3. Создание гис модели транспортной инфраструктуры

3.1 Схема развития транспортной инфраструктуры юга Тюменской области

Юг Тюменской области является главным центром полицентрической агломерации Западной Сибири, занимает узловое положение в системе транзитных федеральных и территориальных связей – железнодорожных, автомобильных и водных.

Для решения комплекса сложившихся проблем необходима разработать долгосрочную стратегию по реконструкции и развитию объектов автотранспортной инфраструктуры области, обосновать предложения по развитию транспортно-дорожной сети и план мероприятий по их реализации, с этой целью создана Гис модель данных(Берлянт А.М., Ушакова Л.А. Картографические анимации. – М.: Научный мир, 2000), которая сможет решить данные задачи.

При разработке проектных решений использованы геоинформационные системы ArcGIS 10, MapInfo Professional 10.0.1 Easy Trace Pro 9.0 и др.

По составу работа делится на две части, в которых содержатся обосновывающие материалы и проектные решения.

Аналитическая обработка обосновывающих материалов, в том числе с использованием аналитических возможностей ГИС-технологий, позволила выполнить комплексную оценку современного состояния ТДС области и разработать варианты проектных предложений по ее развитию.

Проектные решения включают:

• модели автотранспортных инфраструктуры области;

• параметры (характеристики) перспективной интенсивности движения автотранспорта в сопоставлении с пропускной способностью ТДС области;

• характеристики перспективных пассажиро- и грузопотоков с учетом развития области;

• предложения по структуре магистральной ТДС и классификации магистралей в соответствии с проектными решениями.

В качестве исходных картографических материалов для выполнения проекта использованы: открытая версия электронной карты юга Тюменской области М 1:200 000; единая цифровая картографическая основа М 1:10 000; топокарты на территорию области в М 1:50 000 и 1:100 000.

3.2 Гис модель данных автомобильных дорог юга Тюменской области

Краткое описание системы. ГИС АТИ ЮТО состоит БД , векторной ГИС-составляющей, основанной на продуктах ESRI, и набора прикладных программ и систем. Для связи БД и ГИС используется гибридная модель данных, когда каждый географический объект имеет уникальный идентификатор, при помощи которого к нему привязываются атрибутивные характеристики из БД. БД содержит 25 информационных таблиц, включающих технические, геометрические, финансовые, юридические и другие характеристики дорожных объектов. Географическая основа ГИС составляющей - 16 трапеций топографических карт масштаба 1: 200 000.

Создание ГИС АТИ ЮТО. Первые работы по созданию ГИС АТИ ЮТО были начаты в 2007 году с цифровых карт. В 2008-2011гг. была выполнена работа по созданию оптимальной, с нашей точки зрения, модели данных, обновлению и редактированию исходной информации, созданию первого ГИС-инструментария. В 2011г. построены графы всех дорог, находящихся в ведении управления, используя механизм динамической сегментации, предоставляемый продуктами ESRI.

Структура системы. Основа системы - сеть маршрутных объектов, определяемых механизмом динамической сегментации (граф дорог). Данный механизм подразумевает создание особой линейной темы с известными относительными координатами вдоль дороги и наличием некоторого числа калибровочных точек. Для организации географических данных ГИС АТИ ЮТО использует послойную организацию. Число слоев относительно невелико, порядка 20. Но используя гибридную модель данных и механизм динамической сегментации, можно сказать, что слоев бесчисленное множество, ведь в качестве слоя может выступать таблица из БД, да и вообще абсолютно любая таблица. Поэтому, вместо выверки географического положения объектов, основной упор делается на построение корректного графа (маршрутной темы) и на обеспечении достоверности данных в БД. Фактически, все, что связывается с дорогой и дорожными объектами, представлено в ГИС АТИ ЮТО одним специфическим слоем, а остальные слои используются либо для других объектов (реки, населенные пункты, коммуникации), либо как подложка (леса, озера). Основные преимущества данного подхода, основанного на механизме динамической сегментации, состоят в следующем:

• дорожники, как правило, работают не с истинными географическими координатами, а с относительными (километраж от начала дороги). В то же время карта - это модель пространственных данных и отобразить такой "одномерный" объект на ней невозможно. Здесь нужен очень гибкий инструмент конвертирования информации из географической системы координат в относительную, и наоборот. Реально это значит, что мы храним информацию в ГИС, не изменяя существующих технологий получения данных.

