क्षेत्र विश्लेषणको लागि थर्मल क्षमताहरू प्रयोग गर्दै

निजनी नोभगोरोडमा सडक सञ्जालको लागि थर्मल क्षमता गणना गर्ने उदाहरण

सहर क्षेत्र एक जटिल, विषम प्रणाली हो जुन निरन्तर परिवर्तनमा छ। तपाईंले क्षेत्रको वर्णन गर्न सक्नुहुन्छ र स्थानिय वस्तुहरू (कारकहरू) प्रयोग गरेर सहरी वातावरणको मूल्याङ्कन गर्न सक्नुहुन्छ। क्षेत्रको वर्णन गर्ने कारकहरू तिनीहरूको प्रभावको प्रकृति (सकारात्मक, नकारात्मक) र ज्यामितीय कन्फिगरेसन (बिन्दु, रेखा, बहुभुज) मा भिन्न हुन्छन्।

यो एक पूर्ण वा यसको कुनै विशेष पक्ष को रूपमा क्षेत्र को विकास को स्तर मा प्रत्येक व्यक्तिगत वस्तु को प्रभाव को डिग्री निर्धारण गर्न अक्सर धेरै गाह्रो छ। आज, "संस्कृति", "सामाजिक क्षेत्र", "सामाजिक तनाव", "राम्रो जीवन", "आर्थिक विकास", "जनसंख्या स्वास्थ्य" जस्ता अवधारणाहरूलाई परिभाषित र वर्णन गर्ने समस्या बढ्दो सान्दर्भिक बन्दै गएको छ। यी अवधारणाहरूको अस्पष्टता बढ्छ यदि हामी तिनीहरूलाई विभिन्न सामाजिक समूहहरू, विभिन्न उमेर र लिङ्गहरूको जनसंख्यामा लागू गर्न चाहन्छौं।

साथै, यो ध्यान दिनुपर्छ कि आधुनिक अवधारणा मा शहर को सीमाहरु एकदम मनमानी छन्। जनसंख्याको दैनिक बसाइँसराइ, दुर्गम क्षेत्रहरूको यातायात पहुँचले शहरको "सिमाना धमिलो" बनाउँछ। अब व्यापक रूपमा प्रयोग गरिएको समूहको अवधारणाले सामान्यतया सहरको सीमाहरू प्रतिबिम्बित गर्दछ, तर एकै समयमा सहरको सीमाको अवधारणालाई अझ अस्पष्ट बनाउँछ।

माथि वर्णन गरिएका समस्याहरूको बावजुद, आज क्षेत्रहरूको विश्लेषण र मूल्याङ्कन सबैभन्दा आशाजनक र चाखलाग्दो क्षेत्रहरू मध्ये एक हो जसले शहरी वातावरणको धेरै दबाब समस्याहरू समाधान गर्न अनुमति दिन्छ।

लेखले "थर्मल" मोडेल प्रयोग गरी क्षेत्रको विश्लेषण गर्ने विधिलाई विचारको लागि प्रस्ताव गर्दछ। यो विधि विभिन्न प्रकृति (बिन्दु, रैखिक र क्षेत्र) को वस्तु (कारक) द्वारा बनाईएको सम्भाव्यता को अध्ययन मा आधारित छ। यस विधिको प्रयोग गरी क्षेत्रको विश्लेषणले क्षेत्रको वर्णन गर्ने स्थानिय डेटा (कारक) को सेटबाट इलाकाको प्रत्येक बिन्दुमा सही संख्यात्मक (अंक) मूल्याङ्कन गर्न सम्भव बनाउँछ।

क्षेत्रीय विश्लेषणको भागको रूपमा अध्ययन गरिएका सम्भाव्यताहरूको भौतिक व्याख्या हुन्छ - विभिन्न आयामहरूको वातावरणमा ताप प्रसार (2D, 3D)। यो घटना "थर्मल" छविहरू (क्षेत्रको "तातो" नक्सा) को रूपमा प्रतिनिधित्व गर्न सकिन्छ, छवि को रंग तीव्रता मा निर्भर क्षेत्र को विकास को डिग्री को एक विचार प्रदान।

