Journals / Geomatik / 2020 / Cilt: 5 - Sayı: 3

Mobil Lidar Verisi İle Kent Ölçeğinde Cadde Bazlı Envanter Çalışması ve Coğrafi Sistemleri Entegrasyonu-Ankara Örneği

Journal
Geomatik
Pages
193–200
Publication Date
2020-12-01
DOI
—
🏛️Bibliographic metadata and full text access for this article are provided via DergiPark.
DergiPark Record ↗
✨

AI Summary & Key Takeaways

AI Insight
⚡ TL;DR(Too Long; Didn't Read)

Ayrıca ML yönteminin envanter verilerinin toplanmasında çok etkin, hızlı ve hassas bir yöntem olduğu değerlendirilmiştir.

📌 3 Key Takeaways

🎯
Objective & Hypothesis:Mobil lidar (ML) yöntemi 1990’lı yıllardan bu yana birçok mühendislik alanında etkin olarak kullanılmaktadır.
📊
Key Findings & Data:Kent ölçeğinde çok önemli bir yeri olan envanter verileri ile farklı birçok disiplinin de kullanılabileceği veri setleri oluşturulabilmektedir.
💡
Conclusion & Impact:Ayrıca ML yönteminin envanter verilerinin toplanmasında çok etkin, hızlı ve hassas bir yöntem olduğu değerlendirilmiştir.
🔬Design:Research Article
📍Scope:Comprehensive Sample
⚙️Variables:Envanter Verisi · Veri Toplama · CBS

Özet

Mobil lidar (ML) yöntemi 1990’lı yıllardan bu yana birçok mühendislik alanında etkin olarak kullanılmaktadır. Özellikle kentsel tasarım, afet yönetimi gibi disiplinlerde yaygın uygulama alanı olan ML, bu disiplinlerin temel ihtiyacı olan envanter verilerinin toplanmasında önemli bir altlık görevi görmektedir. Kent ölçeğinde çok önemli bir yeri olan envanter verileri ile farklı birçok disiplinin de kullanılabileceği veri setleri oluşturulabilmektedir. Bu çalışmanın amacı seçilen bir uygulama alanında kente ait binalar, yollar, ibadethaneler ve benzeri objelerin ML verisi ile toplanarak belirli standartlar çerçevesinde Coğrafi Bilgi Sistemleri (CBS) ile değerlendirilmesidir. Bu kapsamda Ankara ili Balgat ilçesinde ML verisi ile bir uygulama gerçekleştirilmiştir. Topcon IP_S2 ML sistemi ile toplanan veriler Spatial Factory yazılımı ile değerlendirilmiş, nokta bulutu verileri ve panoramik görüntüler yardımı ile elde edilen metrik ve öznitelik bilgileri doğrudan CBS veri tabanına aktarılmıştır. Çalışmanın sonucunda mevcut nesnelerin kimlik bilgileri tek bir çatı altında toplanılmış ve CBS ile kullanıma, sorgulamaya ve analiz işlemlerine hazır hale getirilmiştir. Ayrıca ML yönteminin envanter verilerinin toplanmasında çok etkin, hızlı ve hassas bir yöntem olduğu değerlendirilmiştir.

🔖

Cite This Article

KELEŞ, M. D., AYDIN, C. C. (2020). Mobil Lidar Verisi İle Kent Ölçeğinde Cadde Bazlı Envanter Çalışması ve Coğrafi Sistemleri Entegrasyonu-Ankara Örneği. Geomatik, Cilt: 5 - Sayı: 3, 193–200. https://ajindex.com/articles/668153

📄 Full Text PDF Viewer

📄

PDF görüntüleyici hazırlanıyor...

References (11)

  1. AFAD. Afet ve Acil Durum Yönetimi Başkanlığı. https://www.afad.gov.tr/, Türkiye (05 Nisan 2019). AYDES. Afet Yönetimi Karar Destek Sistemi. https://www.afad.gov.tr/tr/3639/Afet-Yonetim-ve-Karar-Destek-Sistemi-Projesi-AYDES, Ankara (05 Nisan 2019).
  2. Aydınoğlu, C.A., 2010. INSPIRE Direktifi Perspektifinde Ulusal Coğrafi Altyapıları, https://webdosya.csb.gov.tr/db/cbs/icerikler/inspire-booklet_v2 20180626135558.pdf, (5 Şubat 2019).
  3. Aydin, C.C. Designing Building Façades For The Urban Rebuilt Environment With İntegration Of Digital Close-Range Photogrammetry And Geographical İnformation Systems, Automation in Construction 2014, 43, 38–48.
  4. Duran, Z., Aydar, U. Digital Modeling Of World’s First Known Length Reference Unit: The Nippur Cubit Rod, Journal of Cultural Heritage 2012, 13, 352-356. EMERCOM. Acil Haller Bakanlığı. http://en.mchs.ru/ Rusya (01 Nisan 2019). EPC. Acil Haller Hazırlık teşkilatı. https://www.getprepared.gc.ca/index-eng.aspx, Kanada (01 Nisan 2019). FEMA. Federal Acil Durum Yönetimi Kurumu, https://www.fema.gov ABD (05 Nisan 2019).
  5. Hanusch, T., 2006. Combining Photogrammetry And Laser Scanning for The Recording And Modelling of The Late Intermediate Period Site of Pinchango Alto, Palpa, Peru, Journal of Archaeological Science, Germany, Switzerland, Austria, Vol. 34, pp. 1702-1712.
  6. Koziatek, O., Dragićevići, S., 2017. City 3D: A Geosimualtion Method And Tool for Three-Dimensional Modeling of Vertical Urban Development, Elsevier, pp. 356-367.
  7. Kukko, A., Anttila K., Manninenb, T., Kaasalainen, S., Kaartinena, H., 2013a, Snow Surface Roughness From Mobile Laser Scanning Data, Elsevier, pp. 23-35
  8. Kukko A, Anttila K, Manninen T, Kaasalainen S, Kaartinen H. Snow Surface Roughness From Mobile Laser Scanning Data, Cold Regions Science And Technology. 2013b; 96:23–35.
  9. Lambers, K., Eisenbeiss, H., Sauerbier, M., Kupferschmidt, D., Gaisecker, T., Sotoodeh, S., Hanusch, T., 2006. Combining Photogrammetry And Laser Scanning for The Recording And Modelling of The Late Intermediate Period Site of Pinchango Alto, Palpa, Peru, Journal of Archaeological Science, Germany, Switzerland, Austria, Vol. 34, pp. 1702-1712
  10. Muellera, J., Lub, H., Chirkinb, A., Kleina, B., 2018a. Citizen Design Science: A Strategy For Crowd-Creature Urban Design. Elsevier, Switzerland, Singapur, pp. 181-188 MUES. Müzeler Ulusal Envanter sistemi http://www.kulturvarliklari.gov.tr/TR,98489/muzeler-ulusal-envanter-sistemi-mues.html, (04 Mart 2019).
  11. Puente, I., González-Jorge, H., Martínez-Sá