प्रदेश विश्लेषणासाठी थर्मल क्षमता वापरणे

निझनी नोव्हगोरोडमधील स्ट्रीट नेटवर्कसाठी थर्मल संभाव्यतेची गणना करण्याचे उदाहरण

शहराचा प्रदेश ही एक जटिल, विषम प्रणाली आहे जी सतत बदलत असते. तुम्ही प्रदेशाचे वर्णन करू शकता आणि स्थानिक वस्तू (घटक) वापरून शहरी वातावरणाचे मूल्यांकन करू शकता. प्रदेशाचे वर्णन करणारे घटक त्यांच्या प्रभावाचे स्वरूप (सकारात्मक, नकारात्मक) आणि भूमितीय कॉन्फिगरेशन (बिंदू, रेषा, बहुभुज) मध्ये भिन्न आहेत.

संपूर्ण प्रदेशाच्या विकासाच्या पातळीवर किंवा त्याच्या कोणत्याही विशिष्ट पैलूवर प्रत्येक वैयक्तिक वस्तूच्या प्रभावाची डिग्री निश्चित करणे बर्‍याचदा कठीण असते. आज, “संस्कृती”, “सामाजिक क्षेत्र”, “सामाजिक तणाव”, “चांगले जीवन”, “आर्थिक विकास”, “लोकसंख्या आरोग्य” यासारख्या संकल्पनांची व्याख्या आणि वर्णन करण्याची समस्या अधिकाधिक प्रासंगिक होत आहे. या संकल्पनांची संदिग्धता जर आपल्याला वेगवेगळ्या सामाजिक गटांमध्ये, विविध वयोगटातील आणि लिंगांच्या लोकसंख्येसाठी लागू करायची असेल तर वाढते.

तसेच, हे लक्षात घेतले पाहिजे की आधुनिक संकल्पनेतील शहराच्या सीमा अगदी अनियंत्रित आहेत. लोकसंख्येचे दैनंदिन स्थलांतर, दुर्गम भागातील वाहतूक सुलभता शहराची “सीमा अस्पष्ट” करते. एकत्रीकरणाची आता मोठ्या प्रमाणावर वापरली जाणारी संकल्पना सामान्यत: शहराच्या सीमा दर्शवते, परंतु त्याच वेळी शहराच्या सीमेची संकल्पना आणखी अस्पष्ट बनवते.

वर वर्णन केलेल्या समस्या असूनही, आज प्रदेशांचे विश्लेषण आणि मूल्यांकन हे सर्वात आश्वासक आणि मनोरंजक क्षेत्रांपैकी एक आहेत जे शहरी वातावरणातील अनेक गंभीर समस्या सोडविण्यास परवानगी देतात.

लेख "थर्मल" मॉडेल वापरून प्रदेशाचे विश्लेषण करण्याच्या पद्धतीचा विचार करण्यासाठी प्रस्तावित करतो. ही पद्धत विविध निसर्गाच्या (बिंदू, रेखीय आणि क्षेत्र) वस्तू (घटक) द्वारे तयार केलेल्या संभाव्यतेच्या अभ्यासावर आधारित आहे. या पद्धतीचा वापर करून प्रदेशाचे विश्लेषण केल्याने प्रदेशाचे वर्णन करणाऱ्या अवकाशीय डेटा (घटक) च्या संचापासून प्रदेशाच्या प्रत्येक बिंदूवर अचूक संख्यात्मक (स्कोअर) मूल्यांकनाकडे जाणे शक्य होते.

क्षेत्रीय विश्लेषणाचा भाग म्हणून अभ्यास केलेल्या संभाव्यतेची भौतिक व्याख्या आहे - भिन्न परिमाणांच्या वातावरणात उष्णता प्रसार (2D, 3D). या इंद्रियगोचरला "थर्मल" प्रतिमा (प्रदेशाचे "उष्णता" नकाशे) स्वरूपात दर्शविले जाऊ शकते, ज्यामुळे प्रतिमेच्या रंगाच्या तीव्रतेवर अवलंबून प्रदेशाच्या विकासाच्या डिग्रीची कल्पना येते.

