Professional Documents
Culture Documents
GEOINFORMACIONI SISTEMI
doc. dr. Mirza Ponjavi, dipl.ing.geod.
prema drugom izdanju CRC Press iz 2004.
Predgovor
Geoinformacioni sistemi (GIS) su raunarski bazirani informacioni sistemi koji se koriste
za prikupljanje, modeliranje, pohranjivanje, dijeljenje, manipulisanje, analizu i
prezentiranje georeferensiranih podataka. U ovoj knjizi se obrauju tehnologije, teorije,
modeli i reprezentacije koje okruuju geografske informacije i geoinformacione sisteme.
Geoinformatika (nauka o geoinformacijama) se razvila u zadnje dvije dekade kao
znaajna i atraktivna multidisciplinarna oblast. Utemeljena je na osnovama geografije,
kartografije, daljinskog snimanja, procesiranja slika, nauke o okolici i raunarstva.
Informatiki pristup izlaganja materije u ovoj knjizi je motivisan potrebom za boljim
razumjevanjem geoinformacionih sistema sa aspekta raunarstva. Gledajui sa ovog
stanovita, GIS se posebno oslanja na raunarske oblasti kao to su baze podataka,
raunarska grafika, sistemski inenjering, raunarska geometrija i mnoge druge. Ovakvim
pristupom se pokazuje da pitanja vezana za GIS ne predstavljaju samo izazov za oblasti u
kojima se on primjenjuje, nego je takoe relevantan i za mnoge raunarske discipline.
Bez obzira da li se geoinformacijama bavili sa aspekta primjene ili raunarske podrke,
uvijek je prisutna njihova posebnost, odnosno razliitost u odnosu na ostale standardne
tipove informacija. Kroz izlaganje u ovoj knjizi se pokuava dokuiti esencija ove
posebnosti, i to kroz razliite teme, poevi od konceptualnog i formalnog modeliranja
geoinformacija, naina njihovog pohranjivanja i prezentiranja u raunarski sistem, preko
njihovog upravljanja u okruenju raznih GIS arhitektura i konano do njihovog
razumjevanja uz prisustvo neizvjesnosti i neodreenosti, koje su neodvojive osobine
vremena i prostora u kojem egzistiraju.
Zadatak onog dijela informatike zajednice koja se bavi pitanjima i temama vezanim za
GIS je da snabdiju eksperte iz razliitih domena njegove primjene sa funkcionalnim
raunarskim alatima, koji e im pomoi u rjeavanju specifinih problema iz oblasti
kojima se bave. Ovi alati ukljuuju konstruktore za modeliranje, algoritme i mehanizme
za efikasno smjetanje, pozivanje i procesiranje podataka, te generine interfejse koji se
mogu oblikovati za pojedine potrebe koritenja.
Materijal u knjizi obrauje specifine teme na vie formalan nain, koji je bitan za
razumjevanje GIS-a, izbjegavajui detaljnu diskusiju o aktuelnom napretku na pojedinim
poljima, a koncentriui se vie na temeljne i ope principe vezane za njih. U tom smislu,
se pokuao napraviti pregled ovih polja iz perspektive raunarstva. Zbog toga, teme koje
su pokrivene u ovom materijalu nisu u potpunosti istraile svu relevantnu materiju iz
pojedinih oblasti GIS-a. Ostavljeno je na izbor itaocima da se o njima detaljnije
upoznaju kroz literaturu napisanu od onih autora koji su eksperti iz pojedinih referentnih
domena. Dalje, izostavljeni su detalji koji bi nas vie uveli u prolost GIS-a i proveli kroz
njegov historijski razvoj. Takoe, nisu obraene teme vezane za dalji razvoj i budunost
GIS-a, kao ni teme koje su relevantne za prostornu analizu, koja danas predstavlja jedno
od primarnih polja istraivanja u geoinformatici. Oslanjajui se na specijalizirane
statistike tehnike, prostorna analiza predstavlja zasebnu oblast prouavanja i opravdano
zahtjeva poseban literalni tretman sa specifinim pristupom izlaganja. U tom smislu se
zainteresirani itaoci upuuju na druge referentne tekstove iz ove oblasti.
Kada je u pitanju italatvo, ovaj materijal je namjenjen onima koji ele da se vie
upoznaju sa pitanjima koja GIS ine raunarskom tehnologijom. itaoci ne moraju imati
posebno predznanje iz oblasti raunarstva, ali trebaju biti upoznati sa nekim opim
znanjem o osnovnim komponentama i funkcionalnostima digitalnih raunara, kao i sa
osnovnim geoinformatikim pojmovima, koji su bitni za razumjevanje vanosti
odreenih kljunih pitanja u GIS-u. Dalje, ovaj material se moe koristiti u nastavi za
upoznavanje studenata sa osnovnim konceptima geoinformatikog raunarstva kroz
razliite definicije, objanjenja i primjere.
U njemu je sadrano deset poglavlja koja zasebno obrauju pojedine relevantne oblasti.
Redoslijed tema i tok izlaganja je prilagoen namjeri da se itaoci postepeno uvedu u
materiju, tako da se obraene oblasti, iako su sadrajno potpuno razliite, meusobno
oslanjaju i nadopunjuju. U tom smislu, materijal je organizovan tako da provodi itaoca
kroz teme vezane za konceptualizaciju prostora, teoriju baza podataka, geoinformacione
modele, reprezentaciju i strukturu prostornih podataka, GIS arhitekture, interfejse,
prostorno rezonovanje i koncepte temporalnosti u GIS-u.
Sadraj
1
Uvod.......................................................................................................................... 10
1.1
ta je GIS i ta ga ini posebnim? .................................................................... 10
1.1.1 Funkcionalni elementi GIS-a ........................................................................ 11
1.1.2 Podaci i informacije ...................................................................................... 13
1.2
Primjena GIS-a.................................................................................................. 13
1.2.1 Inventura resursa ........................................................................................... 13
1.2.2 Mrena analiza .............................................................................................. 14
1.2.3 Distribucija podataka .................................................................................... 16
1.2.4 Analiza terena ............................................................................................... 17
1.2.5 Analiza slojeva .............................................................................................. 18
1.2.6 Analiza lokacija ............................................................................................ 19
1.2.7 Prostorno vremenske informacije ................................................................. 20
1.2.8 Rezime o analitikim i procesnim zahtjevima .............................................. 21
1.3
Podaci i baze podataka ...................................................................................... 22
1.3.1 Prostorni podaci ............................................................................................ 22
1.3.2 Baza podataka kao skladite podataka .......................................................... 23
1.3.3 Prikupljanje podataka.................................................................................... 24
1.3.4 Modeliranje podataka.................................................................................... 24
1.3.5 Pretraivanje i analiza podataka.................................................................... 26
1.3.6 Prezentacija podataka.................................................................................... 27
1.3.7 Dijeljeni pristup podacima ............................................................................ 28
1.4
Hardwareska podrka ........................................................................................ 29
1.4.1 Pregled raunarske arhitekture ...................................................................... 29
1.4.2 Procesiranje i kontrola .................................................................................. 30
1.4.3 Skladitenje podataka.................................................................................... 32
1.4.4 Korisniki ulazno/izlazni ureaji .................................................................. 34
1.4.5 Raunarske mree ......................................................................................... 35
2 Temeljni koncepti baza podataka.............................................................................. 38
2.1
Uvod u baze podataka ....................................................................................... 38
2.1.1 Pristup sa smjetanjem podataka u bazu podataka ....................................... 39
2.1.2 Elementi sistema za upravljanje bazom podataka (DBMS) ......................... 43
2.1.3 Upravljanje transakcijama ............................................................................ 44
2.2
Relacione baze podataka ................................................................................... 46
2.2.1 Relacioni model ............................................................................................ 46
2.2.2 Operacije nad relacijama............................................................................... 48
2.2.3 Struktuirani jezik za upite - SQL .................................................................. 51
2.2.4 Relacione baze podataka koje se koriste za prostorne podatke .................... 54
2.3
Razvoj baze podataka ....................................................................................... 55
2.3.1 Konceptualno modeliranje podataka............................................................. 56
2.3.2 Projektovanje relacione baze podataka ......................................................... 65
2.3.3 Rezime .......................................................................................................... 68
2.4
Objektna orijentacija ......................................................................................... 69
2.4.1 Osnove objektno orijentisanog pristupa........................................................ 69
2.4.2 Objektno orijentisani konstrukti ................................................................... 71
5.3.3 Lista dvostruko povezanih linija (DCEL-doubly connected edge list) ....... 170
5.3.4 Objektni DCEL ........................................................................................... 173
5.4
Reprezentacije modela zasnovanih na polju ................................................... 176
5.4.1 Reprezentacije sa regularnom teselacijom .................................................. 176
5.4.2 Reprezentacije sa neregularnom teselacijom .............................................. 177
5.4.3 Delaunay triangulacija i Voronoi dijagram................................................. 178
5.4.4 Triangulacija poligona ................................................................................ 180
5.4.5 Srednja osovina poligona ............................................................................ 181
5.4.6 Teselacija sfere............................................................................................ 182
5.5
Fundamentalni geometrijski algoritmi ............................................................ 183
5.5.1 Metrini i Euclidovi algoritmi .................................................................... 184
5.5.2 Topoloki algoritmi ..................................................................................... 186
5.5.3 Algoritmi bazirani na skupovima................................................................ 188
5.5.4 Triangulacioni algoritmi ............................................................................. 191
5.6
Vektorizacija i rasterizacija............................................................................. 197
5.7
Mrena reprezentacija i algoritmi ................................................................... 200
5.7.1 Mrena reprezentacija ................................................................................. 200
5.7.2 Algoritmi za pretraivanje mree prvo-po-irini i prvo-po-dubini ............. 202
5.7.3 Najkrai put ................................................................................................. 204
5.7.4 Druge mrene operacije .............................................................................. 207
6 Strukture i metode pristupa ..................................................................................... 209
6.1
Ope strukture baza podataka i metode pristupa ............................................ 209
6.1.1 Organizacija fajla i metode pristupa ........................................................... 210
6.1.2 Neureeni fajlovi i linearno pretraivanje .................................................. 211
6.1.3 Ureeni (sekvencijalni) fajlovi i binarno traenje ...................................... 212
6.1.4 Indeksi ......................................................................................................... 213
6.2
Od jednodimenzionalnog prema dvodimenzionalnom ................................... 217
6.2.1 Dvodimenzionalna ureenja ....................................................................... 221
6.3
Rasterske strukture .......................................................................................... 222
6.3.1 Lanano, RLE i blokovsko kodiranje ......................................................... 223
6.3.2 Regionsko kvadrantno stablo ...................................................................... 224
6.4
Strukture takastih objekata ............................................................................ 228
6.4.1 Grid strukture .............................................................................................. 228
6.4.2 Takasto kvadrantno stablo......................................................................... 230
6.4.3 2D stablo ..................................................................................................... 233
6.5
Linearni objekti ............................................................................................... 236
6.5.1 PM kvadrantna stabla .................................................................................. 236
6.6
Kolekcije objekata .......................................................................................... 238
6.6.1 Pravougaonici i najmanji obuhvatni pravougaonici (MBB-ovi) ................ 239
6.6.2 R stabla i R+ stabla ...................................................................................... 240
6.6.3 BSP-stablo................................................................................................... 242
6.7
Strukture sfernih podataka .............................................................................. 243
7 Arhitekture .............................................................................................................. 247
7.1
Hibridne, integrisane i sastavljive (kompozitne) arhitekture .......................... 248
7.2
Sintaksna i semantika heterogenost .............................................................. 250
7.2.1 Formati i standardi za transfer podataka ..................................................... 252
7.3
Distribuirani sistemi ........................................................................................ 253
7.3.1 Arhitektura distribuiranog sistema visokog nivoa ...................................... 254
7.3.2 Klijent-server sistemi .................................................................................. 255
7.3.3 Distribuirani komponentni sistemi .............................................................. 259
7.4
Distribuirane baze podataka ............................................................................ 260
7.4.1 Homogeni i heterogeni distribuirani DBMS-ovi ........................................ 262
7.4.2 Relacione distribuirane baze podataka........................................................ 263
7.4.3 Zakljuak..................................................................................................... 264
7.5
Lokacijski svijesno raunarstvo ...................................................................... 264
7.5.1 Beine raunarske mree........................................................................... 267
7.5.2 Lokacijski senzori ....................................................................................... 268
7.5.3 Lokacijski bazirani servisi .......................................................................... 273
7.5.4 Lokacijski svjesni sistemi i zatita privatnosti ............................................ 274
8 Interfejsi .................................................................................................................. 277
8.1
Interakcija ovjeka i raunarske maine ......................................................... 277
8.1.1 Ulazno izlazni kanali................................................................................... 278
8.1.2 Razmiljanje i procesiranje ......................................................................... 279
8.1.3 Interfejsi i interakcija .................................................................................. 281
8.2
Kartografski interfejsi ..................................................................................... 284
8.2.1 Simbolizacija karte...................................................................................... 286
8.3
Geovizualizacija .............................................................................................. 288
8.3.1 Animacija .................................................................................................... 289
8.3.2 Trodimenzionalni prikazi ............................................................................ 291
8.3.3 Nevizualni prikazi ....................................................................................... 294
8.3.4 Povratna sprega (feedback) ......................................................................... 296
8.4
Dizajniranje GIS interfejsa ............................................................................. 298
9 Prostorno rezonovanje i neizvjesnost...................................................................... 303
9.1
Formalni aspekti prostornog rezonovanja ....................................................... 303
9.1.1 Sintaksa i semantika .................................................................................... 304
9.1.2 Logika i dedukcija....................................................................................... 304
9.1.3 Primjer prostornog rezonovanja .................................................................. 305
9.1.4 Formalna notacija........................................................................................ 307
9.2
Informacije i neizvjesnost ............................................................................... 308
9.2.1 Podaci i informacije .................................................................................... 309
9.2.2 Neizvjesnost ................................................................................................ 310
9.2.3 Tipologija nesavrenosti ............................................................................. 311
9.2.4 Dimenzije kvaliteta podataka ...................................................................... 315
9.3
Kvalitativni pristupi neizvjesnosti .................................................................. 318
9.3.1 Mogui svijetovi ......................................................................................... 318
9.3.2 Vjerovanje i znanje ..................................................................................... 320
9.3.3 Revizija vjerovanja ..................................................................................... 321
9.3.4 Logika sa tri i vie vrijednosti istinitosti ..................................................... 324
9.3.5 Fuzzy skupovi ............................................................................................. 325
9.3.6 Grubi skupovi.............................................................................................. 327
9.4
Kvantitativni pristupi u neizvjesnosti ............................................................. 328
9.4.1 Vjerovatnoa ............................................................................................... 328
1
1 Uvod
Kratak pregled
Geografski informacioni sistem je poseban tip raunarski baziranog informacionog
sistema razvijenog da pohranjuje, procesira i manipulie geoprostornim podacima. U
ovoj tematskoj jedinici se opisuje ta je GIS, i ta on omoguava. Zatim slijedi opis baza
podataka, koje organiziraju podatke u forme, jednostavne za pohranjivanje i pozivanje, i
koje su u srcu svakog GIS-a. Takoe opisuju se i hardwareske tehnologije u GIS
okruenju, ukljuujui raunarske procesore, memorijske ureaje, ulazno/izlazne ureaje
i raunarske mree.
10
GIS je poseban tip informacionog sistema, koji tretira geografski referensirane podatke.
Preciznije reeno, GIS je raunarski baziran sistem, koji omoguava prikupljanje,
modeliranje, pohranjivanje, pozivanje, razmjenu, manipulisanje, analiziranje i
prezentaciju geografski referensiranih podataka (slika 1.1).
Za geografski referensirane podatke se koristi i termin geoprostorni podaci. To su podaci
koji se svrstavaju u poseban tip prostornih podataka, koji su geografski povezani ili
opisuju povrinu Zemlje. Kljune komponente GIS-a su ematski prikazane na slici 1.1.
GIS terminologija. Postoje razliiti termini, kao i tipovi informacionih sistema koji se koriste u
kontekstu GIS-a. Kad je u pitanju GIS terminologija postoji vie esto koritenih termina koji
predstavljaju sinonime za GIS. Prostorni informacioni sistem (Spatial Information System) ima
iste funkcionalne komponente kao i GIS, ali moe operisati i sa podacima koji prostorno
referensiraju iri obuhvat razliitih razmjera (dimenzija) pored geografske (na primjer podaci o
molekularnoj konfiguraciji). Prostorna baza podataka obezbjeuje funkcionalnost baze podataka
za prostorni informacioni sistem. Geografska baza (geodatabase) obezbjeuje funkcionalnost
baze podataka za GIS. Slikovna (image) baza podataka se fundamentalno razlikuje od prostorne
baze podataka ili geografske baze podataka po tome to slike nemaju strukturalne meurelacije
ili topoloke objekte. Na primjer, baza podataka skenograma ljudskog mozga moe biti nazvana
slikovnom bazom podataka. CAD ima dosta zajednikih elemenata sa GIS-om. Historijski
gledano, neki GIS softwareski paketi su razvijeni iz CAD softwarea. Za razliku od CAD-a, GIS
software se koristi za manipulisanje sa skupovima podataka koji su geografski referensirani. GIS
software obino operie sa veim skupovima podataka i kompleksnijim modelima za razliku od
CAD softwarea. Iako nisu sinonimi za GIS, termini geoinformaciona nauka (GIScience) i
geoinformatika su vezani za GIS, poto se koriste za opis sistematizovane studije o geografskim
informacijama i geografskim informacionim sistemima.
11
12
13
14
lokacije samo jednom. Ovakva analiza moe biti i dinamikog karaktera, gdje se koriste
teine za pojedine vorove (lokacije) u mrei i izraunavaju optimalne rute u zavisnosti
od promjenljivih uslova na putu (usporenja saobraaja i slino).
Slika 1.4a: Mrea putovanja bazirana na vremenima putovanja (u minutama) izmeu ciljnih lokacija
Slika 1.4b: Optimalna ruta koja prolazi kroz sva ciljna mjesta (problem trgovakog putnika)
15
Turisti koji obilaze turistike znamenitosti mogu putem mobitela primati navigaciona
upustva i informacije o lokalnim atrakcijama. Ovi podaci koji mogu dolaziti iz raznih
izvora se moraju integrisati, procesirati (obraditi) i transmitovati do turista. Kako turisti
obino nisu GIS eksperti, ovi kompleksni zadaci se obino izvravaju od strane nekog
turistikog servisnog provajdera (pruaoca usluge). Ovaj provajder prikuplja i integrie
potrebne informacije unaprijed ili dinamiki prilikom zahtjeva za njima, zatim izvrava
odreene analitike procese (na primjer, mrenu analizu za pronalaenje najbolje rute od
lokacije turiste korisnika do traene lokacije atrakcije) i emituje informacije (upustva)
do korisnika.
16
Slika 1.6b prikazuje perspektivnu projekciju iste povrine prikazane na slici 1.6a. Ovakve
projekcije predstavljaju moan pristup prezentacije terena.
17
Sive povrine na slici 1.8a prikazuju regiju unutar 0.5 m od glavnog puta (bez autoputa),
koja se openito naziva baferom. Sive nijanse na slici 1.8b indiciraju povrine koje po
svom geolokom sastavu predstavljaju pjesakovito i ljunkovito zemljite. Na slici 1.9c
su indicirane lokacije koje ne predstavljaju izgraeno (graevinsko) zemljite. Slika 1.9d
prikazuje rezultat preklapanja tri prethodno opisana sloja, odnosno povrinu koja
zadovoljava postavljeni upit.
Opisana analiza je pojednostavljena zbog ilustrativnosti. U realnosti ovakve analize mogu
ukljuiti i druge kriterijalne faktore poput vrijednosti zemljita, tipa vlasnitva i slino.
Cilj je ovdje bio prezentirati osnovne funkcionalnosti koje se zahtjevaju od GIS-a
primjenjenog za vieslojnu analizu, koje ukljuuju:
formiranje povrina koje sadre lokacije unutar zadatog ranga za dati skup
objekata, to se naziva baferovanjem. Baferi predstavljaju krune ili kvadratne
18
Slika 1.8: a) baferi puteva (gore lijevo), b) geoloki sastav sa pjeskovitim i ljunkovitim materijalima (gore
desno), c) neizgraeno zemljite (dole lijevo) i d) rezultat preklapanja slojeva (dole desno)
19
taaka). Slika 1.9a prikazuje krive linije (krunice) koje povezuju lokacije koje su
podjednako udaljene od lokacije klinike (koja se analizira) u smislu vremena putovanja
(izokrone). Takoe, mogue je podjeliti prostor na povrine, gdje svaka sadri po jednu
kliniku, tako da svaka povrina sadri sve take koje su najblie (po vremenu putovanja)
njenoj pripadajuoj klinici, to se naziva poligonima bliskosti (slika 1.9b). Na osnovu
ovako dobijenih informacija je svakako mogue jednostavnije analizirati opravdanost
odgovarajue odluke.
Slika 1.9: Prikaz klinikih centara i njihovih pripadajuih poligona bliskosti (pokrivenosti)
20
Slika 1.10: Historija naselja Cobridge prikazana kartografski iz 1878. (lijevo) i 1924. godine (desno)
21
pravac kretanja direkcija (na primjer, mrea jednosmjernih ulica) ili labelne, gdje je
stranama doznaena labela (numeriki ili tekstualni atribut), kao na primjer, vrijeme
trajanja putovanja i slino. Mrene operacije ukljuuju analizu povezanosti
(konektivnosti), traenje optimalne putanje, analizu protoka i druge.
22
Rasterski podaci su struktuirani kao matrica (mrea) elija, koje predstavljaju piksele
(pixel). Njen 3D ekvivalent je 3D matrica kubinih elija, nazvanih vokselima (voxel).
Svaka elija u rasteru je adresirana njenim poloajem u matrici (broj reda i broj kolone).
Rasterima je mogue reprezentovati irok spektar prostornih objekta u raunarskom
sistemu. Take se mogu reprezentovati pojedinim elijama, linije sekvencama susjednih
elija, a povrine kolekcijama meusobno kontinualno povezanih elija. Rasteri
predstavljaju nativne raunarske strukture, poto veina programskih jezika podrava
matrine operacije. Uprkos tome, pohranjivanje matrica u sirovom obliku, bez
kompresije, je izuzetno neefikasno u smislu iskoritenja raunarskog memorijskog
prostora. Na primjer, ogromne uniformne (zaravnjene) povrine, bez posebnih
karaketristika, su pohranjene kao velike kolekcije elija, pri emu svaka sadri jednu istu
vrijednost. U kasnijem tekstu e se razmatrati efikasne raunarske metode za rukovanje
rasterima.
Druga paradigma za prostorne podatke je vektorski format (termin vektora u ovom smislu
je slian, ali ne identian vektorima iz teorije polja). Vektor je konaan pravolinijski
segment definisan svojim krajnjim takama. Lokacije krajnjih taaka su date u odnosu na
neki referentni koordinatni sistem u ravni ili veedimenzionalnom prostoru.
Diskretizacija prostora sa mreom elija nije eksplicitno potrebna za vektorski model, ali
ona mora implicitno postojati u nekoj formi zbog diskretne prirode raunarske aritmetike.
Vektori ine odgovarajuu reprezentaciju za irok rang prostornih podataka. Take su
reprezentovane njihovim koordinatnim vrijednostima, linije su diskretizovane kao
sekvence pravolinijskih segmenata, gdje je svaki predstavljen vektorom, a povrine su
definisane u smislu njihovih graninih linija, koje su opet reprezentovane kolekcijama
vektora. Vektorska reprezentacija je, u odnosu na rastere, sama po sebi efikasnija u
smislu iskoritenja raunarske memorije, jer se u nju pohranjuju samo lomne take na
linijama. Njeni nedostatci su vezani za sam princip opisivanja prirodnih pojava, koje su u
vektorskom formatu prikazane sa tvrdo oivienim granicama, sastavljenih od idealno
ravnih segmenata.
23
24
25
26
27
Prostorni (spatial) data mining: Data mining se odnosi na proces otkrivanja (iznalaenja)
dragocjenih informacija i znaajnih uzoraka unutar velikih skupova podataka. Data mining je od
posebne vanosti za geoprostorne podatke, jer ovaj tip podataka obino predstavlja opsean i
bogat izvor uzoraka. Data mining se razlikuje od standardnih upita bazi podataka, u tome to
korisnici ne moraju unaprijed znati koje se informacije ili uzorci trae. Klase informacija koje
data mining omoguava da se otkriju su asocijativna pravila i uzorci klasterizacije. Primjer
prostorne data mining aplikacije je CRM (customer relationship management). CRM kompanija
moe koristiti data mining za otkrivanje postojanja povezanosti izmeu razliitih tipova potronje
u maloprodaji, to je esto bazirano na podacima vezanim za koritenje debitnih ili kreditnih
kartica. Na primjer, ukoliko postoji tendencija da korisnici kartica nakon gledanja filma odlaze u
restoran koji je u blizini kina, data mining moe pomoi u otkrivanju ovog uzorka, to se moe
iskoristi kao osnova za specijaliziranu promociju (npr. pogledajte film u kinu Dubrovnik i
posjetite restoran Metropolitan). Data mining se moe takoe koristiti za otkrivanje klastera
koji se koriste kao osnova za klasifikaciju neke pojave. Na primjer, organizacija koja prati pojavu
zagaenosti moe koristiti data mining za otkrivanje uzoraka klasterizacije za lociranje
industrijskog zagaenja.
28
29
Izvravanje instrukcije se odvija u dvije faze: pribavi (fetch) i izvri (execute). Slika 1.15
prikazuje dijagram prelaza stanja za von Neumannov raunar.
30
31
32
33
Izlazne forme korisnikih ureaja se mogu klasificirati u dvije kategorije: hard copy i soft
copy. Hard copy izlazni ureaji, kao to su tampai i ploteri, proizvode izlaz sa fizikom
postojanou. GIS je esto bio vezan za skupe, visokokvalitetne plotere, neophodne za
izradu detaljnih papirnih karata velikog formata. Meutim veina GIS korisnika se
uglavnom ili potpuno slui soft copy izlaznim ureajima, i to primarno raunarskim
monitorima, kao i drugim ureajima video ptikaza (video display unit). Soft copy izlazni
ureaji proizvode izlazni prikaz, koji je prolazan i neuhvatljiv, poput slike na ekranu.
Zvuk iz audio ureaja, kao to su zvunici, je takoe tip soft copy izlaza. Za GIS
aplikacije, izrazito vizualna priroda ljudske percepcije geoprostornih informacija
podrazumjeva da je audio izlaz manje vaan od vizualnog prikaza.
34
Slika 1.20: Amplitudna modulacija koja kodira digitalne podataka u analogni signal
35
talas koji se kree konstantnom brzinom, kao to je sluaj sa EM zraenjem kroz vakuum,
frekvencija je obrnuto propocionalna talasnoj duini (drugim rijeima, kako se talasna
duina poveava, frekvencija se smanjuje).
bazirane na vidljivoj svjetlosti i infracrveni signali se esto zovu dogledajue (line-ofsight) tehnologije, iako postoje i neke difuzne optike i infracrvene beine mree koje su
razvijene tako da ne zahtjevaju direktnu vidljivost (liniju dogledanja, odnosno vizuru).
Veina dananjih raunara su sposobni da komuniciraju sa drugim raunarima putem
digitalne komunikacione mree, bilo koritenjem konekciono orijentisanih servisa, bilo
pomou bezkonekcijskih servisa. Konekcijski orijentisani servisi zahtjevaju da se
korisniki raunar mora eksplicitno konektovati na daljinski raunar prije nego zapone
bilo kakva komunikacija. Na primjer, da bi pristupili mrei putem telefonske linije,
neophodno je prvo birati daljinski raunar kako bi inicirali konekciju. Bezkonekcioni
servisi dozvoljavaju raunarima neprekidnu komunikaciju meu njima bez potrebe za
uspostavljanjem eksplicitne konekcije prije poetka komunikacije. Veina
komunikacionih mrea su zasnovane na bezkonekcionim servisima, tako da mnoge
telefonske mree danas nude bezkonekcione servise koji zamjenjuju stare konekcijski
orijentirane servise.
Komunikacione mree se razlikuju po veliini geografske povrine koju pokrivaju, tako
da imamo tri tipa ovih mrea. Lokalna mrea (LAN - local area network) povezuje grupe
raunara lociranih unutar malog geografskog prostora. WAN mrea (wide area network)
povezuje grupe LAN-ova. Internet je najvei WAN koji postoji, sa vie od 100 miliona
hostova (procjena iz 2001.godine).
Iz perspektive GIS-a, digitalne komunikacije radikalno mjenjaju nain na koji ljudi
koriste geoprostorne informacije. Digitalne komunikacije promoviu dijeljenje
(razmjenu) geoprostornih informacija. Mnoge kompanije i kartografske agencije nude
raznovrsne geoprostorne informacije koje se mogu preuzeti (download-ovati) sa
Interneta. Ovo opet smanjuje trokove prikupljanja i analize podataka drugim
organizacijama koje koriste ove podatke. Vana osobina digitalnih komunikacija je
njihova brzina. Neki modaliteti raunarstva se nebi mogli zamisliti bez nje. Na primjer,
mobilne GIS aplikacije, kao to je turistiki navigacioni sistem, uglavnom je zasnovan na
rapidnim digitalnim komunikacijama.
37
2
2 Temeljni koncepti baza podataka
Kratak pregled
Ova tematska jedinica se fokusira na baze podataka i njihovu ulogu u GIS-u. Mnoge baze
podataka su zasnovane na relacionom modelu, koji obezbjeuje strukturu podataka
organizovanih u tabele sa meusobno povezanim zapisima (relacijama). Jezici za upite
omoguavaju korisnicima interakciju sa bazom podataka. Standardni jezik za upite je
SQL. Relacione baze podataka su esto razvijene koritenjem tehnike modeliranja koja
se naziva entity-relationship (E-R) modeliranje. Objektno orijentisano modeliranje
predstavlja drugaiji pristup, koji je zasnovan na objektima (kao instancama klasa) sa
svojim stanjem i ponaanjem.
Baze podataka su temelji svakog GIS-a. Poznavanje osnovnih principa baza podataka je
neophodno za razumjevanje GIS tehnologije. Mnogi postojei GIS-ovi su zasnovani na
openamjenskim relacionim bazama podataka. Openito, svi GIS-ovi u distribuiranom
okruenju su povezani u sisteme sa ovakvim bazama podataka.
Ova tematska jedinica opisuje glavne principe baza podataka. Opi pristup baze podataka
se uvodi u dijelu 2.1 kroz opis sistema baze podataka sa arhitekturom visokog nivoa.
Najredovniji model baze podataka je relacioni model, koji je detaljno opisan u dijelu 2.2.
Na osnovu razumjevanja relacionog modela, u dijelu 2.3 se uvode principi razvoja baze
podataka. Objektno orijentisan model proiruje relacioni model na nain da nudi nekoliko
posebno korisnih prednosti za GIS. Objektno orijentisani model i objektno orijentisani
sistem baze podataka su opisani u dijelu 2.4.
38
Tretiranje raunara kao velikog kalkulatora ima vie mana. Ukratko, takav pristup vodi
dupliciranju, kako podataka, tako i procesa. Alternativa koju nudi pristup sa bazom
podataka je prikazana na slici 2.2. U ovom sluaju raunar ima ulogu repozitorija
podataka, omoguavajui pohranjivanje, skladitenje i pozivanje podataka. Pohranjenim
podacima se moe viestruko pristupati, oni se mogu modificirati i analizirati na
standardizovan nain (dok su uskladiteni), osiguravajui da se ove i druge bazne
funkcije nikad ne dupliciraju. Kljune osobine baze podataka su detaljno opisane u
narednom izlaganju.
39
Vlasnik restorana brze hrane je odluio uvesti raunarski informacioni sistem koji bi mu
pomogao u voenju poslova. Kako mu je programiranje bilo hobi, odluio je da
aplikaciju za praenje jelovnika razvije samostalno. Stavke iz jelovnika je pohranio u
formi zapisa sa fajlom za jelovnik. Programi su bili napisani tako da su omoguavali
modifikaciju jelovnika (stavke su se mogle brisati, umetati i aurirati), kao i njegovo
svakodnevno tampanje. Na lijevoj strani slike 2.3 prikazan je fajl sa jelovnikom sa kojim
operiu dva programa (za modifikaciju i za tampu). Na desnoj strani slike je konstitucija
zapisa za stavke iz fajla jelovnika. Fajl jelovnika se uva u operativnom sistemu i poziva
kada mu se pristupa iz navedenih programa.
40
Slika 2.5: Trea faza razvoja informacionog sistema: Pristup sa uvoenjem baze podataka
41
prilagode izgled (customize) svog pogleda (view) na podatke. Ona takoe treba omoguiti
dizajnerima da definiu strukturu podataka u bazi podataka, obezbjeujui nivoe
autorizacije u okviru kojih se razliitim grupama korisnika dozvoljava siguran pristup
podacima. Razliiti korisnici mogu pristupati bazi podataka u isto vrijeme, to znai da
baza treba podravati konkurentnost pristupa. DBMS takoe omoguava korisnicima da
pristupe podacima bez preciznog poznavanja detalja o implementaciji, to podrazumjeva
nezavisnost podataka od tehnologije.
ANSI/SPARC arhitektura: Kljuni elemenat filozofije baza podataka je njena sposobnost da
obezbjedi viekorisniki pristup podacima u bazi podataka. Nemaju svi korisnici iste zahtjeve
vezane za koritenje baze podataka. Svaka korisnika grupa moe zahtjevati poseban prozor sa
podacima. Ovo je takozvani koncept pogleda (view). Pogledi omoguavaju korisnicima da mogu
preurediti prikaz podataka, odnosno oblikovati svoj model podataka, koji je podskup cjelokupnog
modela podataka, kao i definisati autorska prava za nivo pristupa sektorima baze podataka koji
pripadaju njihovim domenama koritenja.
Postoji distinkcija izmeu modela podataka na nivou cjelokupne baze podataka (globalna
konceptualna shema) i modela podataka za nivo jedne podklase korisnika (lokalna koceptualna
shema ili eksterni pogled).
Nezavisnost podataka je obezbjeena odvajanjem implementacionih detalja (kojim se rukuje u
internoj implementacijskoj shemi) od vieg nivoa, korisniki orijentisanog sagledavanja,
obezbjeenog konceptualnom shemom. Ovakav slojeviti model generine strukture arhitekture
baze podataka je utjelovljen takozvanom ANSI/SPARC arhitekturom baza podataka prikazanom
na slici ispod. DBMS obezbjeuje preslikavanja izmeu svakog sloja. Korisnici mogu imati
interakciju sa bazom podataka samo posredstvom eksternog pogleda.
Sada se baza podataka moe preciznije definisati kao raunarski bazirana kolekcija
podataka, koju dijele autorizovani korisnici, sa mogunostima upravljanja definicijom,
pristupom, pozivanjem, manipulacijom i prezentacijom podataka. Primjeri uobiajenih
aplikacija baza podataka ukljuuju:
Kuna/uredska baza podataka: Kuni/uredski sistemi baze podataka se najee pokreu
na openamjenskom hardveru i ne zahtjevaju konkurentski viekorisniki pristup.
Kao rezultat ovoga, ovi sistemi su relativno dostupni po cijeni.
Komercijalna baza podataka: Baze podataka se iroko koriste za upravljanje poslovnim
42
43
44
45
46
Potrebno je praviti razliku izmeu relacione sheme, koja ne ukljuuje podatke (nego daje
strukturu relacija), i relacije, koja ukljuuje podatke. Stavke podataka u relaciji su uzete
iz domena (kao tipovi podataka prilikom programiranja). U osnovnim sistemima baza
podataka raspoloive domene esto imaju (memorijski) ograniavajuu ulogu,
komprimujui na ovaj nain karakterne stringove (character string), cjelobrojne
(integer), decimalne (float), datumske (date) i druge vrijednosti. Na primjer, atributu
DIRECTOR se moe pridruiti karakerni string duine do 20 znakova.
Slijedee definicije precizno opisuju pojmove vezane za relacioni model:
Relaciona shema opisuje skup naziva atributa i preslikavanje svakog naziva
atributa u odgovarajuu domenu.
Relacija je konaan skup redova (zapisa) povezanih sa relacionom shemom u
relacionoj bazi podataka tako da:
svaku zapis (tuple) ini oznaenu listu koja sadri onoliko stavki
podataka koliko ima atributnih naziva u relacionoj shemi,
47
U dosadanjem izlaganju je opisan onaj dio teorije relacionih baza podataka koji se bavi
relacionim (tabelarnim) struktuiranjem podataka. Drugi aspekti relacionog modela su
operacije koje se mogu primjeniti nad relacijama (manipulisanje bazom podataka) i
integritetska ogranienja koja relacije moraju zadovoljiti. Aspekti manipulacije e se
razmotriti u narednom izlaganju nakon to se opie radni primjer.
Primjer relacione baze podataka: CINEMA
Kao primjer e se koristiti hipotetika relaciona baza podataka CINEMA. Namjera
uspostave ovakve baze jeste uvanje svih relevantnih podataka o kinima u jednoj
relacionoj bazi podataka. U njoj se uvaju informacije o filmovima koji se prikazuju u
raznim kinima u odreeno vrijeme. Ova baza podataka nije historijska, jer sadri samo
podatke o filmovima koji se trenutno prikazuju i ne uva zapise o proteklim kino
predstavama niti o projekcijama buduih prikazivanja.
Shema baze podataka CINEMA je slijedea:
Svaka relaciona shema je data nazivom relacije sa listom atributa koja slijedi. Na ovaj
nain, svako kino u bazi podataka ima identifikator (CIN ID), naziv (NAME), ime
direktora (MANAGER), broj telefona (TELNO), grad (TOWN) i geoprostornu mrenu
referensu (GRID_REF). Kina imaju sale (SCREEN), koje su date brojevima (SCREEN
NO) i za koje je naznaen kapacitet posjetilaca (CAPACITY). Filmovi imaju naslove
(TITLE), reisere (DIRECTOR), zemlje iz koje potiu (CNTRY), godinu snimanja
(YEAR), duinu trajanja u minutama (LNGTH). Film se moe prikazivati (SHOW) u
jednoj od kino sala. Tom prilikom je raspoloiv odreen broj standardnih (STANDARD)
i luksuznih (LUXURY) ulaznica (mjesta). Svaka filmska zvijezda (STAR) ima svoje ime
(NAME), godinu roenja (BIRTH_YEAR), spol (GENDER), nacionalnost (NTY) i uloge
u pojedinim filmovima (ROLE). Zbog pojednostavljenja, odgovarajue domene su
izostavljene. Moe se primjetiti da isti atributi mogu imati razliita imena u razliitim
relacijama (na primjer, CIN_ID i CINEMA_ID).
Kandidatni klju (candidate key) je atribut ili minimalan skup atributa koji slui za
jedinstvenu identifikaciju svakog zapisa u tabeli (relaciji). Broj sale nemoe biti
kandidatni klju, jer svako kino ima barem jednu salu (sa brojem sale 1). Kombinacija
dva atributa CINEMA_ID i SCREEN_NO formira kandidatni klju za relaciju SCREEN.
Za jednu relaciju moe biti nekoliko ovakvih kandidatnih kljueva. Jedan od njih se bira
kao primarni klju (primary key). Postoji konvencija da je skup atributa koji konstituiu
primarni klju relacije naznaen podvuenom linijom.
48
(b)
(a)
(c)
(d)
49
Operator restrikcije je takoe unaran. Ovaj operator se primjenjuje nad zapisima tabele i
vraa novu relaciju koja sadri podskup zapisa iz originalne relacije (tabele). Zahtjevani
zapisi se specificiraju primjenom zadatog uslova. Operator restrikcije se esto deklarie i
kao operator selekcije i stoga se oznaava grkim simbolom (sigma). On ima slijedeu
sintaksu:
uslov(relacija)
Na primjer, filmovi realizovani nakon 2001. godine se mogu pozvati iz baze podataka
koritenjem izraza YEAR>2001(FILM). Ovaj izraz vraa relaciju prikazanu u tabeli 2.3c.
Operacije se mogu i kombinovati, na primjer izraz:
DIRECTOR(YEAR>2001(FILM))
vraa reisere filmova realizovanih nakon 2001. godine, kao to je prikazano u tabeli
2.3d.
