પ્રદેશ વિશ્લેષણ માટે થર્મલ સંભવિત પદ્ધતિનું તકનીકી અમલીકરણ

પ્રથમ પ્રકાશનમાં (પ્રદેશ વિશ્લેષણ માટે થર્મલ સંભવિતતાઓનો ઉપયોગ કરવો) અમે વર્ણવેલ છે કે સામાન્ય રીતે પ્રદેશોનું વિશ્લેષણ કરવા માટે થર્મલ પોટેન્શિયલનો ઉપયોગ કેવી રીતે થઈ શકે છે. નીચેના પ્રકાશનોમાં ડેટાબેઝમાં અવકાશી પદાર્થો વિશેની માહિતી કેવી રીતે સંગ્રહિત કરવામાં આવે છે, મુખ્ય ઘટકોમાંથી મોડેલ કેવી રીતે બનાવવામાં આવે છે અને સામાન્ય રીતે પ્રદેશ વિશ્લેષણના કયા કાર્યો હોઈ શકે છે તેનું વર્ણન કરવાનું આયોજન કરવામાં આવ્યું હતું. પરંતુ પ્રથમ વસ્તુઓ પ્રથમ.

થર્મલ સંભવિત પદ્ધતિનો ઉપયોગ કરીને સૌ પ્રથમ અમને રુચિના ક્ષેત્રનો સામાન્ય ખ્યાલ મેળવવાનું શક્ય બનાવે છે. ઉદાહરણ તરીકે, બાર્સેલોના શહેર (કેટાલોનિયા) માટે OSM માંથી પ્રારંભિક માહિતી લઈને, અને પરિમાણો પસંદ કર્યા વિના એક અભિન્ન વિશ્લેષણ હાથ ધરવાથી, અમે પ્રથમ મુખ્ય ઘટકોની "થર્મલ" છબીઓ મેળવી શકીએ છીએ. અમે પ્રથમ લેખમાં "ગરમી" નકશા વિશે પણ વાત કરી હતી, પરંતુ તે યાદ રાખવું ખોટું નથી કે "ગરમી" નકશા શબ્દ અભિન્ન પૃથ્થકરણ માટે વપરાતા સંભવિતોના ભૌતિક અર્થને કારણે ઉદ્ભવ્યો છે. તે. ભૌતિકશાસ્ત્રની સમસ્યાઓમાં, સંભવિત એ તાપમાન છે, અને પ્રાદેશિક વિશ્લેષણની સમસ્યાઓમાં, સંભવિત એ પ્રદેશ પરના ચોક્કસ બિંદુ પર તમામ પ્રભાવિત પરિબળોની કુલ અસર છે.

અવિભાજ્ય વિશ્લેષણના પરિણામે પ્રાપ્ત બાર્સેલોના શહેરના "ગરમી" નકશાનું ઉદાહરણ નીચે છે.

પ્રથમ મુખ્ય ઘટકનો "હીટ" નકશો, પરિમાણ પસંદગી વિના, બાર્સેલોના

અને ચોક્કસ પરિમાણ સેટ કરીને (આ કિસ્સામાં, અમે ઉદ્યોગ પસંદ કર્યો છે), તમે તેના માટે સીધો "હીટ" નકશો મેળવી શકો છો.

પ્રથમ મુખ્ય ઘટક, ઉદ્યોગ, બાર્સેલોનાનો હીટ નકશો

અલબત્ત, પૃથ્થકરણની સમસ્યાઓ પસંદ કરેલા પ્રદેશનું સામાન્ય મૂલ્યાંકન મેળવવા કરતાં ઘણી વ્યાપક અને વધુ વૈવિધ્યસભર છે, તેથી, ઉદાહરણ તરીકે, આ લેખમાં આપણે નવી ઑબ્જેક્ટ મૂકતી વખતે શ્રેષ્ઠ સ્થાન શોધવાની સમસ્યાને ધ્યાનમાં લઈશું અને તકનીકી તેને ઉકેલવા માટે થર્મલ સંભવિત પદ્ધતિનો અમલ, અને ભવિષ્યના પ્રકાશનોમાં અમે અન્યને જોઈશું.

