ArcGIS Analytics for IoT ile Coğrafi Sınırlama

ArcGIS Analytics for IoT ile gerçek zamanlı geofence olarak da bilinen coğrafi sınırlama işlemlerini yapabilirsiniz. Örneğin; araç, uçak veya gemi gibi hareketli bir varlığın belirli bir teslimat alanı, kısıtlı hava sahası veya belirlenmiş nakliye şeridi gibi bir ilgi alanı içinde veya dışında olması ile ilgili çalışmaları bu uygulama ile gerçekleştirebilirsiniz. Bu blogda, Geofence yönetimi ile coğrafi sınırlama uygulayabileceğiniz bazı yolları detaylandıracağız. Bulut Ortamında Gerçek Zamanlı Büyük Verilerle Çalışma hakkında detaylı bilgi (ArcGIS Analytics for IoT) için blog yazımızı bu linkten inceleyebilirsiniz.

Coğrafi sınır terimini bir örnek üzerinde açıklayalım

Şehir otobüsünün bir otobüs durağına belirli bir yakınlıkta ne zaman geleceğini belirlemek istediğimiz bir senaryoyu düşünelim. Bu durumda, otobüsler izlenen varlıklar, otobüs durakları ise coğrafi sınırlardır. Bu tür analizler, otobüs geliş saati bilgi panosunu gerçek zamanlı bilgilerle anlık olarak güncellemek veya otobüs bekleyenlere otobüslerin durağa varış bilgilerini bildirme gibi iş akışlarında faydalıdır.

Ayrıca, elde edilen veriler depolanabilir ve bu geçmiş veriler daha derin bir bakış açısı sağlamak amacı ile analizlerde kullanılabilir. Örneğin bu senaryomuzda ortalama varış sürelerinin hesaplandıktan sonra gerçek zamanlı olarak otobüslerin varış sürelerine göre hangi bölgelerde gecikme olduğunu hızlı bir şekilde analiz edebilir ve buna göre önlemler alınabilir.

Gerçek zamanlı bilgilerin alınması

ArcGIS Analytics for IoT gerçek zamanlı verilerin alınmasında oldukça farklı kaynaktan yararlanır. Bu blogumuzda  Azure Event Hub bilgi kaynağı türü bahsedildi. Verileri zenginleştirmek için verilere bir route_pt_time alanı eklendi, böylece her veri yolu özelliği geçerli saate sahip olmuştur. Verilerin şeması aşağıda gösterilmiştir.

Bir veri kaynağı oluşturmak ve yapılandırmak bu blogumuzda değinilmeyecektir. Bunu konu hakkında ayrıntı bilgi almak için tıklayınız.

Gerçek zamanlı analizde coğrafi sınırlandırma

Gerçek zamanlı analitik, gerçek zamanlı bir veri kaynağından gelen olay verilerini dönüştürmenize, zenginleştirmenizie analiz etmenize ve depolamanıza ve ayrıca veriler üzerinde farklı işlemler gerçekleştirmenize olanak tanıyan çok sayıda kullanım modelini sunar. Azure Event Hub veri kaynağından otobüs konumu verilerini alırken, ayırca bu veriler ile birlikte mekansal olarak analiz yapmak için gerçek zamanlı coğrafi sınır verilerinide kullanılabilir.

İlk adım, veri kaynaklarını yeni bir gerçek zamanlı analitik şeklinde eklemektir. Varsayılan olarak, analitik düzenleyici iş akış görünümünde açılır, yani işlemdeki her adım veya düğüm yukarıdan aşağıya listelenir.

Diğer adımda coğrafi sınır oluşturmak için, analitik araçlar ekleyebilirsiniz. Farklı coğrafi sınır türlerini destekleyen birden fazla araç mevcuttur. Geometriye Göre Filtrele aracı, verilerin şemasında herhangi bir değişiklik yapmadan olay verilerini yayınlayarak, coğrafi veriler olarak statik bir veri kaynağı kullanıp bir veri kaynağından gelen verileri filtreler.

Geometriye Göre Filtre Aracı, Verileri Yönet (Manage Data) klasöründe bulunur. Analitiklere eklendikten sonra, mekansal sınırlar için kullanılacak özellikleri içeren veri kaynağını seçebilirsiniz.

