Spotify ile Konumun Müziği

Spotify ile Konumun Müziği

Dünya genelinde 96 milyonu ücretli aboneler olmak üzere 200 milyon kullanıcısı ile Spotify, müzik endüstrisine yeni bir hayat veriyor. Geçtiğimiz iki yıl boyunca, şirket çeşitlendi ve sessizce Apple Music’in arkasındaki ikinci en büyük podcasting platformu haline geldi.

Son iki devralım bu genişlemeyi daha da artırdı. Şubat ayında, Spotify orijinal podcast içeriği üreten Gimlet’i ve podcast oluşturma araçları yapan Anchor’ı satın aldı.

Orijinal içerik üretmek yeni bir şey değil – Netflix bunu iş modelinin bir prensibi haline getirdi ve bu sayede kullanıcılar kendilerine ait içerik ve akışlar oluşturabiliyor. Podcast oluşturma yaratımına geçişiyle Spotify, medyanın büyümesine, yüksek kar marjlarına ve para kazanma olanaklarına yeni kapılar açıyor.

Aynı şekilde Spotify, konum verilerinin kullanıcı deneyimini optimize etmede kilit bir rol oynadığının farkında. Dijital platformlarda bile, fiziksel konum kullanıcı tercihlerini etkiler ve yeni müşterileri çekmek ve elde tutmak için kullanılabilecek değerli ipuçları sunar.

Analytics ile İlerleme

Podcast dinleyicileri yeni ve değerli bir izleyici kitlesidir. Spotify, podcast kullanıcılarının platformda müzik dinleyicileri olarak iki kat daha fazla zaman harcadığını tahmin ediyor. Benzersiz podcast programlama, daha önce Spotify’a katılmayı düşünmemiş olabilecek yeni kullanıcıları çekebilir. Ayrıca mevcut kullanıcıları şirketin ücretli Premium servisine yükseltmeye ikna edebilir.

Yollar kadar hareketli müzikler

Birçok kişi bazı şarkıları bazı yerler ile ilişkilendirir. Şimdi bir grup yazılım geliştirici müziği araziye göre uyarlıyor. Bu uygulama GIS verilerini, düz veya engebeli topografya ile eşleşen çalma listeleri oluşturmak için kullanır. Yol gezileri sandığınızdan daha eğlenceli hale gelebilir!

Spotify, içerik oluşturucuların izleyicilerini anlamalarına ve ilgilerini çekmelerine yardımcı olmak için müzik endüstrisinde demografik verileri ve konum analizlerini zaten kullanıyor. Spotify, sanatçılarına pazarlama, tanıtım ve tur planlama için fikir üretme konusunda yardımcı olacakları konumsal bilgileri sağlıyor. Dinleyicilerin coğrafi konumlarını bir harita üzerinde görselleştirmek, ham verinin normalde sağlamadığı diğer başlıklar hakkında da anında bilgi sağlar.

Şimdi Spotify podcast’ler için aynı şeyi yapabilecek. Podcast yaratıcıları, örneğin etkileşimi sağlamak için Spotify’ın konum verilerini kullanabilir. Yüksek bir dinleyici yoğunluğuna sahip bir konumdan bir konukla röportaj yapabilirler. Veya ilgili konumdaki yerel dilde konuşma yapabilecek biriyle bir etkinlik planlayabilirler.

Bu veriler ile reklam verenler, söz konusu bölgede etkilerini artırabilirler. Modern bir coğrafi bilgi sisteminden (GIS) gelen demografik verileri kullanarak, pazarlamacılar hedef pazarlarının nerede yaşayabileceğini belirleyebilirler. Daha sonra bu yerleri, ilgili podcast’lerle eşleyebilirler. Reklamlar, o bölümü dinleyen herkese oynanan podcastlerin başına, ortasına ve sonuna yerleştirilebilir. Alternatif olarak reklamlar, dinleyicilerin konumlarına ve demografik özelliklerine uyması için algoritmik olarak geliştirilebilir. Her iki modelde de, basılı yayınlarda bile reklam verenler için etkili olduğu kanıtlanan bir taktik olan hedef kitleleri tanımlamak için GIS odaklı konum zekası kullanılabilir.

Podcasting’in tarihsel sorunlarından biri keşif olmuştur. İnsanlar ilgilerini çeken podcast’leri nasıl bulur? Oluşturucular yeni dinleyicilere nasıl ulaşır?

Netflix’in video içeriği için yaptığı gibi, Spotify da müzik dinleyicilerinin beğenebileceklerini tahmin etmek için konum zekası da dahil olmak üzere gelişmiş analizler kullanıyor. Hindistan’da piyasaya sürülmesi için Spotify, Hindistan’da popüler olan hem Hint müziğini hem de uluslararası müzik çalma listelerini küratörlüğünü yapmış ve Bollywood ve Punjabi film müzikleri gibi bölgeye özgü içeriği tanıtan çoklu bölgesel dilleri destekledi. Şirket şimdi Mumbai ve Delhi gibi şehirlerdeki trend içeriğini izliyor ve paylaşıyor.

Bu keşif algoritmaları, abonelerin hoşuna gidecek podcast’leri önermek için kullanılabilir. Veriler, orijinal içeriğin planlanmasına yardımcı olmak için bile kullanılabilir; örneğin, ne tür bir podcast’in yatırım yapmaya değeceğini tahmin eder.

Spotify, önerileri bir adım daha ileriye götürebilir, kullanıcıları konumlarıyla ilgili podcast’ler hakkında uyarmak için GIS destekli bir geofences yaratabilir. İstanbul’dan geçen birisine Osmanlı mimarisi ile ilgili bir bölüm veya Ankara sakinleri için Ankaragücü Spor Kulübü’ne dair bir spor yorumu önerilebilir.

Coğrafi Bilgi Sistemleri, coğrafi bilgiyi anlamak ve anlamlandırmak için eşsiz bir araçtır. Bu sayede, birbiri ile hiç ilgili olmadığı düşünülen alanlar arasında ilginç bağlantılar keşfedilebilir ve yeni olanaklar değerlendirilebilir.

