علیرضا شریفی؛ مریم پیران
چکیده
یشینه و اهداف: رشته مهندسی نقشهبرداری در حال گذار از یک حرفه عمدتا ابزارمحور به یک حوزه یکپارچه اطلاعات مکانی است که در آن اندازهگیری، تعیین موقعیت، سنجش از دور، مدلسازی سهبعدی، پایگاه داده، خدمات وب، پردازش ابری و هوش مصنوعی در یک گردشکار مشترک به هم متصل میشوند. این تغییر به معنای کاهش اهمیت دروس پایه نیست؛ بلکه محیطی را ...
بیشتر
یشینه و اهداف: رشته مهندسی نقشهبرداری در حال گذار از یک حرفه عمدتا ابزارمحور به یک حوزه یکپارچه اطلاعات مکانی است که در آن اندازهگیری، تعیین موقعیت، سنجش از دور، مدلسازی سهبعدی، پایگاه داده، خدمات وب، پردازش ابری و هوش مصنوعی در یک گردشکار مشترک به هم متصل میشوند. این تغییر به معنای کاهش اهمیت دروس پایه نیست؛ بلکه محیطی را که این مبانی در آن به کار میروند گستردهتر میکند. در نتیجه، برنامه کارشناسی با یک مساله طراحی آموزشی روبهرو است؛ افزودن هر فناوری جدید میتواند برنامه را به فهرستی متراکم از نرمافزارها تبدیل کند، در حالی که حفظ برنامهای عمدتا سنتی ممکن است فارغالتحصیل را برای خودکارسازی، یکپارچهسازی و ارائه دادههای مکانی جدید آماده نکند. هدف این پژوهش توسعه یک چارچوب شایستگی مبتنی بر شواهد برای نقشهبردار آینده و تبدیل آن به نقشهراه چهارساله است؛ بهگونهای که شایستگیهای مشترک، سطح اولویت، روابط پیشنیازی و خروجیهای عملی قابل ارائه در نمونهکار دانشجو مشخص شوند.
روشها: پژوهش با رویکرد مرور روایتی هدفمند و نگاشت شایستگی انجام شد. بدنه شواهد از چهار گروه منبع تشکیل شد: اسناد حرفهای و آموزشی نهادهای بینالمللی نقشهبرداری و اطلاعات مکانی؛ استانداردها و راهنماهای مرتبط با داده مکانی، تعاملپذیری و اطلاعات سهبعدی؛ مستندات رسمی فناوریهای باز و ابری که در گردشکارهای مهندسی نقشه برداری کاربرد گسترده دارند؛ و مطالعات علمی جدید درباره هوش مکانی (GeoAI) و دوقلوهای دیجیتال. منابع زمانی وارد فرایند شدند که حداقل یکی از چهار نقش را پشتیبانی کنند: تعریف بنیانهای ماندگار حرفه، مستندسازی تحول دیجیتال، مشخصکردن رویه فنی تعاملپذیر، یا معرفی یک توانمندی نوظهور با کاربرد فراتر از یک نرمافزار خاص. مهارتهای استخراجشده با سه معیار اهمیت بنیادی برای هویت حرفهای، گستره کاربرد در محیطهای شغلی و پژوهشی، و اهمیت راهبردی برای گردشکارهای آینده ارزیابی شدند. سپس روابط پیشنیازی بررسی شد تا مهارتهای پیشرفته پیش از دروس پایه قرار نگیرند و از این طریق مدل پنجلایه و توالی هشتنیمسال ساخته شد.
یافتهها: تحلیل منابع به مدلی با پنج لایه بههمپیوسته انجامید. لایه نخست شامل دروس پایه نقشهبرداری، ژئودزی و فتوگرامتری است. لایه دوم سامانه اطلاعات مکانی (GIS)، برنامهنویسی، مدل داده، پایگاه داده مکانی و خودکارسازی بازتولیدپذیر را پوشش میدهد. لایه سوم ارتباط میان برداشت زمینی، هوایی و فضایی را با سنجش از دور، فتوگرامتری پهپادپایه، پویشگرهای لیزری، ابرنقاط و مدلسازی سهبعدی برقرار میکند. لایه چهارم به یادگیری ماشین، یادگیری عمیق، هوش مکانی، رابطهای برنامهنویسی وب، پردازش ابری، نقشههای تحت وب، یکپارچهسازی مدلسازی اطلاعات ساختمان و دوقلوهای دیجیتال میپردازد. لایه پنجم ماهیتی میانبخشی دارد و استانداردها، اخلاق، حاکمیت داده، مستندسازی، کنترل نسخه، بازتولیدپذیری، کار تیمی و ارتباط حرفهای را دربرمیگیرد.
نتیجهگیری: نقشهبردار آینده را میتوان متخصص سامانههای مکانی دانست که داده را از برداشت تا اعتبارسنجی، ذخیرهسازی، تبدیل، تحلیل، مدلسازی و ارائه خروجی هدایت میکند. بنابراین برنامه پیشنهادی رشته مهندسی نقشهبرداری را با برنامهنویسی یا هوش مصنوعی جایگزین نمیکند؛ بلکه دروس پایه را لایه کنترلکننده مهارتهای دیجیتال قرار میدهد و برنامهنویسی را ابزاری برای شفافیت، مقیاسپذیری و بازتولیدپذیری گردشکار میداند. مهمترین تغییر آموزشی، عبور از تدریس برنامههای منفرد به آموزش مفاهیم قابل انتقال و حل مساله از ابتدا تا انتها است. فارغالتحصیل باید بتواند توضیح دهد چرا یک مختصات قابل اعتماد است، یک مجموعهداده چگونه سازماندهی میشود، یک تحلیل چگونه بازتولید میشود، نتیجه چگونه از طریق استاندارد یا رابط تبادل میگردد و محدودیت داده یا مدل کجا بر تصمیم اثر میگذارد. محدودیت اصلی مطالعه آن است که پیش از اجرای ملی باید با مقررات حرفهای، نیاز کارفرمایان، زیرساخت دانشگاه و شرایط بازار کار کشور اعتبارسنجی و بومیسازی شود.