क्षेत्र कारक

क्षेत्र विश्लेषणले क्षेत्र र तिनीहरूका सूचकहरूलाई प्रभाव पार्ने कारकहरूको बारेमा जानकारी खोज्ने र प्रशोधन गर्ने समावेश गर्दछ। प्रभावकारी कारकहरू वस्तुहरू हुन् जसले वरपरको क्षेत्रलाई प्रभाव पार्छ र विशेषताहरू र स्थानिय समन्वयहरूको सेट हुन्छ। प्रभावकारी कारकहरूका उदाहरणहरूमा पसलहरू, औद्योगिक सुविधाहरू, सडकहरू, वनहरू, र जल निकायहरू समावेश छन्।

प्रभावको सूचक वस्तुहरू हुन् प्रतिबिम्बित वस्तुहरूको प्रभाव र विशेषताहरू र स्थानिक निर्देशांकहरूको सेट पनि। प्रभाव संकेतकहरूको उदाहरणहरू: एटीएमहरू, बिलबोर्डहरू, स्मारकहरू।

निम्न प्रस्तुतिमा हामी प्रभावका कारकहरूको अवधारणा प्रयोग गर्नेछौं, जसले दुवै सर्तहरू - कारकहरू र प्रभावका सूचकहरूलाई जोड्दछ।

तल स्थानीय डेटा को एक उदाहरण हो जसले प्रभावकारी कारकहरूको रूपमा कार्य गर्दछ।

प्रारम्भिक जानकारी सङ्कलन र प्रशोधन गर्ने क्षेत्रहरू विश्लेषण गर्ने कार्यको महत्त्वपूर्ण चरणहरू मध्ये एक हो। आज त्यहाँ विवरण को विभिन्न डिग्री को क्षेत्र को प्रभावित कारक को बारे मा धेरै जानकारी छ।

जानकारी खुला स्रोत वा प्रतिबन्धित स्रोतहरूबाट प्राप्त गर्न सकिन्छ। धेरै अवस्थामा, खुला जानकारी विश्लेषणको लागि पर्याप्त छ, यद्यपि, एक नियमको रूपमा, यो धेरै श्रम-गहन प्रशोधन आवश्यक छ।

खुला स्रोतहरू बीच, नेता, हाम्रो विचारमा, स्रोत OpenStreetMap (OSM) हो। यस स्रोतबाट प्राप्त जानकारी विश्वभर दैनिक अपडेट गरिन्छ।

OpenStreetMap (OSM) स्रोत जानकारी निम्न ढाँचाहरूमा प्रस्तुत गरिएको छ:

- OSM ढाँचा। एक्सटेन्सन ".osm" को साथ मुख्य ढाँचा XML ग्राफिक छविहरू - नोडहरू, पथहरू, सम्बन्धहरू वर्णन गर्न प्रयोग गरिन्छ।

- "पोलिश ढाँचा"। ".mp" विस्तार भएको पाठ ढाँचा ग्राफिक्स संग काम गर्न को लागी प्रयोग गरिन्छ।

- PBF ढाँचा। विस्तार ".osm.pbf" संग डाटा भण्डारण ढाँचा।

तपाइँ निम्न जानकारी को स्रोत को रूप मा पनि प्रयोग गर्न सक्नुहुन्छ:

- 2 GIS
स्रोतले उद्यम र संगठनहरूको लागि उत्कृष्ट 3-स्तर वर्गीकरणको साथ उच्च-गुणस्तर, मासिक प्रशोधन गरिएको जानकारी समावेश गर्दछ।

- KML (कीहोल मार्कअप भाषा) फाइलहरू
KML (Keyhole Markup Language) फाइलहरू एउटा फाइल ढाँचा हो जुन Google Earth, Google Maps, र Google Maps मा मोबाइल यन्त्रहरूमा भौगोलिक डेटा प्रदर्शन गर्न प्रयोग गरिन्छ।

