مرحله اول: استخراج، استانداردسازی و گمنام‌سازی مکانی

🧬

هدف اصلی این مرحله: تضمین حریم خصوصی شهروندان (PII Protection) و تبدیل داده‌های بی‌ساختار به لایه‌های استاندارد و بدون خطای GIS جهت انطباق بر نظام‌های ۹گانه مطالعات شهری. در این مرحله، کلیه داده‌های خام کالبدی، مکانی، متنی و چندرسانه‌ای گردآوری‌شده در گام دوم، پیش از ورود به موتورهای پردازش آماری و الگوریتم‌های NLP، استخراج، اصلاح هندسی، یکپارچه‌سازی و گمنام‌سازی می‌شوند.

🗺️ نمای کلی خط فرآیند ۳ مرحله‌ای آماده‌سازی داده‌های مکانی (ETL)

⚙️ خط فرآیند ۳ مرحله‌ای آماده‌سازی داده‌های مکانی (ETL Pipeline)

📥

گام ۱

استخراج داده‌های خام

خروجی API · تجمیع کاغذی · فایل صوتی

📐

گام ۲

استانداردسازی هندسی

CRS · توپولوژی · نرمال‌سازی متن

🛡️

گام ۳

گمنام‌سازی و ماسک‌سازی

PII · شبکه ۵۰×۵۰m · حد آستانه

💾

خروجی

تولید GeoJSON

لایه پاک‌سازی‌شده · Geodatabase

🛠️ تشریح تفصیلی گام‌به‌گام مراحل ۳ گانه اجرایی

📥

گام ۱: استخراج یکپارچه داده‌های خام

Data Extraction Protocol

گام ۱ از ۳

در این گام، کلیه داده‌های پراکنده از بسترهای دیجیتال و میدانی استخراج و در پایگاه داده متمرکز مشاور (Staging Database) بارگذاری می‌شوند:

استخراج داده‌های برخط (Digital Extraction):
- خروجی‌گیری مستقیم از دیتابیس پیشخوان برخط شهری در قالب فایل‌های GeoJSON، KML/KMZ و جداول PostGIS
- شامل لایه‌های نقطه‌ای (Map Places)، خطی (Map Routes)، پلیگونی (Map Areas) و بودجه‌ریزی جغرافیایی
استخراج و دیجیتال‌سازی داده‌های میدانی (Analog-to-Digital Conversion):
- ورود نقشه پایه‌های کاغذی کارگاه‌های مساجد و پیمایش‌های Walkshop به محیط GIS از طریق زمین‌مرجع‌سازی (Georeferencing)
- دیجیتال‌کردن عارضه‌های دستی رسم‌شده توسط گروه‌های بی‌صدا و تبدیل آن‌ها به لایه‌های برداری (Vector Layers)
پیاده‌سازی فایل‌های صوتی و متون روایی:
- پیاده‌سازی متنی (Transcription) صوت‌های مصاحبه‌های عمیق (KIIs)
- ثبت آن‌ها در جداول متنی متصل به نقاط مکانی

📐

گام ۲: استانداردسازی کالبدی، هندسی و متنی

Standardization Protocol

گام ۲ از ۳

داده‌های خام شهروندان معمولاً دارای خطاهای هندسی، ناهمخوانی مختصاتی و شلوغی‌های متنی هستند. اصلاح آن‌ها طی ۴ فرآیند تخصصی انجام می‌شود:

یکپارچه‌سازی سیستم مختصات (CRS Unification):
- تبدیل کلیه لایه‌ها به سیستم مختصات جهانی WGS 84 (EPSG:4326) برای لایه‌های وب
- تبدیل به سیستم UTM Zone (EPSG:32638/32639) برای محاسبات مساحت و طول در GIS
تصحیح توپولوژی و اصلاح خطاهای هندسی (Topology Correction):
- اصلاح چندضلعی‌ها (Polygons): رفع گره‌های متقاطع خودی (Self-intersecting)، حذف حفره‌های ناخواسته و بستن پلیگون‌ها با توابع ST_MakeValid و ST_Buffer(geom, 0)
- اصلاح خطوط (Lines): متصل‌کردن خطوط گسسته شبکه معابر ترجیحی و چسباندن آن‌ها به معابر اصلی با تابع ST_SnapToGrid
نرمال‌سازی زبانی و متنی (Text Normalization):
- یکسان‌سازی کاراکترهای فارسی و عربی (تبدیل «ك» به «ک» و «ي» به «ی»)
- حذف حروف زائد، کلمات بی‌ارزش (Stop Words) و ایموجی‌های غیرمرتبط
تخصیص کد یکتای ۱۶ رقمی و نگاشت بر نظام‌ها:
- الصاق شناسه ۱۶ رقمی پیگیری به تمام عارضه‌ها
- الصاق کد اولیه یکی از نظام‌های ۹گانه مطالعاتی به هر رکورد

🛡️

گام ۳: گمنام‌سازی مکانی و ماسک‌سازی اطلاعات هویتی

Spatial Anonymization & PII Masking

گام ۳ از ۳

برای حفظ امنیت شهروندان و جلوگیری از امکان شناسایی آدرس دقیق مسکونی افراد بر اساس نظرات ثبت‌شده، پروتکل گمنام‌سازی در دو سطح پیاده‌سازی می‌شود:

🔐 سطوح دوگانه گمنام‌سازی و حفظ حریم خصوصی

🎭

سطح ۱: ماسک‌سازی هویتی (PII)

حذف نام، کد ملی و شماره همراه
حذف آدرس دقیق پلاک مسکونی
جایگزینی با کد یکتای ۱۶ رقمی

🗺️

سطح ۲: گمنام‌سازی مکانی

شبکه شش‌ضلعی ۵۰×۵۰ متری
انتقال نقطه به مرکز سلول (Centroid)
حذف سلول‌های زیر ۳ پاسخ (Threshold)

ماسک‌سازی هویتی (PII Scrubbing):
- جداسازی و پاک‌سازی کامل نام و نام خانوادگی، شماره تماس، کد ملی و IP دستگاه کاربر از خصوصیات (Attributes) لایه مکانی
- نمایش عمومی داده‌ها صرفاً با کد یکتای ۱۶ رقمی و اطلاعات کلی دموگرافیک (مثلاً: "زن، ۳۴ ساله، ساکن زون ۲")
شبکه‌بندی موزاییکی ۵۰×۵۰ متری (50m Hexagonal Grid Aggregation):
- عدم نمایش نقطه دقیق منزل شهروند: اگر شهروندی نقطه‌ای را دقیقاً روی پلاک مسکونی خود رها کرده باشد، سیستم موقعیت مکانی نقطه را به مرکز ثقل (Centroid) سلول شش‌ضلعی ۵۰×۵۰ متری آن محدوده منتقل می‌کند
- این کار بدون آسیب زدن به دقت تحلیل‌های محله‌ای، امکان ردیابی خانه شهروند را کاملاً از بین می‌برد
اعمال حد آستانه تجمیع (Privacy Threshold Guard):
- در صورتی که در یک سلول شبکه‌ای، تعداد نظرات کمتر از ۳ پاسخ باشد، داده‌های آن سلول فقط در تحلیل‌های کلان محله نمایش داده می‌شود و به‌صورت منفرد منتشر نخواهد شد تا هویت فرد قابل حدس نباشد

📅 برنامه اجرایی، زمان‌بندی و جدول نقش‌ها (SOP و RACI)

این مرحله ظرف مدت ۷ روز کاری طبق جدول زمان‌بندی و تفکیک مسئولیت‌های زیر اجرا می‌شود:

📅 جدول زمان‌بندی و مراحل SOP آماده‌سازی داده‌ها (۷ روز)

