ArcGIS Excalibur Mayıs Güncellemesinde Bizi Neler Bekliyor

ArcGIS Excalibur, analistlerin görüntüleri arayıp bulabileceği ve bu görüntülerle çalışabilecekleri web tabanlı bir uygulamadır. Excalibur, geleneksel olarak ayrı iş akışlarına sahip olan mekânsal ve raster tabanlı görüntüleri tek bir bütünleşmiş deneyimde birleştirerek görüntü tabanlı iş akışlarını modernize eder ve geliştirir. Kullanımı kolay, web tabanlı bir sahip olan Excalibur, kuruluşlar arası karar almayı geliştirecek kullanım özelliklerine sahiptir.

ArcGIS Excalibur’un Mayıs 2021 sürümü, etkileşimli tablo görünümü, haritadaki ya da görüntüdeki herhangi bir konuma hızlıca gitmeyi sağlayan işlemler gibi gözlemleme yeteneklerini geliştiren birçok yeni özellikle gelecek. Bunlardan bazılarını aşağıda bulabilirsiniz.

Gözlemleri Kopyalama (Copy Observations)

Aralık 2020 sürümünde Excalibur kullanıcıların bir düzenleme oturumu sırasında aynı anda birden çok gözlemde değişiklik yapmalarına izin vererek iş akışlarını optimize etmeyi amaçlayan özellikler getirmişti. İş akışı optimizasyonu bu sürümde de gelişti. Kullanıcılar artık birden çok gözlemi tek seferde seçip yeni gözlemler olarak kopyalayabiliyorlar. Bu araç, kullanıcıların daha önceden toplanan gözlemlerini yeni görüntülere uygulamasını yaparken fayda sağlayacaktır. Kullanıcılar yeni gözlemlerin meta verilerini de istedikleri gibi düzenleyebileceklerdir.

 

Etkileşimli Detay Tablosu

Bir detayın özniteliklerine bakarken bulunduğu konumun görüntüsündeki bilgilere bakmanız gereken durumlar olabilir. Detay tablosu, görüntü projenizdeki bağlamsal veya gözlem katmanlarının etkileşimli bir tablo görünümünü size sağlayacaktır. Bir tablodan gözlemleri seçebilir ve haritanızdan ya da görüntünüzden ilgili detayların vurgulanmasını sağlayabilirsiniz.

Koordinatlara Git (Go-to Coordinate) Aracı

Bir görüntüde ya da haritada bir konuma hızlıca gitmeniz gerektiğinde Go-to Coordinate aracını kullanarak hızlıca ulaşabilirsiniz. Kullanıcılar, bir koordinat sistemi kullanarak koordinatları girebilir ve ardından birden çok notasyon biçimi kullanarak çıktıyı farklı bir koordinat sistemine görüntüleme veya kopyalama seçeneğine sahip olabilecekler. Bu aracı kullanarak, kullanıcılar görüntülerdeki ilgili konuma gidebildikleri gibi haritadaki herhangi bir konuma tıklayarak o konumun koordinatlarını da alabilecekler.

 

Yeniliklerden Haberdar Olun

ArcGIS Excalibur, ArcGIS’in yetenekleri üzerine inşa edilerek, kullanıcı isteklerini de göz önünde bulundurarak sürekli iyileştirmelerle görüntü iş akışlarını dönüştürmeye devam ediyor. Excalibur hakkında daha fazla bilgi edinmek için Esri Topluluk sayfasını ve YouTube Oynatma Listesini ziyaret edebilirsiniz.

Kaynaklar ve Yardımcı Bağlantılar:

What’s Coming in ArcGIS Excalibur 2021 – Esri

ArcGIS Excalibur | Documentation for ArcGIS Enterprise

Esri Türkiye, 2021
ArcGIS ile Derin Öğrenme Modelleri

ArcGIS ile Derin Öğrenme Modelleri

Derin Öğrenme Nedir?

Derin öğrenme, örnek verilerden öğrenmek için derin sinir ağlarını kullanan bir makine öğrenme tekniğidir. Tıpkı geleneksel denetimli görüntü sınıflandırması gibi, bu modeller verdiğimiz verilerde neyi arayacaklarını “öğrenmek” için eğitim örneklerini kullanır. Ancak, geleneksel bölümleme ve sınıflandırmanın aksine, derin öğrenme modelleri yalnızca tek tek piksellere veya piksel gruplarına bakmaz. Daha yüksek öğrenme kapasitesine sahiptirler ve görüntülerde çeşitli ölçeklerdeki karmaşık şekilleri, desenleri ve dokuları tanımayı öğrenebilirler. Bu, derin öğrenme modellerinin çeşitli koşullarda çok miktarda eğitim verisinden öğrenebilmesini sağlar. Eğitilen modeller daha sonra çok daha düşük bir bilgisayar hesaplama gücüyle çok daha çeşitli görüntülere uygulanabilir ve paylaştığınız kişiler tarafından yeniden kullanılabilir.