નવી ઑબ્જેક્ટ મૂકતી વખતે શ્રેષ્ઠ સ્થાન શોધવાની સમસ્યાનું નિરાકરણ એ નિર્ધારિત કરવામાં મદદ કરશે કે પ્રદેશ આ નવા ઑબ્જેક્ટને સ્વીકારવા માટે કેટલો "તૈયાર" છે, તે પ્રદેશમાં પહેલાથી અસ્તિત્વમાં રહેલા અન્ય ઑબ્જેક્ટ્સ સાથે કેવી રીતે સંબંધ રાખશે, આ નવો ઑબ્જેક્ટ કેટલો મૂલ્યવાન હશે. પ્રદેશ અને તે શું મૂલ્ય ઉમેરશે.

તકનીકી અમલીકરણના તબક્કા

તકનીકી અમલીકરણને નીચે સૂચિબદ્ધ પ્રક્રિયાઓના ક્રમ દ્વારા રજૂ કરી શકાય છે:

1. માહિતી વાતાવરણની તૈયારી.
2. સ્ત્રોત માહિતીની શોધ, સંગ્રહ અને પ્રક્રિયા.
3. વિશ્લેષિત પ્રદેશમાં નોડ્સના ગ્રીડનું નિર્માણ.
4. પ્રદેશના પરિબળોને ટુકડાઓમાં તોડીને.
5. પરિબળોમાંથી સંભવિતતાઓની ગણતરી.
6. પ્રદેશની વિષયોનું અભિન્ન લાક્ષણિકતાઓ બનાવવા માટેના પરિબળોની પસંદગી.
7. પ્રદેશના અભિન્ન સૂચકાંકો મેળવવા માટે મુખ્ય ઘટક પદ્ધતિનો ઉપયોગ.
8. નવી સુવિધાના નિર્માણ માટે સાઇટ પસંદ કરવા માટે મોડેલોની રચના.

સ્ટેજ 1. માહિતી વાતાવરણની તૈયારી

આ તબક્કે, ડેટાબેઝ મેનેજમેન્ટ સિસ્ટમ (ડીબીએમએસ) પસંદ કરવી, માહિતીના સ્ત્રોતો, માહિતી એકત્રિત કરવાની પદ્ધતિઓ અને એકત્રિત માહિતીની માત્રા નક્કી કરવી જરૂરી છે.
અમારા કાર્ય માટે, અમે PostgeSql ડેટાબેઝ (DB) નો ઉપયોગ કર્યો છે, પરંતુ તે નોંધવું યોગ્ય છે કે SQL ક્વેરીઝ સાથે કામ કરતા અન્ય કોઈપણ ડેટાબેઝ કરશે.

ડેટાબેઝ પ્રારંભિક માહિતી સંગ્રહિત કરશે - ઑબ્જેક્ટ્સ વિશેની અવકાશી માહિતી: ડેટા પ્રકારો (બિંદુઓ, રેખાઓ, બહુકોણ), તેમના કોઓર્ડિનેટ્સ અને અન્ય લાક્ષણિકતાઓ (લંબાઈ, વિસ્તાર, જથ્થો), તેમજ તેના પરિણામે પ્રાપ્ત થયેલ તમામ ગણતરી કરેલ મૂલ્યો. હાથ ધરવામાં આવેલ કાર્ય અને કાર્યના પરિણામો પોતે.

આંકડાકીય માહિતીને અવકાશી માહિતી તરીકે પણ રજૂ કરવામાં આવે છે (ઉદાહરણ તરીકે, આ પ્રદેશોને સોંપાયેલ આંકડાકીય માહિતીવાળા પ્રદેશના પ્રદેશો).

એકત્રિત પ્રારંભિક માહિતીના રૂપાંતર અને પ્રક્રિયાના પરિણામે, રેખીય, બિંદુ અને વિસ્તારના પરિબળો, તેમના ઓળખકર્તાઓ અને કોઓર્ડિનેટ્સ વિશેની માહિતી ધરાવતા કોષ્ટકો રચાય છે.

