Оценочное зонирование территории г. Тимашевск, рыночная и нормативная стоимость земли по оценочным зонам

Индивидуальное огородничество

Городской парк

Коттеджная застройка

Рис. 162. Зонирование г. Тимашевск по градострои­тельной ценности территорий

Жилая

малоэтажная

застройка

Промышленная застройка

Кладбище

Торгово-

коммерческая

застройка

Коллективные сады

Как оказалось, очень велика стоимость земли под объектами промышленности, торгово-складскими и коммерческими поме­щениями (то есть объектами, приносящими большой доход их владельцам). Потребность в помещениях для офисов превышает предложения. Причем, как обычно, в дефиците оказались неболь­шие помещения, уже подготовленные для офисной работы, где достаточно расставить мебель и оформить индивидуальный ди­зайн интерьера. Соответственно и цена на земли под офисной застройкой весьма высока.

Проведенное исследование выявило следующие факты:

дальнейшее развитие города невозможно в оптимальном (с по­зиций дифференцированного зонирования) направлении без кар­динальных изменений в местной земельной политике;

существующая застройка территории г. Тимашевск, методы использования его земель экономически и демографически не-обоснованы;

проведенная ранее оценка территории города некорректна, до сих пор не была выявлена истинная ценность различных городских территорий, что не позволяло в полном объеме пополнять го­родской бюджет (стоимость земель искусственно занижалась);

территория города нерационально распределена по функцио­нальному назначению.

Для оптимизации и рационализации использования городских земель необходимо использовать научно обоснованные методики, основанные на современных компьютерных технологиях, апроби­рованные на конкретных примерах, усовершенствовать технику зонирования и привести ее в соответствие с современными по­требностями городского развития.

Контрольные вопросы и задания

1. Опишите возможности программы «Проектирование лесных полос».

2. Какие исходные данные необходимы для работы с этой программой?

3. С какими другими программными продуктами взаимодействует данная про­грамма?

4. В чем заключается технология корректировки планово-картографического материала проектов землеустройства средствами автоматизированного проектиро­вания?

5. Опишите технологию графического компьютерного проектирования в среде Wingis 3.4+.

6. Опишите методику составления проекта противоэрозионной организации территории хозяйства средствами AutoCAD и AutoCAD Map. В чем ее основные особенности?

7. В чем заключаются преимущества зонирования территории муниципальных образований на основе применения компьютерных технологий?

Глава ХШ

ЭКОНОМИКА САПР И ГИС В ЗЕМЛЕУСТРОЙСТВЕ

1. ЭФФЕКТИВНОСТЬ САЗПР

Общий эффект от применения автоматизированной системы складывается из двух компонент:

■ ^САПР ^— ^потр ' -^проект>

где Э_потр — годовой экономический эффект, получаемый потребителем землеуст­роительной продукции, созданной с помощью САЗПР, благодаря ее более высо­кому качеству; Э_проскт — годовой эффект, полученный непосредственно землеуст­роительной организацией в результате использования САЗПР.

Первая составляющая эффекта может быть оценена по фор­муле

" -'потр li-чшт V*-" ^•h^-/J ^Yf

где Ц_опт —оптовая цена единицы изделия; С — себестоимость производства; К — капитальные затраты на реализацию цикла подготовки производства; Е_н — нор­мативный коэффициент окупаемости капитальных затрат (0, 15); ^—годовой вы­пуск изделий.

Эта формула применяется в том случае, когда нет изделия-про­тотипа. Если оно существует, расчет проводится следующим обра­зом:

Э_ПОТр = (3, а-3₂Ж

где 3) и Зг — затраты на производство изделия-прототипа и нового изделия соот­ветственно; а — коэффициент приведения показателей нового изделия к старому.

Величина Э_проект оценивается в рамках проектной организации так:

Эпроект⁼ Д ^— Зсапр >

где Д — доход; 3_Сапр — стоимость технических средств, транспортных расходов, монтажа, электроэнергии, аренды здания, обучения персонала, величина прочих затрат (включает стоимость предпроектных исследований, разработки архитекту­ры САЗПР и расходы, связанные с разработкой оригинальных программных мо­дулей).

