Инструментальная среда разработки геоинформационных систем поддержки принятия решений по управлению урбанизированными территориями тема диссертации и автореферата по ВАК РФ 05.13.11, кандидат наук Загарских, Александр Сергеевич

• Загарских, Александр Сергеевич
• кандидат наук
• 2014

Оглавление диссертации кандидат наук Загарских, Александр Сергеевич

Содержание

Введение

Глава 1 Обзор состояния дел предметной области

1.1 Визуализация проблемно-ориентированных динамических сцен в системах поддержки принятия решений

1.2 Визуализация служебных динамических сцен в системах поддержки принятия решений

1.3 Технологии визуализации геоданных и геоинформационные системы

1.4 Использование социальных медиа в задачах управления крупными городскими территориями

1.5 Выводы по главе 1

Глава 2 Архитектура и принципы функционирования инструментальной среды

2.1 Требования к перспективным СППР управления КГТ

2.2 Состав и общая архитектура ИС РГИС

2.3 Интеграция с внешними источниками данных и средствами моделирования

2.4 Построение и визуализация социально-экономических индексов, характеризующих развитие КГТ

2.5 Выводы по главе 2

Глава 3 Геовизуальная оболочка ИС РГИС

3.1 Виртуальный земной шар

3.2 Визуализация земной поверхности и проблема дребезга вершин

3.3 Визуализация геоданных

3.4 Визуализация графа

3.5 Выводы по главе 3

Глава 4 Экспериментальные исследования и приложения ИС РГИС

4.1 Экспериментальные исследования производительности и быстродействия ГО

4.2 Система поддержки принятия решений для предотвращения угрозы наводнений

4.3 Система поддержки принятия решений для предотвращения распространения эпидемий в городской среде

4.4 Выводы по главе 4

Заключение

Список использованных источников

Введение диссертации (часть автореферата) на тему «Инструментальная среда разработки геоинформационных систем поддержки принятия решений по управлению урбанизированными территориями»

Введение

Актуальность темы обусловлена развитием информационно-коммуникационных технологий в области, связанной с изучением крупных городских территорий (КГТ) - т.н. CityScience. С одной стороны, такие технологии должны опираться на классические ГИС, с другой - соответствовать принципам неогеографии, что делает необходимым интеграцию в данные решения возможностей обработки больших данных. При этом необходимо учитывать, что городская среда сама по себе является сложной системой, для моделирования которой необходимо применять мощные вычислительные ресурсы, доступные через распределенные среды. Таким образом, создание систем поддержки принятия решений (СППР) по управлению КГТ в целом связано с объединением различных компьютерных технологий обработки данных в рамках общей геовизуальной оболочки, обеспечивающей пользователю всестороннее отображение моделируемых процессов. Поскольку создание таких решений «с нуля» требует существенной квалификации разработчиков (владение всеми перечисленными технологиями), для оптимизации этого процесса целесообразно рассмотреть модульный подход, реализуемый в рамках готовой инструментальной среды, ориентированной на задачи City Science.

Целью работыявляется разработка методов и технологий разработки геоинформационных систем поддержки принятия решений по управлению КГТ. Задачи исследования включают в себя:

- Обоснование требований к перспективной инструментальной среде разработки (ИС РГИС) геоинформационных систем поддержки принятия решений по управлению КГТ на основе анализа состояния дел предметной области;

- Проектирование общей архитектуры ИС РГИС с учетом функции сбора и обработки больших данных из различных источников, выполнения ресурсоемкого компьютерного моделирования и представления результатов в системах научной визуализации и виртуальной реальности;

- Разработка методов и алгоритмов визуализации динамических сцен, связанных с проблематикой КГТ, и проектирование геовизуальной оболочки (ГО), интегрирующей возможности ИС РГИС для взаимодействия с пользователем;

- Разработка и отладка ГО и ее интеграция с внешними подсистемами ИС РГИС;

- Экспериментальные исследования производительности ИС РГИС на синтетических примерах;

- Апробация ИС РГИС на прикладных задачах создания СППР, включая СППР управления комплексом защитных сооружений Санкт-Петербурга от наводнений.

Методы исследования включают в себя методы научной визуализации и виртуальной реальности, инженерии программного обеспечения и мультиагентного моделирования.

Научная новизназаключается в комплексной технологии модульной разработки геоинформационных СППР, совокупно обеспечивающей сбор и обработку больших данных (BigData) из различных источников, выполнение ресурсоемкого компьютерного моделирования в облачной среде, а также интерактивную визуализацию результатов в широкоэкранных системах виртуальной реальности и на интерактивных столах, применительно к задачам коллаборативной поддержки принятия решений по управлению урбанизированными территориями.

Практическую значимость работы составляют:

- Программная система - инструментальная среда разработки геоинформационных систем поддержки принятия решений по управлению урбанизированными территориями, а также ее отдельные компоненты (как типовые модули разработки);

- Прикладные СППР, созданные на основе инструментальной среды, для задач предотвращения наводнений, противодействия распространению эпидемий, управления транспортной инфраструктурой.

Достоверность научных результатов и выводов обусловлена обоснованностью применения математического аппарата, результатами тестирования алгоритмов и программного обеспечения, экспериментальными исследованиями на реальных приложениях, а также практическим внедрением (опытной эксплуатацией) разработанных программных средств для СППР управления КГТ.

Личный вклад и использование материалов автора в работах, выполненных в соавторстве, заключается в: обосновании требований к инструментальной среде, исходя из существующих потребностей City Science, формализации постановки задачи проектирования инструментальной среды, разработке архитектуры и детализации компонентов, связанных с интерактивной визуализацией геоданных, разработке компонентов среды, связанных с интерактивной визуализацией геоданных, сопряжением с распределенными источниками данных (включая модели процессов на урбанизированных территориях исоциальные сети), выполнении экспериментальных исследований производительности предложенных решений, а также участии в разработке прикладных СППР в различных предметных областях (предотвращение наводнений, распространение эпидемий, управление транспортом) на основе инструментальной среды. Из работ, выполненных в соавторстве, в диссертацию включены результаты, которые соответствуют личному участию автора.

Диссертация состоит из четырех глав. В первой главе представлен аналитический обзор предметной области. Во второй главе формулируются требования к ИС РГИС, рассматривается общая архитектура системы, а также детализируются аспекты, связанные с ГО, как основным интегрирующим элементом ИС РГИС. В третьей главе представлены алгоритмы и процедуры, обеспечивающие эффективное функционирование ГО. В четвертой главе приведены результаты экспериментального исследования производительности ИС РГИС на синтетических примерах, а также описана апробация на прикладных задачах.

