অঞ্চলগুলির বিশ্লেষণের জন্য তাপ সম্ভাবনার পদ্ধতির প্রযুক্তিগত বাস্তবায়ন

প্রথম প্রকাশে (অঞ্চলগুলির বিশ্লেষণের জন্য তাপ সম্ভাবনার ব্যবহার) আমরা বর্ণনা করেছি যে কীভাবে তাপীয় সম্ভাবনাগুলি সাধারণভাবে অঞ্চলগুলি বিশ্লেষণ করতে ব্যবহার করা যেতে পারে। নিম্নলিখিত প্রকাশনাগুলিতে এটি বর্ণনা করার পরিকল্পনা করা হয়েছিল যে কীভাবে স্থানিক বস্তুর তথ্য ডেটাবেসে সংরক্ষণ করা হয়, কীভাবে প্রধান উপাদানগুলির মডেলগুলি তৈরি করা হয় এবং সাধারণভাবে অঞ্চল বিশ্লেষণের কাজগুলি কী হতে পারে। কিন্তু প্রথম জিনিস প্রথম.

তাপ সম্ভাব্য পদ্ধতি ব্যবহার করে প্রথমে আমাদের আগ্রহের অঞ্চল সম্পর্কে একটি সাধারণ ধারণা পাওয়া সম্ভব করে তোলে। উদাহরণস্বরূপ, বার্সেলোনা (কাতালোনিয়া) শহরের জন্য ওএসএম থেকে প্রাথমিক তথ্য নেওয়া এবং পরামিতিগুলি নির্বাচন না করেই একটি অবিচ্ছেদ্য বিশ্লেষণ করা, আমরা প্রথম প্রধান উপাদানগুলির "তাপীয়" চিত্রগুলি পেতে পারি। আমরা প্রথম নিবন্ধে "তাপ" মানচিত্র সম্পর্কেও কথা বলেছিলাম, তবে এটি মনে রাখা ভুল হবে না যে অবিচ্ছেদ্য বিশ্লেষণের জন্য ব্যবহৃত সম্ভাব্যতার শারীরিক অর্থের কারণে "তাপ" মানচিত্র শব্দটি উদ্ভূত হয়েছিল। সেগুলো. পদার্থবিজ্ঞানের সমস্যায়, সম্ভাব্যতা হল তাপমাত্রা, এবং আঞ্চলিক বিশ্লেষণের সমস্যায়, সম্ভাব্য হল ভূখণ্ডের একটি নির্দিষ্ট বিন্দুতে সমস্ত প্রভাবিতকারী কারণগুলির মোট প্রভাব।

অবিচ্ছেদ্য বিশ্লেষণের ফলে প্রাপ্ত বার্সেলোনা শহরের একটি "তাপ" মানচিত্রের একটি উদাহরণ নীচে দেওয়া হল৷

প্রথম প্রধান উপাদানের "তাপ" মানচিত্র, প্যারামিটার নির্বাচন ছাড়াই, বার্সেলোনা৷

এবং একটি নির্দিষ্ট প্যারামিটার সেট করে (এই ক্ষেত্রে, আমরা শিল্প বেছে নিয়েছি), আপনি এটির জন্য সরাসরি একটি "তাপ" মানচিত্র পেতে পারেন।

প্রথম প্রধান উপাদান, শিল্প, বার্সেলোনার তাপ মানচিত্র

অবশ্যই, বিশ্লেষণের সমস্যাগুলি নির্বাচিত অঞ্চলের একটি সাধারণ মূল্যায়ন পাওয়ার চেয়ে অনেক বিস্তৃত এবং আরও বৈচিত্র্যময়, তাই, উদাহরণ হিসাবে, এই নিবন্ধে আমরা একটি নতুন বস্তু স্থাপন করার সময় সর্বোত্তম অবস্থান খুঁজে পাওয়ার সমস্যাটি বিবেচনা করব এবং প্রযুক্তিগত এটি সমাধানের জন্য তাপ সম্ভাব্য পদ্ধতির বাস্তবায়ন, এবং ভবিষ্যতের প্রকাশনাগুলিতে আমরা অন্যদের দিকে তাকাব।