Kaynaklar;

https://www.esri.com/about/newsroom/publications/wherenext/spotify-podcast-acquisitions/

https://insights.spotify.com/us/2015/07/13/musical-map-of-the-world/

https://lavaprotocols.com/2016/09/15/spotify-uses-location-based-data-know-tunes-trending-globally/

Esri Türkiye, 2019

ArcGIS Pro’da Öznitelik Kuralları

Öznitelik kuralları, düzenleme deneyimini geliştirmek ve veri bütünlüğünü güçlendirmeye yardımcı olmak için bir veri kümesine eklenebilecek kullanıcı tanımlı kurallardır. Bu kurallar, öznitelik değerlerini doldurmak veya izin verilen özellik sınırlarını kısıtlamak için kullanılabilir ve detayları güncelleme sırasında uygulanır. Bir detayı düzenlerken kural ihlali yapılırsa, bir hata iletisi verir. Öznitelik kuralları Subtype/Domain gibi veritabanına atanan özellikleri destekler. Örneğin Veritabanınızda oluşturduğunuz bir domain değerlerine otomatik hesaplama eklemek istediğiniz durumlarda öznitelik kurallarını kullanabilirsiniz. Öznitelik kuralı tanımladığınız verilerinizi servisler olarak paylaşabilirsiniz. Servis oluştururken dikkat etmeniz gerekenler kural tipine göre değişkenlik gösterebilir. Detaylı bilgilere link üzerinden ulaşabilirsiniz.

Öznitelik kuralları yalnızca kurumsal coğrafi veri tabanında desteklenir.

  • Bir öznitelik kuralı tanımlamak için kullanılan ifade Arcade dili kullanılarak yazılan işlevlerle sınırlıdır.
  • Mevcut öznitelik kurallarını başka bir veri kümesine aktarmak için, aracı birden çok kez çalıştırmak yerine Export Attribute Rules aracını ve Import Attribute Rules aracını kullanabilirsiniz.

Not:Bir veri kümesine özellik kuralları ekledikten sonra, veri kümesi için minimum istemci sürümü ArcGIS Pro 2.1’dir. Bu, veri kümesinin ArcGIS Desktop’da kullanımı olmayacağı anlamına gelir. Ayrıca Validation kural tipi ArcGIS Pro 2.3 sürümü ile gelmiştir.

 

Öznitelik kurallarını eklemek için öncelikle Add Attribute Rule aracını çalıştırmalısınız. Araç içerisinde belirlediğiniz kuralın adını ve açıklamasını girdikten sonra kuralın hesaplama,kısıtlama veya doğrulama olması gerektiğini seçmelisiniz.

  • Hesaplama: Öznitelik tablonuz içerisinde girdiğiniz değerleri belirlediğiniz kurallara göre doldurur.
  • Kısıtlama: Öznitelik tablonuz içerisine girebildiğiniz değerlere kısıtlama getirir ve güncelleme sırasında bu kısıtlama değeri aşıldığı zaman size sizin belirlediğiniz bir uyarı penceresi getirir
  • Doğrulama: Belirtilen nitelik veya geometri gereksinimlerini ihlal eden özellikleri incelemek için mevcut verilerdeki hataları vurgular.

Aşağıdaki örnekte kullanılan kurallar:

  1. $feature.nufus / $feature.alankm2
  2. $feature.nufus > $feature.gencnufus

 

Yukarıdaki örnekte gösterilen kural iki numerik değere sahip öznitelik alanlarının birbirleri arasındaki ilişkiyi ifade etmektedir. Örnekte Nüfus değerinin Genç Nüfus değerinden daha küçük olamayacağı belirtilmiştir eklenen kural böyle bir durumda veri girişi yapmayacaktır.Aşağıdaki örnekte gösterilen kural ise bir birinden bağımsız iki numerik öznitelik alanındaki bilgileri, kurala eklenen formülasyona göre bir başka öznitelik alanına yazdırmaktır. Örnekte İllere göre nüfus değerlerinin değişmesi sonucunda Km²’ye düşen insan sayısı hesaplatılmaktadır.

 

 

 

ArcGIS Pro 2.3 Yeniliklere Genel Bakış

ArcGIS Pro 2.3 Yeniliklere Genel Bakış

ArcGIS Pro’ya şimdiye kadar gelmiş en büyük değişikler ve yenilikler 2.3 versiyonuyla gelmiştir. Bu blog yazımızda 2.3 yeniliklerine genel bir bakış sağlayacağız. ArcGIS Pro 2.3 ile ilk fark edeceğiniz şey başlangıç bölümü. Bu alan yeniden tasarlanmış ve geliştirilmiştir.

ArcGIS Pro‘yu Windows Gezgininde aşağıdaki öğelere çift tıklayarak başlatabilirsiniz:

  • ArcGIS Pro haritaları (ArcGIS Pro maps)  (.mapx),
  • Harita paketleri (Map packages) (.mpkx),
  • Çıktı (Layouts) (.pagx),
  • Harita katmanları (Map layers) (.lyrx) ve
  • Katman paketleri (Layer packages) (.lpkx).

ArcGIS Pro’yu  bir proje oluşturmadan başlatabilirsiniz. Çalışmanızı kaydetmek istiyorsanız daha sonra bir proje oluşturulabilir. Sık kullanılan projeleri ve proje şablonlarını  sabitleyebilirsiniz. Son projeler listesi en fazla 50 proje görüntüleyebilir. ArcGIS Pro’yu her zaman aynı projeyi açarak veya uygulamayı başlattığınızda proje oluşturmadan otomatik olarak başlayacak şekilde yapılandırabilirsiniz.

  • Üç yeni hızlı başlangıç ​​öğreticisi,  Author a mapVisualize temporal data, ve Manage data kullanılabilir.
  • ArcGIS Pro ve çevrimdışı Help görüntüleyicisinin erişilebilirliğini artırmak için iyileştirmeler yapılmıştır. Daha fazla bilgi için, bkz.
  • Şimdi Concurrent Use license türünü kullanırken yedek lisans yöneticileri ekleyebilir ve kaldırabilirsiniz. Dört taneye kadar yedek lisans yöneticisi eklenebilir. Daha fazla bilgi için, bkz.

