Методологическое обеспечение ГИС и технологий. Понятие ГИС-проекта. Основные этапы проектирования ГИС (концептуальное, инфологическое, логическое, физическое).

Взаимосвязь ГИС с другими типами автоматизированных информационных систем. Структурные и технологические сходства и различия. Технологии САПР как методологическая основа проектирования ГИС. Экспертные системы, их место в современных ГИС и технологиях.

Как уже было сказано, методологии и технологии ГИС интегрируют в себе современные достижения целого ряда научных направлений, в том числе в области проектирования и эксплуатации информационных систем различных типов. Ее основное индивидуальное отличие состоит в широких возможностях манипулировать с пространственными данными и осуществлять их анализ для самых разнообразных приложений.

Существует несколько типов информационных систем, работающих с пространственной информацией, которые в той или иной степени можно считать предшественниками ГИС. Это системы автоматизированного проектирования (CAD), системы автоматизированного картографирования (AM), системы управления сетями (FM) и системы мелкомасштабного пространственного анализа.

1. Системы автоматизированного проектирования (CAD или САПР) изначально предназначались для выпуска чертежной документации. Подготовка чертежей составляет около 70% проектной деятельности. Значительное сокращение рутинных чертежных работ, а также возможности автоматизированного редактирования проектной документации и ее многократного копирования обусловили быстрое и широкое распространение САПР. Первоначально САПР оперировали исключительно с двумерными пространственными данными, дальнейшее направление развития связано с введение трехмерных моделей и операций над ними (перенос, поворот, масштабирование, удаление скрытых линий).

В области представления и манипулирования с пространственной информацией системы автоматизированного проектирования имеют много общего с ГИС. В частности, именно из САПР были заимствованы основные типы графических примитивов – точечный, линейный, площадной, методы их представления и работы с ними, а также разбиение информации по слоям. Принципы разработки проектов САПР во многом применимы и к принципам разработки ГИС-проектов. Технические средства, используемые САПР для ввода и обработки графической информации, также во многом аналогичны средствам ГИС. Именно по этой причине специалисты в области ГИС, говоря об интеграции ГИС-технологий, считают основой такой интеграции технологии САПР.

Ограничением систем автоматизированного проектирования является работа исключительно в декартовой системе координат, преобладание операций над геометрическими фигурами, а также недостаток средств работы с семантической (тематической) нагрузкой. Семантическая информация, используемая в САПР, характеризуется большей однородностью и преобладанием количественных характеристик. Тем не менее, некоторые программные продукты САПР, в частности, популярный пакет AutoCAD, довольно часто используются в ГИС для городского кадастра, управления муниципальными объектами и недвижимостью, архитектурных задачах. В основном это связано с высокими требованиями к точности пространственного анализа (привязка объектов осуществляется с точностью до 2-5 см на местности). Пространственные данные в этих случая представляются в виде планов М 1 : 2000 и крупнее.

2. Системы автоматизированного картографирования (AM или АК). Изначально приспособлены для создания стандартных типов карт высокого качества. Являются предшественниками ГИС в части представления картографических данных (системы стандартизации машинных картографических условных знаков, способы хранения большого объема графической информации, проекционные преобразования). Ориентированы преимущественно на рабочие станции, имеют хорошо развитый интерфейс ввода-вывода, но существенно ограничены в возможностях пространственного моделирования, особенно с использованием тематических (атрибутивных) данных.

Следует отметить, что в настоящее время наблюдается тенденция слияния систем автоматизированного картографирования и ГИС, в основном на базе рабочих станций, обладающих большими вычислительными мощностями.

3. Системы управления сетями (FM) – системы управления пространственно распределенными объектами со значительной содержательной нагрузкой (коммуникационные сети, энергосети, трубопроводы и т.п.). Могут считаться предшественниками ГИС в части проектирования баз данных и организации СУБД.

4. Системы мелкомасштабного пространственного анализа. По своему функциональному назначению именно эти системы могут считаться первыми ГИС. Впервые такие системы появились в организациях географического и геологического профиля. Некоторые из них возникли на основе автоматизированных систем обработки данных дистанционного зондирования, преимущественно космических изображений, или создавались в дополнение к ним. Именно в этом классе систем возникло деление ГИС на растровые и векторные.

