تركيب خودكار سرويس‌هاي مكاني به منظور تهيه نقشه پهنه‌بندي زمين‌لغزش با استفاده از روش‌هاي برنامه‌ريزي هوش مصنوعي

Automatic Composition of Geospatial Web Services in Order to Generate Landslide Susceptibility Map

داده‌هاي مكاني دقيق و بهنگام نقش بنيادين در برنامه‌ريزي و مديريت بحران ايفا مي‌نمايند. با اين وجود در حال حاضر دسترسي به داده‌هاي مكاني و استفاده سريع و آسان از آنها در تصميم‌گيري‌ها با مشكلات بسياري روبه‌رو است. تركيب خودكار سرويس‌هاي مكاني مي‌تواند به عنوان يك راه‌كار جامع براي بهبود روال تصميم‌سازي و تصميم‌گيري در مديريت بحران مطرح شود. اين نوشتار بر آن است تا با ارايه راه‌حلي اجرايي به منظور فراهم آوردن امكان انجام پردازش‌هاي پيچيده مكاني با استفاده از تركيب خودكار سرويس‌هاي مكاني فرايند برنامه‌ريزي مديريت بحران را بهبود بخشد. بر اين اساس سرويس‌هاي مكاني، كه توسط سازمان‌هاي مختلف توسعه داده‌شده، به صورت نحوي و معنايي تشريح شده و در بستر زيرساخت ملي داده مكاني پياده‌سازي مي‌شوند. اين سرويس‌ها در ادامه متناسب با نياز كاربران با استفاده از الگوريتم‌هاي برنامه‌ريزي هوش مصنوعي با يكديگر تركيب شده و پردازش‌هاي مورد نياز را اجرا مي‌كنند. روش ارايه شده با استفاده از يك مورد اجرايي در زمينه‌ ايجاد نقشه‌ پهنه‌بندي خطر زمين‌لغزش راست‌آزمايي شده است.

Accurate and up-to-date spatial data play a crucial role in disaster management. However, currently utilization of spatial data in decision making process before, during and after disasters is limited due to various problems. Automatic composition of geospatial web services can significantly improve the decision making process in disaster management. This article is going to represent an approach for utilization of automatic web service composition in disaster management. In this approach, geospatial web services of different organization are syntactically and semantically described and registered in the national geoportal. The services are composed based on user requirement using Artificial Intelligence Planning algorithms. The new composite web services are registered as new geospatial web services. The applicability of the approach is illustrated in a case study for generating a composite web service that can build landslide susceptibility map.