یک سیستم اطلاعات مکانی مردم گستر برای مدیریت بحران

 

استفاده از اطلاعات مکانی مردم گستر برای مدیریت بهتر بحران موضوعی در حال گسترش است. مردم با مشاهده صحنه بحران، اطلاعات حساسی کسب می کنند. همچنین می توانند، نیاز های به وجود آمده را درخواست کنند. این اطلاعات برای امداد رسانی و مدیریت بحران بسیار ارزشمند هستند. تاکنون پروژه ها و تحقیقات مختلفی برای جمع آوری این داده ها صورت گرفته است. تعدادی از این سیستم ها به علت طراحی مناسب، عملکرد خوبی داشتند. عوامل زیادی در طراحی و مدلسازی این گونه سیستم ها تاثیر گذارند. بدون بررسی تمامی عوامل دخیل در سیستم، سامانه عملکرد مناسبی نخواهد داشت. هدف این تحقیق طراحی و پیاده سازی سیستم جمع آوری اطلاعات مکانی مردم گستر در موقع زلزله در شهر تهران است. عوامل که در سیستم تاثیر گذارند بررسی شد. شرایطی که امکان وقوع آن وجود دارد، در نظر گرفته شد. در نهایت سیستمی برای جمع آوری اطلاعات مکانی مردم گستر پیاده سازی شد.

 

 

---

 

 

شرایط کنونی داده های جغرافیایی مردم گستر (VGI)

داده‌های جغرافیایی مردم‌گستر (Volunteered Geography Information) به مجموعه‌ای از اطلاعات جغرافیایی گفته می‌شود که توسط کاربران عادی و با استفاده از دستگاه‌های هوشمند جمع‌آوری و به اشتراک گذاشته می‌شود. این داده‌ها که می‌توانند شامل موقعیت مکانی، تصاویر، ویدئوها و توضیحات باشند، از طریق پلتفرم‌های مختلفی مانند شبکه‌های اجتماعی، اپلیکیشن‌های موبایل و وب‌سایت‌ها جمع‌آوری و در دسترس عموم قرار می‌گیرند. داده‌های مکانی مردم‌گستر به دلیل حجم عظیم، تنوع و به‌روز بودن، پتانسیل بالایی برای کاربرد در حوزه‌های مختلفی مانند برنامه‌ریزی شهری، مدیریت بحران، حمل‌ونقل و گردشگری دارند. با این حال، کیفیت و دقت این داده‌ها به عوامل مختلفی مانند نوع دستگاه، مهارت کاربر و شرایط محیطی وابسته است و نیازمند بررسی و پردازش دقیق قبل از استفاده در تصمیم‌گیری‌های مهم می‌باشد. سیستم های اطلاعات جغرافیایی مردم گستر بخشی از فناوری های پیشرفته GIS است که توسط توده مردم جمع آوری و تولید می شود.

در حال حاضر اطلاعات مکانی مردم گستر برای مدیریت بهتر بحران جهت کاهش خسارات احتمالی بعد از وقوع حوادث در حال گسترش است. در این روش مردم با مشاهده صحنه بحران می توانند اطلاعات دقیق و زیادی را کسب نمایند و همچنین نیازهای خود را در آن شرایط بحرانی درخواست کنند. وجود این اطلاعات برای امداد رسانی و مدیریت بحران در محدوده های شهری برای جلوگیری از خسارات بیشتر و کاهش آسیب به شهروندان بسیار ارزشمند است. تا کنون طرح ها و پژوهش های زیادی برای جمع آوری این داده ها و گسترش این سیستم های جمع آوری داده انجام شده است. در طراحی این سیستم های عوامل زیادی باید در نظر گرفته شود تا از کارایی لازم برخوردار باشد. بنابراین طراحی و بهبود این نوع سیستم برای مناطق شهری می توان مفید باشد. هدف این پژوهش طراحی و پیاده سازی سیستم جمع آوری اطلاعات مکانی مردم گستر در موقع زلزله در شهر تهران است. در طراحی این سیستم سعی شده تمامی عوامل تاثیرگذار در سیستم و نیز شرایطی که در مواقع زلزله امکان وقوع آن وجود دارد در نظر گرفته شود. در نهایت، این سیستم برای جمع آوری اطلاعات مکانی مردم گستر پیاده سازی شد. طبق نتایج این طراحی، این سیستم در سه سناریو پیاده سازی شد که برای گزارش تخریب ساختمان ها، تقاضای مواد غذایی برای آسیب دیدگان، و تقاضای پناهگاه درنظر گرفته شده است. نتایج نظرسنجی کاربران نمونه درخصوص کار با این سیستم نشان داده است که بیش از نیمی از کاربران و نیز کارشناسان مدیریت بحران رضایت بسیاربالایی از این سیستم داشته اند. از قابلیت های این سیستم سادگی در یادگیری و سرعت بالای اطلاع رسانی، توانایی تصویربرداری از محل، افزایش دقت و صحت اطلاعات می باشد. می توان نتیجه گیری نمود که سیستم طراحی شده در این پژوهش از نظر نرم افزاری و مدیریتی بهبود قابل توجه ای را علاوه بر قابلیت های منحصر به فرد ارایه داده است.