Глава 1 Обзор состояния дел предметной области

Управление крупными городскими (урбанизированными) территориями является комплексной проблемой, требующей совокупного рассмотрения различных городских подсистем. Для поддержки принятия решений, включая оперативное реагирование и планирование развития территорий, традиционно применяются различные ГИС, использующие данные из штатных статистических источников (например, территориальных информационно-аналитических центров), а также открытые данные социальных медиа. Однако с развитием современной концепции неогеографии [1] использование традиционных ГИС-решений (например, ArcGIS, GRASS, Quantum GIS, см. параграф 1.3, и пр.) и средств разработки обнаружило естественные ограничения, связанные со следующими факторами:

- использование данных из разнородных источников, включая СМ, требует строить СППР управления КГТ на основе принципов BigData, т.е. необходима интеграция ГИС-решений и соответствующих средств обработки больших данных;

- моделирование сценариев развития ситуаций в СППР управления КГТ требует применения технологий высокопроизводительных вычислений, т.е. необходима интеграция ГИС-решений и сред распределенных вычислений (например, в облачной модели);

- данные, полученные в ходе выполнения предыдущих двух пунктов, должны эффективно отображаться в СППР в форме динамических сцен (ДС), с возможностью интерактивной работы с ними распределенных групп пользователей. При этом временные задержки, связанные с распределенностью (удаленностью) источников данных и вычислительных ресурсов, не должны сказываться на качестве воспроизведения ДС с точки зрения пользователя.

Как следствие, технологии визуализации в данном контексте являются узким местом, так называемым«бутылочным горлышком» (bottleneck), ограничивающим развитие данного направления в целом, что и определяет направленность изложения материала в данной главе и весь ход диссертационного исследования.

Визуализацию ДС в СППР по управлению КГТ можно классифицировать по нескольким характеристикам:

1) по объему визуализируемых данных или процессов:

— визуализация единичных объектов или процессов;

- визуализация сцен, отображающих одновременно несколько объектов, процессов или их комбинации;

2) по динамике [2]:

- статическая визуализация;

- статическая визуализация динамических процессов, например, статические графики, описывающие динамический процесс;

- динамическая визуализация, демонстрирующая изменяющуюся во времени анимированную сцену или процесс[3];

3) по уровню реалистичности представления:

- когнитивная (нереалистичная) визуализация. Схематичное или образное представление объектов или процессов, не имеющих явного визуального или пространственного представления в реальном мире, а также визуализация реальных объектов и процессов, приведенных к схематичному и образному виду для лучшего восприятия и понимания процессов;

- квазиреалистичная визуализация - процессы и объекты, которые сложно наблюдать в реальности без средств, вносящих определенные искажения в визуальное представление. Примером такой визуализации может быть визуальное представление молекулы, бактерии, вируса или процесс передвижения воздушных потоков;

- реалистичная визуализация. Представление виртуальных объектов и процессов реального мира, имеющее высокую степень близости восприятия пользователем этих объектов или процессов к аналогам реального мира.

Если по первым двум разделам классификации визуализацию можно достаточно четко дифференцировать, то характеристики реалистичности очень разнообразны (реалистичность визуального отображения, реалистичность динамики, реалистичность поведения объекта в сцене и т.д.) и не имеют четких количественных градаций по уровню реалистичности, т.к. это скорее качественная характеристика, основанная на восприятии человеком. В то же время существуют метрики для оценки уровня реалистичности отдельных аспектов визуализации, например, сравнение реальной фотографии и статической визуализации аналогичной сцены, но они также основаны на приведении качественного восприятия группы лиц к усредненной количественной оценке. С точки зрения практического применения стоит достаточно четко понимать, какие критерии реалистичности визуализации необходимы в том или другом конкретном случае -реалистичное представление виртуального ландшафта и реалистичная визуализация отдельного ЗБ-объекта могут технологически существенно различаться[4, 5].

С учетом существующих средств и технологий визуализации в СППР по управлению КГТ можно выделить следующую классификацию динамических сцен:

1) проблемно-ориентированные

- геопространственные динамические сцены;

- визуализация конструирования сценариев и запуска моделей;

- когнитивные пространственные и сетевые структуры;

- визуализация детализированных объектов реального мира и динамических процессов, связанных с ними;

- визуализация справочных данных;

- динамическое отображение потоковых визуальных данных;

- визуализация комплексных когнитивных динамических сцен;

2) служебные

- визуализация динамики процессов сбора и обработки данных;

- динамическая визуализация процесса моделирования;

- визуализация процессов принятия решений;

- визуализация процессов обучения.

Ниже подробнее изложен обзор возможностей по каждому из направлений.

1.1 Визуализация проблемно-ориентированных динамических сцен в системах поддержки принятия решений

Геопространственные динамические с/^е/ш. Повышение доступности использования геопространственных данных имеет серьезное значение для поддержки принятия решений. Развитие ГИС с разнообразными средствами визуализации геопространственных данных [6] предоставляет специалистам в области управления КГТ обширный набор инструментов мониторинга возникающих проблем и реагирования на них[7]. Например, на рис. 1.1 представлен пример использования ГИС для задачи эпидемиологического мониторинга, связанного с социальной мобильностью населения.

Рисунок 1.1 — Динамическая сцена распространения пандемии из Чикаго, штат Иллинойс, (а) Последствия вспышки после 40 дней с использованием модели с одним точечным источником распространения, (б) Последствия вспышки после 40 дней, учитывающие авиаперевозки между 15крупнейшими аэропортами США

Часто в качестве ГИС-интерфейсов СГ1ПР используются шеЬ-сервисы [8], пример приведен на рис. 1.2, или локальные приложения с пользовательским интерфейсом, опирающиеся на визуализации и отображения геопространственных данных. В обзоре[9] выявлено несколько подходов киспользованию ГИС-технологии, например геокодирование, интегрирование источников данных или процедуры кластерного обнаружения. Дополнительной особенностьюгеопространственных динамических сцен с использованием ГИС является возможность визуализации больших данных (BigData), сопряженная с использованием множества слоев карт с учетом специфики визуализации разнородных структур данных. ГИС является одной из основополагающих технологий, используемых в СППР во множестве прикладных областей, таких как системы управления рисками в прибрежных зонах [10], планирования и управлении лесными массивами [11], СППР для пожарных спасательных служб [12], системы планирования общественного транспорта [13]и др.