प्रदेश घटक

प्रदेश विश्लेषणामध्ये प्रदेश आणि त्यांच्या निर्देशकांवर प्रभाव टाकणाऱ्या घटकांबद्दल माहिती शोधणे आणि त्यावर प्रक्रिया करणे समाविष्ट आहे. प्रभावित करणारे घटक हे ऑब्जेक्ट्स आहेत जे आसपासच्या प्रदेशावर प्रभाव टाकतात आणि त्यांच्याकडे वैशिष्ट्ये आणि स्थानिक समन्वयांचा संच असतो. प्रभावशाली घटकांच्या उदाहरणांमध्ये दुकाने, औद्योगिक सुविधा, रस्ते, जंगले आणि जलकुंभ यांचा समावेश होतो.

प्रभावाचे सूचक म्हणजे वस्तू चिंतनशील वस्तूंचा प्रभाव आणि वैशिष्ट्यांचा संच आणि अवकाशीय समन्वय. प्रभाव निर्देशकांची उदाहरणे: एटीएम, बिलबोर्ड, स्मारके.

पुढील प्रेझेंटेशनमध्ये आपण प्रभावाच्या घटकांची संकल्पना वापरू, जी दोन्ही संज्ञा - घटक आणि प्रभावाचे संकेतक एकत्र करते.

खाली स्थानिक डेटाचे उदाहरण आहे जे प्रभावित करणारे घटक म्हणून कार्य करते.

प्रदेशांचे विश्लेषण करण्याच्या कामाचा एक महत्त्वाचा टप्पा म्हणजे प्रारंभिक माहिती गोळा करणे आणि त्यावर प्रक्रिया करणे. आज वेगवेगळ्या तपशिलांच्या प्रदेशावर प्रभाव टाकणाऱ्या घटकांबद्दल बरीच माहिती आहे.

खुल्या स्त्रोतांकडून किंवा प्रतिबंधित स्त्रोतांकडून माहिती मिळवता येते. अनेक प्रकरणांमध्ये, खुली माहिती विश्लेषणासाठी पुरेशी असते, जरी, नियमानुसार, त्यासाठी बरीच श्रम-केंद्रित प्रक्रिया आवश्यक असते.

खुल्या स्त्रोतांपैकी, आमच्या मते, लीडर, संसाधन ओपनस्ट्रीटमॅप (OSM) आहे. या स्त्रोताकडून प्राप्त माहिती जगभरात दररोज अद्यतनित केली जाते.

OpenStreetMap (OSM) संसाधन माहिती खालील फॉरमॅटमध्ये सादर केली आहे:

- OSM स्वरूप. एक्सएमएल ग्राफिक प्रतिमा – नोड्स, पथ, संबंध यांचे वर्णन करण्यासाठी “.osm” विस्तारासह मुख्य स्वरूप वापरले जाते.

- "पोलिश स्वरूप". ग्राफिक्ससह कार्य करण्यासाठी “.mp” विस्तारासह मजकूर स्वरूप वापरले जाते.

- PBF स्वरूप. “.osm.pbf” विस्तारासह डेटा स्टोरेज फॉरमॅट.

तुम्ही खालील माहितीचा स्रोत म्हणून देखील वापरू शकता:

- 2 GIS
संसाधनामध्ये उच्च-गुणवत्तेची, मासिक प्रक्रिया केलेली माहिती आहे, ज्यामध्ये उपक्रम आणि संस्थांसाठी उत्कृष्ट 3-स्तरीय वर्गीकरण आहे.

- KML (कीहोल मार्कअप भाषा) फाइल्स
KML (Keyhole Markup Language) फाईल्स हे एक फाईल फॉरमॅट आहे जे Google Earth, Google Maps आणि मोबाईल डिव्हाइसेससाठी Google Maps मध्ये भौगोलिक डेटा प्रदर्शित करण्यासाठी वापरले जाते.

