ارزيابي استفاده از هوش مصنوعي در تكميل داده هاي داوطلبانه مكاني. مطالعه موردي: داده هاي كاربري اراضي OSM

يادگيري عميق يك روش مدرن پردازش تصوير و تجزيه و تحليل داده هاست كه با داشتن نتايج اميدوار كننده و پتانسيل بالا وارد حوزه مديريت شهري شده است. پروژه (OSM)Open Steet Map بزرگ‌ترين مجموعه ‌داده هاي مكاني داوطلبانه است كه در بسياري از حوزه‌هاي كاربردي مختلف به ‌عنوان مكمل يا جايگزين با داده‌هاي مرجع استفاده مي‌شود. در بعضي از موارد در كشورهاي پيشرفته دقت داده‌هاي داوطلبانه توليد شده توسط موبايل و ديگر ابزار توسط كاربران حتي بيش از داده ي مرجع دولتي مي‌باشد. هدف از تحقيق حاضر ارزيابي استفاده از هوش مصنوعي در تكميل داده هاي داوطلبانه در مناطق كمتر مشاركت شده توسط داوطلبان مي باشد. ابتدا با استفاده از شبكه عصبي كانولوشني Res_UNet كاربري اراضي با دقت 83 درصد به دست آمد، سپس با توجه به پيش‌بيني انجام شده، از روش واحد مبنا جهت ارزيابي ميزان كامل ‌بودن داده‌هاي OSM  استفاده شد. نتايج نشان مي‌دهد ميزان كامل ‌بودن بلوك‌هاي ساختماني OSM در كل منطقه مطالعاتي برابر با 3.6 درصد، جنگل‌ها9.7درصد، درخت‌هاي ميوه 90.4 درصد و زمين‌هاي كشاورزي 81.88درصد مي‌باشد. كه نشان از نرخ پايين كامل‌ بودن بلوك‌هاي ساختماني و جنگل و نرخ بالاي كامل‌ بودن زمين‌هاي كشاورزي و درختان ميوه مي‌باشد. نتايج تحقيق بيانگر درصد مشاركت پايين داوطلبانه درتوليد داده‌هاي مكاني مي‌باشد. از طرفي دقت بالاي توليد كاربري اراضي توسط هوش مصنوعي نتايج اميدواركننده‌اي را در استفاده از هوش مصنوعي در توليد و تكميل داده‌هاي داوطلبانه به ‌جاي نيروي انساني بخصوص در كشورهاي كمتر توسعه‌يافته يا مناطق با جمعيت داوطلب كمتر يا نقاط دورافتاده و صعب‌العبور ارائه ميدهد