સ્ટેજ 2. સ્ત્રોત માહિતીની શોધ, સંગ્રહ અને પ્રક્રિયા

આ સમસ્યાને ઉકેલવા માટેની પ્રારંભિક માહિતી તરીકે, અમે પ્રદેશ વિશેની માહિતી ધરાવતા ખુલ્લા કાર્ટોગ્રાફિક સ્ત્રોતોમાંથી માહિતીનો ઉપયોગ કરીએ છીએ. નેતા, અમારા મતે, OSM માહિતી છે, જે વિશ્વભરમાં દરરોજ અપડેટ થાય છે. જો કે, જો તમે અન્ય સ્રોતોમાંથી માહિતી એકત્રિત કરવાનું મેનેજ કરો છો, તો તે વધુ ખરાબ નહીં હોય.
માહિતી પ્રક્રિયામાં તેને એકરૂપતા લાવવા, ખોટી માહિતીને દૂર કરવા અને ડેટાબેઝમાં લોડ કરવા માટે તેને તૈયાર કરવાનો સમાવેશ થાય છે.

સ્ટેજ 3. વિશ્લેષિત પ્રદેશમાં નોડ્સના ગ્રીડનું નિર્માણ

વિશ્લેષિત પ્રદેશની સાતત્યતા સુનિશ્ચિત કરવા માટે, તેના પર ગ્રીડ બનાવવી જરૂરી છે, જેનાં નોડ્સ આપેલ કોઓર્ડિનેટ સિસ્ટમમાં કોઓર્ડિનેટ્સ ધરાવે છે. દરેક ગ્રીડ નોડ પર સંભવિત મૂલ્ય પછીથી નક્કી કરવામાં આવશે. આ તમને સજાતીય વિસ્તારો, ક્લસ્ટરો અને અંતિમ વિશ્લેષણ પરિણામોની કલ્પના કરવાની મંજૂરી આપશે.

હલ કરવાના કાર્યોના આધારે, ગ્રીડ બનાવવા માટેના બે વિકલ્પો શક્ય છે:
— નિયમિત પગલાં સાથે ગ્રીડ (S1) - સમગ્ર પ્રદેશમાં અવલોકનક્ષમ છે. તેનો ઉપયોગ પરિબળોમાંથી સંભવિતતાઓની ગણતરી કરવા, પ્રદેશની અભિન્ન લાક્ષણિકતાઓ (મુખ્ય ઘટકો અને ક્લસ્ટરો) નક્કી કરવા અને મોડેલિંગ પરિણામો પ્રદર્શિત કરવા માટે થાય છે.

આ ગ્રીડ પસંદ કરતી વખતે, તમારે સ્પષ્ટ કરવું આવશ્યક છે:

• ગ્રીડ અંતર – અંતરાલ કે જેના પર ગ્રીડ નોડ્સ સ્થિત હશે;
• વિશ્લેષણ કરેલ પ્રદેશની સીમા, જે વહીવટી-પ્રાદેશિક વિભાગને અનુરૂપ હોઈ શકે છે, અથવા તે નકશા પરનો વિસ્તાર હોઈ શકે છે જે બહુકોણના રૂપમાં ગણતરી વિસ્તારને મર્યાદિત કરે છે.

- અનિયમિત અંતર સાથે ગ્રીડ (S2) પ્રદેશના વ્યક્તિગત બિંદુઓનું વર્ણન કરે છે (ઉદાહરણ તરીકે સેન્ટ્રોઇડ્સ). તેનો ઉપયોગ પરિબળોમાંથી સંભવિતતાની ગણતરી કરવા અને પ્રદેશની અભિન્ન લાક્ષણિકતાઓ (મુખ્ય ઘટકો અને ક્લસ્ટરો) નક્કી કરવા માટે પણ થાય છે. ગણતરી કરેલ મુખ્ય ઘટકો સાથેનું મોડેલિંગ એક અનિયમિત પગલા સાથે ગ્રીડ પર ચોક્કસ રીતે હાથ ધરવામાં આવે છે, અને સિમ્યુલેશન પરિણામોની કલ્પના કરવા માટે, ગ્રીડ નોડ્સમાંથી અનિયમિત પગલા સાથેના ક્લસ્ટર નંબરોને કોઓર્ડિનેટ્સની નિકટતાના સિદ્ધાંત અનુસાર નિયમિત પગલા સાથે ગ્રીડ નોડ્સમાં સ્થાનાંતરિત કરવામાં આવે છે. .
ડેટાબેઝમાં, ગ્રીડ નોડ્સના કોઓર્ડિનેટ્સ વિશેની માહિતી દરેક નોડ માટે નીચેની માહિતી ધરાવતા કોષ્ટકના સ્વરૂપમાં સંગ્રહિત થાય છે:

• નોડ ID;
• નોડ કોઓર્ડિનેટ્સ (x, y).

