Kỹ thuật phân cụm dữ liệu không gian có ràng buộc

ĐẠI HỌC THÁI NGUYÊN
TRƯỜNG ĐẠI HỌC CÔNG NGHỆ THÔNG TIN VÀ TRUYỀN THÔNG

CHU THỊ HẢO

KỸ THUẬT PHÂN CỤM DỮ LIỆU
KHÔNG GIAN CÓ RÀNG BUỘC

LUẬN VĂN THẠC SĨ KHOA HỌC MÁY TÍNH

THÁI NGUYÊN, 2017


ĐẠI HỌC THÁI NGUYÊN
TRƯỜNG ĐẠI HỌC CÔNG NGHỆ THÔNG TIN VÀ TRUYỀN THÔNG

CHU THỊ HẢO

KỸ THUẬT PHÂN CỤM DỮ LIỆU
KHÔNG GIAN CÓ RÀNG BUỘC
Chuyên ngành: Khoa học máy tính
Mã số: 60 48 01 01

LUẬN VĂN THẠC SĨ KHOA HỌC MÁY TÍNH

Người hướng dẫn khoa học: PGS.TS. ĐẶNG VĂN ĐỨC

THÁI NGUYÊN, 2017


i

MỤC LỤC
MỞ ĐẦU .......................................................................................................... 1
Chương 1. TỔNG QUAN VỀ KHAI PHÁ DỮ LIỆU VÀ DỮ LIỆU
KHÔNG GIAN ................................................................................................ 4
1.1. Khai phá dữ liệu ......................................................................................... 4
1.1.1. Một số khái niệm ..................................................................................... 4
1.1.2. Quá trình khai phá dữ liệu....................................................................... 4
1.1.3. Các kỹ thuật khai phá dữ liệu.................................................................. 7
1.2. Dữ liệu không gian địa lý ........................................................................... 9
1.3. Hệ thống thông tin địa lý và ứng dụng..................................................... 10
1.3.1. Một số định nghĩa về hệ thông tin địa lý .............................................. 11
1.3.2. Mô hình biểu diễn dữ liệu địa lý không gian ........................................ 14
1.3.3. Quan hệ không gian giữa các đối tượng địa lý ..................................... 20
1.4. Khái niệm và mục tiêu của Phân cụm dữ liệu ......................................... 20
1.5. Kết luận .................................................................................................... 23
Chương 2. MỘT SỐ KỸ THUẬT PHÂN CỤM DỮ LIỆU KHÔNG GIAN...24
2.1. Phương pháp phân cụm theo phân hoạch ............................................... 24
2.2. Phương pháp phân cụm dựa trên mật độ ................................................. 26
2.3. Phương pháp phân cụm dựa trên lưới ...................................................... 32
2.4. Phương pháp phân cụm dữ liệu ràng buộc............................................... 35
2.4.1. Thuật toán phân cụm dữ liệu không gian .............................................. 37
2.4.2. Thuật toán .............................................................................................. 45
2.5. Kết luận .................................................................................................... 48
Chương 3. CÀI ĐẶT VÀ THỬ NGHIỆM .................................................. 49
3.1. Phân tích bài toán ..................................................................................... 49
3.1.1. Nguồn dữ liệu đầu vào và phạm vi bài toán ......................................... 49
3.1.2. Phương pháp kỹ thuật giải quyết bài toán............................................. 50


ii

3.2. Xây dựng chương trình ứng dụng ............................................................ 51
3.2.1. Phân tích thiết kế hệ thống .................................................................... 51
3.2.2. Cài đặt chương trình .............................................................................. 52
3.3. Thử nghiệm và đánh giá các thuật toán phân cụm................................... 54
KẾT LUẬN VÀ KIẾN NGHỊ ...................................................................... 61
TÀI LIỆU THAM KHẢO ............................................................................ 62


iii
DANH MỤC CÁC BẢNG

Bảng 3.1: So sánh tổng quan các thuật toán K-means, DBSCAN và DBRS ...... 54
Bảng 3.2: Kết quả so sánh thời gian thực hiện phân cụm của các thuật toán
K-means, DBSCAN và DBRS với cùng một tập dữ liệu đầu vào...... 56
Bảng 3.3: Kết quả so sánh thời gian thực hiện phân cụm của các thuật toán
K-means, DBSCAN và DBRS trên các tập dữ liệu khác nhau ........... 57


iv
DANH MỤC CÁC HÌNH
Hình 1.1: Khai phá dữ liệu trong tập dữ liệu ....................................................... 4
Hình 1.2: Tiến trình khám phá tri thức từ cơ sở dữ liệu ..................................... 5
Hình 1.3: Kiến trúc điển hình của một hệ khai phá dữ liệu ............................... 6
Hình 1.4. Ví dụ biểu diễn vị trí trước bị ô nhiễm .............................................. 13
Hình 1.5. Ví dụ biểu diễn đường xác định bởi ranh giới các đường, có
điểm đầu trùng với điểm cuối.............................................................. 13
Hình 1.6: Ví dụ biểu diễn khu vực hành chính .................................................. 14
Hình 1.7: Biểu diễn vector của đối tượng địa lý ................................................ 18
Hình 1.8: Biểu diễn thế giới bằng mô hình raster.............................................. 19
Hình 1.9: Mô tả tập dữ liệu được phân thành 3 cụm ........................................ 21