একটি নতুন বস্তু স্থাপন করার সময় সর্বোত্তম অবস্থান খুঁজে বের করার সমস্যার সমাধান এই নতুন বস্তুটিকে গ্রহণ করার জন্য অঞ্চলটি কতটা "প্রস্তুত" তা নির্ধারণ করতে সাহায্য করবে, এটি অঞ্চলে ইতিমধ্যে বিদ্যমান অন্যান্য বস্তুর সাথে কীভাবে সম্পর্ক স্থাপন করবে, এই নতুন বস্তুটির জন্য কতটা মূল্যবান হবে অঞ্চল এবং এটি কি মান যোগ করবে।

প্রযুক্তিগত বাস্তবায়নের পর্যায়

প্রযুক্তিগত বাস্তবায়ন নীচে তালিকাভুক্ত পদ্ধতির ক্রম দ্বারা প্রতিনিধিত্ব করা যেতে পারে:

1. তথ্য পরিবেশ প্রস্তুত করা হচ্ছে।
2. উৎস তথ্য অনুসন্ধান, সংগ্রহ এবং প্রক্রিয়াকরণ.
3. বিশ্লেষিত অঞ্চলে নোডের একটি গ্রিড নির্মাণ।
4. টেরিটরি ফ্যাক্টরকে টুকরো টুকরো করে ফেলা।
5. কারণগুলি থেকে সম্ভাব্যতার গণনা।
6. অঞ্চলের বিষয়ভিত্তিক অবিচ্ছেদ্য বৈশিষ্ট্য তৈরির জন্য কারণগুলির নির্বাচন।
7. অঞ্চলের অবিচ্ছেদ্য সূচকগুলি পাওয়ার জন্য প্রধান উপাদান পদ্ধতির প্রয়োগ।
8. একটি নতুন সুবিধা নির্মাণের জন্য একটি সাইট নির্বাচন করার জন্য মডেল তৈরি।

ধাপ 1. তথ্য পরিবেশ প্রস্তুত করা হচ্ছে

এই পর্যায়ে, একটি ডাটাবেস ম্যানেজমেন্ট সিস্টেম (DBMS) নির্বাচন করা, তথ্যের উত্স, তথ্য সংগ্রহের পদ্ধতি এবং সংগৃহীত তথ্যের পরিমাণ নির্ধারণ করা প্রয়োজন।
আমাদের কাজের জন্য, আমরা PostgeSql ডাটাবেস (DB) ব্যবহার করেছি, কিন্তু এটা লক্ষণীয় যে SQL কোয়েরির সাথে কাজ করে এমন অন্য কোনো ডাটাবেস করবে।

ডাটাবেস প্রাথমিক তথ্য সঞ্চয় করবে - বস্তু সম্পর্কে স্থানিক ডেটা: ডেটা প্রকার (বিন্দু, রেখা, বহুভুজ), তাদের স্থানাঙ্ক এবং অন্যান্য বৈশিষ্ট্য (দৈর্ঘ্য, ক্ষেত্রফল, পরিমাণ), সেইসাথে সমস্ত গণনা করা মান যা এর ফলে প্রাপ্ত কাজ বাহিত এবং কাজের ফলাফল নিজেই.

পরিসংখ্যানগত তথ্য স্থানিক ডেটা হিসাবেও উপস্থাপিত হয় (উদাহরণস্বরূপ, এই অঞ্চলগুলিতে পরিসংখ্যানগত ডেটা বরাদ্দ করা একটি অঞ্চলের অঞ্চল)।

সংগৃহীত প্রাথমিক তথ্যের রূপান্তর এবং প্রক্রিয়াকরণের ফলে, সারণীগুলি তৈরি হয় যাতে রৈখিক, বিন্দু এবং ক্ষেত্রফল, তাদের শনাক্তকারী এবং স্থানাঙ্ক সম্পর্কে তথ্য থাকে।