Следует сразу отметить, что такое разделение проводится не столько по наличию в системе возможности представления и обработки растровых и векторных слоев информации, сколько по наличию средств их пространственного анализа. Как правило, во всех системах тематической обработки данных ДЗ имеются возможности работы с векторными слоями. Тем не менее, большую часть этих систем нельзя отнести к растровым ГИС, так как средства взаимосвязи пространственных и атрибутивных данных и, как следствие, операций над совокупностями таких данных здесь существенно ограничены.

Растровый подход состоит в описании территории путем разбиения ее на ячейки регулярной сети, каждой из которых приписываются количественные и качественные характеристики. Минимальная ячейка такой регулярной сети может, естественно, соответствовать пикселу растрового изображения, но для реализации даже простейшего анализа в такой системе описания требуются большие вычислительные мощности. Многие аналитические операции на таких структурах данных могут быть эффективно реализованы только в системах с параллельными вычислениями. Тем не менее, прогнозируя дальнейшее развитие ГИС и технологий, многие специалисты считают такой подход весьма перспективным.

В большинстве современных ГИС, особенно ориентированных на ПК, преобладает векторный подход. В этом случае графическая информация представляется наборами пространственно локализованных точек, образующих графические объекты (графические примитивы). С этими объектами соотносятся наборы качественных и количественных характеристик (атрибуты). Ясно, что такое представление требует значительно меньших объемов памяти и существенно ускоряет процесс анализа. В большинстве векторных ГИС в качестве основных графических примитивов используются точка, линия и полигон, однако существуют системы, использующие и другие типы графических примитивов, например “мультилиния”.

Цели и задачи, для которых создавались системы мелкомасштабного пространственного анализа, напрямую связаны с теми целями и задачами, которые решают современные ГИС. Именно поэтому в таких системах сформировались основы методологии пространственного анализа и геоинформационного моделирования. Так, например, пакет обработки космической информации IDRISI, разработанный в свое время по заказу NASA, содержит ряд функций оперирования с растровыми и векторными слоями, ориентированных на достаточно сложный комплексный пространственный анализ, и некоторые операции поддержки принятия решений. В этом смысле данный пакет по своей функциональной организации можно считать мини-моделью современных интегрированных ГИС-пакетов. Однако работа с большими объемами данных и, тем более, с тематическими базами данных, в этом пакете, как и в большинстве пакетов обработки изображений, не предусмотрена.

Особое место в развитии современных ГИС и технологий занимают экспертные системы (ЭС). Если автоматизированные информационные системы, о которых говорилось выше, являются в том или ином смысле предшественниками ГИС, то экспертные системы – это, скорее, одна из основных тенденций развития. В самом деле, если рассматривать функциональное назначение экспертных систем, то они во многих аспектах совпадают или пересекаются с функциональным назначением ГИС: тематическая группировка данных, консультирование, выводы, диагностика, прогноз, идентификация, интерпретация и др.

Основные достоинства интеллектуальных систем наиболее сильно проявляются в тех направлениях, где требуются:

1) решения, оптимизация и выполнение оценок на основе трудноформализуемых данных;

2) предметно-ориентированный интерфейс для пользователей, не привыкших к формализации своих понятий и подходов к решению задач;

3) накопление данных в совокупности с правилами их анализа и использования при принятии решений;

4) решение вопросов и проблем, которые невозможно решить другими методами из-за объема данных и временных затрат;

5) индивидуальная адаптация системы за счет использования личного опыта пользователя-предметника в сфере его деятельности.

Экспертные системы можно определить как класс автоматизированных информационных систем, способных осуществлять анализ и коррекцию данных независимо от указания пользователя, анализ и принятие решений как по запросу, так и независимо от запроса пользователя, а также выполнения ряда классификационно-аналитических функций. Основной особенностью таких систем является наличие базы знаний и возможность алгоритмического разрешения противоречий. Именно эти факторы, собственно, и определяют условия, при которых можно использовать экспертную систему в некоторой предметной области. Прежде всего, для создания экспертной системы необходимо наличие экспертов, которые согласны передать системе свои знания. Во-вторых, необходимо существование сходимости, то есть согласованности решений. Кроме того, необходимо, чтобы применение экспертной системы оправдывало себя по затратам, то есть соответствовало одному из перечисленных выше направлений. Наконец, желательно, чтобы существовала возможность использования эвристических методов при неполноте или изменчивости информации в данной предметной области.

Для построения экспертных систем существуют готовые операционные оболочки. Реализация решений основывается на нескольких видах моделей представления знаний.