 

Rapor

  • Raporlar yeni bir proje öğesidir ve oluşturduğunuz rapor dosyaları Catalog bölmesinde özel bir klasörde listelenir. Bir rapor oluşturduğunuzda, veri kaynağını ayarlayabilir, verileri gruplandırma ve sıralama ile düzenleyebilir, bir şablon ve stil seçeneği seçebilir, sayfa boyutunu ve kenar boşluklarını tanımlayabilirsiniz.
  • Raporda yapabileceğiniz  düzenlemeler; rapor başlığı, grup başlığı ve sayfa altlığı gibi bölümlere ayıran rapor görünümünde, grafik çizgiler ve görüntüler gibi statik öğeler, özet istatistikler veya tarih değerleri gibi dinamik öğeler ekleyebilirsiniz. Raporları ayrıca  PDF dosyası olarak paylaşılabilir, bir proje paketinin parçası olarak kaydedebilir veya bir rapor dosyası olarak (.rptx) kaydedebilirsiniz.

 

Deep Learning

  • Deep Learning araç seti bu sürümde tanıtıldı. Bu yeni araç kutusu, ArcGIS Image Analyst araç kutusunda bulunan üç aracı içerir.

 

  • Bu araçlar, TensorFlow, CNTK ve Keras gibi Deep Learning  modellerini kullanan görüntü sınıflandırma ve nesne algılama iş akışlarını destekler.

  • Bu araçlar, analiz yapmak için yeni GPU’dan  yararlanır. Ayrıca ArcGIS Image Server veya raster analysis ortamlarında da çalıştırılabilirler. Her bir katmanın bir veya daha fazla benzersiz özelliği olabildiği neural networks‘lerde birden çok katman kullanarak çalışırlar.

LocateXT

  • ArcGIS LocateXT eklentisi, konum bilgisi için herhangi bir metni veya belgeyi aramanıza ve bu konumlardan özellikler oluşturmanıza olanak sağlayan bir dizi araç içerir.
  • LocateXT, PDF belgelerinde, Microsoft Office belgelerinde, web sayfalarında, e-postalarda ve sosyal medya metinlerinde arama yapabilir. Aracı açmak için, Map sekmesinde,  Add Data açılır okunu tıklayın ve Extract Locations’i seçin. To Geodatabase araç setine iki coğrafi işlem aracı (Extract Locations from Document ve Extract Locations from Text) de eklenmiştir.

Editing Tools

Düzenleme iş akışlarınızı geliştirmek için aşağıdaki dört araç eklenmiştir:

Divide Divide , Çizgisel ve alansal vektör verileri bir değere bölmek için araçlar barındırır. Çizgi, mesafeye, parça sayısına veya yüzdeye göre bölünebilir; Alan, orantılı alanlara, eşit alanlara veya eşit genişliklere göre bölünebilir.

Fillet  Fillet , iki line arasındaki teğet olan ve iki bağlantı bölümünü kesen kısımlara yay oluşturur. Yarıçapı dinamik olarak sürükleyip boyutlandırabilir veya sabit bir mesafe yazabilirsiniz.

Generalize Generalize Polyline, temel şeklini korurken bir çizginin veya bir çokgen özelliğinin karmaşıklığını azaltabilir.

Split Split , bir veya daha fazla mevcut giriş özelliğini seçmenize ve bunları bir veya daha fazla seçilen hedef özelliği bölmek için kullanmanıza izin verir.

Attribute Rules

  • Öznitelik kuralları ek kural türlerine ve gelişmiş bir kullanıcı deneyimine sahiptir. Öznitelik Kuralları görünümü, veri kümelerindeki öznitelik kurallarını görüntüleme, oluşturma ve yönetme erişimini sağlar. Öznitelik Kuralları araç çubuğuna birkaç yeni araç eklenmiştir. Daha fazla bilgi için, yeni araçları ve mevcut araçlardaki değişiklikleri gözden geçirmek üzere  yenilikler bölümüne bakın. Toplu hesaplama (Batch calculation) ve doğrulama (validation) kuralları, mevcut özellikler üzerindeki kuralları değerlendirme olanağı sağlayan yeni kural türleridir. Bu kurallar, Hata Müfettişi veya Kuralları Değerlendir aracı kullanılarak kullanıcı tarafından belirlenen bir zamanda değerlendirilir. Daha fazla bilgi için, bkz. Not: Hesaplama ve doğrulama kurallarını değerlendirmek için kullanılan Doğrulama özelliği, yalnızca ArcGIS Enterprise 10.7 veya sonraki sürümlerinde paylaşılırken kullanılabilir.
  • Daha fazla bilgi için eski portallarla paylaşırken dikkat edilmesi gerekenler bölümüne bakın. Yeni Arcade işlevselliği için ArcGIS Arcade sürüm 1.5 sürüm notlarına bakın. Koşullu öznitelik değerleri, bir alandaki değerleri diğerindeki değerlere bağımlı hale getirmenize izin veren yeni bir veri tasarım özelliğidir. Bir dizi alan ve bu alanlar için geçerli değerlerin bir listesini oluşturmak için alan ve alan grupları kullanırlar. Örneğin, elektrik direği malzemeleri için bir alan Ahşap olarak ayarlanırsa, o direğin yükseklik alanı için geçerli değerler 10, 12 ve 15 metre ile sınırlandırılır. Alan Çelik olarak ayarlanmışsa, yükseklik alanı için geçerli değerler 15, 17 ve 20 metredir. Alanlarınız arasındaki bu tür bağımlılıklar, koşullu değerler kullanılarak ayarlanabilir. Yeni Dosya Aktarma aracı, bir dosya sistemi ile bir bulut depolama çalışma alanı arasında dosyaları verimli bir şekilde aktarır.

3D Interpolation EBK

  • Empirical Bayesian Kriging 3D aracı, noktaların enterpolasyonunu gerçekleştirmenize ve 3D uzayındaki noktalar arasındaki tüm konumlardaki değeri tahmin etmenize olanak sağlar. Bir analiz aracı olarak Geostatistical Wizard‘da mevcuttur. Daha fazla bilgi için, bkz.

 

ArcGIS Pro 2.3 versiyonuyla birlikte gelen diğer yenilikler ve özellikler sonraki yazılarımızda aktarılacaktır.