જુદા જુદા પ્રદેશો માટે વિવિધ અંતર સાથે નિયમિત અંતર સાથેના ગ્રીડના ઉદાહરણો નીચે આપેલા આંકડાઓમાં દર્શાવવામાં આવ્યા છે.

નિઝની નોવગોરોડ (લાલ બિંદુઓ) ની કવરેજ ગ્રીડ. નિઝની નોવગોરોડ પ્રદેશની કવરેજ ગ્રીડ (વાદળી બિંદુઓ).

સ્ટેજ 4 પ્રદેશના પરિબળોને ટુકડાઓમાં તોડીને

વધુ વિશ્લેષણ માટે, પ્રદેશના વિસ્તૃત પરિબળોને અલગ પરિબળોની શ્રેણીમાં રૂપાંતરિત કરવું આવશ્યક છે જેથી દરેક ગ્રીડ નોડ તેમાં હાજર દરેક પરિબળ વિશેની માહિતી ધરાવે છે. રેખીય પરિબળોને ભાગોમાં, વિસ્તારના પરિબળોને ટુકડાઓમાં વિભાજિત કરવામાં આવે છે.

પાર્ટીશન સ્ટેપ પ્રદેશના ક્ષેત્રફળ અને ચોક્કસ પરિબળના આધારે પસંદ કરવામાં આવે છે; મોટા વિસ્તારો (પ્રદેશ) માટે પાર્ટીશન સ્ટેપ 100-150 મીટર હોઈ શકે છે; નાના વિસ્તારો (શહેર) માટે પાર્ટીશન સ્ટેપ 25-50 મીટર હોઈ શકે છે. .

ડેટાબેઝમાં, વિભાજન પરિણામો વિશેની માહિતી દરેક ટુકડા માટે નીચેની માહિતી ધરાવતા કોષ્ટકના સ્વરૂપમાં સંગ્રહિત થાય છે:

• પરિબળ ઓળખકર્તા;
• પરિણામી પાર્ટીશન ટુકડાઓના સેન્ટ્રોઇડ્સના કોઓર્ડિનેટ્સ (x, y);
• પાર્ટીશનના ટુકડાઓની લંબાઈ/વિસ્તાર.

સ્ટેજ 5 પરિબળોમાંથી સંભવિતતાઓની ગણતરી

પ્રારંભિક માહિતીનું પૃથ્થકરણ કરવાના સંભવિત અને સમજી શકાય તેવા અભિગમો પૈકી એક એ છે કે પરિબળોને પ્રભાવના પદાર્થોમાંથી સંભવિત તરીકે ગણવામાં આવે.

ચાલો બે-પરિમાણીય કેસ માટે લેપ્લેસના સમીકરણના મૂળભૂત ઉકેલનો ઉપયોગ કરીએ - બિંદુથી અંતરનો લઘુગણક.

શૂન્ય પર મર્યાદિત સંભવિત મૂલ્યની જરૂરિયાત અને મોટા અંતર પર સંભવિત મૂલ્યની મર્યાદાને ધ્યાનમાં લેતા, સંભવિત નીચે પ્રમાણે નક્કી કરવામાં આવે છે:

આર પર (1)

r2>r>=r1 માટે

r>=r2 માટે

બિંદુ ઑબ્જેક્ટથી પ્રભાવ સંભવિતનો પ્રકાર

લઘુગણક કાર્ય શૂન્ય પર બંધાયેલ હોવું જોઈએ અને પરિબળોથી અમુક અંતરે વ્યાજબી રીતે બંધાયેલ હોવું જોઈએ. જો આપણે પરિબળથી મોટા અંતર પર સંભવિતતા પર નિયંત્રણો ન બનાવ્યા હોય, તો આપણે વિશ્લેષણના બિંદુથી ઘણી મોટી માહિતી ધ્યાનમાં લેવી પડશે, જેની વિશ્લેષણ પર વ્યવહારીક રીતે કોઈ અસર થતી નથી. તેથી, અમે પરિબળની ક્રિયાના ત્રિજ્યાનું મૂલ્ય રજૂ કરીએ છીએ, જેની બહાર પરિબળમાંથી સંભવિતમાં યોગદાન શૂન્ય છે.