Bu durumda otobüs durakları coğrafi sınırı nokta detayı olduğundan, çokgen coğrafi sınırında olduğu gibi içeride ya da kesişen şeklinde mekansal ilişki kullanamayacağız. Bunun yerine senaryomuzda herhangi bir otobüsün, otobüs durağına yakın olduğunu belirlemek için 10 metrelik tanımlı bir mesafe eşiğindeki herhangi bir otobüs için gerçek zamanlı veri kaynağını filtreleyeceğiz. Burada hem jeodezik hem de düzlemsel olarak yakınlık kullanılabilir. Mekansal ilişkiler hakkında detaylı bilgi için tıklayın.

Verileri yayma ve görselleştirme

Veri kaynağı ve analitik yapılandırıldığında, artık verileri yaymak için bir veya daha fazla çıktı ekleyebiliriz. İlk hedeflerimizden biri, verileri bir ulaşım gösterge tablosunda görüntülemek olduğundan, verileri bir web haritasında aldığı gibi görselleştirmemize izin vermek için bir Akış Katmanı çıktısı eklenebilir.

Çıktı oluşturmak ve yapılandırmak bu blogumuzda değinilmeyecektir. Bunu konu hakkında ayrıntı bilgi almak için tıklayın.

Çıktı akış katmanı ve mekansal sınır yapılandırıldıktan sonra artık gerçek zamanlı analize başlanabilir. Gerçek zamanlı analize başlarken, giriş veri kaynaklarının da çalıştığından emin olmanız önemlidir.

Analitik çalışma ile,  akış katmanı ve otobüs konum ve durak veri kaynakları ve  diğer destekleyici katmanlar görselleştirme ve üç veri kümesinin nasıl etkileşime girdiğini görmek için bir web haritasına eklenebilir. Web haritasını kaydettikten sonra bir ArcGIS Dashboard’a ekleyebilirsiniz. Bunu yapmayla ilgili ayrıntılar için bkz. Gösterge tablosu oluşturma.

Otobüs veri kaynağını coğrafi sınır verileriyle zenginleştirin

Bu işlem için detay birleştirme (join feature) aracı kullanabilirsiniz. Bu araç, mekansal, zamansal veya öznitelik ilişkilerine veya bunların herhangi bir birleşimine göre coğrafi verileri birleştirir. Yalnızca birleştirme koşulunu sağlayan olay verileri araçtan geçer. Bu şekilde Birleştirme Özellikleri, akış etkinliği verilerini filtreler ve özellikleri birleştirme verilerinden alınan özelliklerle zenginleştirebilir.

Senaryoda, StopID  ile otobüs konumları  ve otobüs durağının adres verileri ile zenginleştirme için detay birleştir aracı kullanıldı.

Analizde, analitik düzenleyiciyi model görünümüne geçilerek , Geometriye Göre Filtrele aracı kaldırılarak Verileri Özetle klasöründen detay birleştir aracı eklendi ve araçlar birbirlerine aşağıdaki resimdeki gibi bağlandı.

Bu araç kullanılırken jeodezik mekansal ilişki kullanıldığı gibi ayrıca  otobüs durakları ile girdi kaynağı zenginleştirilmiştir. Alanları özetle (Summary fields) ile aşağıdaki resimdeki gibi yapılandırma işlemi yapılmıştır.

Bu analiz işleminden sonra otobüs durak katmanları zenginleştirilerek durak kimlik no ve adres bilgileride eklenmiş oldu.

Bu noktada, verilerin depolanması gibi analitiklere ek çıktılar eklenebilir, böylece daha sonra büyük veri analitiği kullanılarak büyük veri analizi yapılabilir. Örneğin, otobüslerin beklenen varış sürelerini duraklara vardıkları süreyle karşılaştırabiliriz. Böylece, gecikmelerin en sık meydana gelme eğiliminin net bir resmini sunabiliriz.

Analytics for IoT hakkında daha fazla bilgi edinmek için aşağıdaki kaynakları inceleyebilirsiniz.

• Analytics for IoT hakkında daha fazla bilgi edinin
• ArcGIS Analytics eğitim dokümanları
• Analytics for IoT dokümanları

Esri Türkiye 2020