 

ArcGIS Hub Nedir ?

ArcGIS Hub Nedir ?

Toplum Katılımı için ArcGIS Hub

ArcGIS Hub

  • Öncelikler etrafında ilgi toplum katılımını ve organize olmasını sağlar.
  • Kurumsal CBS’nizi temel alır ve genişletir.

Öncelikler üzerine veri odaklı ve verimli çalışmayı desteklemek için, veri, görselleştirme, analiz ve işbirliği teknolojisi kullanır ve etkileri ölçer.

ArcGIS Hub, veri odaklı girişimleri gerçekleştirmek için devlet, işletmeler, vatandaşlar ve topluluklar arasındaki işbirliğini desteklemektedir.

ArcGIS Open Data (açık veri), ArcGIS platformu içerisinde herkesin kullanımına açıktır. Dakikalar içinde, web siteleri ve sayfalar aracılığıyla yayınlanmış verilere erişebilirsiniz. ArcGIS Açık Veri siteleri artık ArcGIS Hub ile de oluşturulup yönetilebilmektedir.

ArcGIS Hub, etkili ve açık veriler için yeni bir çerçeve sunmaktadır. ArcGIS Hub, ilk açık veri sitenizi oluştururken yönlendirir ve yaygın olarak kullanılan veri modelleri ile uyumlu olanları paylaşmak için anlamlı açık veri kümelerini önerir. Açık veri girişimini benimsedikten ve verilerinizi istenen göstergelere bağladığınızda, standart bir açık veri kataloğuna katkı sağlar. Ayrıca, açık veri sitenizde hangi verileri ve araçları görmek istediklerini kullanıcılara bir veri isteği anketi yapılandırarak belirler. Bu işlem, topluluğunuzun önemli sorularını yanıtlamak için kullanacağı verilere öncelik vermenin basit bir yoludur.

ArcGIS Hub ile Önceliklerinizi Belirleyebilirsiniz

Öncelikler, kurumları ve topluluk sonuçlarını iyileştiren politika odaklı hedeflerdir.  “Temiz Çevre”, çevre kirliliğini önlenmesi için bir önceliktir.“Sosyal Yardımları Ulaştır” önceliği, ihtiyaç sahibi insanların, gönüllülerle bir araya gelmelerini sağlayan CBS tabanlı bir platforma ArcGIS Hub ile dönüşebilmektedir.

Öncelikler, kuruluşlar tarafından benimsenebilecek, yapılandırılabilecek ve genişletilebilecek şablonlardır. 

Bir hub kuruluşunun toplum üyeleri , Facebook ve Google gibi sosyal medya hesaplarıyla oturum açabilir.Kullanıcılar verilere katkıda bulunabilirler, uygulamalar ve gruplar oluşturabilirler  ve doğrudan Excel ve Powerpoint’te verilerle çalışmak için ArcGIS Maps for Office kullanabilirler. Ayrıca çevrimiçi analizleri veya premium ürünleri kullanabilecekleri bir ArcGIS Online hesap oluşturabilirler.

Esri Türkiye 2018

ArcGIS Pro’da Suç Analizi Çözümleri Bölüm 2

ArcGIS Pro’da Suç Analizi Çözümleri Bölüm 2

Suç analizi, elimizdeki veriler sayesinde mekân, zaman, suçun işleniş karakteristikleri, önceki olaylara benzerlikleri gibi konuların tespit edilmesi, aynı zamanda suç trendleri, suçlar ve diğer değişkenler arasındaki korelasyon ve nedensellik ilişkilerini ortaya çıkarmakta kullanılır.

Suç ve şüphelinin belirlenmesi, haritalanması, zaman çizelgelerinin çıkarılması, grafikler, tablolar ve şemalar oluşturulması işlemlerini de içerir. Bu sayede mahkeme sürecine katkı sağlayabilir.

Suç analizi, devriye, suçun önlenmesi, soruşturma, planlama, araştırma, personel, operasyon, bütçe vb. birçok birimin faaliyetlerini desteklemede kullanılabilir.

Suç analizlerinin en önemli kısımlarından olan veri toplama, veriyi standart hale getirme, suçların benzerliklerini kategorize etme ve soruşturmaya katkı sağlayacak bütün verilerin hazırlanması gibi işleri Esri’nin suç analizi çözümleri sayesinde hızlı ve etkin bir şekilde gerçekleştirilebiliriz, bu sayede de zaman ve kaynak tasarrufu sağlayabilirsiniz.

Esri’nin Suç analizi çözümleriyle;

  • Meydana gelen veya gelişmekte olan suç serilerini ve suç kalıplarını ortaya çıkarabilir, harita üzerinde görüntüleyebilir,
  • Olması muhtemel suçlar için yakın bir tahminde bulunabilir,
  • Coğrafi profilleme yapabilir, suçların mekânsal ilişkilerini çıkarabilir,
  • Personel, kaynak ve bütçe planlamalarında veri desteği sağlayabilirsiniz.

Daha önceki ArcGIS Pro ile Suç Analizi yazımızda Esri’nin suçla mücadele çözümü olan Crime Analyst Toolbar’ın (Suç Analizi Araç Çubuğunun) barındırdığı araçlara değinmiştik.

Crime Analyst Toolbar, Crime Analysis sayfasından ücretsiz olarak indirip ArcGIS Pro’da kullanabileceğiniz bir Add-in’dir.

Bu yazımızda ise bu araçlar sayesinde yapabileceklerinize değineceğiz. Ama tüm bunlardan önce şunu belirtelim ki bu yazı boyunca kullanılan bütün veriler ve görseller bizler tarafından oluşturulmuş tamamen kurmaca verilerdir. Gerçeklerle hiçbir ilişkileri bulunmamaktadır.

Şimdi de literatürdeki suç analizlerini Esri Suç analizi çözümleri ile nasıl gerçekleştirebileceğinizden kısaca bahsedelim:

Taktik Analizlerinizi gerçekleştirmek için, Suçları istediğiniz kriterlere göre sınıflandırarak (örneğin kişilere karşı suçlar, kamu güvenine karşı suçlar veya mal varlığına karşı suçlar gibi) İstatistiksel olarak anlamlı sıcak ve soğuk noktaları çıkartabilirsiniz. Böylece mevcut veya gelişmekte olan suçların günlük olarak haritalandırabilir, analiz edebilirsiniz.