سامانه اطلاعات مکانی
ناهید بهرامی؛ میثم ارگانی؛ علی درویشی بلورانی؛ علیرضا وفایی نژاد
چکیده
پیشینه و اهداف: همه ساله زلزله به عنوان یک بحران و یکی از بلایای طبیعی که تقریبا غیر قابل پیشبینی به شمار میرود، خسارات جبران ناپذیر جانی و مالی را متحمل بشریت مینماید. از این رو بهتر است راهکارهایی نوین بر اساس روشهای جدید علمی و تجربیات گذشته، ارائه و پیادهسازی شود. مدیریت این گونه بحرانهای مخاطرات و بلایای طبیعی به ...
بیشتر
پیشینه و اهداف: همه ساله زلزله به عنوان یک بحران و یکی از بلایای طبیعی که تقریبا غیر قابل پیشبینی به شمار میرود، خسارات جبران ناپذیر جانی و مالی را متحمل بشریت مینماید. از این رو بهتر است راهکارهایی نوین بر اساس روشهای جدید علمی و تجربیات گذشته، ارائه و پیادهسازی شود. مدیریت این گونه بحرانهای مخاطرات و بلایای طبیعی به سه مرحله پیش از وقوع، هنگام وقوع و پس از وقوع آن تقسیم میشود. نجات، جزو مراحل پس از وقوع حادثه است که میتوان با مطالعه و بررسی پیش از وقوع حادثه به ارائه راهکاری جهت بهبود عملکرد نجات در رخداد آن در پس از وقوع زمینلرزه رسید. در این مقاله سعی میشود راهکاری با استفاده از هوش مکانی (Geo-AI) برای نجات پس از زمینلرزه ارائه شود.روشها: در این پژوهش با بهرهگیری از هوش مکانی (Geo-AI) و شبیهسازی زمینلرزهای فرضی راهکاری جهت ارتقا و تقویت نجات در وقوع زمینلرزه پیشنهاد میشود. در این روش زمینلرزهای فرضی با استفاده از سناریو شناور جایکا در تهران شبیهسازی شده است و در آن 48 امدادرسان در قالب 6 تیم نجات در محدوده مطالعاتی در نظر گرفته میشود. تیمهای مذکور با استفاده از یک سیستم اطلاعات مکانی هوشمند تقویتی، به گونهای به فعالیتهای جستجو و نجات اختصاص مییابند که در زمان کمتری، نجات بیشتر و کارآمدتری نسبت به حالت تجربی انجام شود. در مدل هوش مکانی ارائه شده از بخش یادگیری تقویتی هوش مصنوعی بهره گرفته میشود و به کمک مدل ایجاد شده به ارتقای عملیات جستجو و نجات در طی استفاده از مدل پیشنهادی برای بعد از رخداد زمینلرزه دست مییابد. در این مدل با استفاده از طراحی تابعی از جمیع پارامترهای موثر در نجات پس از زمینلرزه، در هوش مکانی تقویتی به بهبود عمکرد نجات در زمان رخداد زمینلرزه پرداخته میشود.یافتهها: با توجه به ماهیت فعالیتهای گروههای نجات و عدم امکان قرارگیری محققان در شرایط واقعی پس از زمینلرزه، شبیهسازی رخداد آن به منظور فراهم نمودن اطلاعات مکانی و توصیفی منطقه انجام فعالیت انجام میشود. در این شبیهسازی تعیین فعالیتهای مورد نیاز نجات و تهیه اطلاعات موقعیتی و توصیفی تیمهای نجات مدنظر قرار گرفته است. همچنین شبیهسازی رخداد زمینلرزه برای بدست آوردن برآورد تقریبی خسارات سازهای و انسانی در یک بخشی از شهر تهران انجام شده است. بدیهی است که فعالیتها دارای اولویتها و اهمیتهای مختلفی هستند. با توجه به مطالعات انجام شده و فرضیات مدنظر مدل پیشنهادی، در این پژوهش برای بررسی مدل ارائه شده 48 امدادرسان مد نظر قرارگرفتند و ابتدا در نزدیکترین مرکز مدیریت بحران منطقه مطالعاتی مستقر شدند و سپس تخصیص هوشمند فعالیتهای نجات به افراد نجاتگر صورت میگیرد.نتیجهگیری: استفاده از مدل پیشنهادی در این مقاله جهت شبیهسازیهای پژوهش حاضر و نیز پیادهسازی ساختار فعالیتهای نجات و تیمهای جستجو و نجات، راهکاری نوین در راستای بهبود کیفیت نجات پس از زمینلرزه خواهد بود. با بررسیهای انجام شده، مشخص شد پارامترهایی نظیر مدت زمان زنده ماندن در زیر آوار، مدت زمان انجام فعالیت نجات، فاصله افراد تیمهای نجات تا مکان فعالیتها، سرعت افراد هنگام حرکت به سمت هدف بسیار اهمیت دارد. نتایج حاصله از اجرای مدل هوشمند پیشنهادی این پژوهش در مقایسه با عدم استفاده از مدل پیشنهادی، بهبود 642/2 برابری تخصیص صورت پذیرفته را نشان داده است.