Доход в проектных организациях может быть получен за счет сокращения персонала и возрастания обслуживаемого потока зая­вок на проектирование.

В приведенных формулах не учтены текущие затраты на эксп­луатацию САЗПР, связанные с проведением профилактических и ремонтных работ, сменой расходных материалов и т. п.

Для оценки резервов роста эффективности проектирования за счет снижения затрат на обработку информации были проанали­зированы результаты освоения программного обеспечения в про­ектных институтах по землеустройству. В качестве исходных дан­ных использовались показатели, полученные при реализации проектов. Количественная мера влияния тех или иных решений определялась по снижению соответствующей статьи себестоимо­сти (в процентах). Этот показатель служит нормативом для рас­четов экономической эффективности систем обработки инфор­мации, а также для установления очередности внедрения их ком­понент.

Величина экономии в сфере основной деятельности объекта автоматизации рассчитывается по формуле

Э = uQ,

где ц — коэффициент экономии, %; С, — сумма по статье (элементу) себестоимос­ти, руб.

Для достижения максимальной экономии от автоматизации следует учитывать структуру себестоимости продукции на объек­тах проектирования.

Сумма экономического эффекта определяется так:

где Э_к — экономия в сфере основной деятельности объекта автоматизации; Э_п — экономия в сфере обработки информации; Е„ — нормативный коэффициент эф­фективности капитальных вложений; К — капитальные вложения в автоматиза­цию обработки информации.

При расчете экономии затрат на обработку информации це­лесообразно использовать рекомендуемые коэффициенты для разных типов вычислительных машин. Эти коэффициенты так­же учитывают специфические особенности объектов автомати­зации.

Для оценки максимально возможной экономии в сфере основ­ной деятельности анализируется структура себестоимости продук­ции и определяется очередность освоения комплексов задач таким образом, чтобы величина экономии, рассчитанная с помощью нормативных коэффициентов, была максимальной. Тем самым появляется возможность оптимизировать выбор варианта автома­тизации для каждого конкретного объекта. Это позволит привести

в действие значительную часть не используемых в настоящее вре­мя резервов роста эффективности производства.

Для расчета экономической эффективности систем обработки данных используется формула

'-' ^— ^год ^— (пГщ, " +" -Гэкс/э

где Э_год — годовая экономия от освоения системы; Н — нормативный коэффици­ент эффективности; Р_кап — капитальные вложения; Р_экс — эксплуатационные рас­ходы.

Экономическая эффективность освоения систем автоматиза­ции в землеустроительном проектировании оценивается величи­ной дисконтированного интегрального эффекта:

^тр П(Т_р)= \[Q{t)-c{t)]e~ⁿdt,

о

где с(г) — полная себестоимость; г — норма дисконта; Т_р — период освоения про­екта; Q(t) —динамика валового выхода продукции.

2. МЕТОДИКА РАСЧЕТА ЭКОНОМИЧЕСКОГО ЭФФЕКТА ВНЕДРЕНИЯ САПР И ГИС

Внедрение компьютерных технологий в землеустройстве со­пряжено с капитальными вложениями на приобретение техники, разработку проектов, подготовительные работы и обучение персо­нала. Поэтому внедрению должно предшествовать экономическое обоснование САПР и ГИС, предполагающее расчет эффективнос­ти соответствующих технологий. При этом необходимо различать проектную и фактическую эффективность. Первую определяют на стадии разработки рабочего проекта, вторую — по результатам его внедрения.

Экономический эффект от внедрения вычислительной и орга­низационной техники подразделяют на прямой и косвенный.

Под прямой экономической эффективностью понимают эконо­мию ресурсов, полученную в результате сокращения численности управленческого персонала, фонда заработной платы, расхода ос­новных и вспомогательных материалов вследствие автоматизации конкретных видов планово-учетных и аналитических работ.

Не исключено, что внедрение технологий САПР и ГИС на пер­вом этапе не приведет к уменьшению числа работников планово-учетных служб. В этом случае учитывают косвенную эффектив­ность, проявляющуюся в конечных результатах хозяйственной де­ятельности предприятия. Ее локальными критериями могут быть: сокращение сроков составления сводок, повышение качества пла­ново-учетных и аналитических работ, сокращение документообо­рота, повышение культуры и производительности труда и т.д.