Belirlenmiş suç türüne göre oluşturulmuş bir Hot Spot analizi haritası. Bu haritaya göre ihbarın en fazla olduğu kırmızı bölgeler için kaynak aktarımı gerektiği düşünülebilir. Bu analiz bize ihbarlara cevap süremizi ve intikal süremizi düşürmek için bölgeye personel aktarımı yapmamız gerektiği bilgisini de verebilir.

Crime Analyst Toolbar ile coğrafik profilleme yapabilirsiniz, bunun için;

İhbar verilerinden ya da elinizdeki raporlanmış herhangi bir veriden (bunlar olaylar sırasında tutulmuş raporlar ya da gelen ihbarlardan tablosal olarak tutulmuş veriler de olabilir) istediğiniz alanlara göre nasıl bir dağılım izlediğini gösteren haritalar oluşturabilirsiniz.

Bu harita tutuklama sayılarına göre gerçekleştirilen mekânsal gösterimdir. Devriye bölgesinde gerçekleşen olay sayılarına baktığınızda çalışma alanımızın kuzeyine ve doğusuna güney ve batıdaki devriye bölgelerinden kaynak aktarımı yapılması gerekmektedir gibi bir kaynak akarımı yorumunda bulunabiliriz.

Bu konuda Crime Analyst Toolbar aracımızın size sağlamış olduğu kolaylık ise birkaç tık işlemi ile bu haritaları otomatik olarak renklendirilmiş ve etiketleri ile birlikte elde ediyor oluşunuzdur. Bu yöntemleri kullanarak bir il, ilçe, mahalle, devriye bölgesi ya da karakol sorumluluk bölgesi için en fazla suç hangi bölgede işleniyor ya da ihbar nerelerden geliyor bunların gösterimini sağlayabilirsiniz. Bu da kaynaklarınızı nereye yönlendirmeniz gerektiğini ortaya koyabilir. Olayların en sık yaşadığı bölgelere devriye kaynaklarınızın aktarılmasını sağlayabilirsiniz.

Taktik analizleri içerisinde gerçekleşmiş suçların ötesinde “Suçun tahminini” de bulunmaktadır peki bu konuda nelere yapabiliriz bir de bunları inceleyelim:

Gelecekteki suçları tahmin edebilir miyiz?

  • Önümüzdeki hafta kaç hırsızlık suçu işlenmesi bekleniyor? Bunu öngörebilir miyiz?
  • Haftanın belirli gününde ve saatinde nerelerde soygun veya şiddet suçu riskinin artması bekleniyor?
  • Bu doğrultuda güvenlik güçlerimizin kaynaklarını suçların engellenmesi için en etkin şekilde tahsisini nasıl sağlayabiliriz?
  • Suçlar bir doku izliyor mu? Bir mekâna doğru eğilim gösteriyor mu zamansal veya mekânsal bir kümelenme var mı?

Tüm bu gibi sorulara cevap bulabilir miyiz?

Suçları haritalamak, analizler yapmak bizlere çeşitli tahminler yapma imkânı verir. Bu bize suçların engellenmesi için kaynaklarımızı en etkin biçimde kullanmamıza yardımcı olur. Bu sayede bir suç trendi oluşuyorsa bunu engelleyebiliriz.

Kısaca Amacımız suçu engellemek ve güvenlik güçlerinin kaynaklarını en etkin bicimde kullanmak ise Esri suç analizi çözümleri bizlere bu tahminlerimizi gerçekleştirebileceğiniz analiz araçlarını sağlıyor.

Suç tahminlerinin yapılması çerçevesinde gerçekleştirilebilecek analizlere bakarsak:

Esri’nin sunduğu araçlar sayesinde elimizdeki ihbar veya suç verileri ile sıcak nokta analizi uyguladığınızda suçların bir yerde mekânsal olarak kümelendiğini gösterecek haritalar oluşturabilirsiniz.

Sıcak nokta analizlerinizden elde ettiğiniz bilgilere ek olarak Esri tarafından sizlere sunulan işsizlik verileri, nüfus verileri, hane halkı sayısı, eğitim seviyesi gibi çok çeşitli demografik, sosyoekonomik ve coğrafik suça etki eden diğer verileri de ekleyebilir ve tüm bunlara sizden gelen verileri de dahil ederek ki bunlar mobese ile kontrol edilen noktalar, kontrol edilemeyip kör nokta olarak kalan alanlar, suça eğilimi arttıran terk edilen yıkıntı alanlar, arazi kullanım desenine geceyle gündüz aktif kullanılan alanlar ve devriye araçlarının güzergahları v.b. gibi birçok veriyi de ekleyerek risk haritaları oluşturabilirsiniz. Böylece suç riskinin yüksek olduğu alanları görüntüleyebilirsiniz ve önlemler alabilirsiniz.

“Bir suç türü belirli bir mekânda zaman içinde aynı metotlar ile gerçekleşiyorsa, tekrarlanma ihtimali yükselir.” Önceki bir suç olayından sonra etrafındaki risk artacaktır. Sık tekrar eden olayların mekânsal bir ilişki içerisinde olup olmadığını gösterebilirsiniz.

Tekrarlanan suçlar yüksek risk alanı olarak tanımlanan alanlara düşüyorsa önlemlerinizi arttırabilirsiniz.

Yani bu analizlerin sonucundaki çıkarımınız ile hangi bölgelere kaynakların aktarılması gerektiğine karar verebilirsiniz.

Suçun zaman ve mekânsal ilişkisini gösteren 3 Boyutlu bir gösterimle (buradaki 3. boyut zamandır), belirli bir zaman aralığında belirli mekânda suçun dönemler halinde artış mı izlediği ya da yaptığımız bir müdahale sonucu da olabilir, azalış mı izlediğini gözlemleyebiliriz.

Problem analizi olarak da bilinen stratejik analizler, suçla mücadele bağlamında bilgiye dayalı olarak karar vermenizi sağlar. Uzun vadeli problemlerin gösteriminde kullanılan suçun artış ve azalışını gösteren analizleri bu çözümün sunduğu araçlar sayesinde gerçekleştirebilirsiniz.

