KaydedilenlerDerginizi ekleyin

Dergiler / Niğde Ömer Halisdemir Üniversitesi Mühendislik Bilimleri Dergisi / 2026 / Cilt: 18

Kayseri’de OpenStreetMap tesis verilerinin eksiksizliği ve konumsal uyumunun belediye referansına dayalı değerlendirilmesi

Municipal-reference-based assessment of OpenStreetMap facility data completeness and positional agreement in Kayseri

Talha Taşkanat(ERCİYES ÜNİVERSİTESİ)0000-0001-6273-9298
Sayfa
—
Yayın Tarihi
2026-09-30
🏛️Bu makalenin bibliyografik verileri ve tam metin bağlantısı DergiPark üzerinden sağlanmıştır.
DergiPark Kaydı ↗
✨

Yapay Zeka Hızlı Bakış & Çıkarımlar

AI Insight
⚡ TL;DR(1 Cümlede Hızlı Çıkarım)

Bulgular, kesinleştirilmiş kayıtlar üzerinden genel eksiksizliğin 0.559 (belirsizlik aralığı: 0.547-0.569) olduğunu göstermektedir.

📌 3 Maddede Bu Makale

🎯
Amaç & Hipotez:OpenStreetMap (OSM), tesis ve ilgi noktası verileri için yaygın kullanılan bir gönüllü coğrafi bilgi kaynağıdır; ancak kapsama, anlamsal etiketleme ve geometri temsili yerleşim bağlamına göre değişebilmektedir.
📊
Temel Bulgular & Veri:Otomatik aday taraması ve tabakalı insan incelemesi (n=495) kullanılarak; belediye kayıtlarının göreli eksiksizliği, anlamsal tanımlanabilirliği ve konumsal uyumu değerlendirilmiştir.
💡
Sonuç & Katkı:Bulgular, kesinleştirilmiş kayıtlar üzerinden genel eksiksizliğin 0.559 (belirsizlik aralığı: 0.547-0.569) olduğunu göstermektedir.
🔬Tür:Araştırma Makalesi
📍Kapsam:Genişletilmiş Akademik Örneklem
⚙️Değişkenler:OpenStreetMap · mekânsal veri kalitesi · belediye açık verisi

Özet

OpenStreetMap (OSM), tesis ve ilgi noktası verileri için yaygın kullanılan bir gönüllü coğrafi bilgi kaynağıdır; ancak kapsama, anlamsal etiketleme ve geometri temsili yerleşim bağlamına göre değişebilmektedir. Bu çalışma, Kayseri Büyükşehir Belediyesi açık verilerinde yer alan eczane, akaryakıt istasyonu, cami, hastane ve okul kayıtlarının belirli bir OSM anlık görüntüsünde nasıl temsil edildiğini incelemektedir. Otomatik aday taraması ve tabakalı insan incelemesi (n=495) kullanılarak; belediye kayıtlarının göreli eksiksizliği, anlamsal tanımlanabilirliği ve konumsal uyumu değerlendirilmiştir. Bulgular, kesinleştirilmiş kayıtlar üzerinden genel eksiksizliğin 0.559 (belirsizlik aralığı: 0.547-0.569) olduğunu göstermektedir. Tesis kategorileri arasında en yüksek eksiksizlik akaryakıt istasyonlarında, en düşük temsil ise okullarda gözlemlenmiştir. Ayrıca, merkez ilçelerdeki temsil (0.673), merkez dışı ilçelere (0.411) kıyasla belirgin şekilde daha yüksektir. Konumsal uyum analizinde, ağırlıklı geometri medyan mesafesinin 0 m, temsilci nokta medyan mesafesinin ise 10.409 m olduğu tespit edilmiştir. Sonuçlar, kaynak belirsizliği, geometri farklılıkları ve insan doğrulaması dikkate alındığında, belediye açık verilerinin OSM’deki potansiyel temsil boşluklarını belirlemede yararlı bir kurumsal referans olarak kullanılabileceğini göstermektedir.

