Classificazione dei territori mediante potenziali termici utilizzando dati aperti

В данной статье рассмотрим алгоритм и результаты анализа территорий большой площади без ограничения на их границах, с использованием метода тепловых потенциалов и метода главных компонент. В качестве исходной информации предпочтение отдавалось открытым данным, прежде всего с OSM. Исследование проводилось на территории 40 субъектов Европейской части территории РФ, как единого целого общей площадью 1.8 млн. кв.км.

Некоторые задачи, решаемые методом потенциалов:

• Definizione набора бальных оценок в каждой точке территории, дающего представление об уровне развития территории в общем, и в некоторой предметной области в частности. Например, торговли, промышленности, услуг и т.д.
• Нахождение однородных зон (кластеров) анализируемой территории и их точных границ.
• Расчет рекомендаций для размещения нового объекта, в том числе составного объекта, включающего другие объекты.
• Нахождение моделей стоимости или ценности территории для каждого кластера.
• Сравнение территорий, т.е составление рейтингов территорий (о чем пойдет речь в данной статье).

Масштабы исследования

Le problematiche menzionate vengono affrontate a livello di città (centinaia di chilometri quadrati con una precisione spaziale di 25 metri) e a livello di regioni (centinaia di migliaia di chilometri quadrati con una precisione spaziale di 250 metri). L'articolo descrive i metodi di analisi del territorio su una nuova scala, unendo città, regioni e distretti in uno spazio unico.

Metodi di ricerca principali:

• Viene utilizzata informazione spaziale aperta, in particolare OSM, e metodi di elaborazione.
• Per tenere conto del grado di influenza di oggetti di diversa natura sul territorio viene utilizzato il metodo dei potenziali.
• Per ridurre la dimensionalità del problema e migliorare la qualità dei modelli viene utilizzato il metodo delle componenti principali.
• Per il calcolo dei modelli lineari viene utilizzato <a href="ru.wikipedia.org/wiki/Мет• Per l'analisi vengono utilizzati metodi di clustering, che consentono di definire aree omogenee. Per ciascun cluster viene elaborato un modello specifico e ai confini dei cluster i modelli vengono uniti.

La ricerca è stata condotta a livello di soggetti della Federazione Russa e grandi città, con successiva unificazione.

Per iniziare, presentiamo l'algoritmo e i risultati dell'analisi delle aree omogenee degli enti della Federazione Russa – Distretto Federale del Volga, Distretto Federale Centrale, Distretto Federale Meridionale, Distretto Federale del Nord-Ovest e parte del Distretto Federale Uralico, per un'area di ricerca complessiva di circa 1,8 milioni di km².

Descrizione della tecnologia di ricerca:

1. Raccolta delle informazioni di base da fonti aperte di dati (la nostra preferenza è OpenStreetMap) per ciascun soggetto della Federazione Russa. Le informazioni di base vengono scaricate con un raggio d'influenza Rmax massimo per tutti i fattori (nel nostro caso, il raggio d'influenza massimo è stato di 50 km, quindi scaricheremo informazioni con un buffer di 50 km).
2. Costruzione della griglia viene effettuata rigorosamente all'interno dei confini del soggetto della Federazione Russa (il passo della griglia per questa ricerca è di 1 chilometro), e la procedura di suddivisione dei fattori d'influenza in frammenti per ulteriori calcoli del potenziale si svolge tenendo conto del buffer costruito, per considerare l'influenza dei fattori ai confini del soggetto.
3. Calcolo dei valori del potenziale e compilazione dei risultati dei calcoli nei nodi della griglia avviene all'interno dei confini del soggetto della Federazione Russa.
4. Unificazione dei soggetti della Federazione Russa in un "progetto unico". In questa fase, stiamo integrando tutte le reti precedentemente costruite per ciascun soggetto in una sola. In questo modo, otteniamo una rete che copre un'area di 1,8 milioni di km² e contiene 1,8 milioni di nodi (punti di analisi) e 88 fattori di influenza (secondo noi, i fattori più influenti di OSM – oggetti puntuali e lineari (strade, boschi, fiumi, infrastrutture)).
5. Calcolo degli indicatori integrali utilizzando il metodo delle componenti principali.
6. Ricerca di aree omogenee.