Hình 2.1: Minh họa thuật toán k-means .............................................................. 25
Hình 2.2: Kề mật độ ................................................................................................ 27
Hình 2.3: Kết nối theo mật độ ............................................................................... 27
Hình 2.4: Hình dạng các cụm được khám phá bởi thuật toán DBSCAN ...... 28
Hình 2.5: Cấu trúc phân cấp .................................................................................. 32
Hình 2.3: Các cách mà các cụm có thể đưa ra ................................................... 36
Hình 2.6: Phân cụm các đối tượng dữ liệu ràng buộc. ..................................... 37
Hình 2.7: Phân cụm các đối tượng dữ liệu ràng buộc....................................... 40
Hình 2.8: Các đa giác đơn giản và tạo ra các đường cản trở ........................... 44
Hình 2.9: Thuật toán 1: phân cụm có các ràng buộc......................................... 47
Hình 2.10: Thuật toán 2: Mở rộng một cụm ......................................................... 47
Hình 2.11: Tìm các điểm láng giềng ...................................................................... 47
Hình 3.1: Phân cu ̣m lớp dữ liê ̣u "Khách sa ̣n-Trường học trong nô ̣i
thành Hà Nô ̣i, các vùng màu vàng là các cu ̣m tìm đươ ̣c. ............... 53


v
Hình 3.2: Hình ảnh chồng phủ (vùng màu vàng) của các cụm “Siêu thi”̣
(màu xanh) và các cu ̣m “Khách sa ̣n- Trường học” (màu đỏ).
Vùng màu vàng có thể coi là vị trí tối ưu cho việc đă ̣t địa
điể m Nhà hàng. ...................................................................................... 53
Hình 3.3: Kết quả phân cụm DBSCAN đối với dữ liệu thử nghiệm tự tạo...... 54
Hình 3.4: Khả năng phát hiện nhiễu và cụm có hình dạng bất kỳ của Kmeans (trái) và DBSCAN (phải), đường bao màu xanh là
đường biên cụm ..................................................................................... 55
Hình 3.5: Khả năng phân cụm theo thuộc tính của DBSCAN (trái) và
DBRS (phải) ........................................................................................... 55
Hình 3.5:

Đồ thị so thời gian thực hiện phân cụm của các thuật toán Kmeasn, DBSCAN và DBRS với cùng một tập dữ liệu đầu vào. ........ 57

Hình 3.6: Phân cụm tập dữ liệu DS1 ................................................................... 59
Hình 3.7: Phân cụm DS2 ........................................................................................ 60


1
MỞ ĐẦU
Hệ thống thông tin địa lý (GIS) được ứng dụng ngày càng phổ biến,
không chỉ trong lĩnh vực giám sát, quản lý, lập kế hoạch về tài nguyên môi
trường mà còn trong nhiều bài toán kinh tế xã hội khác. Kết quả là, khối
lượng dữ liệu liên quan đến địa lý, còn gọi là dữ liệu không gian thu thập
được tăng lên nhanh chóng. Một câu hỏi đặt ra là làm thế nào để tận dụng,
khai thác, khám phá, phát hiện những tri thức hữu ích từ kho dữ liệu này?
Khai phá dữ liệu là áp dụng các kỹ thuật và công cụ để trích rút các tri
thức có ích từ nguồn dữ liệu về một lĩnh vực nào đó mà ta quan tâm. Khai phá
dữ liệu với GIS hay còn gọi là khai phá dữ liệu không gian, mở rộng khai phá
dữ liệu trong các CSDL quan hệ, xét thêm các thuộc tính của dữ liệu không
gian được phản ánh trong hệ thông tin địa lý, ví dụ khoảng cách (gần kề hay
cách xa), điều kiện môi trường tự nhiên hay kinh tế xã hội (rừng núi, đồng
bằng, ven biển, đô thị, v.v…).
Các bài toán truyền thống của một hệ thông tin địa lý có thể trả lời các
câu hỏi kiểu như:
- Những con phố nào dẫn đến sân bay Tân Sân Nhất ?
- Những căn nhà nào nằm trong vùng quy hoạch mở rộng phố?
Khai phá dữ liệu không gian có thể giúp trả lời cho các câu hỏi dạng:
- Xu hướng của các dòng chảy, các đứt gãy địa tầng ?
- Nên bố trí các trạm tiếp sóng điện thoại di động như thế nào?
- Những vị trí nào là tối ưu để đặt các máy ATM, xăng dầu, nhà hàng,…?
Một trong những bài toán liên quan đến dữ liệu không gian, cụ thể là
dữ liệu địa lý có ý nghĩa thực tế cao là bài toán xác định vị trí tối ưu cho việc
đặt các cây xăng. Cả nước hiện có 374 tổng đại lý và hơn 14.000 cửa hàng