Рисунок 1.2 - Графический интерфейс системы ОЕМББ, предназначенной для контроля над общественным здоровьем

С одной стороны, ГИС-технологии - это визуальный индикатор, использующийся для поддержки лиц, принимающих решения. С другой стороны, глобальное внедрение геопространственных сервисов в социальные медиа привело к тому, что ГИС-технологии начинают рассматриваться как медиасредства, а социальные медиа - как сервисы по расширению возможностей ГИС-технологий [14]. Такое массовое распространение привело к появлению новой концепции неогеографии[ 15, 16]. Данная концепция дополнительно расширяет возможности визуального представления геопространственных данных [17]. Следует отметить, что визуализация геопространственных данных часто не имеет смысла без возможности отображения на базовых картографических сущностях дополнительной информации, непосредственно связанной с процессом принятия решений [18].

Одним из видов представления геопространственных данных является трехмерная визуализация ландшафтов [19] как комбинация технологий виртуальной реальности (ВР)и ГИС-технологий [20], позволяющая достичь большего погружения в виртуальное пространство для увеличения эффективности рабочей группы в принятии решений.

Реалистичность отображения геопространственных сцен зависит в основном от технологии, используемой для визуализации. ГИС-технологии служат для понятного и

более схематического отображения карт, в то время как трехмерная визуализация ландшафтов более требовательна к уровню детализации поверхности и низкоуровневых технологий отображения сцены, правда, не настолько, как системы виртуальной реальности. Определение ограничений реализма для восприятия очень подробно описано в [21]; там же приводятся характеристики уровней достаточного реализма визуализации ландшафтов для принятия решений. На рис. 1.3 представлены примеры визуализации ландшафтов сельской местности с различными уровнями детализации, использованные для определения уровня приемлемой реалистичности визуализируемых сцен.

(а) (Ь)

Рисунок 1.3 - Визуализация с различным уровнем детализации (а, с, е - низкий; Ь, <1, Г — высокий уровень)

Визуализация конструирования сценариев и результатов моделирования.При

создании СППР по управлению КГТ, включающих в себя различные средства моделирования, для лучшего восприятия хода моделирования процессов необходимо иметь не толькоинструменты визуализации графического интерфейса, что является служебным средством визуализации, но и возможности интерактивного конструирования предполагаемых сценариев непосредственно в рабочей среде, например, прямо на карте обозначая ключевые параметры будущего сценария.

Вместе с возможностью визуализировать ход конструирования сценария необходимо иметь средства визуализации вспомогательной информации и данных, отображаемых по ходу процесса моделирования. Это могут быть некоторые промежуточные или конечные результаты расчетов в виде графиков различной степени сложности. Например, для задач эпидемиологического мониторинга (предотвращение распространениявируса H1N1 через аэропорты)[22] визуализируется распределение прибытия и количества зараженных агентов с разделением по месту отбытия (рис. 1.4а), значение промежуточной функции в ходе оптимизации[23] (рис. 1.46) или фазовое состояние системы уравнений для моделирования лихорадки чикунгунья [24, 25] (рис. 1.4в). Подобные средства визуализации также интересны и могут быть полезны для лиц, принимающих решения, при возможности геопространственной привязки и отображения подобных визуальных сущностей в едином пространстве с картой местности, в рамках которой производится моделирование.

R.4.70 Н„-1»0

В)

Рисунок 1.4 - (а) график временного распределения прибытия и количества зараженных агентов с разделением по месту, откуда они прибыли, (б) значение промежуточной функции в ходе оптимизаций процесса, (в) фазовое состояние системы уравнений для моделирования лихорадки чикунгунья

Визуализация когнитивных пространственных и сетевых структур. Визуализация сложных сетевых и когнитивных структур, представленных в трехмерном пространстве, может использоваться для визуализации контактных сетей, транспортных сетей, возможных путей распространения инфекций и прочей информации, имеющей определенную внутреннюю структуру и связи. Например, на рис.1.5г представлена контактная сеть рыночного распространения свиней для выявления путей распространения заболеваний животных[26]. Возможность визуализации подобных структур с пространственной привязкой, как в двумерном [27], так и в трехмерном [28] (рис. 1.5а) пространстве, даёт дополнительные возможности для анализа данных.

Данный вид динамической визуализации необходим как для наблюдения оператором текущих сетевых структур, так и для наблюдения физики самих моделируемых явлений [29] (рис. 1.56,в). Современный уровень развития технологий визуализации больших объемов данных позволяет визуализировать массивные структуры в п-мерном пространстве [30] (рис. 1.5д), что также может быть использовано для визуализации сложных сетевых структур и, например, при моделировании биологических угроз для анализа возможных рисков распространения инфекций по контактным социальным сетям [31].

Добиваться визуальной реалистичности при визуализации таких сцен необязательно (и фактически невозможно), так они служат для получения знаний о спецификепроцессов, которые они отображают. Однако для них может потребоваться отображение реалистичной динамики (изменение объектов и структур во времени) для лучшего когнитивного восприятия визуализируемых процессов.

д)

Рисунок 1.5 - (а) Комбинация Magic Eye Views с расширенной концепцией «фокус+контекст»; визуализация процесса оптимизации графов связей путем нахождения и удаления критических узлов (слева жирные черные точки) в графе по моделям FF (б) и WS (в); (г) - визуализация контактной рыночной сети распространения свиней для выявления возможности распространения заболеваний животных, (д) слева - многомерная визуализация моделирования гирокинетических частиц с интерфейсом параллельных координат, справа - подобный пользовательский интерфейс для сравнительного анализа

кодов и приближений моделирования

Визуализация детализированных объектов реального мира и связанных с ними динамических процессов. Развитие технологий виртуальной реальности (ВР) позволяет визуализировать динамические сцены с объектами реального мира вместе с отображением результатов численных моделей в реалистичном контексте. Область применения ВР весьма широка: от реалистичной предметной визуализации отдельного исследуемого объекта, как в случаях моделирования затопления корабля [32], или моделирования утилизации радиоактивных отходов[33] (рис. 1.6), до визуализации целых виртуальных пространств с трехмерными ландшафтами [34, 35], как, например, для мониторинга и контроля за работой аэропорта [36].