શહેર માટે, પરિબળની ત્રિજ્યા અડધા કલાકની બરાબર માનવામાં આવે છે રાહદારી સુલભતા - 2 મીટર. પ્રદેશ માટે આપણે અડધા કલાક વિશે વાત કરવી જોઈએ પરિવહન સુલભતા - 20 મીટર.

આમ, સંભવિત મૂલ્યોની ગણતરીના પરિણામે, અમારી પાસે નિયમિત ગ્રીડના દરેક નોડ પર દરેક પરિબળમાંથી કુલ સંભવિત છે.

સ્ટેજ 6. પ્રદેશની વિષયોનું અભિન્ન લાક્ષણિકતાઓ બનાવવા માટેના પરિબળોની પસંદગી

આ તબક્કે, પ્રદેશની વિષયોનું અભિન્ન લાક્ષણિકતાઓ બનાવવા માટે સૌથી નોંધપાત્ર અને માહિતીપ્રદ પરિબળો પસંદ કરવામાં આવે છે.

પરિબળની પસંદગી પરિમાણો માટે ચોક્કસ સીમાઓ (સબંધ, પ્રભાવની ટકાવારી, વગેરે) સેટ કરીને આપમેળે હાથ ધરવામાં આવી શકે છે અથવા તે નિષ્ણાત રીતે કરી શકાય છે, સમસ્યાના વિષયને જાણીને અને પ્રદેશની થોડી સમજ સાથે.

સૌથી મહત્વપૂર્ણ અને માહિતીપ્રદ પરિબળો પસંદ કર્યા પછી, તમે આગળના પગલાઓ પર આગળ વધી શકો છો - મુખ્ય ઘટકોનું અર્થઘટન.

સ્ટેજ 7 પ્રદેશના અભિન્ન સૂચકાંકો મેળવવા માટે મુખ્ય ઘટક પદ્ધતિનો ઉપયોગ. ક્લસ્ટરિંગ

પ્રદેશના પરિબળો વિશેની પ્રારંભિક માહિતી, જે અગાઉના તબક્કે દરેક ગ્રીડ નોડ માટે ગણતરી કરેલ સંભવિતમાં રૂપાંતરિત થાય છે, તેને નવા અભિન્ન સૂચકાંકોમાં જોડવામાં આવે છે - મુખ્ય ઘટકો.

મુખ્ય ઘટક પદ્ધતિ અભ્યાસના ક્ષેત્રમાં પરિબળોની પરિવર્તનશીલતાનું વિશ્લેષણ કરે છે અને આ વિશ્લેષણના પરિણામોના આધારે, તેમના સૌથી ચલ રેખીય સંયોજનને શોધે છે, જે તેમના પરિવર્તનના માપની ગણતરી કરવાનું શક્ય બનાવે છે - પ્રદેશ પર વિખેરવું.

આપેલ મૂલ્યો માટે રેખીય મોડેલ ફંક્શનને અંદાજિત કરવા માટે એક મોડેલ બનાવવા માટે ચાલો સામાન્ય સમસ્યા લઈએ
(2)
જ્યાં હું ઘટક નંબર છે,
n - ગણતરીમાં સામેલ ઘટકોની સંખ્યા
j – પ્રદેશ બિંદુનો નોડ ઇન્ડેક્સ, j=1..k
k - પ્રદેશ ગ્રીડના તમામ ગાંઠોની સંખ્યા કે જેના માટે મુખ્ય ઘટકોની ગણતરી હાથ ધરવામાં આવી હતી
— મોડેલના i-th મુખ્ય ઘટક માટે ગુણાંક
- j-th બિંદુ પર i-th મુખ્ય ઘટકનું મૂલ્ય
B - મોડલની ફ્રી ટર્મ
— પરિબળના j-th બિંદુ પર સંભવિત કે જેના માટે અમે એક મોડેલ બનાવી રહ્યા છીએ