bản lẻ xăng dầu. Để xác định được vị trí đặt các trạm bán lẻ xăng dầu cần


2
phải tuân theo các quy định của Bộ Công thương, nhất là các quy định về an
toàn, phòng chống cháy nổ. Ngoài ra, cây xăng cũng phải đặt ở vị trí thuận
lợi cho việc kinh doanh đạt doanh số cao. Hoặc một bài toán khác cũng có ý
nghĩa thực tiễn rất lớn đó là xác định vị trí tối ưu để mở một nhà hàng. Hiện
nay trên địa bàn thành phố Hà Nội cũng đã có rất nhiều nhà hàng, quán ăn
đã được mở ra. Nhưng không phải tất cả các nhà hàng, quán ăn đó đều có
thể cho doanh thu tốt. Có khi có nhà hàng mới mở ra được một thời gian
ngắn đã phải đóng cửa vì không có khách dẫn đến chủ đầu tư phải chịu thua
lỗ nặng. Một trong những nguyên nhân chính dẫn đến thất bại đó là địa điểm
kinh doanh chưa hợp lý. Một vị trí tối ưu cho việc mở nhà hàng, quán ăn thì
vị trí đó phải thỏa mãn một số yếu tố sau: nằm trong khu vực đông dân cư,
gần nhiều cơ quan công sở hay trường học, có khu vực để xe, có quang cảnh
xung quanh thoáng mát...các vấn đề này đã được rất nhiều các đề tài nghiên
cứu tuy nhiên với những vị trí phức tạp có các ngăn cách con sông hay cây
cầu v.v… thì cần phải có những đánh giá chính xác hơn nữa.
Xuất phát từ nhu cầu thực tế đó và do đặc thù, khả năng ứng dụng rất
phong phú của kỹ thuật phân cụm dữ liệu trong không gian nên em đã chọn
nghiên cứu đề tài kỹ thuật phân cụm dữ liệu không gian có ràng buộc làm
luận văn tốt nghiệp cao học.
Trên cơ sở đó cài đặt thử nghiệm một ứng dụng sử dụng kỹ thuật phân
cụm dữ liệu không gian, trong đó khai thác thông tin địa lý của các đối tượng
để hỗ trợ giải quyết bài toán ví dụ như tìm vị trí tối ưu đặt nhà hàng.
Luận văn được chia thành các chương mục sau
- Chương 1: Tổng quan về khai phá dữ liệu và dữ liệu không gian
- Chương 2: Một số kỹ thuật phân cụm dữ liệu không gian
- Chương 3: Xây dựng chương trình thử nghiệm, kết luận, đánh giá

3
Luận văn này được hoàn thành dưới sự hướng dẫn tận tình của PGS.TS
Đặng Văn Đức, em xin bày tỏ lòng biết ơn chân thành của mình đối với thầy.
Em xin chân thành cảm ơn các thầy, cô giáo Viện Công nghệ thông tin,
Trường Đại học Công nghệ thông tin và Truyền thông - Đại học Thái
Nguyên đã tham gia giảng dạy, giúp đỡ em trong suốt qúa trình học tập nâng
cao trình độ kiến thức. Tuy nhiên vì điều kiện thời gian và khả năng có hạn
nên luận văn không thể tránh khỏi những thiếu sót. Em kính mong các thầy cô
giáo và các bạn đóng góp ý kiến để đề tài được hoàn thiện hơn


4
Chương 1
TỔNG QUAN VỀ KHAI PHÁ DỮ LIỆU VÀ DỮ LIỆU KHÔNG GIAN

1.1. Khai phá dữ liệu
1.1.1. Một số khái niệm
Khai phá dữ liệu được dùng để mô tả quá trình phát hiện ra tri thức
trong CSDL. Khai phá dữ liệu làm giảm chi phí về thời gian so với phương
pháp truyền thống trước kia (ví dụ như phương pháp thống kê).
Hình 1.1 minh họa đơn giản và trực quan cho khái niệm này.

Hình 1.1: Khai phá dữ liệu trong tập dữ liệu [5]
Khám phá tri thức trong CSDL là lĩnh vực liên quan đến nhiều ngành như:
Tổ chức dữ liệu, xác suất, thống kê, lý thuyết thông tin, học máy, CSDL, thuật
toán, trí tuệ nhân tạo, tính toán song song và hiệu năng cao. Các kỹ thuật chính
áp dụng trong khám phá tri thức phần lớn được thừa kế từ các ngành này.
1.1.2. Quá trình khai phá dữ liệu

Một số nhà khoa học xem khai phá dữ liệu là một cách gọi khác của
một thuật ngữ rất thông dụng: Khám phá tri thức từ cơ sở dữ liệu (Knowledge
Discovery in Database- KDD). Mặt khác, khi chia các bước trong quá trình
khám phá tri thức, một số nhà nghiên cứu lại cho rằng, KPDL chỉ là một bước
trong quá trình khám phá tri thức [5].


5
Như vậy, khi xét ở mức tổng quan thì hai thuật ngữ này là tương đương
nhau, nhưng khi xét cụ thể thì KPDL được xem là một bước trong quá trình
khám phá tri thức.
Nhìn chung, khai phá dữ liệu hay khám phá tri thức từ cơ sở dữ liệu
bao gồm các bước sau [4]:

Hình 1.2: Tiến trình khám phá tri thức từ cơ sở dữ liệu
Trích chọn dữ liệu: Là quá trình trích lọc một lượng dữ liệu phù hợp,
cần thiết từ tập dữ liệu lớn (cơ sở dữ liệu tác nghiệp, kho dữ liệu)…
Tiền xử lý dữ liệu: Là bước làm sạch dữ liệu (xử lý dữ liệu không đầy
đủ, dữ liệu nhiễu, ngoại lai, dữ liệu không nhất quán…), rút gọn dữ liệu (lấy
mẫu dữ liệu, lượng tử hóa…), rời rạc hóa dữ liệu. Kết quả sau bước này là dữ
liệu có tính nhất quán, đầy đủ, được rút gọn và được rời rạc hóa.
Chuyển đổi dữ liệu: Là bước chuẩn hóa khuôn dạng và làm mịn dữ
liệu, nhằm đưa dữ liệu về dạng thuận lợi nhất để phục vụ cho việc áp dụng
các giải thuật khai phá dữ liệu ở bước sau.
Khai phá dữ liệu: Sử dụng các phương pháp, kỹ thuật, các thuật toán để
trích lọc ra mẫu có ý nghĩa cùng với các tri thức, quy luật, biểu thức mô tả
mối quan hệ của dữ liệu trong một khía cạnh nào đó. Đây là bước quan trọng
và tốn nhiều thời gian nhất của toàn bộ tiến trình KDD.