ধাপ ২. উৎস তথ্য অনুসন্ধান, সংগ্রহ এবং প্রক্রিয়াকরণ

এই সমস্যাটি সমাধানের জন্য প্রাথমিক তথ্য হিসাবে, আমরা অঞ্চল সম্পর্কে তথ্য ধারণকারী খোলা কার্টোগ্রাফিক উত্স থেকে তথ্য ব্যবহার করি। নেতা, আমাদের মতে, ওএসএম তথ্য, সারা বিশ্বে প্রতিদিন আপডেট করা হয়। যাইহোক, আপনি যদি অন্যান্য উত্স থেকে তথ্য সংগ্রহ করতে পরিচালনা করেন তবে এটি আরও খারাপ হবে না।
তথ্য প্রক্রিয়াকরণের মধ্যে এটিকে অভিন্নতা আনা, মিথ্যা তথ্য নির্মূল করা এবং ডাটাবেসে লোড করার জন্য প্রস্তুত করা।

পর্যায় 3. বিশ্লেষিত অঞ্চলে নোডের একটি গ্রিড নির্মাণ

বিশ্লেষণকৃত অঞ্চলের ধারাবাহিকতা নিশ্চিত করার জন্য, এটিতে একটি গ্রিড তৈরি করা প্রয়োজন, যার নোডগুলির একটি প্রদত্ত স্থানাঙ্ক ব্যবস্থায় স্থানাঙ্ক রয়েছে। প্রতিটি গ্রিড নোডে সম্ভাব্য মান পরবর্তীতে নির্ধারিত হবে। এটি আপনাকে সমজাতীয় এলাকা, ক্লাস্টার এবং চূড়ান্ত বিশ্লেষণের ফলাফলগুলি কল্পনা করার অনুমতি দেবে।

সমাধান করা কাজের উপর নির্ভর করে, একটি গ্রিড নির্মাণের জন্য দুটি বিকল্প সম্ভব:
— নিয়মিত ধাপ সহ গ্রিড (S1) - সমগ্র অঞ্চল জুড়ে পর্যবেক্ষণযোগ্য। এটি ফ্যাক্টর থেকে সম্ভাব্যতা গণনা করতে, ভূখণ্ডের অবিচ্ছেদ্য বৈশিষ্ট্য (প্রধান উপাদান এবং ক্লাস্টার) নির্ধারণ করতে এবং মডেলিং ফলাফল প্রদর্শন করতে ব্যবহৃত হয়।

এই গ্রিড নির্বাচন করার সময়, আপনাকে অবশ্যই উল্লেখ করতে হবে:

• গ্রিড ব্যবধান - যে ব্যবধানে গ্রিড নোডগুলি অবস্থিত হবে;
• বিশ্লেষিত অঞ্চলের সীমানা, যা প্রশাসনিক-আঞ্চলিক বিভাগের সাথে মিলে যেতে পারে, অথবা এটি মানচিত্রের একটি এলাকা হতে পারে যা একটি বহুভুজ আকারে গণনা এলাকাকে সীমাবদ্ধ করে।

— অনিয়মিত ব্যবধান সহ গ্রিড (S2) অঞ্চলের পৃথক পয়েন্ট বর্ণনা করে (উদাহরণস্বরূপ সেন্ট্রোয়েড)। এটি কারণগুলি থেকে সম্ভাব্যতা গণনা করতে এবং অঞ্চলের অবিচ্ছেদ্য বৈশিষ্ট্যগুলি (প্রধান উপাদান এবং ক্লাস্টার) নির্ধারণ করতেও ব্যবহৃত হয়। গণনাকৃত প্রধান উপাদানগুলির সাথে মডেলিং একটি অনিয়মিত পদক্ষেপের সাথে একটি গ্রিডে অবিকল বাহিত হয় এবং সিমুলেশন ফলাফলগুলি কল্পনা করার জন্য, একটি অনিয়মিত পদক্ষেপ সহ গ্রিড নোড থেকে ক্লাস্টার নম্বরগুলি স্থানাঙ্কের নৈকট্যের নীতি অনুসারে একটি নিয়মিত পদক্ষেপের সাথে গ্রিড নোডে স্থানান্তরিত হয়। .
ডাটাবেসে, গ্রিড নোডের স্থানাঙ্ক সম্পর্কে তথ্য প্রতিটি নোডের জন্য নিম্নলিখিত তথ্য ধারণকারী একটি টেবিল আকারে সংরক্ষণ করা হয়:

• নোড আইডি;
• নোড স্থানাঙ্ক (x, y)।

বিভিন্ন অঞ্চলের জন্য বিভিন্ন ব্যবধান সহ নিয়মিত ব্যবধান সহ গ্রিডের উদাহরণগুলি নীচের চিত্রগুলিতে দেখানো হয়েছে।

নিজনি নোভগোরোডের কভারেজ গ্রিড (লাল বিন্দু)। নিজনি নভগোরড অঞ্চলের কভারেজ গ্রিড (নীল বিন্দু)।

পর্যায় 4 টেরিটরি ফ্যাক্টরকে টুকরো টুকরো করে ফেলা

আরও বিশ্লেষণের জন্য, টেরিটরির বর্ধিত ফ্যাক্টরগুলিকে আলাদা ফ্যাক্টরের অ্যারেতে রূপান্তর করতে হবে যাতে প্রতিটি গ্রিড নোডে উপস্থিত প্রতিটি ফ্যাক্টর সম্পর্কে তথ্য থাকে। রৈখিক কারণগুলি খণ্ডে বিভক্ত, এলাকা উপাদানগুলিকে খণ্ডে ভাগ করা হয়।

বিভাজন ধাপটি অঞ্চলের ক্ষেত্রফল এবং নির্দিষ্ট ফ্যাক্টরের উপর ভিত্তি করে নির্বাচন করা হয়; বড় অঞ্চলের (অঞ্চল) জন্য পার্টিশন ধাপটি 100-150 মিটার হতে পারে; ছোট এলাকার (শহর) জন্য বিভাজনের ধাপ 25-50 মিটার হতে পারে .

ডাটাবেসে, বিভক্ত ফলাফল সম্পর্কে তথ্য প্রতিটি খণ্ডের জন্য নিম্নলিখিত তথ্য ধারণকারী একটি টেবিল আকারে সংরক্ষণ করা হয়:

• ফ্যাক্টর শনাক্তকারী;
• ফলস্বরূপ বিভাজন খণ্ডগুলির সেন্ট্রোয়েডগুলির স্থানাঙ্ক (x, y);
• পার্টিশনের টুকরোগুলির দৈর্ঘ্য/ক্ষেত্রফল।

পর্যায় 5 কারণগুলি থেকে সম্ভাব্যতার গণনা

প্রাথমিক তথ্য বিশ্লেষণের সম্ভাব্য এবং বোধগম্য পদ্ধতির মধ্যে একটি হল প্রভাবের বস্তু থেকে সম্ভাব্য উপাদান হিসাবে বিবেচনা করা।

চলুন দ্বি-মাত্রিক ক্ষেত্রে ল্যাপ্লেসের সমীকরণের মৌলিক সমাধান ব্যবহার করি - বিন্দু থেকে দূরত্বের লগারিদম।

শূন্যে একটি সীমিত সম্ভাব্য মানের প্রয়োজনীয়তা এবং বড় দূরত্বের উপর সম্ভাব্য মানের সীমাবদ্ধতা বিবেচনায় নিয়ে, সম্ভাব্য নিম্নরূপ নির্ধারণ করা হয়:

r এ (1)

r2>r>=r1 এর জন্য

r>=r2 এর জন্য

একটি বিন্দু বস্তু থেকে প্রভাব সম্ভাব্য প্রকার

লগারিদমিক ফাংশনটি অবশ্যই শূন্যে আবদ্ধ হতে হবে এবং কারণগুলি থেকে কিছু দূরত্বে যুক্তিসঙ্গতভাবে আবদ্ধ হতে হবে। যদি আমরা ফ্যাক্টর থেকে বৃহৎ দূরত্বে সম্ভাব্যতার উপর বিধিনিষেধ না রাখি, তবে আমাদের বিশ্লেষণকৃত বিন্দু থেকে অনেক দূরে তথ্যের একটি বিশাল পরিমাণ বিবেচনা করতে হবে, যা বিশ্লেষণে কার্যত কোন প্রভাব ফেলে না। অতএব, আমরা ফ্যাক্টরের ক্রিয়া ব্যাসার্ধের মান প্রবর্তন করি, যার বাইরে ফ্যাক্টর থেকে সম্ভাব্যতার অবদান শূন্য।