Продукционная (логическая) модель: основывается на логических взаимосвязях между элементами базы знаний типа «если – то». Перебор и анализ возможных взаимосвязей осуществляет программа, называемая машиной вывода. Чаще всего вывод бывает прямой (от данных к поиску цели) или обратный (от цели для ее подтверждения — к данным). Данные — это исходные факты, на основании которых запускается машина вывода. Примеры «пустых» операционных оболочек для создания этих систем - EXSYS, ЭКСПЕРТ; инструментальные системы ПИЭС и СПЭИС и др.

Семантические сети. Термин семантическая означает смысловая, а сама семантика — это наука, устанавливающая отношения между символами и объектами, которые они обозначают, т.е. наука, определяющая смысл знаков.

Семантическая сеть — это ориентированный граф, вершины которого — понятия, а дуги — отношения между ними.

Понятиями обычно выступают абстрактные или конкретные объекты, а отношения — это связи типа: "это" ("is"), "имеет частью" ("has part"), "принадлежит", "любит". Характерной особенностью семантических сетей является обязательное наличие трех типов отношений:

• класс — элемент класса;

• свойство — значение;

• пример элемента класса.

Можно ввести несколько классификаций семантических сетей. Например, по количеству типов отношений:

• однородные (с единственным типом отношений);

• неоднородные (с различными типами отношений). По типам отношений:

• бинарные (в которых отношения связывают два объекта);

• п-арные (в которых есть специальные отношения, связывающие более двух понятий). Наиболее часто в семантических сетях используются следующие отношения:

• связи типа "часть-целое" (^'класс-подкласс", "элемент-множество" и т.п.);

• функциональные связи (определяемые обычно глаголами "производит", "влияет"...);

• количественные (больше, меньше, равно...);

• пространственные (далеко от, близко от, за, под, над ...);

• временные (раньше, позже, в течение...);

• атрибутивные связи (иметь свойство, иметь значение...);

• логические связи (и, или, не) и др.

Проблема поиска решения в базе знаний типа семантической сети сводится к задаче поиска фрагмента сети, соответствующего некоторой подсети, соответствующей поставленному вопросу.

Основное преимущество этой модели — соответствие современным представлениям об организации долговременной памяти человека. Недостаток модели — сложность поиска вывода на семантической сети.

Для реализации семантических сетей существуют специальные сетевые языки. Широко известны экспертные системы, использующие семантические сети в качестве языка представления знаний — PROSPECTOR, CASNET, TORUS.

Фреймы.Фрейм (англ. frame — каркас или рамка) предложен М.Минским в 70-е гг. как структура знаний для восприятия пространственных сцен. Эта модель, как и семантическая сеть, имеет глубокое психологическое обоснование. Под фреймом понимается абстрактный образ или ситуация. Фреймом называется также и формализованная модель для отображения образа. Описание фрейма осуществляется через набор характеристик-слотов. К каждому слоту может быть присоединена некоторая процедура. В качестве значения слота может выступать имя другого фрейма; так образуют сети фреймов.

Различают фреймы-образцы, или прототипы, хранящиеся в базе знаний, и фреймы-экземпляры, которые создаются для отображения реальных ситуаций на основе поступающих данных.

Модель фрейма является достаточно универсальной, поскольку позволяет отобразить все многообразие знаний о мире через

• фреймы-структуры;

• фреймы-роли;

• фреймы-сценарии;

• фреймы-ситуации.

Важнейшим свойством теории фреймов является заимствованное из теории семантических сетей наследование свойств. И во фреймах, и в семантических сетях наследование происходит по АКО-связям (A-Kind-Of = это).

Основным преимуществом фреймов как модели представления знаний является способность отражать концептуальную основу организации памяти человека, а также ее гибкость и наглядность. Широко известны такие фреймо-ориентированные экспертные системы, как ANALYST, МОДИС.

Среди всех задач геоинформатики можно выделить несколько направлений, где применение экспертных систем представляется наиболее эффективным. Это

- анализ и интерпретация изображений;

- растрово-векторные преобразования;

- картографическая генерализация;

- прогнозно-аналитические задачи;

- поддержка принятия решений.

Из-за сложности создания базы знаний в предметных областях в настоящее время экспертные системы используются на отдельных этапах геоинформационных технологий (являются частью ГИС). Примерами могут служить система MAPEX – автоматическая генерализация данных цифрового линейного графа Геологической службы США, GES – система – консультант картографов Управления по энергетическим, минеральным и природным ресурсам Канады, AVL 2000 – система автоматического определения местоположения транспортного средства и навигации, использующая GPS-данные в реальном масштабе времени.