امروزه داده های مکانی نقش مهمی در توسعه کشورها داراست [1]. بدون داده مکانی تعریف بسیاری از داده‌های دیگر دشوار یا کم‌ارزش می‌شوند. حجم بسیار زیادی از تولید داده ها توسط سازمان ها و ارگان های تولید داده را داده های مکانی تشکیل می دهند[2]. برای جمع‌آوری داده‌های مکانی روش‌های مختلفی وجود دارد. این داده‌ها معمولاً به‌صورت نقشه‌برداری زمینی و هوایی جمع آوری می گردند. اما روش دیگر بهره بردن از مردم برای جمع آوری داده های مکانی است[3, 4]. استفاده از مردم برای جمع‌آوری داده‌های مکانی ایده‌ای بود که برای اولین بار توسط Goodchild در سال 2007 با عنوان اطلاعات مردم ‎گستر مطرح شد[5]. او هر فرد را به‌عنوان یک سنجنده در نظر گرفت. داده‌های مردم‎گستر می‌توانند مزایای زیادی داشته باشند. مزیت اصلی داده‌های جمع‌آوری‌شده در بهره بردن این داده‌ها از دانش و آگاهی بومی مردم است[6, 7]. گاهی اوقات دسترسی به داده مکانی فقط از طریق مردم ممکن است.

در مواقع بحران هایی مانند سیل و زمین لرزه فرصت زمانی مناسب برای جمع‌آوری داده‌ها از روش‌های کلاسیک وجود ندارد[8]. یکی از مهمترین چالش های مدیریت بحران کمبود داده، خصوصا داده های مکانی است[9].

کاربردهای سیستم اطلاعات مکانی مردم گستر

وقوع حوادث طبیعی می توان خسارات زیادی را در جوامع انسانی در پی داشته باشد که مدیریت صحیح این حوادث می تواند موجب کاهش خسارات به شهروندان و نیز کاهش هزینه های مدیریتی شود. این گونه مدیریت نیازمند در اختیار داشتن داده ها و اطلاعات کافی و بررسی صحیح و دقیق این اطلاعات است. از جمله داده های مورد نیاز در مدیریت شهری برای جلوگیری از خسارات بحران های شهری داشتن اطلاعات با خصوصیات مکانی می باشد. امروزه داده های مکانی نقش مهمی در توسعه کشورها دارا هستند [1]. بدون داده مکانی تعریف بسیاری از داده‌های دیگر دشوار یا کم‌ارزش می‌شوند. حجم بسیار زیادی از تولید داده ها توسط سازمان ها و ارگان های تولید داده را داده های مکانی تشکیل می دهند[2]. برای جمع‌آوری داده‌های مکانی روش‌های مختلفی وجود دارد. این داده‌ها معمولاً به‌صورت نقشه‌برداری زمینی و هوایی جمع آوری می گردند. اما روش دیگر بهره بردن از مردم برای جمع آوری داده های مکانی است[3, 4]. استفاده از مردم برای جمع‌آوری داده‌های مکانی ایده‌ای بود که برای اولین بار توسط Goodchild در سال 2007 با عنوان اطلاعات مردم ‎گستر مطرح شد[5]. او هر فرد را به‌عنوان یک سنجنده در نظر گرفت. داده‌های مردم‎گستر می‌توانند مزایای زیادی داشته باشند. مزیت اصلی داده‌های جمع‌آوری‌شده در بهره بردن این داده‌ها از دانش و آگاهی بومی مردم است[6, 7]. گاهی اوقات دسترسی به داده مکانی فقط از طریق مردم ممکن است. در مواقعی مانند بحران فرصت زمانی مناسب برای جمع‌آوری داده‌ها از روش‌های کلاسیک وجود ندارد[8]. یکی از مهمترین چالش های مدیریت بحران کمبود داده، خصوصا داده های مکانی است[9].