Stratejik Analiz Yüzde Değişimi haritamızda emek çevresinin sorumlu olduğu devriye bölgesinde hırsızlık suçlarının ikinci altı aylık dönemde %85 oranında arttığını görebilirsiniz.

Ya da ihbarların gece ve gündüz gibi belirli zaman periyodları arasındaki dağılım yoğunluğu çıkartarak hem telefon ihbarlarına yanıt veren ofis personeli açısından hem de olay yerine intikal edecek devriye ekiplerinin yönetilmesini sağlayabilirsiniz.

Tüm bu bahsetmiş olduğumuz taktik ve stratejik analizlerinizi birkaç tık ile gerçekleştirerek, zamanınızın çoğunu alan istatistik hazırlama ve rapor yazma süreçlerinizi çok daha hızlı yürütebilirsiniz. Bu veriler grafikler oluşturabilmenizi, oluşturduğunuz web uygulamaları ve dashboard’larda sorgulamalar yapabilmenizi ve ihtiyaçlarınızı detaylı şekilde görmenizi sağlayacaktır.

Bu harita bir ihbara, ekiplerin 3 dakika içinde intikal edilebileceği alanları temsil etmektedir.

Kaynakların yönetilmesi adına, devriye bölgelerinin olaya intikal etme süresine göre belirlenmesi, hizmet verilen bölgelerin büyüklüğü, personel sayısı, görevlendirme politikaları hatta görev yoğunluğunu analizlerinize dahil ederek kaynaklarınızı en etkin şekilde yönetebilirsiniz.

Tekrar etmek gerekirse, Esri’nin Suç analizi çözümleri sayesinde;

  • Meydana gelen veya gelişmekte olan suç serilerini ve suç kalıplarını ortaya çıkarabilir, harita üzerinde görüntüleyebilir,
  • Olması muhtemel suçlar için yakın bir tahminde bulunabilir,
  • Coğrafi profilleme yapabilir, suçların mekânsal ilişkilerini çıkarabilir,
  • Personel, kaynak ve bütçe planlamalarında veri desteği sağlayabilirsiniz.

Esri Türkiye 2018

ArcGIS’te Mesafe Analizlerine Genel Bir Bakış

ArcGIS’te Mesafe Analizlerine Genel Bir Bakış

CBS analizlerinin en önemlilerinden ve en çok kullanılanlarından biri yakınlık analizleridir. Çoğu zaman ArcGIS kullanıcıları bu tür analizleri, en bilindik yöntemler olan ve vektör verileri üzerinden uygulanan Buffer ve Near araçlarını kullanarak yaparlar. Bu blog yazımızda vektör verilere uygulanan yakınlık analizlerinden farklı bir yöntem olarak, mesafeleri raster veriler üzerinden hesaplama yöntemlerine değineceğiz.

İşlem sonucu raster bir çıktı katmanı veren Öklidyen Mesafe (Euclidean Distance) analiziyle araçlarımızı tanımaya başlayalım:

Euclidean (Öklidyen) Mesafe Analizi

ArcGIS kullanarak birçok farklı yöntemle mesafe analizi yapabilirsiniz. Bunlardan en yaygın kullanılanlarından biri iki nokta arası mesafeyi doğrusal bir çizgi şeklinde hesaplayan Öklidyen mesafe analizidir. Öklidyen mesafe analizine kuş uçuşu mesafe de denir ve bu analizle Pisagor teoremine göre iki nokta arası en kısa mesafe hesaplanabilir. İki raster hücresi arası kuş uçuşu mesafeyi bulur, bunu bir kağıttaki iki nokta arasını cetvelle ölçmek gibi düşünebilirsiniz. Bunu yaparken rasterda belirlediğiniz hücrenin merkez noktasından hedef hücrenin merkez noktasına doğru hesaplama yapar.

Bu analizi geoprocessing (coğrafi işlem) araçlarından Euclidean Distance’ı kullanarak yapabilirsiniz.

Euclidean Distance, vektör verilerle veya raster verilerle yaptığınız analiz sonucunda, elinizdeki detaylara olan uzaklığı ölçüp çıktı olarak, her bir hücresinde (diğer bir adıyla pikselinde) sizin kaynak verinize olan uzaklığı değer olarak saklayan bir raster katman oluşturur.

Her hücre değeri kaynağa olan mesafeyi gösterir. A hücresinin değeri olarak görünen x A hücresiyle kaynak hücre arasındaki mesafedir.

Birden fazla kaynak hücreye uygulama yaptığınız yüzeylerde, çıktı katmanındaki her hücre değeri, bir kaynak hücreye yakınlığı verir ve bu da kendine en yakın olan kaynak hücredir.

Her hücre değeri en yakın kaynağa olan uzaklığı gösterir. Hücre A Kaynak 1’e en yakındır ve değeri arasındaki mesafeyi verir. Euclidean Distance aracı yatay ve dikey olarak hesaplamalar yapabilir.

Euclidean Distance aracı sonucu kuş uçuşu düz bir çizgi için verir ama yüzeyde dosdoğru şekilde ilerlemek her zaman mümkün olmayabilir, bu çizgi üzerinde ırmaklar ya da dik eğimler gibi çeşitli engeller olabilir. Bu gibi durumlarda maliyet ağırlıklı mesafe araçlarını kullanmak gerçekçi sonuçlar açısından daha doğru olur.

Euclidean Allocation

Euclidean Allocation aracı ise her hücrenin en yakın kaynağa olan kuş uçuşu mesafeye göre belirlendiği bölümlenmiş bir raster oluşturur. Eğer sadece bir kaynak varsa oluşacak rasterdaki bütün hücreler bu kaynak noktaya göre tahsis edilir.

Eğer birden çok kaynak nokta varsa oluşacak rasterdaki hücreler en yakındaki kaynağa göre belirlenerek tahsis edilir. Bu hücrelerin oluşturduğu alanları detayların bölümleri olarak düşünebilirsiniz. Bu bölümlerin şekli ve boyutu hücrelerin kaynağa olan mesafesi tarafından belirlenecektir.

