Soojuse potentsiaalide kasutamine territooriumide analüüsiks

Näide soojuspotentsiaali arvutamisest Nizhni Novgorodi linna õuesüsteemis

Linnamees on keeruline, heterogeenne süsteem, mis on pidevas muutumises. Linnaruumi kirjeldamiseks ja hindamiseks saab kasutada ruumilisi objekte (tegureid). Tegurid, mis kirjeldavad territooriumi, eristuvad oma mõju iseloomu (positiivne, negatiivne) ja geomeetrilise konfiguratsiooni (punktid, jooned, polügoonid) poolest.

Sageli on keeruline määrata iga eraldi objekti mõju kogu territooriumi või mõne selle üksiku aspekti arengule. Täna muutub probleem, mis puudutab selliste mõistete nagu "kultuur", "sotsiaalne sfäär", "sotsiaalne pinge", "hea elu", "majanduslik areng", "rahvastiku tervis", järjest aktuaalsemaks. Nende mõistete mitmekesisus suureneb, kui soovime neid rakendada erinevate sotsiaalsete rühmade, samuti erinevas vanuses ja soost elanike suhtes.

Samuti tuleb märkida, et linna piirid tänapäevases mõttes on piisavalt tingimuslikud. Päevane rahvastiku rände, piirkondade transpordi kergesti ligipääsetavus "määrastab linna piiri" veelgi enam. Tärkamise mõisted, mis on praegu laialdaselt kasutusel, peegeldavad linna piire, kuid samal ajal teeb see linna piiri mõiste veelgi hägusemaks.

Hoolimata eespool kirjeldatud probleemidest on territooriumide analüüs ja hindamine tänasel päeval üks perspektiivseid ja huvitavaid suundi, mis võimaldavad lahendada hulga aktuaalseid linnaruumi probleeme.

Artiklis on ettepanek analüüsida territooriumi, kasutades "soojus" mudelit. Selle meetodi aluseks on erineva iseloomuga objektide (tegureid) potentsiaalide uurimine (punkti, lineaarsed ja pinnalised). Selle meetodi abil territooriumi analüüs annab võimaluse liikuda ruumiliste andmete (tegureid) kogumist, mis kirjeldavad territooriumi, täpse arvulise (punkti) hindamiseni iga territooriumi punkti kohta.

Analüüsi käigus uuritavad territoriaalpotentsiaalid omavad füüsilist tõlgendust – soojuse levimine erineva mõõtmega keskkondades (2D, 3D). Seda nähtust saab esitada „soojus“ piltidena („soojuskaardid“ territooriumist), mis annavad ülevaate territooriumi arengu astmest vastavalt pildi värvi intensiivsusele.

Territoriiafaktorid

Territoriaalanalüüs hõlmab teabe otsimist ja töötlemist territooriumi mõjutavate tegurite ja nende indikaatorite kohta. Mõjutavad tegurid on objektid, mis mõjutavad ümbritsevat territooriumi, omades omaduste komplekti ja ruumilisi koordinaate. Mõjutavate tegurite näideteks võivad olla poed, tööstusobjektid, teed, metsad, veekogud.

Mõjutuste indikaatoriteks on objektid, mis kajastavad objektide mõju ning omavad samuti omaduste komplekti ja ruumilisi koordinaate. Mõjutuste indikaatorite näideteks on sularahaautomaadid, reklaampaneelid, mälestusmärgid.

Edasi järgnevas tekstis kasutame mõistet mõjutavad tegurid, mis ühendab endas mõlemad mõisted – faktorid ja mõjutuste indikaatorid.

Allpool on toodud näide ruumilistest andmetest, mis kujutavad endast mõjutavaid tegureid.

Üks tähtsamaid etappe territooriumi analüüsi teostamisel on algse teabe kogumise ja töötlemise etapp. Tänapäeval on informatsiooni mõjutavate tegurite kohta erineva detailsuse astmega küllalt palju.

Teave võib tulla avatud allikatest või piiratud juurdepääsuga allikatest. Paljude juhtude puhul on avatud teave analüüsiks piisav, kuigi see vajab tavaliselt üsna töömahukat töötlemist.