6
Đánh giá và biểu diễn tri thức: Trình bày các tri thức, quy luật, biểu thức
có ý nghĩa đã tìm được ở bước trước dưới các dạng thức gần gũi, dễ hiểu đối với
người sử dụng như đồ thị, biểu đồ, cây, bảng biểu, luật…Đồng thời đưa ra những
đánh giá về tri thức khám phá được theo những tiêu chí nhất định.
Trong giai đoạn khai phá dữ liệu, có thể cần sự tương tác của con người
để điều chỉnh cách thức và kỹ thuật sử dụng trong khai phá, nhằm thu được tri
thức phù hợp nhất.
Dựa trên các bước của quá trình khai phá dữ liệu như trên, kiến trúc điển
hình của một hệ khai phá dữ liệu có thể bao gồm các thành phần như sau:

Hình 1.3: Kiến trúc điển hình của một hệ khai phá dữ liệu


7
1.1.3. Các kỹ thuật khai phá dữ liệu
Trong thực tế có nhiều kỹ thuật khai phá dữ liệu khác nhau nhằm thực
hiện hai chức năng mô tả và dự đoán.
Kỹ thuật khai phá dữ liệu mô tả: có nhiệm vụ mô tả các tính chất hoặc
các đặc tính chung của dữ liệu trong CSDL hiện có. Một số kỹ thuật khai
phá trong nhóm này là: phân cụm dữ liệu (Clustering), tổng hợp
(Summarisation), trực quan hoá (Visualization), phân tích sự tiến hóa
(Evolution and deviation analyst),….
Kỹ thuật khai phá dữ liệu dự đoán: có nhiệm vụ đưa ra các dự đoán
dựa vào các suy diễn trên cơ sở dữ liệu hiện thời. Một số kỹ thuật khai phá
trong nhóm này là: phân lớp (Classification), hồi quy (Regression), cây
quyết định (Decision tree), thống kê (statictics), mạng nơron (neural
network), luật kết hợp,….
Một số kỹ thuật phổ biến [1],[3],[5] thường được sử dụng để khai phá
dữ liệu hiện nay là:

1.1.3.1. Phân lớp dữ liệu
Mục tiêu của phân lớp dữ liệu đó là dự đoán nhãn lớp cho các mẫu dữ
liệu. Quá trình gồm hai bước: xây dựng mô hình, sử dụng mô hình để phân
lớp dữ liệu (mỗi mẫu 1 lớp). Mô hình được sử dụng để dự đoán nhãn lớp khi
mà độ chính xác của mô hình chấp nhận được.
1.1.3.2. Phân cụm dữ liệu
Mục tiêu của phân cụm dữ liệu là nhóm các đối tượng tương tự nhau
trong tập dữ liệu vào các cụm, sao cho các đối tượng thuộc cùng một cụm là
tương đồng.
Trong luận này tác giả đã sử dụng kỹ thuật phân cụm và thuật toán
DBSCAN DBCLUC tìm vị trí thích hợp để đặt nhà hàng. Vì vậy kỹ thuật
này và các thuật toán có liên quan sẽ được trình bày trong chương II.


8
1.1.3.3. Khai phá luật kết hợp
Mục tiêu của phương pháp này là phát hiện và đưa ra các mối liên hệ
giữa các giá trị dữ liệu trong cơ sở dữ liệu. Đầu ra của giải thuật luật kết
hợp là tập luật kết hợp tìm được. Phương pháp khai phá luật kết hợp gồm
có hai bước:
Bước 1: Tìm ra tất cả các tập mục phổ biến. Một tập mục phổ biến
được xác định thông qua tính độ hỗ trợ và thoả mãn độ hỗ trợ cực tiểu.
Bước 2: Sinh ra các luật kết hợp mạnh từ tập mục phổ biến, các luật
phải thoả mãn độ hỗ trợ và độ tin cậy cực tiểu.
1.1.3.4. Hồi quy
Phương pháp hồi quy tương tự như là phân lớp dữ liệu. Nhưng khác ở
chỗ nó dùng để dự đoán các giá trị liên tục còn phân lớp dữ liệu dùng để dự
đoán các giá trị rời rạc.
1.1.3.5. Mạng nơ-ron (neural network)
Đây là một trong những kỹ thuật KPDL được ứng dụng phổ biến hiện

nay. Kỹ thuật này phát triển dựa trên một nền tảng toán học vững vàng, khả
năng huấn luyện trong kỹ thuật này dựa trên mô hình thần kinh trung ương
của con người.
Kết quả mà mạng nơ-ron học được có khả năng tạo ra các mô hình dự
báo, dự đoán với độ chính xác và độ tin cậy cao. Nó có khả năng phát hiện ra
được các xu hướng phức tạp mà kỹ thuật thông thường khác khó có thể phát
hiện ra được. Tuy nhiên phương pháp neural network rất phức tạp và quá trình
tiến hành nó gặp rất nhiều khó khăn: đòi hỏi mất nhiều thời gian, nhiều DL,
nhiều lần kiểm tra thử nghiệm.
1.1.3.6. Cây quyết định
Kỹ thuật cây quyết định là một công cụ mạnh và hiệu quả trong việc
phân lớp và dự báo. Các đối tượng DL được phân thành các lớp. Các giá trị
của đối tượng DL chưa biết sẽ được dự đoán, dự báo. Tri thức được rút ra