Abstract

OpenStreetMap (OSM), tesis ve ilgi noktası verileri için yaygın kullanılan bir gönüllü coğrafi bilgi kaynağıdır; ancak kapsama, anlamsal etiketleme ve geometri temsili yerleşim bağlamına göre değişebilmektedir. Bu çalışma, Kayseri Büyükşehir Belediyesi açık verilerinde yer alan eczane, akaryakıt istasyonu, cami, hastane ve okul kayıtlarının belirli bir OSM anlık görüntüsünde nasıl temsil edildiğini incelemektedir. Otomatik aday taraması ve tabakalı insan incelemesi (n=495) kullanılarak; belediye kayıtlarının göreli eksiksizliği, anlamsal tanımlanabilirliği ve konumsal uyumu değerlendirilmiştir. Bulgular, kesinleştirilmiş kayıtlar üzerinden genel eksiksizliğin 0.559 (belirsizlik aralığı: 0.547-0.569) olduğunu göstermektedir. Tesis kategorileri arasında en yüksek eksiksizlik akaryakıt istasyonlarında, en düşük temsil ise okullarda gözlemlenmiştir. Ayrıca, merkez ilçelerdeki temsil (0.673), merkez dışı ilçelere (0.411) kıyasla belirgin şekilde daha yüksektir. Konumsal uyum analizinde, ağırlıklı geometri medyan mesafesinin 0 m, temsilci nokta medyan mesafesinin ise 10.409 m olduğu tespit edilmiştir. Sonuçlar, kaynak belirsizliği, geometri farklılıkları ve insan doğrulaması dikkate alındığında, belediye açık verilerinin OSM’deki potansiyel temsil boşluklarını belirlemede yararlı bir kurumsal referans olarak kullanılabileceğini göstermektedir.

🔖

Bu Makaleye Atıf Yap

Taşkanat, T. (2026). Kayseri’de OpenStreetMap tesis verilerinin eksiksizliği ve konumsal uyumunun belediye referansına dayalı değerlendirilmesi. Niğde Ömer Halisdemir Üniversitesi Mühendislik Bilimleri Dergisi, Cilt: 18. https://doi.org/10.28948/ngumuh.2006572

📄 Tam Metin PDF Okuyucu

📄

PDF görüntüleyici hazırlanıyor...

Kaynakça (41)

