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: Belirtilmemiş.
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
- Makine öğrenmesi ve derin öğrenme yöntemleriyle kentsel taşkın riskinin çok boyutlu değerlendirilmesi
A multidimensional assessment of urban flood risk using machine learning and deep learning methods
GÜLŞAH KILIÇ
Yüksek Lisans
Türkçe
2026
Şehircilik ve Bölge Planlamaİstanbul Teknik ÜniversitesiBilişim Uygulamaları Ana Bilim Dalı
PROF. DR. FİLİZ BEKTAŞ BALÇIK
- New deep learning based approaches for land cover classificationin satellite images
Uydu görüntülerinde arazi örtüsü sınıflandırması için yeni derin öğrenme tabanlı yaklaşımlar
BAHAA AWAD
Doktora
İngilizce
2025
Elektrik ve Elektronik Mühendisliğiİstanbul Teknik ÜniversitesiElektronik ve Haberleşme Mühendisliği Ana Bilim Dalı
PROF. DR. IŞIN ERER
- 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
- Deep learning classification of column scraping photographs used in structural health assessment within the scope of transformation of areas under disaster risk plan
Afet risk altındaki alanların dönüşümü planı kapsamında yapısal sağlık değerlendirmesinde kullanılan kolon kazıma fotoğraflarının derin öğrenme ile sınıflandırılması
CAN DEMİR
Yüksek Lisans
İngilizce
2025
İnşaat MühendisliğiÇankaya Üniversitesiİnşaat Mühendisliği Ana Bilim Dalı
DOÇ. DR. SEDA SELÇUK