Avatud allikate seas on meie arvates liidriks ressurss — OpeStreetMap (OSM). Selle allika kaudu saadav teave uuendatakse igapäevaselt üle kogu maailma.

Ressursi OpeStreetMap (OSM) teave on esitatud järgmistes formaatides:

— OSM formaat. Peamine formaat, mille laiend on „.osm“, kasutatakse graafiliste kujutiste kirjeldamiseks XML– sõlmed, teed, suhted.

— „Poola formaat“. Tekstiformaat, mille laiend on „.mp“, kasutatakse graafika töötlemiseks.

— PBF formaat. Andmete salvestamise formaat, mille laiend on „.osm.pbf“.

Teabe allikatena saab kasutada ka:

— 2GIS
Ressurss sisaldab kvaliteetset, igakuiselt töödeldavat teavet, koos suurepärase 3-tasandilise klassifikaatoriga ettevõtete ja organisatsioonide kohta.

— KML (Keyhole Markup Language) failid
KML (Keyhole Markup Language) failid on failivorming, mida kasutatakse geograafiliste andmete kuvamiseks Google Earth, Google Maps ja Google Maps mobiilirakendustes.

KML-failide abil saab:
— määrata erinevaid ikoone ja teha sildid maa pinnal asukohtade tähistamiseks
— luua erinevaid vaateid valitud objektidele, muutes kaamera asukohta
— kasutada erinevaid kattuvaid pilte
— määrata stiile objekti kuvamise kohandamiseks, kasutada HTML-koodi hüperlinkide ja manustatud piltide loomiseks
— kasutada kaustu elementide hierarhiliseks rühmitamiseks
— saada ja värskendada KML-faile dünaamiliselt kaug- või kohalike võrgusõlmedest
— saada KML-andmeid vastavalt kolme mõõtmega vaatevahendi muudatustele

— Venemaa Föderatsiooni Riiklik Register, Katastri ja Kaarditööde Amet „Rosreestr“
Teave Rosreestri portaalis on väärtuslik oma sisu ja ajakohasuse poolest, kuid kahjuks ei paku see võimalust saada tasuta graafikat kapitali ehitusobjektide ja maa-ala kohta. Rosreestri portal sisaldab ka suurt hulka piiratud juurdepääsuga teavet.

— Statistikaametid
Statistilised andmed on legitiimne teabeallikas, kuid tänase seisuga on statistikaametite andmed kergesti kätte saadavad ainult piiratud hulgal näitajate osas, peamiselt statistikaametite aruannetes ja piirkondlike ametivõimude raportites.

— Ametiasutuste infosüsteemid
Kvaliteetne teave sisaldub ametiasutuste infosüsteemides, kuid ainult väike osa neist avaldatakse avatud juurdepääsuga ja on analüüsimiseks saadaval.

Piirkondade analüüs ei sea mingeid kindlaid nõudeid teabe koostisele; põhimõtteliselt võib kasutada kõike, mida on võimalik leida, avatud allikate teave on tavaliselt omavahel asendatav. Siiski tuleb märkida, et isegi ainult OSM-i ressursist saadud teave on piisav tundmatu piirkonna analüüsimiseks.

Piirkonna analüüs, kasutades "soojus" mudelit. Füüsiline tõlgendus potentsiaalide

Nagu juba varem mainitud, on praegu piirkonna analüüs aktuaalne teema ja võimas tööriist argumenteeritud investeeringute ligitõmbamiseks erinevate linna infrastruktuuride arendamiseks.

Erinevaid ülesandeid, mida saab lahendada piirkondade analüüsi abil, saab jagada mitmeks suureks suunaks:

— Maksimaalselt tõlgendatava ja detailse hinnangu saamine igas piirkonna punktis.
Küsimuse lahendamisel on võimalik saada punktipõhiste hindepunktide kogum, mis annab ülevaate piirkonna arengu tasemest üldiselt, samuti mõnes spetsiifilises valdkonnas. Selliseks valdkonnaks võib olla näiteks kultuur, tööstus, kaubandus jne.