একটি শহরের জন্য, ফ্যাক্টরের ব্যাসার্ধ আধা ঘন্টার সমান বলে ধরে নেওয়া হয় পথচারী অ্যাক্সেসযোগ্যতা - 2 মিটার। অঞ্চলের জন্য আমাদের প্রায় আধা ঘন্টা কথা বলা উচিত পরিবহন অ্যাক্সেসযোগ্যতা - 20 মিটার।

এইভাবে, সম্ভাব্য মান গণনা করার ফলে, আমাদের নিয়মিত গ্রিডের প্রতিটি নোডে প্রতিটি ফ্যাক্টর থেকে মোট সম্ভাব্যতা রয়েছে।

পর্যায় 6। অঞ্চলের বিষয়ভিত্তিক অবিচ্ছেদ্য বৈশিষ্ট্য তৈরির জন্য কারণগুলির নির্বাচন

এই পর্যায়ে, অঞ্চলের বিষয়ভিত্তিক অবিচ্ছেদ্য বৈশিষ্ট্যগুলি তৈরি করতে সবচেয়ে উল্লেখযোগ্য এবং তথ্যপূর্ণ কারণগুলি নির্বাচন করা হয়।

কারণগুলির নির্বাচন পরামিতিগুলির জন্য নির্দিষ্ট সীমানা নির্ধারণ করে (সম্পর্ক, প্রভাবের শতাংশ, ইত্যাদি) স্বয়ংক্রিয়ভাবে সম্পন্ন করা যেতে পারে, বা এটি বিশেষজ্ঞের সাথে করা যেতে পারে, সমস্যার বিষয়টি জেনে এবং অঞ্চল সম্পর্কে কিছুটা বোঝার মাধ্যমে।

সবচেয়ে গুরুত্বপূর্ণ এবং তথ্যপূর্ণ বিষয়গুলি নির্বাচন করার পরে, আপনি পরবর্তী ধাপে যেতে পারেন - মূল উপাদানগুলির ব্যাখ্যা।

পর্যায় 7 অঞ্চলের অবিচ্ছেদ্য সূচকগুলি পাওয়ার জন্য প্রধান উপাদান পদ্ধতির প্রয়োগ। ক্লাস্টারিং

টেরিটরি ফ্যাক্টর সম্পর্কে প্রাথমিক তথ্য, প্রতিটি গ্রিড নোডের জন্য গণনা করা সম্ভাব্যতায় আগের পর্যায়ে রূপান্তরিত, নতুন অবিচ্ছেদ্য সূচকগুলিতে মিলিত হয় - প্রধান উপাদান।

প্রধান উপাদান পদ্ধতি অধ্যয়ন এলাকায় কারণের পরিবর্তনশীলতা বিশ্লেষণ করে এবং এই বিশ্লেষণের ফলাফলের উপর ভিত্তি করে, তাদের সবচেয়ে পরিবর্তনশীল রৈখিক সংমিশ্রণ খুঁজে পায়, যা তাদের পরিবর্তনের পরিমাপ গণনা করা সম্ভব করে - অঞ্চলে ছড়িয়ে পড়া।

