Python kullanarak GPS iz verilerinin kümelenmesi ve optimizasyonu: İstanbul Göztepe Kavşağı Mevkisi örneği

Yıl 2025, Cilt: 10 Sayı: 1, 15 - 28

Emrullah Demiral , İsmail Rakıp Karaş

https://doi.org/10.29128/geomatik.1502643

Öz

Bu çalışma, noktalar ve rotalardan oluşan GPS iz verilerini içeren veri setlerinin kümeleme ve optimize edilmesine yönelik bir metodoloji sunmaktadır. Mesafe ve doğrultu eşik değerleri kullanılarak, coğrafi olarak yakın ve yön olarak hizalanmış noktalar gruplandırılmaktadır. Bu işlem, Python'da NumPy ve Geopy kütüphaneleri kullanılarak yapılmıştır. Bu yaklaşım, çeşitli coğrafi bilgi sistemleri (CBS) ve GPS izleri kullanılarak yol orta hattının çıkarılması problemleri için veri seti boyutunun azaltılması ve optimize edilmesi açısından faydalıdır. Farklı eşik değerleri için veri seti optimize edilmiş ve deneysel sonuçlar, veri seti boyutunu önemli ölçüde azaltırken, kritik mekânsal ilişkileri koruma açısından yöntemin etkinliğini göstermektedir. İstanbul, Göztepe Kavşağı Mevkiinde taksilerden kaydedilmiş GPS izleri üzerinde yapılan çalışma, metodolojinin uygulanabilirliğini ve veri seti boyutunu azaltma potansiyelini ortaya koymaktadır. Geliştirilen kodlar, GitHub’ta açık erişime sunularak paylaşılmıştır.

Anahtar Kelimeler

GPS İzleri, Harita Üretimi, Python, Kümeleme ve Optimizasyon, Büyük Veri

Destekleyen Kurum

Karabük Üniversitesi Bilimsel Araştırma Projeleri (BAP) Birimi

Proje Numarası

KBÜBAP-17-DR-437

Teşekkür

Bu çalışma, Karabük Üniversitesi Bilimsel Araştırma Projeleri (BAP) birimi tarafından desteklenmiştir. Proje Numarası: KBÜBAP-17-DR-437. Desteklerinden dolayı minnettarız.