KML फाइल्ससह तुम्ही हे करू शकता:
- पृथ्वीच्या पृष्ठभागावरील ठिकाणे दर्शविण्यासाठी विविध चिन्ह स्थापित करा आणि स्वाक्षरी करा
- कॅमेराची स्थिती बदलून निवडलेल्या वस्तूंसाठी भिन्न कोन तयार करा
- भिन्न आच्छादन प्रतिमा वापरा
- ऑब्जेक्टचे प्रदर्शन सानुकूलित करण्यासाठी शैली परिभाषित करा, हायपरलिंक्स आणि इनलाइन प्रतिमा तयार करण्यासाठी HTML कोड लागू करा
- घटकांच्या श्रेणीबद्ध गटासाठी फोल्डर्स वापरा
- रिमोट किंवा स्थानिक नेटवर्क नोड्सवरून डायनॅमिकपणे KML फाइल्स प्राप्त आणि अद्यतनित करा
- XNUMXD व्यूअरमधील बदलांनुसार KML डेटा प्राप्त करा

- राज्य नोंदणी, कॅडस्ट्रे आणि कार्टोग्राफीसाठी फेडरल सेवा "Rosreestr"
Rosreestr पोर्टलवरील माहिती त्याच्या सामग्री आणि प्रासंगिकतेसाठी मौल्यवान आहे, परंतु, दुर्दैवाने, भांडवली बांधकाम प्रकल्प आणि जमीन भूखंडांसाठी विनामूल्य ग्राफिक्स प्राप्त करणे शक्य होत नाही. Rosreestr पोर्टलमध्ये मोठ्या प्रमाणात प्रतिबंधित प्रवेश माहिती देखील आहे.

- सांख्यिकी संस्था
सांख्यिकीय डेटा हा प्रदेशाबद्दलच्या माहितीचा एक कायदेशीर स्रोत आहे, तथापि, आजपर्यंत, सांख्यिकीय संस्थांकडील डेटा केवळ विशिष्ट संख्येच्या निर्देशकांसाठी उपलब्ध आहे, मुख्यतः सांख्यिकीय संस्थांच्या अहवालांमध्ये आणि प्रादेशिक प्राधिकरणांच्या अहवालांमध्ये.

- अधिकाऱ्यांची माहिती प्रणाली
सरकारी माहिती प्रणालींमध्ये उच्च-गुणवत्तेची माहिती समाविष्ट आहे, परंतु तिचा फक्त एक छोटासा भाग सार्वजनिक डोमेनमध्ये प्रकाशित केला जातो आणि विश्लेषणासाठी उपलब्ध असतो.

प्रदेशांचे विश्लेषण केल्याने माहितीच्या संरचनेवर कोणतीही विशिष्ट आवश्यकता लागू होत नाही; खरं तर, आपण सापडलेल्या प्रत्येक गोष्टीचा वापर करू शकता; खुल्या स्त्रोतांकडील माहिती सहसा अदलाबदल करण्यायोग्य असते. तथापि, हे लक्षात घेतले पाहिजे की केवळ OSM स्त्रोताकडून प्राप्त केलेली माहिती देखील अपरिचित क्षेत्राचे विश्लेषण करण्यासाठी पुरेशी आहे.

"थर्मल" मॉडेल वापरून प्रदेशाचे विश्लेषण. संभाव्यतेची भौतिक व्याख्या

आधी सांगितल्याप्रमाणे, आज प्रदेश विश्लेषण हा एक चर्चेचा विषय आहे आणि विविध शहरी वातावरणात पायाभूत सुविधांच्या विकासासाठी गुंतवणूकीचे तर्कशुद्ध आकर्षण करण्यासाठी एक शक्तिशाली साधन आहे.