استخراج داده‌ها

روز ۱ و ۲

استخراج فایل‌های خام
زمین‌مرجع‌سازی نقشه کاغذی

استانداردسازی

روز ۳ و ۴

تصحیح توپولوژی و هندسه‌ها
یکسان‌سازی سیستم مختصات

گمنام‌سازی

روز ۵ و ۶

ماسک‌سازی PII هویتی
اجرای شبکه ۵۰×۵۰ متری

خروجی و تحویل

روز ۷

خروجی‌گیری نهایی GeoJSON
تحویل به تیم NLP و KDE

ماتریس مسئولیت‌های اجرایی (RACI Matrix)

زیرفرآیند عملیاتی مرحله اول	متخصص ارشد GIS	مدیر دیتابیس (DBA)	راهبر تسهیل‌گران	ناظر راه و شهرسازی
۱. استخراج داده‌های خام و زمین‌مرجع‌سازی	R	A	C	I
۲. یکپارچه‌سازی CRS و تصحیح توپولوژی	A / R	C	I	I
۳. ماسک‌سازی PII و حذف داده‌های هویتی	C	A / R	C	I
۴. شبکه‌بندی ۵۰×۵۰m و گمنام‌سازی مکانی	A / R	C	I	I
۵. ممیزی نهایی و تحویل لایه به خط پردازش	R	C	I	A / R

📌

راهنمای RACI: R = Responsible (انجام‌دهنده اصلی)، A = Accountable (پاسخگوی نهایی)، C = Consulted (مشاوره‌دهنده)، I = Informed (مطلع‌شونده).

💾 نمونه الگوی داده خام در برابر داده استاندارد و گمنام‌شده

❌ ۱. داده خام ورودی (دارای مخاطره حریم خصوصی و خطای هندسی)

{ "type": "Feature", "geometry": { "type": "Point", "coordinates": [45.7583912, 36.7641203] }, "properties": { "CitizenName": "علی محمدی", "PhoneNumber": "0914141****", "ExactAddress": "محله مجبورسو، کوچه شهید احمدی، پلاک ۱۲", "Comment": "كوچه ما تاريكه و معتادها جمع ميشن!!", "RawStatus": "Uncleaned" } }

✅ ۲. داده پس از استانداردسازی و گمنام‌سازی (آماده پردازش)

{ "type": "Feature", "geometry": { "type": "Point", "coordinates": [45.7585000, 36.7641000] }, "properties": { "TrackingCode16Digit": "MHB-1405-9982-1044", "GridCellID": "HEX-50M-MHB-8821", "TargetSystem": "System6_Infrastructure_and_Traffic", "DemographicCohort": "Male_30_to_50_Resident", "CleanedNormalizedText": "کوچه ما تاریکه و معتادها جمع میشن", "SpatialAccuracy": "Anonymized_To_50m_Centroid", "IsPiiMasked": true, "TopologyStatus": "Valid_EPSG4326" } }

                🎯 وجه تمایز داده استاندارد: تمامی متاداده‌های هویتی (نام، شماره تماس، آدرس دقیق) حذف شده و جایگزین آن‌ها کد ۱۶ رقمی پیگیری، شناسه سلول شبکه شش‌ضلعی و گروه دموگرافیک کلی شده است. علاوه بر این، متن نرمال‌سازی شده و کد نظام ۹گانه به آن الصاق شده است.
            

✅

💡 نتیجه‌گیری عملیاتی

✅

اجرای دقیق این مرحله تضمین می‌کند که تمامی ورودی‌های مردمی با رعایت کامل اخلاق پژوهش و قوانین حریم خصوصی، به لایه‌های کاملاً سالم، یکدست و آماده برای محاسبات آمار فضایی و تحلیل‌های هوشمند الگوریتمی در گام سوم تبدیل شوند.

➡️

مرحله بعدی: پس از اتمام این مرحله (استخراج، استانداردسازی و گمنام‌سازی مکانی)، داده‌ها به مرحله دوم: پردازش هوشمند متون، تحلیل احساسات مکان‌مند و نگاشت بر نظام‌های ۹گانه تحویل داده می‌شوند.