9
trong kỹ thuật này thường được mô tả dưới dạng tường minh, đơn giản, trực
quan, dễ hiểu đối với người sử dụng. Trong những năm qua, nhiều mô hình
phân lớp DL đã được các nhà khoa học trong nhiều lĩnh vực khác nhau đề
xuất, nhưng kỹ thuật cây quyết định với những ưu điểm của mình được đánh
giá là một công cụ mạnh, phổ biến và đặc biệt thích hợp cho DM nói chung
và phân lớp dữ liệu nói riêng.
1.2. Dữ liệu không gian địa lý
Khái niệm
- Đối tượng địa lý: Trên bản đồ, các đối tượng như trạm xe bus, bến tàu,
trạm xăng là các thực thể dữ liệu quản lý, còn được gọi là đối tượng địa lý. Một
trạm xăng trên bản đồ là một thể hiện cụ thể của đối tượng địa lý trạm xăng.
- Dữ liệu địa lý và cơ sở dữ liệu địa lý: Dữ liệu địa lý là thông tin về các đối
tượng địa lý được mã hóa trong máy tính. Cơ sở dữ liệu địa lý là một tập hợp các
dữ liệu địa lý có chuẩn cấu trúc được lưu trữ trên máy tính và các thiết bị lưu

trữ thông tin khác, có thể thỏa mãn yêu cầu khai thác thông tin đồng thời của
nhiều người sử dụng hay nhiều chương trình ứng dụng với nhiều mục đích
khác nhau.
- Dữ liệu không gian và dữ liệu phi không gian: Một đối tượng địa lý
chứa các thông tin dữ liệu không gian và dữ liệu phi không gian.
+ Dữ liệu không gian: Dữ liệu không gian được sử dụng theo nghĩa
rộng bao gồm các điểm đa chiều, các đường thẳng, hình khối,...và các đối
tượng hình học nói chung. Mỗi đối tượng này chiếm một vùng không gian
được đặc trưng bởi hai thuộc tính vị trí và biên. Trong luận văn, khái niệm dữ
liệu không gian được hiểu đơn giản hơn, dữ liệu không gian mô tả các đối
tượng địa lý được thể hiện dưới dạng hình học, được quản lý bằng hình thể và
được biểu diễn dưới ba dạng đối tượng cơ bản là điểm, đường, vùng.
+ Dữ liệu phi không gian: Một đối tượng địa lý ngoài các thuộc tính
không gian còn có các thông tin thuộc tính khác. Ví dụ con đường có thể có


10
các thông tin như tên đường, độ rộng, chất liệu làm đường, đơn vị quản lý,
thời gian đưa vào sử dụng, ... Các thuộc tính này gọi là các thông tin thuộc
tính phi không gian (dữ liệu phi không gian). Dữ liệu phi không gian đôi khi
gọi tắt là dữ liệu thuộc tính.
- Hệ thống GIS: Khi đề cập đến dữ liệu địa lý, hệ thống thông tin địa lý
(Geographic Information System - gọi tắt là GIS) thường được nhắc đến bởi
GIS sử dụng dữ liệu địa lý. GIS được hình thành vào những năm 1960 và phát
triển mạnh trong 10 năm lại đây. Xét dưới góc độ hệ thống, GIS có thể được
hiểu như một hệ thống gồm các thành phần: phần cứng, phần mềm, dữ liệu và
con người (người dùng và các quy định, chính sách liên quan đến duy trì, phát
triển hệ thống).
Một cách đơn giản, có thể hiểu GIS như một sự kết hợp giữa bản đồ
(map) và cơ sở dữ liệu (database).

GIS = Bản đồ + Cơ sở dữ liệu
Bản đồ trong GIS là một công cụ hữu ích cho phép chỉ ra vị trí của từng
địa điểm. Với sự kết hợp giữa bản đồ và cơ sở dữ liệu, người dùng có thể xem
thông tin chi tiết về từng đối tượng/thành phần tương ứng với địa điểm trên
bản đồ thông qua các dữ liệu đã được lưu trữ trong cơ sở dữ liệu. Ví dụ, khi
xem bản đồ về các thành phố, người dùng có thể chọn một thành phố để xem
thông tin về thành phố đó như diện tích, số dân, thu nhập bình quân, số
quận/huyện của thành phố,
1.3. Hệ thống thông tin địa lý và ứng dụng
Khái niệm Địa lý (Geography) đề cập lĩnh vực nghiên cứu mô tả Trái
đất (Geo-Earth). Ngày nay, khái niệm này và khái niệm Không gian (Space)
được sử dụng thay thế nhau trong một số trường hợp. Tuy nhiên, về mặt bản
chất thì Địa lý là tập các mô tả về không gian (hai chiều), khí quyển (ba
chiều), … của Trái đất. Còn không gian cho phép mô tả bất kỳ cấu trúc đa
chiều nào, không quan tâm đến vị trí địa lý của nó. Như vậy có thể coi Địa lý
như là một phần cấu trúc nhỏ trong tập cấu trúc Không gian.