प्रदेश विश्लेषण वापरून सोडवलेल्या विविध समस्या अनेक प्रमुख क्षेत्रांमध्ये एकत्र केल्या जाऊ शकतात:

— प्रत्येक बिंदूवर प्रदेशाचे सर्वात स्पष्ट आणि तपशीलवार मूल्यांकन प्राप्त करणे.
समस्येचे निराकरण करून, आपण प्रदेशाच्या प्रत्येक बिंदूवर बिंदूंचा एक संच मिळवू शकता, सर्वसाधारणपणे प्रदेशाच्या विकासाच्या पातळीची कल्पना देऊन, तसेच विशिष्ट विषय क्षेत्रामध्ये. असे विषय क्षेत्र असू शकते, उदाहरणार्थ, संस्कृती, उद्योग, व्यापार इ.

- निवडलेल्या प्रदेशात विशिष्ट प्रकारच्या गुंतवणूक वस्तू ठेवण्यासाठी सर्वात फायदेशीर ठिकाणे निश्चित करणे (उदाहरणार्थ, बँका, विशेष स्टोअर्स, खरेदी आणि मनोरंजन केंद्रे इ.).

— प्रदेशाच्या सर्वात प्रभावी वापराचे विश्लेषण.
ही दिशा क्षेत्राची वैशिष्ट्ये, अभ्यासाधीन प्रदेशात विकसित झालेली बाजार परिस्थिती आणि लोकप्रिय पर्यायांची ओळख यांचा तपशीलवार अभ्यास करण्यास अनुमती देते.

- नवीन रस्ते आणि नवीन मार्गांच्या उदयाचे उदाहरण वापरून, खर्च मॉडेलमध्ये एका घटकाच्या योगदानाचे निर्धारण.

— एका प्रदेशाच्या विविध पैलूंचे विश्लेषण आणि वेगवेगळ्या प्रदेशांचे विश्लेषण (प्रदेशांची तुलना).

"थर्मल" मॉडेलचा वापर करून लेखात प्रस्तावित केलेल्या प्रदेश विश्लेषणाच्या पद्धतीची मौलिकता क्षेत्र विकास निर्देशक - संभाव्यता, संख्यात्मक अटींमध्ये सादर केलेल्या आणि क्षेत्रावरील ऑब्जेक्टच्या (प्रभाव घटक) प्रभावाची डिग्री प्रतिबिंबित करण्याच्या वापरामध्ये आहे.

अभ्यासाचे सार समजून घेण्यासाठी, थर्मल संभाव्यतेबद्दल काही शब्द बोलणे आणि त्याचे भौतिक स्पष्टीकरण देणे आवश्यक आहे.

भौतिकशास्त्रात अशा संकल्पना आहेत बल क्षेत्र и बल कार्य. फोर्स फील्डमध्ये ऊर्जेचे परिमाण असते, फोर्स फंक्शनमध्ये शक्तीचे परिमाण असते.

सार्वत्रिक गुरुत्वाकर्षणाच्या नियमासाठी, बल क्षेत्र सूत्राद्वारे परिभाषित केले आहे:

F=k/r2, कुठे
k - स्थिर;
r - परस्परसंवादी वस्तूंमधील अंतर.

फोर्स फंक्शन ϕ अभिव्यक्तीद्वारे निर्धारित केले जाते:

dϕ=-F*dr, कुठे
ϕ—बल फील्ड संभाव्यता;
dϕ, dr – भिन्नता;
r हे परस्परसंवादी वस्तूंमधील अंतर आहे,

म्हणून ϕ=k/r.

फोर्स फील्ड पोटेंशिअलचा भौतिक अर्थ ϕ एक विशिष्ट मार्ग पार करताना फोर्स फील्डद्वारे केलेले कार्य E आहे. सार्वभौमिक गुरुत्वाकर्षणाच्या नियमाच्या बाबतीत, जेव्हा एखाद्या वस्तूचे अंतर r2 वरून r1 मध्ये बदलते, तेव्हा शक्तीचे कार्य सूत्राद्वारे निर्धारित केले जाते

E=k*(1/r1-1/r2), कुठे
ई हे एक विशिष्ट मार्ग पार करताना बल क्षेत्राद्वारे केलेले कार्य आहे;
r1, r2 - ऑब्जेक्टची प्रारंभिक आणि अंतिम स्थिती.