• по большей части отпадает необходимость иметь актуальную географическую информацию об объекте, так как большинство задач рассматривается именно в одномерной модели данных. Например, если произошло ДПТ на 71 километре дороги, не нужно брать приборы и измерять географические координаты места происшествия, чтобы добавить новый объект в тему ДТП. Достаточно внести в таблицу базы данных соответствующую запись. Да и в целом для большинства дорожных задач не нужно вообще никакой привязанной к географическим координатам информации о дороге, достаточно иметь лишь приближенную схему, ведь все данные о длине дороге, примыканиях, пересечениях с коммуникациями и др. находятся в БД.

• каждый участок дороги может калиброваться независимо от других. Известно, что расстояние, измеренное по карте пусть даже крупного масштаба, отличается от расстояния измеренного на местности. Для дорожников, которые имеют дело с весьма протяженными объектами, эта проблема очень актуальна, поэтому длина дороги (или участка) измеряются специализированными методами. Используя данный подход, при решении всех задач мы гарантированно работаем с истинными расстояниями. Можно использовать не только непрерывные объекты, но и объекты с разрывами. В целом это значит, что мы можем использовать цифровую основу более мелкого масштаба, что существенно удешевляет стоимость внедрения системы без потери точности.

• так как слои формируются динамически, то мы всегда работаем с обновленной информацией. К тому же, используя общие поля и идентификаторы, мы можем работать с любыми отраслевыми и, чаще всего, удаленными базами данных.

Возможности и перспективы системы. ГИС АТИ ЮТО обладает широкими функциональными возможностями, которые обеспечены как мощным базовым программным обеспечением (продукты ESRI), так и набором расширений, разработанных и/или адаптированных для решения дорожных задач, а именно:

• аналитические возможности ГИС АТИ ЮТО выражаются в способности решать широкий круг аналитических задач, начиная от построения буферных зон и заканчивая расчетом численности "транспортно-дискриминированного" населения;

• информационно-справочные возможности ГИС АТИ ЮТО - это, прежде всего, развитый язык запросов, наличие удобных построителей запросов, возможность работать с разными источниками данных. Кроме того, в ГИС АТИ ЮТО имеется несколько проектов и инструментов с наиболее употребительными видами запросов (по искусственным сооружениям, дорожной одежде, категорийности дорог, дорожным знакам и др.) и средствами работы с нестандартными типами данных (фотографиями, видео);

Рисунок 8 –Фрагмент карты-схемы автомобильных дорог

• информационно-моделирующие возможности ГИС АТИ ЮТО включают возможность генерировать цифровые модели. Например, из таблицы, описывающей состояние дорожного покрытия, генерируется цифровая модель дороги (полилиния) с сохранением всех атрибутивных характеристик;

Модели данных ГИС АТИ ЮТО Растровая и векторная модели пространственных данных позволяют описать дорожную инфраструктур, двумя разыми способами. Растровая модель – самая простая, она позволяет указать только характеристики в отдельных точках пространства, распределенных регулярным образом по поверхности. Детальность такого представления определяется шагом сетки (или размером ячейки, если считать растр множеством смежных ячеек между линиями сетки, а не точками их пересечений). В ячейках могут записываться как качественные признаки (например, классы – населенный пункт, гидрография и т.д.), так и количественные (количество населения яркость и т.д.). В первом случае получается так называемый тематический растр, во втором – полутоновой. Приложения 1

Векторная модель данных использует другой подход – выделение объектов на поверхности земли и самостоятельное описание каждого из них. Этот же подход используется в традиционной картографии, рассматривающий так называемые объекты картографирования и правила их отображения на картах. Векторная модель имеет расширения (т.е. надстройки над базовой моделью), такие как топология и триангуляционные сети. Топология далее делится на линейно-узловую (для представления автодорожных сетей) и полигональную (для представления сплошных покрытий).

Растровая и векторная модели пространственных данных много лет совместно присутствовали на геоинформационном ландшафте, успешно дополняя друг друга. И хотя нередко возникали спекуляции на тему скорого объединения растровых и векторных систем, а также ГИС и систем обработки изображений, слияния этих двух технологий, равно как и этих двух моделей данных, не произошло. Вместо этого к концу ХХ века базовые модели данных "обросли" массой специфических для каждой из них "примочек". Для растров появились эффективные методы сжатия, благодаря которым объем данных растрового представления пространственной информации стал сравним с объемом векторного представления. Тайловые схемы хранения, пирамидные слои, кэширование, квадродерева и другие разработки сделали работу с растровыми данными такой же быстрой и эффективной, как и с векторными.

