Subject » BMEVIHIAV08
Geographical Information Systems and their Applications in Intelligent Environments
Térinformációs rendszerek és alkalmazásaik intelligens környezetekben
A tantárgyleírás hatályossága
Hatályosság kezdete:
2026. March 21.
Hatályosság vége:
—
| Subject name (Hungarian, English) |
Térinformációs rendszerek és alkalmazásaik intelligens környezetekben
Geographical Information Systems and their Applications in Intelligent Environments
|
||||||||||||
|---|---|---|---|---|---|---|---|---|---|---|---|---|---|
| Subject code | BMEVIHIAV08 | ||||||||||||
| Subject type | — | ||||||||||||
| Training Level | — | ||||||||||||
| Course types and hours (weekly/semester) |
|
||||||||||||
| Assessment type | vizsga | ||||||||||||
| Credits | 2 | ||||||||||||
| Subject coordinator |
Dr. Kovács Kálmán
position: egyetemi docens
contact:
kovacs.kalman@vik.bme.hu
|
||||||||||||
| Responsible department |
Hálózati Rendszerek és Szolgáltatások Tanszék
|
||||||||||||
| Faculty | Villamosmérnöki és Informatikai Kar | ||||||||||||
| Subject website | — | ||||||||||||
| Primary curriculum type | — | ||||||||||||
| Direct prerequisites – Strong prerequisite | none | ||||||||||||
| Direct prerequisites – Weak prerequisite | none | ||||||||||||
| Direct prerequisites – Parallel prerequisite | none | ||||||||||||
| Direct prerequisites – Milestone prerequisite | none | ||||||||||||
| Direct prerequisites – Exclusion | none |
Objectives
Programme
1. hét
- Információs társadalom – intelligens rendszerek
- Térinformatika tudomány és térinformációs rendszerek
- Térinformációs rendszerek alkalmazása különböző területeken
- Ismert hazai és európai térinformációs adatrendszerek
- Térinformációs rendszerek (definíció, osztályozás)
- Térinformációs rendszerek létrehozása (Elméleti modell → Logikai modell → Fizikai modell → Megjelenítési modell)
- Adattípusok, adatnyerési módok, aggregációs szint
- Geometriai adatok nyerése
- Helymeghatározás matematikai és geodéziai alapjai
- Helymeghatározási technikák (műholdas GPS, távérzékeléses, mobil, stb. áttekintése, rendszerezése a kinyerhető helyinformációk alkalmazhatósága szempontjából (pontosság, skálázhatóság, stb.)
- Attribútum adatnyerő eljárások (elsődleges, másodlagos)
- Távérzékelés (alapelve, formái, jellemzői), a fizikai jellemzők észlelhetőségétől függő távérzékelési módszerek megválasztása
- A távérzékelési információnyerés pontosságának növelése és korrekcióinak módszerei
- Térinformatikai célú képfeldolgozás, -előkészítés, -elemzés
- Digitális kép, matematikai módszerek, szűrés és torzítás-mentesítés
- Jövőkép: Future Internet, Internet of Things, szenzor hálózatok
- Térinformációs rendszerek néhány ismert alkalmazási területe 1
- Térképészet, navigáció, logisztika térinformatikai vonatkozásai (adatok, kontextusok)
8. hét
- Térinformációs rendszerek néhány ismert alkalmazási területe 2
- Hálózatos infrastruktúrák, távközlési hálózatok tervezésének, üzemeltetésének, forgalommérésének térinformatikai vonatkozásai (rendelkezésre álló és aktuálisan nyert adatok, kontextusok)
9. hét
- Térinformációs rendszerek néhány ismert alkalmazási területe 3
- Környezeti és meteorológiai mérések, katasztrófák, földhasználat, termésbecslés térinformatikai vonatkozásai (rendelkezésre álló és aktuálisan nyert adatok, kontextusok)
10. hét
- Térinformációs rendszerek néhány ismert alkalmazási területe 4
- Területfejlesztés, városüzemeltetés, közigazgatás, politika térinformatikai vonatkozásai (adatok, kontextusok)
11. hét
- Néhány új alkalmazási terület 1
- Belső terek térinformatikai leírása, intelligens robotok, beltéri navigáció térinformatikai vonatkozásai (adatok, kontextusok)
12. hét
- Néhány új alkalmazási terület 2
- Térinformatikai adatok 3D vizualizációja
- Néhány új alkalmazási terület 3
- Intelligens ház, intelligens város általános térinformatikai vonatkozásai (adatok, kontextusok)
14. hét
- Térinformatikai adatok feldolgozásának alapvető matematikai módszereinek alkalmazhatósága
- Mérések a képeken
- Elemzések statisztikai alapjai
A tantárgy célja, hogy a hallgatók alapvető ismereteket szerezzenek a térinformációs rendszerekről, valamint a gyakorlatban hasznosítható ismereteket kapjanak a térinformációs rendszerek széleskörű alkalmazási lehetőségeiről (hálózattervezés, navigáció, adatok vizualizációja, intelligens robot, intelligens város és épület, stb.).