ચાલો સમીકરણમાં અજાણ્યાઓ નક્કી કરીએ (2) મુખ્ય ઘટકોના ગુણધર્મોનો ઉપયોગ કરીને ઓછામાં ઓછા ચોરસ પદ્ધતિ:
(3)
જ્યાં i અને i2 ઘટક સંખ્યાઓ છે, i<>i2
j — પ્રદેશ નોડ ઇન્ડેક્સ
k એ તમામ પ્રદેશ ગાંઠોની સંખ્યા છે
(4)

(3) એટલે ઘટકો વચ્ચે કોઈ સંબંધ નથી
(4) – કોઈપણ ઘટકનું કુલ મૂલ્ય શૂન્ય છે.

અમને મળે છે:

(5)
અહીં સંકેત Eq માં સમાન છે. (2), સરેરાશ સંભવિત મૂલ્યનો અર્થ થાય છે

આ પરિણામને નીચે પ્રમાણે અર્થઘટન કરી શકાય છે:
મોડેલ એ એક સરળ અભિવ્યક્તિ છે જેમાં સિમ્યુલેટેડ મૂલ્યના સરેરાશ મૂલ્ય અને દરેક ઘટકો માટે તેમાં સરળ સુધારાઓનો સમાવેશ થાય છે. ઓછામાં ઓછા, પરિણામમાં ડમી ટર્મ B અને પ્રથમ મુખ્ય ઘટકનો સમાવેશ થવો જોઈએ. નીચે નિઝની નોવગોરોડ પ્રદેશ માટેના પ્રથમ મુખ્ય ઘટકોના હીટ નકશાના ઉદાહરણો છે.

ગણતરી કરેલ મુખ્ય ઘટકોના આધારે, સજાતીય પ્રદેશો બનાવી શકાય છે. આ બધા પરિમાણો માટે અને ઉદાહરણ તરીકે, ફક્ત કિંમતો માટે બંને કરી શકાય છે - એટલે કે. ક્લસ્ટરિંગ હાથ ધરો. આ માટે, તમે ઉપયોગ કરી શકો છો K- એટલે પદ્ધતિ. દરેક એકરૂપ પ્રદેશ માટે, 1 લી મુખ્ય ઘટકનું સરેરાશ મૂલ્ય ગણવામાં આવે છે, જે પ્રદેશના વિકાસના સ્તરને દર્શાવે છે.
નિઝની નોવગોરોડ પ્રદેશ માટે કિંમત નિર્ધારણ પરિમાણો દ્વારા ક્લસ્ટરિંગનું ઉદાહરણ નીચે આપેલ છે.

ઉપરાંત, પ્રાપ્ત કરેલ મુખ્ય ઘટકોનો ખર્ચ મોડેલના પરિમાણો તરીકે ઉપયોગ કરીને, અમે પ્રદેશની કિંમત સપાટી મેળવી શકીએ છીએ.

નિઝની નોવગોરોડની કિંમતની સપાટી

સ્ટેજ 8. નવી સુવિધાના નિર્માણ માટે સાઇટ પસંદ કરવા માટે મોડેલોની રચના

નવા ઑબ્જેક્ટના સ્થાન માટે સૌથી આકર્ષક સ્થળ પસંદ કરવા માટે (ત્યારબાદ "ઑબ્જેક્ટ" તરીકે ઓળખવામાં આવે છે), આસપાસના ઇન્ફ્રાસ્ટ્રક્ચર સાથે "ઑબ્જેક્ટ" ના સ્થાનની તુલના કરવી જરૂરી છે. "ઑબ્જેક્ટ" કાર્ય કરવા માટે, તેની કામગીરીની ખાતરી કરવા માટે પૂરતા સંસાધનો હોવા જોઈએ; "ઑબ્જેક્ટ" પર સકારાત્મક અને નકારાત્મક બંને અસરો, મોટી સંખ્યામાં પરિબળો ધ્યાનમાં લેવા જોઈએ. આ પરિબળોના સમગ્ર સમૂહને "ઓબ્જેક્ટ" ની કામગીરી માટે "પોષક" વાતાવરણ તરીકે વ્યાખ્યાયિત કરી શકાય છે. પ્રદેશના સંસાધનોની સંખ્યા સાથે ઑબ્જેક્ટની સંખ્યાનો પત્રવ્યવહાર એ "ઑબ્જેક્ટ" ની સ્થિર કામગીરી માટેનો આધાર છે.