Технологии ВР при использовании совместно с передовыми техническими средствами человеко-компьютерного взаимодействия дают пользователям большее погружение [37] (рис. 1.7) в среду принятия решений и лучшее восприятие ситуации, что может существенно влиять на качество принятых решений[38].

Рассматривая критерии реалистичности визуализации сцен на основе ВР, можно определить, что они варьируются в зависимости от объекта отображения. Например, более реалистичное отображение отдельных объектов ЗБ позволяет воспринимать их более естественно и повышает уровень погружения в виртуальную среду. Однако в некоторых случаях излишняя реалистичность как вредит эмоциональному восприятию объекта [6], так и влияет на полноту получения необходимой информации об объекте исследования. Придавая высокий уровень реалистичности виртуально сгенерированной среде, можно обеспечить более естественное восприятие изучаемой сцены [39], а также повлиять на поведение пользователя внутри нее [40].

а) б)

Рисунок 1.6 - Помещение хранения биологических отходов, используемое для тренировок специалистов: (а) реальная фотография, (б) воссозданное с помощью технологии ВР и графического движка ШгеаШг^те

Рисунок 1.7 - Оператор работает с системой виртуальной реальности полного погружения САУЕУЯ

Визуализация справочных данных в СППР.В различных предметных областях имеется обширный набор«энциклопедических» знаний, которые могут использоваться при анализе данных о текущей ситуации и выявлении причин того или иного развития событий. Возможность визуализации подобного рода данных внутри СППР, как в виде обычного справочного тексто-графического представления, так и с использованием технологий ЗЭ-визуализации высокого разрешения[41], может являться существенным плюсом. При визуализации справочных данных в большинстве случаев достаточно ограничиваться нереалистичным или квазиреалистичным отображением объектов визуализации, т.к. целью служит быстрое и правильное восприятие тех знаний пользователем, которые он должен получить, и необходимости дополнительного погружения в среду в данном случае нет (рис. 1.8).

Дорожки I-9 - образцы СМЖ от 9 больных ГБМ

К- ■ отрицательный контроль стадии 2 (ПЦР)

В- • отрицательный контроль стадии 1 (выделение ДНК)

К„+. Кн+. 1<5+ - ДНК Nпкпт^П^п, Начета«. Зртитотае.

то есть положительный контроль стадии 2 (ПЦР)

М • маркер длины фрагментов ДНК

М1 2 3 4 5 6 7»» К- Кд+Кг+Кс+ В

Дорожки 1-9 - образцы СМЖ от 9 больных менинтококковым менингитом

К- • отрицательный контроль стадии 2 (ПЦР) В- отрицательный контроль стадии 1 (выделение ДНК) КА+. К„+. Кс+ - ДНК ИтиптуаЛи серогрулл А. В. С, то есть положительный контроль стадии 2 (ПЦР) М - маркер длины фрагментов ДНК

Рисунок 1.8 - Визуализация антигенов клеточной поверхности А.ЬгаБНепБе Бр245 конъюгатами коллоидного золота с миниантителами на липополисахариды (А), флагеллин (Б) в иммуноэлектронной микроскопии, и внешний вид результатов электрофореза продуктов полимеразной цепной реакции после амплификации с родоспецифичными (В, сверху) и серогрупповыми (В, снизу) праймерами

Динамическое отображение потоковых визуальных данных. СППР должны обладать возможностью коллаборативной работы одной или нескольких групп экспертов, при этом эксперты далеко не всегда имеют возможность находиться вместе территориально. По этой причине необходимо обеспечивать возможность визуализации потоковых данных для поддержки взаимодействия с удаленными группами экспертов. Технологии видеоконференцсвязи и потоковой трансляции рабочих сред и инструментов позволяют реализовать эту необходимость, обеспечив удаленную группу пользователей как возможностями аудиовизуального контакта с основным рабочим залом, так и возможностью наблюдать и управлять текущими процессами внутри СППР.

Визуализация потоковых данных дополнительно позволяет отображать группе экспертов в реальном времени потоковые данные с используемых в ходе работы источников, например, камеры видеонаблюдения на месте текущих событий. В то же

время, имея возможность отображения потоковых данных, технологии дополненной реальности [42] позволяют визуализировать поверх реального изображения требуемые данные, например проецировать схематическую ситуационную обстановку или визуализировать на реальном ландшафте последствия принятия тех или иных решений[43]. Простые примеры демонстрации возможностей технологии дополненной реальности представлены на рис. 1.9.

б)

Рисунок 1.9 - Демонстрация возможностей технологии дополненной реальности: (а) отображение объектов, которые потенциально находятся под плоскостью пола -своеобразный эффект Хгау и (б) демонстрация виртуально синтезированного набора объектов «внутри» потокового видео прямо на смартфоне

В случае применения технологий дополненной реальности критерии реалистичности визуализации могут быть рассмотрены с нескольких сторон. Например, при визуализации последствий каких-либо действий на местности необходима достаточная реалистичность визуализации наложенных элементов для более целостного и натурального восприятия результата. В то же время при ситуационном планировании и проецировании сценариев на местности необходима визуализация данных, обладающая более четкими когнитивными образами, т.е. более схематичная и понятная.

Список литературы диссертационного исследования кандидат наук Загарских, Александр Сергеевич, 2014 год

Список использованных источников

1. Turner A. Introduction to neogeography. Sebastopol, CA: O'Reilly Media, 2006. P. 54.

2. Brucker В., Scheiter K., and Gerjets P.Learning with dynamic and static visualizations: Realistic details only benefit learners with high visuospatial abilities //Comput. Human Behav.2014. Vol. 36, Jul. P. 330-339.

3. Al-Hussein M., Athar Niaz M., Yu H., and Kim ^Integrating 3D visualization and simulation for tower crane operations on construction sites // Autom. Constr.2006. Vol.15, N5. P. 554-562.

4. Giard F. and Guitton MBeauty or realism: The dimensions of skin from cognitive sciences to computer graphics// Comput. Human Behav.2010. Vol. 26. P. 1748-1752.

5. MacDorman K.F., Green R.D., Ho C.-C., and Koch C.T. Too real for comfort? Uncanny responses to computer generated faces// Comput. Human Behav.2009. Vol. 25, N 3. P. 695-710.

6. Kwakkel J.H., Carley S., Chase J., and Cunningham S. W. Visualizing geo-spatial data in science, technology and innovation//Technol. Forecast. Soc. Change. 2014. Vol. 81. P. 67-81.