Расширение сферы применения экспертных систем связано прежде всего с готовностью специалистов-предметников формализовать и классифицировать свои понятия для успешного использования их в информационных технологиях.

В современном термине ГИС объединяются два понятия: геоинформационная системаигеоинформационная технология. Геоинформационная система – это аппаратно-программный комплекс, служащий физической средой для сбора, обработки и анализа данных, цифрового и геоинформационного моделирования. Геоинформационная технология – взаимосвязанная совокупность процессов, обеспечивающих решение поставленной задачи. Проектирование ГИС включает, таким образом, два аспекта: системный и технологический.

Проблемно-ориентированную ГИС в совокупности с ее технологическим и методологическим обеспечением обычно называют ГИС-проектом. ГИС-проект может представлять собой как конечное приложение, реализованное в некоторой программно-инструментальной среде, так и открытую динамическую информационную систему, включающую целый комплекс технических и программных средств и обеспечивающую решение достаточно широкого спектра задач в конкретном прикладном направлении.

По объему и разнообразию типов информации, равно как и по разнообразию методологий, используемых при обработке и анализе этой информации, геоинформационные системы практически не имеют аналогов. Именно поэтому проектирование ГИС должно опираться, прежде всего, на абстрактные модели данных и методологию системного анализа.

Проектирование любой мало-мальски сложной информационной системы обычно осуществляется в три этапа.

На первом этапе разрабатывается концептуальная модель проекта. Концептуальная модель носит преимущественно описательный характер. Основной задачей концептуального моделирования является формализованное описание объекта исследования и его основных компонент. Далее выполняется декомпозиция системы в соответствии с информационным обеспечением и методологией обработки и анализа данных по каждой из компонент.

При проектировании сложной ГИС, в которой предполагается использовать большое количество данных разных типов и предметного содержания, декомпозиция системы должна быть естественным образом взаимосвязана с областью компетенции каждого из специалистов, принимающих участие в ее разработке: геодезистов, картографов, специалистов по обработке и анализу данных ДЗ, специалистов в конкретной предметной области. Четкая концептуальная схема ГИС-проекта облегчает разграничение функций и взаимодействие между разработчиками системы, и упрощает процесс проектирования на следующем этапе.

Основой и определяющим фактором при проектировании любой информационной системы являются данные. Поэтому концептуальная модель прежде всего отражает основные принципы организации и взаимосвязи данных. В теории баз данных наиболее распространены три основных базовых модели данных: иерархическая, сетевая и реляционная. Тем не менее, на концептуальном уровне проектирования ГИС наибольший интерес представляет объектная модель данных или, иначе, модель «сущность-связь» (ER-model), что обусловлено разнотипностью данных и сложностью их взаимосвязей.

Основные элементы объектной модели.

В настоящее время разработка любой мало-мальски сложной компьютерной технологии обязательно включает этап объектного моделирования. И это не всегда связано с необходимостью написания под эту модель специального программного обеспечения. Основной задачей современных технологий является, прежде всего, эффективная система организации данных, удобная для манипулирования этими данными. Как уже говорилось, ГИС – одна из наиболее сложных систем по многообразию и объемам данных. Именно поэтому разработка объектной модели является для проектирования ГИС необходимым элементом.

Для схематического описания объектной модели изначально использовались разнообразные обозначения из тех, которые вообще используются при отображении различных схем. В 1997 году ведущие системные аналитики пришли к некоторому общему знаменателю, в результате чего появился язык UML (Unified Modeling Language) – Унифицированный Язык Моделирования. Тем не менее, некоторые системные аналитики до сих пор используют собственную систему обозначений, которая, впрочем, отличается от UML несущественно и в основном на нижних уровнях детализации системы.

Основой ER-модели является абстрактный объект, обладающий некоторым наборов характеристик, называемых атрибутами или реквизитами. В соответствии со своими свойствами, объект может выполнять определенные действия и находиться в определенном состоянии.

Множество объектов, обладающее одинаковыми реквизитами, образует класс или сущность(entity). Объекты одного класса называют экземплярами класса. Классы могут быть организованы в структуру, определяющую отношения между ними. Выделяют три вида отношений: наследование (обобщение), агрегирование (агрегация)и ассоциация.