প্রদত্ত মানগুলির সাথে একটি লিনিয়ার মডেল ফাংশন আনুমানিক করার জন্য একটি মডেল তৈরি করতে একটি সাধারণ সমস্যা নেওয়া যাক
(2)
যেখানে আমি উপাদান সংখ্যা,
n - গণনার সাথে জড়িত উপাদানের সংখ্যা
j – একটি টেরিটরি পয়েন্টের নোড সূচক, j=1..k
k - টেরিটরি গ্রিডের সমস্ত নোডের সংখ্যা যার জন্য প্রধান উপাদানগুলির গণনা করা হয়েছিল
— মডেলের i-তম প্রধান উপাদানের জন্য সহগ
– j-ম বিন্দুতে i-ম প্রধান উপাদানের মান
B - মডেলের বিনামূল্যের মেয়াদ
— যে ফ্যাক্টরের জন্য আমরা একটি মডেল তৈরি করছি তার j-তম বিন্দুতে সম্ভাব্য

আসুন সমীকরণে অজানাগুলি নির্ধারণ করি (2) সর্বনিম্ন বর্গক্ষেত্র পদ্ধতি, প্রধান উপাদানগুলির বৈশিষ্ট্য ব্যবহার করে:
(3)
যেখানে i এবং i2 উপাদান সংখ্যা, i<>i2
j — টেরিটরি নোড সূচক
k হল সমস্ত টেরিটরি নোডের সংখ্যা
(4)

(3) মানে উপাদানগুলির মধ্যে কোন সম্পর্ক নেই
(4) – যেকোনো উপাদানের মোট মান শূন্য।

আমরা পেতে পারি:

(5)
এখানে স্বরলিপি Eq এর মতোই। (2), গড় সম্ভাব্য মান মানে

এই ফলাফলটি নিম্নরূপ ব্যাখ্যা করা যেতে পারে:
মডেলটি হল একটি সরল অভিব্যক্তি যাতে সিমুলেটেড মানের গড় মান এবং প্রতিটি উপাদানের জন্য এটিতে সহজ সংশোধন করা হয়। ন্যূনতম, ফলাফলে অবশ্যই ডামি শব্দ B এবং প্রথম প্রধান উপাদান অন্তর্ভুক্ত করতে হবে। নীচে নিঝনি নভগোরড অঞ্চলের প্রথম প্রধান উপাদানগুলির তাপ মানচিত্রগুলির উদাহরণ রয়েছে।

গণনাকৃত প্রধান উপাদানগুলির উপর ভিত্তি করে, সমজাতীয় অঞ্চলগুলি তৈরি করা যেতে পারে। এটি সমস্ত প্যারামিটারের জন্য এবং উদাহরণস্বরূপ, শুধুমাত্র মূল্যের জন্য উভয়ই করা যেতে পারে - যেমন ক্লাস্টারিং চালান। এই জন্য, আপনি ব্যবহার করতে পারেন K- মানে পদ্ধতি. প্রতিটি সমজাতীয় অঞ্চলের জন্য, 1ম প্রধান উপাদানের গড় মান গণনা করা হয়, অঞ্চলটির বিকাশের স্তরকে চিহ্নিত করে।
নিঝনি নভগোরড অঞ্চলের জন্য মূল্য নির্ধারণের পরামিতি দ্বারা ক্লাস্টারিংয়ের একটি উদাহরণ নীচে দেওয়া হয়েছে।

এছাড়াও, প্রাপ্ত প্রধান উপাদানগুলিকে খরচ মডেলের পরামিতি হিসাবে ব্যবহার করে, আমরা অঞ্চলটির মূল্য পৃষ্ঠ পেতে পারি।

Nizhny Novgorod মূল্য পৃষ্ঠ

পর্যায় 8। একটি নতুন সুবিধা নির্মাণের জন্য একটি সাইট নির্বাচন করার জন্য মডেল তৈরি