7. Maciejewski R. and Livengood P.A pandemic influenza modeling and visualization tool//J. Visual Languages and Computing. 2011. Vol. 22. P. 268-278.

8. Houghton A., Prudent N., Scott J.E., Wade R., and Luber G.Climate change-related vulnerabilities and local environmental public health tracking through GEMSS: A web-based visualization tool//Appl. Geogr.2012. Vol. 33. P. 36-44.

9. Carroll L.N., Au A.P., Detwiler L.T., Fu T.-C., Painter I. S., and Abernethy N. F. Visualization and analytics tools for infectious disease epidemiology: A systematic review//J. Biomed. Inform. 2014.Apr.

10. Zanuttigh В., Simcic D., Bagli S., Bozzeda F., Pietrantoni L., Zagonari F., Hoggart S., and Nicholls R. J. THESEUS decision support system for coastal risk management//Coast. Eng.2014. Vol. 87. P. 218-239.

11. Tasoulas E., Varras G., Tsirogiannis I., and Myriounis C. Development of a GIS Application for Urban Forestry Management Planning//Procedia Technol.2013. Vol. 8, N Haicta. P. 70-80.

12. Xing Z., Gao W., Zhao X., and Zhu D.Design and Implementation of City Fire Rescue Decision Support System//Procedia Eng.2013. Vol. 52. P. 483^188.

13. Pensa S., Masala E., Arnone M., and Rosa A.Planning Local Public Transport: A Visual Support to Decision-making// Procedia - Soc. Behav. Sci.2014. Vol. 111. P. 596-603.

14

15

16

17,

18

19

20,

21,

22,

23,

24,

25.

26.

27.

Sui D. and Goodchild M.The convergence of GIS and social media: challenges for GIScience//Int. J. Geogr. Inf. Sci.2012. April. P. 37-41.

Das T., van Elzakker C., and Kraak MConflicts in Neogeography Maps//Proc. AutoCarto. 2012.

Sui D.The wikification of GIS and its consequences: Or Angelina Jolie's new tattoo and the future of GIS//Comput. Environ. Urban Syst.2008. Vol. 32. P. 1-5. Shin A/.E. Democratizing electoral geography: Visualizing votes and political neogeography//Polit. Geogr.2009. Vol. 28, N 3. P. 149-152.

Fujita K., Ichimura T., Hori M., Wijerathne M.L.L., and Tanaka S. A Quick Earthquake Disaster Estimation System with Fast Urban Earthquake Simulation and Interactive Visualization//Procedia Comput. Sci.2014. Vol. 29. P. 866-876.

Xu Z. and Coors V. Combining system dynamics model, GIS and 3D visualization in sustainability assessment of urban residential development//Build. Environ.2012. Vol. 47. P. 272-287.

Luo C., Zhu Q., Pang B., and Wang /.Research of the 3d GIS based on OpenGL_ES for Earthquake Engineering//Syst. Eng. Procedia. 2011. Vol. 1. P. 93-98. Appleton K. and Lovett A.GIS-based visualisation of rural landscapes: defining 'sufficient' realism for environmental decision-making//Landsc. Urban Plan.2003. Vol. 65, N3. P. 117-131.

Hwang G.M., Mahoney P.J., James J.H., Lin G.C., Berro A.D., Keybl M., Goedecke D.M., Mathieu J.J., and Wilson T.A model-based tool to predict the propagation of infectious disease via airports//Travel Med. Infect. Dis.2012. Vol. 10, N 1. P. 32-42. Chen H., Niu B., Ma L., Su W., and Zhu Y. Bacterial colony foraging optimization/ZNeurocomputing. 2014. Vol. 137. P. 268-284.

Moulay D., Aziz-Alaoui M., and Cadivel M. The chikungunya disease: modeling, vector and transmission global dynamics// Math. Biosci.2011. Vol. 229, N 1. P. 50-63. Dumont Y„ Chiroleu F., and Domerg C. On a temporal model for the Chikungunya disease: modeling, theory and numerics//Math. Biosci.2008. Vol. 213, N 1, pp. 80-91, May.

Biittner K., Krieter J.,Traulsen A., and Traulsen I. Static network analysis of a pork supply chain in Northern Germany-Characterisation of the potential spread of infectious diseases via animal movements// Prev. Vet. Med. 2013.Vol. 110, N 3-4. P. 418-28. Guo D. Visual analytics of spatial interaction patterns for pandemic decision support//Int. J. Geogr. Inf. Sci.2007.Vol. 21, N 8. P. 859-877.

28,

29.

30,

31,

32,

33,

34,

35,

36,

37,

38,

39,

40.

41,

Schumann H. and Tominski C. Analytical, visual and interactive concepts for geo-visual analytics//J. Vis. Lang. Comput.201 l.Vol. 22, N 4. P. 257-267.

Ventresca M. and Aleman D. A randomized algorithm with local search for containment of pandemic disease spread//Comput. Oper. Res. 2014.Vol. 48. P. 11-19. MaK., Wang C., Yu H., Moreland K., Huang J., and Ross R.Next-generation visualization technologies: Enabling discoveries at extreme scale//SciDAC Rev.2009. P. 12-21. Kitchovitch S. and Lib P. Risk perception and disease spread on social networks//Procedia Comput. Sci.2010. Vol. 1, N 1. P. 2345-2354. Varela J. M., Rodrigues J. M., and Soares C. G. On-board Decision Support System for Ship Flooding Emergency Response// Procedia Comput. Sci.2014.Vol. 29. P. 1688-1700. Freitas V.G.G., de Abreu Mol A.C., and Shirru R. Virtual reality for operational procedures in radioactive waste deposits//Prog. Nucl. Energy. 2014. Vol. 71. P. 225-231. Huang F., Lin H., Chen B., and Xiao C. Realistic terrain visualization based on 3D virtual world technology//Proc. Sixth Int. Symp. Digit. Earth Model. Algorithms, Virtual Real.2009.Vol. 7840. P. 78401B-78401B-8.

Cheng S., Chen G., Chen Q., and Xiao X. Research on 3D dynamic visualization simulation system of toxic gas diffusion based on virtual reality technology//Process Saf. Environ. Prot. 2009. Vol. 87, N 3. P. 175-183.

Beuthel C., Dai F., Kolb E., and Kruse E. 3D visualization for the monitoring and control of airport operations//Control Eng. Pract.2002.Vol. 10, April. P. 1315-1320. Ohno N. and Kageyama A. Scientific visualization of geophysical simulation data by the CAVE VR system with Volume rendering//Phys. Earth Planet. Inter. 2007. Vol. 163, N 1-4. P. 305-311.

