دانلود رایگان سوالات دکتری مهندسی نقشه برداری - سیستم اطلاعات مکانی (GIS) 1398

تحلیل محتوایی و سرفصل‌های آزمون دکتری مهندسی نقشه‌برداری - سیستم اطلاعات مکانی (GIS) (بررسی کنکور ۱۳۹۸)

بررسی دقیق آزمون دکتری مهندسی سیستم اطلاعات مکانی سال ۱۳۹۸ حاکی از تمرکز بالا بر ساختارهای داده مکانی، بهینه‌سازی الگوریتم‌ها و طراحی ساختارهای مفهومی و منطقی پایگاه‌های داده فضایی است. محورهای عمده و کلیدی این آزمون شامل موارد زیر بوده‌اند:

• سیستم‌های پایگاه داده مکانی (Spatial Databases): طراحی مدل‌های داده رابطه‌ای، شیءگرا و گراف‌محور، ساختار نمایه‌سازی مکانی (R-Tree, R* Tree, Quadtree, Grid Indexing)، جبر رابطه‌ای و محاسبات پیشرفته SQL مکانی (توابع PostGIS)، مدیریت تراکنش‌ها، قواعد توپولوژی و یکپارچگی داده‌های برداری و رستری.
• تحلیل‌ها و الگوریتم‌های پیشرفته مکانی (Spatial Analysis & Algorithms): هندسه محاسباتی (Computational Geometry) شامل مثلث‌بندی دلانی (Delaunay)، دیاگرام ورونوی (Voronoi)، پوش محدب (Convex Hull)، الگوریتم‌های کوتاه‌ترین مسیر و جریان در شبکه‌ها (Dijkstra, A*, Yen)، تحلیل‌های همجواری، حریم‌بندی، هم‌پوشانی و خودهمبستگی فضایی (Moran's I, Geary's C, Getis-Ord Gi*).
• مدل‌سازی و تصمیم‌گیری چندمعیاره مکانی (Spatial Multi-Criteria Decision Making - SMCDM): فرآیند تحلیل سلسله‌مراتبی (AHP) و فرآیند تحلیل شبکه (ANP) فازی، روش‌های ترکیبی OWA و TOPSIS مکانی، وزن‌دهی عوامل و حل تعارض در پهنه‌بندی‌های کاربری اراضی و مکانیابی بهینه تاسیسات شهری.
• سیستم‌های اطلاعات مکانی تحت وب و زیرساخت داده‌های مکانی (WebGIS & SDI): استانداردهای کنسرسیوم وب مکانی (OGC) نظیر WMS, WFS, WCS, WPS، سرویس‌های توزیع‌شده نقشه، معماری سرویس‌گرا (SOA)، سیستم‌های موقعیت‌یابی برخط، پردازش داده‌های مکانی داوطلبانه (VGI) و پلتفرم‌های کلان‌داده مکانی.
• تحلیل داده‌های مکانی-زمانی و یادگیری ماشین مکانی (Spatial ML): مدل‌سازی سری‌های زمانی، سیستم‌های اتوماتای سلولی (Cellular Automata) و مدل‌سازی عامل‌بنیان (Agent-Based Modeling) در تغییرات شهری و ترافیک، رگرسیون وزنی جغرافیایی (GWR) و خوشه‌بندی مکانی (DBSCAN, HDBSCAN).

جدول مواد امتحانی و ضرایب دکتری مهندسی نقشه‌برداری - سیستم اطلاعات مکانی (GIS)

ترکیب دروس امتحانی و ضرایب تعیین‌شده در آزمون ورودی مقطع دکتری سیستم اطلاعات مکانی بر اساس دفترچه سازمان سنجش به شرح جدول زیر است:

محورهای راهبردی مصاحبه علمی دکتری مهندسی نقشه‌برداری - سیستم اطلاعات مکانی (GIS)

در جلسه مصاحبه علمی دوره دکتری، تیم ارزیاب بر تسلط تئوریک بر ساختارهای الگوریتمی، تسلط بر فناوری‌های مدرن مهندسی نرم‌افزار مکانی و کیفیت پروپوزال پیشنهادی تاکید می‌ورزند:

1. تدوین پروپوزال متمرکز بر هوش مصنوعی مکانی (GeoAI): انتخاب موضوعات پیشگام از قبیل «تلفیق یادگیری عمیق و مدل‌سازی مکانی-زمانی در پیش‌بینی پویایی شهری»، «توسعه مدل‌های شهر هوشمند و دوقلوی دیجیتال (Digital Twins)»، «تحلیل شبکه‌های جاده‌ای پیچیده با گراف‌های عصبی مکانی (Spatial Graph Neural Networks)»، یا «سامانه‌های تحلیل بی‌درنگ جریان داده‌های حسگرهای IoT مکانی».
2. توانایی در برنامه‌نویسی و پلتفرم‌های توسعه نرم‌افزار مکانی: تسلط بر زبان‌های Python (کتابخانه‌های GeoPandas, Shapely, PySAL, Fiona, NetworkX) و C++ یا Java برای پیاده‌سازی الگوریتم‌های پیچیده؛ کار با پایگاه‌های داده پیشرفته مانند PostgreSQL/PostGIS و بانک‌های NoSQL مانند MongoDB و Neo4j.
3. اشراف بر معماری داده‌های ابری مکانی و پلتفرم‌های WebGIS: آشنایی عمیق با کتابخانه‌های نقشه‌برداری تحت وب (OpenLayers, Leaflet, Mapbox GL JS) و سرویس‌دهنده‌های نقشه نظیر GeoServer و کار با فریم‌ورک‌های توسعه سیستم‌های توزیع‌شده مکانی.
4. مطالعه و استناد به ژورنال‌های پیشگام بین‌المللی: آشنایی با تازه‌ترین مقالات منتشرشده در نشریاتی چون *International Journal of Geographical Information Science (IJGIS)*، *Computers, Environment and Urban Systems (CEUS)*، *ISPRS International Journal of Geo-Information*، و *Transactions in GIS*.

پرسش‌های متداول (FAQ)