A térinformatika mérnöki alkalmazásainak témaköre nem választható el a helymeghatározás műszaki-technikai vonatkozásaitól, ugyanakkor jelen tárgy kiindulási pontja ebből a szempontból a helyinformációnak – és azok pontosságának – rendelkezésre állásától indul.
A helymeghatározás műszaki, technológiai vonatkozásai a tárgyban csak áttekintő, rendszerező, értékelő jelleggel szerepelnek, ezért célszerű az ezekre vonatkozó ismeretek alapjaival a tárgy hallgatóinak előzetesen megismerkedni.
Amennyiben erre lehetőség nyílik, a félév során – a hazai vállalati, illetve intézményi alkalmazások mellett - legalább egy gyakorlati alkalmazás helyszíni bemutatására is sor kerül (pl. MVM OVIT - Országos Villamostávvezeték ZRt., FÖMI - Földmérési és Távérzékelési Intézet, OMSZ - Országos Meteorológiai Szolgálat, stb.).
Learning outcomes
Ez a tantárgy a KKK rendeletben meghatározott, következő kompetenciák fejlesztését szolgálja:
Knowledge
No learning outcomes recorded.
Skills
No learning outcomes recorded.
Attitudes
No learning outcomes recorded.
Autonomy and responsibility
No learning outcomes recorded.
Oktatási módszertan
Előadás
Tanulástámogató anyagok
Not provided.
Recommended preliminary knowledge for completing the subject
Knowledge type competencies
(azon előzetes ismeretek összessége, amelyek megléte nem kötelező, de a tantárgy eredményes teljesítését nagyban elősegíti)
Fizikai és matematikai (statisztikai) alapismeretek, illetve adatbázis alapismeretek.
Skill type competencies
(azon előzetes képességek és készségek összessége, amelyek megléte nem kötelező, de a tantárgy eredményes teljesítését nagyban elősegíti)
nincs
Recommended (non-compulsory) preliminary competencies
(azon ajánlott (nem kötelező) előzetesen megszerzendő kompetenciák összessége, amelyek jelentősen hozzájárulnak a tantárgy eredményes teljesítéséhez)
Fizikai és matematikai (statisztikai) alapismeretek, illetve adatbázis alapismeretek.
General rules
Követelmények:
Egy évközi házi feladat elkészítése, amelynek része az adott alkalmazási terület ismertetése, és egy – a hallgató által megismert - alkalmazás részletes bemutatása. A feladat beadásának határideje a szorgalmi időszak utolsó hetén péntek 16 óra. A házi feladat értékelésre kerül (1-től 5-ig). Elfogadható szintű (> 1) elkészítése a vizsgára bocsátás feltétele.
A tárgy: szóbeli vizsgával zárul. A félév teljesítésének feltétele a szóbeli vizsgán elért legalább elégséges osztályzat. A félévi osztályzat a vizsgán elért osztályzat (50% súllyal) és a házi feladat értékelésének (50% súllyal) kerekített átlaga.
a.) A szorgalmi időszakban: házi feladat
b.) A vizsgaidőszakban: szóbeli vizsga
c.) Elővizsga: -
Pótlási lehetőségek:
A félévközi követelmény (házi feladat) a pótlási időszak végéig különeljárási díj mellett pótolható.
Assessment methods
In-term assessments
No detailed assessments provided.
Weight of in-term assessments
No weights provided.
Exam-period assessments
No detailed assessments provided.
Weight of exam elements
No weights provided.
Grade calculation
No grade thresholds provided.
Attendance requirements
No attendance requirements provided.
Rules for retake and resubmission
Not provided.
Short description
Not provided.
Detailed description
Not provided.
Recommended courses
Nincs
Workload to complete the subject
No workload breakdown provided.
Validity of subject requirements
Requirements valid from:
—
Requirements valid until:
—
Curriculum placement
No curriculum placements recorded for this subject version.