Рисунок 9 – Фрагмент векторной модели автотранспортной инфраструктуры юга Тюменской области

Векторная модель. Появлялись и в различных системах реализовывались идеи представления плавных кривых, третьей (z) координаты, межслойной топологии, множественной геометрии объектов, линейных мер и др.

Таким образом произошла смена геоинформационной парадигмы: от моделирования карт мы перешли к моделированию реальности.

Карта – статичное изображение. Оно не кодирует в явном виде взаимоотношения объектов, об этих отношениях мы можем догадаться только по расположению объектов. Соответственно, в картографической модели данных этой информации нет, а та же топология нужна только для контроля корректности картографического изображения (смежные объекты соприкасаются без пустот и наложений, отрезки протяженных объектов соединяются в концевых точках и т.д.).

Здесь следует сказать несколько слов о том, что же такое "моделирование данных". Само это словосочетание – не очень удачный перевод английского data modeling. Неудачен он потому, что в действительности моделируются не данные в виде чего-то другого, а реальность – в данных. Очевидно, например, что при моделировании автомобилей создаются модели, то есть, уменьшенные и/или недействующие копии реальных автомобилей. Тогда моделирование данных – создание сокращенных и/или не полнофункциональных копий данных? Абсурд получается. Так что правильнее сказать, что data modeling это моделирование посредством данных. А "модель данных" – это модель из данных, то есть, модель реальности, отраженная в структуре данных, образуемой взаимосвязями элементов данных.

При таком понимании становится ясна ценность прикладных моделей данных. Эти модели являются виртуальной имитацией объектов управления или изучения. В них мы можем воспроизводить свойства и отношения реальных объектов, их поведение. Пользуясь такими моделями, мы можем получать ответы на вопросы о моделируемых объектах, анализировать их взаимодействие, проигрывать различные сценарии. Такие возможности становятся насущной необходимостью, когда приходится оперировать тысячами и даже миллионами реальных объектов, ни список, ни все связи которых в голове удержать невозможно.

Разработка модели данных самостоятельной задачи, решаемой одним пользователем – дело довольно простое. Однако для корпоративных, многопользовательских по определению, систем ситуация намного сложнее. Корпоративная информационная система (в том числе и корпоративная ГИС) отличается тем, что охватывает очень многие аспекты деятельности предприятия. В идеале – все. Соответственно, модель данных корпоративной ИС становится моделью самого предприятия. В ней должны присутствовать все сущности, необходимые для описания всех бизнес-процессов предприятия. Поскольку с корпоративной ИС взаимодействуют все (или большинство) отделов предприятия, и деятельность большого количества специалистов основана на работе с ней, становится понятно, насколько важно тщательное проектирование модели данных до запуска системы в эксплуатацию. Когда информационная система уже стала основным инструментом работы, внести какие-то изменения в ее модель данных становится очень сложно и дорого. Ведь придется приостанавливать работу с системой, перелопачивать огромный объем данных. Если в системе используются множественные версии данных, то придется все их согласовывать с изменениями модели данных. При решении такой сложной задачи весьма вероятно возникновение ошибок, которые в дальнейшем могут создать затруднения или серьезные проблемы в работе. То есть, проектирование модели данных корпоративной системы – дело и сложное, и ответственное.

Решение сложной задачи становится более простым и контролируемым, если ее разбить на несколько этапов. Каждый этап сам по себе является задачей попроще, со своими исходными данными и результатами на выходе. Создание модели данных конкретной системы является частью более общего процесса создания этой системы. Опыт разработчиков позволил выделить несколько типовых этапов.

На первом этапе определяются круг пользователей системы, задачи, которые они с ее помощью должны решать, информационные продукты, которые система должна создавать, данные, которые для этого потребны. Таким образом формируются требования к информационной системе.