Falcao A.O., Dos Santos M.P., and Borges J.G. A real-time visualization tool for forest ecosystem management decision support// Comput. Electron. Agric.2006, Vol. 53, N 1. P. 3-12.

Bishop I. and Rohrmann B. Subjective responses to simulated and real environments: a comparison// Landsc. Urban Plan. 2003. Vol. 65, N 4. P. 261-277. Zacharias J. Exploratory spatial behaviour in real and virtual environments// Landsc. Urban Plan.2006, Vol. 78, N 1-2. P. 1-13.

Wong A.K., Davis G.B., Nguyen T.J., Hui K.J.W.S., Hwang B.H., Chan L.S., Zhou Z., Schooler W.G., Chandrasekhar B.S., and Urata MM.Assessment of three-dimensional high-definition visualization technology to perform microvascular anastomosis//J. Plast. Reconstr. Aesthet. Surg.2014, Vol. 67, N 7. P. 967-972.

42. Kalkofen D., Sandor C., White S., and Schmalstieg D. Handbook of Augmented Reality. New York, NY: Springer New York, 2011. P. 65-98.

43. Ghadirian P. and Bishop I. D. Integration of augmented reality and GIS: A new approach to realistic landscape visualisation//Landsc. Urban Plan.2008, Vol. 86, N 3-4. P. 226232.

44. Billen M.I., Kreylos O., Hamann B., Jadamec M. a., Kellogg L.H., Staadt O., and Sumner D. Y.A geoscience perspective on immersive 3D gridded data visualization// Comput. Geosci.2008, Vol. 34, N 9. P. 1056-1072.

45. Wissen U., Schroth O., Lange E., and Schmid W. Approaches to integrating indicators into 3D landscape visualisations and their benefits for participative planning situations//!. Environ. Manage.2008, Vol. 89, N 3. P. 184-96.

46. Zhang S., Xia Z, and Wang T. A real-time interactive simulation framework for watershed decision making using numerical models and virtual environment// J. Hydrol.2013, Vol. 493. P. 95-104.

47. Perez, Alkhamis M., Carlsson U., Brito B., Carrasco-Medanic R., Whedbee Z., and Willeberg P. Global animal disease surveillance.//Spat. Spatiotemporal. Epidemiol.2011, Vol. 2, N 3. P. 135-45.

48. Carvalho L.M.F. de, Santos L.B.L., Faria N.R., and Castro Silveira W. de Phylogeography of foot-and-mouth disease virus serotype O in Ecuador//Infect. Genet. Evol.2013, Vol. 13. P. 76-88.

49. Wang X. Integrating GIS, simulation models, and visualization in traffic impact analysis//Comput. Environ. Urban Syst.2005, Vol. 29, N 4. P. 471-496.

50. Zhou Y., Ding L.Y., and Chen L.J. Application of 4D visualization technology for safety management in metro construction//Autom. Constr.2013, Vol. 34. P. 25-36.

51. Hollt T., MagdyA., Chen G., Gopalakrishnan G., Hoteit I., Hansen C. D., and Hadwiger M. Visual analysis of uncertainties in ocean forecasts for planning and operation of offshore structures//2013 IEEE Pacific Vis. Symp. P. 185-192, Feb. 2013.

52. Chen L., Wu C., Shen T., and Chou C. The application of geometric network models and building information models in geospatial environments for fire-fighting simulations//Environ. Urban Syst. 2014.

53. Castrillon M., Jorge P., and Lopez /.Forecasting and visualization of wildfires in a 3D geographical information system // Comput. 2011.

54. Cox M.E., James A., Hawke A., and Raiber M. Groundwater Visualisation System (GVS): A software framework for integrated display and interrogation of conceptual

55.

56.

57.

58.

59.

60.

61.

62.

63.

64.

65.

66.

67.

68.

hydrogeological models, data and time-series animation// J. Hydrol.2013, Vol. 491. P. 56-72.

Stefaner and Moritz.Visualizing information flow in science [Online], Available: http ://well-formed.eigenfactor. org/.

Interactive Data Graphics [Online]. Available: http://media.mmg.mpg.de/.

Heipke C.Crowdsourcing geospatial data//ISPRS J. Photogramm. Remote Sens.2010,

Vol. 65, N 6. P. 550-557.

Viégas F., Wattenberg M., Hebert J., Borggaard G., Cichowlas A., Feinberg J., Orwant J., and Wren C. R. Google + Ripples: A Native Visualization of Information Flow. P. 1389-1398.

Hurter C., Conversy S., Gianazza D., and Telea a. C. Interactive image-based information visualization for aircraft trajectory analysis// Transp. Res. Part C Emerg. Technol. 2014.Apr.

Xu Z., Lu X., Guan H., and Ren A. High-speed visualization of time-varying data in large-scale structural dynamic analyses with a GPU//Autom. Constr.2014, Vol. 42. P. 90-99. Cheng T. and Teizer J. Real-time resource location data collection and visualization technology for construction safety and activity monitoring applications//Autom. Constr.2013, Vol. 34. P. 3-15.

Yang X. and Ergan S. Evaluation of visualization techniques for use by facility operators

during monitoring tasks// Autom. Constr.2014, Vol. 44. P. 103-118.

Bishop I. D. and Stock C.Using collaborative virtual environments to plan wind energy

installations//Renew. Energy. 2010, Vol. 35, N 10. P. 2348-2355.

Palomares I. and Martínez L. Low-dimensional Visualization of Experts' Preferences in

Urgent Group Decision Making under Uncertainty 1//Procedía Comput. Sci.2014, Vol.

29. P. 2090-2101.

Tammi I. and Kalliola R. Spatial MCDA in marine planning: Experiences from the Mediterranean and Baltic Seas//Mar. Policy. 2014, Vol. 48. P. 73-83. Bertoni A., Bertoni M., and Isaksson O. Value visualization in Product Service Systems preliminary design//J. Clean. Prod.2013, Vol. 53. P. 103-117.

Drury J., Klein G„ Pfaff M., and More L. Data visualizations for dynamic decision support // Proc. of the Intelligent User Interfaces Conference. 2009. P. 1-4. Roche S.E., Wicks R., Garner M.G., East I.J., Paskin R., Moloney B.J., Carr M. Descriptive overview of the 2011 epidemic of arboviral disease in horses in Australia// Australian Veterinary Journal. 2013. Vol. 91(1-2). P. 5-13.