Sa operacijom sastavljanja (join), relaciona baza podataka poinje da zasluuje naziv
relaciona. Operator sastavljanja je binarni operator koji se primjenjuje nad dvije
relacije, vraajui jednu relaciju kao rezultat. Ovaj operator omoguava da se izvri
povezivanje relacija. Postoji nekoliko razliitih vrsta sastavljanja relacija, ali e se ovdje
opisati samo naturalno sastavljanje dviju relacija (natural join), koje se moe definisati
kao relacija formirana od svih povezanih zapisa koji zadovoljavaju specificirani
zajedniki atribut ili atribute. Operator sastavljanja (join) || ima slijedeu sintaksu:
||atr1=atr2 (rel1, rel2),
koja indicira da su relacije rel1 i rel2 sastavljene povezivanjem atributa atr1 iz rel1 i atr2 iz
rel2. Na primjer, da bi povezali detalje o filmovima sa salama u kojima se filmovi
prikazuju, relacije SHOW i FILM su sastavljene na osnovu atributa sa nazivom filma koji
figurie u svakoj od ovih relacija. Ovaj izraz se moe napisati kao:
||FILM_NAME=TITLE (SHOW, FILM)
Rezultirajua relacija, prikazana u tabeli 2.4a, povezuje zapise iz tabele SHOW sa zapisima
iz tabele FILM, na osnovu istog naziva filma iz jedne i druge tabele. Moe se primjetiti da
se sastavljanjem nisu ponovile duplikacije atributa. Ukoliko se samo zahtjevaju reiseri
filmova koji se prikazuju u kinu sa identifikatorom 1, onda se moe primjeniti operator
restrikcije nad ovom relacijom za zapise ije vrijednosti atributa CINEMA_ID imaju
vrijednost 1, a onda primjeniti projeciranje nad relacijom prikazanom u tabeli 2.4a kako
bi se dobili samo atributi CINEMA_ID, SCREEN_NO, TITLE i DIRECTOR. Rezultat ovako
primjenjenih operacija je prikazan u tabeli 2.4b i moe se reprezentovati simbolino
pomou izraza:
CINEMA_ID, ...(CINEMA_ID=1(||FILM_NAME=TITLE (SHOW, FILM)))
Posljedni opisani primjer moe posluiti za demonstraciju jedne vane osobine operacija
nad relacijama, to jest, da redoslijed kojim se operacije primjenjuju nad relacijama imaju
direktan uticaj na performanse. Operacija sastavljanja (join) je najvie vremenski
zahtjevna od svih relacionih operacija, jer ona uporeuje svaki zapis jedne relacije sa
svakim zapisom druge relacije. Da bi ekstraktovali podatke za tabelu 2.4b, primjenjene su
operacije sastavljanja, projeciranja i restrikcije.
50
(a)
(b)
U stvari, bilo bi efikasnije da je prvo primjenjena restrikcija nad tabelom SHOW, a onda
sastavljanje ovakve dosta manje tabele sa tabelom FILM, i da je potom primjenjeno
projeciranje. Rezultat bi bio isti, ali bi se pozivanje izvravalo bolje (bre), jer bi se
sastavljanje izvravalo nad manjim tabelama. Openito, promjena redoslijeda elemenata
u izrazima relacione algebre esto ne vodi ekvivalentnim izrazima. Na primjer, izraz
relacione algebre DIRECTOR(YEAR>2001(FILM)) nije ekvivalentan izrazu YEAR>2001(DIRECTOR (FILM)), jer
YEAR nije validan atribut relacije DIRECTOR(FILM). Za baze podataka sa visokim
performansama, optimizacija upita predstavlja vano polje studiranja, koje se bavi
iznalaenjem to je mogue efikasnijeg procesiranja upita. Vana komponenta
optimizacije upita predstavlja primjena transformacija (kao to je optimizacija
redoslijeda) nad upitima, kako bi se dolo do ekvivalentnih upita koji se efikasnije
procesiraju.
51
ime-domene tip-podataka
[openita definicija]
[definiciona lista ogranienja domene]
CREATE DOMAIN
Relaciona shema se kreira kao skup atributa, gdje je svaki atribut povezan sa domenom,
te sa dodatnim osobinama vezanim za kljueve i integritetna ogranienja.
Na primjer, relaciona shema CAST be se mogla kreirati komandom:
CREATE TABLE CAST
(FILM_STAR STAR,
FILM_TITLE FILM_TITLE,
ROLE ROLE,
PRIMARY KEY (FILM_STAR, FILM_TITLE),
FOREIGN KEY (FILM_STAR)
REFERENCES STAR (NAME),
FOREIGN KEY (FILM_TITLE)
REFERENCES FILM (TITLE),
CHECK (FILM_STAR IS NOT_ NULL),
CHECK (FILM_TITLE IS NOT_NULL));
Ova izjava poinje imenovanjem relacione sheme (nazvane tabelom u SQL-u) sa CAST.
Onda se definiu atributi zadavanjem njihovih imena i domena (podrazumjeva se da su
domene STAR, FILM_TITLE i ROLE ve kreirane). Primarni klju je slijedei i definisan je
kao kombinacija atributa FILM_STAR, FILM_TITLE. Strani klju (foreign key) je primarni
klju druge relacije, koji je sadran u datoj relaciji. U tabeli CAST, postoje dva strana
kljua: FILM_STAR i FILM_TITLE. Na primjer, FILM_TITLE se pojavljuje kao primarni klju
(TITLE) u relaciji FILM. Baza podataka moe odrati referentni integritet osiguravajui da,
ako se neki film izbrie ili aurira iz relacije FILM, onda se i svaka referensa vezana za
njega takoe brie (odnosno aurira) u tabeli CAST. Konano, ukoliko atributi FILM_STAR i
FILM_TITLE imaju NULL vrijednosti, dodaju se dvije provjere (za ouvanje integriteta) koje
onemoguavaju insertovanje zapisa pri unosu podataka za atribut ROLE.
Manipulacija podacima (Data Manipulation) pomou SQL-a
Nakon definisanja relacionih shema, slijedei korak je insertovanje podataka u relacije.
Za manipulaciju podacima se koriste SQL komande koje omoguavaju insertovanje
jednog ili vie zapisa, auriranje zapisa u tabelama i brisanje zapisa, o emu se nee
posebno detaljisati. Dalje, forme za pozivanje podataka predstavljaju veoma sloen
52
aspekt SQL-a. Dio ovih formi e se ovdje predstaviti u kratkim crtama. Opa forma za
komandu pozivanja podataka je:
lista-stavki-za-selekciju
lista-referentnih-tabela
[WHERE uslov]
[GROUP BY lista-atributa]
[HAVING uslov]
SELECT
FROM
i COUNT su ugraene SQL funkcije. Izuzimajui AVG(LNGTH), prve tri linije koda
pozivaju uloge iz amerikih filmova, koristei sastavljanje (join) relacija FILM i CAST.
GROUP BY reenica slui za logiku konstrukciju tabele gdje su zapisi u grupama, po
jedan za svaku filmsku zvijezdu. Ova tabela (tabela 2.5) nije regularna relacija prve
normalne forme (1NF), jer vrijednosti u pojedinim elijama nisu atomine. Meutim, nas
u primjeru trenutno interesuje prosjena duina filmova za svaku filmsku zvijezdu. Sada
AVG
53
nastupa HAVING reenica koja primjenjuje uslov nad grupama iz grupisane tabele. Ona
selektuje samo one grupe iji je broj zapisa najmanje tri. U zavrnoj fazi pozivanja, nakon
projeciranja sastavljene tabele bez neeljenih atributa, podaci se pojavljuju u formi
prikazane tabele 2.6.
Tabela 2.5: Evaluacija SQL upita bazi podataka CINEMA: srednja faza
Tabela 2.6: Evaluacija SQL upita bazi podataka CINEMA: zavrna faza (konani rezultat)
54
55
Slika 2.7: Konceptualni model podataka kao medijator izmeu korisnika, projektanata i maina.
56
Vane karakteristika entiteta je da bilo koja njena instanca ima jedinstvenu identifikaciju
pomou vrijednosti njenih atributnih tipova. Naziv mjesta, na primjer, nije uvijek
dovoljan za jedinstvenu identifikaciju, jer moe postojati vie identinih naziva. Atributni
tip ili njihova kombinacija koja slui za jedinstvenu identifikaciju entitetskog tipa se
naziva identifikatorom. Po definiciji, svaki tip entiteta mora imati najmanje jedan
identifikator. Kao i kod notacije za relacionu shemu, atributi koji se odnose na
identifikator su esto podvueni. U naem primjeru, tip atributa centroid, koji referensira
poloaj centroida grada, moe biti identifikator grada.
Na ovaj nain, model se sastoji od jednog broja nezavisnih entitetskih tipova, od kojih
svaki sa skupom povezanih atributnih tipova, pri emu jedan ili vie njih slue za
jedinstvenu identifikaciju svake instance. Prava snaga E-R modela lei u nainu
opisivanja veza izmeu tipova entiteta. Grafiki jezik nazvan E-R dijagram, koristi se za
izraavanje karakteristika i svojstava E-R modela.
Na primjer, pretpostavimo da smo definisali dva entitetska tipa:
grad sa atributima centroid, naziv, populacija
put sa atributima id puta, rang, poetak, kraj
57
Pitanje koje moemo postaviti ovako definisanom sistemu je Koji gradovi lee na kojim
putevima? Odgovor na njega se moe dobiti samo ukoliko je formirana konekcija
izmeu gradova i puteva na kojim se nalaze. Ovakva konekcija se naziva povezanost
(relationship), odnosno relacijska veza (relacija). Ovaj termin, iako se koristi, nije
zgodan, jer se moe odnositi i na vezu izmeu entiteta, i na tabelu u relacionoj bazi
podataka. Relacijski tip (tip relacijske veze) povezuje jedan ili vie entitetskih tipova. U
naem primjeru, relacijski tip je lei_na. Instanca relacije je posebna stavka relacijskog
tipa. Preklapanje grada Hinckley sa putem A5, koji ide od Londona do Anglesey-a je
instanca relacije lei_na. Relacija lei_na izmeu gradova, pruga i puteva je prikazana ER dijagramom na slici 2.9. Relacije su prikazane u romboidnom okviru.
Relacija (povezanost) moe imati sopstvene atribute, koji su nezavisni od bilo kojeg
atributa vezanog za entitete. U datom primjeru, relacija lei_na moe imati atribut
duina, koji opisuje duinu puta unutar granica grada. Naredni atribut moe definisati
dali put prolazi kroz centar grada ili ga zaobilazi.
E-R model daje mogunost definisanja ogranienog ranga ogranienja vezanih za
ouvanje integriteta. Relacijski tipovi su razvrstani na vie-na-vie, vie-na-jedan i jedanna-jedan relacije. Relacija lei_na je primjer vie-na-vie relacijske veze, poto svaki
grad moe imati vie od jednog puta koji kroz njega prolazi, a svaki put moe prolaziti
kroz vie gradova. Ogranienje nad relacijama je grafiki prikazano sa M i N na svakoj
od strana relacije.
Nisu sve relacije tipa vie-na-vie. Na primjer, razmotrimo relaciju je_lociran izmeu
tipova trni centar i grad prikazanu kao E-R dijagram na slici 2.10 (atributi su
izostavljeni). Svi trni centri su locirani u skoro svakom gradu, a jedan grad moe imati
vie trnih centara. Ovakva relacija se naziva vie-na-jedan. Postavljanje simbola N i 1
indicira prirodu i smjer relacije. Poredak ovih simbola je vaan, jer ukoliko bi oni
zamjenili mjesta, dijagram bi imao drugaiji smisao (trni centar se moe nalaziti u vie
gradova, a svaki grad moe imati najvie jedan trni centar).
Trei tip relacije se moe objasniti pomou relacije upravlja izmeu entiteta osoblje i
trni centar. U ovoj relaciji, jedan lan osoblja moe biti upravnik najvie jednog trnog
centra, a trni centar moe imati najvie jednog upravnika. Ovo je relacija tipa jedan-najedan. Njen oblik E-R dijagrama je prikazan na slici 2.10. Smjetanje simbola 1 i sa
jedne, i sa druge strane, indicira prirodu ove relacije.
58
59
60
U analiziranom modelu town predstavlja naziv grada i osobinu kina (opisuje lokaciju),
tako da ga moemo smatrati atributom. Ukoliko town posjeduje i sopstvene atribute, kao
to su populacija, onda bi ga vjerovatno smatrali entitetom i konstruisali bi relaciju
izmeu ovog i entiteta cinema. Isto rezonovanje se moe primjeniti i na manager, kojeg
moemo smatrati atributom od cinema, jer se jedino imena upravnika pojavljuju kao tip
podataka, bez deriviranja njihovih daljih osobina. Poetna istraivanja su pokazala da su
neophodni slijedei tipovi entiteta i njihovih atributa:
cinema(cinema_id, name, manager, tel_no, town, grid_ref)
screen(screen_no, capacity)
film(title, director, cntry, year, length)
star(name, birth_year, gender, nty)
Veina atributnih imena su samoopisna, osim to atribut year od entiteta film opisuje
godinu proizvodnje filma, a atribut nty od entiteta star opisuje dravljanstvo filmske
zvijezde. Uoljivo je da je cinema_id po definiciji identifikator entiteta cinema.
Identifikatori ostalih entiteta su manje jasni. U ovom primjeru, film se identificira preko
njegovog naslova, a filmska zvijezda se identificira preko njenog imena (uz pretpostavku
da ne moe biti vie od jednog filma sa istim nazivom ili vie od jedne filmske zvijezde
sa istim imenom u bazi podataka). Sale za projekciju (platna) se ne mogu identificirati
samo preko njihovih brojeva, nego moraju koristiti i identifikator kina za potpunu
identifikaciju.
Svako platno (sala) moe prikazivati samo jedan film, a kina imaju dvije vrste ulaznica
(za standardna i luksuzna mjesta), ija cijena zavisi od filma i sale u kojoj se prikazuje.
Filmske zvijezde mogu igrati pojedine uloge u filmu. Na osnovu ovoga moemo
konstruisati slijedee relacije:
shows izmeu screen i film, sa atributima standard i luxury i
cast izmeu star i film, sa atributom role.
Postoji takoe i skup pravila vezanih za samu filmsku industriju:
1. Kino moe imati jednu ili vie sala (platana) za projekciju.
2. Svaka sala je vezana za samo jedno od kina.
3. Svaka sala moe prikazivati jedan ili nijedan film (baza podataka sadri samo
aktuelne podatke, a ne historijske ili vezane za budue projekcije).
4. Film se moe prikazivati u vie, jednoj ili nijednoj sali.
5. Filmska zvijeza moe igrati u jednom ili vie filmova.
6. U filmu moe igrati vie, jedna ili nijedna filmska zvijezda.
Sve ove informacije se mogu modelirati i predstaviti pomou E-R dijagrama na slici 2.13.
Zavisnost entiteta i identificirajuih relacija izmeu screen i cinema su ve opisana.
Relacija shows izmeu screen i film je ograniena, prema pravilima 3 i 4, na tip vie-najedan sa opcionalnom participacijom instanci iz ovih entiteta (pravilo 3). Relacija cast
(igra) izmeu star i film je ograniena, prema pravilima 5 i 6, na tip vie-na-vie sa
mandatornom participacijom instanci iz star i opcionalnom participacijom instanci iz
film.
E-R model je jo uvijek najrasprostranjeniji alat za modeliranje prilikom projektovanja
baza podataka. Ocjenjujui ga preko triju kriterija datih na poetku sekcije 2.3.1., moe
se rei da on visoko kotira u odnosu na ostale tehnike modeliranja.
61
Dakle, E-R modeliranje ini odlino sredstvo komunikacije izmeu sistemskih analitiara
i korisnika za specifikaciju sistema. U odnosu na trei kriterij, njegovo koritenje
omoguava translaciju iz konceptualne u relacionu logiku formu modela podataka. Kada
je u pitanju drugi kriterij, koji se odnosi na posjedovanje dovoljno konstrukta (gradivnih
elemenata) za modeliranje, pojavljuju se manjkavosti u pogledu koritenja osnovnog E-R
modela. One su posebno izraene u sluaju modeliranja u domeni primjene koja ne
odgovara standardnom uzorku i kada se zahtjevaju kompleksni tipovi podataka i relacija.
Obzirom da su takvi sistemi upravo predmet ovog kursa, fokus izlaganja emo usmjeriti
prema ekstenziji (proirenju) E-R modela, s kojom se otklanjaju nedostatci njegove
osnovne verzije. Cijena koja se plaa prilikom poboljanja izraajnosti modela jeste
izvjesni gubitak prirodne razumljivosti i jednostavnosti dijagrama koju osnovni E-R
model posjeduje.
Proireni (extended) E-R model (EER model)
Proireni, odnosno poboljani entitetsko relacijski model (EER model) posjeduje dodatne
mogunosti u odnosu na standardni E-R model. One ukljuuju konstruktore za podtipove,
supertipove i kategorije koji su blisko vezani za generalizaciju i specijalizaciju, te
mehanizam nasljeivanja atributa. Ova metoda omoguava veu izraajnost prilikom
opisivanja baze podataka. Ona vodi prema objektno-orijentisanom modeliranju.
Meutim, objektno-orijentisani pristup ne obuhvata samo strukturu, nego i dinamiko
ponaanje informacionog sistema.
Entitetski tip E1 je podtip entitetskog tipa E2 ukoliko je svaka instanca tipa E1 takoe i
instanca tipa E2. Operacija kojom se od tipova formira podtip se naziva specijalizacija,
dok se suprotna operacija kojom se od tipova formiraju supertipovi naziva generalizacija.
Ove dvije operacije su meusobno inverzne.
Specijalizacija je korisna kada je potrebno napraviti razliku izmeu nekih instanci istog
tipa omoguavajui im da imaju svoje sopstvene specijalizovane atribute ili relacije sa
drugim entitetima. Na primjer, entitet prevoz moe imati generine atribute i relacije, kao
to je relacija sa tipom putnik. Entiteti put i eljeznica se mogu modelirati kao podtipovi
entiteta prevoz sa sopstvenim specifinim svojstvima. Entitet put moe imati atribute
kao to su max_brzina dodate na atribute entiteta prevoz. Slino, entitet eljeznica moe
imati razliite atribute uz atribute entiteta prevoz.
62
U svrhu prikaza specijalizacije se moe koristiti proireni E-R dijagram. Slika 2.14.
prikazuje navedeni primjer u formi dijagrama. Relacija podtip-supertip je indicirana
simbolom za poskup . Slika takoe prikazuje da su put i eljeznica rastavljeni
(disjoint) podtipovi entiteta prevoz, indicirajui to slovom d u krugu. Tipovi su
rastavljeni ukoliko nijedna instanca iz jednog tipa nije instanca drugog tipa, i obrnuto. U
navedenom primjeru, nijedna saobraajna veza nemoe biti istovremeno i put i
eljeznica.
63
Slika 2.16: EER model planarne konfiguracije vorova, usmjerenih linija i povrina.
Da bi opisali relaciju izmeu vora i usmjerene linije, vorovi mogu biti specificirani kao
poetni i zavrni. Za relaciju izmeu povrine i usmerene linije, mogu se specificirati
povrine sa njene lijeve i desne strane. Ove relacije se mogu opisati kreiranjem podtipova
povrina i vor. Obje specijalizacije su preklapajue: vor moe biti i poetni (za jednu
liniju) i zavrni (za drugu liniju), a povrina moe biti i lijeva (za jednu liniju) i desna (za
drugu liniju). Takoe, mandatorna priroda participacije vorova i povrina u relacijama
vezanim za specijalizaciju indicira da svaki vor mora biti ili poetni ili zavrni za
najmanje jednu liniju (nema izolovanih vorova), a svaka povrina mora biti sa lijeve ili
desne strane za najmanje jednu liniju (povrine bez menih linija nisu dozvoljene). Sve
relacije izmeu usmjerene linije i ostalih entiteta su vie-na-jedan. Usmjerena linija mora
imati tano jednu povrinu sa lijeve i jednu povrinu sa desne strane, te jedan vor na
svom poetku i jedan vor na svom zavretku. Iz ovih ogranienja slijedi da usmjerena
linija nemoe postojati bez poetnog i zavrnog vora, kao i da za ogranienu podjelu
ravni mora biti definisana vanjska povrina.
64
Ovakva shema bi u velikom stepenu bila pogodana kada bi postojala potreba za velikim
brojem pozivanja podataka o zvijezdama i filmskim detaljima istovremeno. Problem je,
meutim, to ova shema rezultira redudantnom duplikacijom podataka.
Primjer u tabeli 2.7 ilustruje ovaj problem ve sa samo nekoliko atributa iz tabele, ije se
vrijednosti viestruko ponavljaju. Redundantnost podataka zauzima prostor i stvara
probleme sa integritetom. Na primjer, moe se desiti da se vrijednost koja se ponavlja
aurira samo na jednom mjestu, a na ostalim mjestima propusti.
Tabela 2.7: Dio redova i kolona relacije STAR_FILM
65
(b)
(c)
66
Posmatrajmo E-R model baze podataka CINEMA koji je prikazan na slici 2.13. Nezavisni
entiteti i njihovi atributi su dijelomino opisani slijedeim skupom relacionih shema:
CINEMA(CIN ID, NAME, MANAGER, TEL_NO, TOWN, GRID_REF)
FILM(TITLE, DIRECTOR, CNTRY, YEAR, LNGTH)
STAR(NAME, BIRTH_YEAR, GENDER, NTY)
Zavisni entitet screen zahtjeva posebnu panju. Da bismo identificirali svaki zapis (ntorku) u relaciji, moramo dodati identifikator CINEMA_ID iz CINEMA u SCREEN (sa
promjenjenim imenom od CIN_ID). U tom sluaju ova relaciona shema dobija slijedei
oblik:
SCREEN(CINEMA ID, SCREEN NO, CAPACITY)
Nije uvijek neophodno za svaku relacijsku vezu obezbjediti novu relaciju u E-R modelu.
Na primjer, na slici 2.17 je prikazan E-R dijagram za vektorski model prostornih
podataka, koji je ve ranije dat u EER formi (slika 2.16).
Slika 2.17: E-R model planarne konfiguracije vorova, usmjerenih (orijentisanih) linija i povrina.
67
Ukoliko se prihvati princip da svaki enitet i relacijska veza definiu relaciju, onda imamo
slijedeu shemu baze podataka:
POVRINA(POVRINA_ID)
VOR(VOR_ID)
LINIJA(LINIJA_ID)
LIJEVO_GRANII(ARC_ID, AREA_ID)
DESNO_GRANII(ARC_ID, AREA_ID)
POINJE(ARC_ID, NODE_ID)
ZAVRAVA(ARC_ID, NODE_ID)
Ova shema baze podataka se moe pojednostaviti bez gubitka povezanosti (u smislu
strukture baze podataka). Relacijska veza poinje izmeu usmjerena linija i vor ima
osobinu da svaka linija ima tano jedan poetni vor. Ovako, umjesto da imamo jednu
relaciju vie (POINJE) u bazi podataka, jednostavnije je relaciji LINIJA dodati
identifikator NODE_ID, u svojstvu poetnog vora. Ovakva konstrukcija se naziva
postavljanje stranog kljua. Tehnikim jezikom reeno, postavili smo identifikator NODE
kao strani klju u relaciju LINIJA. Zbog njihove iste prirode, sve etiri relacijske veze
vode do postavljanja stranih kljueva u relaciji LINIJA, to rezultira slijedeom
pojednostavljenom shemom baze podataka:
POVRINA(POVRINA_ID)
VOR(VOR_ID)
LINIJA(LINIJA_ID, BEGIN_NODE, END_NODE, LEFT_AREA, RIGHT_AREA)
Ukoliko relacijska veza ima oblik kakav je prikazan na slici 2.18, postavljanje stranog
kljua predstavlja prihvatljiviju opciju nego dodavanje nove relacije.
Slika 2.18: Relacijska veza za koju postoji mogunost postavljanja stranog kljua
2.3.3 Rezime
Relacione baze podataka imaju jednostavan model koji omoguava implementaciju
mnogih aspekata filozofije baza podataka o kojim je diskutovano u prvom poglavlju. Iako
je nastao prije vie od 30 godina, relacioni model zajedno sa RDBMS-om i SQL jezikom
za interakciju, ostaje globalni lider meu paradigmama baza podataka. Meutim, i dalje
postoje problemi sa kompleksnijim formama podataka koje su teke za upravljanje sa
68
69
Kao ilustracija moe posluiti objekat prozor koji moe imati razliita stanja kao to su
otvoren ili zatvoren, te razbijen ili itav. On takoe moe imati ponaanja koja utiu na
njegovo stanje, kao to su otvoriti, zatvoriti ili udariti. Efekat objekta golf loptice koja
udara u prozor je modeliran tako to golf loptica alje prozoru poruku da aktivira
ponaanje prozora udariti. Na koji nain e prozor odgovoriti na poruku zavisi od
njegovog stanja. Ako je prozor ve otvoren, poruka nee uticati na njegovo stanje (golf
loptica e proletiti). Ako je prozor zatvoren, on e promjeniti svoje trenutno stanje itav
u stanje razbijen (slika 2.19).
Slika 2.19: Objekti alju poruke koje aktiviraju ponaanja drugih objekata,
koja ponekad mjenjaju njihovo stanje.
70
71
72
73
74
ceste kao i Put je brza cesta nemaju puno smisla i sugeriu da odgovarajue relacije
agregacije i naslijeivanja nisu ispravne.
Klasni dijagrami, kao to je onaj na slici 2.20, su vani alati za razvoj objektnoorijentisanih modela. Na slici 2.21 je prikazan primjer klasnog dijagrama koji ukljuuje
razne atribute, ponaanja i asocijacije, kao i relacije naslijeivanja. Postoji nekoliko
razliitih grafikih notacija za klasne dijagrame. Notacija koritena u ovom izlaganju je
bazirana na najprihvaenijoj notaciji, to jest na UML-u (Unified Modelling Language).
Na slici 2.21 su prikazane klase (taka, osovinska_linija, put i brza_cesta) u
naznaenim okvirima. Relacija naslijeivanja izmeu put i brza_cesta (brza cesta je put)
je indicirana pomou strelice koja je povuena od podklase do superklase.
Asocijacija je indicirana koritenjem linije izmeu dvije klase. Kao i u E-R dijagramima,
na liniju se moe dodati kardinalnost asocijacije. Svaki put je asociran sa jednom
osovinskom_linijom, a osovinska_linija moe biti asocirana sa nula (nijednim) ili
jednim objektom puta. Agregacija je indicirana pomou linije sa romboidnom glavom
koja ide od klase dijela prema klasi cjeline. U ovom primjeru, taka je dio
osovinske_linije. Mogue je indicirati i kardinalnost agregacije, tako da je
osovinska_linija komponovana od dvije ili vie taaka, a taka je dio nule (nijedne) ili
vie osovinskih_linija. Moemo dalje dodavati jo vie detalja, kao to je anotiranje
agregacione linije sa rijei ureen koja indicira da je poredak taaka u osovinskoj liniji
vaan.
Klasni dijagram takoe izlistava atribute za svaku klasu, nakon kojih slijede ponaanja.
Na primjer, put ima atribute naziv i brzina. Vaan aspekt objektno orijentisanog
modeliranja je da atributne vrijednosti i same predstavljaju objekte. Na primjer, atribut
naziv od objekta put i sam predstavlja objekat koji pripada klasi string. Klasa nekog
atributa se u klasnom dijagramu indicira iza imena atributa.
75
Konano, klasni dijagram izlistava i ponaanja vezana za svaku klasu. Na primjer, klasa
put ima ponaanje duina, koja vraa duinu puta (to jest, objekat klase real). Rije
void (prazan) je koritena u definiciji za ponaanje duina da bi se indiciralo da se ne
zahtjeva ulazna informacija za ovo ponaanje, poto se duina puta moe sraunati preko
asocijacije izmeu objekta put i njegove osovinske_linije (primjenom neke procedure
koja jo nije definisana). Ponaanja duina i prikaz, koje prikazuje put u odreenoj
razmjeri, su primjeri aksesora (pristupnih operacija). Ponaanje postavlja_brzinu
predstavlja operaciju transformera, koja mjenja atribut brzina. Ponaanje
postavlja_brzinu zahtjeva objekat integer za unos nove brzine, koji ne vraa nikakvu
vrijednost.
Ponaanje kreira je primjer konstruktora. Ono za unos zahtjeva objekat klase
osovinska_linija. Ovim se osigurava da se objekat put ne moe kreirati bez predhodno
kreiranog objekta osovinska_linija. Kao to je ve navedeno, ovakvi konstruktori su
korisni za osiguranje integriteta podataka. Konstruktori i destruktori koji ne podravaju
ovakvu funkcionalnost vezanu za integritet su obino izostavljeni iz klasnih dijagrama.
Veina ponaanja i atributa naslijeenih u podklasi brza_cesta iz superklase put su
takoe izostavljeni. Oni su suvini, jer podklasa mora posjedovati sva ponaanja
superklase. Izuzetak od ovog pravila za brzu_cestu ini ponaanje prikaz, koje je ovdje
ukljueno, jer ono specijalizira (ini posebnom) ovakav tip puta, to rezultira drugaijim
stilom prikaza u odnosu na ostale tipove puteva. Viestruko koritenje prikaza je
ilustracija polimorfizma, o kojem je ranije bilo rijei.
Klasni dijagrami pomau u komunikaciji koncepata izmeu razliitih faza u procesu
modeliranja, jer se na taj nain isti objektno orijentisan koncept protee kroz cijelukupni
ivotni ciklus objektno orijentisanog sistema. Upravo kao to se E-R dijagrami mogu
jednostavno implementirati u RDBMS, tako se i klasni dijagrami jednostavno
implementiraju koritenjem OOPL-a (Object Oriented Programming Language) ili
OODBMS-a. Pored opisanih klasnih dijagrama postoje i drugi takoe vani dijagrami za
razvoj OO sistema. Dijagrami instanci ili objekata prikazuju relacije izmeu objekata (a
ne klasa), unutar nekog posebnog konteksta. Dijagrami interakcije se koriste za
ilustraciju izvravanja ponaanja objekata kao odgovora na pojedine poruke.
76
u sistemu moe optimizaciju upita uiniti tekom za primjenu. Dalje, transakcije koje se
odvijaju u objektno orijentisanoj bazi podataka mogu biti kompleksnije od jednostavnih
transakcija u relacionoj bazi podataka. Zbog hijerarhijske prirode objektnih podataka,
transakcije mogu kaskadno silaziti i uticati na veliki broj drugih objekata, smanjujui na
ovaj nain performanse sistema.
Performanse OODBMS-a su uvjek slabije od RDBMS-a, meutim OODBMS ima
ogromne prednosti u specifinim aplikacijama u odnosu na RDBMS, jer korisnika
koncepcija u domeni primjene moe biti blia konceptualnom, logikom i fizikom
(implementacionom) modelu podataka. Tradicionalni sistemi uvijek prisiljavaju korisnike
da se prije prilagode i prihvate visoko sistemski orijentisane koncepte, nego aplikaciono
orijentisane koncepte. To je isto kao kada bi se Beethovenova sonata za klavir izvodila na
trombonu, to jest instrumentu koji konceptualno ne odgovara nainu interpretacije ovog
muzikog djela i ijom primjenom bi se uglavnom izgubio smisao same kompozicije
prilikom njenog izvoenja.
Neke od DBMS softverskih kompanija su pokuale integrisati relacioni i objektni
koncept, to jest kombinovati najbolje karakteristike i jednog i drugog pristupa, dobijajui
hibridni model sa RDBMS-om kao jezgrom DBMS-a i sa objektno orijentisanom
ljuskom preko koje korisnik pristupa jezgri DBMS-a. Ovakav hibridni sistem se naziva
objektno relacionim sistemom za upravljanje bazom podataka (ORDBMS). On ima sve
prednosti koje pruaju oba koncepta, uz dobre performanse nastale podrkom korisniki
definisanih tipova podataka i izraajnog objektno orijentisanog modela podataka. Iako se
ovaj pristup moe uspjeno primjeniti za veinu sistemskih koncepata, on openito ne
rjeava probleme relacionog pristupa, niti moe rjeiti neke druge probleme koji su
prisutni prilikom koritenja geoprostornih informacija u RDBMS-u.
77
3
3 Fundamentalni prostorni koncepti
Kratak pregled
Mnoge razliite reprezentacije prostora se svakodnevno koriste u GIS-u, a ovo poglavlje
obrauje upravo koncepte na kojim se one zasnivaju. Poznata reprezentacija je
Euclidova geometrija, u kojoj se mogu definisati duine, uglovi i koordinate. Meutim, i
druge reprezentacije su isto tako vane. Skupovi elemenata tvore mnogo jednostavniju
reprezentaciju prostora. Topologija moe biti uspostavljena na osnovu koncepta
susjedstva. Grafom, koji sadri vorove povezane sa stranama (ivicama), se mogu
predstavljati mreni prostori poput putne mree. Metrinim prostorom se formalizira
koncept rastojanja izmeu taaka u prostoru.
ta je prostor? Termin prostor nije jednostavan za definisanje. Gatrell (1991.) definie
prostor kao relaciju koja je definisana nad skupom objekata, koja ukljuuje ba bilo
koju struktuiranu kolekciju. Ova definicija je isuvie openita za opis svih reprezentacija
prostora koji su interesantni za GIS. esto se pravi distinkcija izmeu prostora kojeg
moemo obuhvatiti naom vizuelnom percepcijom (takozvani perceptualni ili prostor
malih razmjera) i prostora koji je isuvie velik za ljude da bi ga odjednom mogli sagledati
(takozvani transperceptualni, prostor velikih razmjera ili geografski prostor). Zubin
(1989.) prostor dijeli na etiri tipa:
A-prostor koji sadri objekte u svakodnevnoj upotrebi (knjige, telefoni ...),
B-prostor koji sadri objekte vee od ljudi, ali jo uvijek uoljive sa jednog
stajalita (zgrade, autobusi ...),
C-prostor koji sadri geografske scene koje su prevelike da bi se obuhvatile i
razumjele odjednom (dijelovi Zemljine povrine) i
D-prostor koji sadri objekte koji su isuvie veliki da bi ih ljudi mogli istinski
iskusiti (solarni sistem, galaksije...).
Freundschuh i Egenhofer (1997.) daju potpuni pregled i sintezu razliitih klasifikacija
prostora koje su do tada predlagane. U GIS-u se prevashodno tretira geografski prostor,
iako takoe postoji i veliki interes za relacijama izmeu geografskog prostora u GIS-u i
drugih openitijih tipova informacionog prostora, kao to su Internet i cyber prostor
(cyber geografija).
Svi mi imamo svoj intuitivni pojam o konkretnom prostoru u kojem se naa tijela kreu.
U kontekstu GIS-a, mi standardno koristimo izraz prostor koji se odnosi na geografski
prostor, to jest strukturu i svojstva relacija izmeu lokacija na povrini Zemlje. U
narednom izlaganju e se paljivije istraiti prostor, odnosno razliiti naini
reprezentacije i rezonovanja vezanog za geografski prostor.
78
79
a (x2y2)
Slika 3.1: Duina, ugao i orijentacija izmeu taaka (vektora) u Euclidovoj ravni.
x
)
(
y
y
)
|ab|= (
b
a
b
a
80
x x
sin
b a
ab
y y
cos
b a
ab
(
1
)
b
(
1
)
b
,
1
definisan kao skup taaka
.
2
2
za dvije date razliite take (vektora) a i b iz , polulinija koja poinje od b i
.
(
1
)
b
0
prolazi kroz a je definisana kao skup taaka
Ove definicije predstavljaju razliite tipove linija date u parametarskom obliku.
Parametar je ogranien na interval u okviru kojeg varira, zavisno od tipa objekta.
Njegovim variranjem, definie se skup taaka koje konstituiu linijski objekat. Slika 3.2
prikazuje primjere ovih objekata.
Nisu samo prave linije interesantne za GIS. Prave linije se mogu specificirati
jednostrukom bivarijantnom polinomalnom jednainom prvog stepena (ax+b=k). Vii
stepeni bivarijantnih polinoma specificiraju ostale klase jednodimenzionalnih objekata.
Na ovaj nain, polinomi drugog stepena (kvadratici izraza ax2+bxy+cy2=k) specificiraju
konusne presjeke koji mogu predstavljati krunice, elipse, hiperbole ili parabole. Dalje, i
kubni polinomi se iroko koriste u grafici za specifikaciju glatkih krivih linija.
81
82
83
84
3.2.1 Skupovi
Skupovno baziran model prostora nema tako bogat skup konstruktora kao to je to sluaj
kod Euclidove ravni. Ovaj model se jednostavno bazira na slijedeim terminima:
Konstituentni objekti za modeliranje se nazivaju elementima ili lanovima.
Kolekcije elemenata se nazivaju skupovima. Za raunarski bazirane modele,
ovakve kolekcije su obino konane, ili u najmanjem prebrojive.
Relacija izmeu elemenata i skupova kojim oni pripadaju se naziva pripadnou.
Notacija s S indicira da elemenat s pripada (jeste lan) skupu S.
Skupovno baziran model je apstraktan i nudi malo mogunosti u smislu naina
konstrukcije prilikom modeliranja prostornih osobina i relacija. Bez obzira na to, skupovi
predstavljaju bogat izvor modelirajuih konstruktora i fundamentalni su za modeliranje
geoprostornih informacija. Na primjer, relacije izmeu razliitih osnovnih jedinica koje
su prostorno referensirane se mogu modelirati koritenjem teorije skupova. Kantoni
mogu biti pripadajui elementi drava, koje opet mogu biti sadrani unutar kontinenata.
Gradovi mogu biti elementi drava. Ovakve hijerarhijske relacije se mogu adekvatno
modelirati koritenjem teorije skupova. Ponekad, povrinskim jedinicama nije
jednostavno rukovati. Na primjer, u Velikoj Britaniji nije mogue ostvariti jednostavne
skupovno bazirane relacije regiona sa potanskim kodovima (koji se koriste za
dostavljanje pote) i distrikta, odnosno kantona. Ova neslaganja uzrokuju znaajne
probleme kada je podatke, koji se odnose na jedan skup jedinica, potrebno uporediti ili
kombinovati sa podacima referensiranim na drugaiji skup.
Russelov paradoks: iako koncept zasnovan na skupovima izraava najrudimentarnije relacije i
struktuiranje prostora, iznenaujue je teko obuhvatiti sutinu jednog skupa sa malo rijei. Prvi
pokuaj moe biti: skup je svaka kolekcija objekata, ali on dalje lei otvoren za Russelov
paradoks (Bertrand Russel, britanski matematiar). On se moe objasniti slijedeim primjerom.
85
Sadraj knjige predstavlja skup naslova koji se pojavljuju u knjizi. Ukoliko sadraj umetnemo u
knjigu on i sam postaje naslov, te tako postaje i dio sadraja knjige. Znai on je naslov samoga
sebe, a to znai da ne moe biti istovremeno i sadraj naslova, to jest ne moe biti istovremeno i
sadraj i naslov.
Ovaj problem se moe ilustrovati i matematiki na slijedei nain. Pretpostavimo da skup S
predstavlja skup svih skupova koji nisu lanovi samih sebe. Ukoliko skup S moe biti lan samoga
sebe, onda on po definiciji ne pripada skupu S, a sa druge strane, ako S nemoe biti lan samoga
sebe, onda on mora pripadati skupu S (samome sebi), to je po svemo kontradiktirno. Ovaj
paradoks je podsticao je priline napore u 20 stoljeu da se iznae odgovarajua definicija
skupa, ali ni jedna definicija do danas nije u potpunosti zadovoljila.
Dalje, problem se moe pojaviti i u slijedeoj formi: u jednom selu ive dvije skupine
mjetana koji iskljuivo pripadaju ili onima koji se briju sami, ili onima koje brije brico.
Postavlja se pitanje kojoj skupini pripada brico?
U klasinoj teoriji skupova jedan objekat je elemenat ili nije elemenat odgovarajueg
skupa. U ovoj teoriji, dakle, nema poluistine, odnosno nema stepenovane pripadnosti
nekom skupu. Ukoliko se binarna priroda (istina ili la) uslova pripadnosti pokua
relaksirati, mogue je postii neto izraajnije prostorne modele. Neki od ovakvih
pristupa (na primjer, fuzzy skupovi) su od posebne vanosti za modeliranje neizvjesnosti
u geoprostornim informacijama.
Na osnovu pomenutih osnovnih konstruktora (elemenat, skup i pripadnost) mogue je
konstruisati veliki broj alata za modeliranje, kao to su:
Jednakost je definisana relacijom izmeu dva skupa koja sadre u potpunosti iste
lanove.
Relacija izmeu dva skupa gdje je svaki lan jednog skupa istovremeno i lan
drugog skupa se naziva podskupom i obiljeava se sa znakom .
Glavni skup (superskup) je skup svih podskupa u skupu. Glavni skup skupa S se
obiljeava sa P(S).
Prazan skup je skup koji ne sadri ni jednog lana i obiljeava se sa .