આ સરખામણીનું પરિણામ એ પ્રદેશના દરેક બિંદુ માટે સંભવિત ગણતરી કરવામાં આવે છે અને નવી "ઓબ્જેક્ટ" મૂકવા માટે સ્થાનની પસંદગીના દ્રશ્ય અને વિશ્લેષણાત્મક વિશ્લેષણને મંજૂરી આપે છે.

વેપાર માટે, ઉદાહરણ તરીકે, અન્ય વસ્તુઓની વચ્ચે, ખરીદદારોનો સતત પ્રવાહ મહત્વપૂર્ણ છે, જેનો અર્થ એ છે કે વેપારના પદાર્થો માટે ધ્યાનમાં લેવાના પરિબળોની સૂચિમાં તે પણ શામેલ હોવા જોઈએ જે આ પ્રવાહને સુનિશ્ચિત કરે છે (ઉદાહરણ તરીકે, સામાજિક માળખાકીય સુવિધાઓ, કામના સ્થળો, રહેઠાણના સ્થળો, પરિવહન માર્ગો, વગેરે).

બીજી બાજુ, જ્યારે છૂટક સુવિધાઓની કામગીરીને સુનિશ્ચિત કરવા માટે તમામ શરતો પૂરી થાય છે, ત્યારે છૂટક સુવિધાઓની ઘનતાને ધ્યાનમાં લેવી જરૂરી છે, કારણ કે પર્યાવરણનો "વપરાશ" ખરીદીની શક્યતામાં ઘટાડો તરફ દોરી જાય છે. લોકોનો પ્રવાહ અમર્યાદિત નથી, અને તે જ તેમના નાણાકીય સંસાધનો અને ભૌતિક ક્ષમતાઓને લાગુ પડે છે.

ઑબ્જેક્ટ માટે શ્રેષ્ઠ સ્થાન પસંદ કરવાની સમસ્યાને ઉકેલવા માટેનું અલ્ગોરિધમ એ હકીકત પર આવે છે કે મુખ્ય ઘટકોના કાર્ય તરીકે પ્રાપ્ત સંભવિત "ઑબ્જેક્ટ" પ્રકારનાં ઑબ્જેક્ટના સમૂહની સંભવિતતાની શક્ય તેટલી નજીક છે; પછી મોડેલની સંભવિતતા અને "ઑબ્જેક્ટ" પ્રકારનાં ઑબ્જેક્ટ્સની સંભવિત વચ્ચેનો તફાવત ગણવામાં આવે છે; એક "ઑબ્જેક્ટ" ના યોગદાન સંભવિતનું મૂલ્ય પરિણામી તફાવતમાંથી બાદ કરવામાં આવે છે; આ કિસ્સામાં પ્રાપ્ત નકારાત્મક મૂલ્યો શૂન્ય દ્વારા બદલવામાં આવે છે, એટલે કે, તે સ્થાનો જ્યાં નવા "ઑબ્જેક્ટ" ના કાર્ય માટે પૂરતા સંસાધનો નથી તે દૂર કરવામાં આવે છે.

લીધેલી ક્રિયાઓના પરિણામે, અમે સકારાત્મક સંભવિત મૂલ્ય સાથે પ્રદેશના બિંદુઓ મેળવીએ છીએ, એટલે કે, અમારા "ઓબ્જેક્ટ" ના અનુકૂળ સ્થાનના સ્થાનો.