یکی از اولین استفاده ها از سیستم اطلاعات مکانی مردم گستر برای کمک به مدیریت بحران را می‌توان در فاجعه طوفان کاترینا در سال 2005 یافت[10]. مردم داستان‌های شخصی، تصاویر، اطلاعات خانواده بازمانده را در وبلاگ ها به اشتراک می گذاشتند زلزله سیچوان در سال 2008 اتفاق افتاد. پس از زلزله مردم عکس ها، فیلم ها و روایت های فردی زیادی در سطح اینترنت منتشر کردند[11]. تعدادی از این اطلاعات مختصات دار بودند. نمونه دیگر زلزله هائیتی 2010 است. طی این زلزله برای اولین بار از مردم خواسته شد، که داده های مکانی خود را مخابره کنند[12]. در آن زمان گروهی از دانشجویان تحت عنوان USHAHIDI به جمع آوری داده های مکانی از مردم می پرداختند[13]. مردم هائیتی با ارسال پیامک اضطراری به شماره 4636 اطلاعات خود را به سامانه مخابره می‌کردند و به دست سازمان‌های مربوط برای ارائه کمک به بازماندگان می‌رساندند[14]. بسیاری از پیام‌ها با زبان رسمی هائیتی بود، پس ‌نیاز به کار ترجمه و طبقه‌بندی داشت این کار توسط افرادی انجام شد که برای این کار داوطلب شده بودند. یکی از سایت‌هایی که با استفاده از داده‌های مکانی مردمی پایگاه داده عظیمی ایجاد کرده، سایت OpenStreetMap^[1] است[15]. بعد از وقوع زلزله هائیتی از همان ابتدا این سایت به جمع‌آوری داده‌های مختلف ازجمله داده‌های بحرانی پرداخت. داده های ثبت شده از ارزش بالایی برخوردار است. Ushahidi و OSM در خلال زلزله نپال نیز به جمع آوری داده های مکانی مردم گستر پرداختند[16].

در طراحی و پیاده‌سازی سیستم‌های مکانی مردم گستر رابط کاربری اهمیت فراوانی دارد. در ابتدا از وبلاگ‌ها و سایت‌هایی با محدودیت‌های فراوان استفاده می‌شد[10]. سپس از سامانه پیامکی تلفن همراه استفاده شد، که خود محدودیت‌هایی داشت. بعد از مدتی سایت‌های تحت وب با ابزار مکانی قوی‌تر استفاده شد. درنهایت از نرم‌افزارهای تحت وب که بر روی سیستم‌عامل‌های مختلف تلفن همراه قابل‌نصب بودند استفاده شد[17]. یکی از ضعف های سیستم ها و نمونه های جمع آوری داده های مکانی مردم گستر نبود آمادگی قبل از وقوع بحران است. پیش از وقوع بحران، سیستم باید با توجه به نوع بحران و شرایط بومی هر منطقه، طراحی و مدلسازی شود.

هدف این تحقیق طراحی و پیاده سازی سیستم جمع آوری اطلاعات مکانی مردم گستر در موقع زلزله در شهر تهران است. نیاز به ارسال داده ها با ساختار استاندارد به‌جای ارسال یک متن یا اظهارنظر کلی و آزادانه کاملا محسوس است. ساختار استاندارد با توجه به شرایط بحرانی موجود کمک شایانی در صرفه‌جویی در وقت، دسته بندی بهتر داده ها و راحتی می‌کند. از طرفی استفاده از تجهیزات هوشمند همواره بهترین انتخاب در شرایط بحرانی به حساب می آید. همچنین باید با توجه به شرایط محیطی موجود تمام سناریوهایی که امکان رخ دادن آن ها وجود دارد، مورد بررسی قرار گیرد. بنابراین، هدف این تحقیق ارایه سیستمی است که تمامی سناریوها را در نظر گیرد و نیز بهبودی در قابلیت ها و سادگی استفاده برای کاربر را بهبود بخشد.