क्षेत्राचे विश्लेषण करण्याच्या कार्यासाठी, प्रदेशावरील वस्तूंचा (कारक) प्रभाव एक शक्ती मानला जाऊ शकतो (शक्ती कार्य), आणि एकूण थर्मल क्षमता म्हणून प्रदेशाच्या विकासाची पातळी (बल क्षेत्र) सर्व वस्तूंमधून (कारक). भौतिकशास्त्रातील समस्यांमध्ये, थर्मल पोटेंशिअल हे तापमान असते आणि "थर्मल" मॉडेल वापरून प्रदेश विश्लेषणाच्या समस्यांमध्ये, संभाव्यता प्रदेशातील एका बिंदूवर सर्व प्रभाव टाकणाऱ्या घटकांच्या एकूण प्रभावाचे प्रतिनिधित्व करते.

अवकाशीय डेटामध्ये बिंदू, रेषा आणि बहुभुज असतात. संभाव्यतेची गणना करण्यासाठी, विस्तारित अवकाशीय डेटा लहान तुकड्यांमध्ये विभागला जातो. प्रत्येक तुकड्यासाठी, बिंदूच्या संभाव्यतेची गणना ऑब्जेक्टच्या तुकड्याच्या (फॅक्टर) आकाराच्या गुणाकाराने केली जाते.

जवळच्या समानतेच्या तत्त्वावर आधारित डेटा सिमेंटिक गटांमध्ये विभागलेला आहे. उदाहरणार्थ, व्यापार वस्तू उत्पादनाद्वारे एकत्रित केल्या जातात. जंगलातील वस्तू, पाणवठे, वस्ती, वाहतूक थांबे इत्यादींचे समूह आहेत. अर्थाने एकत्रित केलेले गट घटकाचे प्रतिनिधित्व करतात. सर्व वस्तू (घटक) मध्ये गेल्यानंतर, आम्हाला पुढील प्रक्रियेसाठी योग्य थर्मल पोटेंशिअल्सचा संच मिळतो.

संभाव्यतेचा वापर ("उष्णतेचे नकाशे") आपल्याला स्थानिक डेटावरून क्षेत्रावरील प्रभावाच्या वस्तूंच्या (घटकांच्या) "थर्मल" प्रतिमांकडे (संभाव्यतेचे व्हिज्युअलायझेशन) हलविण्याची परवानगी देतो. अशा संक्रमणामुळे प्रदेशाच्या प्रत्येक बिंदूवर घटकाच्या उपस्थितीची डिग्री निर्धारित करणे आणि पुढील विश्लेषण करणे शक्य होते, म्हणजे. शहराच्या विकासाच्या वेगवेगळ्या दिशा रंगात दाखवा. अशा प्रकारे, आम्ही प्रदेशाच्या प्रत्येक बिंदूसाठी भिन्न तीव्रतेची चमक प्राप्त करतो.

अनेक घटकांच्या संदर्भात निझनी नोव्हगोरोडच्या प्रदेशाच्या "थर्मल" प्रतिमांची उदाहरणे खाली सादर केली आहेत.

निझनी नोव्हगोरोडचा "थर्मल" नकाशा, "फार्मसी चेन" घटक प्रतिबिंबित करतो

निझनी नोव्हगोरोडचा "उष्णता" नकाशा, "प्रौढांसाठी पॉलीक्लिनिक्स" घटक प्रतिबिंबित करतो

