論文の概要: A Protocol to Convert Infrastructure Data from Computer-Aided Design
(CAD) to Geographic Information Systems (GIS)
- arxiv url: http://arxiv.org/abs/2006.14112v1
- Date: Thu, 25 Jun 2020 00:25:02 GMT
- ステータス: 処理完了
- システム内更新日: 2023-05-12 20:19:37.534993
- Title: A Protocol to Convert Infrastructure Data from Computer-Aided Design
(CAD) to Geographic Information Systems (GIS)
- Title（参考訳）: CAD(Computer-Aided Design)から地理情報システム(GIS)へのインフラストラクチャデータ変換プロトコル
- Authors: Eric Sergio Boria, Mohamed Badhrudeen, Guillemette Fonteix, Sybil
Derrible, Michael Siciliano
- Abstract要約: 本稿では、一般的な変換エラーを低減し、これらのエラーを修正するのに必要な時間を短縮する5段階のプロセスを提案する。
インタビューは、自治体がコンバージョンで直面した課題を確認し、データインフォームド意思決定を可能にするためのソリューションインタビュアーを特定した。
- 参考スコア（独自算出の注目度）: 0.0
- License: http://creativecommons.org/licenses/by-nc-sa/4.0/
- Abstract: While many municipalities and organizations see value in converting
infrastructure data from Computer-Aided Design (CAD) to Geographic Information
System (GIS) format, the process can be complex, expensive, and time-consuming.
Given that municipal employees often prefer to continue performing work in both
CAD and GIS, depending on the type of work required, an improved conversion
process would help municipalities more fully employ GIS-based analyses.
Municipalities facing budget and capacity challenges would especially benefit
from an improved conversion process. With advances in GIS functionality and the
promise of smart and connected cities, more emphasis is placed on the quality
of data, and in this case, the potential loss of data quality from CAD to GIS
formats. The goals of this article are twofold. First, to understand the common
practices municipalities use to convert infrastructure CAD data to GIS and the
specific challenges they face. Second, based on knowledge of those practices
and challenges, this article proposes a five-step process to reduce common
conversion errors and reduce the time required to correct these errors. The
process is illustrated through the conversion of CAD data from the University
of Illinois at Chicago (UIC) campus. The findings were validated with
qualitative, semi-structured interviews conducted with GIS Analysts and
Managers working in eleven municipalities across the United States who directly
manage at least one of the following infrastructures: water, sanitary sewer, or
stormwater sewer systems. The interviews confirmed the challenges
municipalities faced with the conversion and identified solutions interviewees
undertook to enable data-informed decision-making.
- Abstract（参考訳）: 多くの自治体や組織は、インフラストラクチャデータをcad(computer-aided design)からgis(geographic information system)形式に変換することに価値を見出しているが、プロセスは複雑で高価で時間がかかる。
市町村の従業員はCADとGISの両方で仕事を継続することを好んでおり、必要な作業の種類に応じて、改良された変換プロセスにより、GISに基づく分析をより完全に活用することができる。
予算とキャパシティの課題に直面している自治体は、特に変換プロセスの改善の恩恵を受けるだろう。
GIS機能の向上とスマートでコネクテッドな都市の約束により、データの品質が重視され、この場合、CADからGISフォーマットへのデータ品質の損失が潜在的に減少する可能性がある。
この記事の目標は2つある。
まず、自治体がインフラCADデータをGISに変換するための共通プラクティスと、それらが直面する課題を理解する。
第2に,これらのプラクティスと課題の知識に基づいて,一般的な変換エラーを低減し,これらのエラーを修正するのに要する時間を短縮する5段階のプロセスを提案する。
この過程は、イリノイ大学シカゴ校(UIC)キャンパスからのCADデータの変換によって説明される。
調査は、米国内の11市町村で、水、衛生下水道、雨水下水道の少なくとも1つを直接管理しているGISアナリストとマネージャーによる質的、半構造化されたインタビューによって行われた。