Broj lanova u skupu se naziva kardinalnost. Kardinalnost od S se oznaava se sa
#S.
Presjek skupova je binarna operacija koja uzima dva skupa i vraa skup elemenata
koji su lanovi i jednog i drugog originalnog skupa. Presjek S i T se obiljeava sa
ST.
Unija skupova je binarna operacija koja uzima dva skupa i vraa skup elemenata
koji su lanovi najmanje jednog od originalnih skupova. Unija skupova S i T se
oznaava sa ST.
Razlika skupova je binarna operacija koja uzima dva skupa i vraa skup elemenata
koji su lanovi prvog skupa, ali nisu lanovi drugog skupa. Razlika skupova S i T
se obiljeava sa S\T.
Komplement skupa je unarna operacija koja kad se primjeni na neki skup vraa
skup elemenata koji nisu u tom skupu. Komplement se uvijek primjenjuje u
odnosu na neki implicitan univerzalni skup. Komplement od S se obiljeava sa S'.
86
Neki skupovi, a posebno skupovi brojeva, se koriste tako esto da imaju svoje posebno
ime i simbol. Neki od njih su prikazani u tabeli 3.1. Boolov skup B se koristi u sluaju
kada postoje dva izbora koja se mogu napraviti (istina/la, 1/0). Skup cijelih (integer)
brojeva Z se korist za diskretne modele. Ponekad se koriste iskljuivo pozitivni cijeli
brojevi, koji se obiljeavaju sa Z+. Za kontinualne modele se zahtjevaju realni brojevi,
odnosno skup . Nemogue je interpretirati sve realne brojeve pomou raunara, pa se
u praksi koriste racionalni brojevi, koji predstavljaju realne brojeve koji se mogu iskazati
kao omjer (razlomak) cjelobrojnih vrijednosti, na primjer 123/46. Poput realnih brojeva, i
racionalni brojevi imaju svojstvo zbijenosti (gustine), odnosno za bilo koja dva racionalna
broja a i b, gdje je a b, bez obzira na njihovu bliskost, uvijek je mogue nai trei
racionalan broj c takav da je a b c (slika 3.8). Na ovaj nain, racionalni brojevi
predstavljaju korisnu aproksimaciju za modeliranje kontinualnih procesa. Meutim,
svaku specifinu raunarsku implementaciju e pratiti odreena restrikcija u pogledu
preciznosti racionalnih brojeva.
Tabela 3.1: Neki brojni skupovi
Naziv
Boolov skup
Cjelobrojni brojevi
Realni brojevi
Realna ravan
Zatvoreni interval
Otvoreni interval
Poluotvoreni interval
Oznaka
B
Z
2
a, b
a, b
a, b
Opis
Skup sa dvije vrijednost: True/False, On/Off, 1/0
Pozitivni i negativni cijeli brojevi ukljuujui nulu
Vrijednosti na brojnoj liniji
Ureeni parovi realnih brojeva (Euclidova ravan)
Svi realni brojevi izmeu a i b (ukljuujui a i b)
Svi realni brojevi izmeu a i b (iskljuujui a i b)
Svi realni brojevi izmeu a i b (ukljuujui a i
iskljuujui b)
87
3.2.2 Relacije
Sami po sebi, skupovi su ogranieni za primjenu u modeliranju. Njihova izraajnost
postaje zanimljivija tek kada se modeliraju relacije izmeu dva ili vie skupova. Da bi se
obezbjedili ovakvi alati neophodno je definisati neke operacije nad skupovima:
Binarna operacija proizvoda vraa skup ureenih parova, kod kojih je prvi
elemenat lan prvog skupa, a drugi elemenat lan drugog skupa. Proizvod
skupova S i T se oznaava sa S T .
Primjer proizvoda je skup taaka u Kartezijevoj ravni. Svaka taka u Kartezijevoj ravni je
predstavljena sa ureenim parom realnih brojeva, koji predstavljaju vrijednosti
udaljenosti take od koordinatnog poetka po x i po y osi. Prema terminologiji teorije
skupova, kolekcija svih ovakvih taaka je skup koji je nastao proizvodom skupa realnih
2
brojeva sa samim sobom. Ovaj skup se oznaava sa ili sa . Ovakva notacija se
3
n
moe generalizovati i na Kartezijev 3-prostor , ili ak na Kartezijev n-prostor .
U ovom kontekstu, binarna operacija proizvoda se moe opisati i pomou skupa taaka
jedininog kvadrata datim sa svojim verteksima (0, 0), (0, 1), (1, 0) i (1, 1) u Kartezijevoj
ravni. Ovaj skup je proizvod dva intervala, 0, 1 i 0, 1. U ovom sluaju vrijedi
2
0,10,1 .
Prostori koji su nastali proizvodom obezbjeuju sredstvo za definisanje relacija izmeu
objekata. Na osnovu ovoga slijedi konstrukcija:
Binarna relacija je podskup proizvoda dva skupa, iji ureeni parovi prikazuju
relacije izmeu lanova prvog i lanova drugog skupa.
Predpostavimo da imamo dva skupa: S={Fred, Mary} i T={jabuke, kruke, banane}.
Formalan nain izraavanja odnosa (relacije) voli izmeu osoba i voa je pomou
relacije konstruisane kao skupa ureenih parova {(Fred, jabuke), (Fred, banane), (Mary,
jabuke)}. Ovaj skup ureenih parova je podskup cjelokupnog prostora proizvoda S T,
koji sadri 6 parova.
Relacije se mogu openito primjeniti na proizvod od dva (binarne) i vie skupova (kao
kod relacija u relacionom modelu baze podataka). Meutim, binarne relacije mogu imati
razliite naine primjene u modelima. Na primjer, ako su data dva skupa: T skup
interesnih taaka (odredita) i G skup gradova. Relacija R1 S T moe odreivati za
88
svaku interesnu taku (odredite) tT najblii grad gG za t. Slika 3.9 ilustruje ovaj
primjer.
2
Kao to smo vidjeli sa relacijom , relacija moe postojati i nad jednim istim skupom.
Predpostavimo za skup taaka T, da je interesna taka tT u relaciji t'T, ako je t'
najblia taka interesnoj taki t. Ova relacija R2 T T je prikazana na slici 3.10.
Slika 3.9: Binarna relacija nad skupovima interesnih lokacija (odredita) i gradova
Neke binarne relacije izmeu objekata iz jednog istog skupa imaju posebna svojstva.
Relacija gdje je svaki elemenat skupa u relaciji sa samim sobom se naziva
refleksivnom relacijom.
Relacija gdje je x u relaciji sa y, ali i y u relaciji sa x se naziva simetrinom
relacijom.
Relacija gdje kada je x u relaciji sa y, i y u relaciji sa z, slijedi i da je x u relaciji sa
z, se naziva tranzitivnom relacijom.
U predhodnom primjeru (slika 3.10), postoji implicitna predpostavka da taka ne moe
biti u relaciji sama sa sobom, te ova relacija (najblie take) nije refleksivna. Takoe, ova
relacija nije ni simetrina (to se ne moe na prvi pogled utvrditi). Dalje, relacija nije ni
tranzitivna, jer ako je za p najblia lokacija q, a za q najblia lokacija r, onda ne mora
biti sluaj da je za p najblia lokacija r.
Binarne relacije koje imaju svojstva refleksije, simetrije i tranzicije se nazivaju
ekvivalentnim relacijama. Druga korisna klasa relacija su ureene relacije, koje
zadovoljavaju osobinu tranzitivnosti, ali su nerefleksivne i antisimetrine.
89
3.2.3 Funkcije
Funkcija je specijalan tip relacije koja ima svojstvo da je svaki lan prvog skupa u relaciji
sa tano jednim lanom iz drugog skupa. Na ovaj nain funkcija ima pravilo da
transformie svakog lana prvog skupa, koji se naziva domena, u lana drugog skupa,
koji se naziva kodomena. Koristi se notacija:
f:ST
to oznaava da f predstavlja funkciju, S domenu, a T kodomenu. Ukoliko je y rezultat
primjenjene funkcije f na elemenat x iz S, onda se pie y=f(x) ili f : x y. Slika 3.11
shematski ilustruje relaciju izmeu funkcije, domene, kodomene i slike (preslika).
90
3.2.4 Konveksnost
Konveksnost je ve diskutovana u kontekstu poligona i moe se generalno proiriti sa
istim svojstvima i na proizvoljan skup taaka u Euclidovoj ravni. Ista notacija vrijedi i za
Euclidov 3-prostor, a definicije se lako proiruju i na ovaj sluaj. Esencijalna ideja je da
je skup konveksan ukoliko je svaka taka vidljiva iz svake druge take unutar skupa. Da
bi se ova ideja preciznije izrazila, potrebno je definisati vidljivost i konveksnost.
Neka je S skup taaka u Euclidovoj ravni. Onda je taka x iz S vidljiva iz take y u
S ako je x=y ili ako je mogue nacrtati pravolinijski segment izmeu x i y koji u
potpunosti (iskljuivo) sadri take iz skupa S.
Neka je S skup taaka u Euclidovoj ravni. Taka x iz S je observacijska taka za
skup S ako je svaka taka iz S vidljiva iz x.
Neka je S skup taaka u Euclidovoj ravni. Skup S je semikonveksan (zvijezdolik
ako S predstavlja poligonalnu regiju) ukoliko postoji neka observaciona taka za
S.
Neka je S skup taaka u Euclidovoj ravni. Skup S je konveksan ako je svaka taka
skupa S i observaciona taaka za S.
Slika 3.12 prikazuje relaciju vidljivosti unutar skupa izmeu tri take x, y i z. Take x i y
su meusobno vidljive, kao i take y i z. Meutim, take x i z nisu meusobno vidljive.
Relacija vidljivosti je refleksivna i simetrina, ali nije tranzitivna. Takoe, moe se
vidjeti da svaki konveksan skup mora biti i semikonveksan (ali ne vai obrnuto). Slika
91
3.13 daje neke primjere skupa koji nije semikonveksan, koji je semikonveksan, ali nije
konveksan i koji je konveksan.
Presjek kolekcije konveksnih skupova je takoe konveksan skup, te na ovaj nain svaka
kolekcija konveksnih skupova zatvorena pod presjekom ima minimum lanova. Ovo vodi
2
do definicije konveksne ljuske (convex hull) skupa taaka S u kao presjeka svih
konveksnih skupova koje sadri skup S. Iz ovoga slijedi da konveksna ljuska mora biti
jedinstven najmanji konveksni skup koji sadri S (slika 3.14). Konveksna ljuska
konanog skupa taaka je uvijek poligonalna regija.
92
Topoloke osobine
Netopoloke osobine
93
95
Slika 3.18: Za
2 sa uobiajenom topologijom
Slika 3.19: Primjer topologije vremena puta sa prikazom nekih susjedstva (t-zona)
96
Slika 3.20: Take koje su blizu i koje nisu blizu otvorenom jedininom krugu C
u Euclidovoj ravni sa uobiajenom topologijom
Fundamentalna topoloka invarijanta bilo kojeg skupa je njegova granica. Ovaj pojam se
moe konstruisati i bez naih primitiva (susjedstva) na slijedei nain. Za poetak e se
koritenjem ideje susjedstva predstaviti otvoren i zatvoren skup. Otvoreni skup e se
predstaviti kao skup koji ne sadri svoje granice, a zatvoreni skup kao skup koji sadri
sve svoje granice.
97
Otvoreni jedinini krug C (iz predhodnog primjera) je oito otvoren, jer svaka taka, bez
obzira koliko bila blizu periferiji (obimu), moe biti obuhvaena susjedstvom, dovoljno
malim da je ono cjelokupno unutar C. Krug C nije zatvoren skup, jer su take na periferiji
bliske take krugu C, ali nisu sadrane u C. Da bi C bio zatvoren skup, on treba
ukljuivati svoju periferiju. To nas dovodi do definicije zatvorenja koja je povezana sa
ovim navodom. Treba pomenuti da topoloki prostor moe sadrati i skupove koji su
istovremeno i otvoreni i zatvoreni, odnosno koji nisu ni otvoreni ni zatvoreni.
Topoloki prostori (otvoreni i zatvoreni skupovi): Pozovimo se na prethodni naslov Topoloki
prostori u ijem se sadraju diskretna topologija prostora S definie susjedstvima koja su
podskupovi prostora S. Neka je X bilo koji podskup od S. Onda vrijedi da jedine bliske take
skupa X jesu same take iz X (poto bilo koja taka koja nije iz X moe biti obuhvaena
susjedstvom koje sadri upravo tu taku). Na ovaj nain X je zatvoren. X je takoe i otvoren, jer
se svaka taka iz X moe obuhvatiti sa susjedstvom koje u cjelosti lei u X i sadri upravo tu
taku. Diskretna topologija je zbog toga dvojaka u smislu da je svaki skup obuhvaen sa njom i
otvoren i zatvoren. Ovo nije sluaj sa indiskretnom topologijom. Neka je S skup nad kojim je
definisana indiskretna topologija i neka je X bilo koji podskup od S. Onda jedino susjedstvo u S
jeste samo S. Zbog toga svaka taka u S jeste bliska taka od X. Na ovaj nain, sve osim ako X
nije prazan ili jednak S, on nije ni otvoren ni zatvoren. Za topologiju vremena puta , primjer
otvorenog skupa je skup svih taaka manjih od 1 satnog vremena puta od neke specificirane
take. Ovaj skup ima za svoju granicu skup svih taaka koje su tano vremenski udaljene 1 sat od
specificirane take, a kao svoje zatvorenje skup svih taaka ija vremena puta nisu vea od 1 sat.
Definicija zatvorenja:
98
Sada su se stekli svi uslovi za definisanje granice skupa u pravom topolokom smislu.
Neka je S topoloki prostor i neka je X podskup taaka iz S. Onda se granica od X
sastoji od svih taaka koje su bliske i za X i za X'. Granica skupa X se obiljeava
sa X.
Neka je taka x lan (elemenat) granice X. Poto je taka x blizu za skup X, onda x
mora biti u X. Poto je taka x blizu za skup X', onda x ne moe biti u X. Zbog toga, X
predstavlja razliku skupova X i X. U sluaju jedininog kruga C u Euclidovoj ravni sa
uobiajenom topologijom, X je periferija (krunica) od C. Kao jo jedan primjer koji
koristi Euclidovu ravan sa uobiajenom topologijom, pretpostavimo da je S povezani
region ravni koja sadri rupu (slika 3.22). Vidi se da je vanjska granica od S iskljuena iz
S, ali unutarnja granica (granica rupe) je ukljuena u S. Unutranjost, zatvorenje i granica
od S su prikazani na slici 3.22. S sadri sve take od S iskljuujui njegovu unutarnju
granicu. S ukljuuje i unutarnju i vanjsku granicu. S je unija unutarnje i vanjske
granice od S.
Slika 3.22: Unutranjost, zatvorenje i granica regije u Euclidovoj ravni sa uobiajenom topologijom
99
Vano je biti svijestan da nije mogue razmatrati topoloke osobine skupova bez ireg
prostora za kojeg su one vezane. Da bi se ovo ilustrovalo, razmotrimo konanu duinu
prave linije. Ukoliko se linija nalazi u dvodimenzionalnom (ili viedimenzionalnom)
Euclidovom prostoru (slika 3.23a), onda je njena unutranjost prazan skup, a njena i
granica i zatvorenje predstavljaju samu liniju. Sa druge strane, ukoliko se ista linija nalazi
u jednodimenzionalnom Euclidovom prostoru, to jest, u liniji realnih brojeva (slika
3.23b), onda njena unutranjost predstavlja liniju bez njenih krajnjih taaka, njeno
zatvorenje je sama linija, a njena granica se sastoji od krajnjih taaka linije.
O ovom razmatranju e se kasnije donjeti zakljuak u okviru topologije skupa taaka,
odnosno nakon uvoenja definicije pojma povezanosti. U stvari, topologija skupa taaka
prepoznaje nekoliko razliitih tipova povezanosti. U ovom dijelu izlaganja se definie
njen jednostavan oblik zasnovan na osobinama susjedstva topolokog prostora. U
slijedeem dijelu se daje opis i njenih ostalih oblika, ukljuujui slabu i jaku (strogu)
povezanost, te povezanost putanjom.
Slika 3.23: Unutranjost, zatvorenje i granica linijskog segmenta u Euclidovom 2-dimenzionalnom i 1dimenzionalnom prostoru sa uobiajenom topologijom
100
Slika 3.24: Povezani (a, b) i nepovezani (c) skupovi u Euclidovoj ravni sa uobiajenom topologijom
Razmotrimo tri skupa prikazana na slici 3.24. U sluaju slika 3.24a i 3.24b, nije vano
kako e se skup podjeliti, podjela e uvijek zadovoljiti uslov gornje definicije
povezanosti. ak, ukoliko je skup na slici 3.24a razdjeljen na svoj gornji i donji krug, sa
takom presjeka ukljuenom u gornji krug, onda ova taka predstavlja blisku taku za
donji krug. Zbog toga su skupovi na slikama 3.24a i 3.24b povezani, a na slici 3.24c nisu
povezani. Pri podjeli na slici 3.24c, ne postoji taka iz gornjeg kruga koja je bliska za
donji krug, i obrnuto. Ovaj primjer govori da je topoloka definicija povezanosti u skladu
sa naom intuicijom.
101
102
Slika 3.27: Karta autobuskih ruta, koja je topoloki ekvivalentna karti na slici 3.26
Skup u topolokom prostoru je poveziv putanjom ako bilo koje dvije take u
skupu mogu biti spojene pomou putanje koja u potpunosti lei u tom skupu.
104
koji su povezani, ali nisu povezivi putanjom. U specijalnom sluaju za Euclidovu ravan
sa uobiajenom topologijom, svaki primjer povezanog, ali putanjom nepovezivog skupa
se svodi na putologian (sa logikom putanje) oblik figure sa beskonanim brojem
uvijanja i zavoja. Zbog ovoga, iz praktinih razloga, potrebno je identificirati pojmove
povezivosti i povezivosti putanjom, a posebno u sluaju povrinskih objekata. Povezivost
putanjom je ak intuitivniji (shvatljiviji) pojam nego prava povezivost, i moe se kao
takav koristiti kao test za povezanost u praktinim sluajevima. U ovom smislu se moe
postaviti pitanje: Za bilo koje dvije date take u skupu (povezanim skupovima), da li je
mogue doi sa jedne na drugu kreui se putanjom koja u potpunosti lei unutar ovog
skupa (skupova)?
Mnoge primjene prostorne analize zahtjevaju klase planarnih objekata koji su pravi
povrinski objekti, to jest, nisu mjeavina taaka, linija i povrina. Takoe, oni nemaju
izolovanih taaka koje nedostaju (punktura) ili nedostajuih krivih linija (pukotina).
Mogue je definisati pojam pravog (regularnog) povrinskog objekta koritenjem jedino
topolokih pojmova.
105
Stigli smo do topoloke karakterizacije objekata koji su prave (regularne) povrine. Sada
emo detaljnije razmotriti pojam povezanosti. Na slici 3.31 su prikazana 3 povezana
skupa.
Ovdje postoje jasne razlike u tipovima povezanosti. U prva dva sluaja X i Y, za bilo koje
dvije date take u skupu, putanja je ograniena samo na to da poinje u prvoj taki, ostaje
unutar skupa i zavrava se u drugoj taki. Meutim u sluaju Z, ukoliko je jedna taka u
gornjem dijelu, a druga u donjem dijelu objekta, onda je putanja ograniena na prolaz
kroz jednu od dvije take koje povezuju gornji i donji dio objekta. Razlika u ovom
sluaju se izraava pojmovima da su X i Y jako (strogo) povezani skupovi, a Z je slabo
povezan skup. Da bi doli do formalne definicije, zapazite da se Z moe uiniti
nepovezanim uklanjanjem (iskljuivanjem iz skupa) konanog broja taaka (u stvari
samo dviju taaka). Sa druge strane, bez obzira koliko veliki konaan broj taaka da
skinemo iz X i Y, oni e i dalje ostati povezani.
Slika 3.32 prikazuje neke jako i slabo povezane skupove. Pojmovi jake i slabe
povezanosti igraju vanu ulogu u kasnijoj kategorizaciji planarnih (povrinskih) objekata
u objektno baziranom pristupu u prostornom modeliranju.
106
Na primjer, slika 3.33a prikazuje kocku (6 ploha, 12 ivica i 8 tjemena). Iskljuimo jednu
plohu poliedra (na primjeru slike 3.33a iskljuimo plohu F) i primjenimo
trodimenzionalni homeomorfizam da bi spljotili (razmotali) ovu figuru (oblik) na ravan.
Ono to e se dobiti je konfiguracija elija, sa linijama koje formiraju zajednike granice,
i vorovima koji formiraju presjene take linija. Preslikavanjem (razmotavanjem) kocke
sa slike 3.33a u ravan kao rezultat dobijamo planarnu konfiguraciju prikazanu na slici
3.33b.
a) Kocka
b) Planarna konfiguracija
homeomorfna kocki
107
Topoloki sadraj ovakvog ureenja postaje jasan ako posmatramo predhodna pravila
koja kau da, bez obzira na poliedarsko ureenje u prostoru, rezultat f e + v je uvijek 2,
odnosno za ravan je uvijek 1. Rezultirajui broj 2 karakterizira trodimenzionalni prostor,
po emu se on razlikuje od planarnog prostora (sa rezultatom 1). Rezultat f e + v se
naziva Eulerova karakteristika povrine.
Simpleksi i kompleksi
Kao to e se diskutovati u narednom izlaganju, jako puno rada na generinim modelima
prostora je uloeno koristei varijacije predhodno opisanih planarnih elijskih ureenja.
Veina fundamentalnih formalnih modela koristi pojam simplificiranih (uproenih)
kompleksa. U dvodimenzionalnom sluaju, simplificirani kompleksi predstavljaju
jednostavne triangulacione mrene strukture u Euclidovoj ravni. Konstrukcije, koje se
pojavljuju u ovoj sekciji, su planarne, ali se ideje vezane za njih mogu generalizovati i na
strukture sa veim brojem dimenzija.
108
110
Slabo povezani objekat na slici 3.39 je reprezentovan kao unija dviju figura mjeseevog
oblika, od kojih je svaka homeomorfna jednoj eliji. Mogue je pokazati da za bilo koju
elijsku konfiguraciju, kombinatorna karta obezbjeuje skup ciklusa, od kojih svaki
odgovara participirajuoj (komponentnoj) eliji te konfiguracije. Na ovaj nain
reprezentacija je jedinstvena i nedvosmislena.
111
Moe se lako zamisliti koliko je koristan usmjereni graf u modeliranju putne mree u
centru grada u kojem postoji mnogo jednosmjernih ulica. Sa oznaenim grafom se takoe
mogu modelirati mnoge situacije, kao na primjer, duina i vrijeme putovanja, ili
saobraajno optereenje pojedinih dionica u mrei.
Spojevi u grafu se obino prikazuju pomou dijagrama. Graf G na slici 3.40 se sastoji od
est vorova a, b, c, d, e i f, i devet rubova ab, ac, af, bd, be, cd, ce, df i ef. Stepen nekog
vora je broj rubova koji su za njega incident. Na taj nain, stepen svih vorova u grafu G
je tri. Putanja izmeu dva vora je povezani niz rubova izmeu ta dva vora i obino se
obiljeava vorovima kroz koje prolazi. Primjeri putanje izmeu vorova a i d u G su afd,
acd, abd i abecafd. Povezani graf je graf u kojem postoji putanja izmeu bilo koja dva
njegova vora (G je povezan graf).
112
Ako dva grafa prikazuju potpuno iste relacije povezanosti, za njih se kae da su
izomorfni. Ponekad se izomorfizam moe teko otkriti, poto sam graf moe biti prilino
zamren (zamaskiran). U ovom smislu, graf H na slici 3.41 je izomorfan za graf G na
slici 3.40, poto on ima tano iste vorove i rubove. U ovom sluaju, situacija se moe
uiniti jasnijom oznaavanjem (labeliranjem) vorova, ime se pokazuje izomorfizam.
Putanja od jednog vora do samoga sebe preko najmanje jednog ruba se naziva ciklus.
Primjeri ciklusa u G (ili H) su abeca i abdfeca. Ciklus kojim se svaki vor posjeuje
samo jednom (kao abdfeca na slici 3.41) se naziva Hamiltonovom krunom putanjom.
Graf koji nema ciklusa se naziva aciklinim grafom. Posebno korisnu klasu grafova
predstavlja stablo (drvo). Stablo je povezani aciklini graf. Slika 3.42 prikazuje 3
neizomorfna stabla sa po pet vorova.
113
potomaka se naziva listom. Slika 3.43 prikazuje primjer raslojenog ukorijenjenog stabla.
Stabla obezbjeuju neke korisne strukture podataka u raunarstvu (kojim emo se vratiti
u kasnijim poglavljima).
Relacija je nerefleksivna ako svaki elemenat skupa nije relativan (nije u relaciji)
prema samom sebi.
Relacija je antisimetrina ako za svaki par elemenata, x i y, vrijedi da ako je x
relativno prema (u relaciji sa) y onda y nije relativno prema (u relaciji sa) x.
Primjer parcijalnog ureivanja je relacija vei od izmeu dva realna broja. Ova relacija
je nerefleksivna, antisimetrina i tranzitivna, jer ni jedan broj nije vei od samoga sebe
(nerefleksivna relacija). Dalje, ako je x vee od y, nije mogue da y bude vee od x
(antisimetrina relacija). Na kraju, ako je x vee od y i y vee od z slijedi da je x vee od z
(tranzitivna relacija).
Ako definiemo takvu relaciju R gdje (a, b) R koja znai postoji putanja od a do b,
onda se za DAG grafove moe pokazati da ova relacija predstavlja parcijalno ureenje.
114
presjecati jedino u vorovima grafa. Slika 3.44a prikazuje planarni graf dok slika 3.44b
prikazuje neplanarni graf. Za neplanarni graf na slici 3.44b nije mogue preurediti linije u
ravni na nain da se sauva izvorna povezanost, bez presjecanja rubova igdje drugo osim
u voru.
Openito, moe postojati vie topoloki neekvivalentnih planarnih varijanti prikaza nekog
planarnog grafa u ravni. Slika 3.45 prikazuje tri ovakva prikaza planarnog grafa iz slike
3.44. Gornja dva su homeomorfna, ali nisu homeomorfni sa najniim prikazom, u smislu
uobiajene topologije Euclidove ravni. Nema naina da se topolokim transformacijama
(geometrija gumene opne) vor drugog stepena, koji se nalazi unutar trougla, pomjeri
na poziciju izvan trogla.
Ova diskusija pobuuje interesantno razmatranje. Konfiguracije koje su uzete kao
ekvivalentne u jednom modelu mogu itekako biti neekvivalentne u drugom. Druga i trea
konfiguracija na slici su ekvivalentne u smislu teorije grafova, jer su obje identino
povezane. Meutim, one su neekvivalentne u topolokom smislu (a sigurno i u
metrinom smislu). Sve ovo zavisi od nivoa apstrakcije. Planarna implementacija nekog
planarnog grafa podrazumjeva podjelu ravni u oblija (figure, likove) ili regione. Prosta
ogranienja vezana za integritet planarnih grafova pomenuta u ranijem izlaganju su data
Eulerovom formulom za ravan, koja opisuje relaciju izmeu broja tjemena (vorova) n,
ivica (linija) a i oblija (figura) f, kao f a + n =1.
115
116
U cilju motivacije boljeg poimanja ove definicije, u narednom izlaganju su date neke
mogue funkcije udaljenosti koje se razmatraju u kontekstu navedena tri uslova. Na
primjer, posmatrajmo skup gradova S na Zemljinoj povrini (globusu) i udaljenost
(duinu) izmeu dva grada iz S definisanu na slijedee naine (slika 3.47):
Geodetska udaljenost: To je udaljenost koja je u navedenom primjeru priblino opisana
putanjom koja nastaje presjekom Zemljine povrine i njoj vertikalne ravni koja
prolazi kroz centre dva grada (i sredita Zemlje).
Sferna Manhattan udaljenost: Termin Manhattan udaljenost je nastao kao asocijacija
na ortogonalnu ureenost mree ulica u Manhattanu. Posmatrajuu u ravni,
Manhatan udaljenost jednostavno predstavlja zbir koordinatnih razlika po x i y
izmeu dvije take u ravni. Analogno tome, sferna Manhattan udaljenost
predstavlja zbir koordinatnih razlika po geografskoj irini i duini.
Geografska irina i duina: Mnogi modeli koji se pominju u izlaganju se zasnivaju na planarnoj
reprezentaciji. Ravna povrina je korisna aproksimacija Zemljine povrine na kraim
udaljenostima. Meutim, Zemlja nije ravna, tako da je za due udaljenosti potreban drugaiji
oblik aproksimacije. Najee se kao takav oblik koristi lopta (sfera). Njena povrina je
dvodimenzionalna (i pored toga to je definisana u Euclidovom trodimenzionalnom prostoru), jer
se svaka taka na njoj moe predstaviti pomou dvije brojane vrijednosti. Poznat i iroko
primjenjen sistem koordinata za prezentaciju taaka na povrini sfere su geografska irina i
duina. Na slici ispod su sa slovima O, P i Q oznaeni koordinatni poetak, proizvoljna taka na
sferi i njena projekcija na xy ravan, respektivno. Ugao izmeu OP i OQ je irina take P. Ugao
izmeu OQ i x ose je duina take P. Veliki krug lopte koji lei u xy ravni je ekvator, a veliki krug
u xz ravni je meridijan. Uobiajena topologija sferne povrine je slina uobiajenoj topologiji
Euclidove ravni.
117
Prvo svojstvo metrinog prostora nije nimalo proturijeno, i zadovoljeno je od bilo koje
funkcije udaljenosti. Osjetljivim vrijednostima za udaljenost (bliskim nuli) nije
dozvoljeno da budu negativne. Takoe, udaljenost izmeu nekog elementa i samog sebe
je uvijek jednaka nuli, dok je udaljenost izmeu razliitih elemenata uvijek vea od nule.
Sve funkcije udaljenosti u izloenom primjeru gradova zadovoljavaju ove osobine.
Drugo svojstvo specificira da je u metrinom prostoru udaljenost simetrina, to jest, da je
udaljenost od a do b uvijek ista kao i od b do a. Geodetska, Manhattan i leksikografska
udaljenost zadovoljavaju ovaj uslov. Meutim, udaljenost trajanja puta nije simetrina.
Na primjer, jasno je mogue (i ak uobiajeno zbog uticaja rue vjetrova) da vrijeme
avionskog leta izmeu gradova bude razliito u pojedinim smjerovima. Funkcija
udaljenosti koja posjeduje prvu i treu, ali ne drugu osobinu se naziva kvazimetrinom.
Tree svojstvo se naziva triangulaciona nejednakost zbog konfiguracije prikazane na
slici 3.48. Jednostavnim rjenikom, iz triangulacione nejednakosti slijedi da je uvijek
blie ii direktnim putem u odnosu na indirektni (okolni) put. Sve prethodno navedene
udaljenosti ispunjavaju triangulacionu nejednakost.
118
Slika 3.49: Prostor sa funkcijom udaljenosti trajanja puta koji nije metrian
119
koja je prethodno opisana u okviru Ope topologije skupa taaka. U ovom sluaju,
raunanje topolokih susjedstva moe biti jasnije. Slika 3.51 prikazuje susjedstvo trajanja
puta (t-zona) kojeg je kao primjer razmatrao Tobler (1993.). Siva regija prikazuje
povrinu unutar 1-satnog trajanja puta od centra (oznaenog zvjezdicom). Ovo susjedstvo
nije povezano, tako da predstavlja uniju konanog broja razdvojenih elija. Ovakav tip
uzorka je nastao zbog diskontinuirane prirode putovanja sredstvima javnog saobraaja.
Kao to je i Tobler zakljuio, ovakva konfiguracija vremena puta nije podlona
modeliranju u okviru Euclidovog prostora. Ovakvi problemi nas prisiljavaju na koritenje
mrenih modela. U narednim poglavljima e biti vie govora o ovoj temi.
Slika 3.51: Susjedstvo vremena puta. Sive regije prikazuju dijelove u koje se moe stii u unutar vremena
od 1 sata, ukoliko bi se koristila kombinacija prevoza tramvajem, autobusom i pjeice.
120
121
Slika 3.52: Prikaz delte rijeke Gang sa tri nivoa detalja (NASA Landsat-7, 2000.)
122
Prosti fraktali poput Kochove pahulje obrazuju korisnu analogiju prirodnim samoslinim
pojavama. Kompleksniji fraktali mogu proizvesti oblike koji izgledaju mnogo
realistinije. Slika 3.54 prikazuje sintetiki fraktalni krajolik. Poput Kochove
pahulje, ovaj krajolik (ukljuujui oblake i vodu) je rezultat rekurzivne primjene
generatora fraktalnog uzorka. Generatorski korak Kochove pahulje u biti predstavlja
transformaciju slinosti, koja sa svakom iteracijom uvodi kopiju originalnog oblika
srazmjernu jednoj treini veliine iz prethodne iteracije. U tom smislu, da bi bili
samoslini, fraktali poput onih na slici 3.54 su samoafini (afini sami sebi). Samoafini
fraktali se konstruiu koritenjem afinih transformacija unutar generatora, tako da se osim
promjene razmjere koriste rotacija, refleksija i razvlaenje (podsjetimo se na navod iz
sekcije 3.1.4 koji kae da su sve afine transformacije takoe i transformacije slinosti).
Osim to se koristi za izradu interesantnih prikaza, fraktalna geometrija ima brojne
ozbiljnije primjene u GIS-u. Jedan od jednostavnih primjera koritenja fraktala u GIS-u
predstavlja kartografska simplifikacija i poboljavanje (detaljnosti). Za proizvodnju
karata u odreenom rangu razliitih razmjera, esto je vana primjena tehnike
generalizacije, odnosno smanjenja (ili ponekad i poveanja) nivoa detalja prilikom
prezentacije geoprostornih podataka, zadravajui pri tome bitne karakteristike samog
prikaza objekata (na primjer, krivudavost linije). Na primjer, za aproksimaciju oblika
rijeke, kao fraktal se jednostavno moe generisati reprezentacija iste ove rijeke sa
proizvoljnim nivoima detalja, pri emu simplifikacija podrazumjeva manji, a
poboljavanje vei nivo prikaza detalja.
Druge primjene fraktala se esto zasnivaju na konceptu fraktalne dimenzije. Fraktalna
dimenzija je vana osobina fraktala, koja obezbjeuje mjerenje stepena do kojeg je novi
detalj otkriven za razliite razmjere prikaza. Fraktalna dimenzija nekog oblika lei negdje
izmeu Euclidovih dimenzija samog oblika koji se posmatra i dimenzija njemu
pripadajueg prostora. Na primjer, fraktalna dimenzija Kochove pahulje na slici 3.53 lei
izmeu 1 (dimenzija linije, jer je oblik predstavljen linijom) i 2 (dimenzija Euclidove
ravni, u kojoj oblik egzistira). U stvari fraktalna dimenzija Kochove pahulje je preciznije
izraena vrijednou 1,26. Fraktalna dimenzija predstavlja indikator kompleksnosti
oblika. Oblik sa veoma visokom fraktalnom dimenzijom je dovoljno kompleksan da
skoro u potpunosti ispuni cijeli prostor u kojem se nalazi. Na primjer kriva sa fraktalnom
dimenzijom od 1,8 skoro da u potpunosti ispunjava ravan. U ovom smislu, fraktali su
esto povezani sa osobinom prostorne popunjenosti. Karateristike prostorne popunjenosti
fraktala su korisne za indeksiranje geoprostornih informacija, koje e se diskutovati u
estom poglavlju.
123
124
125
4
4 Modeli geoprostornih informacija
Kratak pregled
Model definie reprezentaciju dijelova jedne domene u drugu. U GIS-u su modeli
neophodni za definisanje relacija izmeu nae geografske okoline (izvorna domena) i
reprezentacije ove okoline u raunaru (ciljna domena). Ovo poglavlje prouava dvije
osnovne klase modela visokog nivoa za GIS: onog zasnovanog na neprekidnom polju i
objektno baziranog modela. Model zasnovan na polju tretira prostor kao apsolutni okvir
unutar kojeg su mjereni odreeni atributi. Objektno bazirani model tretira prostor kao
jednu relativnu konstrukciju definisanu objektima koji je konstituiu.
Fundamentalni koncepti baze podataka i prostorni koncepti koji su izloeni u predhodna
dva poglavlje predstavljaju neophodne raunarske i geometrijske osnove za pohranjivanje
i upravljanje geoprostornim informacijama pomou raunara. Meutim, GIS ini i vie
od prostog pohranjivanja i procesiranja geometrije. Geoinformacioni sistemi i
geoprostorne informacije koriste modele (visokog nivoa apstrakcije) geografskog svijeta
oko nas.
Ovo izlaganje zapoinjemo sa problematikom vezanom za predmet modeliranja, a zatim
se definie pojam modela i ispituju procesi modeliranja. Nakon ovoga se detaljno
istrauju dva prostorna modela visokog nivoa apstrakcije, koji su karakteristini za GIS:
model polja i model objekata. Efekti adaptacije ovih modela mogu imati dalekosene
implikacije na strukturu prostornih podataka i njenu implementaciju, kao i na samo
razumjevanje geoprostornih podataka.
126
127
domeni (ciljna domena). Konstituenti izvorne domene mogu, na primjer, biti entiteti,
relacije, procesi, ili bilo koje druge pojave interesovanja. Svrha modela je da
pojednostavi i apstrahuje sadraj iz izvorne domene. Konstituenti izvorne domene se
pomou modela prevode u ciljnu domenu, gdje se sagledavaju i analiziraju u ovom
novom kontekstu. Spoznaje, rezultati, prorauni ili bilo koji zakljuci do kojih se dolo
unutar ciljne domene se onda mogu interpretirati u izvornoj domeni. Jednostavan primjer
modela je simulator leta. Objekti iz realnog svijeta kao to su letjelica, instrumentalna
tabla, zvukovi, pokreti, pogledi iz kabine i navigacioni prostor, su simulirani unutar
vijetake okoline. Pilot moe kontrolisati ovu okolinu (model), simuliranjem, na primjer,
slijetanja na odreeni aerodrom po loim vremenskim uslovima. Ovo iskustvo steeno
unutar ciljne domene se onda moe prenjeti nazad na iskustvo sa letom u pravom avionu.
Korisnost nekog modela je odreena nivoom vjerodostojnosti simulacije izvorne domene
i jednostavnosti prelaska izmeu ove dvije domene. Matematiki koncept koji lei iza
ovoga je morfizam. Morfizam je funkcija koja prilikom translacije iz jedne u drugu
domenu uva odreeni dio njihove strukture. Kao primjer morfizma, moemo se iz
matematike prisjetiti logaritmiranja, gdje logaritamska funkcija prevodi multiplikativnu
strukturu pozitivnih realnih brojeva u aditivnu strukturu realnih brojeva (podsjetimo se:
da bismo mnoili dva broja, sabiramo njihove logaritme). Nakon toga je dobijeni rezultat
mogue vratiti u originalnu domenu (antilogaritmiranje).
Kao drugi primjer navodimo sluaj iz praktine primjene kartografije za potrebe traenja
rute putovanja. Za izvornu domenu posmatrajmo geografski prostor, koji je modeliran
kartom, koja predstavlja ciljnu domenu. Korisnik koji treba autom putovati od
Edinburgha do Londona, posmatra i analizira kartu, a onda rezultate analize prenosi
nazad na navigaciju kroz putnu mreu. Ukoliko je ova karta vjerodostojan model stvarne
putne mree Velike Britanije, putovanje za njenog korisnika e predstavljati ugodno
iskustvo.
Slika 4.1: Proces modeliranja: izvorna domena, funkcija modeliranja i ciljna domena
Proces modeliranja je prikazan ematski na slici 4.1. Lijevi oval predstavlja izvornu
domenu koju treba modelirati. Pretpostavimo, u ovom primjer, da je izvorna domena dio
elektrodistributivne mree. Dalje, pretpostavimo da trebamo izvriti neku mrenu analizu,
kao to je predvianje tokova struje u sluaju prekida napajanja u nekoj taki.
128
Odgovarajua ciljna domena u ovom sluaju moe biti matematika struktura mree.
Funkcija modeliranja povezuje elemente izvorne domene sa elementima ciljne domene.
Mrena transformacija i analiza se mogu izvriti u ciljnoj domeni, a rezultati se mogu
prevesti nazad i interpretirati u izvornoj domeni.
Slika 4.2 prikazuje proces modeliranja koji je jo vie apstraktan u smislu morfizma.