[1] www.openstreetmap.org

 

روش مطالعه اطلاعات مکانی مردمی

تهیه سیستمی که بتواند در هنگام زلزله کارایی مناسبی داشته باشد، نیازمند مطالعه و برنامه ریزی دقیق است. در شکل 1 می توان برنامه ریزی و اولویت زمانی هر برنامه را مشاهده کرد. اعداد درون دایره اولویت آن است.

 

 

شکل 1: مراحل برنامه ریزی و اولویت ها

مطالعه VGI برای اجرای آن در تهران

تهران بزرگ‌ترین شهر و پایتخت ایران است. بیست و پنجمین شهر پرجمعیت جهان به شمار می‌آید. تراکم جمعیت در تهران بین ده هزار و هفت‌صد تا بیش از یازده هزار تن در هر کیلومتر مربّع برآورد می‌شود که بنابر آمار بیستمین شهر پرتراکم جهان است. در شکل 2 می توان موقعیت شهر تهران را مشاهده کرد.

تهران ازلحاظ موقعیت زمین‌شناختی بر روی گُسل‌های فعالی قرارگرفته که باعث رانش زمین و زمین‌لرزه می‌شوند[18].  بسیاری از ساختمان‌ها و آپارتمان‌های تهران کیفیت ساخت‌ پائینی دارند. از طرفی شبکه حمل و نقل شهری و راه های ورودی و خروجی در تهران اکثرا دارای ترافیک سنگین است. از این ‌رو به گفته بسیاری از کارشناسان در صورت وقوع زلزله در تهران، بسیار پر تلفات خواهد بود.

 

 

شکل 2: شهر تهران

طراحی و مدلسازی

عوامل زیادی در طراحی و مدلسازی سیستم های جمع‌آوری داده‌های مکانی مردم گستر تاثیر گذارند. بدون بررسی تمامی عوامل دخیل در سیستم، سامانه عملکرد مناسبی نخواهد داشت[19]. با توجه به شرایط اضطراری بعد از بحران و شوک حاصل از آن، سیستم جمع‌آوری داده‌های مکانی مردم گستر تا جای ممکن باید ساده، روان، سامانمند و دارای استاندارد باشد. مردم باید بعد از ورود به سیستم با نگاه به یکی از دسته‌های موجود به‌راحتی گزارش خود را ارسال کنند. دسته‌بندی‌ها باید طوری انتخاب شوند که افراد در انتخاب نوع گزارش دچار سردرگمی نشوند و از طرفی شامل تمامی شرایط موجود زلزله باشد. همچنین شرایط بومی منطقه نیز مدنظر قرارگرفته شود.

 

شکل 3: نمودار طبقه بندی اطلاعات موجود در سیستم

همانطور که در شکل 3 دیده می شود، موجود در سیستم به سه دسته کلی تقاضا، اطلاع رسانی و دریافت اطلاعات تقسیم می شود. دسته اطلاع رسانی خود، به پنج زیر دسته تقسیم شده است. این طبقه بندی ها برای آسان سازی انتخاب، در زمان تنش زای زلزله انجام شده است.

هر کدام از گزارشات موجود در سیستم علاوه بر مختصات مکانی نیازمند داده های توصیفی هستند. داده های توصیفی ما شامل توضیحات کاربر، عکس، تعداد، طبقه بندی و میزان است. اطلاعات توصیفی هر گزارش به صورت عدد در زیر آن نمایش داده شده است. فرض کنید، فردی قصد دارد، شیوع بیماری عفونی را گزارش کند. او می تواند علاوه بر مکان، عکس، تعداد افراد مبتلا، طبقه بندی از نوع بیماری، میزان وخامت بیماران و همچنین توضیحاتی شخصی را ارسال کند. این توضیحات براساس سناریو های موجود طراحی شده است. کاربر می تواند با انتخاب یکی از سناریو ها کار خود را ساده تر کند.

