Kentsel dönüşüm uygulamalarında daire belirleme işlemlerinin mekânsal veri madenciliği yöntemleri ile belirlenmesi
Tezin Türü: Yüksek Lisans
Tezin Yürütüldüğü Kurum: Kayseri Üniversitesi, Lisansüstü Eğitim Enstitüsü, HESAPLAMALI BİLİMLER VE MÜHENDİSLİK ANABİLİM DALI, Türkiye
Tezin Onay Tarihi: 2024
Tezin Dili: Türkçe
Öğrenci: EMRE TURGUT
Asıl Danışman (Eş Danışmanlı Tezler İçin): Murat Taşyürek
Eş Danışman: Nuh Azgınoğlu
Açık Arşiv Koleksiyonu: AVESİS Açık Erişim Koleksiyonu
Özet:1950'lerden itibaren Türkiye'de sanayileşmenin hız kazanmasıyla birlikte özellikle büyük kentlerde ciddi bir işgücü talebi oluşmuş ve dolayısıyla hızlı bir iç göç hareketi ortaya çıkmıştır. Göç hareketinin sonucunda büyük şehirlerde düzensiz büyüme ve yerleşme faaliyeti başlamıştır. Düzensiz olan bu yerleşme neticesinde başta altyapı sorunları olmak üzere birçok sorun ortaya çıkmıştır. Bu sorunların çözümünde kentsel dönüşüm projeleri önemli bir yer edinmektedir. Kentsel dönüşüm, şehrin bir bölümünün proje kapsamında sistematik bir şekilde toprak zeminin yapısına uygun yapıların inşa edilmesi olarak ifade edilir. Kentsel dönüşüm projeleri alan ilanı ile başlayıp vatandaşın tapu devrini yapılmasıyla sonlanan bir süreçtir. Vatandaşın maliki olduğu kadastro parselinin mevkiine göre parseline en yakın olan binadan kuraya girerek hangi dairede oturacağı belirlenir. Kendisine en yakın binanın belirlenme işlemi ise insan eliyle yapılmaktadır. Bu durum hem hız hem de doğruluk anlamında süreci olumsuz etkilemektedir. Bu tez kapsamında bu sorunların üstesinden gelmek için mekânsal veri madenciliği tabanlı yeni yaklaşımlar geliştirilmiştir. Mekânsal veri madenciliği, büyük ölçekli ve konum bilgisi içeren veriler arasından faydalı bilgiye ulaşma yöntemidir. İnsan faktörü ile yapılan bina belirleme işlemi yerine yoğunluk tabanlı mekânsal veri madenciliği yöntemleri kullanan yeni bir yaklaşım önerilmiştir. Önerilen yaklaşımda veri madenciliği yöntemi olarak K-means (K-ortalamalar), DBSCAN (Gürültülü uygulamaların yoğunluk tabanlı uzamsal kümelenmesi ) ve OPTICS (Kümeleme yapısını belirlemek için noktaları sıralama) algoritmaları kullanılmıştır. Önerilen yaklaşımların deneysel değerlendirmeleri Kayseri Melikgazi Belediyesi'nden alınan gerçek veriler kullanılarak incelenmiştir. Yapılan deneysel değerlendirmelerde OPTICS kümeleme algoritması %90.69 başarı sağlamıştır. Anahtar Kelimeler: Mekânsal veri madenciliği, Kentsel dönüşüm, DBSCAN, K-means, OPTICS