്ഥ കോളം പേരുകൾ, CRS, മൂല്യ സെറ്റ്, മൂല്യനിർണ്ണയ ഘട്ടം എന്നിവ നൽകുന്നു; ഔട്ട്പുട്ട് നിങ്ങളുടെ ഡാറ്റയ്ക്ക് അനുയോജ്യമാണ്.

പകർത്താവുന്ന നാല് ടെംപ്ലേറ്റുകൾ

1) ഒരു വിശകലന പദ്ധതി സൃഷ്ടിക്കുന്നു:

ഇനിപ്പറയുന്ന സ്പേഷ്യൽ ചോദ്യത്തിന് ഉത്തരം നൽകാൻ ഒരു ഘട്ടം ഘട്ടമായുള്ള GIS വർക്ക്ഫ്ലോ എഴുതുക: ഓരോ ഘട്ടത്തിലും ഇൻപുട്ട് ലെയർ, ഉപയോഗിച്ച ടൂൾ, ഔട്ട്പുട്ട് ലെയർ എന്നിവ വ്യക്തമാക്കുക. മെട്രിക് CRS ആവശ്യമായ ഘട്ടങ്ങൾ പരിശോധിക്കുക. ചോദ്യം: [ചോദ്യം]. ലെയറുകൾ: [ലിസ്റ്റ്]

2) സ്വാഭാവിക ഭാഷയിൽ നിന്നുള്ള QGIS എക്സ്പ്രഷൻ:

ഇനിപ്പറയുന്ന ഫിൽട്ടർ ഒരു QGIS ആട്രിബ്യൂട്ട് എക്സ്പ്രഷനിലേക്ക് പരിവർത്തനം ചെയ്യുക. നൽകിയിരിക്കുന്ന കോളം നാമങ്ങളും മൂല്യങ്ങളും മാത്രം ഉപയോഗിക്കുക; കോളം ഫിറ്റിംഗ്. അനിശ്ചിതത്വമുണ്ടെങ്കിൽ ചോദിക്കുക. നിരകൾ/മൂല്യങ്ങൾ: [സ്കീം]. അഭ്യർത്ഥന: [ഫിൽട്ടർ]

3) PostGIS അന്വേഷണം:

ഇനിപ്പറയുന്ന സ്പേഷ്യൽ വിശകലനത്തിന് (ST_ ഫംഗ്ഷനുകൾ) PostGIS SQL എഴുതുക. ജ്യാമിതികളുടെ SRID [srid] അനുമാനിക്കുക; ദൂരം മെട്രിക് ആയിരിക്കണം. ചോദ്യം വിശദീകരിച്ച് മൂല്യനിർണ്ണയത്തിനായി ഒരു ഹാഷ് ചോദ്യം ചേർക്കുക. വിശകലനം: [നിർവചനം]

4) ഫലത്തിൻ്റെ ന്യായമായ പരിശോധന:

ന്യായയുക്തതയ്ക്കായി ഇനിപ്പറയുന്ന GIS വിശകലന ഫലം പരിശോധിക്കുക: ഫലങ്ങളുടെ എണ്ണം റാങ്ക്, ഫീൽഡ്/ദൈർഘ്യ ലോജിക്, അസാധുവായ/ഡ്യൂപ്ലിക്കേറ്റ് രേഖകൾ, CRS പാലിക്കൽ. സംശയാസ്പദമായ പോയിൻ്റുകൾ പട്ടികപ്പെടുത്തുകയും സാധ്യമായ കാരണം എഴുതുകയും ചെയ്യുക. ഫല സംഗ്രഹം: [സംഗ്രഹം]

GIS അനാലിസിസ് ടൂളുകളുടെ താരതമ്യം

വാഹനം

എന്ത് ചെയ്യുന്നു

സാധാരണ ഉപയോഗം

ശ്രദ്ധ

ബഫർ

ചുറ്റുമുള്ള ദൂര പ്രദേശം

ഗാർഡ് ബാൻഡ്, സാമീപ്യം

മെട്രിക് CRS ആവശ്യമാണ്

വിഭജിക്കുക

പൊതുവായ പ്രദേശം കുറയ്ക്കുന്നു

വൈരുദ്ധ്യ വിശകലനം

ടോപ്പോളജി ശുദ്ധമായിരിക്കണം

സ്പേഷ്യൽ ജോയിൻ

ലൊക്കേഷൻ അനുസരിച്ച് പൊരുത്തപ്പെടുന്നു

കെട്ടിട-അയൽപക്ക ബന്ധം

ബന്ധ തരം (ഇൻട്രാ/ഇൻ്റർസെക്റ്റിംഗ്)

പിരിച്ചുവിടുക (സംയോജിപ്പിക്കുക)

ഒരേ ആട്രിബ്യൂട്ടുകൾ സംയോജിപ്പിക്കുന്നു

അതിർത്തി ലളിതമാക്കൽ

ആട്രിബ്യൂട്ട് തിരഞ്ഞെടുക്കൽ

ക്ലിപ്പ്

ഒരു പരിധിക്കനുസരിച്ച് മുറിക്കുന്നു

ജോലിസ്ഥല പരിമിതി

അതിർത്തി ജ്യാമിതി ശരിയാണോ?