 

شکل 4: جهت ارسال داده ها در هر دسته کلی سیستم

در شکل 4 جهت ارسال داده ها در هر کدام از دسته ها دیده می شود. اطلاع رسانی شامل جریانی از داده ها است؛ که مردم به ستاد بحران ارسال می کنند. دریافت اطلاعات جریانی از اطلاعات است؛ که ستاد مدیریت بحران به مردم منتقل شود. همچنین تقاضای امکانات شامل داده هایی از طرف مردم است که درخواست امکانات و خدماتی را دارند؛ که ارائه دهنده آن ستاد مدیریت بحران است. ارائه این امکانات وظیفه مدیران بحران است. امکانات به صورت دایره ای در کنترل مدیرت بحران نمایش داده شده است.

 

شکل 5: مدلی از اجزا سیستم پیشنهادی

شکل 5 ارتباط بین مردم، ستاد مدیریت بحران و گروه‌های امدادی را نمایش می‌دهد. در این شکل هر بیضی نمایشی از یک هدف است. خطوط جهت‌دار رابطهء بین افراد و اهداف را مشخص می‌کند. مردم همراه با مختصات جغرافیایی خود اطلاعات توصیفی به پایگاه داده مکانی ارسال می کنند. ستاد مدیریت بحران نیز اطلاعیه ها و نقاط ایمن و عرضه خدمات را برای مردم ارسال می کند. اطلاعات ارسال شده توسط مردم بعد از تقسیم بندی به گروه های امدادی ارسال می شود. افرادی که در سیستم گزارش ارسال کرده اند، در پایگاه داده ذخیره می شود. سپس نزدیکان و اقوام این فرد می توانند از زنده بودنش اطمینان حاصل کنند.

اختصاصی سازی سیستم با شرایط محیطی

همه جوانب کار در طراحی رابط کاربری باید بررسی شود. شرایط اضطراری باعث یک سری محدودیت ها می شود[20]. به عنوان مثال ابزار جمع آوری اطلاعات باید قابل حمل باشد یا حجم داده های تبادل شده کم باشد. در شکل 6 شرایط و محدودیت ها و راه حل های که در نظر گرفته شده است، دیده می شود. این شرایط و محدودیت ها که با دایره نمایش داده شده، در چهار سطح مورد بررسی قرار می گیرند. در ابتدا ویژگی های ابزار جمع آوری اطلاعات بررسی می شود. بعد ویژگی های سیستم عامل و سرور و پایگاه داده ارزیابی می شود. سپس خصوصیات برنامه و در انتها خصوصیات رابط کاربری مورد بررسی قرار می گیرد.

 

شکل 6: شرایط و محدودیت ها و راه حل های اجرا شده برای آن ها

بررسی مباحث مرتبط به تحلیل مدل

همانطور که در شکل 6 دیده می شود، با بررسی یک یا چند ویژگی به یک نتیجه می رسیم. این نتیجه با رنگ آبی نمایش داده شده است. در ابتدا باید ابزار جمع آوری اطلاعات در نظر مشخص می شد. از بین ابزار های موجود تجهیزات همراه هوشمند انتخاب شد. در مرحله بعد سیستم عامل، پایگاه داده و سرور مشخص شد. سیستم عامل بیشتر مردم در شهر تهران آندروید می باشد. در مرحله بعد برای بهینه سازی مصرف انرژی برنامه و دیده شدن مناسب صفحه نمایش در آفتاب، از پس زمینه سیاه برای برنامه استفاده شد. برای تبادل استاندارد و کم داده بین کاربر و سرور از قالب GeoJSON که یک فرمت شناخته شده است، استفاده شد. برنامه باید در زمان عدم اتصال به شبکه داده ها را ثبت و در موقع اتصال مجدد، داده های ثبت شده را ارسال کند. این کار توسط هماهنگ ساز خودکار انجام می شود. از طرفی برنامه باید برای اکثر تجهیزات همراه آندرویدی استفاده شود. پس سعی شد با کاهش امکانات غیر ضروری، نسخه 2.2 تا 6 آندروید پوشش داده شود. در مرحله آخر کار با برنامه باید ساده، آسان و بدون اتلاف وقت باشد. برای این منظور سعی شد، برنامه تا حد امکان سیستماتیک باشد؛ یعنی داده ها طبقه بندی مناسب داشته باشند، جملات آماده مربوط به شرایط هر گزارش با انتخاب کاربر ارسال گردد.

