Kitle Kaynak POI verilerinin Çıkarılması
Öz
Günümüzde web üzerinde kullanıcılar tarafından üretilen konumsal verinin miktarı her geçen gün büyük bir hızla artmaktadır. Bu da, özellikle konumsal uygulamaların geliştirilmesi için web üzerindeki konumsal verileri önemli bir bilgi kaynağı haline getirmektedir. Özellikle açık veri politikası ile birlikte kitle kaynak girişimlerinin yaygınlaşması ve başarısı, konumsal veri üreticisi kurum ve kuruluşların veri toplamada kitle kaynaklı coğrafi bilgileri kullanma olasılıklarını değerlendirmeye sevk etmiştir. Bu bağlamda ulusal harita kurumları, veri tabanlarını güncellemek için ya kitle kaynak yaklaşımıyla oluşturulan açık harita kaynaklarını kullanmakta ya da gönüllü coğrafi bilgi yaklaşımıyla veri toplamak için mobil ve web uygulamaları geliştirmektedir. Bu noktadan hareketle, Harita Genel Müdürlüğü uygulamaları kapsamında belirlenen POI verileri, OpenStreetMap, Wikimapia ve GoogleMaps harita servislerinden çıkarılarak veri kaynakları arasındaki farklılıklar irdelenmiştir.
Anahtar Kelimeler
Kitle kaynak, Gönüllü coğrafi bilgi, İlgi çekici nokta, OpenStreetMap, Wikimapia, GoogleMaps
Kaynakça
- Andrade, R., Alves, A., & Bento, C. (2020). POI mining for land use classification: A case study. ISPRS International Journal of Geo-Information, 9(9), 493, doi: 10.3390/ijgi9090493.
- Bakillah, M., Liang, S., Mobasheri, A., Jokar Arsanjani, J., & Zipf, A. (2014). Fine-resolution population mapping using OpenStreetMap points-of-interest. International Journal of Geographical Information Science, 28(9), 1940-1963.
- Bao, J., Xu, C., Liu, P., & Wang, W. (2017). Exploring bikesharing travel patterns and trip purposes using smart card data and online point of interests. Networks and Spatial Economics, 17(4), 1231-1253.
- Bast, H., Brosi, P., Kalmbach, J., & Lehmann, A. (2021, November). An efficient RDF converter and SPARQL endpoint for the complete OpenStreetMap data. In Proceedings of the 29th International Conference on Advances in Geographic Information Systems, 2021. (pp. 536-539). SIGSPATIAL'21.
- Chen, L., Zhang, D., Pan, G., Ma, X., Yang, D., Kushlev, K., Zhang, W., & Li, S. (2015, September). Bike sharing station placement leveraging heterogeneous urban open data. In Proceedings of the 2015 ACM International Joint Conference on Pervasive and Ubiquitous Computing, 2015. (pp. 571-575). UbiComp'15.
- Cheng, F., Liu, S., Hou, X., Zhang, Y., Dong, S., Coxixo, A., & Liu, G. (2018). Urban land extraction using DMSP/OLS nighttime light data and OpenStreetMap datasets for cities in China at different development levels. IEEE Journal of Selected Topics in Applied Earth Observations and Remote Sensing, 11(8), 2587-2599.
- Ciepłuch, B., Jacob, R., Mooney, P., & Winstanley, A. C. (2010, July). Comparison of the accuracy of OpenStreetMap for Ireland with Google Maps and Bing Maps. In Proceedings of the Ninth International Symposium on Spatial Accuracy Assessment in Natural Resuorces and Enviromental Sciences, 2010. (pp. 337).
- GoogleMaps API. (2021, October 17). Google maps platform, Retrieved from https://developers.google.com/maps. Klinkhardt, C., Woerle, T., Briem, L., Heilig, M., Kagerbauer, M., & Vortisch, P. (2021). Using OpenStreetMap as a Data Source for Attractiveness in Travel Demand Models. Transportation Research Record, 2675(8), 294-303.
- Lamprianidis, G., Skoutas, D., Papatheodorou, G., & Pfoser, D. (2014, November). Extraction, integration and analysis of crowdsourced points of interest from multiple web sources. In Proceedings of the 3rd ACM SIGSPATIAL International Workshop on Crowdsourced and Volunteered Geographic Information, 2014. (pp. 16-23). GeoCrowd’14.
- Mummidi, L. N., & Krumm, J. (2008). Discovering points of interest from users’ map annotations. GeoJournal, 72(3), 215-227.
