Akıllı şehirler için kentsel yangın risk yönetimine yönelik model tasarımı
Model design for urban fire risk management for smart cities
- Tez No: 973253
- Danışmanlar: PROF. DR. ABDURRAHMAN EYMEN
- Tez Türü: Doktora
- Konular: Jeodezi ve Fotogrametri, Geodesy and Photogrammetry
- Anahtar Kelimeler: Akıllı kentler, Coğrafi bilgi sistemleri, Destek vektör regresyonu, Orman yangınları, Uzaktan algılama, Yapay zeka ve makine öğrenmesi dersi, Smart cities, Geographical information systems, Support vector regression, Forest fires, Remote sensing, Artificial intelligence and machine learning course
- Yıl: 2025
- Dil: Türkçe
- Üniversite: Erciyes Üniversitesi
- Enstitü: Fen Bilimleri Enstitüsü
- Ana Bilim Dalı: Harita Mühendisliği Ana Bilim Dalı
- Bilim Dalı: Belirtilmemiş.
- Sayfa Sayısı: Belirtilmemiş.
Özet
Kentleşme ve iklim değişikliğinin tetiklediği yangın afeti, karmaşık ve çok ölçekli dinamikleriyle başa çıkabilmek için geleneksel müdahale yöntemlerinin ötesinde, teknoloji entegrasyonuna dayalı proaktif çözümler gerektirmektedir. Bu çalışma, akıllı şehir paradigmasından ilham alarak, yangın riskini ve dinamiklerini makro (peyzaj), mezo (şehir) ve mikro (bina/mahalle) olmak üzere üç farklı mekânsal ölçekte bütüncül olarak analiz eden bir model sunmaktadır. Bu amaçla Uzaktan Algılama (UA), Coğrafi Bilgi Sistemleri (CBS), Makine Öğrenmesi (ML) ve Hesaplamalı Akışkanlar Dinamiği (CFD) gibi modern teknolojileri entegre eden yenilikçi bir metodoloji önerilmektedir. Tez kapsamında üç ana uygulama gerçekleştirilmiştir. Makro ölçekte, 2023 Quebec (Kanada) orman yangınları, uydu verileri kullanılarak Mekansal-zamansal yoğunluk tabanlı kümeleme (ST-DBSCAN) algoritması ile analiz edilmiştir. Yangın Radyatif Gücü (FRP) ve Normalize Edilmiş Yanma Oranı Farkı (ΔNBR) metrikleri aracılığıyla, yangınların termal yoğunluğu, yayılımı ve ekolojik etkileri arasındaki doğrusal olmayan ilişkiler ortaya konulmuştur. Mezo ölçekte, Kayseri özelinde kentsel yangın müdahale sürelerini tahmin etmek amacıyla CBS tabanlı makine öğrenmesi modelleri Aşırı Gradyan Arttırma (XGBoost) ve Destek Vektör Regresyonu (SVR) kullanılmıştır. Analizler sonucunda, Extreme Gradient Boosting modelinin 1.67 dakika Ortalama Mutlak Hata (MAE) ile daha başarılı olduğu saptanmıştır. Ayrıca Dijkstra algoritması ile en uygun müdahale rotaları belirlenmiştir. Mikro ölçekte, risk puanlamasıyla belirlenen pilot bir kentsel alanda CFD tabanlı Yangın Dinamikleri Simülatörü (FDS) modeli ile yangın ve duman yayılımı üç boyutlu olarak simüle edilmiştir. Simülasyonlar kentsel morfolojinin dumanın yayılımını ve olası tahliye yollarını kritik düzeyde etkilediğini göstermiştir. Geliştirilen bu bütünleşik model, geleneksel reaktif müdahale yaklaşımlarından proaktif ve veri odaklı risk yönetimine geçişi sağlayarak, akıllı şehirler için yangın afetinin farklı mekânsal düzeylerde analiz edilip yönetilmesine yönelik güçlü, uygulanabilir ve bilimsel temellere dayalı bir yol haritası sunmaktadır.
Özet (Çeviri)
Driven by urbanization and climate change, fire disasters demand proactive, technology-enabled solutions that go beyond traditional response methods to cope with their complex, multi-scale dynamics. Inspired by the smart city paradigm, this study proposes a model that analyzes fire risk and dynamics holistically across three spatial scales—macro (landscape), meso (city), and micro (building/neighborhood). To this end, an innovative methodology is introduced that integrates modern technologies including Remote Sensing (RS), Geographic Information Systems (GIS), Machine Learning (ML), and Computational Fluid Dynamics (CFD). Three main applications were conducted. At the macro scale, the 2023 Québec (Canada) wildfires were analyzed using satellite data and the spatiotemporal density-based clustering algorithm ST-DBSCAN. Using Fire Radiative Power (FRP) and the Differenced Normalized Burn Ratio (dNBR), the study reveals nonlinear relationships between thermal intensity, spread, and ecological impacts of the fires. At the meso scale, GIS-based ML models—Extreme Gradient Boosting (XGBoost) and Support Vector Regression (SVR)—were employed to predict urban fire response times for the city of Kayseri. The analyses show that XGBoost achieved superior performance, with a Mean Absolute Error (MAE) of 1.67 minutes. In addition, optimal response routes were identified via Dijkstra's algorithm. At the micro scale, within a pilot urban area selected through risk scoring, three-dimensional simulations of fire and smoke propagation were performed using the CFD-based Fire Dynamics Simulator (FDS). The simulations demonstrate that urban morphology critically influences smoke dispersion and potential evacuation routes. Overall, the integrated model advances from traditional reactive response toward proactive, data-driven risk management, providing a robust, practical, and scientifically grounded roadmap for analyzing and managing fire disasters across multiple spatial scales in smart cities.
Benzer Tezler
- Coğrafı̇ bı̇lgı̇ teknolojı̇lerı̇ ı̇le akıllı şehı̇r tasarımı
Designing geographic information system framework for smart cities
ABDULLAH SAİD TÜRKSEVER
Yüksek Lisans
Türkçe
2019
Jeodezi ve Fotogrametriİstanbul Teknik ÜniversitesiGeomatik Mühendisliği Ana Bilim Dalı
PROF. DR. TAHSİN YOMRALIOĞLU
- Assessment of urbanization history of Addis Ababa city, Ethiopia
Addıs Ababa cıty, Ethıopıa'nın kentleşme tarihinin değerlendirilmesi
ABDURAHMAN HUSSEN YIMER
Yüksek Lisans
İngilizce
2023
Şehircilik ve Bölge PlanlamaMersin ÜniversitesiŞehir ve Bölge Planlama Ana Bilim Dalı
DOÇ. DR. ALİ CENAP YOLOĞLU
- Smart cities; analyzing themes and concepts of smartness in urban environments
Akıllı şehirler; kentsel çevrede akıllılık temalarının ve kavramlarının analizi
ALI YOUSEFIMEHR
Yüksek Lisans
İngilizce
2019
Mimarlıkİhsan Doğramacı Bilkent ÜniversitesiMimarlık Ana Bilim Dalı
Assist. Prof. Dr. GIORGIO GASCO
- Akıllı şehir uygulamaları için KVKK uyumlu yeni bir model geliştirilmesi
Developing a new model for smart city applications in compliance with KVKK
MAZLUM ÖZÇAĞDAVUL
- Analysing the user experience of smart city mobility through applications in İstanbul
Akıllı kent mobilyasının İstanbul'daki uygulamalar üzerinden kullanıcı deneyiminin incelenmesi
FERİHA ÖYKÜ ANLIATAMER