インタビューは、自治体が変換に直面する課題を確認し、データインフォームドな意思決定を可能にするためのソリューションインタビュアーを特定した。
関連論文リスト
- Geolocation with Real Human Gameplay Data: A Large-Scale Dataset and Human-Like Reasoning Framework [59.42946541163632]
3つの重要なコンポーネントを持つ包括的位置決めフレームワークを導入する。
大規模データセットGeoComp、新しい推論手法GeoCoT、評価指標GeoEval。
また,GeoCoTは解釈可能性を高めつつ,位置情報の精度を最大25%向上させることを示した。
論文 参考訳（メタデータ） (2025-02-19T14:21:25Z) - The S2 Hierarchical Discrete Global Grid as a Nexus for Data Representation, Integration, and Querying Across Geospatial Knowledge Graphs [4.358099505067763]
本稿では,KnowWhereGraphにおけるGoogleのS2幾何の実装について概説する。
最終的にこの研究は、スケーラブルなGeoKGを構築するためのDGGSフレームワーク、特にS2の可能性を示している。
論文 参考訳（メタデータ） (2024-10-18T18:30:05Z) - ShapefileGPT: A Multi-Agent Large Language Model Framework for Automated Shapefile Processing [8.594821438139187]
大規模言語モデル(LLM)を利用した革新的なフレームワークであるShapefileGPTを提案する。
ShapefileGPTはマルチエージェントアーキテクチャを使用し、プランナーエージェントがタスクの分解と監督を担当し、ワーカーエージェントがタスクを実行する。
評価のために,幾何演算や空間的クエリといったカテゴリのタスクを含む,権威教科書に基づくベンチマークデータセットを開発した。
論文 参考訳（メタデータ） (2024-10-16T08:48:27Z) - GeoNet: Benchmarking Unsupervised Adaptation across Geographies [71.23141626803287]
地理的ロバスト性の問題について検討し、3つの主要な貢献を行う。
まず,地理的適応のための大規模データセットGeoNetを紹介する。
第2に、シーンコンテキストにおける大きな変化から、ドメインシフトの主な原因が生じるという仮説を立てる。
第3に、最先端の教師なしドメイン適応アルゴリズムとアーキテクチャを広範囲に評価する。
論文 参考訳（メタデータ） (2023-03-27T17:59:34Z) - A Transformer Framework for Data Fusion and Multi-Task Learning in Smart
Cities [99.56635097352628]
本稿では,新興スマートシティを対象としたトランスフォーマーベースのAIシステムを提案する。
ほぼ全ての入力データと出力タスクタイプをサポートし、現在のS&CCをサポートする。
S&CC環境を代表する多様なタスクセットを学習して実演する。
論文 参考訳（メタデータ） (2022-11-18T20:43:09Z) - A General Purpose Neural Architecture for Geospatial Systems [142.43454584836812]
本稿では,空間的帰納バイアスを持つ汎用ニューラルアーキテクチャ(GPNA)の構築に向けたロードマップを示す。
このようなモデルがコミュニティのメンバー間の協力をいかに促進するかを考察する。
論文 参考訳（メタデータ） (2022-11-04T09:58:57Z) - A Cross-City Federated Transfer Learning Framework: A Case Study on
Urban Region Profiling [24.103961649276584]
本稿では,データ不足やプライバシー問題に対処する新しいクロスシティ・フェデレーション・トランスファー・ラーニング・フレームワーク(CcFTL)を提案する。
CcFTLは、複数のリッチデータソース都市から対象都市にリレーショナル知識を転送する。
都市域のプロファイリングをスマートシティの応用として捉え,提案手法を実世界の研究で評価する。
論文 参考訳（メタデータ） (2022-05-31T12:41:01Z) - GANmapper: geographical content filling [0.0]
本稿では,GAN(Generative Adversarial Network)を用いた空間データ生成手法を提案する。
当社のコントリビューションでは、粗大で広く利用可能な地理空間データを使用して、構築された環境のより細かいスケールで、あまり利用できない機能のマップを作成しています。
我々は、土地利用データと道路ネットワークを入力として、建物のフットプリントを生成し、世界中の9都市で実験を行う。
論文 参考訳（メタデータ） (2021-08-07T05:50:54Z) - GeoQA: A Geometric Question Answering Benchmark Towards Multimodal
Numerical Reasoning [172.36214872466707]
我々は、テキスト記述、視覚図、定理知識の包括的理解を必要とする幾何学的問題を解くことに注力する。
そこで本研究では,5,010の幾何学的問題を含む幾何学的質問応答データセットGeoQAを提案する。
論文 参考訳（メタデータ） (2021-05-30T12:34:17Z) - Mining GIS Data to Predict Urban Sprawl [1.5239252118069764]
本稿では,地理情報システム(GIS)におけるデータ処理と分析の興味深い問題に対処し,都市スプロールの明確な視点を実現する。
都市スプロール(urban sprawl)とは、自動車依存や住宅と商業の分離といった影響を伴う、低密度地域の拡大と拡大を指す用語である。
論文 参考訳（メタデータ） (2021-03-21T08:41:35Z) - OpenStreetMap: Challenges and Opportunities in Machine Learning and
Remote Sensing [66.23463054467653]
本稿では,OpenStreetMapデータの改良と利用のための機械学習に基づく最近の手法について述べる。
私たちは、OSMがリモートセンシングデータの解釈方法を変え、機械学習とのシナジーが参加型マップ作成をスケールできると考えている。
論文 参考訳（メタデータ） (2020-07-13T09:58:14Z)
関連論文リストは本サイト内にある論文のタイトル・アブストラクトから自動的に作成しています。
指定された論文の情報です。
本サイトの運営者は本サイト（すべての情報・翻訳含む）の品質を保証せず、本サイト（すべての情報・翻訳含む）を使用して発生したあらゆる結果について一切の責任を負いません。