Zyski:
- Możliwość zdefiniowania logiki GIS dotyczącej użytkowania gruntów, analizy przydatności i dostępności oraz roli sztucznej inteligencji w tym przepływie pracy
- Umiejętność prawidłowego wykorzystania koncepcji warstwy, atrybutów i układu współrzędnych podczas projektowania fikcji analitycznej za pomocą sztucznej inteligencji
- Możliwość weryfikacji sugerowanych przez sztuczną inteligencję etapów analizy z rzeczywistą jakością danych, dokładnością przestrzenną i odniesieniem do współrzędnych
Motorem planowania miasta są dane przestrzenne: co gdzie jest, ile tego jest, jak daleko od siebie. Rodzina oprogramowania, która gromadzi, przechowuje, odpytuje i mapuje te dane, nazywa się systemami informacji geograficznej (w skrócie GIS; GIS w języku angielskim). Analiza zagospodarowania terenu odpowiada na pytania takie jak: gdzie zostanie wybudowana szkoła, czy dany obszar nadaje się pod zabudowę mieszkaniową lub przemysłową, ile osób obsługuje obszar zielony itp. za pomocą GIS. Sztuczna inteligencja jest potężnym asystentem w projektowaniu ustawień tych analiz, ustalaniu kolejności etapów, ustalaniu kryteriów i wag oraz raportowaniu wyników. Jednak analiza opiera się na danych przestrzennych, a o wyniku decyduje jakość, układ współrzędnych i aktualność danych przestrzennych. AI nie może zobaczyć tych danych; Edytuje jedynie fikcję, którą podałeś. Dlatego każdy krok sugerowany przez sztuczną inteligencję musi zostać przetestowany z rzeczywistymi danymi i dokładnym odniesieniem do współrzędnych.
Trzy podstawowe koncepcje GIS
Warstwa: każdy typ danych to osobna warstwa — drogi to jedna warstwa, budynki to druga, a nachylenie to kolejna. Analiza polega na nakładaniu się i powiązywaniu warstw.
Atrybut: Każdy obiekt przestrzenny posiada tabelę – powierzchnia, przeznaczenie, status własności działki. Kwestia przestrzenna jest często kwestią atrybutową: „działki, których przeznaczeniem jest «przestrzeń zielona» i których powierzchnia jest większa niż 5000 m²”.
System odniesienia za pomocą współrzędnych (CRS): Jest to struktura matematyczna, która przekształca zakrzywioną powierzchnię Ziemi w płaską mapę. ITRF/TM (np. systemy krajowe określone przez kody EPSG) są szeroko stosowane w Turcji. Fałszywy CRS to najczęstszy i najbardziej podstępny błąd przestrzenny: warstwy nie nakładają się na siebie, obszary i odległości są całkowicie błędne. Jeśli sztuczna inteligencja sugeruje obliczenie odległości lub obszaru, pierwszą kontrolą jest zawsze CRS.
Uwaga: Nie zakładaj, że wynik dotyczący odległości lub powierzchni jest prawidłowy tylko dlatego, że wydaje się rozsądny. W przypadku nieprawidłowego CRS dwie warstwy mogą wydawać się „nakładać się” i przesuwać o metry. Zawsze porównuj powierzchnie w m²/ha ze znanym odniesieniem (np. tytułową powierzchnią działki).
Logika zagospodarowania przestrzennego i analiza przydatności
Analiza przydatności ocenia przydatność każdej lokalizacji do określonego celu (na przykład nowego mieszkania). Typowe kroki:
- Ustal kryteria. Nachylenie, ryzyko powodziowe, bliskość komunikacji, obecne użytkowanie, obszary chronione.
- Oceń każde kryterium. Na przykład nachylenie 0-5% = 10 punktów, 5-15% = 6, 15%+ = 1.
- Schudnąć. Jeśli w rezydencji kryterium zalewu jest bardzo ważne, jej waga będzie wysoka.
- Połącz warstwy. Przypisz ocenę sprawności do każdej komórki/pola za pomocą sumy ważonej.
- Komentuj i sprawdzaj. Sprawdź wynik, korzystając z wiedzy terenowej i przepisów.
Sztuczna inteligencja jest bardzo przydatna w omawianiu tej konstrukcji wagi kryterium, przypominaniu o zapomnianym kryterium i organizowaniu tabeli punktacji. Pamiętaj jednak, że wagi to ocena wartości: to, czy nadać większą wagę powodziom, czy transportowi, jest wyborem publicznym, a nie decyzją sztucznej inteligencji.