Kaynakça

• Ahmed, M., Fasy, B. T., Hickmann, K. S., & Wenk, C. (2013). Path-Based Distance For Street Map Comparison. https://doi.org/10.1145/2729977
• Atiz, Ö. F., Konukseven, C., Öğütcü, S., & Alçay, S. (2022). Comparative Analysis of The Performance of Multi-GNSS RTK: A Case Study in Turkey. International Journal of Engineering And Geosciences, 7(1), 67–80. https://doi.org/10.26833/ijeg.878236
• Badran, A., El-Geneidy, A., Miranda-Moreno, L. (2023). A Review of Techniques to Extract Road Network Features from Global Positioning System Data for Transport Modelling. Transport Reviews, 44(1), 69–84. doi.org/10.1080/01441647.2023.2229521
• Biagioni, J., & Eriksson, J. (2012). Inferring road maps from global positioning system traces survey and comparative evaluation. Transportation Research Record, 2291, 61–71. https://doi.org/10. 3141/2291-08
• Chen, B., Ding, C., Ren, W., & Xu, G. (2020). Extended Classification Course Improves Road Intersection Detection from Low-Frequency GPS Trajectory Data. ISPRS International Journal of Geo-Information, 9(3), 181. Doi:10.3390/İjgi9030181
• Dal Poz, A. P., Martins, E. F. O., & Zanin, R. B. (2022). Road Network Extraction Using Gps Trajectories Based on Morphological and Skeletonization Algorithms. The International Archives of The Photogrammetry, Remote Sensing and Spatial Information Sciences, XLIII-B4-2022, 239–245. Doi:10.5194/Isprs-Archives-XLIII-B4-2022-239-2022
• E., Demiral. (2024). Project files and codes at Github repository. Retrieved 18 June 2024, From https://Github.Com/Edemiral78/3_Mergepointsfromoutmost.Git
• Gao, S., Li, M., Rao, J., Mai, G., Prestby, T., Marks, J., & Hu, Y. (2021). Automatic Urban Road Network Extraction from Massive GPS Trajectories of Taxis. In Handbook of Big Geospatial Data (Pp. 261–283). Cham: Springer International Publishing. https://doi.org/10.1145/347090.347119
• Guo, T., Iwamura, K., & Koga, M. (2007). Towards High Accuracy Road Maps Generation from Massive GPS Traces Data. In 2007 IEEE International Geoscience And Remote Sensing Symposium (pp. 667–670). IEEE. Doi:10.1109/IGARSS.2007.4422884
• Karney, C.F.F. Algorithms for geodesics. J Geod 87, 43–55 (2013). https://doi.org/10.1007/s00190-012-0578-z
• Koca, B., & Ceylan, A. (2018). Uydu Konum Belirleme Sistemlerindeki (GNSS) Güncel Durum ve Son Gelişmeler. Geomatik, 63–73. https://doi.org/10.29128/geomatik.348331
• Krumm, J., Davies, N., & Narayanaswami, C. (2008). User-Generated Content. IEEE Pervasive Computing, 7(4), 10–11. Doi:10.1109/MPRV.2008.85
• Leichter, A., & Werner, M. (2019). Estimating Road Segments Using Natural Point Correspondences of GPS Trajectories. Applied Sciences, 9(20), 4255. https://doi.org/10.3390/app9204255
• Li, H., Kulik, L., & Ramamohanarao, K. (2016). Automatic Generation and Validation of Road Maps from GPS Trajectory Data Sets. In Proceedings of the 25th ACM International on Conference on Information and Knowledge Management (pp. 1523–1532). New York, NY, USA: ACM. https://doi.org/10.1145/2983323.2983797
• M. Ezzat, M. Sakr, R. Elgohary, and M. E. Khalifa. (2018). Building Road Segments and Detecting Turns from GPS Tracks. J Comput Sci, vol. 29, pp. 81–93, Nov. 2018, https://doi.org/10.1016/j.jocs.2018.09.011
• Ni, Z., Xie, L., Xie, T., Shi, B., & Zheng, Y. (2018). Incremental Road Network Generation Based on Vehicle Trajectories. ISPRS International Journal of Geo-Information, 7(10), 382. https://doi.org/10.3390/ijgi7100382
• Pırtı, A., & Yazıcı, D. (2022). İnternet Tabanlı GNSS Yazılımlarının Doğruluk Açısından Değerlendirilmesi. Geomatik, 7(2), 88–105. https://doi.org/10.29128/geomatik.882843
• R. Stanojevic, S. Abbar, S. Thirumuruganathan, S. Chawla, F. Filali, and A. Aleimat (2018). Robust Road Map Inference through Network Alignment of Trajectories. in Proceedings of the 2018 SIAM International Conference on Data Mining, Philadelphia, PA: Society for Industrial and Applied Mathematics, 2018, pp. 135–143. https://doi.org/10.1137/1.9781611975321.15
• Qiu, J., & Wang, R. (2016). Automatic Extraction of Road Networks from GPS Traces. Photogrammetric Engineering & Remote Sensing, 82(8), 593–604. https://doi.org/10.14358/PERS.82.8.593
• Tang, L., Ren, C., Liu, Z., & Li, Q. (2017). A Road Map Refinement Method Using Delaunay Triangulation for Big Trace Data. ISPRS International Journal Of Geo-Information, 6(2), 45. https://doi.org/10.3390/ijgi6020045
• URL-1. (2024). A list of public GPS Trajectories datasets. Erişim: 29 Temmuz 2024, https://vis.cs.kent.edu/TrajAnalytics/casestudy.php
• URL-2. (2024). Athens, Berlin and Chicago GPS trajectories datasets. Erişim: 29 Temmuz 2024, http://mapconstruction.org/
• URL-3. (2024). Grafik ve şekillerin yüksek çözünürlüklü versiyonları. Erişim: 29 Temmuz 2024, https://github.com/edemiral78/3_MergePointsFromOutmost/tree/main/G%C3%B6rseller
• URL-4. (2024). OpenStreetMap. Erişim: 29 Temmuz 2024, https://www.openstreetmap.org/copyright
• URL-5. (2024). Geopy Dokümantasyonu. Erişim: 29 Temmuz 2024, https://geopy.readthedocs.io/en/stable/
• URL-6. (2024). Haversine Mesafesi Python Modülü. Erişim: 29 Temmuz 2024, https://scikit-learn.org/stable/modules/generated/sklearn.metrics.pairwise.haversine_distances.html
• URL-7. (2024). GeographicLib Dokümantasyonu. Erişim: 29 Temmuz 2024, https://geographiclib.sourceforge.io/
• URL-8. (2024). NumPy Dokümantasyonu. Erişim: 29 Temmuz 2024, https://numpy.org/doc/stable/
• URL-9. (2024). Matplotlib Dokümantasyonu. Erişim: 29 Temmuz 2024, https://matplotlib.org/stable/contents.html
• Yang, J., Mariescu-Istodor, R., & Fränti, P. (2019). Three Rapid Methods for Averaging GPS Segments. Applied Sciences, 9(22), 4899. https://doi.org/10.3390/app9224899
• Zheng, Z., Rasouli, S., & Timmermans, H. (2014). Evaluating the Accuracy of GPS-based Taxi Trajectory Records. Procedia Environmental Sciences, 22, 186–198. https://doi.org/10.1016/J.Proenv.2014.11.019