— Kõige soodsamate kohtade määramine teatud tüüpi investeerimisobjektide, näiteks pankade, spetsialiseeritud kaupluste, kaubandus- ja meelelahutuskeskuste jne, paigutamiseks valitud piirkonnas.

— Piirkonna tõhusama kasutamise analüüs.
See suund võimaldab läbi viia põhjaliku uurimise piirkonna omaduste, uuritava piirkonna turusituatsiooni ja nõutud valikute tuvastamiseks.

— Ühe teguri panuse määramine väärtuse mudelis, näiteks uute teede ja marsruutide ilmnemise näitel.

— Ühe piirkonna erinevate aspektide analüüs ja erinevate piirkondade analüüs (piirkondade võrdlemine).

Artiklis pakutud piirkonna analüüsi meetodi originaalsus, kasutades "soojus" mudelit, seisneb piirkonna arengu näitajate - potentsiaalide - kasutamises, esitatuna numbrilises väljenduses, mis peegeldavad objekti (mõjufaktori) mõju ulatust piirkonnale.

Uuringu olemuse mõistmiseks tuleks öelda paar sõna soojuspotiendi enda kohta, anda sellele füüsiline tõlgendus.

Füüsikas on olemas sellised mõisted nagu jõuväli ja jõufunktsioon. Jõuväli omab energia mõõtühikut, jõufunktsioon – jõu mõõtühikut.

Universaalse gravitatsiooniseaduse korral on jõuväli määratletud valemiga:

F=k/r2, kus
k – konstant;
r – kaugus vastastikku mõjuvate objektide vahel.

Jõufunktsioon ϕ määratletakse väljendiga:

dϕ=-F*dr, kus
ϕ — jõuväljapotiends;
dϕ, dr – diferentiaalid;
r — kaugus vastastikku mõjuvate objektide vahel,

seega ϕ=k/r.

Jõuväljapotiendi ϕ füüsiline tähendus on töö E, mis jõuväli teeb mingi teepikkuse läbimisel. Universaalse gravitatsiooniseaduse puhul, kui kaugus objekti suhtes muutub r2-lt r1-le, määratletakse jõufunktsioon valemiga

E=k*(1/r1-1/r2), kus
E – töö, mille jõuväli teeb mingi teepikkuse läbimisel;
r1, r2 – objekti algne ja lõplik asend.

Territooriumi analüüsi ülesande puhul võib objektide (faktorite) mõju territooriumile vaadelda jõuna (jõufunktsioon), samas kui territooriumi arengutaset saab pidada kõigi objektide (faktorite) kogusummaks soojuspotentsiaalist (jõuväli). Füüsikaülesannetes on soojuspotentsiaal temperatuur, samas kui territooriumi analüüsi ülesannetes „soojus“ mudel, esindab potentsiaal kõigi mõjutegurite kogumõju territooriumi punkti.

Ruumiandmed koosnevad punktidest, jooned, polügoonidest. Potentsiaalide arvutamiseks jagatakse pikad ruumiandmed väikesteks fragmentideks. Iga fragmenti jaoks arvutatakse potentsiaal punktist, mille korrutaja on objekti (faktori) suurus.

Andmed jagatakse tähenduslike gruppideks lähedase sarnasuse alusel. Näiteks kaubanduse objektid on koondatud kaupade järgi. Seal on metsasihtide, veesihtide, asulate, transpordipeatuste jms grupid. Tähenduse alusel koondatud rühmad esindavad fakti. Kõikide objektide (faktorite) läbides saame hulk soojuspotentiaale, mis on edasiseks töötlemiseks sobivad.

Potentsiaalide kasutamine („soojuskaardid“) võimaldab liikuda ruumilistest andmetest „soojuslikesse“ piltidesse objektide (mõjufaktorite) kohta piirkondades (potentsiaalide visualiseerimine). Selline üleminek võimaldab määrata teguri olemasolu astet igas piirkonna punktis ja läbi viia edasist analüüsi, st kujutada erinevaid linnade arengusuundi värviga. Seega saame igas piirkonna punktis erineva intensiivsusega kuma.

Allpool on esitatud näited „soojuslikest“ piltidest Nizhni Novgorodi territooriumi kohta mitmete faktorite lõikes.