Основным же показателем является повышение качества управле­ния, которое, как и при прямой экономической эффективности, ведет к экономии затрат.

В расчетах используют трудовые и стоимостные измерители, сопоставляя данные базисного и отчетного периодов. В качестве базисных принимают затраты на обработку информации до вне­дрения технологий САПР и ГИС (вручную), а при совершенство­вании действующей системы автоматизации — затраты при ее ис­пользовании. Эффективность выражается как абсолютными, так и относительными показателями.

Абсолютный показатель эффективности по затратам (в денеж­ном измерении) будет равен

С_Эк ⁼ С₀ — С[, а индекс затрат

С₀ Срок окупаемости рассчитывается следующим образом:

(3₀ +П₀)К_эф

Сп — Ci

где Зо — затраты на техническое обеспечение; П₀ — затраты на программное обес­печение; К_эф — коэффициент эффективности.

Контрольные вопросы и задания

1. Из каких составляющих состоит общий эффект от применения САЗПР и как он рассчитывается?

2. Как определить экономическую эффективность систем обработки инфор­мации?

3. Какие показатели используют для оценки экономической эффективности?

4. Опишите методику расчета экономического эффекта от внедрения САПР и ГИС в землеустройстве.

Глава XIV ЭКСПЕРТНЫЕ СИСТЕМЫ В ЗЕМЛЕУСТРОЙСТВЕ

1. СТРУКТУРА И ВОЗМОЖНОСТИ ЭКСПЕРТНЫХ СИСТЕМ

Перспективы развития землеустроительных САПР и ГИС во многом связаны с созданием и использованием экспертных сис­тем (ЭС), которые являются разновидностью систем искусствен­ного интеллекта.

Искусственный интеллект — это быстро развивающаяся науч­ная дисциплина, возникшая в 50-е годы XX в. на стыке киберне­тики, лингвистики, " психологии и программирования, восходящая к работам Винера, Маккалока и Розенблата по нейронным сетям. Ее можно определить как науку о знаниях, о том, как их добывать, представлять в искусственных системах, перерабатывать внутри них и использовать для решения практических задач. В настоящее время исследования в данной области проводятся по следующим основным направлениям:

обработка естественного языка и моделирование диалога;

экспертные системы;

автоматическое доказательство теорем;

робототехника;

интеллектуальные вопросно-ответные системы;

автоматическое программирование;

распознавание образов;

решение комбинаторных задач (головоломки, игры).

Наибольший прогресс в сфере искусственного интеллекта свя­зан с созданием ЭС, которые уже получили достаточно широкое распространение и используются при решении многих практичес­ких задач.

Решение задач землеустроительного проектирования постоян­но требует привлечения экспертных знаний в большом объеме. Это обусловлено рядом причин: слабой структуризацией боль­шинства задач данного типа; участием в их постановке специалис­тов-экспертов; возможностью получения различных, но практи­чески равноценных проектов; отсутствием единого алгоритма ре­шения; возрастанием сложности проектируемых объектов и уве­личением количества учитываемых показателей на каждом следующем шаге проектирования.

Экспертная система (рис. 163) —это человеко-машинная сис­тема, важнейшими компонентами которой являются база знаний

Механизм выводов

< --- >

Рис. 163. Общая схема функционирования экспертной системы

(построенная в соответствии с определенной формой их пред­ставления) и механизм выводов, который обеспечивает манипу­лирование объектами базы при решении конкретных приклад­ных задач.

База знаний представляет собой совокупность экспертных дан­ных, то есть знаний специалистов в определенной предметной об­ласти. В отличие от обычных баз данных знания требуют иной формы представления; для этого используют так называемые се­мантические сети с произвольной структурой и регулярные сети — фреймы. Фреймы описывают общие понятия, слоты и ячейки детализируют их, и в результате ЭС приобретает иерархи­ческую структуру. В «решателе» (блок механизмов выводов) со­браны логические операции, с помощью которых устанавливают­ся связи между профессиональными знаниями экспертов и реаль­ными ситуациями (входными данными задачи). Таким образом, главным в ЭС является модель представлений экспертов о пред­метной области и методах решения соответствующих задач. Со­вершенство системы зависит от глубины проникновения разра­ботчиков в данную предметную область, то есть их опыта.

