Методика выявления и классификации топологических ошибок 3D-моделей недвижимости с применением методов машинного обучения

<jats:p>В статье рассмотрена проблема обеспечения качества пространственных данных при переходе к трехмерному кадастру недвижимости и внедрении технологий информационного моделирования . Цель исследования заключается в разработке гибридной методики выявления и классификации топологических ошибок трехмерных моделей. Методы исследования базируются на использовании детерминированных алгоритмов в среде PostGIS с применением предфильтрации по методу ограничивающего параллелепипеда для оптимизации вычислительной нагрузки. Для формирования обучающих выборок предложена методика программной эмуляции пяти типов реестровых ошибок на базе стандарта CityGML, позволяющая генерировать размеченные синтетические датасеты. Интеллектуальная классификация коллизий реализована на основе ансамблевого алгоритма Random Forest. Результаты работы заключаются в формировании трехуровневого признакового пространства и формализации пяти целевых классов пространственных нарушений: топологическое наложение, недопустимый зазор, системный пространственный сдвиг, высотная аномалия и конфликт уровней детализации. Обоснована концептуальная архитектура системы поддержки принятия решений, интегрирующая математический поиск и методы машинного обучения . Выводы подтверждают, что предложенная методика позволяет автоматизировать аналитическую деятельность кадастрового инженера, трансформируя геоинформационную систему из инструмента простой детекции в интеллектуальный модуль диагностики. Это позволяет сократить объем ручного контроля и повысить достоверность сведений в государственных информационных системах.</jats:p> <jats:p>The article addresses the issue of spatial data quality during the transition to a 3D real estate cadastre and the implementation of building information modeling. The purpose of the study is to develop a hybrid methodology for identifying and classifying topological errors in three- dimensional models. The research methods are based on the use of deterministic algorithms in the PostGIS environment with the application of the Bounding Box pre-filtering method to optimize computational load. To form training samples, a methodology for software emulation of five types of registry errors based on the CityGML standard is proposed, allowing the generation of labeled synthetic datasets. Intelligent collision classification is implemented based on the Random Forest ensemble algorithm. The results of the work consist of forming a three-level feature space and formalizing five target classes of spatial violations: topological intersection, unacceptable gap, systemic spatial shift, altitude anomaly, and level of detail conflict. The conceptual architecture of a decision support system integrating mathematical search and machine learning methods is substantiated. The conclusions confirm that the proposed methodology allows for the automation of a cadastral engineer's analytical activity, transforming the geographic information system from a simple detection tool into an intelligent diagnostic module. This reduces the amount of manual control and increases the reliability of information in state information systems.</jats:p>