Отношения между классами в объектной модели описываются с помощью диаграмм. Классы в диаграммах обозначаются прямоугольниками, связи между ними, линиями, помеченными значком в соответствии с принятой нотацией. Мы будем пользоваться нотацией, принятой в объектной модели данных программно-инструментальной системы ArcView, которая будет служить иллюстрацией к данному изложению.

Наследование означает отношение “является разновидностью”. Отношения типа наследования образуют иерархию классов, в которой класс более высокого уровня иерархии объединяет классы по определенному набору реквизитов. Эти реквизиты определяются только один раз в классе высшего уровня иерархии. Символом наследования в рассматриваемой нотации является незакрашенный треугольник.

Агрегирование означает отношение “состоит из”. Как и наследование, оно образует иерархическую структуру, то есть класс низшей иерархии не может состоять из классов более высокого уровня. Агрегирование обозначается ромбом.

Ассоциация описывает физическое или концептуальное соединение между классами. Чаще всего ассоциация задается словесным описанием ее типа, например «A приводит в действие B» или «А обеспечивает фунционирование В».

Другие символы описывают один из возможных типов связей по количеству связанных объектов: “один к одному” (простая линия), “один ко многим” «многие ко многим» (закрашенный круг), «ни одного или один» (незакрашенный круг).

В UML приняты не кружки, а числовые обозначения (например, «1..*» для связи 1:N), но для описания больших систем кружки все-таки удобнее.

На концептуальном уровне «обобщенную» модель ГИС можно описать так, как это показано на рис.3.

На втором этапе проектирования разрабатывается информационно-логическая модель ГИС. Здесь разрабатываются модели типов данных вплоть до атомарных (неделимых) элементов нижнего уровня, их логические взаимосвязи, методы и алгоритмы их обработки и анализа. После формирования информационно-логической модели создается физическая модель проекта, описывающая конфигурацию технических средств и программного обеспечения.

Прежде чем переходить ко второму этапу, заметим, что при проектировании БД концептуальная модель «сущность-связь» используется уже не первое десятилетие. Однако методология перехода от концептуальной модели непосредственно к структуре данных претерпела за это время некоторые изменения и именно из-за перехода к объектно-ориентированному программированию. До этого в программировании господствовал так называемый структурный подход и соответствующий ему «каскадный» метод проектирования баз данных. В основных чертах он сохранился во многих направлениях, где для представления данных может использоваться одна из классических базовых моделей данных. Как мы увидим дальше, способы представления пространственных данных в ГИС существенно отличаются от привычных большинству пользователей БД табличных форм. Достаточно вспомнить хотя бы форматы, используемые для хранения изображений, которые являются одним из видов пространственных данных. Поэтому классический каскадный метод проектирования БД здесь пригоден только до определенного уровня.

На этапе инфологического моделирования рассматриваются как базовые модели типов данных, так и специфические координатные модели ГИС. Здесь следует различать атомарные модели, как способ организации минимальных единиц информации, и крупные структуры данных, состоящие из этих атомарных единиц или более мелких структур.

Объектная модель (ER) системы как раз и обеспечивает возможность выделить атомарные элементы системы, а также проанализировать все взаимосвязи и выбрать наилучшие типы базовых моделей для эффективной организации и обработки имеющихся данных.

Сложные структуры данных, а также отдельные атомарные модели, могут создаваться на основе одной из базовых моделей, перечисленных выше. Рассмотрим вкратце особенности этих моделей, их преимущества, ограничения и сферу их применения в ГИС.

Иерархическая модель. Наиболее жестко структурированная модель данных. Реализует только один тип связей: 1 : n (один ко многим). Структурная диаграмма иерархической модели представляет собой ориентированный граф-дерево, все дуги которого соответствуют функциональным связям и направлены от корня по ветвям дерева к его концевым вершинам.

Основными понятиями иерархической модели данных являются сегмент (запись) и поле. Поле – это минимальная доступная пользователю единица информации. Для сегмента выделяют понятия тип сегмента и экземпляр сегмента. Каждый тип сегмента (записи) определяет некоторый набор полей, а экземпляр сегмента представляет собой набор конкретных значений из этих полей. Уровень записи - это длина пути (в дугах) от корневой записи. Поиск в иерархической БД сводится к поиску маршрута и сильно усложняется с увеличением количества уровней.