Детальная структура ЭС представлена на рис. 164. Модуль вы­вода (решатель) по запросу от пользователя, используя имеющие­ся знания, осуществляет поиск ответа, причем этот поиск, как правило, сопровождается диалогом между пользователем и ЭС. Если решение задачи (ответ) у пользователя вызывает сомнения, он может потребовать объяснений (эту работу выполняет подсис­тема объяснений, на рисунке не показанная).

Модуль усвоения знаний, если он включен в ЭС, действует на принципах индуктивного вывода; разработка таких модулей еще только начинается, поэтому в большинстве существующих ЭС он отсутствует.

Создание экспертных систем — менее формальный процесс, чем написание компьютерных программ, разработка баз данных, информационно-поисковых систем. Это объясняется не возрас­том данной области (ЭС разрабатываются уже не менее 30 лет), а

База знаний (факты, известные о предметной об­ласти; формальные правила, выражато-siune эти знания)

_-f, усвоения \ знаний

f

Механизм вывода (интерпр е татор, планировщик)

Запрос пользователя

Объяснения пользователю

Рис. 164. Структура экспертной системы

разнообразием плохо формализуемых задач, возникающих в раз­личных предметных областях.

Тем не менее ЭС применяются достаточно широко; их можно классифицировать по следующим типам:

интерпретация (описание ситуаций по наблюдаемым данным);

прогнозирование (вывод вероятных следствий из заданной си­туации);

диагностика (вывод о нарушениях в работе технической систе­мы или организма человека по данным наблюдений);

проектирование (построение конфигурации объектов, которая удовлетворяет заданным ограничениям);

планирование (разработка плана действий для достижения за­данной цели);

контроль (выдача предупреждений об опасности или нештат­ной ситуации);

отладка (выдача рекомендаций по ликвидации недостатков функционирования);

ремонт (устранение обнаруженных в системе дефектов);

обучение;

управление (адаптация системы к меняющимся условиям).

В настоящее время сложилась определенная технология разра­ботки ЭС, которая включает 6 основных этапов: идентификацию, концептуализацию, формализацию, выполнение, тестирование и опытную эксплуатацию.

Этап идентификации связан с осмыслением задач, которые предстоит решить будущей ЭС, и формированием требований к ней. На данном этапе нужно получить ответ на вопрос, что будет делать система и какие ресурсы необходимо задействовать (иден­тификация задач, определение участников процесса проектирова­ния и их роли, выявление ресурсов и целей).

Идентификация задачи заключается в составлении неформаль­ного (вербального) описания, в котором указываются: общие ха­рактеристики задачи; подзадачи, выделяемые внутри нее; ключе­вые понятия (объекты), их входные и выходные параметры; пред­положительный вид решения, а также знания, относящиеся к ре­шаемой задаче.

На этапе концептуализации проводится содержательный анализ проблемной области, выявляются используемые понятия и их вза­имосвязи, определяются методы решения задач. Он завершается созданием модели предметной области, включающей основные концепты и отношения. На этом этапе определяют следующие особенности задачи: типы доступных данных; исходные и выводи­мые данные, подзадачи общей задачи; используемые стратегии и гипотезы; виды взаимосвязей между объектами; типы используе­мых отношений (иерархия, причина — следствие, часть — целое и т. п.); процессы, используемые в ходе решения; состав знаний, не­обходимых для выработки решения; типы ограничений, наклады­ваемых на процессы, используемые в ходе решения; состав зна­ний, используемых для обоснования принятых решений.

На этапе формализации все ключевые понятия и отношения вы­ражаются на некотором формальном языке, который либо выби­рается из числа уже существующих, либо создается заново. Други­ми словами, определяют состав средств выражения и способы представления декларативных и процедурных знаний, на основе которых формируется описание решения задачи ЭС на выбран­ном формальном языке. В частности, указывают способы пред­ставления знаний (фреймы, сценарии, семантические сети и т. д.), способы манипулирования ими (логический вывод, аналитичес­кая модель, статистическая модель и др.) и их интерпретации.