Izvorna domena D je modelirana koritenjem funkcije m. Transformacija t u izvornoj
domeni je modelirana pomou transformacije m(t) u ciljnoj domeni. Rezultat
transformacije u ciljnoj domeni se onda ponovo reinterpretira u D, koristei inverznu
funkciju modeliranja inv(m). Cijeli proces pravilno operie ukoliko model tano
refleksira transformaciju t u domeni D. Ovo se izraava sa jednakou:
inv(m) m(t) m = t
gdje indicira kompoziciju funkcija. Ova relacija se moe jednostavnije izraziti kao:
m(t) m = m t
Ovakve strukturne relacije su predmet matematike teorije kategorija. Ukoliko se
funkcije (prikazane strelicama) realiziraju zajedno na zadovoljavajui nain (slika 4.2)
onda kaemo da dijagram komutira (saobraa), odnosno ovakav dijagram se naziva
komutativni dijagram. Ovakva apstrakcija je u ovom kontekstu openito zahvalna, ali nas
trenutno udaljava od glavne niti izlaganja u ovom poglavlju.
GIS modeli operiu u irokom spektru razliitih aplikacija, od modela pojedinih
aplikacionih domena (na primjer, transportni modeli), pa do specifinih raunarski
baziranih modela fizikih informacija u sistemu. Slika 4.3 je verzija (vie openitog)
procesa modeliranja sa slike 4.1, koja je zasnovana na ivotnom ciklusu sistema
prikazanog na slici 1.13. Kreui se sa lijeva na desno, aplikaciona domena predstavlja
predmet (objekat) modela aplikacione domene, kojeg uobiajeno konstruiu (modeliraju)
eksperti iz te domene. Primjer aplikacione domene bi bio mrea autobuskog saobraaja.
Model ove aplikacione domene bi onda bio jednostavan mreni model, popularisan
(nastanjen) sa entitetima, kao to su ulice, autobuske stanice i autobuske linije.
129
130
Slika 4.4: Relacija koja sadri godinje klimatske podatke (temperature su u C, a padavine u mm)
131
Pristup zasnovan na poljima tretira informacije kao kolekciju polja. Svako polje definie
prostorne promjene atributa kao funkciju od skupa lokacija u nekoj atributnoj domeni.
Slika 4.5 prikazuje polja prosjene i maksimalne temperature, konstruisana od podataka
sa slike 4.4. Na ovaj nain polje predstavlja funkciju, a ne skup atributnih vrijednosti.
Pristup zasnovan na poljima konceptualizira relaciju (tabelarno ureen skup podataka)
kao izdjeljenu po varijacijama jednog ili viestrukih atributa (u kolonama). Alternativni
objektno bazirani pristup grupie relaciju po jednoj ili vie n-torki. U primjeru sa slike
4.4, moemo karakterizirati odreene grupe mjerenja klimatskih varijabli koje padaju
unutar konanog skupa (tipa). Na ovaj nain, topla regija ima relativno vie
temperaturne vrijednosti, a hladna regija relativno nie. Regije se mogu predstaviti
objektima koji su prostorno referensirani. Ovakvo struktuiranje date relacije je prikazano
na slici 4.6.
Modeli zasnovani na poljima i objektima su u nekom smislu meusobno inverzni. U
pristupu sa poljima, prvoklasni entiteti su funkcije od prostornog okvira (osnove ili
mree). Sa druge strane, objektno zasnovan pristup konstruie populaciju entiteta koji
pripadaju prostoru, to jest konstruie funkciju od entiteta (slika 4.7).
132
133
134
Prostorni okvir za DEM je esto u obliku regularne mree, koja ima prednost zbog svoje
jednostavnosti. Meutim, neregularne teselacije poput TIN-a, mogu omoguiti strukturu polja
koja priblinije opisuje strukturu terena, na primjer slijedivi grebene i ravnice. Mnoge
svakodnevne GIS aplikacije zahtjevaju DEM kao svoj osnovni izvor podataka, ukljuujui analizu
vidljivosti (kojom se odreuje ta se moe vidjeti sa pojedinih lokacija), analizu padova i
aspekata (orijentacija terena), izraunavanje rute i najkrae putanje i slino. DEM-ovi se
ponekad nazivaju i digitalnim modelom terena (DTM), iako DTM, po miljenju nekih krugova,
treba predstavljati i druge topografske oblike osim same visine terena.
135
136
(a)
(b)
(c)
Slika 4.9: Primjeri kontinuiteta i diferencijabilnosti za polja iscrtana nad jednodimenzionalnim prostornim
okvirom du x ose i sa atributnim vrijednostima du y ose.
U sluaju gdje prostorni okvir uzima dvije dimenzije (ili vie), nagib ne zavisi samo od
pojedine lokacije, nego i od orijentacionog ugla na toj lokaciji (slika 4.10).
Slika 4.10: Polje sa elevacijam gdje pad u nekoj taki zavisi i od orijentacionog ugla
137
Hiperbola na slici 4.11b oznaava granicu izmeu regija za koje je izbor brze veze bolji,
odnosno loiji. U ovom sluaju, vrijeme putovanja od take X jasno zavisi i od
orijentacionog pravca prema ciljnoj lokaciji. Za ovakvo polje se kae da je
anizotropijsko.
Anizotropijska polja su uobiajene situacije u stvarnosti. Njihova pojava je esto vezana
za mree (poput predhodno opisanog sluaja). Drugi primjeri su openito situacije sa
poljima u kojima se podrazumjevaju neke prirodne ili vjetake prepreke koje utiu na
prisupanost pojedinih lokacija.
Prostorna autokorelacija
Prostornom autokorelacijom se odreuje (mjeri) stepen okupljanja (degree of clustering)
vrijednosti (pojave) u prostornom polju. Prostorna autokoleracija je kvantitativni izraz
uvene teoreme Waldo Toblera, esto citirane kao prvog zakona geografije (Tobler,
1970) koji kae: sve je povezano sa svim ostalim, meutim blie stvari su bolje
povezane od udaljenijih. Ukoliko prostorno polje ima osobinu da sline vrijednosti tee
zajednikom okupljanju (clustering), onda za njega postoji odreeni stepen pozitivne
prostorne autokorelacije. Ukoliko ne postoji vidljiva povezanost izmeu atributne
vrijednosti i susjednih lokacija, onda polje ima nultu prostornu autokorelaciju. Ukoliko
postoji sklonost slinih vrijednosti da budu locirane dalje jedne od drugih, onda postoji
negativna prostorna korelacija. Na ovaj nain, prostorna autokorelacija predstavlja mjeru
povezanosti izmeu atributnih vrijednosti na jednoj lokaciji i atributnih vrijednosti na
okolnim (susjednim) lokacijama. Slika 4.12 predstavlja primjere visoke pozitivne (bivolje
oko sa lijeve strane), nulte (sluajna buka) i visoke negativne prostorne autokorelacije
(ahovska tabla na desnoj strani).
138
Slika 4.12: Uzorci sa visokom pozitivnom, nultom i visokom negativnom prostornom autokorelacijom.
139
Lokalne operacije
Lokalne operacije se primjenjuju nad jednim ili vie prostornih polja za izraunavanje
novog polja. Ono to izdvaja lokalne operacije od ostalih jeste da vrijednost novog polja
na bilo kojoj lokaciji zavisi jedino od vrijednosti funkcija prostornih polja za istu lokaciju
(funkcija prostornog polja je funkcija koja opisuje atributne vrijednosti nad prostornim
okvirom tog polja). Lokalne operacije mogu biti unarne (koje transformiu jedno polje),
binarne (koje transformiu dva polja) ili n-arne (koje transformiu bilo koji broj polja).
Za formalne definicije veinom se koristi binarni sluaj, iz kojeg se moe ekstrapolirati
opi sluaj.
Formalno gledajui, za dati okvir F i prostorne funkcije nad poljima f i g, uzevi da je
binarna operacija primjenjena nad atributnim domenama od f i g za dobijanje vrijednosti
u drugoj atributnoj domeni, moemo definisati novu funkciju h nad prostornim poljima:
1. Za svaku lokaciju x, h(x) = f(x) g(x).
Ova binarna kombinacija dvaju polja f i g sa prostornim okvirom F je prikazana na slici
4.14. Na slici je naglaen jedan elemenat (x) prostornog okvira. Oito da iako prostorni
okvir predstavlja regularnu kvadratnu teselaciju, ovo ne podrazumjeva imperativ za
primjenu operacija nad poljima, odnosno svaki prostorni okvir (osnovna podjela) je
prihvatljiv.
140
Fokalne operacije
Za fokalnu operaciju, atributna vrijednost derivirana na lokaciji x moe zavisiti, ne samo
od atributa izraenih ulaznim funkcijama prostornih polja za lokaciju x, nego takoe i od
atributa vezanih za njeno susjedstvo n(x). Na ovaj nain, na vrijednost izvedenog polja na
nekoj lokaciji uticaj imaju i vrijednosti ulaznog polja u njenoj blizini. Za unarni sluaj,
pretpostavimo da je F prostorni okvir, n je funkcija susjedstva, f je funkcija prostornog
polja, a je unarna fokalna operacija. Fokalna operacija za svaku lokaciju x:
1. izraunava n(x) kao skup susjednih taaka od x (obino ukljuujui i samo x),
2. izraunava vrijednosti funkcije polja f primjenjene u odgovarajuim takama u
susjedstvu n(x),
3. derivira (izvodi) jednostruku vrijednost (x) deriviranog polja od vrijednosti
sraunatih u 2. koraku, sa mogunou uzimanja u obzir i vrijednosti polja u
lokaciji x.
Unarna fokalna operacija nad poljem f sa funkcijom susjedstva n je prikazana na slici
4.15.
Dobar primjer fokalne operacije je operacija koja izraunava gradijent za polje
topografskih altituda nad kontinualnim prostornim okvirom. U ovom sluaju f je
topografsko polje, n(x) definie bliske susjede od x, a izraunava razlike izmeu
vrijednosti susjeda od x u razliitim pravcima, to rezultira vektorom nagiba.
Zonalne operacije
Zonalne operacije agregiraju vrijednosti polja nad svakom od skupa zona (koje se
openito pojavljuju iz drugog polja) u prostornom okviru. Zonalna operacija (zeta)
derivira (izvodi) novo polje zasnovano na prostornom okviru F, prostornom polju f, i
skupu od k zona {Z1, ..., Zk} prema podjeli F. Zonalna operacija za svaku lokaciju x:
1. pronalazi zonu Zi u kojoj je x sadrano,
2. izraunava vrijednosti funkcije polja f primjenjene na svaku taku u Zi,
141
142
Naziv operacije
lsum, ldiff, lprod, lquot
Stepen
binarni
Fokalna
lmax, lmin
lmean
slope
n-arni
n-arni
unarni
aspect
unarni
fmean
unarni
fsum, fprod
unarni
zmin, zmax
unarni
zsum, zprod
unarni
zmean
unarni
Zonalna
Opis
Takaste sume, razlike, prozvodi i
kvocijenti (kolinici)
Takasti maksimum i minimum
Srednja vrijednost u taki
Maksimalni gradijent na
lokacijama
Orijentacioni ugao nastrmijeg
nagiba na svakoj lokaciji
Ponderisana srednja vrijednost
zasnovana na susjedstvu
Suma i proizvod vrijednosti u
susjedstvu svake lokacije
Minimalna i maksimalna
vrijednost u svakoj zoni
Suma i proizvod vrijednosti u
svakoj zoni
Srednja vrijednost polja u svakoj
zoni
143
144
svaka taka koja joj pripada ima samo cjelobrojne koordinate. U treem poglavlju su
predstavljeni razliiti tipovi prostora, ukljuujui Euclidov, metrini, topoloki i
skupovno-orijentisani prostor. Najea situacija u praksi je da se koristi Euclidov prostor
i da je svaki prostorni objekat specificiran pomou skupa koordinatnih n-torki ili
jednaina iji je oblik prihvatljiv za raunare. Drugaiji pristup od ovog je da se
specificira skup primitivnih objekata (primitiva), na osnovu kojih se u aplikacionoj
domeni mogu konstruisati svi ostali objekti, koritenjem specificiranog skupa operacija.
Klase primitivnih prostornih objekata (do sada predlagane) ukljuuju zatvorene poluravni
(uprkos svojstvu beskonanog irenja), simplificirani kompleksi (koji zahtjevaju velike
raunarske resurse pri konstrukciji objekata) i taka-linija-poligon primitive (standardne
primitive u postojeim sistemima).
Razmotrimo veoma jednostavan analitiki zadatak u GIS-u koji se moe pojaviti u
situacijama slinim ovoj.
Za italijanski glavni grad Rim, potrebno je odrediti koja je ukupna duina rijeke
Tibera unutar kruga sa radijusom od 2.5 km i centrom unutar Koloseuma.
Slika 4.18: Satelitska slika Rima centrirana nad Koloseumom (Izvor: DigitalGlobe 2009)
Slika 4.18 prikazuje satelitski snimak Rima, koji je centriran iznad Koloseuma (naglaen
sa zvjezdom). Podaci u ovakvoj formi nisu ba povoljni za traenje odgovora na
postavljeno pitanje. Pored toga to objekti poput Koloseuma nisu eksplicitno
reprezentovani, ovi podaci sadre previe nepotrebnog detalja. Da bismo pristupili
analitikom procesu, prije svega je potrebno modelirati relevantne dijelove Rima
(dijelove od interesa) kao objekte. Moemo zapoeti identifikacijom objekta rijeke (sa
Tiberom kao njenim nazivom) i objekta graevine (sa nazivom Koloseum).
Prostorne referense za ove objekte mogu biti linije (krive) i take, respektivno. Prostorni
objekat klase krug je takoe vaan, poto on opisuje region unutar radijusa od 2.5 km od
Koloseuma. Operacija duina e se primjeniti nad linijom, vraajui realan broj, a
145
146
Najopenitiji tip prostornog objekta prostor je na vrhu ove hijerarhije. Ovaj tip je
rastavljena unija tipova taka i du, koji opisuju jednostruke take i dune objekte (dui)
koji lee u dvodimenzionalnom prostoru. Klasa du moe biti specijalizirana po
dimenzionalnosti u tipove 1-du i 2-du. Dva podtipa jednodimenzionalnih dui su
opisana u 3. poglavlju kao (kriva) linija i petlja, koji se specijaliziraju u prosta linija i
prosta petlja (koje iskljuuju presjecanje samih sebe). Osnovni areal (povrinski
objekat) je opisan u 3. poglavlju kao regularni zatvoreni skup, koji se ovdje naziva
imenom tipa povrina. Povezanu povrinu nazivamo regionom. Region koji je prosto
povezan (nema rupa) je elija, koja je homeomorfna jedininom krugu.
Euclidova ravan nije raunarski pogodna i mora se diskretizovati da bi se mogla
primjenjivati za raunarsku obradu. Da bi se mogli primjenjivati u raunarskom
okruenju, realni brojevi (Euclidov 1-prostor) se diskretizuju pohranjivanjem cifara do
odreenog (konanog) nivoa preciznosti. Na primjer, pri koritenju 32-bitne preciznosti
brojeva sa pokretnim zarezom, mogue je pohraniti broj sa do est decimalnih cifara (na
primjer, broj 0.1234567 se zaokruuje na 0.123457). Za sve kontinualne tipove prikazane
na slici 4.21 postoje diskretne forme. Take se mogu diskretizovati pohranjivanjem
njihovih koordinata kao konano preciznih brojeva. Linijski segmenti mogu biti
diskretizovani pohranjivanjem njihovih ekstremnih taaka kao diskretnih taaka.
147
Take A i B su krajnje take krive. Na lijevom crteu, take C i D kontroliu oblik krive, a vektori
AC i BD predstavljaju tangentne vektore na krajnjim takama. Desni crte prikazuje kako oblik
krive moe biti promjenjen pomjeranjem tangentnih vektora. Krajnje take ostaju na istoj pozicji,
ali su formirani novi tangentni vektori AC' i BD'.
148
Operacija
jednako je
jednako je
lan od
je prazan
podskup od
rastavljen od
presjek
unija
razlika
Simbol
=
=
granica
unutranjost
zatvorenje*
dodiruje
preklapa
je unutar
pokriva
je povezan
komponente
ekstremi
je unutar
Euclidove
udaljenost
orijentacija, ugao
duina
povrina
obim
centroid
*u nekoj literaturi se koristi i termin pokriva
Topoloke
Operand(i)
geoprostor, geoprostor
du, du
taka, du
du
du, du
du, du
du, du
du, du
du, du
Rezultat
Boolova vrijednost
Boolova vrijednost
Boolova vrijednost
Boolova vrijednost
Boolova vrijednost
Boolova vrijednost
prostorni objekat
du
geoprostor
povrina
povrina
povrina
povrina, povrina
povrina, povrina
povrina, povrina
povrina, povrina
povrina
povrina
linija
taka, prosta petlja
taka, taka
taka, taka
1-du
povrina
povrina
povrina
skup (petlja)
otvorena povr
zatvorena povr
Boolova vrijednost
Boolova vrijednost
Boolova vrijednost
Boolova vrijednost
Boolova vrijednost
skup (region)
skup(take)
Boolova vrijednost
realni broj
[0, 2)
realni broj
realni broj
realni broj
taka
Ulazi za neku operaciju se nazivaju operandi, dok se izlaz naziva rezultatom. Operacije u
tabeli mogu biti unarne (primjenjene na jednostruki operand) ili binarne (primjenjene na
dva operanda). Za svaku operaciju su dati tipovi objekata koji igraju uloge operanda i
rezultata. Naravno, svaki podtip od nekog tipa operanda je takoe sposoban naslijediti
istu operaciju. Na primjer, operacija unija moe biti primjenjena na uniju objekta tipa
linija sa objektom tipa region.
Operacije u tabeli 4.2 su grupisane u ope, skupovno-orijentisane, topoloke i Euclidove.
Operacija pada u pojedinu grupu kada njena definicija zahtjeva struktuiranje prostora koji
odgovara toj grupi. Operacija jednako je izmeu geoprostor i geoprostor ne zahtjeva
posebnu strukturu, i samim tim je odreeno da li su dva objekta ista ili nisu. Skupovno
orijentisane operacije zahtjevaju svoju specifikaciju struktuiranja prostora u skupove
taaka. Prostorni objekti tipa du se mogu tretirati isto kao skupovi taaka. Operacije
klasificirane kao skupovno orijentisane su definisane u sekciji 3.2.1 i nee se ovdje dalje
razmatrati, osim napomene da one nisu nezavisne od opih naela skupova, odnosno da
su za njih zadrana sva uobiajena ogranienja vezana za teoriju skupova. Na primjer, za
bilo koji objekat X, Y i Z tipa du, imamo slijedee jednakosti (De Morganovi zakoni):
X\(YZ)=(X\Y) (X\Z)
X\(YZ)=(X\Y) (X\Z)
149
Kao to smo vidjeli u sekciji 3.3, osobine prostornih objekata i njihova povezanost su
kompleksniji u topolokoj postavci nego u predhodno izloenom skupovno orijentisanom
kontekstu. Objektni tipovi (sa pripadajuom topologijom u pozadini) su linija, petlja i
povrina (a ponekad i taka). Tabela 4.2 prikazuje neke od moguih topolokih
operacija. Operacije granica, unutranjost, zatvoranost (pokriva) i je povezan se
definiu na uobiajen nain (sekcija 3.3). Operacija komponente vraa skup
maksimalnih povezanih komponenata od neke povrine. Operacija ekstremi se
primjenjuje na svaki objekat tipa linija i vraa par taaka linije koje konstituiu njene
krajnje take. Operacija je unutar pokazuje povezanost izmeu take i proste petlje,
vraajui vrijednost true ukoliko je taka sadrana u prostoj petlji. Ova operacija je esto
koritena za analizu taaka u poligonu (point-in-polygon).
Boolove topoloke operacije dodiruje, preklapa, je unutar, i pokriva se oenito
primjenjuju na povrine. Slini topoloki operatori se mogu definisati i za linije i petlje.
Primjeri ova etiri operatora su prikazani na slici 4.22.
Slijede neformalne definicije ovih operacija:
Neka su X i Y objekti tipa povrina.
X dodiruje Y, ukoliko se X i Y eksterno dodiruju u zajednikom dijelu svojih
granica.
X pokriva Y, ukoliko je Y podskup od X, a X i Y se interno dodiruju u
zajednikom dijelu svojih granica.
X preklapa Y, ukoliko unutranjosti od X i Y meusobno prodiru jedna u drugu.
X je unutar Y ukoliko je X podskup od Y, a X i Y ne dijele zajedniki dio granice.
Slika 4.22 ilustruje da su navedene topoloke operacije vie diskriminirajue (izraajnije)
od skupovno orijentisanih operacija. Slika prikazuje dva para objekata (lijevi i desni par)
ije su relacije nezamjetljive prilikom koritenja iskljuivo skupovno orijentisanih
operacija. Na osnovu unutranjosti strukture samih skupova, za data dva objekta X i Y
tipa povrina, ne moemo razlikovati relaciju X dodiruje Y od relacije X preklapa
Y. Sa skupovno orijentisanog aspekta, relacije su za oba sluaja iste, to jest za oba
sluaja vrijedi relacija X nije rastavljen od Y. Na slian nain, relacije X je unutar
Y i Y pokriva X, su obje instance jedne iste Boolove skupovno orijentisane operacije,
to jest relacije X je podskup od Y. Kao to smo rekli i za skupovno orijentisane
operacije, navedene topoloke operacije se ne mogu se posmatrati neovisno od opih
topolokih naela.
150
151
X Y
X Y
X Y
Svaki od ovih presjeka moe biti ili prazan ili neprazan skup. Postoji 16 razliitih
moguih kombinacija rezultata ovih presjeka (4 presjeka sa po dva rezultata). Svaka od
ovih kombinacija predstavlja neki odnos presjeka granica i unutranjosti elija. Ovaj
odnos izmeu elija ostaje sauvan prilikom topolokih transformacija
(homeomorfizama).
Openito, u topologiji skupova taaka, svaka od 16 kombinacija moe egzistirati i
opisivati razliitu topoloku relaciju izmeu dva skupa X i Y. Meutim, kako za sada
razmatramo samo prostorne elije koje su prisutne u Euclidovoj ravni, od svih 16
kombinacija moe se pojaviti samo osam njih. U tabeli 4.3 je prikazano ovih osam
mogunosti sa odgovarajuim prostornim operacijama koje su predhodno opisane u tabeli
4.2.
Tabela 4.3: Osam relacija koje se mogu desiti izmeu elija u Euclidovoj ravni
X Y
X Y
X Y
X Y
152
Operacija
X je rastavljen od Y
X dodiruje Y
X je jednako Y
X je unutar Y
Y pokriva X
Y je unutar X
X pokriva Y
X preklapa Y
X Y
X Y'
X Y
X' Y
X Y'
X' Y'
2. Za svaki par regiona X, Y, ako vrijedi C(X, Y), onda vrijedi i C(Y, X).
Posebno iznenaujui dio Clarkeovog rauna je opisan u slijedeem koraku. On nas
navodi na zakljuak da mnoge skupovno orijentisane i topoloke relacije izmeu
prostornih objekata mogu biti konstruisane koritenjem samo minimalnog dijela opisanog
mehanizma povezanosti (konekcije). U tabeli 4.4 je izloen primjer ovakvih moguih
konstrukcija, gdje su relacije imenovane tako da naglase konekciju sa tipologijom
prostornih operacija iz tabele 4.2. Relacija dio od iz tabele 4.4 odgovara operaciji
podskup od iz tabele 4.2.
Tabela 4.4: Definisanje skupovno orijentisanih i topolokih relacija zasnovanih na regionima i konekcijama
X je rastavljen od Y
X je dio od Y
X preklapa Y
X dodiruje Y
X pokriva Y
X je unutar Y
X je jednak Y
154
155
5
5 Reprezentacije i algoritmi
Kratak pregled
Nain na koji su prostorni podaci reprezentovani u informacionom sistemu je klju za
efikasnost raunarskih procesa koji e se odvijati nad njima. U ovom poglavlju se
diskutuje o reprezentaciji prostornih podataka za modele zasnovane na objektima i
poljima, i o nekim algoritmima koji se koriste za obradu podataka. Uobiajene
reprezenacije diskretnih prostornih objekata ukljuuju prikaze podataka u formama
pageti i sa vorovima, linijama i povrinama. Reprezentacije bazirane na poljima
uvode teselaciju (podjelu) prostora. Opisuju se neki od uobiajenih prostornih
algoritama, ukljuujui diskusiju o vremenu koje ovi algoritmi zahtjevaju za izvravanje
svojih funkcija.
U prvom poglavlju je predstavljen pristup razvoju informacionog sistema kroz nekoliko
faza, poevi od koncepualnih modela visokog nivoa preko raunarskih modela nieg
novoa, pa do njegove same implementacije. Davanje razliitog znaaja svakoj od ovih
faza osigurava da ovi sistemi budu jednostavni za razumjevanje i efikasni za koritenje
(vidi sekciju 1.3.4). U predhodnom poglavlju, fokus je bio na konceptualnim modelima
visokog nivoa. U ovom poglavlju emo se baviti reprezentacijama geoprostornih
podataka u GIS-u, te nainom na koji se razne prostorne operacije primjenjuju nad ovim
podacima.
Prvi dio ovog poglavlja diskutuje neke generalna raunarska pitanja u GIS-u. Posebno se
razmatraju pitanja multidimenzionalnosti geoprostornih podataka, razlika izmeu
reprezentacija zasnovanih na poljima i objektima, te pitanje raunarske efikasnosti. Kao
jedno od velikih pitanja vezanih za objektno baziranu repezentaciju, navodi se pitanje
diskretizacije. Pristup rijeavanja problema koji rezultiraju iz diskretizacije se diskutuje u
sekciji 5.2. Sekcija 5.3 opisuje neke raunarske reprezentacije prostornih objekata.
Sekcija 5.4 se bavi reprezentacijom podataka u sistemima baziranim na poljima
koritenjem teselacije. U sekciji 5.5 se diskutuju fundamentalni geometrijski algoritmi
koji formiraju osnovne mehanizme GIS-a i bez kojih nije mogue izvesti procesiranje
prostornih podataka na viem nivou. Zavrno izlaganje se odnosi na reprezentaciju
prostornih podataka i algoritme koji se koriste za mrene prostorne modele.
156
Na slici 5.1 su prikazane neke od razliitih moguih relacija, koje mogu postojati izmeu
dva pravolinijska segmenta, od kojih svaki lei u istom jednodimenzionalnom
Euclidovom prostoru (realna linija).
Slika 5.1 Relacije izmeu dva linijska segmenta koji lee u jednodimenzionalni Euclidovom prostoru
Slika 5.2: Devet razliitih topolokih relacija izmeu dva trougla u Euclidovoj ravni
157
158
ravnala i uglomjera. Tek je u prolom stoljeu postala vana i efikasnost izraunavanja. Rad
Kurta Gdela, matematiara ekog porijekla, je pokazao da velika klasa logikih sistema
(ukljuujui i aritmetiku) mora biti nekompletna, to u formalnom smislu znai da ove logike
moraju sadravati istinite izjave koje se ne mogu dokazati. Britanski matematiar Alan Turing je
doao do istog rezultata u raunarskim okvirima pokazavi da su ista ogranienja primjenjiva na
bilo koji raunarski sistem.
159
Red (oblik) funkcije se onda moe povezati sa algoritmom kako bi se indicirao nain na
koji on ovisi o veliini ulaza. Naravno, promjene (vrijednosti) na ulazu za neki algoritam
e obino rezultirati promjenama njegovih performansi, pa ak i ako veliina ulaza ostaje
konstantna. Obino se koristi pesimistini pristup i biraju funkcije koje odgovaraju
performansama algoritma u najloijem sluaju. Drugim rijeima, za svaku veliinu ulaza
se uzimaju performanse koje daju najloije rezultate (najdue vrijeme izvravanja,
odnosno najvei koriteni prostor). Takoe, mogue je odrediti i prosjene sluajeve
performasi, ali je uvijek teko odrediti na koji nain sraunati ove prosjeke. Na primjer,
posmatrajmo pokuaj generisanja jednog sluajnog uzorka 10-stranog poligona u ravni,
kao osnovu za procjenu prosjenog sluaja vremenske kompleksnosti.
Vrativi se najloijem sluaju kompleksnosti (standardna mjera), tabela 5.2 nam daje
grubu sliku performansi algoritama sa razliitim funkcijama kompleksnosti.
Tabela 5.2: Gruba podjela vremenske kompleksnosti
O(1)
O(log n)
O(n)
O(n log n)
O(nk)
O(kn)
Konstantno vrijeme
Logaritamsko vrijeme
Linearno vrijeme
Pod-linearno vrijeme
160
G mrea domene, odnosno konaan povezani dio diskretne Euclidove ravni Z2,
P skup taaka u Z2 i
S skup linijskih segmenata u Z2.
161
Slika 5.3: Mrene (grid) strukture: struktura koja formira geometrijsku domenu (lijevo)
i struktura koja ne formira geometrijsku domenu (desno)
162
Slika 5.4a prikazuje konfiguraciju koja nije klasificirana kao geometrijska domena.
Problem je u tome to se linijski segmenti ab i cd presjecaju u taki koja ne pripada
skupu taaka domene. U stvari ovu taku presjecanja nije ni mogue dodati u ovaj skup
taaka, jer ona jednostavno nije taka koja moe pripadati mrenoj domeni. ta se u
ovom sluaju moe uraditi? Jedno rjeenje ja da se u ovu domenu uvede mrena taka x,
koja je najblia taki presjecanja (ili da se prema nekoj konvenciji odabere jedna od
taaka, ako imamo vie mrenih taaka podjednako udaljenih od presjecita). Ovakav
pristup je dvodimenzionalni ekvivalent numerikom zaokruivanju i ilustrovan je na slici
5.4a. Naravno, ovde nemamo konfiguraciju koja bi zadovoljila sve aksiome domene, ali
bismo mogli proiriti na pojam geometrijske domene kako bi podrali ovakve strukture.
Meutim, ovo rjeenje samo po sebi nije zadovoljavajue, jer su s njim naruena
topoloka ogranienja. Na primjer, nije zadran sluaj relacije da taka presjecanja dviju
linija lei na obje ove linije. Takoe, kao to pokazuje slika 5.4b, postoji mogunost da
taka bude otklonjena tako da pree sa jedne strane linije na drugu. Stvarna taka
163
presjeka linije ab sa linijom cd lei ispod linije ef, ali zaokruena taka presjecanja x lei
iznad linije ef.
Prvi pokuaj modifikacije kojom bi se izbjegli ovi problemi, bio bi da se linijski segmenti
pocjepaju tako da budu povezani sa zaokruenom presjenom takom, kao to je
prikazano na slici 5.4c. Na ovaj nain bi se linije ab i cd pocjepale na linije ax, bx, cx i
dx. Ova konfiguracija sada predstavlja geometrijsku domenu. Problem sa ovakvim
rjeenjem je u tome to se srazmjerno dinamici pojava sve veeg broja presjecita gubi
kontrola nad smicanjem linijskih segmenata. Slika 5.4d prikazuje nekoliko unaprijeenih
linijskih segmenata koji su dodati. Opazite da je lanac axyzb dobro odetao u odnosu na
originalni linijski segment ab.
164
Na slici 5.6 je prikazana tehnika za simplifikaciju krive linije bazirana na DouglasPeuckerovom algoritmu. Razmotrimo krivu prikazanu na slici 5.6a. Prvo se krajevima
krive dodjele take a i b. Potom se konstruie pravolinijski segment ab. Ovom skupu
taaka se pridrui taka c koja lei na krivoj i ima najveu ordinatu u odnosu na segment
ab. Sada je kriva podjeljena na dva dijela: ac i cb. Postupak se dalje ponavlja po istom
principu na svaki od novonastalih dijelova krive. Na slici 5.6b, kriva je podjeljena na
165
etiri dijela: ad, dc, ce i eb. Kada udaljenost od pravolinijskog segmenta do najudaljenije
ordinatne take koja pripada krivoj linije dosegne unaprijed zadani prag, iterativni
postupak se zaustavlja. Na slici 5.6c je isprekidanom segmentnom linijom pokazano ovo
svojstvo za dijelove krive ce i eb. to je vrijednost praga nia, to e se umetnuti vie
taaka i aproksimacija e biti bolja. Algoritam se izvrava sve dok imamo dijelova krive
koji se dalje mogu dijeliti (slika 5.6d). Ova faza je u naem primjer dostignuta na slici
5.6e sa dijelovima krive ah, hf, fd, dg, gj, ji, ik, kc, ce i eb. Aproksimativna polilinija je
prikazana na slici 5.6f.
5.3.1 pageti
pageti kao tip strukture podataka predstavlja planarnu konfiguraciju taaka, linija i
povrina. Geometrija je reprezentovana kao skup listi (nizova) pravolinijskih segmenata.
Svaka od listi predstavlja diskretizaciju linije koja moe egzistirati neovisno ili kao dio
granice neke povri. Ne postoji eksplicitna reprezentacija topolokih meusobnih relacija
unutar konfiguracije, kao to su relacije susjedstva izmeu sastavnih povrina. Termin
pageti (spaghetti) je izraajna metafora za reprezentaciju ovakve strukture, jer liste
pravolinijskih segmenata u geometriskom smislu podsjeaju na pagete u tanjiru.
Njihov primjer je u obliku planarne konfiguracije prikazan na slici 5.7. Svaka od
poligonalnih povrina (poligona) je predstavljen svojom graninom petljom. Svaka petlja
je diskretizovana kao zatvorena polilinija (na primjer, primjenom Douglas-Peuckerovog
algoritma iz sekcije 5.2.3). Svaka ovakva polilinija je reprezentovana kao lista taaka, od
kojih svaka taka ekstremna (krajnja) taka pravolinijskog segmenta iz ove polilinije. Za
primjer prikazan na slici 5.7, liste taaka su:
A: [1, 2, 3, 4, 21, 22, 23, 26, 27, 28, 20, 19, 18, 17]
B: [4, 5, 6, 7, 8, 25, 24, 23, 22, 21]
C: [8, 9, 10, 11, 12, 13, 29, 28, 27, 26, 23, 24, 25]
D: [17, 18, 19, 20, 28, 29, 13, 14, 15, 16]
Da bi se ostvario njihov geometrijski prikaz u ravni, svaka taka je specificirana svojim
koordinatnim parom. Ovakve sekvence (nizovi) su struktuirane ciklino, tako da je, na
primjer, [w, x, y, z]=[x, y, z, w]=[y, z, w, x]=[z, w, x, y]. Zbog ovoga se prostorna struktura
prevodi u skup ovakvih listi taaka.
166
Slika 5.7: Planarna konfiguracija (kontinualna i diskretna) koja dio ravni dijeli na povrine A, B, C i D
167
gdje se pod povrinom smatra lik obuhvaen linijama koje su homeomorfne eliji, osim
kod vanjske (eksterne) povrine. Sistem pravila za NAA obuhvata:
Svaka usmjerena linija ima tano jedan poetni i jedan zavrni vor.
Svaki vor mora biti poetni ili zavrni vor (mogue i oboje) od najmanje jedne
usmjerene linije.
Svaka povrina je ograniena jednom ili vie usmjerenih linija.
Usmjerene linije se mogu presjecati samo u svojim zavrnim vorovima.
Svaka usmjerena linija ima tano jednu povrinu sa svoje desne i jednu povrinu
sa svoje lijeve strane.
Svaka povrina mora biti ili lijeva ili desna povrina (mogue i oboje) od
najmanje jedne usmjerene linije.
Ova pravila se mogu izraziti EER dijagramom, kao to je ranije pokazano na slici 2.16.
Entitet tipa povrina ima preklapajue podtipove lijeva povrina i desna povrina (ista
povrina za neke usmjerene linije moe biti lijeva, a za neke druge desna povrina).
Svaka instanca ovih podtipova ulazi u vie-na-jedan relaciju sa onim usmjerenim
lukovima koji granie sa njom sa lijeve i desne strane, respektivno. Entitet tipa vor ima
preklapajue podtipove poetni vor i zavrni vor (isti vor za neke usmjerene linije
moe biti poetni, a za neke druge zavrni vor). Svaka instanca od ovih podtipova ulazi
u relaciju vie-na-jedan sa onim linijama za koje je on poetni, odnosno zavrni vor,
respektivno.
Slika 5.8 prikazuje dekompoziciju konfiguracije sa slike 5.7, i to na vorove, usmjerene
linije i povrine pripremljene za NAA reprezentaciju. Sastavne povrine su oznaene sa
A, B, C i D. Eksterna povrina X je neophodna zbog zadovoljenja svih pravila u sistemu.
Linije su oznaene sa a, ..., i , a vorovi sa 1, ..., 6. Povrina A je ograniena sa etiri
linije a, e, h i g. Linije a i e imaju A kao lijevu povrinu, dok linije g i h imaju A kao
desnu povrinu. vor 1 ima incidentne linije a, b i e. Linije e i b imaju vor 1 kao zavrni
vor, dok linija a ima vor 1 kao poetni vor.
Slika 5.8: Dekompozicija planarne konfiguracije sa slike 5.7 na vorove, usmjerene linije i povrine
povrini sfere (idealan 2-prostor), onda ne postoji vie potreba za vanjskom povrinom i
tada imamo idealnu simetriju.
Slijedivi uobiajene procedure projektovanja baze podataka, EER dijagram obrazuje
osnovu za normaliziranu relacionu shemu baze podataka kao jednostruku relacionu
shemu:
ARC(ARC ID, BEGIN_NODE, END_NODE, LEFT_AREA, RIGHT_AREA)
169
170
(voru), ali se sekvenciranje ne moe odrediti sve dok nije dat prikaz elemenata sadraja
(koordinate, polilinije, poligoni).
Sa EER dijagramom za DCEL (na slici 5.10) je predstavljeno proirenje NAA
reprezentacije. Ovde su dodane dvije nove relacije: svaka linija ima jedinstvenu narednu
liniju i jedinstvenu predhodnu liniju. Za datu liniju a, da bi pronali predhodnu liniju od
a, potrebno je selektovati poetni vor (recimo n) od a i, poevi od a, okrenuti se oko n
u pravcu suprotno od kretanja kazaljke na satu dok ne naiemo na prvu liniju. Da bi
pronali slijedeu liniju od a, potrebno je okrenuti se oko zavrnog vora od a u pravcu
suprotnom od kretanja kazaljke na satu, poevi od a, dok ne naiemo na prvu liniju.
Relacije predhodni i slijedei su prikazane na slici 5.11. Primjer DCEL reprezentacije je
dat u tabeli 5.4, koja reprezentuje konfiguraciju sa slike 5.8.
Algoritmom 5.1 je data procedura raunanja sekvence (ciklusa) linija koje okruuju vor
n za DCEL strukturu. Ulaz u algoritam je NODE_ID n. Algoritam onda proizvoljno
selektuje jednu liniju x koja predstavlja incident sa n (1. linija koda). Za relaciju DCEL iz
tabele 5.4, moemo specificirati ovaj korak koritenjem SQL-a ili kao izraz relacione
algebre, na primjer:
ARC_ID(BEGIN_NODE=n OR END_NODE=n (DCEL))
koja vraa relaciju koja sadri sve linije koje su incident sa vorom n (u 2. poglavlju je
objanjena notacija koja se koristi u relacionoj algebri). Algoritam pohranjuje ovu
inicijalnu liniju x kao prvu u sekvenci (to je indicirano sa naznakom operatora u 2.
linij koda), a onda trai prvu liniju kruei u pravcu suprotnom od kazaljke na satu od
linije x (5. 8. linija koda). Izraz relacione algebre:
NEXT_ARC(ARC_ID=x (DCEL))
se moe koristiti za pozivanje relacije koja sadri slijedeu liniju od x (slina operacija
poziva i prethodnu liniju). Nova linija je pohranjena u sekvencu (4. linija koda), a proces
se iterativno nastavlja sve dok se ne vratimo do poetne linije x.
171
Algoritam 5.1: Raunanje sekvence linija (suprotno od kretanja kazaljke na satu) koje okruuju vor n
Za ilustraciju razmotrimo primjenu algoritma 5.1 na vor 6 sa slike 5.8 (tabela 5.4).
Algoritam e selektovati liniju i kao inicijalnu liniju (vor 6 je zavrni vor za i). Prva
iteracija algoritma bi onda pohranila i, a zatim pronala h (h je slijedea linija za liniju i).
Algoritam onda pohranjuje h i iterativno se izvrava dok ne nae slijedeu liniju g.
Konano, g se pohranjuje, a algoritam se zaustavlja obzirom da prethodna linija za g jeste
i, ime je sekvenca kompletirana.
Na slian nain, sekvenca (ciklus) linija oko povrine X (u pravcu kretanja kazaljke na
satu) se moe sraunati modifikacijom algoritma 5.1 u algoritam 5.2.