Krok po kroku: Konstruowanie analizy przydatności za pomocą sztucznej inteligencji
- Określ cel i dziedzinę. „Dostępność nowych działek mieszkaniowych w dzielnicy X.”
- Zrób inwentaryzację danych. Wypisz posiadane warstwy, ich źródła, daty i CRS.
- Przygotuj projekt kryteriów-wag AI. Zapytaj, czy brakuje jakichś kryteriów.
- Stwórzcie wspólnie tabelę punktacji. Wyjaśnij progi dla każdego kryterium.
- Przetłumaczono przepływ pracy na kroki GIS. Która warstwa, jaki proces, w jakiej kolejności.
- Sprawdź jakość danych. Terminowość, dokładność, zgodność z CRS.
- Sprawdź wynik. Dziedzina, ustawodawstwo, znane odniesienie.
Słaba zachęta/silna zachęta
Słaby monit: „Znajdź najlepsze miejsce na mieszkanie”.
Sztuczna inteligencja nie zna domeny, danych ani kryteriów; Zwraca ogólny i bezużyteczny tekst.
Wyraźna wskazówka: „Przygotowuję analizę przydatności: wybierz nowy obszar mieszkalny, obszar robót [dzielnica]. Warstwy, które mam: nachylenie (z DEM), ryzyko powodzi (SHW), sieć dróg, istniejące użytkowanie gruntów, obszary chronione. (a) przypomnij mi o kryteriach, których może brakować, (b) zasugeruj tabelę rozsądnych progów punktacji dla każdego kryterium, (c) zaznacz, gdzie wagi zawierają oceny wartości. Sfinalizuj wagi dla mnie; przedstaw opcje.
Drugi monit czyni sztuczną inteligencję partnerem do dyskusji, utrzymując decydenta przy planiście.
Cztery szablony do kopiowania
Zadanie: Zaproponuj zestaw kryteriów analizy przydatności dla poniższej listy celów i poziomów. Wynik: kryterium | dlaczego to jest ważne | możliwy próg punktacji | „czy zawiera sądy wartościujące”. Wypisz także wszelkie kryteria, których może brakować. Cel: [...] | Obszar roboczy: [...] | Warstwy: [...]
Zadanie: Przeanalizuj poniższą tabelę wag kryteriów. (a) Sprawdź, czy suma wag jest znacząca, (b) oznacz kryteria sprzeczne lub powielone, (c) wypisz założenia, które mogą wprowadzić w błąd wynik. Podejmowanie decyzji; po prostu sprawdź.Tabela: [...]
Zadanie: Przetłumacz następujące kroki analizy na przepływ pracy GIS. Dla każdego kroku: warstwa(y) wejściowa, typ procesu, wynik i układ współrzędnych/punkt jednostkowy, które należy wziąć pod uwagę. Pisanie kodu; po prostu opisz swój przepływ pracy.Kroki: [...]
Zadanie: Przetłumacz następujący inwentarz danych na wykres kontroli jakości. Kolumny: warstwa | źródło | data/bieżący | KRS | znany limit/ryzyko błędu.Zaznacz warstwy, które należy sprawdzić przed użyciem.Inwentarz: [...]
Tabela: rodzaj analizy i walidacja
Analiza
Pytanie, które zadał
Rola sztucznej inteligencji
krytyczna weryfikacja
Przydatność
Gdzie się nadaje?
Konstrukcja kryterium-waga
Waga = wybór publiczny; C.R.S.
dostępność
Jak blisko/dostępnie?
Zarys wyboru metody
Aktualizacja danych sieciowych
Gęstość/krycie
Ile tego jest, jak jest dystrybuowane?
Zalecenia dotyczące klasy i progu
Źródło danych o populacji/obszarze
zmienić
Co się zmieniło?
fikcja porównawcza
Data i zgodność z CRS
bufor/odległość
Co znajduje się w granicach?
logika dystansu
Jednostka i CRS
trzy mini etui
Przypadek 1 – pułapka CRS. Stażysta nakłada się na dwie warstwy; mapa wygląda na „nakładającą się”. Kiedy sztuczna inteligencja analizuje drukowany bufor, 500-metrowy bufor okazuje się dziwnie mały. Problem: jedna warstwa jest w formacie geograficznym (stopień) CRS, druga w metrycznym CRS; 500 „stopni” jest bez znaczenia. Po projekcji do prawidłowego CRS wynik ulega poprawie. To jeden z najbardziej niewidocznych i najdroższych błędów.