  1. J.-F. Girres and G. Touya, “Quality assessment of the French OpenStreetMap dataset,” Transactions in GIS, 14 (4), 435-459, 2010. https://doi.org/10.1111/j.1467-9671.2010.01203.x
  2. C. Barron, P. Neis and A. Zipf, “A comprehensive framework for intrinsic OpenStreetMap quality analysis,” Transactions in GIS, 18 (6), 877-895, 2014. https://doi.org/10.1111/tgis.12073
  3. V. Antoniou and A. Skopeliti, “Measures and indicators of VGI quality: An overview,” ISPRS Annals of the Photogrammetry, Remote Sensing and Spatial Information Sciences, 345-351, 2015. https://doi.org/10.5194/isprsannals-II-3-W5-345-2015
  4. H. Senaratne, A. Mobasheri, A. L. Ali, C. Capineri and M. M. Haklay, “A review of volunteered geographic information quality assessment methods,” International Journal of Geographical Information Science, 31 (1), 139-167, 2017. https://doi.org/10.1080/13658816.2016.1189556
  5. L. C. Degrossi, J. P. de Albuquerque, R. S. Rocha and A. Zipf, “A taxonomy of quality assessment methods for volunteered and crowdsourced geographic information,” Transactions in GIS, 22 (2), 542-560, 2018. https://doi.org/10.1111/tgis.12329
  6. ISO, ISO 19157:2023 Geographic Information – Data Quality – Part 1: General Requirement, 2023.
  7. OpenStreetMap, “OpenStreetMap Wiki, Elements.” [Çevrimiçi]. Erişim adresi: https://wiki.openstreetmap.org/wiki/Elements. Erişim tarihi: 15.07.2026.
  8. OpenStreetMap, “OpenStreetMap Wiki, Tags.” [Çevrimiçi]. Erişim adresi: https://wiki.openstreetmap.org/wiki/Tags. Erişim tarihi: 15.07.2026.
  9. A. Vetrò, L. Canova, M. Torchiano, C. Orozco Minotas, R. Iemma and F. Morando, “Open data quality measurement framework: Definition and application to Open Government Data,” Government Information Quarterly, 33 (2), 325-337, 2016. https://doi.org/10.1016/j.giq.2016.02.001
  10. P. A. Johnson, “Models of direct editing of government spatial data: Challenges and constraints to the acceptance of contributed data,” Cartography and Geographic Information Science, 44 (2), 128-138, 2017. https://doi.org/10.1080/15230406.2016.1176536
  11. M. Yi, “Exploring the quality of government open data,” The Electronic Library, 37 (1), 35-48, 2019. https://doi.org/10.1108/EL-06-2018-0124
  12. A. Quarati, M. De Martino and S. Rosim, “Geospatial open data usage and metadata quality,” ISPRS International Journal of Geo-Information, 10 (1), 30, 2021. https://doi.org/10.3390/ijgi10010030
  13. M. E. Yıldırım and C. Cömert, “Open data and the status in Türkiye,” Turkish Journal of Remote Sensing and GIS, 6 (1), 12-31, 2025. https://doi.org/10.48123/rsgis.1601908
  14. T. Taşkanat, A. Karaağaç, E. Beşdok ve B. Bostancı, “Kentsel sorunların yönetimi için bir gönüllü coğrafi bilgi mobil uygulaması geliştirilmesi,” Geomatik, 3 (1), 84-91, 2018. https://doi.org/10.29128/geomatik.371144
  15. M. Hacar, B. Kılıç and K. Şahbaz, “Analyzing OpenStreetMap road data and characterizing the behavior of contributors in Ankara, Turkey,” ISPRS International Journal of Geo-Information, 7 (10), 400, 2018. https://doi.org/10.3390/ijgi7100400
  16. K. C. Küçük and B. Anbaroğlu, “Spatial accuracy assessment of buildings in OpenStreetMap,” International Journal of Environment and Geoinformatics, 7 (2), 205-212, 2020. https://doi.org/10.30897/ijegeo.710508
  17. B. Kılıç, M. Hacar and F. Gülgen, “Effects of reverse geocoding on OpenStreetMap tag quality assessment,” Transactions in GIS, 27 (5), 1599-1613, 2023. https://doi.org/10.1111/tgis.13089
  18. H. I. Şenol, “Semi-automatic data enrichment for Open Street Map (OSM) using deep learning algorithms,” Muğla Journal of Science and Technology, 10 (2), 78-87, 2024. https://doi.org/10.22531/muglajsci.1521654
  19. F. Balducci, “Is OpenStreetMap a good source of information for cultural statistics? The case of Italian museums,” Environment and Planning B: Urban Analytics and City Science, 48 (3), 503-520, 2019. https://doi.org/10.1177/2399808319876949
  20. C. Klinkhardt et al., “Quality assessment of OpenStreetMap’s points of interest with large-scale real data,” Transportation Research Record: Journal of the Transportation Research Board, 2677 (12), 661-674, 2023. https://doi.org/10.1177/03611981231169280