172
Algoritam 5.2: Raunanje sekvence (u pravcu kretanje kazaljke na satu) linija koje okruuju povrinu X
173
Slijedi prezentacija jedne ovakve metode. Kao prvo, preklopimo ovaj objekat sa
kolekcijom usmjerenih linija i vorova kao to je prikazano na slici 5.13. Neka su linije
usmjerene tako da se povrine koje one ograniavaju uvijek nalaze sa njihove desne
strane. Kao i kod DCEL reprezentacije, slabo konektovani povrinski objekat se moe
reprezentovati u objektnoj DCEL tabelarnoj formi (tabela 5.5). U ovom sluaju nije
potrebno dodati identifikatore povrina, jer se podrazumjeva da je cijela struktura
prostorno referencirana kao jedan povrinski objekat. Takoe, nedostaju i informacije o
odreenim vorovima, obzirom na injenicu da se zavrni vor neke linije moe smatrati
poetnim vorom naredne linije.
Granine linije strogo konektovanih elija koje su komponente ovog slabo konektovanog
objekta se mogu jednostavno pozvati pomou praenja sekvenci linije do slijedee linije
dok se ne vratimo nazad do poetne linije. Granine linije iz ovog primjera su:
174
[a, c, e, l, i]
[f, k, g]
[b, j, h, d]
Ukratko, objektna DCEL reprezentacija ukljuuje listu linija koje ograniavaju strogo
konektovane komponente objekta. Ovakva reprezentacija obezbjeuje kompletan i vjeran
opis topologije ovog objekta. Pored ove i ostalih navedenih reprezentacija postoje jo
dvije koje su kao alternativne opisane u narednom izlaganju.
Alternativne reprezentacije prostornih objekata: pageti, NAA, DCEL i objektni DCEL su etiri
od najredovnije koritenih reprezentacija planarnih prostornih objekata. Meutim, postoji i
nekoliko drugih reprezentacija, posebno namjenjenih sa specijalizirane domene. Jedna od njih je
reprezentacija krilate ivice (Baumgart, 1975), koja predstavlja varijantu DCEL-a. Ona se moe
koristiti za reprezentaciju podjele orijentisanih povrina (to jest, onih povrina za koje je pojam
smjera kretanja kazaljke na satu dobro definisan). Za razliku od DCEL-a, gdje je orijentacija
ivice (granine linije) eksplicitno pohranjena u formi poetnih i zavrnih vorova, u
reprezentaciji sa krilatim ivicama orijentacija je implicitno unutar strukture podataka. Kod ove
reprezentacije je svaka ivica (linija) povezana sa etiri druge ivice po obrascu: slijedea ivica u
smjeru kretanja kazaljke na satu, prethodna ivica u smjeru kretanja kazaljke na satu, slijedea
ivica u smjeru suprotnom od kretanja kazaljke na satu i prethodna ivica u smjeru suprotnom od
kretanja kazaljke na satu.
Jo jedna alternativna reprezentacija je reprezentacija kvadratine ivice (Guibas i Stolfi, 1985.),
koja omoguava da se mogu reprezentovat orijentisane ili neorijentisane povrine i koja je
openito sloenija od predhodne.
Tabela 5.5: Objektna DCEL relacija koja predstavlja slabo povezani povrinski objekat sa slike 5.13
175
176
bio prva osoba koja je sistematino studirala geomettriju teselacija. Kepler je opazio da je su u
sluaju Euclidove ravni mogue jedino tri regularne teselacije, to jest one bazirane na
jednakostraninim trouglovima, kvadratima i regularnim heksagonima. Mogue je pokazati da
nema drugih regularnih teselacija, uz konstataciju da interni uglovi regularnog poligona na
svakom voru teselacije moraju biti faktor od 360. Troglovi (unutarnji ugao 60), kvadrati
(unutarnji ugao 90) i heksagoni (unutarnji ugao 120) su jedini regularni poligoni koji
zadovoljavaju ovaj kriterij.
177
178
Triangulacija koja ima mnoge poeljne osobine, kako svoje tako i svog dualiteta, je
Delaunayeva triangulacija. U irem smislu, moe se rei da su sastavni trouglovi u
Delaunayevoj triangulaciji to je mogue vie jednakostranini. Dualitet Delaunayeve
triangulacije je Voronoi dijagram (ili Thiessenovi poligoni). Delaunayeva triangulacija se
moe predstaviti razmatranjem njenog dualiteta, odnosno Voronoijevog dijagrama.
Zamislimo da raspolaemo skupom lokacija taaka koje predstavljaju vatrogasne stanice
na nekoj regiji. Pretpostavimo da za svaku datu vatrogasni stanicu predstavljenu takom
p trebamo definisati regijom odgovornosti Rp sa svojstvom da je svaka lokacija unutar
ove regije blia taki p nego bilo kojoj drugoj taki, odnosno vatrogasnoj stanici. Zbog
jednostavnosti ilustracije, pretpostavimo da se za vrijednosti udaljenosti izmeu taaka
koristi njihovo pravolinijsko odstojanje (zrana linija) u normalnom Euclidovom
metrinom prostoru. Onda proizilazi da su ove povrine (najblieg susjedstva) Rp
poligoni koji se nazivaju poligoni bliskosti. Skup ovakvih poligona bliskosti konstituie
Voronoijev dijagram. Za dati skup taaka sa svojstvom da u njemu ne postoje tri
kolinearne take (da bi se izbjegli degenerativni sluajevi), Voronoijev dijagram okruuje
(opisuje) svaku taku sa povrinom koja sadri sve lokacije za koje je sjemena taka
(ove povrine) za njih najblia.
Delaunayeva triangulacija se sada moe formulisati kao dualitet Voronoijevog dijagrama.
Take u Voronoi dijagramu postaju vorovi u Delaunayevoj triangulaciji. Ivice u
Delaunayevoj triangulaciji spajaju susjedne poligone bliskosti u Voronoi dijagramu (slika
5.17). Delaunayeva triangulacija ima svojstvo da svaka opisana krunica sastavnog
trougla ne ukljuuje nijednu drugu triangulacionu taku unutar sebe. Ovo svojstvo je
ilustrovano na slici 5.18.
U narednom izlaganju se daju neke vanije osobine Delaunayeve konstrukcije. Za dati
polazni skup taaka P za koji ne postoji skup tri pripadajue take koje su kolinearne (u
cilju izbjegavanja degenerativnih sluajeva) vrijedi:
1. Delaunayeva triangulacija je jedinstvena.
2. Vanjske ivice ove triangulacije formiraju konveksnu ljusku (convex hull) od P (to
jest, najmanje konveksni skup koji sadri P).
3. Opisane krunice trouglova iz ove triangulacije ne sadre lanove iz skupa P u
svojoj unutranjosti. Ukoliko ova osobina vrijedi ona praktino definie
Delaunayevu triangulaciju.
4. Trouglovi u Delaunayevoj triangulaciji, potujui regularnost, to je mogue vie
slie jednakostraninim trouglovima, odnosno oni su to je mogue vie
regularni.
Osobina broj 4 je nejasna i zahtjeva dodatno pojanjenje. Pretpostavimo da imamo neku
triangulaciju (koja ne mora biti Delaunayeva) i da trebamo napraviti listu minimalnih
uglova u svakom sastavnom trouglu na nain da ova lista poinje sa najmanjim uglom i
kree se u nizu do najveeg ugla. Nazovimo ovu listu vektorom poredanih minimalnih
uglova triangulacije. Mogue je uporediti ovakva dva vektora leksikografski. Sada se 4.
osobina moe preciznije opisati na slijedei nain:
4'. Trouglovi u Delaunayevoj triangulaciji imaju najvei vektor poredanih
minimalnih uglova od bilo koje druge triangulacije nad skupom P.
179
Slika 5.17: Voronoi dijagram bliskih poligona i Delaunayeva triangulacija kao njegov dualitet
prikazana debelom linijom). Prisiljena triangulacija ukljuuje ivicu ab, koja nije dio
Delaunayeve triangulacije na slici 5.19a.
Osim Delaunayeve metode, postoje i mnoge druge metode za triangulaciju skupa taaka i
poligona. Na primjer gramziva (greedy) triangulacija ima za cilj minimizaciju ukupne
duine ivica u triangulaciji. Ovo je postignuto uvoenjem najkrae mogue unutranje
dijagonale za svaki korak (podjele na trouglove). Slika 5.20 prikazuje gramzivu i
Delaunayevu triangulaciju jednog prostog etverougaonika. Algoritmi za triangulaciju e
se razmotriti u kasnijem izlaganju.
181
182
Na alost, za razliku od ravni, regularna teselacija proizvoljno fine rezolucije nije mogua
na sferi. Meutim, mogue je rekurzivno ugnjezditi regularne poligone unutar ploha
platonovih tijela kako bi se dolo do zahtjevane rezolucije.
Ugnjeene teselacije: Ugnjeena teselacija je teselacija elija koje su i same sastavljene od
sebi slinih koritenjem dalje i finije teselacije. Ovaj proces moe biti rekurzivan, obezbjeujui
gradiranu granulaciju do koje se prostorni fenomen moe referensirati. Regularne ugnjeene
teselacije se javljaju tamo gdje se regularni sastavni elementi i sami dalje dijele koritenjem istih
regularnih figura. Primjeri planarnih regularnih i neregularnih ugnjeenih teselacija su
prikazani ispod. Prve dvije (trougaona i kvadratna) su regularne, ali trea (heksagona) nije
regularna, jer se heksagoni ne mogu sloiti zajedno kako bi komponovali vei heksagon.
Ugnjeena kvadratna teselacija u ravni vodi do strukture podataka sa kvadratnim stablom
(quadtree), koja e se diskutovati u 6. poglavlju. Ugnjeena triangulaciona teselacija se moe
koristiti za ugnjeenu oktaedarsku teselaciju sfere, to e se takoe razmotriti u 6. poglavlju.
Ako se vratimo na ravan, postoji distinkcija izmeu hijerarhijskih modela zasnovanih na
rekurzivnim regularnim ili neregularnim teselacijama i slojevitih (stratificiranih) modela u kojim
je svaki stratum (sloj) definisan tako da ima posebna svojstva. Ocjena hijerarhijskih modela je
izvrena od strane De Florianija et al. (1994.) sa posebnim naglaskom na hijerahijski TIN (De
Floriani i Puppo, 1992.). Stratificirana Delaunayeva triangulacija, gdje je zadovoljena osobina
opisanih krunica na svakom nivou, definisana je u Delaunayevoj piramidi od strane De
Florianija (1989.). Openito, stratificirani modeli su diskutovani od strane Bertolottoa et al
(1994.).
183
2
2
(
x
x
)
(
y
y
)
q
p
q
p
y y
cos
b a
pq
Udaljenost od take do linije
Pod udaljenou se ovdje podrazumjeva minimalna udaljenost izmeu prostornih
objekata. Da bi sraunali udaljenost izmeu take i prave linije, najkompaktnija formula
se dobije kada nam je prava linija l data u obliku {(x, y) | ax + by + c = 0}. Pretpostavimo
da je taka p zadata pomou koordinatnog para (xp, yp). Onda je udaljenost od p do l
(mjerena pomou duine od linijskog segmenta koji je ortogonalan na l i prolazi kroz p),
data formulom:
udaljenost(p,l) =
ax
p by
p c
a2 b2
184
Problem postaje jo sloeniji kada imamo poliliniju, kao to je prikazano na slici 5.24.
Prvo se mora sraunati udaljenost do svakog linijskog segmenta koji pripada poliliniji na
ve gore opisan nain. Za konanu udaljenost od p do polilinije e se onda uzeti
minimalna vrijednost svih ovih udaljenosti. Ukoliko je n broj segmenata koji pripadaju
poliliniji, onda vremenska kompleksnost izraunavanja odgovara izrazu O(n) (to jest
linearnom vremenu). Aproksimativna udaljenost se moe odrediti kao udaljenost do
vorova (lomnih taaka) polilinije. Ovakva aproksimacija je dobra openito ako su
duine segmenata male u poreenju sa samom udaljenou od take do polilinije.
Takoe, moe se odrediti i udaljenost od take do poligona ili udaljenost izmeu dva
poligona, odnosno njihovih granica. Na ovaj nain, udaljenost izmeu dva poligona se
moe interpretirati kao udaljenost izmeu njihovih najbliih taaka. U ovom sluaju,
izraunavanje na osnovu graninih polilinija postaje neophodno. Ista tako, udaljenost
izmeu dva poligona se moe interpretirati i kao udaljenost izmeu njihovih centroida (o
kojima e se diskutovati kasnije).
Povrina prostog poligona
Neka je P prosti poligon (bez presjecanja samog sebe) sa vektorima vorova (x1, y1), (x2,
y2) ... (xn, yn), gdje je (x1, y1) = (xn, yn) (to jeste, poligon je zatvoren i ima isti poetni i
zavrni vor). U ovom sluaju se povrina rauna iz izraza:
1n
x
x
povrina(P) =
iy
i
1
i
1y
i
2i1
U sluaju trougla pqr, gdje je p=(xp, yp), q=(xq, yq) i r=(xr, yr), povrina se rauna iz
izraza:
povrina(pqr) =
x
y
x
y
x
y
x
y
x
y
x
y
p
q
q
p
q
r
r
q
r
p
p
r
2
Opazite da izraunata povrina moe imati svoj predznak (pozitivan ili negativan).
Takoe, saglasno predhodnom izrazu povrina(pqr) = - povrina(qpr). Ukoliko je taka
p sa lijeve strane usmjerenog segmenta qr, onda e povrina(pqr) biti pozitivna, a
ukoliko je sa desne strane, onda e ona biti negativna. Ukoliko su p, q i r kolinearne
take, onda je povrina(pqr) jednaka nuli. Ovo izlaganje bi bilo korisno zaokruiti
185
Centroid poligona
Centroid poligona ili centar gravitacije (prostog) povrinskog objekta je taka u kojoj bi
bila ostvarena ravnotea ukoliko bi se on isjekao iz lista od materijala uniformne
(jednoobrazne) gustine. Za regularan poligon ili skup taaka centroid je prosta sredina
vornih vektora. Izraunavanje centroida neregularnog poligona zahtjeva kompleksniji
proraun, baziran na ponderisanoj sumi vornih vektora. Za (mogue neregularan)
poligon P sa n vornih (tjemenih) vektora (x1, y1), (x2, y2) ... (xn, yn), gdje je (x1, y1) = (xn,
yn), koordinate centroida x i y su odreuju iz izraza:
1
1 n
(
x
x
)(
x
y
x
y
)
i
i
1
i
i
1
i
1
i
6
povrina(P
)
i
1
1 n
(
y
y
)(
x
y
x
y
)
centroidy(P) =
i
i
1
i
i
1
i
1
i
6
povrina(P
)
i
centroidx(P) =
186
Vie koriten i interesantniji sluaj je kada poligon nije nuno konveksan. Dva algoritma
koja se u ovom smislu mogu ovdje razmatrati su polulinijski algoritam i algoritam sa
okretanjem. Osnovni princip koji se koristi u pozadini polulinijskog algoritma je
jednostavan. Za datu taku p i poligon P pretpostavimo da p ne lei na granici od P (kako
bi izbjegli degenerativne sluajeve). Iscrtajmo jednu beskonanu poluliniju (ili zraku) od
take p prema poligonu P. Prebrojimo broj presjeka zrake sa granicom od P. Ukoliko je
ovaj broj paran onda se p nalazi izvan P, a ukoliko je neparan, onda je p unutar P (slika
5.26).
Ipak, kao i sa veinom slinih algoritama, postoje specijalni sluajevi koji se mogu
pojaviti. Na primjer, ukoliko se zraka presjeca sa vorom poligona, kako ovaj presjek
tretirati (kao parni ili kao neparni broj)? Slika 5.27 prikazuje dva ovakva sluaja. U voru
a presjek se ne bi trebao brojati, dok bi se u voru b trebao brojati. Da bi se presjek
brojao (uzeo u obzir), vano je u stvari da zrak prolazi kroz poligon (a ne samo kroz
njegovu granicu), to ne vrijedi u sluaju vora a.
Takoe, slika 5.27 prikazuje presjek zrake i cijelog segmenta cd, gdje se moe primjeniti
isti princip, to jest da se samo prolazak kroz poligon rauna.
187
Slika 5.28: Obilazak granice poligona 123456 uvijek okreui lice prema taki p
188
Meutim, konverzija ove izjave (u smislu da se segmenti nemogu presjecati, ako ove
nejednakosti nisu zadovoljene) ne vrijedi. Mogue je da se segmenti ab i cd meusobno
presjecaju kada su jedna ili obje ove nejednakosti nisu istinite. Ova mogunost se
pojavljuje kada jedan od segmenata djelomino lei na drugom. Zbog ovakvih specijalnih
sluajeva se mora uvesti robusniji algoritam za detekciju presjeka kada je vrijednost
189
operacije strana jednaka nuli. Ovo se takoe moe ostvariti pomou operacije
taka_na_segmentu ispitivanjem slijedeih mogunosti:
taka_na_segmentu(a, cd) = true
taka_na_segmentu(b, cd) = true
taka_na_segmentu(c, ab) = true
taka_na_segmentu(d, ab) = true
Meutim na posao jo uvijek nije zavren. ak i ako je pokazano da se dva segmenta
meusobno presjecaju pomou predhodno opisane procedure, jo uvijek preostaje da se
odrediti taka njihovog presjecanja. Izraunavanje take presjecanja dva linijska
segmenta, ukoliko ona postoji, je na prvi pogled trivijalan zadatak u koordinatnoj
geometriji, koji se svodi na istovremeno rijeavanje dvije jednostavne linearne jednaine.
Meutim, kao i sa mnogim geometrijskim algoritmima, specijalni sluajevi (na primjer,
segmenti paralelni sa y-osom) i greke usljed diskretizacije stvaraju degenerativne pojave
zbog koji se moraju primjenjivati robusniji (manje osjetljivi) algoritmi.
Pretpostavimo da su zadata dva segmenta l i l' pomou odgovarajuih parametarskih
formi za njihove skupove taaka:
l = {p + (1 - )q | [0, 1]}
l' = {'p' + (1 ')q' | '[0, 1]}
Neka je r taka presjeka ovih skupova. Onda postoje ,[0, 1] takvi da vrijedi izraz:
p + (1 - )q = r = p' + (1 - )q'
koji se moe preurediti da daje (p q) + (q' - p') = q' - q. Ova vektorska jednaina
moe biti dekomponovana u dvije simultane jednaine sa dvije nepoznate i , bazirane
na x i y koordinatama zavrnih taaka segmenata l i l'. Rijeavanjem ovih jednaina po i
se dobija:
190
presjecanja, ukoliko ona postoji. (Ukoliko se segmenti preklapaju ili dodiruju u svojim
krajnjim takama, onda se moraju ukljuiti i specijalni sluajevi, to nije predmet ovog
razmatranja). Postoji mn ovakvih parova za ispitivanje, te je stoga vremenska
kompleksnost algoritma presjecanja, unije i preklapanja obino O(mn).
Primjeri pojedinih algoritama se nee ovdje detaljno opisivati. Slika 5.30 ilustruje kljune
osobine presjeka, unije i preklapanja za par presjenih linijskih segmenata ab i cd unutar
dva poligona, P i P'. Opazite da je prilikom odluivanja koje segmente ukljuiti, a koje
iskljuiti (u sluaju presjeka i unije), vana topologija ovih poligona. Prilikom presjeka,
dijelovi presjenih segmenata od taaka a i d do presjene take x formiraju dio
rezultirajue strukture, dok se xc i xb iskluuju. Prilikom unije, take c i b sa dijelovima
segmenata do x su dio rezultirajueg poligona, a ax i dx se iskljuuju. Prilikom
preklapanja, sve take (segmenti) se zadravaju.
191
192
193
Slika 5.31: Triangulacija monotonog poligona (ivice su numerisane prema redoslijedu procesiranja)
194
195
Ovdje su opisani vaniji detalji o postupku povezivanja dvije triangulacije (nakon podjele
problema). Ukratko, da bi povezali dvije triangulacije potrebno je formirati njima
odgovarajue konveksne ljuske i konstruisati gornju i donju zajedniku tangentu. Slika
5.33 prikazuje proces ovakvog povezivanja. Poevi od nie zajednike tangente,
dodavanjem i brisanjem odgovarajuih strana, vri se povezivanje datih triangulacija.
Povezivanje pomalo lii na lijepljenje dviju triangulacija. Na slici 5.33b je dat prikaz
na kojem je izbrisana jedna strana (koja je pripadala desnoj triangulaciji), a dodano je
osam veznih strana. Vremenska kompleksnost operacije povezivanja (merging process)
je linearna, to jest O(n). Osnovne parcijalne (podjeljene) triangulacije su konstruisane
samo od skupova po dvije ili tri strane (opisano od 6. do 9. linije algoritma 5.5), tako da
se ova faza moe zavriti u konstantnom vremenu, to jest O(1). Poto faza sortiranja
dominira u vremenskoj kompleksnosti, rezultat ovoga je da se cijeli algoritam izvrava u
O(nlogn) vremenu.
njega (isprekidana linija na slici), ime se dobija novi poligoni bliskosti. Nakon toga se
na odgovarajui nain (na osnovu ove linije i ve postojeih strana u dijagramu)
modificiraju ostale strane koje figuriu u dijagramu i postupak se nastavlja sve dok se svi
novi vorovi ne uvedu u njega.
Zakljuak
Raunarska geometrija se tradicionalno bavila mjerama efikasnosti koje su openito
izvedene iz teorije (a posebno iz teorije kompleksnosti). Po obiaju, teorija i praksa su
uvijek u saglasnosti. Metode razvijene u okviru raunarske geometrije koje su teoretski
efikasne ne moraju uvijek biti praktine za implementaciju. Meutim, raunaraska
geometriju daje osnovu iz koje se mogu konstruisati i evaluirati razni praktini pristupi.
197
2.
3.
4.
5.
Erozioni algoritam koji se esto koristi za stanjivanje linija (lanaca) vodi porijeklo od
ideje Zhanga i Suena (1984.). Pretpostavimo da binarni raster koristi 0 za reprezentaciju
bijele i 1 za reprezentaciju crne, pri emu elimo istanjiti crne linijske oblike (prikazane
sivim tonom u sluaju naeg dijagrama na slici 5.35). Za svaki poloaj piksela p, neka je
N(p) cjelobrojna vrijednost (integer) koja predstavlja sumu vrijednosti osam susjednih
piksela od p. Takoe, sa pN, pS, pE, pW su oznaene vrijednosti piksela koji su
pozicionirani sa gornje, donje, desne i lijeve strane piksela p, respektivno. Konano, neka
je T(p) sraunati broj tranzicija (pretvorbi) od 0 u 1, posjeivanjem direktnih susjeda od p
(krunim kretanjem). Na slici 5.35 imamo da je N(p) = 5, pN = pW = 1, pS = pE = 0 i T(p) =
2.
198
Lanci (chains) su formirani od nizova piksela u stanjenoj rasterskoj slici. Za svaki piksel,
potrebno je odrediti da li je on na linijskom segmentu, krajnja taka linijskog segmenta ili
formira taku presjeka izmeu segmenata. Algoritam za kodiranje lanaca (chain-coding)
e pronai piksel koji konstituie krajnju taku linijskog lanca, a onda e slijediti piksele
du ove linije, zaustavljajui se na njenoj krajnjoj taki ili na taki njenog presjeka. Na
ovaj nain e se generisati niz od piksela, odnosno lanac. Algoritam e se izvravati sve
dok se svi pikseli sa rasterske slike ne procesiraju. Ovakav algoritam moe biti malo
rafiniran kako bi se nosio i sa petljama (poligonima) koje nemaju zavrne take.
Konana faza u procesu vektorizacije je svoenje na vektore, odnosno konverzija svakog
lanca u skup vektora. Duga, vijugava linija e prirodno zahtjevati vie vektora, nego neka
pravija linija, zavisno od nivoa tanosti koji se zahtjeva. Za sam proces svoenja na
vektore se esto koristi Douglas-Peuckerov algoritam koji je opisan u sekciji 5.2.3.
Proces vektorsko-rasterske konverzije (rasterizacije) predstavlja osnovnu grafiku
operaciju u veini raunarskih sistema. Rasterski podaci se esto zahtjevaju u svrhu
prikaza podataka na ekranu. Tema koja se bavi ovom problematikom u grafikoj
iteraturi se esto nalazi pod nazivom scan conversion. Meutim, osim za potrebe prikaz,
sama rasterizacija se rijee koristi u GIS-u, te se stoga ovde nee detaljnije opisivati.
199
Slika 5.37: Hipotetika mrea tramvajskih linija izmeu nekih lokacija Potterija
sa naznaenim prosjenim vremenom putovanja
200
201
Algoritam 5.7 koristi poseban tip liste za pohranjivanje aktivnih vorova koji ekaju da
budu procesirani, koja se naziva red ekanja (queue) (Q u 1. liniji). U redu ekanja,
obino su prvi elementi koji se dodaju na listu takoe i prvi koji se skidaju sa liste. Za red
202
ekanja se esto koristi FIFO struktura, to znai prvi-unutra-prvi-napolje (first-in-firstout). Njoj komplementarna struktura koritena u pretraivanju prvo-po-dubini je slog,
odnosno stek (stack), u kojem elementi koji se zadnji dodaju prvi se skidaju. Ova
struktura se naziva LIFO ili zadnji-unutra-prvi-napolje (last-in-first-out).
203
Slika 5.39: Iteracije za pretraivanje kroz mreu prvo-po-dubini (depth-first) tramvajskih linija sa slike 5.37
204
Slika 5.40: Prve etiri iteracije Dijkstrinog algoritma za mreu tramvajskih linija sa slike 5.37
205
ovoga t(e) se aurira, to jest t(e)=16. U slijedeoj iteraciji (slika 5.40d) posjeuje se e, uz
generisanje novih ciljnih teina za f i g. Algoritam nastavlja sa izvravanjem sve dok se
ne posjete svi vorovi, iako se u ovom sluaju vie ne javljaju dalje promjene na ciljnim
teinama. Algoritam 5.9 pohranjuje samo ciljne teine t, koje daju duinu najkraeg puta,
a ne eksplicitno i same aktuelne putanje. Za dodatno pohranjivanje i ovakvih informacije
zahtjeva se samo jednostavna mofifikacija algoritma 5.9.
Opazite da je Dijkstrin algoritam sposoban izraunavati najkrai put od jednog vora do
svih ostalih vorova u mrei. U ovom sluaju se on naziva algoritmom najkraeg puta iz
jednostrukog izvora. Dijkstrin algoritam ovo postie sa vremenskom kompleksnou
O(n2), gdje je n broj vorova (poto on posjeuje svaki vor samo jednom, a mora
preraunati ciljne teine svaki put kada posjeti neki vor). Ukoliko se izraunava najkrai
put od jednog poetnog vora do jednog ciljnog vora, onda se vremenska kompleksnost
prosjenog sluaja poboljava zaustavljanjem algoritma odmah nakon dodavanja ciljnog
vora listi posjeenih vorova. Meutim, ova modifikacija nema efekta na vremensku
kompleksnost najloijeg sluaja, poto ciljni vor moe biti i najudaljeniji vor za
posjeivanje.
Bliski roak Dijkstra algoritma je A* (izgovara se ej-star) algoritam. A* algoritam je
ciljno-usmjerena verzija Dijkstrinog algoritma, koji ima zadatak da nae najkrai put od
poetnog vora do posebne destinacije (cilja). Kako bi ovo postigao, A* koristi
heuristiku: prilikom svake iteracije on preferirano posjeuje one vorove koji su najblii
ciljnom voru. Prilikom ovoga on koristi neku evaluacionu funkciju koja daje
konzistentnu procjenu preostalog rastojanja od svakog vora do destinacije. A* moe biti
posebno koristan za geoprostorne informacije, poto Euclidovo rastojanje izmeu dvije
take esto formira prikladnu evaluacionu funkciju. Na primjer, u putnoj mrei prilikom
putovanja od vora n1 do n2, najmanje mogue rastojanje je Euclidovo pravolinijsko
rastojanje izmeu n1 i n2 (podrazumjevajui da je Zemlja lokalno aproksimirana ravnom
povrinom). Stvarna razdaljina koju treba prei e uvijek biti najmanje duga koliko i
Euclidova udaljenost, poto vijugavost i skretanja u putnoj mrei onemoguavaju
direktno putovanje do destinacije. U primjeru mree na slici 5.37, ne postoji ovakva
evaluaciona funkcija, tako da se A* algoritam ovdje nebi mogao primjeniti.
A* algoritam je u biti isti kao i Dijkstrin algoritam, tako da je vremanska kompleksnost
najloijeg sluaja za A* ista, odnosno O(n2). Meutim, A* u praksi nudi znaajna
poboljanja Dijkstrinog algoritma kod vremenske kompleksnosti prosjenog sluaja
(prilikom izraunavanja ciljno-usmjerenih najkraih puteva, tamo gdje postoji
odgovarajua evaluaciona funkcija).
Postoje okolnosti kada se zahtjeva algoritam za izraunavanje najkraeg puta od svih
moguih poetnih lokacija do svih moguih destinacija u mrei, koji se naziva
algoritmom najkraeg puta svih parova (all-pairs shortest path). Jednostavan nain da se
ovo postigne primjenom Dijkstrinog algoritma je da se on iterativno pokree za svaki
vor u mrei (kao poetni vor). Kao rezultat se dobija da je uobiajeno vrijeme
kompleksnosti ovakvog algoritma O(n3). Postoje i odgovarajui algoritmi, koji ovo
vrijeme neznatno poboljavaju.
206
Meutim, algoritmi najkraeg puta nisu efikasna metoda za testiranje da li su dva vora
povezana unutar mree. Operacija tranzitivnog zatvorenja (transitive closure) proiruje
skup strana date mree dodavanjem strane izmeu dva vora koja su povezana nekom
putanjom. Slika 5.41a prikazuje nepovezanu mreu. Slika 5.41b prikazuje upotpunjavanje
trougla bdh. Slika 5.41c prikazuje puno tranzitivno zatvorenje date mree. Odreivanje
da li su dva vora, na primjer, f i h, meusobno povezani svodi se jednostavno na
pretraivanje strana tranzitivnog zatvorenja date mree (u cilju utvrivanja da li postoji
strana fh).
Drugi algoritam, kojeg emo kratko predstaviti, je algoritam trgovakog putnika (koji je
pomenut u sekciji 1.2.2). Ovaj algoritam izraunava rutu obilaska svih vorova u mrei sa
ponderisanim strana, pri emu se vorovi posjeuju na nain da se ukupna teina obilaska
minimizira. Najprostije rjeenje, kojim bi se izraunale sve mogue rute i odabrala
najbolja od njih, ima eksponencijalnu vremensku kompleksnost i zbog toga ono uope
nije praktino za primjenu (osim za najjednostavnije primjere). Heuristike metode, kao
to je ona gdje se pri svakoj fazi posjeuje najblii neposjeeni vor, omoguavaju dobre
aproksimacije rjeenja uz prihvatljivo vrijeme izvravanja. Inae, problem trgovakog
putnika pripada velikoj klasi problema poznatih kao NP-complete problemi.
NP-complete problemi: Mnogi problemi pretraivanja, poput problema trgovakog putnika,
pripadaju klasi problema poznatih kao NP-complete (nondeterministic polynomial time). Ovi
problemi imaju svojstvo da se za njih moe lako provjeriti ispravnost dobijenog rjeenja, ali je u
stvarnosti veoma teko do njega doi. Na primjer, problem sume podskupa ima za cilj nai da li
suma elemenata nekog podskupa od konanog skupa cijelobrojnih vrijednosti odgovara nekoj
zadatoj vrijednosti. Na primjer, ak i za mali skup S = {-15, -3, 7, 11, 29, 34, 38} rjeenje da li
elementi nekog podskupa od skupa S ine sumu od 55 nije odmah uoljivo. Meutim, provjera da
207
li suma elemenata podskupa {-15, 7, 29, 34} iznosi 55 predstavlja trivijalan zadatak. Na slian
nain, mogue je preformulisati problem trgovakog putnika kao problem odluivanja (problem
sa da ili ne odgovorom) postavljajui pitanje: Da li za graf sa ponderisanim stranama,
postoji Hamiltonovo obilaenje sa ukupnom teinom manjom od k? (Definicija Hamiltonovog
krunog obilaska se moe nai u sekciji 3.4). Openito, odgovor na ovo pitanje zahtjeva
eksponencijalno vrijeme za izraunavanje, dok samo provjeravanje da li je neka specifina ruta
zaista Hamiltonova putanja sa ukupnom teinom manjom od k moe biti veoma brzo
proraunato. Svi poznati NP-complete problemi se mogu rijeiti za eksponencijalno vrijeme (sa
tendencijom usporavanja izvrenja). Meutim, niko nikad nije uspio da dokae da se NPcomplete problemi nemogu rijeiti za polinomalno vrijeme. Ono to ove probleme ini ak i vie
interesantnijim je da su svi oni zamjenjivi, u smislu da ako bi se ikada pronaao neki algoritam
za rjeavanje jednog NP-complete problema u polinomalnom vremenu, isto rjeenje bi se moglo
primjeniti na svaki drugi NP-complete problem. Ovo je i jedan od razloga zato algoritmi za
rjeavanje NP-complete problema predstavljaju predmet intenzivnih istraivanja i stalnog
interesovanja mnogih naunika iz oblasti teoretskog raunarstva.
208
6
6 Strukture i metode pristupa
Kratak pregled
Ovo poglavlje se odnosi na organizaciju podataka u raunarskoj memoriji (skladitu)
koja olakava njihovo efikasno uitavanje (pozivanje). Poglavlje poinje istraivanjem
nekih osnovnih strukura podataka i metoda indeksiranja za openamjenske baze
podataka, a zatim se fokusira na efikasno pozivanje prostornih podataka. Neke od
najvanijih predstavljenih struktura prostornih podataka ukljuuju regionalno
kvadrantno stablo, takasto kvadrantno stablo i 2D stablo. Poglavlje se zakljuuje
pitanjima vezanima za pohranjivanje podataka referensiranih na sferi.
U ovom poglavlju se dalje obrazlae prelazak sa konceptualnih modela visokog nivoa
apstrakcije do mainskog nivoa. U predhodnom poglavlju, naglasak je bio na razliitim
nainima reprezentacije i rukovanja razliitim vrstama prostornih podataka u
raunarskom okruenju. Sada prelazimo na razmatranje pitanja skladitenja, a posebno
struktura za pohranjivanje, koje omoguuju prihvatljive performanse informacionog
sistema. Ovdje se performanse informacionog sistema posmatraju u smislu veliine baze
podataka i vremena odziva prilikom upita. Drugi aspekti performansi, kao to su
pogodnost (podesivost) i upotrebljivost interfejsa, se razmatraju u osmom poglavlju.
Diskusija poinje predstavljanjem glavnih pitanja veznih za performanse kod
openamjenskih baza podataka i posebnim razmatranjem istih pitanja u kontekstu
geoprostornih podataka. Pokazae se da iako su fundamentalni principi indeksiranja baza
podataka iroko primjenjivi, pristup prostornim podacima nosi odreene sebi svojstvene
probleme.
210
Fajlovi se fiziki smjetaju na disk tako to se blokovi diska doznae zapisima koje treba
sauvati. Ukoliko je blok manji od veliine zapisa, onda se zapisi razmjetaju preko vie
blokova. U suprotnom (to je ei sluaj) svaki blok sadri nekoliko zapisa. Termin
fajl(-ovska) organizacija se koristi u smislu fizike organizacije zapisa u sekundarnom
skladitu, koja odreuje nain na koji su blokovi zapisa povezani (linkovani) i na koji se
novi zapisi smjetaju (insertuju) u skladite. U tom smislu, fajl organizacija moe biti
ureena ili neureena.
211
zapisa datiranih u julu. Meusobno bliski zapisi iz ovog ranga e biti bliski i po svom
redoslijedu, tako da e binarno traenje takoe znaajno uticati na poboljanje
performansi prilikom rangiranih upita. Algoritam 6.1 se vrlo jednostavno moe
modificirati za izvravanje rangiranog pretraivanja.
Pored brojnih prednosti koje donose ureeni fajlovi, postoje i odreeni nedostatci koji
prate ovakav pristup fajl organizacije. Iako ureeni fajl omoguava veliko poboljanje
performansi prilikom pretraivanja kroz polja ureenja (ordering fields), pozivanje
zapisa putem drugih polja je opet reducirano na linearno traenje. Za redovno auriranje
fajla, umetanje zapisa moe biti zahtjevna (vremenski skupa) operacija, poto svi
slijedei zapisi moraju biti pomjereni za jedan korak iza umetnutog zapisa. Isti problem
se javlja i prilikom brisanja. Ovo se moe ublaiti na nain da se zapis prilikom brisanja
samo markira (oznai) da je izbrisan, a stvarno brisanje se moe izvriti prilikom
periodinog brisanja vezanog za cijeli fajl.
6.1.4 Indeksi
U predhodnom izlaganju su predstavljene neke jednostavne organizacione tehnike.
Meutim, sama fizika organizacija fajlova na diskovima nemoe rijeiti sve probleme
(uglavnom vezane za performanse) koji se mogu pojaviti. Postoje i druge sofisticirane
tehnike organizacije fajlova, kao to je hashing , koje u tom smislu nude izvjesna
poboljanja.
Hashing: Hashing je oblik organizovanja fajla koji ima mnogo zajednikih elemenata sa
jednostavnim indeksom. Hash fajl je organizovan koritenjem hash funkcije. Za svaki zapis, hash
funkcija transformie vrijednosti jednog polja u adrese blokova na disku, koje za svaki zapis
indiciraju gdje je upisan. Polje nad kojim operie hush funkcija se naziva hash poljem. Za
pretraivanje zapisa preko hash polja, za traenu vrijednost se primjeni hash funkcija i srauna
se adresa bloka na disku. Ovo rezultira samo jednim pristupom bloku. Uzevi krajnje
pojednostavljen primjer, pretpostavimo da imamo 1000 blokova za fajl o vremenskom izvjetaju.
Za hash polje moemo koristiti datumsko polje tako to emo koristiti oznaku (labelu) za svaki
blok, koja je bazirana na estocifrenoj vrijednosti (sa po dvije cifre za dan, mjesec i godinu). Na
ovaj nain bi vremenski izvjetaj za 21. august, 2003.g. bio smjeten u bloku sa oznakom 210803.
Za uitavanje zapisa sa ovim datumom dovoljno je pozvati hash funkciju preko koje e se pronai
blok adresa za oznaku (labelu) 210803. Hashing u osnovi predstavlja jednostavnu tehniku za fajl
organizaciju. Meutim, stvari postaju kompleksnije kada se broj blokova dinamiki poveava,
odnosno kada treba osigurati ravnomjernu raspodjelu zapisa preko raspoloivih blokova diska.
U tom smislu je, u cilju odabira najpodesnije hash funkcije, korisno unaprijed poznavati broj
blokova koji e na disku biti alocirani.
213
trai se stavka u indeksu (na primjer, GIS iz abecedne liste), a potom se prema
naznaenoj adresi, na primjer, 2. strana, otvara (poziva) stranica sa tekstom u kojem se
traena stavka pojavljuje.
Jednostruki, odnosno jednorazinski indeks (single-level index) se ponaa upravo na isti
nain kao ve opisan indeks u knjizi. On predstavlja ureen (ordered) fajl sa zapisima od
kojih svaki sadri vrijednosti za dva polja:
indeksno polje sadri ureene vrijednosti indeksirajueg polja u fajlu sa podacima
i
pokazivako polje (pointer field) koje sadri adrese blokova na disku koji imaju
posebne indeksne vrijednosti.
U sluaju da je indeksirajue polje istovremeno i kljuno polje, pokazivako polje e za
svaki indeksni zapis sadrati samo jedan pokaziva. Inae indeksno polje moe zahtjevati
viestruke pokazivae unutar pokazivakog polja. Slika 6.2 prikazuje indeks prezimena
studenata u fajlu sa podacima o studentima, koji je fiziki ureen preko studentskih ID
brojeva.
U naem primjeru, za B-stablo se moe rei da ima stepen irenja (fan-out ratio) 3, to
znai da svaki interni vor (koji nije vor lista), moe sadrati najvie dva indeksna polja
i imati najvie tri direktna sljedbenika. Osnovna osobina B-stabla je da je vrijednost
indeksnog polja za sve sljedbenike unutar ranga (obuhvata) postavljenog od indeksnih
polja predhodnog vora. U naem primjeru, lijevi pokaziva pokazuje na vorove koji
sadre vrijednosti indeksa manje od 6, drugi pokaziva pokazuje vorove koji sadre
indeksne vrijednosti izmeu 6 i 14, a desni pokaziva pokazuje vorove vee od 14. Slika
6.4 prikazuje B-stablo sa stepenom irenja 3.