KML फाइलहरूसँग तपाईंले गर्न सक्नुहुन्छ:
- पृथ्वीको सतहमा स्थानहरू संकेत गर्न विभिन्न आइकनहरू स्थापना गर्नुहोस् र हस्ताक्षरहरू बनाउनुहोस्
- क्यामेरा स्थिति परिवर्तन गरेर चयन गरिएका वस्तुहरूको लागि विभिन्न कोणहरू सिर्जना गर्नुहोस्
- विभिन्न ओभरले छविहरू प्रयोग गर्नुहोस्
- वस्तुको प्रदर्शन अनुकूलन गर्न शैलीहरू परिभाषित गर्नुहोस्, हाइपरलिङ्कहरू र इनलाइन छविहरू सिर्जना गर्न HTML कोड लागू गर्नुहोस्।
- तत्वहरूको श्रेणीबद्ध समूहीकरणको लागि फोल्डरहरू प्रयोग गर्नुहोस्
- रिमोट वा स्थानीय नेटवर्क नोडहरूबाट KML फाइलहरू गतिशील रूपमा प्राप्त र अद्यावधिक गर्नुहोस्
- XNUMXD दर्शक मा परिवर्तन अनुसार KML डाटा प्राप्त गर्नुहोस्

- राज्य दर्ता, क्याडस्ट्रे र कार्टोग्राफीको लागि संघीय सेवा "Rosreestr"
Rosreestr पोर्टलमा जानकारी यसको सामग्री र सान्दर्भिकताको लागि मूल्यवान छ, तर दुर्भाग्यवश, यसले पूंजी निर्माण परियोजनाहरू र भूमि प्लटहरू नि: शुल्क ग्राफिक्स प्राप्त गर्न सम्भव बनाउँदैन। Rosreestr पोर्टलमा प्रतिबन्धित पहुँच जानकारीको ठूलो मात्रा पनि समावेश छ।

- सांख्यिकीय निकायहरू
सांख्यिकीय डेटा क्षेत्रको बारेमा जानकारीको एक वैध स्रोत हो, तथापि, आजको रूपमा, सांख्यिकीय निकायहरूबाट डाटा केवल निश्चित संख्याका सूचकहरूको लागि उपलब्ध छ, मुख्यतया सांख्यिकीय निकायहरूको रिपोर्ट र क्षेत्रीय अधिकारीहरूको रिपोर्टहरूमा।

- अधिकारीहरूको सूचना प्रणाली
उच्च गुणस्तरको जानकारी सरकारी सूचना प्रणालीहरूमा समावेश छ, तर यसको सानो अंश मात्र सार्वजनिक डोमेनमा प्रकाशित हुन्छ र विश्लेषणको लागि उपलब्ध छ।

क्षेत्रहरूको विश्लेषण गर्दा जानकारीको संरचनामा कुनै विशेष आवश्यकताहरू लागू गर्दैन; वास्तवमा, तपाईंले फेला परेको सबै कुरा प्रयोग गर्न सक्नुहुन्छ; खुला स्रोतहरूबाट जानकारी सामान्यतया विनिमेय हुन्छ। यद्यपि, यो ध्यान दिनुपर्छ कि OSM स्रोतबाट मात्र प्राप्त जानकारी पनि अपरिचित क्षेत्रको विश्लेषण गर्न पर्याप्त छ।

"थर्मल" मोडेल प्रयोग गरी क्षेत्रको विश्लेषण। सम्भाव्यताहरूको भौतिक व्याख्या

माथि उल्लेख गरिएझैं, क्षेत्र विश्लेषण आज एक तातो विषय हो र विभिन्न शहरी वातावरणमा पूर्वाधारको विकासमा लगानीको तर्कसंगत आकर्षणको लागि एक शक्तिशाली उपकरण हो।

क्षेत्रीय विश्लेषण प्रयोग गरेर समाधान गरिएका समस्याहरूको विविधतालाई धेरै प्रमुख क्षेत्रहरूमा जोड्न सकिन्छ:

- प्रत्येक बिन्दुमा क्षेत्रको सबैभन्दा व्याख्यायोग्य र विस्तृत मूल्याङ्कन प्राप्त गर्दै।
समस्या समाधान गरेर, तपाइँ क्षेत्रको प्रत्येक बिन्दुमा बिन्दुहरूको सेट प्राप्त गर्न सक्नुहुन्छ, सामान्य रूपमा क्षेत्रको विकासको स्तरको एक विचार दिँदै, साथै एक निश्चित विषय क्षेत्रमा। यस्तो विषय क्षेत्र हुन सक्छ, उदाहरणका लागि, संस्कृति, उद्योग, व्यापार, आदि।

- चयन गरिएको क्षेत्रमा निश्चित प्रकारका लगानी वस्तुहरू (उदाहरणका लागि, बैंकहरू, विशेष स्टोरहरू, किनमेल र मनोरन्जन केन्द्रहरू, आदि) राख्नका लागि सबैभन्दा लाभदायक स्थानहरू निर्धारण गर्दै।

- क्षेत्रको सबैभन्दा प्रभावकारी प्रयोगको विश्लेषण।
यस दिशाले क्षेत्रका विशेषताहरू, अध्ययन अन्तर्गत क्षेत्रमा विकसित भएको बजार अवस्था, र लोकप्रिय विकल्पहरूको पहिचानको विस्तृत अध्ययन गर्न अनुमति दिन्छ।

- नयाँ सडक र नयाँ मार्गहरूको उदयको उदाहरण प्रयोग गरी लागत मोडेलमा एउटा कारकको योगदानको निर्धारण।

- एक क्षेत्रको विभिन्न पक्षहरूको विश्लेषण र विभिन्न क्षेत्रहरूको विश्लेषण (क्षेत्रहरूको तुलना)।

"थर्मल" मोडेल प्रयोग गरेर लेखमा प्रस्तावित क्षेत्र विश्लेषणको विधिको मौलिकता क्षेत्र विकास सूचकहरूको प्रयोगमा निहित छ - सम्भाव्यताहरू, संख्यात्मक सर्तहरूमा प्रस्तुत गरिएको छ र इलाकामा वस्तु (प्रभाव कारक) को प्रभावको डिग्री प्रतिबिम्बित गर्दछ।

अध्ययन को सार बुझ्न को लागी, यो थर्मल क्षमता को बारे मा केहि शब्दहरु भन्न र यसको भौतिक व्याख्या दिन आवश्यक छ।

भौतिकशास्त्रमा यस्ता अवधारणाहरू छन् शक्ति क्षेत्र и बल प्रकार्य। बल क्षेत्रसँग ऊर्जाको आयाम हुन्छ, बल प्रकार्यमा बलको आयाम हुन्छ।

विश्वव्यापी गुरुत्वाकर्षणको नियमको लागि, बल क्षेत्र सूत्रद्वारा परिभाषित गरिएको छ:

F=k/r2, जहाँ
k - स्थिर;
r - अन्तरक्रिया गर्ने वस्तुहरू बीचको दूरी।

बल प्रकार्य ϕ अभिव्यक्ति द्वारा निर्धारण गरिन्छ:

dϕ=-F*dr, कहाँ
ϕ - बल क्षेत्र क्षमता;
dϕ, dr - भिन्नताहरू;
r अन्तरक्रिया गर्ने वस्तुहरू बीचको दूरी हो,

त्यसैले ϕ=k/r।

बल क्षेत्र सम्भाव्यताको भौतिक अर्थ ϕ एक निश्चित मार्ग पार गर्दा बल क्षेत्र द्वारा गरिएको कार्य E हो। सार्वभौमिक गुरुत्वाकर्षणको नियमको मामलामा, जब वस्तुको दूरी r2 बाट r1 मा परिवर्तन हुन्छ, बल प्रकार्य सूत्र द्वारा निर्धारण गरिन्छ।

E=k*(1/r1-1/r2), जहाँ
ई एक निश्चित मार्ग पार गर्दा बल क्षेत्र द्वारा गरिएको काम हो;
r1, r2 - वस्तुको प्रारम्भिक र अन्तिम स्थिति।