  21. J. J. Arsanjani and M. Bakillah, “Understanding the potential relationship between the socio-economic variables and contributions to OpenStreetMap,” International Journal of Digital Earth, 8 (11), 861-876, 2015. https://doi.org/10.1080/17538947.2014.951081
  22. D. Ferreira, M. Vale, R. M. Carmo, L. Encalada-Abarca and C. Marcolin, “The three levels of the urban digital divide: Bridging issues of coverage, usage and its outcomes in VGI platforms,” Geoforum, 124, 195-206, 2021. https://doi.org/10.1016/j.geoforum.2021.05.002
  23. Kayseri Valiliği, “Talas İlçesi.” [Çevrimiçi]. Erişim adresi: https://www.kayseri.gov.tr/talas. Erişim tarihi: 15.07.2026.
  24. Kayseri Valiliği, “Melikgazi İlçesi.” [Çevrimiçi]. Erişim adresi: https://www.kayseri.gov.tr/melikgazi. Erişim tarihi: 15.07.2026.
  25. Kayseri Valiliği, “Kocasinan İlçesi.” [Çevrimiçi]. Erişim adresi: https://www.kayseri.gov.tr/kocasinan. Erişim tarihi: 15.07.2026.
  26. Kayseri Büyükşehir Belediyesi, “Açık Veri Platformu.” [Çevrimiçi]. Erişim adresi: https://www.kayseri.bel.tr/projelerimiz/acik-veri-platformu. Erişim tarihi: 15.07.2026.
  27. OpenStreetMap, “OpenStreetMap Wiki, Overpass API/Language Guide.” [Çevrimiçi]. Erişim adresi: https://wiki.openstreetmap.org/wiki/Overpass_API/Language_Guide. Erişim tarihi: 15.07.2026.
  28. E. B. Wilson, “Probable inference, the law of succession, and statistical inference,” Journal of the American Statistical Association, 22 (158), 209-212, 1927. https://doi.org/10.1080/01621459.1927.10502953
  29. L. Kish, Survey Sampling, 1965.
  30. P. J. Huber, “The behavior of maximum likelihood estimates under nonstandard conditions,” Proceedings of the Fifth Berkeley Symposium on Mathematical Statistics and Probability, 221-233, Berkeley, CA, 1967.
  31. H. White, “A heteroskedasticity-consistent covariance matrix estimator and a direct test for heteroskedasticity,” Econometrica, 48 (4), 817, 1980. https://doi.org/10.2307/1912934
  32. E. J. Hoffmann, M. Werner and X. X. Zhu, “Quality assessment of semantic tags in OpenStreetMap,” IOP Conference Series: Earth and Environmental Science, 509, 012025, 2020. https://doi.org/10.1088/1755-1315/509/1/012025
  33. F. Biljecki, Y. S. Chow and K. Lee, “Quality of crowdsourced geospatial building information: A global assessment of OpenStreetMap attributes,” Building and Environment, 237, 110295, 2023. https://doi.org/10.1016/j.buildenv.2023.110295
  34. S. Ahmadian and P. Pahlavani, “A fuzzy rough approach to analyze the significance of semantic levels for building tags in OpenStreetMap,” Transactions in GIS, 28 (7), 2062-2088, 2024. https://doi.org/10.1111/tgis.13222
  35. C. C. Fonte et al., “VGI quality control,” ISPRS Annals of the Photogrammetry, Remote Sensing and Spatial Information Sciences, 317-324, 2015. https://doi.org/10.5194/isprsannals-II-3-W5-317-2015
  36. L. W. Yeow, R. Low, Y. X. Tan and L. Cheah, “Point-of-Interest (POI) data validation methods: An urban case study,” ISPRS International Journal of Geo-Information, 10 (11), 735, 2021. https://doi.org/10.3390/ijgi10110735
  37. G. Touya, V. Antoniou, A.-M. Olteanu-Raimond and M.-D. Van Damme, “Assessing crowdsourced POI quality: Combining methods based on reference data, history, and spatial relations,” ISPRS International Journal of Geo-Information, 6 (3), 80, 2017. https://doi.org/10.3390/ijgi6030080
  38. Y. Deng, A. Luo, J. Liu and Y. Wang, “Point of interest matching between different geospatial datasets,” ISPRS International Journal of Geo-Information, 8 (10), 435, 2019. https://doi.org/10.3390/ijgi8100435
  39. G. Quattrone, A. Mashhadi and L. Capra, “Mind the map: The impact of culture and economic affluence on crowd-mapping behaviours,” Proceedings of the 17th ACM Conference on Computer Supported Cooperative Work & Social Computing, 934-944, 2014. https://doi.org/10.1145/2531602.2531713
  40. I. L. Johnson et al., “Not at home on the range: Peer production and the urban/rural divide,” Proceedings of the 2016 CHI Conference on Human Factors in Computing Systems, 13-25, 2016. https://doi.org/10.1145/2858036.2858123
  41. A. Yang et al., “How do contributions of organizations impact data inequality in OpenStreetMap?,” Computers, Environment and Urban Systems, 109, 102077, 2024. https://doi.org/10.1016/j.compenvurbsys.2024.102077