একটি নতুন বস্তুর অবস্থানের জন্য সবচেয়ে আকর্ষণীয় স্থান নির্বাচন করতে (এরপরে "অবজেক্ট" হিসাবে উল্লেখ করা হয়েছে), পার্শ্ববর্তী অবকাঠামোর সাথে "অবজেক্ট" এর অবস্থান তুলনা করা প্রয়োজন। "অবজেক্ট" কাজ করার জন্য, এর কার্যকারিতা নিশ্চিত করার জন্য পর্যাপ্ত সংস্থান থাকতে হবে; "অবজেক্টের" উপর ইতিবাচক এবং নেতিবাচক উভয় প্রভাব, প্রচুর পরিমাণে কারণগুলি অবশ্যই বিবেচনায় নেওয়া উচিত। এই কারণগুলির সম্পূর্ণ সেটটিকে "বস্তুর" কার্যকারিতার জন্য একটি "পুষ্টি" পরিবেশ হিসাবে সংজ্ঞায়িত করা যেতে পারে। অঞ্চলের সংস্থানগুলির সংখ্যার সাথে বস্তুর সংখ্যার সঙ্গতি হল "অবজেক্ট" এর স্থিতিশীল কার্যকারিতার ভিত্তি।

এই তুলনার ফলাফল হল অঞ্চলের প্রতিটি পয়েন্টের জন্য সম্ভাব্য গণনা করা এবং একটি নতুন "বস্তু" স্থাপনের জন্য অবস্থানের পছন্দের একটি চাক্ষুষ এবং বিশ্লেষণাত্মক বিশ্লেষণের অনুমতি দেয়।

বাণিজ্যের জন্য, উদাহরণস্বরূপ, অন্যান্য জিনিসগুলির মধ্যে, ক্রেতাদের একটি ধ্রুবক প্রবাহ গুরুত্বপূর্ণ, যার মানে হল যে বাণিজ্য বস্তুগুলির জন্য যে কারণগুলিকে বিবেচনায় নেওয়া উচিত সেগুলির তালিকায় সেইগুলিও অন্তর্ভুক্ত করা উচিত যা এই প্রবাহ নিশ্চিত করে (উদাহরণস্বরূপ, সামাজিক অবকাঠামো সুবিধা, কাজের জায়গা, বাসস্থান, পরিবহন রুট ইত্যাদি)।

অন্যদিকে, যখন খুচরা সুবিধাগুলির কার্যকারিতা নিশ্চিত করার জন্য সমস্ত শর্ত পূরণ করা হয়, তখন খুচরা সুবিধাগুলির ঘনত্ব বিবেচনায় নেওয়া প্রয়োজন, যেহেতু পরিবেশের "ব্যবহার" ক্রয়ের সম্ভাবনা হ্রাসের দিকে পরিচালিত করে। মানুষের প্রবাহ সীমাহীন নয়, এবং একই কথা তাদের আর্থিক সম্পদ এবং শারীরিক সক্ষমতার ক্ষেত্রে প্রযোজ্য।

একটি বস্তুর জন্য সর্বোত্তম অবস্থান নির্বাচন করার সমস্যা সমাধানের জন্য অ্যালগরিদম এই সত্যে নেমে আসে যে মূল উপাদানগুলির একটি ফাংশন হিসাবে প্রাপ্ত সম্ভাব্যতা "অবজেক্ট" ধরণের বস্তুর সেটের সম্ভাব্যতার যতটা সম্ভব কাছাকাছি; তারপর মডেলের সম্ভাব্যতা এবং "অবজেক্ট" ধরণের বস্তুর সম্ভাব্যতার মধ্যে পার্থক্য গণনা করা হয়; একটি "বস্তু" এর অবদান সম্ভাব্যতার মান ফলস্বরূপ পার্থক্য থেকে বিয়োগ করা হয়; এই ক্ষেত্রে প্রাপ্ত নেতিবাচক মানগুলি শূন্য দ্বারা প্রতিস্থাপিত হয়, অর্থাৎ, যে জায়গাগুলিতে নতুন "অবজেক্ট" এর কার্যকারিতার জন্য পর্যাপ্ত সংস্থান নেই সেগুলি বাদ দেওয়া হয়।

গৃহীত পদক্ষেপের ফলস্বরূপ, আমরা একটি ইতিবাচক সম্ভাব্য মান সহ অঞ্চলের পয়েন্টগুলি পাই, অর্থাৎ, আমাদের "অবজেক্ট" এর অনুকূল অবস্থানের স্থানগুলি।