بحث در خصوص اجرای مدل مردم گستر برای تهران

با نگاهی به پیشینه تحقیق حاضر به وجود سه دسته کلی از انواع سیستم‌های اطلاعات مردم گستر در مدیریت بحران پی می‌بریم. اولین دسته پژوهش‌هایی است؛ که با استفاده از نظرات مردم در یک شبکه اجتماعی به تهیه نقشه از بحران می‌پردازد[10, 21, 22]. اگرچه این داده‌های مکانی از مردم به دست می‌آید، ولی در داوطلبانه بودن آن تردید است. بهترین مثال برای دسته دوم پروژه هائیتی OSM است[23].

نقشه زیرساخت‌های هائیتی کامل نبود. از مردم خواسته شد تا در تکمیل این نقشه‌ها کمک کنند. در اینجا هدف اصلی تکمیل نقشه‌های زیرساخت بود. آخرین دسته پروژه‌هایی است، که به‌صورت هدفمند به جمع‌آوری داده‌های عوارض می‌پردازد[13]. این عوارض در زمان بحران اهمیت زیادی دارند. مثلاً خیابان‌ها تا زمانی که در مدیریت بحران اهمیت پیدا نکنند، عوارض مهمی به‌حساب نمی‌آیند. تحقیق حاضر نوعی از دسته سوم محسوب می‌شود. که علاوه بر جانمایی عوارض مهم در زمان بحران زلزله، برای شهر تهران اختصاصی سازی شده است.

نتیجه اجرای مدل چه خواهد شد؟

یکی از مهم‌ترین مزیت‌های سیستم‌های اطلاعات مردم گستر در مدیریت بحران، آمادگی قبل از وقوع بحران است. سیستم‌هایی که نیاز به چند روز راه‌اندازی دارند، داده‌های مفیدی را از دست خواهند داد. عملکرد سیستم آماده بسیار بالا خواهد بود. با توجه به ارزش بالای زمان در شرایط اضطراری، استفاده از فرم‌های آماده‌شده از قبل، بسیار ارزشمند خواهد بود. در این پژوهش با استفاده از طبقه‌بندی داده‌ها و تعریف سناریوهای مختلف این کار صورت گرفته است. از طرفی داده‌ها با استفاده از فرمت GeoJSON به‌صورت آنلاین قابل‌نمایش است.

شبکه‌های مخابراتی در موقع زلزله قابل‌اتکا نیستند. احتمال تخریب آن‌ها وجود دارد. همچنین در هنگام وقوع بلایای طبیعی معمولاً شاهد حجم زیاد ترافیک بر روی این شبکه‌ها هستیم. البته یکی از وظایف مدیران بحران ایجاد شبکه‌هایی است؛ که در موقع بحران کارایی خود را حفظ کنند. سنجنده GPS موجود در تجهیزات همراه هوشمند به دیدمستقیم به آسمان برای به دست آوردن مختصات دارند. مسلماً فردی که زیر آوار مانده است، نمی‌تواند مختصات خود را ارسال کند و یا حتی به شبکه متصل شود. هدف این سیستم جمع‌آوری اطلاعات از افرادی است؛ که گرفتار نیستند. این افراد با مشاهده شرایط خاص موجود، به ارائه گزارش می‌پردازند.

با توجه به اهمیت فراوان مدیریت بحران کشورهای مختلف ستادهای مدیریت بحران ایجاد کرده‌اند. وظیفه این ستادها آمادگی برای مقابله در برابر بحران‌های مختلف و مدیریت بعد از وقوع بحران است. سیستم‌های اطلاعات مردم گستر کمک زیادی به تصمیم‌گیری این ستاد می‌تواند بکند. همچنین این سیستم‌ها برای اطلاع از زنده‌بودن نزدیکان و اقوام کاربرد دارد. با پیشرفت‌های حاصل درزمینهٔ تجهیزات هوشمند پوشیدنی و هوش مصنوعی به‌احتمال در آینده شاهد ابزارهایی خواهیم بود؛ که به‌صورت سامانمند داده‌های محیطی را ثبت و ارسال خواهند کرد. از طرفی قابلیت اجرای این سیستم‌ها روی ربات‌های امدادگر نیز وجود دارد؛ که مسلماً ابزاری بسیار کارا خواهند بود.