Bu resimde yeşil hücrelerden birinin 1 ve 2. kaynak arasında eşit mesafede olduğunu görebilirsiniz. İki kaynağa da aynı mesafede olan bu hücreler program tarafından otomatik olarak bir kaynağa atanır. Burada bu 2. kaynak olmuştur. Euclidean Allocation’ı rasterdaki her hücrenin en yakın olan kaynağa göre bölümlenmesini istediğinizde kullanabilirsiniz. Araç sonuç olarak her hücrenin en yakın olduğu kaynağa göre değerini verecektir.

Euclidean Direction

Öklidyen yönelim her hücreden kaynak hücreye kuş uçuşu en kısa doğrunun yönelimi derece cinsinden verir. Euclidean direction’ın verdiği raster verideki her hücre değerleri en yakın kaynağa olan yolun açısını gösterir. Bunu aşağıdaki resimdeki gibi bir pusulanın, yüzeydeki her hücre için olduğunu düşünebilirsiniz. Her hücre içindeki değerler 1 ile 360 derece arasındadır ve 360 derece kuzeyi ifade eder.

Euclidean direction rasterında hücre değerleri azimuth derecelerine dayanmaktadır. Bu resimdeki örnekte hücrenin yönelim değeri 45 derecedir.

Bu resimde kaynak 1 noktası, A hücresine en yakın noktadır. İki nokta arasındaki doğru çizgi hattı A noktasından 1. kaynağa 15 derecelik bir açıdadır. A noktasının hücre değerine baktığımızda 15 yazdığını görürüz. Kaynak 2 ise B hücresinden 135 derecelik bir açıdadır.3. kaynak ise C noktasına en yakındır ve 320 derecelik bir açıya sahiptir. Gri hücreler ise 0 derecedir yani bir yönü yoktur.

Euclidean Direction sayesinde, “En yakın şehre ulaşmak için hangi yöne doğru seyahat etmeliyim?” gibi sorulara cevap bulabilirsiniz.

Euclidean Distance 

Bu resim yüzeydeki her konumdan kamp alanlarına olan mesafeleri simgelemektedir. Açık renklerde daha yakın koyu renkler daha uzaktadır.

 

 

 

 

 

 

Euclidean Allocation

Bu yüzey resmi her iki kamp alanı için lokasyon tahsisini göstermektedir. Yeşil alan A kampına yakındaki pikselleri (raster hücreleri), mavi ise B kamp alanına yakın olan pikselleri göstermektedir.

 

 

 

 

 

 

Euclidean Direction

Bu resim ise yüzeydeki her yerin kamp alanlarına olan pusula yönlerini göstermektedir. Oklar Euclidean Direction aracının çıktısı değildir, otomatik olarak yönleri göstermez. Bunu yapmak için çıktı raster katmanına Vector Field semboloji özelliğini uygulayarak haritanızda görüntülenmesini sağlayabilirsiniz.

 

 

 

 

 

Ağırlıklandırılmış Mesafe analizi:

Weighted distance analysis yani ağırlıklı mesafe analizi ArcGIS’deki başka bir mesafe analiz türüdür. Bir noktadan diğerine doğru bir çizgi çizmenin işinizi görmediği durumlar vardır. Bazı durumlarda analiziniz, birden çok mesafe sonucunu karşılaştırmanızı gerektirebilir. Örneğin A ve B noktaları arasında üç tane yol varsa bu yolları hız limiti, hava durumu, yol tipi gibi faktörlere göre ağırlıklandırarak en iyi rotayı belirleyebilirsiniz. En kısa yol her zaman en kısa yolculuk zamanını vermeyebilir. Eğim fazla olabilir veya hız limitlerinden dolayı şehir içinden geçen bir yol daha kısa olmasına rağmen çevre yolundan daha uzun bir yolculuk zamanı verebilir.

Bu resimde 2 kamp noktası arası 2 yol çıkarılmıştır. Sarı çizgi kuş uçuşu mesafeyi simgelerken siyah çizgi iki kamp noktası arası en hızlı yolu simgeler. Çünkü kuş uçuşu mesafe dağlık arazi yüzünden daha yavaş ilerlenecek ve ulaşım sürenizi uzatacak bir yoldur.

Bir konumdan diğerine potansiyel olarak çok sayıda yol olduğunda ve genellikle zaman gibi belirli bir kaynağı maliyet olarak kabul ettiğimiz durumlarda ağırlıklandırılmış mesafe kullanabilirsiniz.

Reclassification (Yeniden Sınıflandırma) ve Cost (Maliyet) Yüzeyleri

Genelde veriler doğrudan maliyetleri iletmez, bunu yapabilmeleri için dönüştürülmeleri lazımdır. Örneğin dik bir arazi yol yapım masraflarını arttırabilir yani arazinin eğimi bir maliyet faktörü olabilir. Eğim yüzdeleri yolun yapım maliyetlerinin az mı çok mu olduğu bilgisini bize direk vermez. Maliyetleri göstermenin yolu eğim değerlerini maliyet değerlerine TL cinsinden çevirmek daha iyi şekilde maliyetleri yansıtacaktır. Ya da ağırlıklandırarak göreceli bir değer sıralaması belirleyerek de bunu yapabilirsiniz.

Ağırlıklandırılmış mesafe analizlerinde maliyet faktörlerine bir sıralama yaparsınız ya da bir alanda yolculuğun verimliliğini belirleyen faktörlere değer vererek sıralama yaparsınız. Yüksek verimlilik gösteren değerlere sahip hücreler düşük bir değer alır ve düşük verimlilikle değerleri olan hücreler yüksek bir değer alır. Örneğin, hücre değerlerinde sürüş zamanlarını içeren bir rasterınız varsa ve yeniden sınıflayacaksanız, sürüş zamanı değeri 25 dakika olan bir hücreye 1 değeri verebilir ve sürüş zamanı 65 dakika olan bir hücre değerine 3 değerini verebilirsiniz. 25 dakikada kat edilen bir hücre 1 değerini alarak daha düşük bir değer alacaktır ama sıralama yaptığımızda 1. olduğu anlamına gelecektir. Böyle bir veri dönüşümünden sonra 25 dakikalık sürüş zamanına sahip raster hücreleri daha tercih edilen hücreler olacaktır. Bu dönüşümü yaptığımız işleme Reclassification yani yeniden sınıflandırma denir. Yeniden sınıflandırılmış bu rasterlara da maliyet yüzeyi denir.