Operacije traenja, umetanja i brisanja sa B-stablom su opisana u narednom izlaganju.
Pretraivanje B-stabla, koje se bazira na vrijednosti indeksirajueg polja, je najzahtjevnija
operacija, poto se njegova primjena zahtjeva bez restruktuiranja samog stabla. Ostale
operacije podrazumjevaju restruktuiranje stabla iz razloga odravanja balansa.
215
216
Slika 6.6: Lokacije nekih znaajnih mjesta u Potteries regiji (labele se odnose na ID brojeve iz tabele 6.1)
Posmatrajmo sada efekte pozivanja ovih podataka. Razlikujemo dva tipa upita nad
takama prikazanim u ravni: upiti sa obuhvatom i upiti sa takama.
Upiti sa takama pozivaju sve zapise koji su lokacijski prostorno referensirani
pomou (upitom) zadatih koordinata taaka.
Upiti sa obuhvatima (rangovima) pozivaju sve zapise koji su lokacijski prostorno
referensirani i nalaze se unutar (upitom) zadatog obuhvata (ranga).
Razmotrimo slijedee primjere upita:
Prvi upit (neprostorni upit): Pozovi znamenitost Trentham Gardens.
Drugi upit (prostorni upit sa zadatim takama): Pozovi sve znamenitosti na lokaciji (37,
43).
218
Trei upit (prostorni upit sa zadatim obuhvatom): Pozovi sve znamenitosti unutar
pravougaonog prostora opisanog tjemenima (20, 20) na jugozapadu i (40, 50) na
sjeveroistoku.
Prvi upit, iako u rezultatu moe sadrati i prostornu lokaciju, odnosi se samo na
pretraivanje fajla koritenjem neprostornog polja. Dakle, za izvrenje ovakvog upita
dovoljne su predhodno opisane openamjenske metode pristupa. Drugi upit se odnosi na
pozivanje podataka koritenjem uslova za prostorno traenje. Bez primjene indeksa ili
ureenja fajla, za izvrenje ovakvog upita bi bilo neophodno linearno (vremensko)
pretraivanje, dato algoritmom 6.2.
Algoritam 6.2: Linearno pretraivanje za prostorni upit sa takom
219
Slika 6.7: Dva indeksa prikazana kao putanje kroz mjesta od interesa (labele se odnose na tabelu 6.1)
220
221
222
a. Lanan kodiranje
b. Run-length kodiranje
c. Blokovsko kodiranje
Slika 6.10: Lanani, RLE i blokovski kod za dio rastera sa slike 6.9
223
224
225
Algoritam 6.5: Algoritam za presjek kvadrantnog stabla (breadth first traversal - prolaenje prvo po irini)
226
227
228
Slika 6.16: Podjela fiksnog grida za skup takastih podataka (oznake se odnose na tabelu 6.1)
Grid fajl
Grid fajl predstavlja ekstenziju fiksne grid strukture koja omoguava proizvoljno
pozicioniranje vertikalnih i horizontalnih mrenih linija uzimajuu u obzir razmjetaj
taaka. Ova struktura je projektovana za dinamike podatke, koji se frekventno unose i
briu iz sistema. Ona podrazumjeva uvoenje novog upravljakog nivoa koji se zove grid
direktorij. Podaci vezani za elije grida mogu dijeliti isti bucket samo ako unija ovih
elija predstavlja pravougaonik. Slika 6.17 prikazuje primjer, u kojem se veliina bucketa
odnosi na dva zapisa (to je mnogo manje nego to je u stvarnoj primjeni). Ukupna
povrina je podjeljena mreom 3x3 elije. Dvije elije grida u jugozapadnoj regiji su
spojene u jedan bucket, jer je na toj lokaciji postojao rezervni bucket prostor to je
rezultiralo spajanjem u jedan pravougaonik. Grid direktorij (na slici gore, desno)
prikazuje povezanost izmeu elija i bucketa. Dva linearna razmjernika, dinamiki
aurirana, prikazuju poloaje particija.
elija grida je projektovana tako da se iri i skuplja kako se insertuju novi i briu
postojei podaci vezani za nju. Pravougaonik se moe dalje dijeliti ukoliko postane
prepun, odnosno elije se mogu spajati u sluaju da prostor postane suvie prazan. Moe
se iz primjera vidjeti, da je fiksna grid struktura sa 16 bucketa, reducirana na 8 bucketa u
grid fajl strukturi. Kao i fiksni grid, tako je i grid fajl projektovan za primjenu sa
promjenjivim brojem dimenzija.
229
Slika 6.17: Grid fajl struktura za takase podatke (oznake se odnose na tabelu 6.1)
230
Slika 6.20: Takasto kvadrantno stablo cijelog skupa podataka (oznake referiu na tabelu 6.1)
231
Oblik kvadrantnog stabla je visoko zavisan od poretka kojim se take umeu u njega.
Slika 6.21 prikazuje kvadrantno stablo sa istim skupom podataka kao u predhodnom
primjeru, ali gdje su take umetane invertovanim redoslijedom brojeva, to jest od 14
prema 1. Ovakva zavisnost ima implikacije pri koritenju dinamikih podataka. Ukoliko
se taka koja je blizu vrha izbrie, rezultirajue stablo se moe bitno promjeniti. Zbog
ovoga, takasta kvadrantna stabla nisu naroito pogodna za dinamike skupove
geoprostornih podataka.
Mogu se dati i neke mjere kvalitata performansi takastog stabla. U ovom smislu, ako je
n broj taaka struktuiranih u takastom kvadrantnom stablu, onda je vrijeme formiranja
stabla proporcionalno ukupnoj duini putanje O(nlogn), a vrijeme izvravanja upita sa
takom je O(logn). Ovdje nismo prezentirali algoritme za upit sa rangom i upit sa takom
za ovu strukturu. Ove operacije e biti prikazane za 2D stablo iji opis slijedi, a koje se
mogu modificirati i za takasto kvadrantno stablo.
232
Slika 6.21: Takasto kvadrantno stablo sa inverznim umetanjem (oznake se odnose na tabelu 6.1)
6.4.3 2D stablo
Takasto kvadrantno stablo u potpunosti iskoritava prednosti predstavljanja taaka u
Euclidovoj ravni. Jedan od problema sa kojim se ova struktura suoava je
eksponencijalno poveanje broja sljedbenika granskih vorova prilikom poveanja
dimenzija prostora, gdje za k dimenzija, svaki vor ima 2k sljedbenika. 2D stablo (ili
openito kD stablo) rjeava ovaj problem po cijenu dubine strukture stabla. kD stablo je
uvijek binarno stablo (svaki granski vor ima dva sljedbenika) bez obzira na broj
dimenzija prostora (k).
Za planarni sluaj, 2D stablo ne uporeuje take po obje dimenzije za sve dubine, nego
po x-koordinati za neparne dubine, a po y-koordinati za parne dubine (uzimajui da se
korijen nalazi na dubini 0). Svaki zapis sa lokacijom take ima dva polja sa pohranjenim
koordinatama take, dva polja koja pokazuju na sljedbenike zapise, i ostala polja koja
sadre ostale atribute. Za binarnu strukturu stabla uspostavljamo konvenciju da je lijevi
sljedbenik manji od desnog, gledajui po odgovarajuoj koordinati (vidi sliku 6.22).
233
Algoritam 6.7 predstavlja modificiranu verziju algoritma 6.6 za umetanje nove take p u
2D stablo T. Algoritam mora uvati trak o nivou l tekueg vora n da bi obezbjedio da je
primjenjena ispravna provjera (linije 6-11).
Algoritam 6.7: Algoritam za umetanje u 2D stablo
234
Slika 6.24 prikazuje primjer izvravanja algoritma nad podacima (takama) iz prethodnog
primjera u 2D stablu. Pravougaoni rang je prikazan sa isprekidanom linijom.
235
236
2. Ukoliko lisni vor kvadrantnog stabla predstavlja region koji sadri jedan vor
mree, onda on ne moe sadrati nijedan dio stranice mree ukoliko stranica nije
incident sa tim vorom.
3. Ukoliko lisni vor kvadrantnog stabla predstavlja region koji ne sadri nijedan
vor mree, onda on moe sadravati samo jedan dio stranice od mree.
Slika 6.25 prikazuje djeliminu konstrukciju PM1 kvadrantnog stabla za granicu
rasterskog regiona sa slike 6.9, nakon to su napravljene prve dvije podpodjele. U prvoj
fazi (priakazanoj na slici 6.25a), naglaeni (sivi) kvadrant je primjer naruavanja prvog
uslova, i zbog toga se mora primjeniti dalja podpodjela. U slijedeoj fazi, na slici 6.25b,
naglaeni kvadrant naruava drugi uslov. Da bi bio vidljiv, uvean je sa faktorom 2. Na
slici 6.25c, naglaeni kvadrant (uvean sa faktorom 4) naruava uslov 3, tako da se
zahtjeva dalja podpodjela. Slika 6.26 prikazuje konano kvadrantno stablo, u kojem su
zadovoljeni svi uslovi za sve elije.
a.
b.
Slika 6.25: Faze u konstrukciji PM1 kvadrantnog stabla
237
c.
238
239
1. Identificirati sve MBB-ove koji u cijelosti lee unutar zadatog krunog ranga.
Objekti unutar ovih obuhvatnih pravougaonika takoe u cijelosti lee u zadatom
krugu i bie pozvani (uitani). Slika 6.27 prikazuje ovaj sluaj primjenjen na
objekat A. Sa druge strane, MBB od objekta E lei u cijelosti izvan ranga i nee
se dalje razmatrati.
2. Identificirati sve MBB-ove koji se sjeku, ali ne lee u cijelosti unutar zadatog
krunog ranga. Objekti unutar ovih MBB-ova mogu, a ne moraju leati u cijelosti
u krugu. U ovim sluajevima, zahtjeva se dalji proraun nad detaljnom
geometrijom svakog objekta, kako bi se odredilo da li objekat lei u cijelosti
unutar zadatog ranga. Na slici 6.28, objekat B (u cijelosti unutar kruga) bi se
trebao pozvati, dok objekti C (djelomino u krugu) i D (u cijelosti izvan kruga) se
nebi trebali pozvati.
240
Slika 6.29: Struktura R-stabla za najmanje obuhvatne pravougaonike gradova oblasti Potterie
Slika 6.30: Struktura R+-stabla za najmanje obuhvatne pravougaonike gradova u oblasti Potterie
241
6.6.3 BSP-stablo
Stablo binarnog dijeljenja prostora (BSP, binary space partitioning) je binarno stablo
koje hijerarhijski dekomponuje ravan u poligonalne regione. BSP-stablo je iroko
koriteno u raunarskim igricama sa perspektivom u prvom licu, jer predstavlja veoma
brz indeks za pretraivanje i sortiranje poligona prostorne okoline kroz koju igrai
navode svoje likove. BSP stabla mogu biti proirena na n-dimenzionalni prostor. Za dvije
dimenzije, BSP stablo hijerarhijski struktuira skupove usmjerenih linijskih segmenata. Za
dati niz usmjerenih linijskih segmenata s1, s2, ..., sn u ravni, konstrukcija
dvodimenzionalnog BSP stabla se ostvaruje na slijedei nain:
1. Smjesti segment s1 u korijen stabla.
2. Produi segment s1 u oba smjera za formiranje beskonane usmjerene linije l1.
Ukoliko se bilo koji drugi segment u nizu sijee sa l1, onda zamjeni taj segment sa
dva segmenta, uzimajui u obzir presjek.
3. Ispitaj slijedei segment, recimo s'2 u ovom (mogue revidiranom) nizu. Odredi
da li je s'2 sa lijeva ili desna od l1 i smjesti s'2 u stablo kao lijevog, odnosno
desnog sljedbenika od s1.
4. Produi segment s'2 u oba smjera ili beskonano ili do njegovih presjeka sa l1 da
bi se formirala usmjerena linija l2. Ukoliko je bilo koji drugi segment u nizu
presijeen sa l2, onda zamjeni taj segment sa dva segmenta uzimajui u obzir
presjek.
5. Nastavi na ovaj nain sve dok se svaki linijski segment ne doda u stablo.
Primjer ove konstrukcije je dat na slici 6.31. Poetni niz segmenata je a, b, c, d, e, f, g kao
to je prikazano na slici 6.31a. Segment a je postao korijen BSP stabla, a linija povezana
sa njim (prikazana isprekidano) presjeca segment e na dio e1 i e2. Segment b je procesiran
na slijedei nain: on pada na lijevu stranu od a i na taj nain postaje lijevi sljedbenik od
a u stablu. Proces se nastavlja, dijelei ravan dalje (kao to je prikazano na slici 6.31b),
odnosno irei stablo (kao to je prikazano na slici 6.31c).
242
Zbog jednostavnijeg opisa, svaka povr upisanog oktaedra se moe prikazati planarnim
istostraninim trouglom, koji se moe rekurzivno podijeliti na nain prikazan na slici
6.33. Na prvom nivou podjele (slika 6.33a), vorovi trougla su oznaeni sa 1, 2 i 3.
Trougao je izdjeljen kao na prikazu na etiri jednakostranina trougla. Svaki podtrougao
je oznaen saglasno oznaci vora koji mu je najblii, osim unutranjeg podtrougla koji je
oznaen nulom.
Na drugom nivou podjele (slika 6.33b), neoznaeni vorovi triju podtrouglova sa slike
6.33a su oznaeni tako da svaka ivica sadri oznake 1, 2 i 3 (po nekom konvencionalnom
redoslijedu). Svaki podtrougao se sada dalje dijeli na etiri nova. Svaki podpodtrougao se
onda oznaava sa dvije cifre: lijeva cifra je oznaka trougla prvog nivoa kojem on pripada,
243
dok je desna cifra oznaka vora koji mu je najblii. Opet, trougao koji je najvie unutra (u
sreditu) dobija za desnu cifru nulu. Ovaj proces se nastavlja za slijedee nivoe koliko je
to potrebno (zavisno od traene preciznosti).
Slika 6.33: Dva nivoa QTM numerisanja elija (podebljani brojevi izvan trougla indiciraju emu
oznaavanja)
QTM se inae moe koristiti i kao triangulaciona verzija regionskog kvadrantnog stabla.
Primjer njegovog koritenja je dat na slici 6.34, gdje je region dekomponovan u svoje
maksimalne triangularne dijelove.
244
245
246
7
7 Arhitekture
Kratak pregled
Arhitekturu informacionog sistema (IS-a) ini struktura i organizacija komponenata od
kojih se sistem sastoji. Dvije osnovne karakteristike raunarski bazirane arhitekture IS-a
su njegov nivo interoperabilnosti (sposobnost razmjene podataka, informacija i
procesiranja) i modularnost (mjera do koje je sistem sastavljen od nezavisnih jedinica sa
jasno definisanim funkcijama). Distribuirane arhitekture su esto koritene da bi se
dostigli visoki nivoi interoperabilnosti i modularnosti kod razliitih tipova sistema, koji
ukljuuju GIS, baze podataka i lokacijski bazirane servise.
Modeli podataka, strukture i metode pristupa koji su diskutovani u ranijim poglavljima su
fundamentalni za efikasno skladitenje i analizu geoprostornih podataka. Meutim, ovo
nisu jedini vani predmeti za razmatranje u smislu GIS-a: cjelokupna struktura i
organizacija razliitih dijelova sistema, naznaena kao arhitektura sistema, je takoe
veoma vana. Modularnost i interoperabilnost su dvije vane karakteristike po kojima se
mogu razlikovati pojedine GIS arhitekture.
Modularnost je mjera koja pokazuje do kojeg stepena neki informacioni sistem moe biti
konstituisan (sastavljen) od nezavisnih softwareskih jedinica (modula) sa
standardizovanim i jasno definisanim funkcijama. Modularan pristup omoguava da
(kompleksan) GIS software bude jednostavniji za razvoj, odravanje i adaptaciju, kako bi
to bolje zadovoljio zahtjeve pojedinih korisnika ili specifinosti iz oblasti njegove
primjene. Interoperabilnost je sposobnost dvaju ili vie informacionih sistema da djele
podatke, informacije i mogunosti procesiranja. Interoperabilnost je posebno vana za
korisnike GIS-a, poto se geoprostorna analiza esto izvodi nad integrisanim podacima iz
razliitih izvora. Planiranje lokacije za novi supermarket, na primjer, zahtjeva sposobnost
integrisanja geoprostornih podataka (kao to su lokacije konkurentnih objekata,
transportna infrastruktura ili gustina populacije) iz razliitih izvora.
Kroz ovo poglavlje se istrauju aktuelne promjene, tekui trendovi i budui pravci u
razvoju GIS arhitektura, sa fokusom na interoperabilnost i modularnost razliitih tipova
arhitekture. Poglavlje poinje sa nezavisnim pregledom modularnosti i interoperabilnosti.
Na poetku se istrauju tri osnovne GIS arhitekture sa razliitim svojstvenim
karakteristikama modularnosti. Dalje se opisuju potekoe koje se javljaju i objanjava
uloga mrea u interoperabilnosti GIS arhitektura. Daje se pregled kljunih sistemskih
arhitektura koritenih u GIS-u za dostizanje visokog nivoa interoperabilnosti i
modularnosti. Nakon toga se u narednoj sekciji predstavlja glavna oblast primjene
interoperabilnog umreenog raunarskog sistema, odnosno distribuirana baza podataka.
247
I konano se istrauju vanost i uticaj sve vie koritenih lokacijski svjesnih raunarskih
ureaja na razvoj GIS arhitektura.
249
250
b.
a.
Semantika heterogenost se pojavljuje kada dva ili vie informacionih sistema koriste
razliita ili na neki nain nekompatibilna znaenja (tumaenja) podataka. Na primjer,
neke razliite rijei, kao npr. putevi i ulice, mogu imati isto ili slino znaenje
(sinonimi). Druge rijei, poput grad mogu imati viestruko znaenje (naselje,
atmosferska padavina) (homonimi).
Naalost, tumaenje tanog znaenja na osnovu samo jednog dijela raspoloive
informacije moe biti teko, poto znaenje visoko zavisi od konteksta, a on je esto
implicitan. Na primjer izjava nareenje je izdano moe znaiti da je nareenje na snazi,
ali isto tako i da je sadraj nareenja otkriven neprijatelju, jer je kontekst izjave skriven
(implicitan).
Za razliku od sintaksne heterogenosti, koja je esto tehniko pitanje i moe se rijeiti
tehnikim sredstvima, semantika heterogenost je esto teko pomirljiva. Znaenje koje
dodajemo podacima je veoma vano, ali je i veoma teko za kodiranje. Ovaj problem je
djelomino bolan i za GIS, poto se geoprostorni podaci koriste u tako irokom spektru
razliitih disciplina, aplikacionih domena i zajednica, gdje svaki kontekst primjene ima
svoje sopstvene konvencije i terminologiju. Grupe koje koriste sementiki heterogene
konvencije i terminologiju su esto nazivaju informacionim zajednicama (information
251
communities). Informacione zajednice mogu nastati kao rezultat irokog ranga faktora,
ukljuujui razliite profesije, akademske discipline, jezike, nacionalnosti ili kulture.
Ukratko, distinkcija izmeu sintaksne i semantike heterogenosti se ogleda u razliitosti
izmeu pojmova podatka i informacije, koja je opisana u prvom poglavlju. Sintaksna
heterogenost se bavi osobinama podataka, naime, formatom i sintaksom podataka.
Semantika heterogenost se bavi osobinama informacija, primarno kontekstom i
znaenjem koje veemo sa podacima da bi formirali informaciju.
252
Vana osobina XML-a je da je on itljiv za ljude. I bez poznavanja precizne sintakse XML-a,
veina ljudi bi bila sposobna da razumije ta reprezentuju informacije iz XML koda. XML se ne
koristi direktno kao transferni format, nego kao osnova za definisanje novih vokabulara za
opisivanje i transfer podataka. Koritenje XML-a obezbjeuje brojne mone dodatne osobine. Na
primjer XML obezbjeuje mehanizam za definiciju koji tipovi struktura su dozvoljeni unutar
pojedinog vokabulara (Document Type Definition, DTD). Software koji parsira XML moe
koristiti DTD kao poseban vokabular da bi osigurao da XML podaci odgovaraju strukturi
opisanoj u DTD-u, odnosno kao vokabular za validaciju. XML takoe obezbjeuje mehanizam za
definisanje template-a (predloki), koji se mogu koristiti za transformaciju XML-a iz jednog
vokabulara u drugi (eXtensible Stylesheet Language Transformation, XSLT).
253
ovoga, poseban tip interoperabilnog sistema, koji se sastoji od razliitih elemenata koji
su sposobni meusobno kooperirati u mrei prilikom izvravanja raznih zadataka.
254
255
Slika 7.6 opisuje osnovnu klijent-server arhitekturu, esto nazvanu dvoslojnom (two-tier)
klijent-server arhitekturom, jer svaki informacioni sistem u ovoj arhitekturi je ili klijent
ili server. Klijent-server arhitekture mogu biti koritene za razmjenu fajlova (npr.,
koritenjem HTTP-a ili fajl transfer protokola, odnosno FTP-a), kao i za dijeljenje
procesa izmeu klijenata i servera (npr. paralelno procesiranje i Beowulf).
Paralelno procesiranje i Beowulf: Tradicionalna von Neumann-ova raunarska arhitektura
podrazumjeva sekvencijalno procesiranje, gdje se svaka mainska instrukcija ponavlja dok se
kontrola ne prenese na slijedeu instrukciju. Veina dananjih raunara slijedi ovu arhitekturu, i
ima jedan CPU (centralnu procesorsku jedinicu) odgovornu za najvei dio izraunavanja
(procesiranja) kojeg raunar obezbjeuje. Mogue je koristiti viestruke procesore (CPU) koji
rade simultano, kako bi bre izvravali zadatke. Ovakav pristup procesiranja se naziva
paralelnim procesiranjem. Paralelno procesiranje moe biti posebno korisno za procesiranje
geoprostornih podataka, poto su mnogi algoritmi za prostorno procesiranje izuzetno raunarski
zahtjevni. Na alost, kompleksnost komunikacije izmeu individualnih procesora, koji rade na
istom zadatku, koja rezultira kanjenjem (latency), unosi neefikasnost u paralelno procesiranje (n
paralelnih procesora e opet biti sporiji od jednog n puta breg procesora). Sistemi za paralelno
procesiranje su esto skupi i obino zahtjevaju specijalne tehnike programiranja kako bi
omoguili da algoritmi iskoriste prednosti viestrukih procesora. Beowulf (nazvani po staroj
engleskoj poemi iz 11. stoljea) je open source sistem za paralelno procesiranje baziran na
klijent-server arhitekturi. Kao takav, on je jednostavniji i cjenovno povoljniji od mnogih
namjenskih paralelnih arhitektura, ali po cijenu poveanog kanjenja (latency). Umjesto
specijaliziranog hardwarea, Beowulf (http://www.beowulf.org) za paralelno procesiranje
koristi klaster umreenih raunara (na nain da jedan server koristi vie klijenata u mrei kako bi
formirao virtualni superraunar koji je sposoban za paralelno procesiranje).
256
Kartografske web stranice: Postoji mnotvo web stranica koje nude karte za sve vrste namjena.
Npr., MapQuest (http://mapquest.com) nudi prikaz putnih pravaca, planere ruta putovanja,te
karte puteva u razliitim razmjerama za teritorije irom svijeta. MapQuest je 2003. godine
posjeivalo u prosjeku blizu 2 miliona posjetilaca dnevno. USGS GEODE web stranica
(http://geode.usgs.gov) obezbjeuje pristup land cover, geolokim i visinskim podacima.
Ovakve web stranice obino koriste vieslojnu klijent server arhitekturu, koja osigurava veu
modularizaciju nego to bi to mogle dvoslojne arhitekture. Korisnici pristupaju stranici
jednostavnim web pretraivaem (na strani klijenta, prezentacioni sloj), a da nisu ni svjesni
slojevitosti arhitekture u kojoj je kartografska funkcionalnost povjerena web map serveru
(srednjem, aplikacionom sloju), a kojeg opsluuje server geoprostornih podataka (server,
podatkovni sloj).
Npr., map serveri na WWW obino prihvataju server-side strategiju poto ona dozvoljava
korisnicima da dobiju pristup na on-line karte koristei ak standardne rune (handheld)
raunarske ureaje. Meutim, ovakvi sajtovi su obino samo sposobni da ponude
osnovnu funkcionalnost prikaza za interakciju sa ovim kartama. Sa druge strane, clientside kartografski software je izveden na raspoloivosti monije raunarske platforme, ali
257
Svojstvo
Zahtjevi za funkcionalnou klijenta
Fleksibilnost korisnikog interfejsa
Bandwidth koritenje (protok podataka)
Sigurnost podataka
Server-side
Niski
Niska
Nizak
Visoka
258
Client-side
Visoki
Visoka
Visok
Niska
259
260
261
Slika 7.12. prikazuje primjer distribuirane baze podataka koja obezbjeuje pristup
podacima pohranjenim na vie razliitih lokacija.
Distribuirani DBMS (DDBMS) je softwareski sistem koji upravlja distribuiranom bazom
podataka. Kljuni cilj za DDBMS je da ostvari transparentan pristup distribuiranoj bazi
podataka tako da su korisnici poteeni od poznavanja detalja vezanih za distribuciju
podataka, tako da se od njih oekuje da pristupaju distribuiranoj bazi podataka, kao to bi
pristupali bilo kojoj konvencionalnoj centraliziranoj bazi podataka.
Slika 7.12: Primjer 3-slojne klijent server aplikacije bazirane na distribuiranoj bazi podataka
a. Homogeni
b. Heterogeni
Slika 7.13: Homogeni i heterogeni DDBMS-ovi
262
263
ukoliko se auriranje nekog fragmenta ne propagira (ne dostavi) do svake kopije tog
fragmenta.
7.4.3 Zakljuak
Distribuirane prostorne baze podataka imaju potencijal da poboljaju dijeljenje podataka,
modularnost, pouzdanost i performanse za geografski disperzovane prostorne podatke.
Kao to bi trebali vidjeti u slijedeem poglavlju, distribuirane baze podataka su izuzetno
vane za stvarnu primjenu, jer su zbog cjenovne povoljnosti beine (i bezkonekcione)
raunarske mree postaju sve pristupanije. U svakom sluaju, distribuirane baze
podataka i dalje ostaju vrlo aktivno istraivako polje. Distribuirane baze se nisu uvijek
dobro pokazivale u praksi (za neka polja primjene) iz razloga, kao to su:
Kompleksnost: distribuirane baze podataka i DDBMS-ovi su sami po sebi kompleksniji
od konvencionalnih centralnih baza podataka. Dizajn distribuirane baze podataka
podrazumjeva svu problematiku dizajna centralizovane baze podataka, sa
dodatnim problemima uzrokovanim fragmentacijom, replikacijom i moguom
heterogenou. Poveana kompleksnost takoe vodi veim trokovima u razvoju i
odravanju.
Sigurnost: integracija baza podataka na disperzovanim lokacijama koritenjem
raunarske mree moe stvoriti uslove za neautorizovan pristup i na taj nain
smanjiti sigurnost sistema.
Integritet: osiguranje konzistentnosti (koritenjem ogranienja pri unosu podataka i
slino) kroz vie baza podataka je tee ostvarivo nego kod konvencionalnih baza
podataka, jer lokalna autonomija moe voditi auriranju podataka u jednoj
jedinici baze podataka koje nije konzistentno sa drugim jedinicama.
264
Veina lokacijski svjesnih sistema su ili sveprisutni (pervazivni), ili mobilni, ili oboje
(slika 7.16).
Kao to i slika 7.16 indicira, sve etiri oblasti, i lokacijski svjesno, i kontekstno svjesno, i
pervazivno, i mobilno raunarstvo, imaju veliko preklapanje. Lokacijski svjesni sistemi
su po definiciji takoe i kontekstno svjesni (poto je lokacijska svjesnost jedan tip
kontekstne svjesnosti). Primjeri razliitih tipova lokacijsklo svjesnih sistema sa slike
7.16. ukljuuju:
E911 system: E911 (enhanced 911) je program u SAD-u namjenjen za korisnike mobilne
telefonije koji omoguava da korisnici prilikom poziva hitne slube mogu biti
brzo locirani. E911 sistem je potpuno lokacijski svjestan. Sistem je takoe
265
266
267
Eliminacija beine interferencije: Problem s kojim se suoavaju sve beine mrene tehnologije
je kako osigurati da signali sa razliitih ureaja ne dou meusobno u interfernciju, koja
uzrokuje gubitak podataka. Postoje tri vana znatno sofisticirana mehanizma kojima se ovo
postie. Nejjednostavnija opcija je osigurati da svaki ureaj koristi samo jedan uzak frekventni
opseg za komunikaciju. Ovo podsjea na nain na koji radio-stanice emituju programe na
ogranienoj frekvenciji koju slualac treba podesiti na radio prijemniku. Druga opcija jeste da se
osigura da ureaj transmituje podatke tokom odreenog vremenskog perioda na svom
frekventnom opsegu. Ovo omoguava da istu frekvenciju moe dijeliti vie ureaja, kao na
primjer, kad se razliiti radio programi pojavljuju u razliito vrijeme na istoj radio stanici. Trea
opcija je da se osigura da svaki ureaj transmituje podatke u jednom frekventnom opsegu,
skaui izmeu frekvencija u razliitim vremenima u nekoj sekvenci, koja je dogovorena izmeu
predajnika i prijemnika. Na ovaj nain se u jednoj sekundi vie sluajno odabranih frekvencija
promjeni i po vie stotina puta. Ovakav mehanizam se naziva spread spectrum technology, i
mogao bi se uporediti sa sluajem kada se neki program slua na jednoj frekvenciji, a onda se isti
program nastavi sluati na drugoj frekvenciji. Ovo skakanje izmeu frekvencija ini mreu
otpornijom na pojavu interferencije i pozadinskog uma (smetnji) sa drugih ureaja.
268
Bliskost (proximity): Bliskost do signala predajnika koriste sve mobilne telefonske mree
za lociranje mobilnih telefona. Mobilna telefonska mrea koristi niz beinih
transmitera na poznatim lokacijama za prenos telefonskih poziva. Na osnovnom
nivou, svaki transmiter servisira manje geografsko podruje (cell elija) pri
emu je njegov signal na tom podruju jai od signala drugih transmitera. Snaga
signala opada proporcionalno udaljenosti od transmitera, tako da u
najjednostavnijem sluaju, geometrija elije formira Thiessen-ov poligon. Na
osnovu ovog, mobitel je sposoban odrediti u kojoj eliji je lociran (identificirajui
transmiter sa najjaim signalom). Veliina elija varira i mrei zavisno od terena,
frekvencije transmsije i oekivane jaine poziva. Obino su terestriki transmiteri
meusobno rasmjeteni u krugu od oko 200 m u urbanim dijelovima, a njihovo
meusobno rasojanje se kree i do 5 km u ruralnim dijelovima mree.
Triangulacija: Postoje dva tipa triangulacije: lateralna (trilateracija) i angulaciona.
Lateracija je proces raunanja poloaja nekog objekta na snovu njegove
udaljenosti od drugih poznatih lokacija. Angulacija je proces raunanja poloaja
nekog objekta na osnovu ugla od drugih poznatih lokacija (jedne poznate duine u
mrei). Sistem globalnog pozicioniranja (GPS) je zasnovan na lateralnom
principu za odreivanje poloaja. Angulacija se koristi, na primjer, kod nekih
mobilnih telefonskih mrea za odreivanje poloaja.
Neke aktivne tehnike lokacijskog snimanja, kao to su GPS, koriste mobilni senzor
(rover) za prijem signala sa eksternih predajnih stanica sa poznatom lokacijom (baza).
Druge tehnike operiu koritenjem eksternih senzora na poznatim lokacijama za prijem
signala sa mobilnog predajnika. Na primjer, Active Badge sistem predstavlja aktuelan
primjer location-sensing tehnologije, koja koristi matricu infracrvenih senzora (za
identifikaciju bliskosti) razmjetenih na poznatim lokacijama irom zgrade za potrebe
269
lociranja osoba. Svaka osoba nosi mali bed koji identificira nosioca pomou
transmitovanja kodiranog infracrvenog signala svakih 10 sekundi.
Pasivne location-sensing tehnike se ne zasnivaju na signalima transmitovanim od
lokatorskih predajnika. Umjesto toga, pasivni lokacijski senzori odreuju lokaciju
indirektno, pomou povezivanja senzorski bazirane informacije sa drugim prostornim
informacijama iz okoline. Geografska okolina je veoma heterogena, tako da skoro svaki
tip senzorskog mjerenja moe potencijalno biti koriten u nekom obliku pasivnog
snimanja lokacije (prikazan isprekidanom strelicom na slici 7.18). Pretpostavimo da je
neka osoba napustila svoju kuu i da se trenutno nalazi na nepoznatoj lokaciji na
Zemljinoj povrini. Ukoliko ova osoba trenutno poznaje tano vrijeme u svojoj kui i ako
moe odrediti vrijeme na lokaciji na kojoj se trenutno nalazi (na primjer, pomou
poloaja sunca na nebu), onda ona moe ugrubo odrediti geografsku duinu svog
poloaja. U 18. stoljeu moreplovci su na slian nain odreivali poloaj svoga broda
prilikom navigacije. Dvije vane klase pasivnog snimanja lokacije su:
Praenje kretanja (motion tracking): Senzori za brzinu i pravac kretanja (na robotu) se
koriste esto u robotici za praenje kretanja mobilnog robota tokom vremena. Ove
informacije se mogu koristiti za raunanje lokacije robota na pojedinim takama
tokom vremena u zavisnosti od neke poetne take.
Analiza scena: Digitalna kamera se sastoji od niza senzora koji se mogu koristiti za
odreivanje lokacija u izvjesnim okolnostima. Analiza scena (scene analysis) se
moe koristiti ili za odreivanje lokacija objekata ili ljudi na digitalnoj slici, ili za
odreivanje lokacije kamere koju bi morala imati prilikom snimanja slike.
Sistem za globalno pozicioniranje (GPS)
GPS prijemnik koristi radio talasne signale, transmitovane od niza GPS satelita koji
orbitriraju oko Zemlje, za raunanje poloaja prijemnika na povrini Zemlje. GPS se
zasniva na lateraciji. Na primjer, zbog jednostavnosti pretpostavimo svijet u ravni i da
trebamo identificirati nepoznati grad u SAD-u. Ako nam je poznato da se grad nalazi
3000 km od Los Angelesa, onda je poloaj grada negdje na krunici sa radijusom od
3000 km od LA. Ako je takoe poznato da je grad 1000 km od New Yorka, onda su
mogue samo dvije lokacije koje zadovoljavaju ulazne informacije: Chicago i Atlanta. I
konano, ako je poznato da se traeni grad nalazi 2000 km od Miamija, onda je samo
jedna lokacija pravo rjeenje, a to je Chicago (vidi aliku 7.19).
GPS koristi lateraciju u trodimenzionalnom prostoru, gdje se poloaj traene take nalazi
na fiksnoj udaljenosti od centra sfere (a ne kruga kao kod 2D prikaza). Kao rezultat,
potrebne su 4 sfere da bi se u njihovom zajednikom presjecitu locirala traena taka.
Poto je i sama Zemlja sferina, veina GPS prijemnika moe fiksirati taku koritenjem
signala od samo tri satelita, podrazumjevajui da je prijemnik lociran na povrini Zemlje
(etvrta sjekua sfera). GPS prijemnici raunaju udaljenost do svakog satelita mjerei
koliko dugo je trebalo signalu radio talasa da pree put od svakog satelita. Svaki satelit iz
konstalacije GPS-a neprekidno transmituje radio signale sa tanim vremenom i
poloajem satelita. Vremenski pomak izmeu vremena upisanog u satelitskom signalu i
tekueg vremena na GPS prijemniku se koristi za raunanje udaljenosti do svakog
270
satelita, smatrajui da signal putuje brzinom bliskoj brzini svjetlosti. GPS sateliti mjere
vrijeme koristei veoma precizne atomske satove. Poto satovi na GPS prijemnicima nisu
tako precizni, svaka netanost ima podjednak uticaj na sva mjerenja, tako da se on moe
tretirati GPS lateracionim algoritmom.
271
Tehnike praenja pokreta (motion tracking) imaju tendenciju da budu preciznije, ali
postaju netanije to je dui perioda praenja, jer se relativno male greke mjerenja
tokom vremena mogu nagomilati (propagacija greke). Na primjer, prilikom kretanja
brzinom od 3 km/h i u smjeru od 68 od sjevera, pogreno mjerenje brzine od 3.3 km/h i
smjera od 74 na senzoru vremenom uzrokuje sve veu divergenciju od stvarne lokacije
(slika 7.20.b). Nakon 5 sekundi poloajna greka e biti oko 60 cm. Nakon 5 sati greka
e narasti vie od 2 km.
GPS moe postii veoma visok nivo i tanosti i preciznosti. Meutim, inicijalno
fiksiranje (TTFF) moe biti sporo, a visokofrekventni GPS mikrotalasi male snage mogu
biti nedostupni unutar ili u sjenci objekta, to prestavlja njihove osnovne nedostatke.
Poboljanje tanosti, preciznosti i drugih karakteristika se moe postii kombinacijom
vie location-sensing tehnika. Na primjer, veina navigacionih sistema za automobile
koristi kombinaciju GPS-a i tehnike praenja pokreta (motion tracking) za tano i
precizno odreivanje lokacije. Kada je GPS fiksiran, lokacija auta se moe odrediti vrlo
tano i precizno. Kada lokalne pojave, kao to su tuneli ili blizina visokih zgrada,
zakratko blokiraju GPS signal, praenje brzine i orijentacije kretanja auta moe dopuniti
propuste GPS senzora u prikupljanju podataka nastale loim prijemom signala.
Na slian nain, asistirani GPS kombinuje location sensing tehniku baziranu na bliskosti
sa GPS-om. Ova kombinacija rezultira veom preciznou od lokacijskog snimanja
baziranog na bliskosti, a i veom brzinom od GPS-baziranog snimanja lokacije.
Asistirani GPS znatno pojednostavljuje proces dobijanja satelitskog signala. Koritenjem
informacija o lokaciji baziranih na bliskosti, generisanih pomou mobilne telefonske
mree, asistirani GPS moe predvidjeti lokacije GPS satelita i parametre njihovih signala,
reducirajui na ovaj nain TTFF vrijeme na svega par sekundi. Za hitne slube kao to je
E911 sistem, gdje je konvencionalni GPS isuvie spor, a snimanje lokacije bazirano na
bliskosti neprecizno, asistirani GPS moe ponuditi odrivu alternativu.
272
273
identifikacije objekta, Websigns server alje odgovor sa informacijama ili servisima koji su
raspoloivi za taj objekat. Na primjer, usmjeravajui Websigns PDA ureaj na restoran moe
rezultirati prikazom informacija na PDA ureaju, o veeranjem meniju ili mogunosti
rezervacije stola za to vee. Ovakav sistem je baziran na modularnoj klijent-server arhitekturi i
koristi XML za interoperabilan rad razliitih koritenih ureaja.
Kao to se moe pretpostaviti, LBS sistem je sam po sebi distribuiran sistem, koji
zahtjeva arhitekturu sa visokim stepenom modularnosti i interoperabilnosti. Komponente
LBS sistema ukljuuju nezavisne raunarske ureaje, baze podataka, senzore i mobilne
raunare. Individualni raunarski ureaji trebaju biti sposobni za integrisanje i
procesiranje informacija iz raznovrsnih izvora, saradnju (kolaboraciju) sa drugim
umreenim senzorima i raunarskim ureajima. Ogranienja u veliini i potronji
podrazumjevaju da mobilni raunari imaju manje raunarske kapacitete od statikih
raunarskih sistema. Kao rezultat, za veinu interventnih LBS sistema (za hitne slube) se
koriste klijent-server sistemi i server-side strategije. Meutim, visoko decentralizirana
priroda LBS-a podrazumjeva da su distribuirane komponentne i peer-to-peer mrene
arhitekture openito podobnije za LBS i lokacijski svjesno raunarstvo.
odnosi na sve line digitalne podatke, ali u sluaju LBS-a postoje neki specifini
problemi vezani za njega:
Poznavanje lokacije neke osobe se moe koristiti za zakljuivanje o drugim
linim informacijama o toj osobi, kao na primjer, ime se bavi i kakva ima
interesovanja (sklonosti). Na primjer, informacije o estoj posjeti bolnice moe
navesti na zakljuak da je osoba ozbiljno bolesna, to utie nepovoljno na lino
osiguranje ili na izglede zaposljenja. Ovakvi zakljuci mogu biti neispravni. Bilo
da jesu ili nisu ispravni, veina ljudi cijeni takvu praksu kao nepravednu
(diskriminirajuu) i kao napad na privatnost.