एक क्षेत्र विश्लेषण को कार्य को लागी, क्षेत्र मा वस्तुहरु (कारक) को प्रभाव को रूप मा मान्न सकिन्छ (शक्ति समारोह), र कुल थर्मल क्षमताको रूपमा क्षेत्रको विकासको स्तर (शक्ति क्षेत्र) सबै वस्तुहरू (कारक) बाट। भौतिकी समस्याहरूमा, थर्मल सम्भाव्यता तापमान हो, र "थर्मल" मोडेल प्रयोग गरी क्षेत्र विश्लेषणको समस्याहरूमा, सम्भाव्यताले क्षेत्रको कुनै बिन्दुमा सबै प्रभावकारी कारकहरूको कुल प्रभावलाई प्रतिनिधित्व गर्दछ।

स्थानिय डेटामा बिन्दुहरू, रेखाहरू र बहुभुजहरू हुन्छन्। सम्भाव्यताहरू गणना गर्न, विस्तारित स्थानिय डेटालाई साना टुक्राहरूमा विभाजन गरिएको छ। प्रत्येक टुक्राको लागि, बिन्दुबाट सम्भाव्यता वस्तु टुक्रा (कारक) को आकार बराबर गुणक संग गणना गरिन्छ।

डेटा निकट समानता को सिद्धान्त मा आधारित अर्थ समूह मा विभाजित छ। उदाहरण को लागी, व्यापार वस्तुहरु उत्पादन द्वारा संयुक्त छन्। त्यहाँ वन वस्तुहरू, जल निकायहरू, बस्तीहरू, यातायात स्टपहरू, आदिका समूहहरू छन्। अर्थद्वारा एकीकृत समूहहरूले कारक प्रतिनिधित्व गर्दछ। सबै वस्तुहरू (कारकहरू) मार्फत गएपछि, हामी थप प्रशोधनको लागि उपयुक्त थर्मल क्षमताहरूको सेट प्राप्त गर्छौं।

सम्भाव्यताहरू ("तातो नक्सा") को प्रयोगले तपाईंलाई स्थानिय डेटाबाट "थर्मल" छविहरू (कारकहरू) क्षेत्रमा प्रभाव पार्ने (संभाव्यताहरूको दृश्य) मा सार्न अनुमति दिन्छ। यस्तो संक्रमणले क्षेत्रको प्रत्येक बिन्दुमा कारकको उपस्थितिको डिग्री निर्धारण गर्न र थप विश्लेषण गर्न सम्भव बनाउँछ, अर्थात्। रङमा सहर विकासको विभिन्न दिशाहरू देखाउनुहोस्। यसरी, हामी क्षेत्रको प्रत्येक बिन्दुको लागि भिन्न तीव्रताको चमक प्राप्त गर्छौं।

धेरै कारकहरूको सन्दर्भमा निजनी नोभगोरोडको इलाकाको "थर्मल" छविहरूको उदाहरणहरू तल प्रस्तुत गरिएका छन्।

निजनी नोभगोरोडको "थर्मल" नक्सा, "फार्मेसी चेन" कारक प्रतिबिम्बित गर्दछ

निजनी नोभगोरोडको "ताप" नक्सा, कारक "वयस्कहरूको लागि पोलिक्लिनिक्स" प्रतिबिम्बित गर्दछ