На втором этапе создается концептуальная модель данных, содержащая основные сущности и связи между ними. На этом этапе важно идентифицировать все объекты управления, работа с которыми должна автоматизироваться посредством информационной системы. При этом не требуется подразумевать, что каждой сущности должен соответствовать какой-то класс объектов в физической базе данных. Например, в адресном реестре адрес – вполне самостоятельный объект, существующий независимо от того, есть там здание или нет. А в каталоге объектов строительства адрес – уже атрибут таких объектов. На этом уровне абстрагирования атрибуты (характеристики) объектов не существенны, и в концептуальной модели данных они не отражаются, хотя некоторые сущности могут в дальнейшем оказаться атрибутами, как это было только что показано на примере адресов.

На третьем этапе создается логическая модель данных. Здесь уже показываются все атрибуты объектов, определяются типы их отношений. Логическая модель данных не конкретизирует механизмы реализации, которые будут использоваться в БД. Здесь нам не важно, поддерживает БД составные ключи или нет, есть в ней специальный тип данных даты-времени или нет. Если в требованиях к создаваемой информационной системе не указано, какую конкретную БД она должна использовать, то в результате логического проектирования можно сформулировать набор требований к БД, на основе которых можно уже выбирать конкретную систему.

На четвертом этапе создается физическая модель данных. В ней присутствуют все классы (таблицы), которые должны быть созданы в базе данных, указаны механизмы реализации отношений и элементы поведения объектов. Например, отношение между классами объектов может реализовываться как посредством внешнего ключа, т.е. хранения идентификатора-ссылки в отдельном поле таблицы одного из классов, так и посредством класса отношений – отдельной таблицы, содержащей идентификаторы связываемых объектов двух классов. После создания физической модели данных становится понятно, какую часть функциональности ИС берет на себя базовое программное обеспечение, а какую должны написать программисты проекта. Преимущества базы геоданных ArcGIS очень заметны именно на этом этапе: вместо написания собственного кода вы можете использовать готовые функции проверки и поддержки правил топологии, контроля ввода данных средствами атрибутивных доменов, широкий спектр расширений базовых моделей данных (сетевые, геодезические, схематические и т.д.), классы отношений, множественные картографические представления и многое другое.

На пятом этапе создается экземпляр базы данных и проводится его тестирование. Тестирование позволяет оценить правильность выбора того или иного решения в физической модели данных. Если выбранный вариант решения не дает должной производительности, физическая модель данных может быть скорректирована. Параллельно создается программный код, реализующий функции информационной системы и проводится его тестирование на пробном экземпляре базы данных.

На шестом этапе база данных заполняется актуальными данными, и система запускается в работу.

Хотя данная последовательность этапов выглядит как линейный однонаправленный процесс, на каждом из этапов могут обнаруживаться обстоятельства, требующие изменений отдельных решений, принятых на предыдущем этапе. Кроме того, сложные системы могут разбиваться на компоненты, для каждого из которых также может выполняться последовательность этих этапов. Поэтому тщательное проектирование обычно приводит к повторению этапов, а сам процесс становится итеративным.

Весьма эффективным средством повышения качества создаваемой ИС является пилотное проектирование. В полотном проекте реализуется прототип конечной системы с упрощенным набором исходных требований и/или неполным набором данных. После прохождения всех этапов практически всегда уточняются исходные требования и становятся известны многие нюансы, как в используемых данных, так и в практике работы предприятия, которые могут оказать сильное (и часто пагубное) влияние на конечный результат. В некоторых случаях может даже оказаться, что полная версия системы нереализуема по финансовым или техническим причинам.

В дорожном хозяйстве всегда присутствовало многократное дублирование процедур. Начинается все с геодезических работ, которые выполняются с нуля при любом строительстве, ремонте или реконструкции. Результаты изысканий, заказанных управлениями дорог инженерным фирмам (диагностика, паспортизация), сдаются заказчику, но не передаются подрядчикам, занимающимся эксплуатацией дорог. Поэтому последние самостоятельно и без какого-либо методического контроля выполняют диагностику и планируют содержание и ремонт в рамках общего бюджета, выделенного заказчиком.

Многие виды работ частично пересекаются. Так, процедура паспортизации предполагает измерение неизменных параметров дороги, которые уже были оценены при проведении диагностики, дислокации (проектирование организации движения), проектировании строительства, реконструкции и ремонта или в целях создания кадастра.

Более того, вызывает сомнение сама необходимость паспортизации дорог. Зачем регулярно (или многократно) измерять неизменные параметры дороги (длина, ширина, тип покрытия, положение мостов, труб, дорожных знаков и пр.), если эта информация была сформирована по итогам строительства, реконструкции, ремонта.