Bir öznitelik tablosundaki sütunlarındaki değerler kar derinliklerinden hız sınırlarına ya da herhangi bir arazi özelliğinin sayısal değeri gibi herhangi bir değeri ağırlıklandırma yapmak için seçebilirsiniz. Bunu yaparken hangi özniteliklerin maliyeti etkilediğini belirlemek ve sonra bu özniteliklerin değerlerini sıralamak çok zaman alıcı bir işlem olabilir. Bunu belirlemek için uzmanlara ya da akademisyenlerin çalışmalarına başvurmanız gerekebilir.

Ağırlıklama ölçeğinizi bir aralık içinde belirleyebilirsiniz. Ağırlık ölçeği, en yüksek ve en düşük maliyeti kolayca ayırt edebilme konusunda yönetilebilir bir değer aralığı olacaktır. Örneğin 1 ila 9 arasında rakamlar verebilirsiniz. Burada 9 değeri 1 değerinden 9 kat maliyetlidir anlamına gelmez. En az masraflı hücreler 1 en çok masraflı hücreler de 9 değerine sahiptir anlamına gelir. Analizinizde birden çok maliyet faktörünü ele almak istediğinizde maliyet yüzeylerini aynı ağırlıklandırma ölçeğine göre yapmanız gerekir, bu sayede bütün maliyet yüzeylerini birbirleriyle işleme sokarak toplam maliyet yüzeyini elde edebilirsiniz. Buna ağırlıklı bindirme analizi de denir.

Kar derinliği hücre değerleri raster verisinden 1-9 ağırlık ölçeği kullanarak yeniden sınıflandırılarak maliyet yüzeyi oluşturulur. Karın en derin olduğu yerlerde zaman ve kaynaklar açısından daha masraflı olduğunu varsayarak, en yüksek kar derinliği değerleri 9 değerine atanır ve en düşük kar derinliği değerleri 1 değeri ile belirlenir.

Bu skalada eğim yüzdeleri kar derinliklerinde olduğu gibi 1-9 ağırlık ölçeğine göre sınıflandırılmıştır. Daha dik eğimler daha fazla zaman ve kaynağa mal olacağından eğimi en yüksek olan yerler 9 ve eğimi düz ve düze yakın olan yerler 1 değeriyle yeniden sınıflandırılmıştır.

Kar derinliği raster’ı ve eğim raster’ı aynı ağırlıklandırma ölçeğine göre yeniden sınıflandırıldığı için beraber işleme sokularak toplam maliyet yüzeyini elde edebiliriz. Maliyet yüzeylerini aynı ağırlık ölçeğinde yeniden sınıflandırdıktan sonra birleştirerek her hücre için toplam maliyeti belirleyebiliriz. Örneğin, eğim maliyeti 2 olan bir hücreyle kar derinliği maliyeti 1 olan bir hücre birleştirildiğinde toplam masraf 3 olur. Nihai maliyet yüzeyi en az maliyetli yol analizi (Least-Cost Path Analysis) için gereklidir.

Least-cost Path Analysis (En az maliyetli yol analizi)

Elde ettiğiniz toplam maliyet yüzeyiyle ArcGIS analiz araçlarını kullanarak maliyet ağırlıklı mesafe analizi yapabilirsiniz. En az maliyetli yol, maliyetin zaman, mesafe veya kullanıcı tarafından tanımlanan diğer ölçütlerin bir işlevi olduğu ve iki konum arasındaki en düşük maliyetli yoldur.

Least-cost path analizi bu yüzeyleri kullanarak iki nokta arasındaki en uygun maliyetli yolu belirlemenize yardımcı olur. Bu aracı kullanarak en ucuz şekilde bir boru hattını nasıl yapabileceğinizi belirleyebilirsiniz.

En az maliyetli yol analizi, kaynak hücreyi çevreleyen sekiz komşu hücreyi değerlendirir ve yolu en düşük değere sahip hücreye yönlendirir. Kaynak ve hedef birbirine bağlanana kadar bu işlem kendisini yineler. Tamamlanan yol, iki nokta arasındaki hücre değerlerinin en küçük toplamını temsil eder.

Bu örnekte analiz sonucu ulaşılan yol kaynaktan hedefe en kısa yolu vermemiştir ama en masrafsız yolu hücrelerdeki değerlere göre karşılaştırarak çıkarmıştır.

Kaynak ve hedef noktalardan oluşan herhangi bir kombinasyon least-cost path analizinin bir parçası olabilir, bir kaynaktan bir çok hedefe en düşük masraflı yolu hesaplayabileceğiniz gibi birçok kaynak noktadan da bir hedef noktaya en masrafsız yolu belirleyebilirsiniz.

Bu resimde en düşük maliyetli yol analiziyle kaynaktan hedeflere en uygun yollar çıkarılmıştır.

Least-cost path (En az maliyetli yol) analizi iş akışı

Aşağıdaki liste bu analizi yaparken izlemeniz gereken iş akışının bir özetidir.

  1. Ortak bir ağırlıklandırma ölçeği oluşturmak için rasterlarınızı yeniden sınıflandırma.
  2. Yeniden sınıflandırılmış rasterları birleştirerek toplam maliyet yüzeyinin oluşturulması.
  3. Toplam maliyet yüzeyini kullanarak maliyet mesafeleri ve yönelimleri yüzeylerinin oluşturulması.
  4. Maliyet mesafesi ve maliyet yönü yüzeylerini kullanarak en az maliyetli yolun belirlenmesi.

Aşağıdaki diyagram arazi kullanımı ve eğim katmanları kullanılarak en az maliyetli yolun oluşturulmasını gösterir.

Yakınlık/Mesafe analizleri hakkında daha fazla bilgi almak ve uygulamalarını öğrenmek için ArcGIS 3: Mekansal Analiz Uygulamaları eğitimimize katılabilirsiniz.

Daha fazla bilgi için: egitim.esriturkey.com.tr

Esri Türkiye 2018