બીજા શબ્દોમાં કહીએ તો, અમારી પાસે અમારા નિકાલ પરના તમામ પરિબળોની ગણતરી કરેલ સંભવિતતાઓ છે અને તે પરિબળ કે જેના માટે અમે એક મોડેલ બનાવવા માંગીએ છીએ અને પસંદ કરેલ વિષયોનું ક્ષેત્ર (વેપાર, ઉદ્યોગ, સંસ્કૃતિ, સામાજિક ક્ષેત્ર, વગેરે) વિશ્લેષણ કરવા માંગીએ છીએ.

આ કરવા માટે, પર્યાવરણીય ચલો - મુખ્ય ઘટકો - બનાવવા માટે પરિબળો પસંદ કરવા અને પછી તેના આધારે મોડેલોની ગણતરી કરવી જરૂરી છે.
અમે વિષયોના ક્ષેત્રના સંદર્ભ પરિબળ સાથેના તમામ પરિબળોના સહસંબંધોનું વિશ્લેષણ કરીને પરિબળોને પસંદ કરવાનો પ્રસ્તાવ આપીએ છીએ. ઉદાહરણ તરીકે, સંસ્કૃતિ માટે તે થિયેટર હોઈ શકે છે, શિક્ષણ પ્રણાલી માટે, શાળાઓ, વગેરે.

અમે તમામ પરિબળોની સંભવિતતા સાથે પ્રમાણભૂત સંભવિતના સહસંબંધની ગણતરી કરીએ છીએ. અમે એવા પરિબળોને પસંદ કરીએ છીએ કે જેની તીવ્રતામાં સહસંબંધ ગુણાંક ચોક્કસ મૂલ્ય કરતાં વધુ હોય (ઘણી વખત લઘુત્તમ સહસંબંધ ગુણાંક = 0 નું મૂલ્ય લેવામાં આવે છે).
(6)
જ્યાં — ધોરણ સાથેના i-th પરિબળના સહસંબંધ ગુણાંકનું સંપૂર્ણ મૂલ્ય.

સહસંબંધની ગણતરી પ્રદેશને આવરી લેતા તમામ ગ્રીડ નોડ્સ પર કરવામાં આવે છે.

મોડેલની સંભવિતતા અને સમીકરણમાં નવા ઑબ્જેક્ટ જેવા સમાન પ્રકારના ઑબ્જેક્ટની સંભવિત વચ્ચેનો તફાવત (2) પ્રદેશની સંભવિતતા દર્શાવે છે, જેનો ઉપયોગ નવી સુવિધાઓ શોધવા માટે થઈ શકે છે.

પરિણામે, અમે સંભવિત મૂલ્ય મેળવીએ છીએ, જે અભ્યાસના ક્ષેત્રમાં "ઑબ્જેક્ટ" ના સ્થાનના લાભની ડિગ્રી દર્શાવે છે.

તમે નવા "ઓબ્જેક્ટ" માટે ભલામણ કરેલ સ્થાનોને ગ્રાફિકલી કેવી રીતે પ્રદર્શિત કરી શકો છો તેનું ઉદાહરણ નીચે આપેલ છે.

આમ, નવા ઑબ્જેક્ટ માટે શ્રેષ્ઠ સ્થાન પસંદ કરવાની સમસ્યાને ઉકેલવાના પરિણામને દરેક બિંદુ પરના પોઈન્ટમાં પ્રદેશના મૂલ્યાંકન તરીકે રજૂ કરી શકાય છે, જે રોકાણના ઑબ્જેક્ટને શોધવા માટેની સંભવિતતાનો ખ્યાલ આપે છે, એટલે કે, સ્કોર, વધુ નફાકારક તે પદાર્થ સ્થિત છે.

નિષ્કર્ષમાં, તે કહેવું યોગ્ય છે કે આ લેખમાં અમે ફક્ત એક જ સમસ્યાનો વિચાર કર્યો છે જે પ્રદેશ વિશ્લેષણનો ઉપયોગ કરીને ઉકેલી શકાય છે, જેમાં ખુલ્લા સ્ત્રોતોમાંથી ડેટા છે. હકીકતમાં, ત્યાં ઘણી બધી સમસ્યાઓ છે જે તેની સહાયથી ઉકેલી શકાય છે, તેમની સંખ્યા ફક્ત તમારી કલ્પના દ્વારા મર્યાદિત છે.

સોર્સ: www.habr.com