निज्नी नोभगोरोडको "थर्मल" नक्सा, "बाल क्लिनिक" कारक प्रतिबिम्बित

निजनी नोभगोरोडको "थर्मल" नक्सा, कारक "औद्योगिक क्षेत्रहरू" प्रतिबिम्बित गर्दछ

इलाकाको "थर्मल" छविहरूले प्रभावको विभिन्न वस्तुहरूबाट सम्भाव्यताहरूको एकाग्रता निर्धारण गर्न सम्भव बनाउँछ। अर्को, प्राप्त सम्भाव्यताहरूलाई एक अभिन्न विशेषतामा जोड्न आवश्यक छ जसले कारकहरूको ठूलो संख्यामा आधारित क्षेत्रको मूल्याङ्कन गर्न अनुमति दिन्छ। यो एक विधि आवश्यक छ जसले तपाईंलाई जानकारीको ठूलो मात्राको विश्लेषण गर्न, वस्तुहरू पहिचान गर्न, र डाटाको आयाम घटाउन, जानकारीको न्यूनतम मात्रा गुमाउन अनुमति दिन्छ। यी मध्ये एक विधि प्रिन्सिपल कम्पोनेन्ट एनालिसिस (PCA) हो। यस विधिको बारेमा थप विवरणहरू फेला पार्न सकिन्छ विकिपेडिया.

विधिको सार प्रारम्भिक प्यारामिटरहरूको रैखिक संयोजन फेला पार्नु हो जुन विश्लेषणको क्षेत्रमा सबैभन्दा बलियो परिवर्तन हुन्छ। स्थानिय डेटा को लागी - क्षेत्र मा सबै भन्दा बलियो परिवर्तन।

प्रिन्सिपल कम्पोनेन्ट विधिले वस्तुहरू (कारकहरू) पहिचान गर्दछ जुन क्षेत्र मा सबैभन्दा बलियो परिवर्तन हुन्छ। विधिको नतिजाको रूपमा, नयाँ चरहरू देखा पर्छन् - मुख्य कम्पोनेन्टहरू, जुन मूल डेटाको तुलनामा अधिक जानकारीमूलक छन्, जसको मद्दतले यो क्षेत्रलाई विश्लेषण गर्न, वर्णन गर्न र कल्पना गर्न सजिलो छ, जसमा मोडेलहरू निर्माण गर्न सजिलो छ। ।

प्रिन्सिपल कम्पोनेन्टहरू विश्लेषणात्मक अभिव्यक्तिहरू हुन् - निश्चित गुणांकहरूसँग प्रारम्भिक कारकहरूको सम्भावनाहरूको योग। यद्यपि, यदि कुनै कारकले इलाकामा महत्त्वपूर्ण प्रभाव पार्छ, तर विश्लेषण गरिएको इलाकामा परिवर्तन हुँदैन भने, प्रमुख घटक विधिले प्रमुख घटकहरूको संरचनामा यो कारक समावेश गर्दैन।

मुख्य कम्पोनेन्टहरू जानकारीको घट्दो क्रममा क्रमबद्ध छन् - अर्थात्। क्षेत्र भर फैलिएको छ। पहिलो प्रिन्सिपल कम्पोनेन्टहरूले व्यक्तिगत कारकहरू भन्दा महत्त्वपूर्ण रूपमा बढी जानकारी बोक्छ र क्षेत्रलाई राम्रोसँग वर्णन गर्दछ। एक नियमको रूपमा, लगभग सय कारकहरू प्रयोग गर्दा, पहिलो प्रमुख घटकले क्षेत्रको लागि सबै जानकारी (विचरण) को लगभग 50% बोक्छ। प्रमुख घटकहरू एकअर्कासँग सहसंबद्ध हुँदैनन् र प्रत्येक बिन्दुमा क्षेत्रको विशेषताहरूको रूपमा मोडेलहरूको लागि प्रयोग गर्न सकिन्छ।

मुख्य घटक, क्षेत्र को केहि अमूर्त गणना सूचक को रूप मा, स्पष्ट नाम र वर्गीकरण छैन। यद्यपि, कारकहरूको सेट जुन मुख्य घटकसँग कडा रूपमा सहसंबद्ध छन् हामीलाई मुख्य घटकहरूको व्याख्या गर्न अनुमति दिन्छ। नियमको रूपमा, निम्न कारकहरू मुख्य घटकहरूसँग सम्बन्धित छन्:

- पूर्वाधार विकास स्तर;
- क्षेत्र को यातायात घटक;
- जलवायु क्षेत्रहरू;
- कृषि विकासको स्तर;
- क्षेत्र को आर्थिक क्षमता।