Przypadek 2 – Zapomniane kryterium. Zespół wykorzystuje nachylenie, powódź i dostępność jako kryteria przydatności mieszkań. Niech sztuczna inteligencja nadzoruje edycję; AI „Czy dodałeś kryterium ryzyka geologicznego/katastrofy (uskok, osunięcie się ziemi)?” przypomina. Zespół zdaje sobie sprawę, że przegapił to krytyczne kryterium. Sztuczna inteligencja nie podjęła decyzji, zamknęła martwy punkt.
Przypadek 3 – Przejrzystość wagi. Gmina przedstawia radzie mapę przydatności. AI wyraźnie drukuje w wersji roboczej raportu, że każda waga jest preferencją, a mapa będzie się zmieniać przy różnych wagach. Rada zapytała: „Co się stanie, jeśli zwiększymy masę powodziową?” staje się zdolny do zadawania pytań. Przejrzystość przekształca analizę z narzucania w narzędzie dyskusji.
Typowe błędy
- Nie sprawdzam CRS. Najczęstszy i kosztowny błąd w analizie przestrzennej; Sprawdź przed każdą operacją dotyczącą odległości/obszaru.
- Mylenie ciężarów z faktami technicznymi. Waga jest oceną wartościującą; Musi być przejrzysta i pozostać dyskusyjna.
- Ignorowanie waluty danych. Stara warstwa dotycząca użytkowania gruntów wprowadza w błąd dzisiejszy osąd.
- Mylenie sztucznej inteligencji ze źródłem danych. AI nie widzi warstwy; edytuje fabułę. Dane zawsze pochodzą z prawdziwego, zweryfikowanego źródła.
- Nie sprawdzam wyniku w terenie. Obszar może wydawać się „odpowiedni” na mapie, ale w terenie może to być zupełnie inna rzeczywistość.
Podsumowując
GIS to silnik danych przestrzennych służący do planowania; warstwa, atrybut i układ współrzędnych to trzy podstawowe pojęcia. Analiza przydatności ocenia każdą lokalizację pod kątem określonego celu za pomocą kryteriów, punktacji i wag. Sztuczna inteligencja jest potężną pomocą w projektowaniu tej konfiguracji, przypominając o brakujących kryteriach, sortując przepływ pracy i raportując; ale nie może zobaczyć danych i podjąć decyzji. Najbardziej podstępnym błędem jest niewłaściwy układ współrzędnych; Wagi nie mają charakteru technicznego, lecz stanowią ocenę wartościującą i powinny być przejrzyste. Weryfikuj każdy wynik za pomocą aktualnych danych, dokładnych informacji CRS i terenowych.
Zadanie aplikacji
Wybierz cel (na przykład nowa lokalizacja przedszkola). (1) Zrób inwentarz warstw, które posiadasz lub zakładasz, korzystając z czwartego szablonu; Zapisz stan CRS i świeżości każdej warstwy. (2) Za pomocą pierwszego szablonu zasugeruj AI zestaw kryteriów-wag i uwzględnij przynajmniej jedno brakujące kryterium. (3) Zaznacz, które wagi są sądami wartościującymi i napisz w jednym zdaniu, jak wyjaśniłbyś je zgromadzeniu. (4) Opisz, w jaki sposób zweryfikujesz wynik w terenie.
lista kontrolna
- [ ] Sprawdziłem i zsynchronizowałem układ współrzędnych (CRS) wszystkich warstw.
- [ ] Ustawiłem kryteria i zleciłem skanowanie AI w poszukiwaniu brakujących kryteriów.
- [ ] Zaznaczyłem, że wagi stanowią oceny wartościujące i zadbałem o ich przejrzystość.
- [ ] Oceniłem aktualność i dokładność danych.
- [ ] Używałem sztucznej inteligencji jako asystenta edycji, a nie jako źródła danych.
- [ ] Wynik zweryfikowałem w oparciu o znaną referencję i wiedzę terenową.
- [ ] Zapisałem inwentaryzację danych i ślad weryfikacyjny.