Помимо внутриотраслевого дублирования имеется и межотраслевое. В связи с принятием Градостроительного кодекса РФ в 2004 г. и дополняющих его подзаконных актов с 2007 г. перестали действовать технические паспорта автомобильных дорог, которые составлялись дорожными организациями для внутреннего использования в рамках процедуры паспортизации дорог. Параллельно Роснедвижимость потребовала привлекать к выполнению работ по постановке на кадастровый учет участков автомобильных дорог только аккредитованные фирмы. А так как аккредитация новых фирм была приостановлена, то три года в отрасли монопольно действовали Ростехинвентаризация и местные бюро технической инвентаризации. Реально все паспорта (внутренние дорожные и технические для Роснедвижимости) составляются одними и теми же фирмами, но цена паспортизации для владельцев дорог увеличилась, как минимум, двукратно (хотя известны факты завышения цен в 20 раз!).

Основной целью проекта является демонстрация возможности создания полноценной ГИС автомобильных дорог на основе принципов формирования инфраструктур пространственных данных, используемых в дорожном хозяйстве за рубежом (в первую очередь в Европе). В проекте планируются создание предварительных спецификаций на модели данных, совместимых со стандартами Директивы INSPIRE и Euro Roads, разработка прикладного программного обеспечения и наполнение его данными в пределах пилотных зон.

Системы моделирования транспортных потоков. На мировом рынке представлено множество систем для микро- (на уровне отдельных машин для конкретных дорог, развязок или кварталов) и макромоделирования (на уровне обобщенных потоков транспорта для целых городов и регионов) транспортных потоков. Это VISUM и VISSIM (PTV AG, Германия), GETRAM/AIMSUN (Transport Simulation System, Испания), Paramics (Quadstone Paramics, Великобритания) и многие другие, рисунок 9. Несмотря на наличие в России своей научной школы по моделированию потоков, нет ни одного отечественного продукта, имеющего существенное распространение по стране. Наиболее активную позицию на российском рынке занимает компания PTV AG (Германия).

Цель работы систем этого класса -определение нагрузки на дорожную сеть при заданных ее параметрах с учетом спроса на перевозки.

Применение таких систем в дорожной отрасли в явном виде регламентируется ведомственной инструкцией по прогнозированию интенсивности транспортных потоков.

Исходными данными служат детальная полосовая модель дорожной сети (ключевыми являются не оси дорог и полос, а именно полосы с явным заданием их смежности для моделирования возможности перестроения машин), а также результаты наблюдений за реальными транспортными потоками, получаемые автоматически или вручную.

Транспортные расчеты используются в САПР дорог для выбора структуры сети дорог: топологии, числа полос и расчетной прочности дорожной одежды.

Системы стратегического планирования транспортных инвестиций. Всемирный банк уже многие годы финансирует создание систем, которые помогли бы в выборе наиболее оптимальных конфигураций транспортных сетей и планировании инвестиций. Ключевыми разработками являются продукты HDM-4, RED, ROCKS. В какой-то степени их можно считать расширенными системами моделирования транспортных потоков с функцией прогнозирования социально-экономического эффекта от инвестиций в автомобильные дороги.

Рисунок 9 - Макромоделирование сети дорог в пакете IndorTraffic

По сравнению с системами моделирования транспортных потоков в состав исходных данных дополнительно включены технические характеристики дорог и социально-экономические сведения о регионе.

Во многих странах мира продукты серии HDM-4 являются незаменимыми на этапе планирования развития сетей дорог, при проектировании, а также в процессе эксплуатации при планировании текущих и капитальных ремонтов.

Базы дорожных данных. В этих системах аккумулируется информация о состоянии дороги (ровность, прочность, сцепление, дефекты, обустройство). На федеральном уровне используется отраслевой автоматизированный банк дорожных данных (АБДД «Дорога»), в регионах -системы «Титул-2005и другие решения.

Особенностью данных систем является представление информации по дорогам в пикетажной (линейной) системе координат (пикетаж -расстояние от начала дороги или очередного километрового столба с учетом смещения от оси дороги). Точность такого представления составляет 5 м на 1 км пути (на реальных объектах накапливаемая ошибка достигает километров). Этого достаточно для локализации объекта на дороге, но недостаточно для решения многих задач, в том числе связанных с определением объемов работ и их финансированием.