69. Katsianis, M., Tsipidis, S., Kotsakis, K., & Kousoulakou, A. A 3D digital workflow for archaeological intra-site research using GIS// Journal of Archaeological Science, 2008. Vol. 35(3). P. 655-667.

70. Cowled B., Ward, M. P., Hamilton, S., & Garner, G. The equine influenza epidemic in Australia: spatial and temporal descriptive analyses of a large propagating epidemic// Preventive Veterinary Medicine, 2009. Vol. 92(1-2). P. 60-70.

71. Mannelli a, Ferre N., & Marangon, S. Analysis of the 1999-2000 highly pathogenic avian influenza (H7N1) epidemic in the main poultry-production area in northern Italy// Preventive Veterinary Medicine. 2006. Vol. 73(4). P. 273-85.

72. Teodoro, a. C., & Duarte, L. Forest fire risk maps: a GIS open source application - a case study in Norwest of Portugal// International Journal of Geographical Information Science. 2013. Vol. 27(4). P. 699-720.

73. Neteler, M„ Bowman, M. H., Landa, M., & Metz, M. GRASS GIS: A multi-purpose open source GIS// Environmental Modelling & Software. 2012. Vol.31. P. 124-130.

74. Zagarskikh, A., Karsakov, A., & Tchurov, T. The Framework for Problem Solving Environments in Urban Science// Procedia Computer Science. 2014. Vol.29. P. 24832495.

75. Aschwanden, G. D. P. a., Haegler, S., Bosche, F., Van Gool, L., & Schmitt, G.Empiric design evaluation in urban planning// Automation in Construction. 2011. Vol. 20(3). P. 299-310.

76. Haklay, M., Singleton, A., & Parker, C. Web mapping 2.0: The neogeography of the GeoWeb. Geography Compass. 2008. Vol.2. P. 2011-2039.

77. Quinn S. and Gahegan M. A Predictive Model for Frequently Viewed Tiles in a Web Map. Transactions in GIS. 2010. Vol. 14(2). P. 193-216.

78. Yang, B. A multi-resolution model of vector map data for rapid transmission over the Internet// Computers & Geosciences. 2005. Vol. 31(5). P. 569-578.

79. Mitasova, H., Harmon, R. S., Weaver, K. J., Lyons, N. J., & Overton, M. F. Scientific visualization of landscapes and landforms// Geomorphology. 2012. Vol. 137(1). P. 122137.

80. Kim, J.R., & Muller, J.-P. 3D Reconstruction From Very High Resolution Satellite Stereo And Its Application To Object Identification.2002.

81. Brooks, S., & Whalley, J.L. Multilayer hybrid visualizations to support 3D GIS// Computers, Environment and Urban Systems. 2008 . Vol. 32(4). P. 278-292.

82. Rautji, S., Gaur, D., & Khare, K. Immersive 3d Visualization Of Remote Sensing Data.2013 . Vol. 4(5). P. 61-73.

83. Lindstrom, P., Koller, D., & Ribarsky, WAn integrated global GIS and visual simulation system. 1997. Retrieved from http://smartech.gatech.edu/handle/1853/3527

84. Kaushik, M., Nagwanshi, K, & Sharma, L. A Overview of Point-based Rendering Techniques// International Journal of Computer Trends and Technology. 2012 . Vol.3 . P. 18-23.

85. Kreylos, O., Bawden, G., & Kellogg, L. Immersive visualization and analysis of LiDAR data// Advances in Visual Computing.2008 . P. 46-855.

86. Kovac, B., & Zalik, B. Visualization of LIDAR datasets using point-based rendering technique. Computers & Geosciences. 2010. Vol. 36(11). P. 1443-1450.

87. Stoker, J. Volumetric Visualization of Lidar Data : Using Voxels. Photogrammetric Engineering & Remote Sensing. 2009. P. 110-113.

88. Gebhardt, S., Payzer, E., & Salemann, L. Polygons, point clouds, and voxels, a comparison of high-fidelity terrain representations// Proceedings of Simulation Interoperability Workshop.2009.

89. Kulawiak, M., Prospathopoulos, A., Perivoliotis, L., Luba, M., Kioroglou, S., & Stepnowski, A. Interactive visualization of marine pollution monitoring and forecasting data via a Web-based GIS// Comp. & Geosci.2010. Vol. 36(8). P. 1069-1080.

90. NASA/Goddard Space Flight Center Scientific Visualization Studio. Perpetual Ocean. http://www.nasa.gov/topics/earth/features/perpetual-ocean.html

91. Hurter, C., Conversy, S., Gianazza, D., & Telea, A. C. Interactive image-based information visualization for aircraft trajectory analysis. Transportation Research Part C: Emerging Technologies.2014.

92. Carroll, L.N., Au, A.P., Detwiler, L.T., Fu, T.-C., Painter, I.S., & Abernethy, N.F.Visualization and analytics tools for infectious disease epidemiology: A systematic review// Journal of Biomedical Informatics.2014.

93. Yeo, I. A., Yoon, S. H., & Yee, J. J. Development of an environment and energy Geographical Information System (E-GIS) construction model to support environmentally friendly urban planning// Applied Energy. 2013. Vol.104. P. 723-739.

94. Deng, B., Xu, D., Zhang, J., & Song, C. Visualization of Vector Data on Global Scale Terrain// Proceedings of the 2nd International Conference on Computer Science and Electronics Engineering. 2013. P. 85-88.

95. Wu, B., Yu, B., et al. A Voxel-Based Method for Automated Identification and Morphological Parameters Estimation of Individual Street Trees from Mobile Laser Scanning Data// Remote Sensing. 2013 . Vol. 5(2). P. 584-611.

96. Brasebin, M. GeOxygene: An Open 3D Framework for the Development of Geographic Applications// Proceedings of International Conference on Geographic Information Science. 2009. P. 1-13.

97. Fräser, C., Baltsavias, E., & Grün, A. 3D building reconstruction from high-resolution Ikonos stereo-imagery// Automated Extraction of Man-Made Objects from Aerial and Space Images. 2001. P. 325-338.

98. Karbovskii, V. a., Voloshin, D. V., Puzyreva, K. a., & Zagarskikh, A. S. Personal Decision Support Mobile Service for Extreme Situations// Procedia Computer Science. 2014. Vol.29. P. 1646-1655.