Nizhni Novgorodi „soojuskaart“, mis kajastab tegurit „Apteegivõrk“

Nizhni Novgorodi „soojuskaart“, mis kajastab tegurit „Täiskasvanute polikliinikud“

Nizhni Novgorodi „soojuskaart“, mis kajastab tegurit „Laste polikliinikud“

Nizhni Novgorodi „soojuskaart“, mis kajastab tegurit „Tööstuspiirkonnad“

„Soojuslikud“ pildid territooriumist võimaldavad määrata potentsiaalide kontsentratsiooni erinevatest mõjufaktorites. Edasi tuleb ühendada saadud potentsiaalid integreeritud omaduseks, mis võimaldab hinnata territooriumi suure arvu faktorite põhjal. Selleks on vajalik meetod, mis suudab analüüsida suurt andmehulka, tuvastada objekte ja vähendada andmete dimensioonide arvu, kaotades võimalikult vähe teavet. Üks selline meetod on peamiste komponentide meetod (Principal Component Analysis, PCA). Sellega meetodiga saab lähemalt tutvuda Vikipeediad.

Meetodi olemus seisneb algsete parameetrite leidmises lineaarse kombinatsiooni kaudu, mis muutub analüüsialal kõige enam. Ruumiliste andmete puhul – kõige enam muutuv territooriumil.

Peamiste komponentide meetod eristab objekte (faktoreid), mis kõige tugevamalt muutuvad territooriumil. Meetodi töö tulemusena tekivad uued muutujad – põhikomponendid, mis on algandmetega võrreldes informatiivsemad, muutes territooriumi analüüsimise, kirjeldamise ja visualiseerimise lihtsamaks ning mudelite koostamise lihtsamaks.

Peamised komponendid on analüütilised väljendid — algfaktorite potentsiaalide summa koos teatud koefitsientidega. Kui mõni faktor mõjutab territoriaali oluliselt, kuid ei muutu analüütilisel territooriumil, siis peamiste komponentide meetod ei kaasata seda tegurit peamiste komponentide hulka.

Peamised komponendid järjestatakse teabe vähenemise kaupa – st territoriaalse levitamise järgi. Esimene peamine komponent sisaldab endas oluliselt rohkem teavet kui eraldi tegurid ning kirjeldab territooriumi hästi. Reeglina, kui kasutatakse umbes sajat tegurit, kannab esimene peamine komponent endas umbes 50% kogu territoriaalsest informatsioonist (variatsioonist). Peamised komponendid ei korreleeru omavahel ja neid saab kasutada mudelites territoriaalse omadusena igas punktis.

Peamine komponent, kui mõni abstraktselt arvutatud territooriumi näitaja, ei oma selget nime ja klassifikatsiooni. Siiski on rühm, mis korreleerub tugevalt peamise komponendiga, võimaldab peamiste komponentide tõlgendamist. Reeglina korreleeruvad järgmised tegurid peamiste komponentidega:

— infrastruktuuri arengu tase;
— transpordi koostisosad territooriumil;
— kliimavööndid;
— põllumajanduse arengu tase;
— territooriumi majanduslik potentsiaal.

Edasiarendus, sealhulgas klasterdamine, toimub mitme esimese olulise peamise komponendiga.

Joonistel on näha graafiline kujutis esimestest peamistest komponentidest Venemaa Föderatsiooni mitmes linnas.

Esimene peamine komponent, mis iseloomustab N. Novgorodi linna infrastruktuuri arengu taset.

Esimene peamine komponent, mis iseloomustab Jekaterinburgi linna infrastruktuuri arengu taset.

Esimene peamine komponent, mis iseloomustab Kazani linna infrastruktuuri arengu taset.

Esimene peamine komponent, mis iseloomustab Permi linna infrastruktuuri arengu taset.

Esimene peamine komponent, mis iseloomustab Samara linna infrastruktuuri arengu taset.

Esimene peamine komponent, mis iseloomustab Habarovski linna infrastruktuuri arengu taset.