Mobilni lokacijsko svjesni sistemi ne daju uvijek dobru indikaciju o poloaju
osoba. Lokacijsko svjesni senzori variraju po tanosti i preciznosti, to ponekad
zavisi od lokalnih uslova okruenja. Dalje, lokacijsko svjesni senzori zapisuju
lokaciju korisnikog ureaja, a ne samog korisnika. Ukoliko korisnik sluajno
zaboravi ureaj u nekom javnom prevoznom sredstvu, indikacija njegovog
poloaja na osnovu senzora e biti pogrena.
Korisnik ne mora biti svjestan da senzor prikuplja informacije o njegovoj lokaciji
(kao prilikom koritenja auta kojeg prati rent-a-car kompanija). Kada su korisnici
svjesni lokacijskog senzora, onda su oni obino u mogunosti da ga kontroliu
(dali i kada da ga koriste). Meutim, kada se informacije o linom poloaju
generiu kao proizvod nekog drugog servisa kojima korisnik pristupa (kao to je
snimanje lokacija u mrei mobilne telefonije bazirano na bliskosti), zatita line
privatnosti treba da ima posebnu vanost.
Pitanje zatite line privatnosti uz istovremeni razvoj i upotrebu novih lokacijski svjesnih
tehnologija, i dalje ostaje jedno od vanijih nerjeenih stavki sa kojim se suoava LBS.
275
276
8
8 Interfejsi
Kratak pregled
Polje istraivanja interakcije ovjeka sa raunarom (HCI, human-computer interaction)
se bavi dizajnom, evaluacijom i implementacijom efikasnih korisnikih interfejsa izmeu
ljudi i raunarskih ureaja. Dobar interfejs bi trebao biti i intuitivan (lagan za uenje i
koritenje) i izraajan (sposoban da efikasno specificira i obezbjedi eljene zadatke). GIS
interfejsi su esto bazirani na kartografskoj metafori: oni prikazuju karakteristike sline
konvencionalnim papirnim kartama. Meutim, GIS interfejsi mogu proiriti ovu metaforu
na nekoliko naina, na primjer, koritenjem animiranih, trodimenzionalnih, nevizualnih
ili multimodalnih prikaza.
Sposobnost raunarski baziranih sistema da meusobno operiu je kljuna osobina svake
GIS arhitekture, opisana u predhodnom poglavlju. Meutim, uspjeh svakog raunarski
baziranog sistema iskljuivo poiva na tome da li ga ljudi mogu efikasno koristiti.
Upravo kao to su GIS arhitekture dizajnirane da promoviu interoperabilnost izmeu
razliitih raunara, tako su i GIS interfejsi dizajnirani da osiguraju interoperabilnost
(interakciju) izmeu GIS-a i ovjeka. U ovom poglavlju se istrauju esencijalne
karakteristike GIS interfejsa. Sekcija 8.1 predstavlja osnovne principe raunarskih
interfejsa. Vaniji stilovi interfejsa koji se mogu koristiti u GIS-u se nastavljaju istraivati
detaljnije, poevi sa konvencionalnim kartografski baziranim interfejsima u sekciji 8.2,
prelazei na uloge animacije, trodimenzionalnog prikaza, nevizualnih interfejsa i
povratne sprege (feedback-a) u sekciji 8.3. i zavravajui sa razvojem GIS interfejsa za
razliite tipove korisnikih zadataka u sekciji 8.4.
277
Isti IO kanal se moe koristiti za slanje informacije u oba smjera, iz raunara prema
korisniku i od korisnika prema raunaru. Na primjer, auditorna (sluna) informacija se
moe poslati putem raunarskog zvunika i primljena preko ljudskog uha, ili poslana
putem ljudskog glasa i primljena putem raunarskog mikrofona. Da bi izbjegli konfuziju,
termin prikaz (display) se najee odnosi na izlaz od raunara prema korisniku putem
bilo kojeg IO kanala, dok unos (input) se standardno koristi za unos od strane korisnika
prema raunaru. Informacije prikazane na vie od jednog IO kanala u isto vrijeme mogu
biti korisne prilikom naglaavanja vanih poruka. Na primjer, da bi upozorili PC
korisnika na panju, esto e vizualnu poruku pratiti zvuni znak beep. Sistemi koji
omoguavaju prikaz ili unos informacija na vie od jednog IO kanala (moda) simultano
(istovremeno) se nazivaju multimodalnim.
Postoje mnogi razliiti ureaji koje koriste ljudi za interakciju sa raunarima, poput
tastature, mia, VDU-a (Visual Display Unit) ili zvunika, a mnogi e se jo bez svake
sumnje razviti u budunosti. Bez obzira koji se IO kanal koristi, on nezaobilazno mora
konvertovati informaciju izmeu digitalnog i analognog formata (slika 8.1). Ljudi su
organizmi koji alju i primaju informacije u kontinuirano promjenjivom analognom
formatu, a raunari su digitalne maine koje za svoj rad zahtjevaju diskretne digitalne
informacije. Na primjer, raunarski mi konvertuje kontinuirane analogne pokrete naih
aka i ruku u diskretan digitalni format koji se moe koristiti od strane raunara. Zvunik
konvertuje diskretne digitalne audio informacije pohranjene ili generisane pomou PC-a
u ujne analogne zvune talase.
I na kraju, izuzetno vano razmatranje vezano za korisniki unos (input) je distinkcija
izmeu implicitnog i eksplicitnog unosa. U konvencionalnim informacionim sistemima,
veina korisnikih unosa je eksplicitna, koji se od korisnika svjesno realizuju putem
ureaja kao tu su tastature ili mi. Kontekstno svjesni sistemi, poput LBS-a (lokacijski
bazirane usluge), omoguavaju koritenje implicitnog unosa, unutar kojeg sistem
automatski prikuplja i interpretira smisaone informacije o korisnikom kontekstu. Na
primjer, putnik koji eli doi do autobuskog reda vonje (vrijeme polazaka i dolazaka)
moe eksplicitno postaviti upit za ovom informacijom putem mobilnog raunarskog
ureaja, preko tastature ili sistema za prepoznavanje rukopisa. Meutim, umjesto
ovakvog pristupa, lokacijski svjestan sistem moe automatski interpretirati korisnikovu
lokaciju na autobuskoj stanici kao implicitan upit za informacijom o vremenu dolaska
sljedeeg autobusa na tu stanicu.
279
Rezonovanje
Rezonovanje je proces pomou kojeg se informacije koriste za zakljuivanje, odnosno
generisanje nove informacije o problemskoj domeni. Postoje tri razliita tipa
zakljuivanja koja se koriste u oblasti rezonovanja. Deduktivno zakljuivanje uvodi
primjenu pravila za specifine primjere. Induktivno zakljuivanje je proces generalizacije
od specifinih primjera do generalnih pravila. Obratite panju da induktivno
zakljuivanje ne treba poistovjeivati sa matematikim indukcijom, koja u biti predstavlja
deduktivni proces. Obduktivno zakljuivanje uvodi generisanje objanjenja za neka stanja
stvari. Tabela 8.1 ovo rezimira kroz primjere za svaki od tipova zakljuivanja.
Tabela 8.1: Detuktivni, induktivni i obduktivni proces zakljuivanja
Zakljuivanje
Deduktivno
Forma
pravilo+sluajrezultat
Induktivno
sluaj +rezultatpravilo
Obduktivno
pravilo+rezultatsluaj
Primjer
Svi Britanci vole aj.
Mike i Matt su Britanci.
Dakle, Mike i Matt vole aj.
Mike i Matt su Britanci.
Mike i Matt vole aj.
Dakle, svi Britanci vole aj.
Svi Britanci vole aj.
Mike i Matt vole aj.
Dakle, Mike i Matt su Britanci.
281
Izraajnost / intuitivnost
Izraajniji
Intuitivniji
Stil interfejsa
Komandni unos (linija)
Meniji
Forme
WIMP
Prirodni jezik
Primjer
UNIX date komanda
MS Word meni
Website ruter
Mac OS i aplikacije
282
Interfejs sa menijima
U interfejsu sa menijima, komande su organizovane u logike grupe koje olakavaju
korisnicima pristup i pamenje komandi. Pojedine funkcije mogu imati i svoje podmenije
koji izlistavaju funkcije vezane za njih (slika 8.3). Openito, ovi interfejsi su manje
izraajni od interfejsa za unos komandni, jer meni ograniava korisnika na koritenje
samo onih komandi koje su u njemu raspoloive. Sa druge strane, ovi interfejsi su
intuitivniji poto meniji omoguavaju logiko grupisanje komandi.
Interfejs sa formama
U interfejsu sa formama, raunar prezentira specifina pitanja na koja korisnik mora
odgovoriti da bi izvrio neki zadatak. Na primjer, prilikom rezervacije putnikih karata
preko WWW-a, za unos informacija o destinaciji, datumu i vremenu putovanja koriste se
forme koje se ispunjavaju. Forme su intuitivne, jer tokom interakcije navode korisnika
korak po korak do zavretka procedure. Forme nisu izraajne poput interfejsa sa
menijima i unosom komandi, jer mogu ponuditi pristup samo nekolicini specijaliziranih
komandi.
WIMP interfejs
WIMP interfejsi su iroko poznati PC korisnicima, poto predstavljaju osnovu veine
savremenih desktop (stolnih) raunarskih operativnih sistema, ukljuujui MS Windows i
Mac OS. WIMP interfejsi se dugo uspjeno primjenjuju, jer su istovremeno i visoko
intuitivni i relativno dobro izraajni.
WIMP je akronim od windows, icons, menus i pointers. Prozori se koriste kao nezavisni
kontejneri za pojedine procese ili aplikacije (slika 8.4). Ikone su male slike koje
oznaavaju metaforu za komande ili funkcije. Na primjer, dvogled se moe koristiti kao
ikona za komandu traenja (slika 8.4). Ikone omoguavaju korisnicima intuitivniji
pristup pojedinim komandama. Predhodno predstavljeni meniji obezbjeuju logiku
strukturu za komande i predstavljaju vanu komponentu WIMP interfejsa. Konano,
pokazivai omoguavaju korisnicima da pokau na neki elemenat i klikom na njega
aktiviraju funkcije vezane sa njim. Pokazivai su visoko intuitivni, jer predstavljaju
jednostavnu gestu, koju ljudi esto koriste za usmjeravanje panje na neto interesantno.
283
284
285
apstrakcije. Za opis povezanosti izmeu ove dvije karte se mogu koristiti operacije
generalizacije. Na primjer, pojedine kue na slici 8.5b (prikazane crnim takama) su
uklonjene na slici 8.5a (to predstavlja tip procesa simplifikacije poznat kao eliminacija).
Primjeri linijske simplifikacije, predstavljene u sekciji 5.2.3, se takoe mogu vidjeti na
ivicama i granicama na slikama 8.5a i 8.5b.
Vizualna varijabla
Poloaj
Primjer
Primjer asocijacije
Indicira poloaj objekta,
na primjer X je zapadno od Y.
Y
Veliina
Orijentacija
X
Oblik
X
Boja (nijansa,
zasienost,
vrijednost)
Uzorak (tekstura,
fokus i aranman)
286
287
Uprkos njenim prednostima, metafora karte ima i etiri glavne mane koje limitiraju
izraajnost i intuitivnost kartografski baziranog GIS interfejsa:
Karte su statine i siromane pri reprezentaciji promjena i evolucije geografskih
objekata.
Karte su dvodimenzionalne, tako da koritenje kartografske metafore oteava
reprezentaciju kompleksnih trodimenzionalnih geografskih objekata.
Karte i kartografski simboli su bazirani ekskluzivno na vizualnim IO kanalima, i
ne koriste prednosti auditornih, dodirnih ili drugih IO kanala.
Karte nude samo ograniene mogunosti za povratnu spregu (feedback). Karte
omoguavaju vizualni prikaz informacija, ali korisnici karata se ne mogu upustiti
u sofisticiraniju interakciju sa kartama.
Tema o geovizualizaciji, koja se uvodi u sljedeoj sekciji, ima za cilj adresirati ova
ogranienja o kartografskoj metafori.
8.3 Geovizualizacija
Geovizualizacija (geografska vizualizacija) je proces koritenja raunarskog sistema za
dobijanje uvida i razumjevanja geoprostornih informacija. Brojni eksperimenti sugeriu
da ljudi koriste dva fundamentalno razliita tipa informacija u procesu razmiljanja:
verbalni i vizualni. Verbalno razmiljanje je vano za itanje i pisanje, te uee u
konverzaciji, kao i logiko razmiljanje. Vizualno razmiljanje je vano za rezonovanje o
grupisanju, dijelovima i prostornoj konfiguraciji objekata.
Nauna vizualizacija (scientific visualization) je proces koritenja informacionog sistema
za reprezentaciju i interakciju sa informacijama na nain da se pobolja vizualno
razmiljenje. Vano je naglasiti da se vizualno u vizualizaciji odnosi na vizualno
razmiljanje, a ne iskljuivo na vizualni IO kanal (vizualizacija moe biti bazirana na
bilo kojem IO kanalu, na primjer, vizualnom, auditornom, heptinom).
Geovizualizacija se pojavila u zadnjim godinama kao grana naune vizualizacije koja se
specifino bavi geoprostornim informacijama.
Kartografska kocka: Kartografska kocka (prikazana ispod) je predloena kao nain
konceptualizacije odnosa izmeu koritenja konvencionalne karte i geovizualizacije
(MacEachren, 1994). Kartografska kocka ima tri ose: interaktivnost, ciljeve i audijenciju.
Interaktivnost je stepen do kojeg korisnici mogu manipulisati i redefinisati kartu. Ciljevi se
odnose na stepen do kojeg je karta dizajnirana (s ciljem) da pomogne korisnicima u otkrivanju
novih informacija. Audijencija oznaava stepen do kojeg je karta namjenjena odreenoj grupi
korisnika (odnosno specijalizovanoj audijenciji). Openito konvencionalne karte su smjetene u
donji lijevi ugao kocke, jer prezentiraju poznate (postojee) informacije javnoj audijenciji
koritenjem niih nivoa interaktivnosti. Suprotno, tehnike geovizualizacije su locirane u gornji
desni ugao kocke, jer koriste visoke nivoe interaktivnosti i pomau privatnoj audijenciji za
otkrivanje novih informacija.
Na primjer, konvencionalna topografska karta moe biti korisna u predstavljanu postojeih
(poznatih) informacija, kao to je, recimo, putanja do vrha planine, ali ona sama nije dovoljna za
pomo korisnicima u otkrivanju novih (nepoznatih) informacija, kao to je, na primjer,
razumjevanje procesa oblikovanja reljefa unutar neke regije. Dalje, konvencionalna topografska
karta je javna u smislu, da je bilo ko, od planinara pa do prostornih planera, moe koristiti.
288
Najvei dio prikaza informacija koritenjem GIS-a su namjenjene privatnoj audijenciji u smislu
da oni egzistiraju samo na raunarskom ekranu korisnika, i to nekoliko sekundi prije nego se
promjene ili zamjene drugim prikazma.
8.3.1 Animacija
Konvencionalne papirne karte su statine i njihov izgled (sadraj i stil) je vezan za
vrijeme izrade. Sa druge strane, prikazom serije statinih slika (prostornih podataka) na
raunaru, mogue je tehnikom animacije stvoriti utisak kretanja ili promjena kroz
vrijeme. Svaka statina slika unutar sekvence koja stvara animaciju se naziva scenom.
Animacija se moe koristiti (u jednostavnoj formi) za isticanje ili naglaavanje objekata
na statinoj karti, na primjer, koritenjem treperave strelice moe se indicirati poloaj
korisnika na animiranoj turistikoj informacionoj karti. Meutim, najvanija funkcija
animacije je vizualizacija promjena geografskih fenomena. I statine karte se ponekad
mogu koristiti za opis promjene, na primjer, koritenjem statinih simbola poput strelica
se mogu prikazati protok ili pokreti. Meutim, u poreenju sa statiinim kartama,
animacija predstavlja intuitivniji mehanizam za vizualizaciju kompleksnih dinamikih
fenomena. Vremenske prognoze, na primjer, esto koriste kronoloku seriju karata o
atmosferskim uslovima kako bi prikazale kretanje olujnog fronta.
Animacije nisu ograniene samo na opisivanje promjene kroz kontinualni tok vremena.
One, takoe, mogu biti konstruisane i od sekvenci prostornih ili atributnih promjena.
Primjer animiranih prostornih promjena je i animacija preleta (simulator letenja),
pomou koje se pogled (gledite) korisnika na neki statian skup podataka postepeno
pomjera. Atributna promjena se odnosi na animiranu logiku sekvencu scena
289
Na dijelu slike 8.7a animacija moe biti interpretirana kao prikaz postepene migracije
stanovnitva na sjever, tokom tridesetogodinjeg perioda. Na dijelu slike 8.7b, animacija
moe biti interpretirana kao isticanje prostorne varijacije u starosti stanovnitva (gdje se
vidi da u sjevernim regionima uglavnom preovladava mlae stanovnitovo).
Animacije su sastavljene od sekvenci statinih scena, to znai da animacije
geoprostornih podataka mogu koristiti sve statine simbole koji se pojavljuju i u
konvencionalnim kartama (odnosno koji su oblikovani pomou est vizualnih varijabli
predhodno diskutovanih). Pored ovoga, postoji jo est dinamikih vizualnih varijabli
koje mogu biti koritene za oblikovanje razliitih svojstava u animiranoj karti, a to su:
momenat, frekvencija, trajanje, magnituda promjene, redoslijed i sinhronizacija.
Taka (trenutak) u vremenu u kojoj se promjena javlja, u animaciji se oznaava kao
momenat. Moment, u vremenskom smislu, odgovara poloaju u smislu statine vizualne
varijable. Frekvencija je omjer u kojoj se promjena pojavljuje u animaciji (analogno
uzorku u statinoj vizualnoj varijabli). Trajanje naznaava duinu vremena u kojem je
svaka statina scena vidljiva.
Magnituda promjene je koliina promjene koja se pojavljuje pri kretanju iz jedne scene u
slijedeu. Sekvenca scena, kada je magnituda promjene mala (prilikom prelaska iz jedne
scene u drugu), stvara glatku animaciju. Ukoliko je magnituda promjene velika, onda
sekvenca scena stvara skokovitu animaciju. Omjer magnitude (veliine) promjene i
trajanja se naziva omjer promjene. Peta dinamika vizualna varijabla je redoslijed
(poredak) u kojem se scene pojavljuju. Redoslijed scena u animaciji je standardno
290
diktiran prema hronologiji podataka (na primjer, u animiranju irenja epidemije kroz
vrijeme) ili prirodnim redoslijedom atributa koritenih za konstruisanje animacije (na
primjer, starosne klase na slici 8.7b). Konano, sinhronizacija je blisko vezana za
poredak, i odnosi se na relativni tajming promjena za dva ili vie fenomena predstavljenih
u animaciji.
Redoslijed i sinhronizacija su posebno znaajni u animaciji, poto se mogu koristiti za
sugerisanje uzronih odnosa izmeu fenomena. Na primjer, u animiranoj karti irenja
epidemije infektivne bolesti, region bolesti koji se poveava kroz niz scena bi standardno
bio interpretiran kao irenje zaraze, u kojoj su zaraene osobe iz jedne scene uzrok daljih
sluajeva infekcije u narednim scenama.
Tabela 8.4 sumarizira dinamike vizualne varijable prikazivanjem promjena kao oblika
lociranih na vremenskoj liniji animacije, sa protokom vremena prikazanim sa lijeva na
desno.
Tabela 8.4: Dinamike vizualne varijable
Dinamike vizualne
varijable
Momenat
Frekvencija
Trajanje
Primjer
Objanjanje primjera
Magnituda
Redoslijed
Sinhronizacija
291
Ostali naini postizanja utiska dubine ukljuuju relativnu veliinu, linearnu perspektivu i
interpoziciju opisanog objekta, to je ilistrovano na slici 8.9. Poznati objekti sa manjom
relativnom veliinom od oekivane se pojavljuju sa utiskom da su vie udaljeni. Na
primjer, na slici 8.9a se los pojavljuje sa utiskom da je vie udaljen od mia (a nikako
obrnutio). Linearna perspektiva stvara efekat da paralelne linije meusobno konvergiraju
svojim udaljavanjem, kao na primjer, ivice puta prikazane na slici 8.9b. Interpozicija se
odnosi na efekat, kod kojeg su udaljeniji objekti zaklonjeni bliim, kao to bijela zgrada
djelimino zaklanja visoku zgradu na slici 8.9c.
Slika 8.9: Efekat dubine postignut relativnom veliinom, linearnom perspektivom i interpozicijom
292
Utisak dubine se takoe moe postii koritenjem animacije, u kojoj se blii objekti
pojavljuju (kreu) bre od onih koji su vie udaljeni. Ovaj efekat, koji se moe opaziti
gledanjem kroz prozor automobila u vonji, se naziva paralaksa kretanja. Danas postoji
veliki dijapazon tehnika i softverskih alata koji se mogu kombinovati za izradu
kompleksnih trodimenzionalnih scena, odnosno izvravanje procesa koji se naziva
renderisanje.
Pristupi isticanja dubine koji su ovdje opisani, se nazivaju monokularnim, jer se mogu
ostvariti gledanjem na samo jedno oko. Drugi pristupi koji su zasnovani na koritenju oba
oka se nazivaju binokularnim. Zahvaljujui rastavljenom poloaju naih oiju, svako oko
prima malo drugaiju sliku prostora koji nas okruuje, to se naziva retinalnim
disparitetom (retina dio oka koji prima sliku). Kao i kod drugih pristupa za postizanje
utiska dubine, i ovdje se vizuelni sistem slui nekim pomonim (posrednim) sredstvima
za odreivanje udaljenosti do predmeta koji se posmatra. Ovdje su to slikovne razlike
koje nastaju usljed retinalnog dispariteta. Drugi binokularni pristup je konvergencija, koja
se pojavljuje pokretanjem (odnosno suavanjem pogleda) oiju prilikom fiksiranja nekog
bliskog predmeta (na primjer, gledanjem prsta postavljenog ispred lica). Konvergencija
ima uticaja na percepciju dubine samo za relativno bliske objekte (udaljene do nekoliko
metara). Ona konvergencija je neznatna za objekte na srednjim i veim udaljenostima.
Stereoskopski prikaz koristi prednosti retinalnog dispariteta, prikazujui svakom oku
pripadajuu sliku odgovarajueg stereopara. Precizna kontrola prikaza se ostvaruje
pomou specijalnog hardwarea (stereoskopskih naoala). Sama potreba za
specijaliziranim opremom onemoguava iroku primjenu stereoskopske tehnike (zbog
ega se koristi znatno rijee od konvencionalnih tehnika vizualnog prikaza). Pored ovog,
postoje i perceptualne potekoe vezane za odravanje iluzije stereo gledanja, to
stereoskopske prikaze ini manje praktinim od monokularnih pristupa za stvaranje
utiska dubine.
293
primjer, temperature. Primjer takvog koritenja tree dimenzije je dat na slici 8.10, koja
prikazuje trodimenzionalni pogled vanijih zgrada univerzitetskog kampusa, renderisanih
koritenjem linearne perspektive, sjenenja, relativne veliine i interpozicije. Zgrade su
podignute nad povrinom, ali ne nad topografskom povrinom. Umjesto topografske
povrine, prikazana je povrina koja opisuje jednostavnost kretanja od jednog do drugog
mjesta, dobijena studijom kretanja ljudskih subjekata (posjetilaca kampusa). Uzvienja
(pikovi) reflektuju ljudsku percepciju dijelova kampusa sa velikim otporom pri kretanju,
dok ravne povrine reflektuju lake kretanje.
294
Nae ulo sluha takoe omoguava da lociramo izvor zvuka u 3D prostoru. Male razlike
izmeu zvuka kojeg ujemo u pojedinom uhu omoguavaju nam da odredimo pravac
izvora zvuka i to na nain analogan retinalnom disparitetu kod vizualnog posmatranja.
Druge zvune osobine, poput jaine mogu pomoi u odreivanju udaljenosti izvora.
Mnogi digitalni zvuni sistemi, poput onih u savremenim bioskopima, koriste prednosti
ove osobine i reprodukuju zvukove, koji daju utisak prostorne pojave. Meutim,
preciznost kojom ljudi mogu odrediti poloaj izvora u prostoru, takozvana prostorna
otrovidost, je znatno nia kod sluanja nego kod gledanja.
Heptini (dodirni) prikaz je drugi vaan tip nevizualnog interfejsa. Ljudski heptini
interfejsi su ve koriteni u odreenim specijaliziranim domenama, poput Brailleovih
prikaza (za osobe sa oteenim vidom), vibrirajuih mobilnih telefona i kontrolera za
raunarske igrice. Za razliku od zvunih prikaza, koji se mogu koristiti kao primarni IO
kanal, heptini prikazi se skoro uvijek koriste kao sekundarni IO kanal u okviru
multimedijalnog interfejsa, obezbjeujui na taj nain prateu ili suplementarnu
informaciju za korisnike.
Multimodalni GIS. TACIS (Tactile Acoustic Computer Interaction System, odnosno dodirno
akustini raunarski interaktivni sistem) je primjer ranog multimodalnog informacionog sistema
specifino dizajniranog za osobe sa oteenim vidom. TACIS je sposoban da ocrta grafikone na
A3 papir ili plastiku, koji se onda smjetaju na touch pad. Korisnici mogu pristupiti dodatnim
informacijama o grafikonu pritiskom na razliite dijelove ocrtanog grafikona. Ove dodatne
informacije se mogu prikazati koritenjem zvunih simbola ili sintezom govora. TACIS interfejs je
koriten kao osnova turistikog informativnog GIS-a. Zvuni simboli se proizvode tako to
korisnik sa oteenim vidom istrauje ocrtanu kartu grada svojim prstima. Razliiti zvuni
simboli omoguavaju korisnicima da razlikuju razliite geografske objekte, kao to su putevi ili
autobuske stanice. Drugim geoprostornim informacijama, kao to je sintetizovano izgovoren red
vonje, se moe pristupati jaim pritiskom na relevantne dijelove ocrtane karte.
295
296
isjeak tekueg zooma . Ovako povezan pogled osigurava korisnicima poloaj detaljnog
dijela prikaza u odnosu na cijelokupni prikaz.
Povratna sprega se moe postii koritenjem ulaza i prikaza za bilo koju kombinaciju IO
kanala. Ulaz se standardno ostvaruje preko dodirnog ulaznog kanala, koritenjem ureaja
poput tastature ili mia. Ulaz sa audio baziranim prepoznavanjem govora se esto koristi
kod interfejsa. Pouzadano kompjuterizovano prepoznavanje govora je tee postii nego
sintetiziranje govora, naroito zbog velike varijabilnosti glasova, akcenata, idioma i
vokabulara koritenih od strane raznih ljudi. Postoje razliite tehnike za interpretaciju
tjelesnih poza i kretnji prilikom ulazne komunikacije sa raunarom, ukljuujui praenje
oiju i praenje gestikulacije. Sistemi za praenje oiju koriste infracrvene senzore za
detekciju pravca korisnikog pogleda. Sistemi sa praenje gesti detektuju i interpretiraju
jednostavne geste, poput pokazivanja. Detekcija ljudskih pokreta se obino postie
koritenjem senzora sposobnih da prate infracrvene ili magnetne etikete prikaene na
korisnika, ili procesiranjem digitalnih slika korisnika.
Kombinovanjem povratne sprege sa razliitim stilovima prikaza mogu se ostvariti
interfejsi sa visokim stepenom intuitivnosti. Na primjer, dinamiki 3D prikazi su posebno
intuitivni i moni poto osposobljavaju korisnike da koriste metaforu navigacije da
istrae i dobiju dublje razumjevanje skupa podataka. Ljudi su navikli da navigiraju kroz
fiziki geografski prostor. Sposobni su da struktuiraju geografski prostor prisjeajui se
(pamtei) putanja kroz prostor i znaajnih lokaliteta (orijentira). Iste tehnike se mogu
koristiti za navigaciju kroz virtualno okruenje. Ovakva virtualna okruenja nemoraju
uope biti geografska. Na primjer, imerzivna (duboka) virtualna stvarnost (Virtual
297
Reality - VR) je napredni stil interfejsa koji kod korisnika stvara utisak realne fizike
okoline, koritenjem multimodalnog ulaza, poput praenja gesti i oiju, multimodalnog
prikaza, ukljuujui vizualne i dodirne prikaze, uz rapidnu (brzu) povratnu spregu.
Imerzivna virtualna stvarnost: Imerzivna (duboka) virtualna stvarnost (VR) je napredni stil
interfejsa koji simulira to je mogue blie svojstva realne fizike okoline. VR sistemi obino
koriste multimodalni prikaz i ulaz. Specijalni kompleti za glavu se obino koriste za 3D grafiku i
zvuk, a mogu pratiti i pokrete glave i oiju. Vizualne i zvune scene se brzo smjenjuju,
odgovarajui na pokrete glave i oiju kako bi obezbjedili visoki nivo povratne sprege. Na primjer,
kada korisnik okrene glavu na stranu, pokret se detektuje i vizualni prikaz se aurira reflektujui
promjenu perspektive. Dodirni IO kanali su takoe iskoriteni u VR sistemima. Korisnici mogu
koristiti specijalne rukavice koje prate pokrete ruku (ulaz) i obezbjeuju simulaciju dodira na
vrhovima prstiju (prikaz). VR sistemi mogu sadravati reprezentacije realnih geografskih
prostora. Ovakvi sistemi mogu obezbjediti realistino okruenje za treniranje osoblja poput
vatrogasaca, kako bi se lake nosili sa opasnim situacijama. VR sistemi mogu takoe koristiti
imaginarne geografske prostore. Arhitekte ponekad koriste VR da bi dobili uvid u dizajnerske
efekte plana ili projekta. VR je na neki nain antiteza pervazivnog (sveprisutnog) raunarstva,
diskutovanog u predhodnom poglavlju. VR sistemi su dizajnirani za simulaciju i zamjenu nae
fizike okoline, dok su pervazivni raunarski sistemi namjenjeni za hibridizaciju nevidljive
(raunarske) okoline sa naom fizikom okolinom. Vezano i za pervazivno raunarstvo i za VR,
proirena realnost (augmented reality - AR) je tehnika kombinovanja realnog fizikog okruenja
sa raunarski generisanim informacijama. Korisnici sistema proirene stvarnosti su u
mogunosti da pristupe relevantnim digitalnim informacijama na osnovu preklapanja sa
informacijama dobijenih kroz standardnu interakciju sa svijetom koji ih okruuje. Na primjer,
dok se voze kroz grad, turisti nose specijalne AR naoale koje im mogu prikazati informacije o
objektima na koje zaustavljaju pogled (nazivi restorana, meniji, cijene obroka).
Analiza: Procesiranje informacija da bi se istakle ili otkrile relacije i uzorci unutar skupa
podataka.
Donoenje odluka: Procjena i odabir izmeu razliitih opcija ili pravaca djelovanja.
Rjeavanje problema: Dizajniranje rjeenja za probleme u novim i nepoznatim
domenama.
Jedan od najvanijih ciljeva svakog interfejsa jeste upotrebljivost koja korisnicima
omoguava uspjeno izvravanje pojedinih zadataka. Iz perspektive HCI-a, svaki zadatak
za koji se koriste geoprostorne informacije postavlja posebne zahtjeve za interakcijom
izmeu raunara i korisnika. Tabela 8.5 obuhvata, sa primjerima, razliite zadatke za koje
se mogu koristiti geoprostorne informacije. Neki zadaci zahtjevaju relativno jednostavne
forme interakcije, uvodei samo razmjenu informacija izmeu ovjeka i raunara. Na
primjer, postavljanje upita (u smislu forme interakcije) zahtjeva od raunara samo da
interpretira korisniki upit i vrati odgovor nazad korisniku.
Tabela 8.5: Interakcija izmeu korisnika i GIS-a za razliite zadatke
Sloenost
interakcije
Jednostavna
interakcija
Zadatak
Primjer
Prezentacija
Postavljanje upita
Pretraivanje
Editovanje
Integracija
Analiza
Odluivanje
Rjeavanje problema
Kompleksna
interakcija
Ostali zadaci mogu zahtjevati sofisticiranije forme interakcije. Ovakve forme interakcije
koriste sposobnost raunarskog procesiranja za stimulaciju i poveanje sopstvenih
misaonih procesa i promovisanje geografskog razmiljanja. Odluivanje je, na primjer,
primarna ljudska aktivnost. Interfejsi koji omoguavaju korisnicima da istrae i dobiju
uvid u problemsku domenu mogu podrati proces odluivanja. Openito, zadaci koji
zahtjevaju kompleksnije forme interakcije, kao to su odluivanje i rjeavanje problema,
imaju veliku korist od interfejsa koji su zasnovani na tehnikama geovizualizacije.
Povratna sprega, na primjer, omoguava korisnicima da formuliu i testiraju hipoteze, to
predstavlja kljunu komponentu procesa ljudskog rezonovanja. Slino, proces
vizualizacije, transformiuu podatke u viestruke razliite forme (kao to su 3D prikazi i
animacije), podravaju analogno i metaforino rjeavanje problema.
299
Navigacioni sistem koji omoguava korisniku da istrai mnoge razliite opcije moe
vjerovatno biti konfuzan (na primjer, navigacioni sistem koji nudi opcije kao to je uputa
Skrenite na slijedeem skretanju lijevo, ili na drugom skretanju desno). Slino,
navigacioni sistem koji je realizovan sa komplikovanim vizualnim izlazom moe odvui
vizualnu panju korisnika od vonje i prouzrokovati nezgodu.
Sa druge strane, sistem za planiranje koji je dizajniran da pomogne urbanistikim
planerima prilikom izdavanja urbanistikih saglasnosti za gradnju novog objekta bi se
trebao zasnivati na promociji rjeavanja problema i geografskog razmiljanja. Sistem koji
bi jednostavno davao odgovore izdaje se dozvola ili ne izdaje se dozvola ne bi bio
koristan (ak iako je odluka uvijek ispravna). Sofisticirani vizualni prikazi, kao to su 3D
animacija ili simulacija virtualne stvarnosti za prikaz projekta, moe pomoi za sticanje
boljeg razumjevanja efekata koje projekat izaziva u okruenju.
Inenjering upotrebljivosti
Razvijanje korisnih interfejsa nije egzaktna nauka: iskustvo i prosudba igraju vitalnu
ulogu u razvoju uspjenog interfejsa. Proces razvoja interfejsa koji maksimizira
upotrebljivost (iskoritenost) se naziva inenjering upotrebljivosti (usability engineering).
Openito, sve tehnike inenjeringa upotrebljivosti naglaavaju vanost razmatranja
upotrebljivosti u svakoj fazi ivotnog ciklusa sistema (vidi sekciju 1.3.4). Upotrebljivost
postojeeg interfejsa moe biti procjenjena empirijskim putem, odnosno evaluacijom
njegovih performansi, bilo laboratorijski, bilo aktualnim koritenjem u praksi.
Upotrebljivost interfejsa se esto mjeri preko pet osnovnih kriterija, koji u biti
prestavljaju pokuaj kvantifikacije stepena intuitivnosti i izraajnosti interfejsa.
Vrijeme uenja: Koliko traje uenje o nainu koritenja sistema?
300
Brzina koritenja: Kako brzo korisnik moe izvriti testne (benchmark) zadatke?
Omjer greaka: Koliko i koje tipove greaka korisnici prave prilikom izvravanja testnih
zadataka?
Vrijeme pamenja: Koliko dugo korisnici uvaju u svojoj memoriji steene vjetine i
znanja tokom vremena?
Subjektivno zadovoljstvo: Koliko korisnici uivaju ili nisu naklonjeni sistemu prilikom
izvravanja testnih zadataka?
Takoe pri empirijskoj korisnikoj ocjeni, dizajneri interfejsa esto koriste vie
analitikih tehnika da bi osigurali upotrebljive interfejse. U zavrnom dijelu ovog
poglavlja izloen je kratak pregled triju glavnih tehnika: prototipi, obrazloenje dizajna i
analiza dizajna. Tehnika prototipa je jedna od najprostijih tehnika inenjeringa
upotrebljivosti. Ona ukljuuje razvoj prototipa ciljnog interfejsa kako bi se ustanovili
problemi koji bi se teko detektovali pri samom skiciranju. Prototipi se mogu koristiti da
bi se jednostavno testirali idejni projekti, koji se onda nazivaju probni prototipi ili su
razvijeni kao preliminarne verzije aktualnog interfejsa, koji se nazivaju evolucioni
prototipi.
Obrazloenje dizajna je dokumenat koji obezbjeuje neka objanjenja vezana za
specifinost konstrukcije sistema. U svakoj fazi razvoja, dizajneri dokumentuju odluke
koje su doneene na osnovu prosuivanja i razmatranja alternativa. Obrazloenje dizajna
moe biti u pisanom obliku ili prestavljeno grafiki (dijagramima). Za obrazloenja
dizajna koriste se razliite grafike notacije, kao to je IBIS (issue-based information
system).
Analiza dizajna obezbjeuje fazni (stepenasti) radni okvir za razvoj interfejsa. Jedna od
najee koritenih tehnika za analizu dizajna je GOMS (goals, operations, methodes,
selection). GOMS rekurzivno dekomponuje funkcionalnost interfejsa visokog nivoa na
manje komponente funkcionalnosti. U GOMS modelu, korisniki ciljevi (goals) su
specificirani u smislu osnovnih operacija koje korisnik moe izvriti. GOMS takoe
modelira razliite metode za dostizanje pojedinih ciljeva, i pokuava predvidjeti koja e
pojedina metoda biti selektovana i u kojim situacijama (sluajevima). GOMS tehnika je
blisko povezana sa analizom hijerarhije zadataka (hierarchical task analysis, HTA),
drugom veoma estom tehnikom za analizu dizajna.
Nakon svega, izrada prototipa predstavlja veoma neformalnu i ekonominu tehniku
inenjerstva upotrebljivosti, i moe biti korisna, ak i za najmanje projekte. Tehnike
analize dizajna su prilino specijalizirane i zahtjevaju vrijeme za uenje i primjenu, ali su
pogodne za velike projekte, koji zahtjevaju kooperaciju izmeu velikog broja dizajnera
pri izradi efikasnih interfejsa. Obrazloenje dizajna obezbjeuje srednje rjeenje izmeu
relativno formalne analize dizajna i relativno neformalne izrade prototipa. Sve tri tehnike
se standardno koriste u kombinaciji sa empirijskim korisnikim testiranjem.
301
302
9
9 Prostorno rezonovanje i neizvjesnost
Kratak pregled
Prostorno rezonovanje se bavi misaonim (spoznajnim), raunarskim i formalnim
aspektima stvaranja logikih zakljuaka o prostornoj sredini. Znanje o naoj geografskoj
okolini je skoro uvijek nesavreno, tako da efikasno prostorno rezonovanje mora biti
sposobno operisati sa neizvjenou. Ovo poglavlje daje pregled osnovnih koncepata
koji ukljuuju neizvjesnost i opisuje neke uobiajeno koritene tehnike za upravljanje
neizvjenou u informacionim sistemima.
Tema ovog poglavlja je rezonovanje sa geoprostornim informacijama uz prisustvo
neizvjesnosti. Inae, neizvjesnost je prisutna u svakom informacionom sistemu, ali je
njeno razumjevanje od posebne vanosti za GIS, jer su geoprostorne informacije blisko
povezane sa observacijom svijeta, koja je neodvojiva od pojave neizvjesnosti. Ovo
poglavlje zapoinje uopenom diskusijom formalnih aspekata prostornog rezonovanja, a
zatim prelazi na posmatranje rezonovanja pod uslovima neizvjesnosti. U sekciji 9.2 se
razmatra neizvjesnost kroz mnoge njene oblike, a zatim se obrauju neke specifine
kvalitativne (sekcija 9.3) i kvantitativne (sekcija 9.4) tehnike za reprezentaciju i
rezonovanje pod neizvjesnou. U sekciji 9.5 su predstavljeni neki primjeri aplikacija u
kojima neizvjesnost regiona igra posebnu ulogu.
303
vezanim za rad filozofskih kola drevne Grke. Ova narednom izlaganju se indiciraju
neki od najvanijih koncepata u logici, sa prikazom njihove primjene na prostornom
rezonovanju.