Тем не менее, достоинством иерархических БД является отсутствие избыточности. Поэтому при хранении очень больших объемов данных, в том числе пространственных, эта модель оказывается весьма эффективной. Прежде всего, это связано с тем, что при различных масштабах карты требуется различная степень детализации отображаемых на ней объектов и процессов. При переходе от крупных масштабов к более мелким выполняется картографическая генерализация данных, которая во многих случаях может укладываться в иерархическую структуру. В науках о Земле широко используются разнообразные классификаторы, связанные с территориальным распространением тех или иных свойств объектов земной поверхности, а также происходящих на ней процессов. Так при классификации растительного покрова, ландшафтов, типов почв обычно используется иерархическая структура зона-подзона-класс-подкласс-группа_типов-тип-подтип и т.д. Свойства минимальной таксономической единицы такой структуры включают совокупность свойств более высоких уровней иерархии, и нет необходимости в хранении

вместе с каждой таксономической единицей полного перечня ее свойств. То или иное свойство может храниться на соответствующем уровне иерархии и автоматически приписываться всем нижележащим элементам. То есть некоторые элементы вообще можно не хранить в БД.

Аналогичная ситуация может возникать при тематическом анализе мультивременных данных ДЗ в задачах мониторинга земной поверхности. При обнаружении локальных изменений нет необходимости сохранять целиком новое изображение, достаточно внести эти локальные изменения в уже имеющуюся картину земной поверхности. Кроме того, представление растровых данных в различных масштабах также требует генерализации значений отдельных пикселов. Поэтому во многих растровых ГИС также применяются иерархические пирамидальные модели, которые называют квадратомическим деревом.

Для построение квадратомического дерева вся территория разбивается на ячейки регулярной сети, чаще всего на квадраты. Квадраты нумеруются в определенной последовательности по уровням иерархии. Каждому квадрату приписывается номер в соответствии с его уровнем иерархии (рис.4).

Рис.4.

Концевой вершиной этого дерева является пространственная ячейка минимального размера. Оптимизация хранения информации в такой модели достигается за счет хранения только тех ветвей, которые имеют какие-то отличия по своим характеристикам.

Методы обработки квадратомических деревьев позволяют решать задачи, связанные с сегментацией изображений, распознаванием, подсчетом площадей, анализа смежности и связности, сглаживания, устранения краевых эффектов и некоторые другие. Проблемой при недостаточной мощности вычислительных средств остается техника линейного кодирования древовидных структур.

Сетевые модели. Реализуют связи m:n (многие ко многим). Допускают сложную иерархическую соподчиненность, то есть могут иметь несколько «старших» элементов. Обычно представляются в форме графов. Избыточность сетевых моделей в целом меньше, чем, например, у реляционных моделей, так как некоторые связи можно кодировать по принципу иерархических. В отличие от иерархических, распространены как раз в векторных ГИС, но используются чаще в экономических, географических и бизнес-приложениях. Здесь можно выделить веб-модели (информация сосредоточена в узлах графа) и плекс-модели (информация сосредоточена на дугах графа). Широко применяются в экспертных системах (семантические сети).

Сетевая модель, как любой граф, может описываться матрицей смежности размерности n х n (n – количество вершин), матрицей инцидентности (инциденций) размерности n х m (m – количество ребер) и списком смежности (ссылок на вершины, смежные с данной).

Список смежности – наиболее компактная форма описания графа и допустима для любых его типов. Однако если связи между вершинами графа имеют определенные веса, то предпочтительнее описание в матричной форме. Действительными числами, положительными или отрицательными, представляются условные веса и направления дуг. В простейшем случае матрицы смежности и матрицы инциденций являются бинарными.

Базовыми элементами сетевой модели являются: элемент данных, агрегат данных, набор данных, запись.

Элемент данных – минимальная (атомарная) единица. Элементы объединяются в агрегат данных. Существует два типа агрегатов данных – вектор и повторяющаяся группа. Примером агрегата типа «вектор» может служить адрес объекта и другие статические характеристики. Примером повторяющейся группы – серия наблюдений за его состоянием (динамические характеристики). Записью называется набор элементов или агрегатов данных, моделирующих состояние объекта в целом. Набором называется двухуровневый граф, реализующий отношение 1: N между двумя записями. Поскольку такие связи можно реализовать для каждой записи, то понятие набора фактически реализует отношение «многие ко многим».

Разновидностью сетевой модели являются так называемые семантические сети, основанные на однородных бинарных отношениях. Отношение a R b между элементами a и b некоторого множества V соответствует наличию дуги между двумя вершинами графа.