 

 

منابع

 

1. Müller, W.G., Collecting spatial data: optimum design of experiments for random fields. 2007: Springer Science & Business Media.
2. Lemmens, M., Geo-information: technologies, applications and the environment. Vol. 5. 2011: Springer Science & Business Media.
3. Coleman, D., B. Sabone, and J. Nkhwanana, Volunteering geographic information to authoritative databases: Linking contributor motivations to program characteristics. Geomatica, 2010. 64(1): p. 27-40.
4. Goodchild, M.F., Geographic information systems and science: today and tomorrow. Annals of GIS, 2009. 15(1): p. 3-9.
5. Goodchild, M.F., Citizens as sensors: the world of volunteered geography. GeoJournal, 2007. 69(4): p. 211-221.
6. Genovese, E. and S. Roche, Potential of VGI as a resource for SDIs in the North/South context. Geomatica, 2010. 64(4): p. 439-450.
7. Middleton, S.E., L. Middleton, and S. Modafferi, Real-time crisis mapping of natural disasters using social media. Intelligent Systems, IEEE, 2014. 29(2): p. 9-17.
8. Boulos, M.N.K., et al., Crowdsourcing, citizen sensing and sensor web technologies for public and environmental health surveillance and crisis management: trends, OGC standards and application examples. International journal of health geographics, 2011. 10(1): p. 67.
9. Li, L. and M.F. Goodchild, The role of social networks in emergency management: a research agenda. Managing Crises and Disasters with Emerging Technologies: Advancements: Advancements, 2012: p. 245.
10. Xu, C., Exploring Volunteered Geographic Information (VGI) for Emergency Management: Toward a Wiki GIS Framework. 2010, Texas A&M University.
11. Lin, W., When Web 2.0 meets public participation GIS (PPGIS): VGI and spaces of participatory mapping in China, in Crowdsourcing Geographic Knowledge. 2013, Springer. p. 83-103.
12. Latonero, M. and I. Shklovski, Emergency management, Twitter, and social media evangelism. Latonero, M. & Shklovski, I.(2011). Emergency management, Twitter, & Social Media Evangelism. International Journal of Information Systems for Crisis Response and Management, 2011. 3(4): p. 67-86.
13. Morrow, N., et al., Independent evaluation of the Ushahidi Haiti Project. Development Information Systems International Ushahidi Haiti Project. 2011.
14. Heinzelman, J. and C. Waters, Crowdsourcing crisis information in disaster-affected Haiti. United States Institute of Peace, Special Report. 2010.
15. Mooney, P., P. Corcoran, and A.C. Winstanley. Towards quality metrics for OpenStreetMap. in Proceedings of the 18th SIGSPATIAL international conference on advances in geographic information systems. 2010. ACM.
16. Poiani, T.H., et al., Potential of Collaborative Mapping for Disaster Relief: A Case Study of OpenStreetMap in the Nepal Earthquake 2015.
17. Gao, H., G. Barbier, and R. Goolsby, Harnessing the crowdsourcing power of social media for disaster relief. IEEE Intelligent Systems, 2011(3): p. 10-14.
18. Berberian, M. and R.S. Yeats, Patterns of historical earthquake rupture in the Iranian Plateau. Bulletin of the Seismological Society of America, 1999. 89(1): p. 120-139.
19. Qiang, L., G. Yuan, and C. Ying. Study on disaster information management system compatible with VGI and crowdsourcing. in Advanced Research and Technology in Industry Applications (WARTIA), 2014 IEEE Workshop on. 2014. IEEE.
20. Jain, A., et al., Mobile Application Development for Crisis Data. Procedia Engineering, 2015. 107: p. 255-262.
21. Merino Egea, M., Ushahidi. DisTecD. Diseño y Tecnología para el Desarrollo, 2014(2): p. 19-34.
22. Ostermann, F. and L. Spinsanti, Context analysis of volunteered geographic information from social media networks to support disaster management: a case study on forest fires. International Journal of Information Systems for Crisis Response and Management (IJISCRAM), 2012. 4(4): p. 16-37.
23. Ortmann, J., et al. Crowdsourcing linked open data for disaster management. in Proceedings of the Terra Cognita Workshop on Foundations, Technologies and Applications of the Geospatial Web in conjunction with the ISWC. 2011. Citeseer.

 

 

 

کلید واژه ها : crisis mapping , Volunteered geographic information , modeling

 

 

[1] www.openstreetmap.org