অন্য কথায়, আমাদের হাতে সমস্ত কারণের গণনাকৃত সম্ভাবনা রয়েছে এবং যে ফ্যাক্টরটির জন্য আমরা একটি মডেল তৈরি করতে চাই এবং নির্বাচিত বিষয়ভিত্তিক এলাকা (বাণিজ্য, শিল্প, সংস্কৃতি, সামাজিক ক্ষেত্র ইত্যাদি) বিশ্লেষণ করতে চাই।

এটি করার জন্য, পরিবেশগত ভেরিয়েবল নির্মাণের জন্য উপাদান নির্বাচন করা প্রয়োজন - প্রধান উপাদানগুলি - এবং তারপরে তাদের উপর ভিত্তি করে মডেলগুলি গণনা করা।
আমরা থিম্যাটিক এলাকার রেফারেন্স ফ্যাক্টরের সাথে সমস্ত ফ্যাক্টরের পারস্পরিক সম্পর্ক বিশ্লেষণ করে ফ্যাক্টর নির্বাচন করার প্রস্তাব দিই। উদাহরণস্বরূপ, সংস্কৃতির জন্য এটি থিয়েটার, শিক্ষা ব্যবস্থা, স্কুল ইত্যাদি হতে পারে।

আমরা সমস্ত কারণের সম্ভাব্যতার সাথে আদর্শ সম্ভাবনার পারস্পরিক সম্পর্ক গণনা করি। আমরা সেই ফ্যাক্টরগুলি নির্বাচন করি যাদের পারস্পরিক সম্পর্ক সহগ মাত্রা একটি নির্দিষ্ট মানের চেয়ে বেশি (প্রায়শই সর্বনিম্ন পারস্পরিক সম্পর্ক সহগের মান = 0 নেওয়া হয়)।
(6)
যেখানে — স্ট্যান্ডার্ডের সাথে i-th ফ্যাক্টরের পারস্পরিক সম্পর্ক সহগের পরম মান।

পারস্পরিক সম্পর্ক অঞ্চল জুড়ে সমস্ত গ্রিড নোডের উপর গণনা করা হয়।

মডেলের সম্ভাব্যতা এবং সমীকরণে নতুন বস্তুর মতো একই ধরণের বস্তুর সম্ভাব্যতার মধ্যে পার্থক্য (2) অঞ্চলটির সম্ভাব্যতা দেখায়, যা নতুন সুবিধাগুলি সনাক্ত করতে ব্যবহার করা যেতে পারে।

ফলস্বরূপ, আমরা সম্ভাব্য মানটি পাই, যা অধ্যয়নের এলাকায় "অবজেক্ট" এর অবস্থানের সুবিধার ডিগ্রিকে চিহ্নিত করে।

আপনি কীভাবে একটি নতুন "অবজেক্ট" এর জন্য প্রস্তাবিত অবস্থানগুলি গ্রাফিকভাবে প্রদর্শন করতে পারেন তার একটি উদাহরণ নীচে দেওয়া হয়েছে৷

সুতরাং, একটি নতুন বস্তুর জন্য সর্বোত্তম অবস্থান বেছে নেওয়ার সমস্যা সমাধানের ফলাফলকে প্রতিটি পয়েন্টে বিন্দুতে অঞ্চলের মূল্যায়ন হিসাবে উপস্থাপন করা যেতে পারে, একটি বিনিয়োগ বস্তুর অবস্থানের সম্ভাব্যতা সম্পর্কে ধারণা প্রদান করে, যেমন উচ্চতর স্কোর, বস্তুটি সনাক্ত করা তত বেশি লাভজনক।

উপসংহারে, এটি বলার মতো যে এই নিবন্ধে আমরা কেবলমাত্র একটি সমস্যা বিবেচনা করেছি যা অঞ্চল বিশ্লেষণ ব্যবহার করে সমাধান করা যেতে পারে, হাতে খোলা উত্স থেকে ডেটা থাকা। আসলে, অনেকগুলি সমস্যা রয়েছে যা এর সাহায্যে সমাধান করা যেতে পারে, তাদের সংখ্যা শুধুমাত্র আপনার কল্পনা দ্বারা সীমাবদ্ধ।

উত্স: www.habr.com