99. Wakamiya S., Lee R., Sumiya K. Urban area characterization based on semantics of crowd activities in twitter. GeoSpatial Semantics. Springer Berlin Heidelberg, 2011. P. 108-123.

100. Lazarus N. Cities Worldwide Address Urban Issues Using Digital Technology. [Электронный ресурс]. - URL: http://www.mediabistro.com/prnewser/cities-worldwide-address-urban-issues-using-digital-technologv Ь65021Мау 22, 2013. Дата обращения: 06.10.2013.

101. [Электронный ресурс]. - URL: http://rosyama.ru/page/about/. Дата обращения: 03.10.2013.

102. Алексеева Д. Обзор: краудсорсинг для решения локальных проблем города. [Электронный ресурс]. - URL: http://te-st.ru/2012/03/15/crowdsourcing-local-problems/. Дата обращения: 06.10.2013.

103. [Электронный ресурс]. - URL: http://ushahidi.com/about-us. Дата обращения: 08.11.2013.

104. Bawa-Cavia A. Sensing the Urban. Using location-based social network data in urban analysis. [Электронный ресурс]. - URL: http://urbagram.net/media/SensingTheUrban-WP.pdf 2010. Дата обращения: 08.11.2013.

105. Cranshaw J., Schwartz R., Hong J., Sadeh N. The Livehoods Project: Utilizing Social Media to Understand the Dynamics of a City. Pittsburgh, PA 15213., [Электронный ресурс]. - URL:http://justincranshaw.com/papers/cranshaw livehoods icwsml2.pdf. Дата обращения: 08.11.2013.

106. Abukhater A. GIS for planning and Community development: solving global challenges. [Электронный ресурс]. - URL: http://www.directionsmag.com/articles/gis-for-planning-and-communitv-development-solving-global-challenges/149245 02.01.2011. Дата обращения: 08.11.2013.

107. Thurston J. Senesta Solves Big Data Problems for Infrastructure, Mining and Urban Planning. [Электронный ресурс]. - URL: http://www.3dvisworld.com/features/interviews/5420-interview-senseta-solves-big-data-

problems-for-infrastructure-mining-and-urban-planning.html_26.06.2013. Дата

обращения: 08.11.2013.

108. Doytsher Y., Kelly P., Khouri R., McLaren R. Rapid Urbanization and Mega Cities: The Need for Spatial Information Management. FIG., Copenhagen, Denmark 2010, [Электронныйресурс]. - URL: http://www.fig.net/pub/figpub/pub48/figpub48.pdf. Дата обращения: 08.11.2013.

109. Мэрия Якутска будет решать городские проблемы с помощью "кликеров". РИА Новости. [Электронный ресурс]. - URL: http://ria.ru/societv/20130723/951583112.html 23.07.13. Дата обращения: 08.11.2013.

110. [Электронный ресурс]. - URL: http://planninglatinamerica.wordpress.com/2013/10/30/sao-paulo-management/flaTa обращения: 08.11.2013.

111. [Электронный ресурс]. - URL: http://www.crowdsourcing.org/document/kickstarter-for-neighborhoods-brings-crowdfundings-potential-to-urban-renewal/15422. Дата обращения: 08.11.2013.

112. [Электронныйресурс]. - URL: Center for Urban Science and Progress. The promise of urban informatics. URL: http://cusp.nyu.edu/wp-content/uploads/2013/07/CUSP-overview-Mav-30-2013.pdf 30.05.2013. Дата обращения: 08.11.2013.

113. Harris J. K., Mueller N. L., Snider D., Haire-Joshu D. Local Health Department Use of Twitter to Disseminate Diabetes Information, United States// Centers for disease control and prevention. [Электронный ресурс]. - URL:

http://www.cdc.gov/pcd/issues/2013/12 0215.htm. Датаобращения: 08.11.2013.

114. Goodchild M.F. Geographic information systems and science: today and tomorrow // Procedía Earth Planet. Sci. 2009. Vol. 1, N 1. P. 1037-1043.

115. Lange E. 99 volumes later: We can visualise. Now what? // Landsc. Urban Plan. 2011, Vol. 100, N4. P. 403-406.

116. Pettit C.J., Raymond C.M., Bryan B. a., and Lewis H. Identifying strengths and weaknesses of landscape visualisation for effective communication of future alternatives // Landsc. Urban Plan. 2011, Vol. 100, N 3. P. 231-241.

122 _

117. Wilson M.W. Geospatial technologies in the location-aware future // J. Transp. Geogr. 2014, Vol. 34. P. 297-299.

118. Breunig M. and Zlatanova 5.3D geo-database research: Retrospective and future directions // Comput. Geosci. 2011, Vol. 37, N 7. P. 791-803.

119. Le Bars M. and Le Grusse P. Use of a decision support system and a simulation game to help collective decision-making in water management // Comput. Electron. Agric. 2008.Vol. 62, N 2. P. 182-189.

120. Васильев B.H., Князьков K.B., Чуров Т.Н., Насонов Д.А., Марьин С.В., Ковальчук С.В., Бухановский AiJ.CLAVIRE: облачная платформа для обработки данных больших объемов // Информационно-измерительные и управляющие системы. 2012. Т. 10. №11. С. 7-16.

121. Князьков КВ., Ковальчук С.В., Бухановский А.В. Интерактивные композитные приложения: технология для разработки информационно-измерительных и управляющих систем в распределенных средах// Информационно-измерительные и управляющие системы. 2012. №11. С. 40-46.

122. Якушев А.В., Дейкстра Л.Й., Митягин С. А. Распределенный краулер для социальных сетей на основе модели Map/Reduce // Информационно-измерительные и управляющие системы. 2012. № 11. С. 47-53.

123. KnyazkovK.V., KovalchukS.V., TchurovT. N. <?/a/.CLAVIRE: e-Science infrastructure for data-driven computing//J. Computational Science. 2012. Vol. 3, Is. 6. P. 504-510.

124. Методологические положения по статистике (выпуск 1,2,3,4,5). Федеральная служба государственной статистики [Электронный ресурс]. -URL: http://www.gks.ru/bgd/free/B99_10/IssWWW.exe/Stg/dOOO/i000140r.htm. Дата обращения: 19.11.2013.

125. Федеральная служба государственной статистики. [Электронный ресурс]. - URL: http://www.gks.ru. Дата обращения: 19.11.2013.