fa استخراج خودکار هندسه راه از داده‌های خط سیر به روش KDE توسط عامل‌های کاوشگر فتوگرامتری و سنجش از دور Photo&RS پژوهشي Research <p style="text-align: justify;"><span dir="RTL">امروزه داده‌های مردم گستر منبع مهمی به&shy;منظور ایجاد نقشه‌های رقومی به&shy;شمار می‌روند. در چند سال اخیر استفاده از این منابع در تهیه نقشه‌های ارزان، به&shy;هنگام و قابل ‌اطمینان موردتوجه قرار گرفته است. الگوریتم&shy;های ارائه‌شده درزمینه استخراج راه از داده‌های مردم گستر، به&shy;منظور استخراج نقشه&shy;های راه باید برای کل محدوده موردنظر اجرا شوند. این موضوع باعث می&shy;شود تا الگوریتم استخراج راه برای بخش‌هایی از منطقه که فاقد داده‌های خط سیر هستند نیز اجرا گردند که محاسبات اضافی به سیستم اعمال می‌کنند. در راه‌کار ارائه‌شده با توسعه عامل&shy;هایی در یک سیستم چند&shy;عامله امکان اجرای الگوریتم استخراج راه تنها برای مناطقی که داده&shy;های خط سیر جمع‌آوری‌شده است، فراهم شد. در این مقاله با الهام از نحوه پایش محیط وب توسط عامل&shy;های کاوشگر وب، راه&shy;کار نوینی به‌منظور استخراج نقشه‌های شبکه راه، با در نظر گرفتن داده&shy;های خط سیر جمع‌آوری‌شده توسط کاربران ارائه شد. بدین منظور عامل‌هایی توسعه داده شد که با استفاده از عملگرهای مورفولوژیکی در فضای رستری داده‌های خط سیر به استخراج راه می‌پردازند. در این پژوهش از روش </span>KDE<a href="#_ftn1" name="_ftnref1" title="">^{<span dir="RTL"><span dir="LTR">^[1]</span></span>}</a><span dir="RTL"> جهت تبدیل فضای برداری داده&shy;های خط سیر<a href="#_ftn2" name="_ftnref2" title="">^{<span dir="LTR">^[2]</span>}</a></span> به فضای رستری مورد استفاده قرار گرفت. سپس از عملگرهای مورفولوژی closing<span dir="RTL">، </span>dilation<span dir="RTL"> و </span>thinning<span dir="RTL"> به ترتیب به‌منظور پر کردن فضای خالی موجود در داده‌ها، افزایش ابعاد تصویر و نازک&shy;سازی استفاده شد. همچنین عملگر </span>skeleton<span dir="RTL"> به&shy;منظور استخراج مرکز راه&shy;ها مورد استفاده قرار گرفت. </span><span dir="RTL">سپس نتایج حاصل از استخراج راه توسط سیستم چند عامله توسعه داده شده با نقشه&shy;های </span>Google Earth<span dir="RTL"> مورد ارزیابی قرار گرفت. در پایان پیشنهاداتی برای کارهای آتی ارائه شد.</span></p> <div>&nbsp; <hr align="left" size="1" width="33%" > <div id="ftn1"> <p><span dir="RTL">1</span> Kernel Density Estimation</p> </div> <div id="ftn2"> <p><span dir="RTL">2</span> Trajectory data</p> </div> </div> <p style="text-align: justify;">Volunteered Geographic Information (VGI) has been recently used to generate low cost, up-to-date, and reliable road maps. Previous methods are periodically applied to update the road maps in a particular time interval and scan the whole study area instead of considering the changed parts of road networks. This paper presents a multi-agent system that dynamically explores the newly collected trajectory data and updates the Google Earth&rsquo;s road map geometry. In this regard, the developed agents use morphological operation in a raster space, generated from newly added trajectory data to extract road map. Kernel Density Estimation (KDE) method was exploited to transform vector space of trajectory data to raster. Moreover, the road geometry extraction algorithm is applied on the changed parts, reported by newly added trajectory data, instead of the whole study area. In this regard, the work space is divided into regions of equal size. To evaluate the functionality of the proposed algorithm, the result was compared to the Google Earth&rsquo;s base-map and <em>F-score</em>, <em>Missing</em> and <em>Spurious</em> parameters were 0.57, 0.40 and 0.37, respectively.</p> داده‌های مردم گستر, استخراج خودکار راه, عامل, عامل کاوشگر, روش KDE, عملگرهای مورفولوژی Agent, Crawler-Agent, Automatic Road Extraction, Trajectory Data, VGI, KDE 11 21 http://jgst.issgeac.ir/browse.php?a_code=A-10-25-97&slc_lang=fa&sid=1 R. Mohammadi رضا محمدی r.mohammadi0645@gmail.com 10031947532846004071 10031947532846004071 Yes M. Farnaghi مهدی فرنقی farnaghi@kntu.ac.ir 10031947532846004072 10031947532846004072 No