I territori studiati vengono uniti in aree omogenee in base a fattori che descrivono un aspetto dello sviluppo del territorio, ad esempio, il settore sociale, il commercio, l'industria.
Di seguito, nell'immagine sono riportati i ritratti delle aree omogenee del "progetto unico" suddivisi per temi: industria, commercio, servizi.

Territori omogenei della parte europea della RF in base al fattore "industria".

Territori omogenei della parte europea della RF in base al fattore "industria" (frammento di Mosca).

Territori omogenei della parte europea della RF in base al fattore "commercio".

Territori omogenei della parte europea della Federazione Russa per il fattore "commercio" (frammento di Mosca)

Territori omogenei della parte europea della Federazione Russa per il fattore "servizi"

Territori omogenei della parte europea della Federazione Russa per il fattore "servizi" (frammento di Mosca)

Nelle immagini presentate, è abbastanza evidente che predominano i centri delle entità della Federazione Russa, ma si può anche notare che alcune aree omogenee (aree evidenziate dallo stesso colore) si incontrano praticamente in ogni soggetto. In altre parole, queste aree omogenee (per significato) in diverse entità si rivelano le più attraenti sia in termini di investimento che in altri piani.

La fase successiva della ricerca è stata la creazione delle classifiche delle entità della parte europea della Federazione Russa, che sono riportate di seguito nelle tabelle.

Le classifiche elaborate mostrano il miglio chilometro quadrato, i migliori 100 km² e i migliori 20.000 km². È importante notare che non si tratta di un'area specifica di 1, 100 o 20.000 km², ma di un insieme di nodi di rete (punti di analisi) costruiti sui soggetti che hanno le migliori caratteristiche integrali, cioè questi nodi possono essere dislocati in modo casuale sul territorio del soggetto della Federazione Russa.

Tabella 1. Classifica dei soggetti della Federazione Russa (miglior 1 km²)

Tabella 2. Classifica dei soggetti della Federazione Russa (migliori 100 km²)

Tabella 3. Classifica dei soggetti della Federazione Russa (migliori 20.000 km²)

Le prime posizioni della classifica sono occupate da Mosca e dalla regione di Mosca, San Pietroburgo e dalla regione di Leningrado, regione di Sverdlovsk, regione di Chelyabinsk, regione di Nizhny Novgorod, Tatarstan. Tuttavia, è importante notare che la classifica è ‘mobile’ in base alla scala delle ricerche (i soggetti della Federazione Russa si scambiano di posto), cioè l'insieme dei migliori nodi è influenzato da ciò che stiamo considerando: se 1 km², 100 km² o 20.000 km².

Решая подобную задачу для центров субъектов РФ (мы выбрали 40 крупнейших и крупных центров) задаем шаг построения сетки 100 метров и получаем следующие результаты.

Таблица 4. Рейтинг центров субъектов РФ (лучшая 0.01 кв. км. — лучшая точка территории)

Таблица 5. Рейтинг центров субъектов РФ (лучшие 10 кв.км.)

Таблица 6. Рейтинг центров субъектов РФ (лучшие 200 кв.км.)

Таким образом, как и в задаче на уровне субъектов РФ рейтинг получился зависимым от исследуемого масштаба. Это объясняется тем, что количество узлов сетки (точек анализа) с наилучшими интегральными показателями меняется в зависимости от выбранного масштаба.

В заключении стоит отметить, что любой рейтинг – вещь, располагающая к дискуссии, однако, нами проводилась исследовательская работа на открытых данных с применением новых методов анализа территории, позволяющих перенести существующие методы на более мелкий масштаб — уровня субъектов РФ, федеральных округов и далее.

La scala variabile e i nuovi metodi consentono di analizzare oggetti distanti tra loro come un tutto unico, tenendo conto dell'influenza reciproca delle aree.

Fonte: habr.com