Одна из основных проблем формализации профессиональных знаний — выявление задач, выполнение которых может быть пол­ностью или частично поручено некомпетентному исполнителю.

19 — 6993

Неформализованность задач, решаемых экспертными система­ми, отсутствие завершенной теории ЭС и методологии их проек­тирования приводят к необходимости модифицировать принципы и способы построения ЭС в ходе процесса проектирования по мере того, как увеличиваются знания разработчиков о данной проблемной области. Как отмечал академик Г. С. Поспелов, «со­здание экспертных систем не может идти по обычной схеме заказ­чик—исполнитель... Это невозможно потому, что знания, кото­рыми должна быть заполнена конкретная экспертная система, на­ходятся у заказчика, а не у исполнителя...».

Формализация профессиональных знаний — это обобщение опыта высококвалифицированных специалистов, оформление по общепринятым правилам технологических описаний методов ре­шения проектных задач и их ограничений. Исходя из возможнос­тей подготовки таких описаний проектные задачи могут быть под­разделены на хорошо и слабоформализуемые. Хорошо формализуе­мыми называют задачи, последовательность решения которых мо­жет быть описана настолько полно и корректно, что абсолютно некомпетентный исполнитель, пользуясь только этим описанием, способен без участия квалифицированного специалиста получить приемлемый результат. При этом результат по форме и содержа­нию будет зависеть только от названного описания и исходных данных (типичный пример хорошо формализуемых проектных за­дач—инженерные и технико-экономические расчеты). В слабо-формализуемых задачах удается описать последовательность вы­полнения лишь отдельных операций. В этом случае некомпетент­ный исполнитель, руководствуясь описанием, должен периоди­чески консультироваться с квалифицированным специалистом. Соответственно получаемый результат будет зависеть не только от описания и исходных данных, но и от опыта и квалификации спе­циалиста, участвующего в решении задачи.

Сразу же заметим, что большинство проектных задач землеуст­ройства является слабоформализуемыми. Например, при графи­ческой компоновке устройства территории севооборотов требует­ся очень высокая квалификация для принятия важнейших прин­ципиальных решений и в то же время имеются простые, хорошо формализуемые операции (сбор нормативных данных, экономи­ческое обоснование проектных решений и др.).

Цель этапа выполнения — создание одного или нескольких про­тотипов ЭС, решающих требуемые задачи. Разработка прототипа заключается в программировании его компонентов или их выборе из известных инструментальных средств, а также в заполнении базы знаний. Прототип должен обеспечить проверку адекватности идей, методов и способов представления знаний, включенных в ЭС, решаемым задачам. Создание прототипа должно подтвердить, что выбранные методы решений и способы представления при­годны, по крайней мере, для ряда задач данной предметной облас-

ти, а также продемонстрировать тенденцию к получению высоко­качественных и эффективных решений для всех задач этого типа по мере расширения базы знаний.

На этапе тестирования производится оценка выбранного способа представления знаний и работы ЭС в целом, на этапе опытной эксплуатации — ее пригодности для конечного пользо­вателя.

Экспертные системы необходимо рассматривать как самостоя­тельный класс автоматизированных информационных систем, со­держащих базы данных и базы знаний, способных осуществлять анализ, коррекцию и синтез данных, анализировать и принимать решения как по запросу, так и независимо от запроса пользовате­ля и выполнять ряд аналитически-классификационных задач. В частности, ЭС должны уметь распределять входную информацию по группам, консультировать, делать выводы, ставить диагноз, обучать прогнозированию, идентифицировать задачи и объекты, интерпретировать полученные результаты и т. д.

Целесообразно сочетание экспертных систем с автоматизиро­ванными информационными системами традиционного типа. Эк­спертный компонент такой комплексной системы может предос­тавлять вспомогательные средства для отбора необходимых дан­ных, способов их обработки, обеспечивать качественный поиск информации в разнообразных базах данных.