11
Khi mô tả Trái đất, các nhà địa lý luôn đề cập đến quan hệ không gian
(spatial relationship) của các đối tượng trong thế giới thực. Mối quan hệ này
được thể hiện thông qua các bản đồ (map) trong đó biểu diễn đồ họa của tập
các đặc trưng trừu tượng và quan hệ không gian tương ứng trên bề mặt trái
đất, ví dụ: bản đồ dân số biểu diễn dân số tại từng vùng địa lý.
Dữ liệu bản đồ còn là loại dữ liệu có thể được số hóa. Để lưu trữ và
phân tích các số liệu thu thập được, cần có sự trợ giúp của hệ thông tin địa lý
(Geographic Information System-GIS).
1.3.1. Một số định nghĩa về hệ thông tin địa lý
Có nhiều cách diễn giải khác nhau cho từ viết tắt GIS, tuy nhiên các
cách diễn giải đó đều mô tả việc nghiên cứu các thông tin địa lý và các khía

cạnh khác liên quan.
GIS cũng giống như các hệ thống thông tin khác, có khả năng nhập, tìm
kiếm và quản lý các dữ liệu lưu trữ, để từ đó đưa ra các thông tin cần thiết cho
người sử dụng. Ngoài ra, GIS còn cho phép lập bản đồ với sự trợ giúp của
máy tính, giúp cho việc biểu diễn dữ liệu bản đồ tốt hơn so với cách truyền
thống. Dưới đây là một số định nghĩa GIS hay dùng [1]:
Định nghĩa của dự án The Geographer's Craft, Khoa Địa lý, Trường
Đại học Texas: GIS là cơ sở dữ liệu số chuyên dụng trong đó hệ trục tọa độ
không gian là phương tiện tham chiếu chính. GIS bao gồm các công cụ để
thực hiện những công việc sau:
- Nhập dữ liệu từ bản đồ giấy, ảnh vệ tinh, ảnh máy bay, số liệu điều tra
và các nguồn khác.
- Lưu trữ dữ liệu, khai thác, truy vấn cơ sở dữ liệu.
- Biến đổi dữ liệu, phân tích, mô hình hóa, bao gồm cả dữ liệu thống kê
và dữ liệu không gian.
- Lập báo cáo, bao gồm bản đồ chuyên đề, bảng biểu, biểu đồ và kế hoạch.
Từ định nghĩa trên, ta thấy: Thứ nhất, GIS có quan hệ với ứng dụng cơ
sở dữ liệu. Thông tin trong GIS đều liên kết với tham chiếu không gian và
GIS sử dụng tham chiếu không gian như phương tiện chính để lưu trữ và truy
nhập thông tin. Thứ hai, GIS là công nghệ tích hợp, cung cấp các khả năng


12
phân tích như phân tích ảnh máy bay, ảnh vệ tinh hay tạo lập mô hình thống
kê, vẽ bản đồ... Cuối cùng, GIS có thể được xem như một hệ thống cho phép
trợ giúp quyết định. Cách thức nhập, lưu trữ, phân tích dữ liệu trong GIS phải
phản ánh đúng cách thức thông tin sẽ được sử dụng trong công việc lập quyết
định hay nghiên cứu cụ thể.
Định nghĩa của David Cowen, NCGIA, Mỹ
GIS là hệ thống phần cứng, phần mềm và các thủ tục được thiết kế để

thu thập, quản lý, xử lý, phân tích, mô hình hóa và hiển thị các dữ liệu qui
chiếu không gian để giải quyết các vấn đề quản lý và lập kế hoạch phức tạp.
Một cách đơn giản, có thể hiểu GIS như một sự kết hợp giữa bản đồ
(map) và cơ sở dữ liệu (database).
GIS = Bản đồ + Cơ sở dữ liệu
Bản đồ trong GIS là một công cụ hữu ích cho phép chỉ ra vị trí của từng
địa điểm. Với sự kết hợp giữa bản đồ và cơ sở dữ liệu, người dùng có thể xem
thông tin chi tiết về từng đối tượng/thành phần tương ứng với địa điểm trên
bản đồ thông qua các dữ liệu đã được lưu trữ trong cơ sở dữ liệu. Ví dụ, khi
xem bản đồ về các thành phố, người dùng có thể chọn một thành phố để xem
thông tin về thành phố đó như diện tích, số dân, thu nhập bình quân, số
quận/huyện của thành phố,
* Ðiểm (Point)
Điểm được xác định bởi cặp giá trị tọa độ (x, y). Các đối tượng đơn với
thông tin về địa lý chỉ bao gồm vị trí thường được mô tả bằng đối tượng điểm.
Các đối tượng biểu diễn bằng kiểu điểm thường mang đặc tính chỉ có
tọa độ đơn (x, y) và không cần thể hiện chiều dài và diện tích. Ví dụ, trên bản
đồ, các vị trícủa bệnh viện, các trạm rút tiền tự động ATM, các cây xăng,
… có thể được biểu diễn bởi các điểm.
Hình 1.1 là ví dụ về vị trí nước bị ô nhiễm. Mỗi vị trí được biểu
diễn bởi 1 điểm gồm cặp tọa độ (x, y) và tương ứng với mỗi vị trí đó có
thuộc tính độ sâu và tổng số nước bị nhiễm bẩn. Các vị trí này được biểu
diễn trên bản đồ và lưu trữ trong các bảng dữ liệu.