निझनी नोव्हगोरोडचा "थर्मल" नकाशा, "मुलांचे दवाखाने" घटक प्रतिबिंबित करतो

निझनी नोव्हगोरोडचा "थर्मल" नकाशा, "औद्योगिक क्षेत्र" घटक प्रतिबिंबित करतो

क्षेत्राच्या "थर्मल" प्रतिमा प्रभावाच्या विविध वस्तूंमधून संभाव्यतेची एकाग्रता निर्धारित करणे शक्य करतात. पुढे, प्राप्त संभाव्यता एका अविभाज्य वैशिष्ट्यामध्ये एकत्र करणे आवश्यक आहे जे मोठ्या संख्येने घटकांवर आधारित प्रदेशाचे मूल्यांकन करण्यास अनुमती देते. यासाठी एक पद्धत आवश्यक आहे जी तुम्हाला माहितीचे मोठ्या प्रमाणावर विश्लेषण करण्यास, वस्तू ओळखण्यास आणि कमीतकमी माहिती गमावून डेटाचे परिमाण कमी करण्यास अनुमती देते. यापैकी एक पद्धत म्हणजे मुख्य घटक विश्लेषण (PCA). या पद्धतीबद्दल अधिक तपशील येथे आढळू शकतात विकिपीडिया.

विश्लेषणाच्या क्षेत्रात सर्वात जोरदारपणे बदलणारे प्रारंभिक पॅरामीटर्सचे रेखीय संयोजन शोधणे हे पद्धतीचे सार आहे. स्थानिक डेटासाठी - प्रदेशात सर्वात जोरदार बदल.

मुख्य घटक पद्धत क्षेत्रावर सर्वात जोरदारपणे बदलणाऱ्या वस्तू (घटक) ओळखते. पद्धतीच्या परिणामी, नवीन व्हेरिएबल्स दिसतात - मुख्य घटक, जे मूळ डेटाच्या तुलनेत अधिक माहितीपूर्ण आहेत, ज्याच्या मदतीने त्या प्रदेशाचे विश्लेषण करणे, वर्णन करणे आणि दृश्यमान करणे सोपे आहे, ज्यावर मॉडेल तयार करणे सोपे आहे. .

मुख्य घटक विश्लेषणात्मक अभिव्यक्ती आहेत - विशिष्ट गुणांकांसह प्रारंभिक घटकांच्या संभाव्यतेची बेरीज. तथापि, कोणत्याही घटकाचा प्रदेशावर महत्त्वपूर्ण प्रभाव असल्यास, परंतु विश्लेषण केलेल्या प्रदेशात बदल होत नसल्यास, मुख्य घटक पद्धतीमध्ये मुख्य घटकांच्या रचनेमध्ये हा घटक समाविष्ट केला जाणार नाही.

मुख्य घटक माहितीच्या उतरत्या क्रमाने दिलेले आहेत - म्हणजे संपूर्ण प्रदेशात पसरत आहे. प्रथम मुख्य घटक वैयक्तिक घटकांपेक्षा लक्षणीयपणे अधिक माहिती देतात आणि प्रदेशाचे चांगले वर्णन करतात. नियमानुसार, सुमारे शंभर घटक वापरताना, प्रथम मुख्य घटक प्रदेशासाठी सर्व माहिती (विविधता) सुमारे 50% वाहून नेतो. मुख्य घटक एकमेकांशी सहसंबंधित नसतात आणि प्रत्येक बिंदूवर प्रदेशाची वैशिष्ट्ये म्हणून मॉडेलसाठी वापरले जाऊ शकतात.

मुख्य घटक, प्रदेशाचे काही अमूर्त गणना केलेले सूचक म्हणून, स्पष्ट नाव आणि वर्गीकरण नाही. तथापि, घटकांचा एक संच जो मुख्य घटकाशी दृढपणे सहसंबंधित आहे, आम्हाला मुख्य घटकांचा अर्थ लावण्याची परवानगी देतो. नियमानुसार, खालील घटक मुख्य घटकांशी संबंधित आहेत:

- पायाभूत सुविधांच्या विकासाची पातळी;
- प्रदेशाचा वाहतूक घटक;
- हवामान झोन;
- कृषी विकासाची पातळी;
- प्रदेशाची आर्थिक क्षमता.

क्लस्टरिंगसह पुढील विश्लेषण, पहिल्या काही महत्त्वपूर्ण मुख्य घटकांसह पुढे जाते.