2. ПЕРСПЕКТИВЫ ПРИМЕНЕНИЯ ЭКСПЕРТНЫХ СИСТЕМ В ЗЕМЛЕУСТРОИТЕЛЬНЫХ САПР И ГИС

Для повышения эффективности САПР и ГИС в землеустрой­стве, а также чтобы сделать их более удобными в обращении, не­обходимо использовать метод экспертных оценок, особенно при анализе данных и принятии проектных решений. При помощи этого метода, в частности, можно прогнозировать будущее состоя­ние природной среды в результате землеустройства. Если ожида­ются негативные изменения, проект пересматривают с целью их устранения. Использование экспертных оценок в землеустройстве необходимо рассматривать как один из этапов на пути создания землеустроительной экспертной системы, объединяющей эмпи­рические и формализованные знания о землеустроительном про­цессе.

В настоящее время быстро возрастает объем и увеличивается разнообразие пространственно локализованных данных, которые могут сохраняться и обрабатываться геоинформационными систе­мами. Часто их обработка замедляется из-за неэффективности со­ответствующих процедур. Распространенные до недавнего време­ни версии ГИС имели ограниченные возможности как при работе с данными дистанционного зондирования, так и с разнообразными

19*

картами, поскольку первые имеют растровое представление, а вторые оцифрованы в векторном формате. Но этот недостаток по­степенно устраняется, по мере того как ГИС включают гибридные технологии (векторно-растровые).

Применение экспертных систем в ГИС не является обязатель­ным во всех случаях. По сравнению с базами данных ЭС представ­ляют гораздо более жесткие требования как к организации реше­ния задач, так и к наличию необходимого минимума данных и формализованных знаний.

При создании экспертных систем возникает, как минимум, три проблемы:

обеспечение достаточной полноты информации. Это требует выделения ключевых (основополагающих) знаний и установления их взаимосвязи в структуре данных, а также создания и использова­ния такой системы кодирования, которая бы позволила эффектив­но применять эту информацию для решения практических задач;

получение эффективной оценки качества функционирования ЭС и выработка соответствующих критериев. Проблема заключает­ся в том, что знания специалистов — это не просто сумма сведений и фактов. Формальные попытки учета многомерности связей путем добавления новых могут привести к чрезмерной перегруженности (жесткости) системы, она станет закрытой для добавления новых элементов и установления связей с уже существующими;

возможность получения недостоверного результата из-за веро­ятностного характера структуры решаемых задач и синтеза зна­ний.

Решение перечисленных проблем является необходимым, но недостаточным условием применения экспертных систем в ГИС.

ГИС сейчас широко применяются при изучении природных ресурсов и их использовании. В настоящее время основная про­блема заключается в том, что они рассчитаны на квалифициро­ванных экспертов, имеющих опыт исследования сложных про­странственных связей с помощью компьютерных систем. Удобные для рядового пользователя интерактивные системы, которые мог­ли бы помочь ему в решении различных задач, существенно улуч­шили бы характеристики ГИС и расширили их применение. В ча­стности, разработка экспертных систем для ГИС могла бы позво­лить более эффективно проводить обработку и анализ данных на компьютере лицам, имеющим небольшой опыт в этой области. Так, проблема совмещения пространственных данных, получен­ных из разных источников, может решаться путем разработки но­вых моделей данных, которые должны быть совместимы с метода­ми искусственного интеллекта, применяемыми в задачах сужения пространства поиска.

Вообще, ГИС являются хорошей средой для внедрения мето­дов искусственного интеллекта и экспертных систем. Это вызва­но, с одной стороны, разнообразием и сложностью самих ГИС, с

другой — наличием большого числа экспертных задач, возникаю­щих при их использовании. Уже созданы ЭС, применяемые для получения композиции карт, выделения элементов их нагрузки, получения тематических карт, поддержки принятия решений, по­строения оверлейных структур и др.

Знания — это дорогой, но тиражируемый ресурс. В настоящее время проработаны и используются на практике следующие моде­ли знаний:

1) логические модели (исчисления предикатов первого поряд­ка, псевдофизическая, временная, пространственная, каузальная и нечеткая логики);

2) семантические сети (ориентированные графы, вершины ко­торых представляют понятия и объекты, а дуги — отношения меж­ду ними, в какой-то мере аналогичные сетевым моделям данных);

3) фреймы (регулярные, или однородные, разновидности се­мантических сетей);

4) системы вывода (правила вида «условие — действие», «если — то» и т. п.).