थप विश्लेषण, क्लस्टरिङ सहित, पहिलो केहि महत्वपूर्ण प्रमुख घटकहरु संग अगाडि बढ्छ।

तथ्याङ्क मा तपाईं रूसी संघ को धेरै शहर को क्षेत्र मा पहिलो प्रमुख घटक को एक ग्राफिकल प्रतिनिधित्व देख्न सक्नुहुन्छ।

निजनी नोभगोरोड मा शहरी पूर्वाधार को विकास को स्तर को विशेषता को पहिलो मुख्य घटक

येकातेरिनबर्ग मा शहरी पूर्वाधार को विकास को स्तर को विशेषता पहिलो मुख्य घटक

कजान मा शहरी पूर्वाधार को विकास को स्तर को विशेषता को पहिलो मुख्य घटक

Perm मा शहरी पूर्वाधार को विकास को स्तर को विशेषता को पहिलो मुख्य घटक

समारा मा शहरी पूर्वाधार को विकास को स्तर को विशेषता को पहिलो मुख्य घटक

Khabarovsk मा शहरी पूर्वाधार को विकास को स्तर को विशेषता पहिलो मुख्य घटक

अभिन्न विशेषताहरू: क्लस्टरिंग

क्षेत्र विश्लेषण मा काम को अर्को चरण शहरी वातावरण को क्षेत्र को लागी खोज को लागी गुणस्तर मा एकरूप छ। यो खोज क्षेत्र मा प्रत्येक बिन्दु मा प्रमुख घटक को मान को विश्लेषण मा आधारित छ। यी समरूप क्षेत्रहरू खोज्ने समस्या क्लस्टरिङ प्रयोग गरेर समाधान गर्न सकिन्छ - विशेषताहरूको सेटको निकटताको सिद्धान्तमा आधारित क्षेत्रहरूलाई समूहबद्ध गर्ने प्रक्रिया।

क्षेत्र क्लस्टरिङका दुई लक्ष्यहरू छन्:

- क्षेत्रको राम्रो कथित दृश्य सिर्जना गर्दै;
- व्यक्तिगत मोडेलहरूको संकलनको लागि क्षेत्रहरूको आवंटन।

क्षेत्रहरू विश्लेषणको लागि चयन गरिएका कारकहरू अनुसार क्लस्टर गरिएका छन्। यी कारकहरू मूल्य निर्धारणलाई प्रभाव पार्ने कारकहरू वा क्षेत्रको विकासको केही पक्षहरू वर्णन गर्ने कारकहरू हुन सक्छन्, उदाहरणका लागि, सामाजिक क्षेत्र।

त्यहाँ दुई सामान्य शास्त्रीय क्लस्टरिङ विधिहरू छन्: K- मतलब विधि र डेन्ड्रोग्राम विधि। क्षेत्रहरूसँग काम गर्दा, K-means विधिले आफैलाई राम्रोसँग प्रमाणित गरेको छ, जसको विशेषता भनेको विकास बिन्दुहरूमा नयाँ वस्तुहरू थपेर क्लस्टरको "बढ्दो" हो। K-means विधिको फाइदा क्षेत्र निर्माणको प्राकृतिक प्रक्रियासँग यसको कामको समानतामा निहित छ: समानहरूको एकीकरण, भिन्नताहरूलाई अलग गर्नुको सट्टा।

K-means विधि Nizhny Novgorod (तलको चित्र) को लागि गणनाको लागि प्रयोग गरिएको थियो।

निजनी नोभगोरोडको उदाहरण प्रयोग गरेर क्षेत्रको विकासको स्तरको साथ क्लस्टरहरूको अनुपालन

प्रस्तावित दृष्टिकोणको साथ, विभिन्न विषयहरूमा क्षेत्रको एक सिंहावलोकन प्राप्त गर्न सम्भव छ। हामीलाई चासोको विषय हुन सक्छ, उदाहरणका लागि, शहरी पूर्वाधारको विकासको स्तर, इलाकाको "कुलीनता" को स्तर, सांस्कृतिक विकासको स्तर, क्षेत्रको विकासको सामाजिक घटक। यी विषयवस्तुहरू गलत-परिभाषित अभिन्न अवधारणाहरू हुन्, र धेरै अन्तरसम्बन्धित कारकहरू समावेश छन्।