आकृत्यांमध्ये आपण रशियन फेडरेशनच्या अनेक शहरांच्या प्रदेशातील प्रथम मुख्य घटकांचे ग्राफिकल प्रतिनिधित्व पाहू शकता.

निझनी नोव्हगोरोडमधील शहरी पायाभूत सुविधांच्या विकासाची पातळी दर्शविणारा पहिला मुख्य घटक

येकातेरिनबर्गमधील शहरी पायाभूत सुविधांच्या विकासाची पातळी दर्शविणारा पहिला मुख्य घटक

काझानमधील शहरी पायाभूत सुविधांच्या विकासाची पातळी दर्शविणारा पहिला मुख्य घटक

पर्ममधील शहरी पायाभूत सुविधांच्या विकासाची पातळी दर्शविणारा पहिला मुख्य घटक

समारामधील शहरी पायाभूत सुविधांच्या विकासाची पातळी दर्शविणारा पहिला मुख्य घटक

खाबरोव्स्कमधील शहरी पायाभूत सुविधांच्या विकासाची पातळी दर्शविणारा पहिला मुख्य घटक

अविभाज्य वैशिष्ट्ये: क्लस्टरिंग

क्षेत्रीय विश्लेषणावरील कामाचा पुढील टप्पा म्हणजे शहरी वातावरणातील झोन शोधणे जे गुणवत्तेत एकसमान आहेत. हा शोध प्रदेशातील प्रत्येक बिंदूवर मुख्य घटकांच्या मूल्यांच्या विश्लेषणावर आधारित आहे. या एकसंध झोन शोधण्याची समस्या क्लस्टरिंग वापरून सोडवली जाऊ शकते - वैशिष्ट्यांच्या संचाच्या समीपतेच्या तत्त्वावर आधारित प्रदेशांचे गटबद्ध करण्याची प्रक्रिया.

टेरिटरी क्लस्टरिंगची दोन उद्दिष्टे आहेत:

- प्रदेशाचे चांगले समजले जाणारे दृश्य तयार करणे;
- वैयक्तिक मॉडेल्सच्या संकलनासाठी क्षेत्रांचे वाटप.

विश्लेषणासाठी निवडलेल्या घटकांनुसार प्रदेश क्लस्टर केले आहेत. हे घटक किंमतींवर परिणाम करणारे घटक किंवा प्रदेशाच्या विकासाच्या काही पैलूंचे वर्णन करणारे घटक असू शकतात, उदाहरणार्थ, सामाजिक क्षेत्र.

दोन सामान्य शास्त्रीय क्लस्टरिंग पद्धती आहेत: K- म्हणजे पद्धत आणि डेंड्रोग्राम पद्धत. प्रदेशांसह कार्य करताना, के-मीन्स पद्धतीने स्वतःला चांगले सिद्ध केले आहे, ज्याचे वैशिष्ट्य म्हणजे वाढीच्या बिंदूंमध्ये नवीन वस्तू जोडून क्लस्टरची “वाढ” करणे. के-मीन्स पद्धतीचा फायदा भूभाग निर्मितीच्या नैसर्गिक प्रक्रियेशी त्याच्या कार्याच्या समानतेमध्ये आहे: भिन्न असलेल्यांना वेगळे करण्याऐवजी समान गोष्टींचे एकत्रीकरण.

निझनी नोव्हगोरोड (खाली आकृती) साठी गणना करण्यासाठी K-मीन्स पद्धत वापरली गेली.

निझनी नोव्हगोरोडचे उदाहरण वापरून प्रदेशाच्या विकासाच्या पातळीसह क्लस्टर्सचे अनुपालन

प्रस्तावित दृष्टिकोनासह, विविध विषयांवर प्रदेशाचे विहंगावलोकन प्राप्त करणे शक्य आहे. आमच्यासाठी स्वारस्य असलेले विषय असू शकतात, उदाहरणार्थ, शहरी पायाभूत सुविधांच्या विकासाची पातळी, प्रदेशाच्या "उच्चभ्रूपणा" ची पातळी, सांस्कृतिक विकासाची पातळी, प्रदेशाच्या विकासाचा सामाजिक घटक. या थीम्स अस्पष्ट-परिभाषित अविभाज्य संकल्पना आहेत आणि त्यात अनेक परस्परसंबंधित घटक असतात.