13

Hình 1.4. Ví dụ biểu diễn vị trí trước bị ô nhiễm
Ðường - Cung (Line - Arc)
Đường được xác định bởi dãy các điểm hoặc bởi 2 điểm đầu và điểm

cuối. Đường dùng để mô tả các đối tượng địa lý dạng tuyến như đường giao
thông, sông ngòi, tuyến cấp điện, cấp nước…
Các đối tượng được biểu diễn bằng kiểu đường thường mang đặc điểm là
có dãy các cặp tọa độ, các đường bắt đầu và kết thúc hoặc cắt nhau bởi điểm, độ
dài đường bằng chính khoảng cách của các điểm. Ví dụ, bản đồ hệ thống đường
bộ, sông, đường biên giới hành chính, … thường được biểu diễn bởi đường và
trên đường có các điểm (vertex) để xác định vị trí và hình dáng của đường.
● Vùng (Polygon)

Hình 1.5: Ví dụ biểu diễn đường xác định bởi ranh giới các đường,
có điểm đầu trùng với điểm cuối


14
Các đối tượng địa lý có diện tích và được bao quanh bởi đường thường
được biểu diễn bởi vùng.
Các đối tượng biểu diễn bởi vùng có đặc điểm là được mô tả bằng tập
các đường bao quanh vùng và điểm nhãn (label point) thuộc vùng để mô tả,
xác định cho mỗi vùng. Ví dụ, các khu vực hành chính, hình dạng các công
viên,… được mô tả bởi kiểu dữ liệu vùng. Hình 1.3 mô tả ví dụ cách lưu trữ
một đối tượng vùng.

Hình 1.6: Ví dụ biểu diễn khu vực hành chính
Một đối tượng có thể biểu diễn bởi các kiểu khác nhau tùy thuộc vào tỷ
lệ của bản đồ đó. Ví dụ, đối tượng công viên có thể được biểu diễn bởi điểm
trong bản đồ có tỷ lệ nhỏ, và bởi vùng trong bản đồ có tỷ lệ lớn.
1.3.2. Mô hình biểu diễn dữ liệu địa lý không gian
Như đã đề cập ở trên, dữ liệu địa lý bao gồm thành phần dữ liệu không
gian và thành phần dữ liệu thuộc tính. Ở phần này, chúng ta sẽ xem xét cách
thức biểu diễn thành phần dữ liệu không gian trong hệ thông tin địa lý.

- Mô hình khái niệm
Đây là mức trừu tượng đầu tiên trong tiến trình biểu diễn các thực thể
địa lý. Là tập các thành phần và các quan hệ giữa chúng liên quan đến hiện
tượng tự nhiên nào đó. Mô hình này độc lập lập với hệ thống, độc lập với cấu
trúc, tổ chức và quản lý dữ liệu. Một số mô hình quan niệm thường được sử
dụng trong GIS là:


15
- Mô hình không gian trên cơ sở đối tượng:
Mô hình này tập trung vào các hiện tượng, thực thể riêng rẽ được xem
xét độc lập hay cùng với quan hệ của chúng với thực thể khác. Bất kỳ thực thể
lớn hay nhỏ đều được xem như một đối tượng và có thể độc lập với các thực
thể láng giềng. Đối tượng này lại có thể bao gồm các đối tượng khác và chúng
cũng có thể có quan hệ với các đối tượng khác. Ví dụ các đối tượng kiểu thửa
đất và hồ sơ là tách biệt với các đối tượng khác về không gian và thuộc tính.
Mô hình hướng đối tượng phù hợp với các thực thể do con người tạo ra
như nhà cửa, đường quốc lộ, các điểm tiện ích hay các vùng hành chính. Một
số thực thể tự nhiên như sông hồ, đảo… cũng thường được biểu diễn bằng mô
hình đối tượng do chúng cần được xử lý như các đối tượng rời rạc. Mô hình
dữ liệu kiểu vector (sẽ đề cập đến ở phần sau) là một ví dụ của mô hình không
gian trên cơ sở đối tượng.
- Mô hình không gian trên cơ sở mạng:
Mô hình này có một vài khía cạnh tương đồng với mô hình hướng đối
tượng, nhưng mở rộng xem xét cả mối quan hệ tương tác giữa các đối tượng
không gian. Mô hình này thường quan tâm đến tính liên thông, hay đường đi
giữa các đối tượng không gian, ví dụ mô hình mạng lưới giao thông, mạng
lưới cấp điện, cấp thoát nước…Trong mô hình này, hình dạng chính xác của
đối tượng thường không được quan tâm nhiều. Mô hình topo là một ví dụ về
mô hình không gian trên cơ sở mạng.

- Mô hình quan sát trên cơ sở nền:
Mô hình này quan tâm đến tính liên tục, trải dài về mặt không gian của
thực thể địa lý, ví dụ các thực thể như thảm thực vật, vùng mây bao phủ, vùng
ô nhiễm khí quyển, nhiệt độ bề mặt đại dương…thích hợp khi sử dụng mô
hình này. Mô hình dữ liệu kiểu raster (sẽ đề cập ở phần sau) là một ví dụ về
mô hình quan sát trên cơ sở nền.