विश्लेषणका लागि प्यारामिटरहरू चयन गर्नका लागि केही एल्गोरिथ्म प्रयोग गरेर (विज्ञहरूको संलग्नता सहित), हामी विषयगत नक्साहरू प्राप्त गर्नेछौं जसले क्षेत्रको विकासको एक पक्षको विचार दिन्छ।

एकीकृत विशेषताहरूलाई पहिलो प्रमुख घटक, मुख्य रूपमा सबैभन्दा सूचनात्मक पहिलो प्रमुख घटक, र चयन गरिएका प्यारामिटरहरू अनुसार क्षेत्रको क्लस्टरिङको रूपमा बुझिन्छ।

विकासका विभिन्न पक्षहरूका लागि पहिलो प्रमुख घटकहरूको विषयगत नक्साहरू तलका चित्रहरूमा प्रस्तुत गरिएका छन्।

विषयगत नक्सा "सांस्कृतिक वस्तुहरू" Nizhny Novgorod को उदाहरण प्रयोग गरेर

विषयगत नक्सा "सामाजिक क्षेत्र" Nizhny Novgorod को उदाहरण प्रयोग गरेर

एकीकृत विशेषताहरूले जानकारीको न्यूनतम हानिको साथ धेरै कारकहरू प्रयोग गरेर क्षेत्रका विशेषताहरू बुझ्न सम्भव बनाउँदछ।

अन्तमा, यो एक पटक फेरि ध्यान दिन लायक छ कि आज क्षेत्रहरूको विश्लेषण शहरी वातावरणको विकास, निर्माणमा लगानी गर्न ठाउँहरू छनौट गर्न, नयाँ सुविधाहरू र अन्य कार्यहरूको लागि सबैभन्दा लाभदायक स्थान खोज्ने समस्याहरू समाधान गर्न एक अत्यन्त महत्त्वपूर्ण चरण हो।

विभिन्न प्रकृतिका कारकहरूबाट "थर्मल" मोडेल प्रयोग गरेर लेखमा प्रस्तावित क्षेत्र विश्लेषणको विधि कारकहरूको सेटको लागि महत्त्वपूर्ण छैन, अर्थात् यसले प्रारम्भिक जानकारीमा प्रतिबन्ध वा आवश्यकताहरू लागू गर्दैन।

स्रोत जानकारीको विविधता र अनावश्यकता, साथै खुला डाटा प्रयोग गर्ने अवसर प्रदान गर्दछ कुनै पनि क्षेत्रको विश्लेषणको लागि असीमित सम्भावनाहरू शान्ति।

क्षेत्रीय विश्लेषणका समस्याहरूमा समर्पित निम्न प्रकाशनहरूमा, हामी मुख्य कम्पोनेन्टहरू र त्यस्ता कार्यहरूका लागि तिनीहरूको कार्यान्वयनका लागि विधिहरू प्रयोग गरेर कम्पाइल गर्ने मोडेलहरूको सुविधाहरू प्रकट गर्ने योजना बनाउँछौं:

- नयाँ वस्तु राख्दा उत्तम स्थान छनौट गर्दै;
- बजार मूल्य प्रयोग गरी वस्तुहरूको निश्चित वर्गको लागि मूल्य सतहको निर्माण;
- वस्तुहरूको स्थानको आधारमा एक निश्चित प्रकारको गतिविधिको नाफाको मूल्याङ्कन।

त्यहाँ प्रिन्सिपल कम्पोनेन्टहरूबाट कारकहरूमा उल्टो संक्रमणको लागि विधिहरू प्रस्तुत गर्ने योजनाहरू पनि छन्, जसले बदलीमा दिइएको क्षेत्रका लागि कारकहरूबाट मोडेल प्राप्त गर्न सम्भव बनाउँदछ।

स्रोत: www.habr.com