Integraalsed omadused: klasterdamine

Edasine etapp territooriumide analüüsis tähendab linna keskkonna kvaliteedilt homogeensete alade otsimist. See otsing põhineb peamiste komponentide väärtuste analüüsil iga territooriumi punkti juures. Otsinguülesanne nimetatud homogeensete alade leidmiseks saab lahendada klasterdamise abil – protsessi, mille käigus grupitakse territooriume lähenemise alusel kogumite omadused.

Territooriumi klasterdamisel on kaks eesmärki:

— luua paremini tajutav territooriumi visualiseerimine;
— eristada piirkondi eraldi mudelite koostamiseks.

Territooriumid klasterdatakse vastavalt valitud teguritele analüüsiks. Need tegurid võivad olla faktoreid, mis mõjutavad hinnakujundust või tegurid, mis kirjeldavad mõnda territooriumi arengu aspekti, näiteks sotsiaalset valdkonda.

On olemas kaks levinud klassikalist klasterdamismeetodit: K-means meetod ja dendrogrammi meetod. Territooriumidega töötades on K-means meetod hästi tõendatud, mille iseloomulikuks tunnuseks on klasteri "kasvatamine", liites kasvupunktidele uusi objekte. K-means meetodi eelised seisnevad selle töötamise sarnasusest looduses toimuva territooriumite kujunemisega: sarnaste integreerimine, mitte mitte-sarnaste eraldamine.

K-means meetodiga on tehtud arvutused Nizhni Novgorodi kohta (allolev joonis).

Klasterite vastavus territooriumi arengu tasemele näitel N. Novgorodist

Pakutud lähenemisega on võimalik saada ülevaade territooriumist erinevate teemade kaudu. Meid huvitavad teemad võivad olla näiteks linna infrastruktuuri arengu tase, territooriumi "eliitstatus", kultuuri arengu tase ja sotsiaalne arengu aspekt territooriumil. Need teemad on halvasti määratletud integreerivad mõisted, mis koosnevad paljusid omavahel seotud teguritest.

Kuna me kasutame teatud algoritmi parameetrite valimiseks analüüsiks (sealhulgas ekspertide kaasamine), saame temaatilised kaardid, mis annavad teavet territooriumi arengu ühe aspekti kohta.

Integraalsete omaduste all mõistetakse esimesi peamisi komponente, eelkõige kõige informatiivsemat esimest peamist komponenti, ja territooriumi klasterdamist valitud parameetrite alusel.

Tähtsamate peamiste komponentide temaatilised kaardid erinevate arengu aspektide kohta on tohiks allpool.

Temaatiline kaart «Kultuuriobjektid» näite põhjal g. N. Novgorod

Temaatiline kaart «Sotsiaalne sfäär» näite põhjal g. N. Novgorod

Integriivsed omadused võimaldavad mõista territooriumi eripära, kasutades mitmeid tegureid minimaalse teabe kadumisega.

Kokkuvõtteks tasub veel kord rõhutada, et territooriumide analüüs on tänapäeval äärmiselt oluline etapp linnaruumi arendamise, investeerimiskohtade valimise, uute objektide soodsaim asukohtade otsimise ja teiste ülesannete lahendamiseks.

Artiklis pakutud territooriumi analüüsi meetod, kasutades erinevat laadi tegurite «soojusmudelit», ei ole kriitiline tegurite kogumi osas, st see ei sea piiranguid ja nõudeid algandmetele.

Algandmete mitmekesisus ja üleliigsus ning võimalus kasutada avatud andmeid pakuvad piiramatuid perspektiive igasuguste territooriumide analüüsimiseks maailmas.

Järgmistes publikatsioonides, mis on pühendatud territooriumide analüüsi ülesannetele, plaanime avada peamiste komponentide mudelite koostamise eripära ja nende rakendamise meetodeid selliste ülesannete jaoks nagu:

— uue objekti asukoha parima koha valimine;
— hinnapindade loomine teatud objektide kategooriate jaoks turuhinna alusel;
-teatud tegevusala kasumlikkuse hindamine objekti asukoha sõltuvalt.

Samuti on plaanis esitada meetodid peamistest komponentidest teguritele tagasipööramiseks, mis omakorda võimaldab saada mudeli teguritest antud teritoriumi jaoks.

Allikas: habr.com