Для каждой модели знаний имеются соответствующие методы получения решений и их использования; существуют и смешан­ные модели знаний. В настоящее время наблюдается смещение акцентов в сторону систем вывода, поскольку они ближе к обыч­ной логике действий экспертов, а сами методы хорошо проработа­ны. Данные системы имеют и другие достоинства — простота, од­нородность структуры, локальность вносимых в базу знаний изме­нений (что упрощает ее модификацию) и др.

Интеллектуальные системы, в том числе ЭС, требуют для компьютерной реализации специальных программ, осуществляю­щих в основном символьные вычисления. Для их создания пред­ложены различные инструментальные средства, учитывающие как специфику переработки информации в таких системах, так и их структуру, что существенно облегчает программирование. К ним относятся:

скелетные системы (оболочки систем искусственного интел­лекта);

средства автоматизированного проектирования интеллектуаль­ных систем;

системы представления знаний;

системы программирования.

Скелетная система представляет собой полномасштабную сис­тему искусственного интеллекта (ИИ) с пустой базой знаний, ориентированную на определенный круг приложений. Задача раз­работчика при использовании скелетной системы сводится только к подготовке базы знаний. Каждая такая система характеризуется жестко фиксированным способом представления знаний (моде­лью знаний), методом вывода решений и организацией взаимо­действия компонентов.

Средства автоматизированного проектирования напоминают скелетные системы, но обладают большей гибкостью, предостав­ляя разработчику несколько вариантов организации базы знаний и функционирования системы. Поэтому данные средства иногда называют настраиваемыми оболочками.

Системы представления знаний поддерживают специальные языки для формального выражения знаний в той или иной модели (так называемые языки представления знаний). В инструменталь­ные средства данного типа входят также модули вывода, причем разработчику предоставляются определенные возможности по уп­равлению его работой.

При использовании систем программирования разработчику необходимо создавать полную инфраструктуру для интересующе­го приложения, то есть разрабатывать собственный язык пред­ставления знаний и программировать все компоненты системы. Наиболее широко для этих целей используются непроцедурные языки программирования LISP, PROLOG и SMALLTALK. Благо­даря эффективности реализации находят применение в этой обла­сти и процедурные языки.

Типы инструментальных средств перечислены в порядке повы­шения универсальности и эффективности работы будущего про­дукта, а также увеличения затрат на разработку с их помощью сис­тем искусственного интеллекта.

Можно выделить несколько групп задач, требующих примене­ния экспертных систем в землеустроительных ГИС: обработка ви­деоизображений; преобразование растровых изображений в век­торные графические модели; обработка картографической инфор­мации; обработка и упорядочение разнородной информации; по­строение моделей объектов или местности; анализ моделей ГИС; получение проектных решений на основе геоинформации.

В землеустройстве практически все вопросы, касающиеся орга­низации территории сельскохозяйственных предприятий, можно решать при помощи землеустроительной ЭС.

Экспертные системы качественно отличаются от различных информационных систем, и прежде всего тем, что оперируют не данными, а знаниями. Они должны обладать математическим обеспечением, позволяющим описывать знания, пополнять их с помощью специалистов (экспертов), а главное — формировать но­вые знания, используя старые.

Характерные особенности экспертных систем — построение диалога в свободной форме (консультативный диалог, обучение правилам из базы знаний, получение новых знаний), изменение базы знаний, механизмов обучения и самообучения без участия пользователя.

Системы автоматизированного проектирования являются од­ной из основных областей приложения экспертных систем. Эти системы, рассматриваемые в качестве прикладных систем искус-

ственного интеллекта, развиваются в сторону расширения их ин­теллектуальных возможностей.

Основные преимущества ЭС перед другими автоматизирован­ными системами:

возможность решения, оптимизации или получения оценок новых классов трудноформализуемых задач, реализация которых на ЭВМ до недавнего времени считалась затруднительной или не­возможной;

обеспечение возможности рядовому пользователю вести диалог на естественном языке и применять методы визуализации инфор­мации для эффективного использования ЭВМ и решения земле­устроительных задач;

накопление данных, знаний, правил использования знаний, правил самообучения ЭС для получения все более достоверных и квалифицированных выводов или решений (включают не затребо­ванные пользователем);

решение вопросов или проблем, которые сам пользователь не в состоянии решить либо из-за отсутствия у него информации, либо из-за ее многообразия, либо из-за длительности обычного реше­ния даже при помощи ЭВМ;

возможность создания индивидуальных специализированных ЭС за счет использования развитых инструментальных средств и личного опыта разработчика системы;

использование нетрадиционной дополнительной информации при землеустроительном проектировании;

существенное увеличение числа вариантов, рассматриваемых при проектировании;

повышение точности и качества проектных решений за счет снижения риска ошибки проектирования.