304
Ova dedukcija je primjer klasinog silogizma (izjave iz tri dijela, od kojih prva dva
obezbjeuju istinitost treeg), ije je principe postavio Aristotel oko 350. godine p.n.e. U
idealnom sluaju, dedukcija e biti validna, odnosno ouvae istinu. Ukoliko su premise
validne dedukcije istinite, onda se i za zakljuak oekuje da takoe bude istinit.
Openito, dedukcija u potpunosti predstavlja sintaksni proces i zbog toga je podobna za
raunarske metode. Meutim, dokazivanje zakljuaka raunarskim metodama je obino
visoko problematian proces, poto broj moguih dedukcija iz skupa premisa moe biti
jako veliki. Openito, kompleksnost problema (za raunar) je tim vea, ukoliko njegovo
rjeavanje nije voeno ljudskom interakcijom.
Premise mogu biti u formi jednog od slijedea dva tipa:
injenica: prosta pojedinana izjava (na primjer, Pariz je prijestonica Francuske.)
Pravilo: opi princip, obino u obliku kondicionala (na primjer, Nijedna drava iz SADa ne poinje sa slovom B.).
U posebnoj domeni, kolekcija svih premisa (injenica i pravila) formira bazu znanja za tu
domenu. Teorija povezana sa ovom bazom znanja je kolekcija svih zakljuaka koji se
mogu izvui iz njenih premisa, koritenjem pravila dedukcije (prosuivanja). Ukoliko
baza znanja u sebi sadri sve svoje deduktivne zakljuke, onda za nju kaemo da je
deduktivno zatvorena.
Prema klasinoj logici, to vie premisa dodamo, to vie zakljuaka moemo izvui.
Tehniki termin koji se koristi za ovakvo svojstvo je da je ova logika monotonina.
Kasnije emo vidjeti da postoje sluajevi u praksi gdje je ovakvo svojstvo nepoeljno.
Uporedno i blisko poimanje vezano za dihotomiju (podjeljenost) sintaksa nasuprot
semantika je i dokaz nasuprot istina. Za svaku bazu znanja, oekuje se da postoji
povezanost izmeu onih zakljuaka, koji su dokazivi (teorija) i onih koji su istiniti.
Postoje dva vana koncepta koja koriste ovu povezanost:
Baza znanja je ouvana (u dobrom stanju) ukoliko su svi njeni deduktivni
zakljuci istiniti. Dakle, u ouvanoj (dobro stojeoj) bazi znanja nikad nije
mogue deducirati (zakljuiti) neistinu, ali mogu postojati stvari koje jesu istinite,
ali ne mogu biti deducirane (zakljuene).
Baza znanja je kompletna ukoliko su sve istinite propozicije (pravila), koje se
mogu konstruisati, dokazive primjenom dedukcije na njene premise.
Ideal kojem stremimo prilikom konstruisanja nekog deduktivnog sistema je sistem koji je
i ouvan i kompletan. Meutim, veina sistema, koji su u osnovi prilino deduktivni,
pokazali su se, ili kao neouvani ili kao nekompletni (to se vidi na primjeru teksta o
geometrijskim algoritmima i raunarskoj obradi u petom poglavlju).
305
4.
5.
6.
7.
8.
9.
i slijedea pravila:
10. Svaka rijeka prolazi kroz sve drave kojim pripadaju gradovi koji lee na njoj.
injenice u naoj bazi znanja sadre dvije vrste propozicija (pravila). Propozicije 1-3
nam daju informaciju o tipovima entiteta, klasificiranih u drave, gradove i rijeke.
Preostale injenice nam daju informacije o prostornim vezama izmeu entiteta. Pravilo
10 nam omoguava da operiemo sa narednom prostornom relacijom prolazi kroz.
Ukoliko pretpostavimo da je karta na slici 9.1 tana, onda postoje istine izraene pomou
karte, koje se ne mogu deducirati (zakljuiti) iz premisa u bazi znanja. Istina da Azemlja i
Bzemlja dijele zajedniku granicu je primjer ovakve propozicije. Na ovaj nain,
generalno gledajui, naa baza znanja nije kompletna. Meutim, usmjerimo sada panju
na injenice o zemljama, gradovima i rijekama, te koji gradovi su u kojim zemljama, koji
gradovi lee na kojim rijekama i koje rijeke prolaze kroz koje drave. Koristei injenice
i pravila u naoj bazi znanja moemo deducirati (izvui) slijedee zakljuke:
11. Rijeka X prolazi kroz drave Azemlja, Dzemlja i Czemlja.
12. Rijeka Y prolazi kroz dravu Bzemlju.
Primjetiete da je baza znanja ouvana (u dobrom stanju), jer je svaka propozicija u njoj
istinita na karti. Ona nije kompletna, ak ni u specifinom smislu koji je predhodno
306
opisan, jer karta prikazuje da rijeka X prolazi kroz dravu Bzemlju, ali ovo nemoemo
deducirati (zakljuiti) iz baze znanja.
Meutim, ukoliko bismo na kartu ucrtali naredni grad M, kao to je prikazano na slici
9.2, onda bi mogli dodati slijedee injenice:
13. M je grad.
14. M pripada dravi Bzemlja.
15. Rijeka X prolazi kroz grad M.
Sada bi naredni zajkljuak bio:
16. Rijeka X prolazi kroz dravu Bzemlja.
307
308
309
binarni broj u blok podataka, takozvani FCS (frame check sequence), takav da kad se podaci i
FCS zajedno dodaju, ova dva broja su djeljiva sa nekim unaprijed araniranim brojem. Prijemnik
onda moe provjeriti da li su primljeni podaci dijeljivi sa primljenim FCS-om bez ostatka. Za
razliku od provjere pariteta, CRC tehnika ini malo vjerovatnim da proizvoljna inverzija bita
uzrokovana umom moe rezultirati neotkrivenom grekom. Mreni protokoli visokog nivoa
osiguravaju da ukoliko prijemnik detektuje greku, onda se podaci alju ponovo. Posljedica
ovoga je da transmisija podataka sa umom u raunarskim mreama dovodi do slabijih (sporijih)
mrenih performansi, odnosno detekcijom uestalih greaka ponavlja se slanje odreene koliine
podataka.
9.2.2 Neizvjesnost
O neizvjesnosti moemo govoriti na dva naina. Prvo, ona se odnosi na stanje uma.
Drugo, ona se moe primjeniti direktno na stvarni svijet, bilo na podatke, bilo na
informacije vezane za njega. Na primjer, moemo rei da je vrijeme sastanka neizvjesno,
to znai da nismo sigurni kada e se sastanak odrati. U drugu ruku, ako kaemo da je
dubina mora na pojedinim lokacijama neizvjesna, to se moe komentirati nepreciznou
naih mjernih ureaja. Neizvjesnost je vano i neizbjeno svojstvo stvarnog svijeta,
informacija o svijetu i naeg razmiljanja o svijetu. Postoji ak fiziki princip o
neizvjesnosti, formulisan od strane Wernera Heisenberga, koji kae da, to je preciznije
odreen poloaj subatomskog elementa (kao to je elektron), to je njegov impuls poznat
sa manjom preciznou. Meutim, principi kvantne fizike nisu predmet ovog izlaganja, i
moemo zanemariti ovakvu formulaciju. Vezano za nae posmatranje, treba naglasiti da
neizvjesnost moe dovesti do dvojbe i nesposobnosti u donoenju efikasnih odluka
baziranih na raspoloivim informacijama.
Neizvjesnost se pojavljuje u razliitim fazama u procesu razvoja GIS-a: od njenog
prisustva u podacima do njenog koritenja prilikom analize u aplikacionoj domeni.
Posmatrajmo primjer prikupljanja podataka koji se odnose na granicu jezera. Meu
pitanjima vezanim za neizvjesnost mogu se pojaviti slijedea:
310
Neizvjesne specifikacije: Jezero moda nema potpuno specificiranu granicu. Sve dok
granica ne bude opisana od strane ljudi, nije vjerovatno da emo moi u potpunosti
odrediti granicu jezera. Postojae vremenske varijacije ivice vode, kao i izostanak
jasnoe ta podrazumjevamo pod jezerom. Na primjer, hoe li obalni pijesak biti
ukljuen u jezero, i ako hoe koji njegovi dijelovi, ili ak, ta predstavlja obalni pjesak?
Neizvjesna mjerenja: ak i ako je jezerska granica openito kompletno specificirana,
mogu se pojaviti problemi odreivanja njenog poloaja pruanja. Naa mjerenja mogu
biti manje tana ili netana, jer, na primjer, mjerni instrument nije ispravno rektifikovan,
ili smo ga pogreno koristili (na primjer, pogreno oitali podjelu ili ga koristili pod
nepodobnim temperaturnim uslovima). Za naa mjerenja moe izostati odgovarajua
preciznost. Kompletna i apsolutna preciznost za geoprostorne informacije obino nisu
dostina, kako zbog kompleksne prirode geografskih fenomena (na primjer, jezera), tako
i zbog ogranienja mjernih instrumenata. Trebali bismo teiti da dostignemo preciznost
mjerenja koja zadovoljava nivo detalja zahtjevan u okviru odgovarajue primjene.
Neizvjesne transformacije: Odvojeno od samih mjernih ureaja, neizvjesnost se moe
pojaviti prilikom transformacija koje se zahtjevaju za konvertovanje sirovih mjernih
podataka. U sluaju jezerske granice, mjerni instrument moe oitati granicu na
pojedinim takama, a postupkom interpolacije bi se granica predstavila lukom.
Ovaj primjer donosi nekoliko razliitih notacija koje su kljune u svakoj diskusiji o
neizvjesnosti. Vidjeli smo da se neizvjesnost pojavljuje zbog nesavrenosti naih alata za
reprezentaciju, opaanje, mjerenje i izvoenje zakljuaka o stvarnom svijetu.
Greke izostavljanja i dodjeljivanja: Postoje dva tipa greaka (netanosti) koje moemo
razlikovati, slino razlici izmeu greaka tipa I i tipa II u testiranju statistikog znaaja. Greka
dodjeljivanja je napravljena kada zakljuimo da je neko pravilo (propozicija) defininitivno sluaj,
a kada je to u stvari neodreeno ili kada ono definitivno nije sluaj. S druge strane, greka
izostavljanja se pojavljuje kada ne deklariemo pravilo da bude sluaj, kada je ono u stvari
311
sluaj. Na primjer, satelitski snimak se moe koristiti za determinisanje zemljinog pokrova (land
cover). Za pojedinu klasu pokrova zemljita, kao to je uma, oni regioni koji su trenutno pod
umom, ali su pogreno klasificirani kao drugaija klasa, na primjer, kao poljoprivredni
usjevi, konstituiu greke izostavljanja za klasu uma. Obrnuto, oni regioni koji nisu aktuelno
uma, ali su pogreno klasificirani kao uma, konstituiu greke dodjeljivanja za klasu ume. U
sluaju karata zemljinog pokrova, greke izostavljanja i dodjeljivanja su inverzno vezane jedna
za drugu, jer svaka lokacija mora biti lan tano jedne klase zemljinog pokrova. Na ovaj nain,
one umske regije koje su pogreno klasificirane kao poljoprivredni usjevi konstituiu
greke izostavljanja za umu, ali iste greke predstavljaju greke dodjeljivanja za
poljoprivredne usjeve.
Granularnost i nerazluljivost
Granularnost je blisko povezana, ali nije identina sa nepreciznou. Granularnost se
odnosi na postojanje gruda ili zrna pri opaanju ili reprezentaciji, u smislu da individualni
elementi u zrnu (ili grupi podataka) nemogu biti razlikovani ili primjeeni odvojeno jedni
od drugih.
Na primjer, zamislimo satelitski snimak nekog dijela Zemlje. Na ovom snimku, bilo koje
dvije lokacije na zemlji, koje padaju unutar istog piksela, samim opaanjem ne mogu biti
razlikovani po svojim karakteristikama. Dakle, granularnost u opaanju ini stvari
nerazluljivim, a koje se u principu razlikuju jedna od druge (slika 9.5).
Nerazluljivost je kljuni koncept u modeliranju granularnosti i nepreciznosti. Intuitivno
gledajui, konana kolekcija elemenata je nerazluiva ukoliko se neki par elemenata u toj
kolekciji ne moe (prilikom opaanja) razluiti jedan od drugog. Relacija nerazluivosti
se esto smatra ekvivalentnom relacijom (vidi sekciju 3.2.2). Implikacije ovakvog
shvatanja su da je nerazluivost refleksivna (a je nerazluivo od samog sebe), simetrina
(ako je a nerazluivo od b, onda je i b nerazluivo od a) i tranzitivna (ako je a
nerazluivo od b i b je nerazluivo od c, onda je i a nerazluivo od c).
312
Gledajui vie formalno, neka je binarna relacija nerazluivosti nad skupom X. Svaka
ekvivalentna relacija nad nekim skupom dijeli taj skup na ekvivalentne klase. U naem
sluaju, klase se sastoje od blokova lanova iz X koji su nerazluivi jedan od drugog.
Blokovi su odvojeni i kompletno pokrivaju X. Skup blokova se naziva okvir razluivanja
skupa X obzirom na relaciju , i pie se X/. Pozivajui se na sliku 9.5, slika 9.5a
predstavlja skup X. Okvir razluivanja na slici 9.5b rezultira blokovima (ekvivalentnim
klasama) osjenenih u sivoj nijansi na slici 9.5c.
Nerazluljivost se moe pojaviti ne samo u kontekstu granulacije fizikog prostora, nego
takoe i tematskog prostora. Granularnost neke sheme specificira nivoe detalja, koji se
mogu dobiti (razluiti) tokom opaanja, koritenjem te sheme. Za tematske klase u
objektno orijentisanom GIS-u, granularnost moe biti izraena kao nivo detalja, koji je
obezbjeen pomou objektnih klasa raspoloivih u hierarhiji objektnog naslijeivanja. Na
primjer, objektno bazirani topografski model podataka, ije su jedine objektne klase za
puteve glavni put i sporedni put se nebi mogao koristiti za razlikovanje puta sa dvije
od onog sa tri trake.
Dakle, za dati fenomen koji se opaa, granularnost sheme opaanja navodi na
preslikavanje podskupova izvornog skupa u konaan ciljni skup. Izvorni skup je formiran
od kolekcije konstituenata (sastavnih elemenata) fenomena. Elementi koji su nerazluivi
tokom opaanja se identificiraju jedni sa drugim u ciljnom skupu.
U sluaju pikselizacije slike (kao na slici 9.5), rerazluivost je itekako ekvivalentna
relacija. Meutim, ekvivalentna relacija nije uvijek dobar model nerazluivosti. Na
primjer, nizovi senzora koriteni za generisanje satelitskog snimka esto ispoljavaju
kompleksnije forme nerazluivosti, gdje svojstvo tranzitivnosti u pojedinim sluajevima
nemoe vrijediti. Relacija koja je simetrina i refleksivna, ali ne i tranzitivna se naziva
relacijom slinosti.
Neodreenost
Neodreenost (vagueness) se bavi postojanjem graninih sluajeva nekog koncepta. U
ovom smislu, Mount Everest je primjer neodreenosti. Postoje mnoge lokacije koje su
definitivno dio Mount Everesta (kao to su vrh i sjeverna strana Mount Everesta) i mnoge
lokacije koje definitivno nisu dio Mount Everesta (kao to je Pariz). Presudno, postoje
takoe mnoge granine lokacije na Himalayama, gdje nije jasno da li one formiraju dio
Mount Everesta ili ne. Termin crisp (vrst) se esto koristi kao antonim (suprotnost) za
neodreenost, odnosei se na koncepte ili regione gdje ne postoje granini sluajevi. Na
313
slian nain, crisp skup je jednostavno standardan klasini skup, za kojeg je neki
elemenat ili lan tog skupa ili nije (nema graninih sluajeva).
Pitanje da li je neodreenost osobina naih reprezentacija svijeta (to se zove
episteminom neodreenou) ili je svijet sam po sebi neodreen (to se naziva ontinom
neodreenou) predstavlja temu debate unutar filozofije. Na primjer, planina moe
biti prihvaena ili kao neodreena lingvistika reprezentacija dijela crisp svijeta, ili kao
neodreen objekat u svijetu. Openito, veina teorija neodreenosti su zasnovane na
predhodnom pogledu, to jest da je neodreenost epistemina i da predstavlja svojstvo
jezika i drugih sredstava za reprezentaciju svijeta.
Ne moe se rei da sve pojave nepreciznosti spadaju u neodreenost. Na primjer, mogli
bi rei da se neka osoba nalazi u Americi, to nije neodreena izjava (podrazumjevajui
za granicu Amerike crisp granicu), ali je prilino neprecizna. Meutim, svaka neodreena
izjava (u kontekstu ovog primjera) mora takoe biti i neprecizna, zbog nedostatka
specifinosti (detalja) vezane za ovu granicu. Stoga, neodreenost je prikazana kao
poseban tip nepreciznosti na slici 9.4.
Rezonovanje sa neodreenou
Rezonovanje koritenjem neodreenih tvrdnji je okrueno potekoama, to se moe
pokazati primjerom sorites paradoksa. Sorites paradoks se bavi logikim problemom koji
nastaje
pokuajem rezonovanja o neodreenom konceptu gomile (mnotva)
(etimoloki, sorites derivira iz soros, to na grkom znai gomila).
nain, to jest, da se jednim korakom nemoe napraviti ova razlika, slijedi da bi putnik
koji pjeai od Portlanda prema Presqe Isleu mogao opravdano zakljuiti da se pri
svakom koraku on jo uvijek nalazi u junom Mainu. Konano, putnik bi ovako stigao i
do Presque Islea, i do slijedeeg paradoksa: poetni zakljuak da Presque Isle definitivno
nije u junom Maineu je kontradiktoran korak po korak pristupu rezonovanja tokom
pjeaenja od Portlanda do Presque Islea. Sorites paradoks prikazuje da nai standardni
modaliteti rezonovanja (u ovom sluaju princip matematike indukcije) ne mogu biti
primjenjeni za neodreenost.
1
( xi x ) 2
. Tanost se
rmse
1
( xi t ) 2
gdje je t istinita vrijednost skupa opaanja, ili neka vrijednost usvojena kao istinita.
Standardnom devijacijom se mjeri rasutost skupa opaanja neke veliine, dok se sa korijenom iz
srednje kvadratne greke (RMSE) mjeri neslaganje (netanost) izmeu skupa opaanja te veliine
i istinite vrijednosti. Iako se standardna devijacija i RMSE konceptualno razlikuju, brojno
gledajui, oni su esto ekvivalentni, poto se srednja vrijednost skupa opaanja x standardno
koristi kao procjena istinite vrijednosti t.
Dalje, kompletnost opisuje iscrpnost skupa podataka, u smislu koji tipovi objekata su
ukljueni i iskljueni iz skupa podataka.
Validnost skupa podataka indicira vremensku razliku izmeu aktuelnih podataka i
njihovog izvora, odnosno frekvenciju auriranja podataka. U zavisnosti od vremenske
kritinosti aplikacije, validnost podataka moe biti manje ili vie vana.
315
Elemenat
Tanost
Srednja vrijednost
Kompletnost
Konzistentnost
Validnost
Format
Granularnost
Porijeklo
Preciznost
Pouzdanost
Pravovremenost
Kratka definicija
Bliskost podudaranja izmeu podataka i stvari
na koje se podaci odnose.
Postojanje sistematskih odstupanja (distorzija)
unutar podataka.
Cjelokupnost podataka, u smislu tipova
objekata koji su reprezentovani podacima.
Nivo logine kontradiktornosti unutar
podataka.
Kako su esto podaci aurirani.
Struktura i sintaksa koritena za kodiranje
podataka.
Postojanje grudvi ili zrna u podacima.
Porijeklo podataka, ukljuujui izvor, starost i
namjenu koritenja.
Nivo detalja ili specifinosti u podacima.
Vjerodostojnost ili stepen povjerenja koje
korisnik moe imati u podatke.
Koliko su podaci relevantni za tekue potrebe
korisnika.
Konzistencija
Konzistentnost se bavi postojanjem logikih kontradikcija unutar skupa podataka.
Konzistentnost je naruena kada su informacije same sebi kontradiktorne (bilo
eksplicitno, bilo implicitno). Na primjer, implicitna kontradikcija moe biti deducirana
(izvedena) iz slijedeih premisa:
Bangor u Maineu ima populaciju od 31000 stanovnika.
Samo gradovi sa vie od 50000 stanovnika su veliki.
Bangor je veliki grad.
Zakljuak Bangor nije veliki grad je validna dedukcija iz gornjih premisa. Meutim,
ovaj zakljuak je kontradiktoran sa premisom Bangor je veliki grad.
Nekonzistentnost se moe pojaviti na vie naina. Netanost, nepreciznost i
neodreenost, mogu svi rezultirati nekonzistentnou. Na primjer, pretpostavimo da je
aktualna populacija Bangora 31,473 stanovnika. Dvije netane procjene populacije e
vjerovatno biti nekonzistentne jedna sa drugom (na primjer, procjena od 34,371 i 29,934
316
317
318
Izjave p i q su ili tane ili lane (ali ne oboje), dakle tano jedan od moguih svijetova
moe egzistirati u nekom vremenskom periodu. Nae stanje znanja je reprezentovano
skupom svijetova: oni svijetovi koji su izvodljivi, daju ono to znamo. Zbog toga, ukoliko
smo u stanju potpunog ignorisanja, svi svijetovi su mogui. Potpuno ignorisanje je
predstavljeno skupom {W1, W2, W3, W4}. Nasuprot tome, kompletno znanje se moe
predstaviti jednolanim skupom. Na primjer, ukoliko znamo da su obje regije umovite,
onda je nae stanje znanja predstavljeno skupom {W1}. Openito, to je vei skup
moguih svijetova, postoji vea nepreciznost u naem stanju znanja. Prazan skup
predstavlja stanje nekonzistentne informacije. Indirektna informacija moe voditi
poveanoj preciznosti u naem stanju znanja. Na primjer, ukoliko iz stanja potpunog
ignorisanja, mi uimo da su obje regije istog tipa zemljita, nae znanje se moe
reprezentovati skupom {W1, W4}.
U gornjem sluaju smo prepostavili da su tipovi zemljita dviju regija meusobno
nezavisni, i da su zbog toga istinite vrijednosti dviju izjava bile a priori nezavisne. Kao
to slijedei primjer pokazuje, ovo ne mora biti sluaj. Slika 9.8 prikazuje dodatnu regiju
C, koja je dio regije A. Da bismo ovo reprezentovali dodaemo izjavu:
r: Region C je umovit
319
Logika znanja i vjerovanja uvodi premise koje izraavaju osobine operatora znanja i
vjerovanja. Na primjer, moemo imati:
Z pp
320
Z pp
ZpZ Z p
321
322
a.
b.
c.
323
324
vrst dokaz da je region B umovit (). Vrijednosti istinitosti slijedeih izjava se mogu
determinisati iz tabela istine prikazanih na slici 9.10.
Oba regiona A i B su umovita.
Ili je region A ili B, ili su oba umovita.
Ukoliko je region A umovit, onda je i region B umovit.
Kleeneova logika je jedan od brojnih primjera trovalidne logike, koji se mogu nai u
literaturi koja se bavi ovakvim pitanjima.
Trivalidna logika je i sama jedan tip multivalidne logike (logike sa vie vrijednosti
istinitosti). Neke multivalidne logike dozvoljavaju beskonaan broj intermedijalnih
(prelaznih, srednjih) vrijednosti koje se mogu dodjeliti izjavama, a koje lee izmeu
apsolutne istine i apsolutne lai.
Ovakvi logiki sistemi se esto nazivaju stepenske teorije (degree theories), jer se
vrijednosti mogu interpretirati kao stepeni istinitosti. Teorija fuzzy skupova, koja se
diskutuje u narednoj sekciji, je jedan vaan primjer stepenske teorije.
325
Primjer fuzzy skupa koji opisuje regiju sa neizvjesnom granicom je prikazan na slici
9.11. Svakom pikselu je dodjeljena (pridruena) vrijednost iz fuzzy skupa, koja indicira
snagu vjerovanja da svaki piksel pripada datom regionu. Stepen vjerovanja (za svaki
piksel) se moe poveati na osnovu dokaza dobijenog terenskim opaanjem.
Isto kao i vrsti (crisp) skupovi, i fuzzy skupovi imaju svojstva i operacije, od kojih su
neka izlistana ispod.
326
327
Kao to vrijedi i za vrste i fuzzy skupive, grubi skupovi formiraju algebru sa definisanim
grubim presjekom i unijom. Analiza grubih skupova takoe predstavlja nain
prosuivanja funkcionalne ovisnosti u informacionom sistemu, odnosno primjer osnovne
data mining tehnike.
9.4.1 Vjerovatnoa
Probabilistike metode formiraju najvaniji i iroko koriteni kvatitativni pristup za
neizvjesnost. Detaljniji materijal o vjerovatnoi (probability) se moe nai u statistikim
udbenicima. Ova sekcija skicira njihov grubi obuhvat, koncentriui se na Bayesijev
pristup. Statistike metode za operisanje sa neizvjesnou u geoprostornim informacijama
se veoma esto koriste u prostornoj statistici i prostornoj analizi.
Prilikom opaanja mogunosti pojave nekog rezultata anse rastu sa brojem sluajnog
ponavljanja eksperimenta (kao to je, na primjer, bacanje novia). Ukoliko sa X
oznaimo skup moguih rezultata, onda moemo specificirati funkciju anse (chance),
odnosno vjerovatnoe ch : X 0, 1. Ocjena ch(x) predstavlja proporciju broja
ponavljanja u kojem se pojedini rezultat xX moe pojaviti, i determinisana je ili
frekventnom analizom (na primjer, viestrukim bacanjem novia i praenjem rezultata)
ili prirodom eksperimenta (pretpostavljajui, na primjer, da je novi nepristrasan,
odnosno da je omjer pojave pismo/glava 1:1). Funkcija ch treba zadovoljiti ogranienje
da je suma ansi (vjerovatnoa) svih moguih rezultata jednaka 1. Za podskup S X,
ch(S) je vjerovatnoa (ansa) pojave rezultata iz skupa S. Dakle, pravila koja funkcija
vjerovatnoe mora zadovoljiti su:
ch() = 0
ch(X) = 1
Ako je A B = , onda je ch(AB) = ch(A) + ch(B)
(9.1)
(9.2)
(9.3)
(9.4)
(9.5)
328
329
(9.6)
(9.7)
(9.8)
(9.9)
(9.10)
(9.11)
(9.12)
330
podjednako
velika
331
332
333
Za ilustraciju je data tabela 9.2, koja prikazuje objedinjene odgovore na samo one
upitnike koji se tiu blizine biblioteke (lokacija 16 na slici 9.15). Tabela prikazuje da je
10 od 11 osoba indiciralo da je istina kad kaemo da je kapela (chapel) blizu biblioteke
(library), dok niko od uesnika nije indicirao da je to la. Na ovaj nain postoji snana
indikacija, openito konceptualizirana od skoro svih uesnika, da je kapela blizu
biblioteke. U sluaju centra za slobodne aktivnosti (leisure center), snano je indicirana
suprotna situacija. U sluaju kabineta hemije (chemistry), nema jasne teine argumenta ni
za jedno ni za drugo.
334
slika 9.16 prikazuje objedinjene rezultate koji se odnose na blizinu biblioteke. Ovaj
primjer koristi trivalidnu logiku za prezentaciju bliskosti. Na osnovu testa statistikog
znaaja, ona mjesta koja su znaajno blizu biblioteke su na slici 9.16 ispunjena crno. Ona
mjesta, koja nisu znaajno blizu biblioteka su ispunjena bijelo. I konano, ona mjesta za
koje ne vrijedi ni da su znaajno blizu ni da nisu znaajno blizu su ispunjena sivom
nijansom.
Analiza ovih rezultata bi se mogla provesti primjenom trivalidne logike. Na primjer, za
opis meusobne bliskosti pojedinih lokacija u kampusu, moe se koristiti trivalidna
relacija blizine (ni). Za dva mjesta x i y, relacija xy e se ocjeniti sa (tano), ako
je x znaajno blizu y , sa (netano), ako x nije znaajno blizu y i sa ? (neodreeno), ako
je xy i xy .
335
336
10
10 Vrijeme
Kratak pregled
Prostorno vremenski informacioni sistem proiruje GIS na sistem sa pohranjivanjem i
upravljanjem i prostornih i vremenskih informacija. Trenutni snimak (snapshot) je
reprezent prostorno vremenskog stanja domene geografske aplikacije u pojedinom
trenutku. Linije ivota (lifelines) objekta proiruju reprezentaciju trenutnog snimka
pomou eksplicitnog pohranjivanja informacija o promjenama. Najskorije prednosti
prostorno vremenskih baza podataka su fokusirane na eksplicitnu reprezentaciju
prostorno vremenskih entiteta, kao to su dogaaji (events) i procesi. Ovo poglavlje
istrauje primjenu nekih od osnovnih koncepata uvoenja vremenske dimenzije u GIS,
rangiranih od pozadinskih modela podataka do prostorno vremenskih struktura podataka
za njihovo jednostavnije pozivanje.
Moe se rei da smo, po pitanju raspoloivosti podataka, konano preli iz siromanog u
podacima bogato informaciono drutvo. Veina ovih, danas raspoloivih podataka su i
prostorne i vremenske prirode. GIS poinje dobijati sve bogatiju vremensku
funkcionalnost i epitete prostorno vremenskog informacionog sistema, obzirom da
omoguava upravljanje informacijama koje su i geoprostorno i vremenski referensirane.
Dok su prostorno vremenski informacioni sistemi uglavnom samo predmet istraivanja,
GIS ve sad moe ponuditi odreenu vremensku funkcionalnost. Meutim, bogastvo
pune prostorno vremenske funkcionalnosti je jo uvijek na marginama praktine
primjene. Postoji mnogo naina na koje takva funkcionalnost moe biti integrisana u
GIS-u. Ovo poglavlje detaljno obrauje neka od pitanja sa kojima se suoavaju ovakvi
prostorno vremeski informacioni sistemi.
Postoje mnoge potencijalne domene primjene prostorno vremenskih sistema, ukljuujui
zatitu okolice, transport, demografiju, zdravstvo i epidemiologiju, multimediju,
upravljanje, administraciju, odbranu i druge. Pored ovih vie tradicionalnih prostorno
vremenskih oblasti primjene, na razvoj ovih sistema sve vie utie i potreba za
procesiranjem i prezentacijom informacija u realnom vremenu, mobilnost i primjena in
situ (locirani) senzora, to vodi do mnogih novih potencijalnih primjena prostorno
vremenskih modela podataka i sitema. Mnoge od ovih primjena su vezane za mobilne
lokacijski svjesne (location-aware) i sveprisutne (pervasive) sisteme (predstavljene u 7.
poglavlju).
337
338
Prostorno vremenski informacioni sistem mora biti sposoban upravljati podacima o svim
ovakvim vremenski promjenjivim entitetima iz stvarnog svijeta.
339
Slika 10.2: Niz trenutnih snimaka (izvor: USGS) iz vremena 1902. (iznad), 1946. (u sredini) i 1955.godine
(dole)
340
Slika 10.3: Detalj promjena izmeu 1902. (lijevo) i 1946. godine (desno)
341
Razliiti tipovi promjena koje se mogu pojaviti u liniji ivota nekog objekta su:
Kreacija i destrukcija (unitenje): Kreacija i destrukcija se pojavljuju kada se objekat
prvi put generie i kada se on trajno izbrie. Na primjer, kola na slici 10.5 je kreirana
1938., dok je kua na parceli 2 unitena (sruena) 1958. godine.
Nestajanje i ponovno pojavljivanje: Nestajanje i ponovno pojavljivanje se razlikuju
od brisanja i kreiranja, jer ove promjene nisu trajne.
342
343
344
346
Bitemporalna vremenska oznaka (bitemporal timestamp), je niz ureenih parova (x, y),
gdje x predstavlja interval transakcijskog vremena, a y je interval validnog vremena. Na
ovaj nain, vremenska oznaka n-torke (tuple) indicira da je tokom vremenskog perioda x
baza podataka snimila informaciju u pripadajui zapis (n-torku) kao validan tokom
vremenskog perioda y.
Slika 10.7 opisuje primjer jednog scenarija o posjedovanju kue. Kuu H1 je posjedovala
osoba P1 u (validnom) vremenu od trenutka 1 do trenutka 6. U trenutku (validnog)
vremena 7, osoba P2 je kupila kuu H1, dok je u isto vrijeme osoba P1 kupila kuu H2.
Baza podataka je aurirala ove promjene u trenucima (transakcijskog) vremena 5 i 10.
Tabela 10.2 prikazuje scenario posjedovanja kue sa slike 10.7, pri emu je koritena
bitemporalna vremenska oznaka n-torke (zapisa). Validno vrijeme posjedovanja kue H1
od osobe P1 je pogreno snimljeno prilikom prvog auriranja (uneen je interval [1, 4]).
Stoga je drugo auriranje u transakcijskom vremenskom intervalu [10, 14] popravilo
poetno validno vrijeme (sa [1, 4] na [1, 6]).
347
348
349
Meutim, postoji mnogo naina na koje se vrijeme moe korisno tretirati kao vremenska
linija (timeline), analogno jednodimenzionalnom prostoru. Temporalni literali, koriteni
kao osnova vremenskog oznaavanja (timestamping), mogu biti, ili vremenski trenuci
(take na vremenskoj liniji), ili vremenski intervali (intervali na vremenskoj liniji). Sama
vremenska linija se moe modelirati da bude izomorfna u odnosu na realne brojeve
(kontinualno vrijeme), racionalne brojeve (gusto vrijeme) ili cijele brojeve (diskretno
vrijeme). Veina raunaskih pristupa vremenu pretpostavlja model diskretnog vremena,
zbog same diskretne prirode naina na koji raunari operiu. Diskretna vremenska linija
aproksimira vrijednosti vremenske oznake (vremensko oitanja, vremenskog biljega), na
isti nain kao to i diskretizacija ravni aproksimira prostorne referense (vidi 4. poglavlje).
Osnovna vremenska mjerna jedinica u diskretnom okviru se esto naziva kronon
(chronon) ili tik (thick) (otkucaj, trenutak). Kronon je atomian u smislu da nije mogua
njegova dalja podjela. Na ovaj nain kronon za vrijeme ima isti smisao kao piksel za
prostor. Trajanje je modelirano cijelobrojnim vrijednostima kronona, ali nije vrsto
vezano za odreeno mjesto na vremenskoj liniji.
Prethodna diskusija se odnosila na najprostiji, najredovniji i, samim tim, najkoriteniji
vremenski model, takozavani model linearnog vremena. Drugi, vie sloeni modeli,
ukljuuju granajue vrijeme, pomou kojeg se mogu reprezentovati prole i budue
mogunosti, te ciklino vrijeme, pomou kojeg se mogu reprezentovati periodini
fenomeni (koji se smjenjuju) kao to su godinja doba ili doba dana. Meutim, sama
350
analiza koja koristi ove kompleksne varijante se esto moe svesti na linearnu vremensku
liniju. Slika 10.10 ilustruje razliite tipove vremena.
Slika 10.11a prikazuje da su podaci bili uneeni u bazu podataka 1993.g. (transakcijsko
vrijeme), ime je indicirano da je zaobilaznica planirana za izgradnju u 1994.g. (validno
vrijeme) du trase abc. Na slici 10.11b je prikazano da su podaci, koji su uneeni u bazu
podataka 1994.g. (transakcijsko vrijeme) indicirali da je zaobilaznica izgraena 1994.g.
(validno vrijeme) po revidiranoj trasi adefc. Konano, podaci koji su uneeni u bazu
podataka 1995. g. (transakcijsko vrijeme) su popravili predhodnu transakciju, indicirajui
da dio zaobilaznice nije stvarno izgraen do 1995.g. (validno vrijeme).
Bitemporalne informacije povezane sa entitetom se mogu jasnije prikazati koritenjem
matrice. Slika 10.12 ilustruje postojanje linijskog segmenta ef kao bitemporalne matrice
sa osjenenim elijama koje indiciraju bitemporalne vremenske oznake (vremenska
oitanja) povezane sa segmentom puta. Kolekcija bitemporalnih vremenskih oznaka za
cijelu zaobilaznicu je prikazana na slici 10.13.
351
Slika 10.12: Bitemporalna matrica za linijski segment ef (koji pripada zaobilaznici) sa slike 10.11
352
Jedno jednostavno rjeenje koje unaprijeuje ovu naivnu ideju je preklapajue B-stablo.
Umjesto kreiranja kompletno novog stabla za svaki update, preklapajue B-stablo
duplicira samo one vorove za koje se neka vrijednost mjenja, a ostali vorovi koji nisu
promjenjeni se djele od razliitih transakcija. Ista operacija insertovanja, koja je
prikazana na slici 10.14, je sada prikazana i na slici 10.15, ali sa primjenjenom
strukturom preklapajueg B-stabla.
Na ovaj nain, preklapajue B-stablo je sposobno da pohrani promjene bez velike
koliine redundantno dupliciranih podataka. Treba napomenuti da preklapajue B-stablo
pohranjuje transakcijska vremena samo u korijenske vorove, tako da se dalji indeksi
zahtjevaju samo za njih same.
353
354
355
Za dato vrijeme t, pozovi sve objekte koji su bili validni (aktuelni) u vremenu t.
Struktura segmentnog stabla se moe opisati kroz slijedei primjer. Pretpostavimo da
imamo konaan skup vremenskih intervala P.
Prvi korak predstavlja sekvenciranje (sortiranje niza) graninih taaka u rastuem redu.
Na primjer, ukoliko su intervali:
Za dato vrijeme t , proces pretraivanja stabla u cilju pronalaenja intervala koji sadre
ovu taku (vrijeme t) se odvija na slijedei nain. Poinjemo od korijena. Ukoliko je
korijen oznaen sa intervalima koji sadre datu taku, ovi e se insertovati u listu
rezultata. Dalje se istrauje direktni nasljednik korijena. Ukoliko t ne pripada intervalu
reprezentovanom pomou drugih vorova, procedura se zaustavlja. U suprotnom se ona
nastavlja do vora koji predstavlja interval koji sadri t , dodaju se intervali doznaeni
tom voru u listu rezultata, i nastavlja se sa procedurom sve dok se ne doe do lista ili
dok se postupak ne zaustavi. Lista rezultata e sadrati sve intervale koji sadre t. Na
primjer, traenje intervala koji sadre taku 5, poinje od korijena, prelazi na vor [1, 10]
i dodaje interval A u listu rezultata. Zatim prelazi na vor [1, 6], pa na vor [4, 6] i dodaje
intervale B, C i D u listu rezultata. Onda se procedura zaustavlja. Pronaeni intervali su
A, B, C i D.
356
Segmentno stablo ima statinu strukturu, jer je skup intervala krajnjih taaka unaprijed
zadat. Meutim, novi intervali ije se krajnje take nalaze u datom skupu mogu biti
dinamiki insertovane u strukturu stabla, pomou doznaavanja odgovarajuih oznaka.
Takoe, intervali mogu biti i izbrisani iz strukture.
357
358
Akronimi i skraenice
1NF: First Normal Form
ALU: Arithmetic / Logic Unit
ASCII: American Standard Code for Information Interchange
ASDI: Australian Spatial Data Infrastrucure
ATM: Automated Teller Machine
BSP: Binary Space Partitioning
CAD: Computer-Aided Design
CGDI: Canadian Geospatial Data Infrastructure
CISC: Complex Instruction Set Computer
CORBA: Common Object Request Broker Architecture
CPU: Central Processing Unit
CRC: Cyclic Redundancy Check
CRM: Customer Relationship Management
CSCW: Computer Supported Cooperative Work
DAG: Directed Acyclic Graph
DBMS: DataBase Management System
DCEL: Doubly Connected Edge List
DCOM: Distrubuted Component Object Model
DDBMS: Distributed Database Management System
DDL: Data Definition Language
DEM: Digital Elevation Model
DSL: Digital Subscriber Line
DTD: Document Type Definition
DTM: Digital Terrain Model
E911: Enhanced 911
EEPROM: Electrically Erasable Programmable Read Only Memory
EER: Extended Entity - Relationship
EPROM: Erasible Programmable Read Only Memory
E-R: Entity - Relationship
ESRI: Environmemtal Systems Research Institute
FCS: Frame Check Sequence
FIFO: First In First Out
FTP: File Transfer Protocol
GIS: Geographic Information System
GML: Geographic Markup Language
GOMS: Goals, Operations, Methods, Selection
GPS: Global Positioning System
HCI: Human Computer Interaction
HSV: Hue, Saturation, Value
HTA: Hierarchical Task Analysis
HTTP: HyperText Transfer Protocol
IBIS: Issue Based Information System
IEEE: Institute of Electrical and Electronic Engineers
359
360
361