Kentsel dönüşüm alanlarının derin öğrenme yöntemi ile belirlenmesi
Identification of urban transformation areas with deep learning method
- Tez No: 862752
- Danışmanlar: PROF. DR. ABDURRAHMAN EYMEN
- Tez Türü: Yüksek Lisans
- Konular: Jeodezi ve Fotogrametri, Geodesy and Photogrammetry
- Anahtar Kelimeler: Belirtilmemiş.
- Yıl: 2024
- Dil: Türkçe
- Üniversite: Erciyes Üniversitesi
- Enstitü: Fen Bilimleri Enstitüsü
- Ana Bilim Dalı: Harita Mühendisliği Ana Bilim Dalı
- Bilim Dalı: Harita Mühendisliği Bilim Dalı
- Sayfa Sayısı: 95
Özet
Kentsel dönüşüm, şehirlerin sürdürülebilir gelişiminin ve yaşam kalitesinin artırılmasının kritik bir unsuru olarak kabul edilmektedir. Kayseri ili, Talas İlçesinde yer alan yaklaşık 1200 yapıya ait verilerin incelendiği bu çalışmada, derin öğrenme algoritmaları kullanarak kentsel dönüşüm ihtiyacı olan alanların belirlenmesi amaçlanmıştır. Yapay sinir ağları yardımıyla yapılan analizler, kentsel yapıların mevcut durumunu ve dönüşüm potansiyellerini değerlendirmekte, böylece planlamacılara ve yöneticilere karar verme sürecinde stratejik veri sağlamaktadır. Çalışmanın odak noktası, çalışma alanına ait yapısal, demografik ve coğrafi verilerin kapsamlı analizidir. Bu çok boyutlu veri seti, Talas İlçesinin çeşitliliğini ve dinamiklerini yansıtmakta ve derin öğrenme modelinin eğitimi için zengin bir zemin oluşturmaktadır. Model, 0.95'e varan bir validasyon doğruluk değeri ile kentsel dönüşüme ihtiyaç duyulan yapıları başarıyla sınıflandırmaktadır. Bu yüksek doğruluk oranı, derin öğrenmenin karmaşık kentsel verilerin analizinde ne kadar etkili olabileceğinin bir göstergesidir. Derin öğrenme modelleri, geleneksel istatistiksel yöntemlerin ötesine geçerek, kentsel yapıların ve dönüşüm alanlarının daha detaylı analiz edilmesini sağlamaktadır. Gizli desenleri ve ilişkileri ortaya çıkaran bu teknik, özellikle kentsel dönüşüm alanları için değerli içgörüler sunmaktadır. Nihayetinde bu çalışma, derin öğrenme algoritmalarının kentsel dönüşüm alanlarının belirlenmesindeki uygulanabilirliğini ve etkinliğini kanıtlamakta, aynı zamanda kentsel planlama ve gelişim uygulamalarına önemli katkılarda bulunmaktadır. Elde edilen bulgular, kentsel dönüşüm stratejilerinin geliştirilmesinde ve sürdürülebilir şehirlerin tasarlanmasında değerli bir kaynak olarak hizmet edecektir.
Özet (Çeviri)
Urban transformation is regarded as a critical element in enhancing the sustainable development and quality of life in cities. This study examines data from approximately 1200 structures located in the Talas District of Kayseri Province, aiming to identify areas in need of urban transformation using deep learning algorithms. Analyses conducted with artificial neural networks assess the current state and transformation potential of urban structures, thereby providing strategic data to planners and administrators for the decision-making process. The focus of this study is a comprehensive analysis of the structural, demographic, and geographical data pertaining to the study area. This multidimensional dataset reflects the diversity and dynamics of the Talas District, forming a rich foundation for the training of the deep learning model. The model successfully classifies structures requiring urban transformation with a validation accuracy of up to 0.95. This high accuracy rate demonstrates the effectiveness of deep learning in analyzing complex urban data. Deep learning models surpass traditional statistical methods, enabling a more detailed analysis of urban structures and transformation areas. This technique, revealing hidden patterns and relationships, offers valuable insights, especially for urban transformation areas. Ultimately, this work proves the applicability and efficiency of deep learning algorithms in identifying urban transformation areas, while also making significant contributions to urban planning and development practices. The findings will serve as a valuable resource in the development of urban transformation strategies and the design of sustainable cities.
Benzer Tezler
- Derin öğrenme ile yeşil alanların çıkarımı
Exraction of green areas with deep learning
YUSUF YEKTA GÜZEL
Yüksek Lisans
Türkçe
2021
Jeodezi ve FotogrametriYıldız Teknik ÜniversitesiHarita Mühendisliği Ana Bilim Dalı
DR. ÖĞR. ÜYESİ ANİME MELİS UZAR DİNLEMEK
- Istanbul walkabouts: A critical walking research of Northern Istanbul
İstanbul seferleri: Kuzey İstanbul'un eleştirel yürüme araştırması
NAZLI TÜMERDEM MEDARİC
Doktora
İngilizce
2018
Mimarlıkİstanbul Teknik ÜniversitesiMimarlık Ana Bilim Dalı
PROF. DR. ARZU ERDEM
PROF. DR. SİBEL BOZDOĞAN
- Uzaktan algılama ve derin öğrenme yöntemleri ile İstanbul'un yerel iklim alanları ve yer yüzeyi sıcaklığı değişimleri arasındaki ilişkinin incelenmesi
Investigation of the relationship between local climate zones and land surface temperature changes in İstanbul using remote sensing and deep learning methods
MELİKE NİCANCI SİNANOĞLU
Yüksek Lisans
Türkçe
2024
Jeodezi ve Fotogrametriİstanbul Teknik Üniversitesiİletişim Sistemleri Ana Bilim Dalı
PROF. DR. ŞİNASİ KAYA
- Yaratıcı kümeler ve kentsel mekan ilişkileri: Karaköy Mumhane Caddesi, Murakıp Sokak ve Kılıç Ali Paşa Medresesi Sokak üzerinden bir değerlendirme
Creative clusters and public space relations: An evaluation on Karakoy Mumhane Avenue, Murakip Street and Kiliç Ali Pasa Medresesi Street
TUBA ÖZTÜRK ÇAKIR
Yüksek Lisans
Türkçe
2021
MimarlıkMimar Sinan Güzel Sanatlar ÜniversitesiMimarlık Ana Bilim Dalı
DOÇ. DR. AYŞE DERİN ÖNCEL
- Mekânsal ve sosyal ayrışmanın yarattığı mahalle tipolojileri ve Muhtar deneyimleri üzerine fenomenolojik bir alan araştırması
A phenomenological field study on neighborhood typologies and Mukhtar (headman) experiences created by spatial and social segregation
FATİH ÇİÇEK
Doktora
Türkçe
2023
Kamu YönetimiDokuz Eylül ÜniversitesiKamu Yönetimi Ana Bilim Dalı
DOÇ. DR. LEVENT YILMAZ