विश्लेषणासाठी पॅरामीटर्स निवडण्यासाठी काही अल्गोरिदम वापरून (तज्ञांच्या सहभागासह), आम्ही थीमॅटिक नकाशे मिळवू जे प्रदेशाच्या विकासाच्या एका पैलूची कल्पना देतात.

अविभाज्य वैशिष्ट्ये प्रथम मुख्य घटक म्हणून समजली जातात, प्रामुख्याने सर्वात माहितीपूर्ण प्रथम मुख्य घटक आणि निवडलेल्या पॅरामीटर्सनुसार प्रदेशाचे क्लस्टरिंग.

विकासाच्या विविध पैलूंसाठी प्रथम मुख्य घटकांचे थीमॅटिक नकाशे खालील आकृत्यांमध्ये सादर केले आहेत.

निझनी नोव्हगोरोडचे उदाहरण वापरून थीमॅटिक नकाशा “सांस्कृतिक वस्तू”

निझनी नोव्हगोरोडचे उदाहरण वापरून थीमॅटिक नकाशा “सामाजिक क्षेत्र”

अविभाज्य वैशिष्ट्यांमुळे माहितीच्या कमीत कमी नुकसानासह अनेक घटकांचा वापर करून प्रदेशाची वैशिष्ट्ये समजून घेणे शक्य होते.

शेवटी, हे पुन्हा एकदा लक्षात घेण्यासारखे आहे की आज शहरी वातावरण विकसित करणे, बांधकामात गुंतवणूक करण्यासाठी ठिकाणे निवडणे, नवीन सुविधा आणि इतर कामांसाठी सर्वात फायदेशीर स्थान शोधणे या समस्यांचे निराकरण करण्यासाठी प्रदेशांचे विश्लेषण हा एक अत्यंत महत्त्वाचा टप्पा आहे.

वेगवेगळ्या निसर्गाच्या घटकांचे "थर्मल" मॉडेल वापरून लेखात प्रस्तावित प्रदेश विश्लेषणाची पद्धत घटकांच्या संचासाठी महत्त्वपूर्ण नाही, म्हणजेच ती प्रारंभिक माहितीवर निर्बंध किंवा आवश्यकता लादत नाही.

स्रोत माहितीची विविधता आणि अनावश्यकता, तसेच मुक्त डेटा वापरण्याची संधी प्रदान करते कोणत्याही प्रदेशाचे विश्लेषण करण्यासाठी अमर्यादित शक्यता शांतता

प्रादेशिक विश्लेषणाच्या समस्यांना वाहिलेल्या पुढील प्रकाशनांमध्ये, आम्ही मुख्य घटक वापरून संकलित मॉडेलची वैशिष्ट्ये आणि अशा कार्यांसाठी त्यांच्या अंमलबजावणीसाठी पद्धती प्रकट करण्याची योजना आखत आहोत:

- नवीन ऑब्जेक्ट ठेवताना सर्वोत्तम स्थान निवडणे;
- बाजार मूल्य वापरून वस्तूंच्या विशिष्ट श्रेणीसाठी किंमतीच्या पृष्ठभागाचे बांधकाम;
- ऑब्जेक्ट्सच्या स्थानावर अवलंबून विशिष्ट प्रकारच्या क्रियाकलापांच्या नफ्याचे मूल्यांकन.

मुख्य घटकांपासून घटकांमध्ये उलट संक्रमणासाठी पद्धती सादर करण्याची योजना देखील आहे, ज्यामुळे दिलेल्या प्रदेशासाठी घटकांकडून मॉडेल प्राप्त करणे शक्य होते.

स्त्रोत: www.habr.com