16
- Mô hình logic
Sau khi biểu diễn các thực thể ở mức mô hình quan niệm, bước tiếp
theo là cụ thể hóa mô hình quan niệm của các thực thể địa lý thành các cách
thức tổ chức hay còn gọi là cấu trúc dữ liệu cụ thể để có thể được xử lý bởi hệ
thông tin địa lý. Ở mô hình logic, các thành phần biểu diễn thực thể và quan
hệ giữa chúng được chỉ rõ dưới dạng các cấu trúc dữ liệu. Một số cấu trúc dữ
liệu được sử dụng trong GIS là:
- Cấu trúc dữ liệu toàn đa giác:
Mỗi tầng trong cơ sở dữ liệu của cấu trúc này được chia thành tập
các đa giác. Mỗi đa giác được mã hóa thành trật tự các vị trí hình thành
đường biên của vùng khép kín theo hệ trục tọa độ nào đó. Mỗi đa giác
được lưu trữ như một đặc trưng độc lập, do vậy không thể biết được đối
tượng kề của một đối tượng địa lý. Như vậy quan hệ topo (thể hiện mối
quan hệ không gian giữa các đối tượng địa lý như quan hệ kề nhau, bao
hàm nhau, giao cắt nhau…) không thể hiện được trong cấu trúc dữ liệu
này. Nhược điểm của cấu trúc dữ liệu này là một số đường biên chung
giữa hai đa giác kề nhau sẽ được lưu hai lần, và như vậy, việc cập nhật,
sửa đổi dữ liệu thường gặp nhiều khó khăn.
- Cấu trúc dữ liệu cung nút:
Cấu trúc dữ liệu cung nút mô tả các thực thể địa lý dưới dạng các
điểm (nút) và các đường (cung). Như vậy, có thể biểu diễn được quan hệ

topo giữa các đối tượng địa lý. Trong cấu trúc dữ liệu này, các phần đối
tượng không gian kề nhau sẽ được lưu trữ một lần, ngoài ra, các đối tượng
lân cận của một đối tượng địa lý cũng được chỉ rõ, điều này giúp dễ dàng
thực hiện các phép phân tích không gian, đồng thời cũng tối ưu được dung
lượng lưu trữ dữ liệu.


17
- Cấu trúc dữ liệu dạng cây:
Trong một số mô hình dữ liệu như mô hình raster, dữ liệu có thể được
phân hoạch thành các đối tượng nhỏ hơn với nhiều mức khác nhau để giảm
thiểu dung lượng lưu trữ và tăng tốc độ truy vấn. Ví dụ cấu trúc cây tứ phân
chia một vùng dữ liệu làm 4 phần, trong mỗi phần này lại có thể được chia
tiếp thành 4 phần con.
- Mô hình dữ liệu vật lý
Dữ liệu địa lý cần được lưu trữ vật lý trên máy tính theo một cách thức
nhất định, tùy theo các hệ thống thông tin địa lý cụ thể mà cách thức lưu trữ, cài
đặt dữ liệu khác nhau. Mô hình dữ liệu vật lý thường khá khác nhau đối với từng
hệ thống GIS cụ thể. Một số hệ GIS thương mại có thể kể đến như: Arc/Info,
ERDAS, Geovision, Grass, Caris, Intergres, Oracle, Postgres…
Như vậy, từ một thực thể địa lý, thông qua 3 mức mô hình biểu diễn mà
được cụ thể hóa thành dữ liệu trên máy tính sẽ có dạng thể hiện rất khác nhau
đối với từng hệ GIS cụ thể. Mỗi hệ thông tin địa lý đều sử dụng mô hình dữ
liệu quan niệm riêng để biểu diễn mô hình dữ liệu vật lý duy nhất. Hệ thông
tin địa lý cung cấp các phương pháp để người sử dụng làm theo các mô hình
quan niệm tương tự ba lớp mô hình mô tả trên.
Hai nhóm mô hình dữ liệu không gian thường gặp trong các hệ GIS
thương mại là mô hình dữ liệu vector và mô hình dữ liệu raster.
- Mô hình vector
Mô hình vector sử dụng tọa độ 2 chiều (x, y) để lưu trữ hình khối của

các thực thể không gian trên bản đồ 2D. Mô hình này sử dụng các đặc tính rời
rạc như điểm, đường, vùng để mô tả không gian, đồng thời cấu trúc topo của
các đối tượng cũng cần được mô tả chính xác và lưu trữ trong hệ thống.


18

Hình 1.7: Biểu diễn vector của đối tượng địa lý
Theo Hình 1.7 các đối tượng không gian được lưu trữ dưới dạng vertor,
đồng thời các thuộc tính liên quan đến lĩnh vực cần quản lý (dữ liệu chuyên
đề - thematic data) của đối tượng đó cũng cần kết hợp với dữ liệu trên. Các
nhân tố chỉ ra sự tác động qua lại lẫn nhau giữa các đối tượng cũng được quản
lý, các nhân tố đó có thể là quan hệ topo (giao/ không giao nhau, phủ, tiếp
xúc, bằng nhau, chứa, …), khoảng cách và hướng (láng giềng về hướng nào).
- Mô hình raster
Mô hình raster hay còn gọi mô hình dạng ảnh (image) biểu diễn các đặc tính
dữ liệu bởi ma trận các ô (cell) trong không gian liên tục. Mỗi ô có chỉ số tọa độ
(coordinate) và các thuộc tính liên quan. Mỗi vùng được chia thành các hàng và cột,
mỗi ô có thể là hình vuông hoặc hình chữ nhật và chỉ có duy nhất một giá trị.