В большинстве сценариев для работы с этими системами пользователю не нужно явное картографическое представление дорог, однако использование для объектов во внутреннем представлении глобальных координат вместо пикетажных имеет существенный потенциал для совершенствования процесса управления дорогами. Особую сложность представляет «рубленый» пикетаж, когда расстояние между километровыми столбами существенно отличается от 1 км (встречаются значения от 0,5 до 2 км), например, пикетаж 25 + 1500 = 25 км + 1500 м < 26 км. Еще одной проблемой является картографическая аппроксимация оси дороги ломаной линией, приводящая к сокращению истинной длины дороги (характерно для дорог низких категорий с малыми радиусами поворотов и большими вертикальными уклонами), изначально запроектированной в виде пространственных гладких кривых.

Системы видеопаспортизации автомобильных дорог. В последние годы процесс диагностики автомобильных дорог стал сопровождаться их видеосъемкой. Это выгодно как исполнителям (часть полевых работ можно заменить камеральными), так и заказчикам (проще принимать решения по планированию содержания и ремонтов).

То, что сегодня можно увидеть на сайте maps.google.com в сервисе видеопрогулок по улицам городов, уже давно (с 1990-х годов) и успешно применяется дорожниками во многих странах мира, в том числе и в Тюмени на рисунке 10.

Рисунок 10 - Просмотр видеорядов IndorVideoRow в ГИС

Технически видеосъемка выполняется с помощью высококачественных Web-камер, бытовых Web-камер (плохой динамический диапазон световосприятия) и бытовых видеокамер (недостаточное разрешение изображения в движении).

На одной дорожной лаборатории устанавливаются 1–5 камер (высокий обзор вперед, вправо, влево, назад; обзор на высоте 120 см для оценки видимости). На основе видеоизображения можно уточнить качественный состав объектов на дороге и состояние покрытия. Кроме того, зная характеристики камеры, с использованием последовательных кадров можно измерить основные параметры дороги (ширина, положение и размеры объектов обустройства).

Отдельные дорожные лаборатории оснащаются линейными лазерными сканерами (имеют мало общего с широко распространенными геодезическими лазерными сканерами), что позволяет накладывать лазерные сканы на видеоизображение и выполнять измерение геометрии дороги с высокой точностью.

Видеопаспорта автомобильных дорог незаменимы для оценки изменения состояния дороги в ретроспективе. В настоящее время они рассматриваются как дополнение к банкам дорожных данных.

Информационно-эксплуатационные системы автомобильных дорог. Эти системы являются дальнейшим развитием банков дорожных данных, они автоматизируют функции планирования, контроля выполнения и приемки различных работ (содержание, ремонт, капитальный ремонт, реконструкция и строительство). Важным отличием от обычных банков дорожных данных является явная темпоральность моделей данных объектов дороги: для каждого объекта должна храниться полная хронология проводимых над ним действий: обследований, ремонтных работ и т. д., рисунок 11.

Рисунок 11 - Документирование событий

Из отечественных систем такого рода имеет смысл отметить IndorInfo/Road и RoadSoft. Геоинформационная составляющая в них является вторичной и входит как составной элемент в подсистему паспортов автомобильных дорог.

Каждому объекту дорожной сети должны быть сопоставлены такие обязательные атрибуты, как геометрия, универсальный идентификатор ID, тип узла, тип маршрута, тип внедорожной связи, функциональный класс дороги. Все остальные атрибуты дорог являются дополнительными и не хранятся в основной таблице. Для каждого атрибута в базе данных заводится своя таблица, содержащая идентификаторы основного объекта и значения атрибута. Таким способом достигается масштабируемость базы данных для разных задач. Дополнительными атрибутами базовой спецификации являются:

-адрес (узла или дуги);

-режим доступа (ограничение въезда);

-информация о граничных узлах;

-направление движения;

-маневр (используется для ограничения/разрешения выполнения сложных поворотов через два или более узла сети);

-многоуровневое пересечение;

-горный перевал;

-число полос;

-информация о пересечении;

-идентификация объектов;

-ограничения проезда;

-ограничения проезда для типов машин;

-длина дороги;

-имя дороги или улицы;

-номер дороги;

-ширина дороги;

-тип дорожного покрытия;

-сезонные ограничения;

-пункты сервисного обслуживания;

-ограничения скорости;

-структура;

-уклон дороги.

Каждая прикладная система должна вводить собственные атрибуты.