Подводя итог, можно сказать, что ЭС в землеустройстве — это система специальных средств, предназначенных для представления на ЭВМ знаний квалифицированных специалистов (экспертов) в об­ласти землеустройства, позволяющая использовать их рядовыми ис­полнителями при решении землеустроительных задач.

Разработка и внедрение ЭС в землеустройство должны привести к созданию новой технологии проектирования, при которой тради­ционный комплекс этапов разработки проекта будет рассматри­ваться как единая задача во всей сложности ее взаимосвязей.

Контрольные вопросы и задания

1. Опишите базовую структуру ЭС.

2. Перечислите основные этапы создания ЭС.

3. Какие типы инструментальных средств используются при разработке систем искусственного интеллекта?

4. В чем заключаются преимущества ЭС перед другими автоматизированными информационными системами?

5. Дайте краткое определение землеустроительной ЭС.

ПРИЛОЖЕНИЯ

1. АВТОМАТИЗАЦИЯ ПРОЕКТИРОВАНИЯ ЭЛЕМЕНТОВ ОРГАНИЗАЦИИ ТЕРРИТОРИИ

Рассматриваемый далее программный модуль Builder.mbx пред­назначен для выполнения некоторых геометрических построений, необходимых в процессе автоматизированного землеустроитель­ного проектирования, а также работ с картографической инфор­мацией, выполняемых при отводе новых и изменении существую­щих земельных участков в среде ГИС Maplnfo. Кроме того, модуль содержит несколько вспомогательных функций, обеспечивающих необходимый сервис при выполнении построений.

Для проверки работоспособности программы необходимо прежде всего загрузить Maplnfo, указав для открытия рабочий на­бор Построения. WOR. После загрузки на экране появится изобра­жение, содержащее 10 графических фрагментов на косметическом слое, которые и будут использоваться при выполнении линейных построений (рис. 165). Далее следует запустить модуль builder.mbx и выбрать появившуюся в основном меню позицию Построения.

Функции модуля реализуются с помощью инструментов, со­бранных на панели Построения (рис. 166). Прежде чем приступить к работе, следует установить режим захвата точек, нажав на клави­атуре клавишу S (режим SNEP). В этом режиме попадание курсо­ра в точку отмечается появлением в ней пунктирного перекрестья. Если после указания линейного элемента появляется сообщение, что элемент не найден, можно попробовать изменить радиус обла­сти захвата при указании (выборе) объектов. Для этого следует в основном меню выбрать Построения/Параметры, после чего в от­крывшемся диалоговом окне задать нужную величину радиуса.

1. Проведение перпендикуляра из точки, расположенной на задан­ном отрезке.

Для выполнения операции используют фрагмент 1 на исход­ном изображении, содержащем отрезок длиной 200 м, в середине которого размещен точечный элемент. Далее необходимо нажать

на панели Построения кнопку _[_ («Перпендикуляр из точки на

отрезке»), после чего следует захватить мышью точечный элемент на линии, и, не отпуская левой клавиши мыши, отметить любую точку выше линии (направление построения перпендикуляра),

ЦйГраницы.Участки Карта

ЩШ

Рис. 165. Графические фрагменты, используемые программой Builder

после чего отпустить мышь. Далее в диалоговом окне нужно за­дать значение 100 (длина строящегося перпендикуляра), и постро­ение будет закончено. В указанной точке линия будет разбита на две. Наличие разбиения и длины сформированных отрезков могут быть проверены стандартными средствами Maplnfo. Перпендику­лярность построенного отрезка к исходной линии может быть проверена построением двух отрезков по его концу и концам ис­ходной линии и сравнением их длин. Аналогичным образом мо­жет быть построен перпендикуляр в противоположном направ­лении.