സാധാരണ തെറ്റുകൾ

  • ജിയോ CRS-ൽ ദൂരം/പ്രദേശം കണക്കാക്കുന്നു. വിശകലനത്തിന് മുമ്പ് മെട്രിക് പ്രൊജക്ഷനിലേക്ക് മാറുന്നില്ല.
  • AI- നിർമ്മിത കോളം പേരുകൾ ഉപയോഗിക്കുന്നു. യഥാർത്ഥ പദ്ധതി നൽകുന്നില്ല; നിശബ്ദ 0 ഫലങ്ങൾ.
  • തകർന്ന ടോപ്പോളജി ഉപയോഗിച്ച് ഡാറ്റ ഉപയോഗിച്ച് വിശകലനം നടത്തുന്നു. വിടവുകൾ/ഓവർലാപ്പുകൾ ഇടവും എണ്ണൽ പിശകുകളും ഉണ്ടാക്കുന്നു.
  • സ്പേഷ്യൽ ബന്ധത്തിൻ്റെ തരം ആശയക്കുഴപ്പത്തിലാക്കുന്നു. "അകത്ത്", "വിഭജനം" എന്നിവ വ്യത്യസ്ത ഫലങ്ങൾ നൽകുന്നു.
  • ഫലം റാങ്ക് നിയന്ത്രണത്തിന് വിധേയമാക്കുന്നില്ല. അസംബന്ധ ഫീൽഡുകൾ/നമ്പറുകൾ ശ്രദ്ധിക്കുന്നില്ല.
  • എല്ലാ ഡാറ്റയിലൂടെയും അന്ധമായി പ്രവർത്തിക്കുന്നു. ചെറിയ സാമ്പിളിൽ പരീക്ഷിക്കാതെ വലിയ ഡാറ്റയിലേക്ക് പ്രയോഗിക്കുന്നു.

ചുരുക്കത്തിൽ

ജിഐഎസ് വിശകലനത്തിൽ കൃത്രിമബുദ്ധി; വർക്ക്ഫ്ലോ ആസൂത്രണം ചെയ്യുന്നതിനും സ്വാഭാവിക ഭാഷാ അഭ്യർത്ഥനയെ അന്വേഷണത്തിലേക്ക് വിവർത്തനം ചെയ്യുന്നതിനും കോഡ് സൃഷ്ടിക്കുന്നതിനുമുള്ള ശക്തമായ സഹായിയാണ് ഇത്. എന്നാൽ AI ഡാറ്റ കാണുന്നില്ല; നിങ്ങൾ CRS, യഥാർത്ഥ കോളം പേരുകൾ, ടോപ്പോളജി നിലവാരം എന്നിവ നൽകണം. മെട്രിക് സിആർഎസിൽ മാത്രമേ ദൂരവും വിസ്തീർണ്ണവും കൃത്യമായി കണക്കാക്കൂ എന്നതാണ് ഏറ്റവും നിർണായകമായ നിയമം. ക്രമം, ടോപ്പോളജിക്കൽ സ്ഥിരത, യുക്തി എന്നിവയ്ക്കായി ഓരോ ഫലവും പരിശോധിക്കുക; ഒരു ചെറിയ സാമ്പിളിൽ പരീക്ഷിക്കാതെ വലിയ ഡാറ്റയിൽ ഇത് പ്രയോഗിക്കരുത്.

ആപ്ലിക്കേഷൻ ടാസ്ക്

ഒരു സ്പേഷ്യൽ ചോദ്യം തിരഞ്ഞെടുക്കുക (ഉദാ. "റോഡിൽ നിന്ന് 25 മീറ്ററിൽ താഴെയുള്ള കെട്ടിടങ്ങൾ"). ലെയറുകൾ, അവയുടെ CRS, യഥാർത്ഥ ആട്രിബ്യൂട്ട് കോളം പേരുകൾ എന്നിവ ടൈപ്പ് ചെയ്യുക. വിശകലന പദ്ധതിയും ക്യുജിഐഎസ് എക്സ്പ്രഷനും ഘട്ടം ഘട്ടമായി AI ജനറേറ്റുചെയ്യുക; തുടർന്ന് മൂന്ന് ചെക്കുകൾ ഉപയോഗിച്ച് ഔട്ട്‌പുട്ട് പരിശോധിക്കുക: (1) ഉപയോഗിച്ച മെട്രിക് CRS ആണ്, (2) കോളം പേരുകൾ യഥാർത്ഥ സ്കീമയുമായി പൊരുത്തപ്പെടുന്നുണ്ടോ, (3) ക്രമത്തിൽ ന്യായമായ ഫലങ്ങളുടെ എണ്ണം.

ചെക്ക്ലിസ്റ്റ്

  • [ ] ഞാൻ ലെയറുകൾ മെട്രിക് CRS-ലേക്ക് ഇറക്കുമതി ചെയ്തു (ദൂരം/പ്രദേശത്തിന്).
  • [ ] ഞാൻ യഥാർത്ഥ ആട്രിബ്യൂട്ട് കോളം നാമങ്ങളും മൂല്യങ്ങളും AI ന് നൽകി.
  • [ ] ഞാൻ വിശകലന ഘട്ടങ്ങളും ഉപകരണങ്ങളും ആസൂത്രണം ചെയ്തിരുന്നു.
  • [ ] ഞാൻ സ്പേഷ്യൽ റിലേഷൻഷിപ്പ് തരം (അകത്ത്/മുറിക്കൽ) ശരിയായി തിരഞ്ഞെടുത്തു.
  • [ ] ഞാൻ ഇൻപുട്ട് ജ്യാമിതിയുടെ ടോപ്പോളജി പരിശോധിച്ചു.
  • [ ] ഞാൻ ആദ്യം ഒരു ചെറിയ സാമ്പിളിൽ വിശകലനം പരീക്ഷിച്ചു.
  • [ ] റാങ്കും യുക്തിയും ഞാൻ ഫലം പരിശോധിച്ചു.
  • [ ] ഞാൻ എഞ്ചിനീയർ അംഗീകാരത്തിനായി അന്തിമ അഭിപ്രായം സൂക്ഷിച്ചു.