ArcGIS’te Derin Öğrenme

ArcGIS Pro’daki Image Analyst ek bileşeni, analistlerinin kullanımına özel bir Derin Öğrenme Araç Seti içerir . Bunun yanında basitleştirilmiş bir derin öğrenme paket yükleyicisi sayesinde, kütüphaneler ve modüler gibi gerekli bağımlılıklar kolaylıkla indirilebilir ve yükleme deneyimi basitleştirilmiştir. Eğer veri bilimcileri kod satırları kullanmak isterlerse, bu modelleri eğitmek için ArcGIS Pro, Enterprise ve ArcGIS Online’daki Python notebook’ları da kullanabilirler.

ArcGIS API for Python, çok çeşitli derin öğrenme modellerini kendi veri kümelerinizde eğitmeyi ve problemlerinizi çözmeyi kolaylaştıran arcgis.learn modülünü içerir . Gelişmiş CBS ve uzaktan algılama iş akışlarını destekleyen on beşten fazla derin öğrenme modeli içerir. Ek olarak, bu modeller çok çeşitli veri türlerini desteklemektedir, çeşitli türdeki görüntüler, nokta bulutları, batimetrik veriler, LiDAR, videolar, detay katmanları, tablosal veriler ve hatta yapılandırılmamış metinler bunlardan bazılarıdır.

Arcgis.learn modülündeki tüm modeller basit ve veriye duyarlı akıllı varsayılanlar sayesinde eğitilebilir. Modeller, ArcGIS’ten dışa aktarılan eğitim verilerini karmaşık bir ön işleme olmaksızın kullanır ve eğitilen modeller, modelin çıktısının sonradan işlenmesine gerek kalmadan doğrudan ArcGIS platformunda kullanılabilir.

Derin öğrenmenin son derece başarılı olduğu bir alan, görüntülerdir. Bilgisayar görüşü, bilgisayarların görüntülerdeki nesneleri görme veya tanıma becerisidir. Bu, özellikle CBS uygulamalarında çok faydalı olabilir çünkü günümüzde uydu, hava ve İHA görüntüleri, insanların üzerinde analizler uygulayıp, çıkarımda bulunabileceklerinden çok daha fazla ve hızlı üretilebilmektedir.

arcgis.learn’deki derin öğrenme modellerinin çeşitli CBS ve uzaktan algılama görevlerini gerçekleştirmek için nasıl kullanılabileceğine bakalım.

ArcGIS’teki Derin Öğrenme Modelleri ve Örnek Bağlantıları

1. Nesne Sınıflandırması

Arcgis.learn’deki FeatureClassifier (Detay Sınıflandırıcı) modeli, coğrafi detayları veya nesneleri görüntülerde nasıl göründüklerine göre sınıflandırmak için kullanılabilir. Bu model, ResNet, Inception veya VGG gibi görüntü sınıflandırma modellerinden yararlanır.

Nesne sınıflandırması kullanarak hasar değerlendirmesi. Hasarlı evler kırmızı, hasarsız olanlar ise mavi ile gösterilmiştir.

Nesne sınıflandırması kullanarak hasar değerlendirmesi. Hasarlı evler kırmızı, hasarsız olanlar ise mavi ile gösterilmiştir.

CBS’de bu modeller, orman yangınlarından sonra otomatik hasar değerlendirmesi yapmak veya yüzme havuzlarını temiz veya yosun istilasına uğramış yeşil havuzlar olarak sınıflandırmak için kullanılabilir .

Hasar değerlendirme iş akışını özetleyen örnek bir notebook’a buradan ulaşabilirsiniz.

Bu model uydu görüntüleriyle çalışmasının yanı sıra, veri toplama iş akışları için sahada da kullanılabilir. Aşağıdaki örnekte, Survey123 kullanarak bir ağaç envanteri oluşturmak için bir bitki türü tanımlama modeli kullanılmaktadır. Bu tür TensorFlow Lite modellerini entegre etmeyi desteklemektedir.

Sahadan veri toplanması ve otomatik bitki türlerinin tanımlanması

Sahadan veri toplanması ve otomatik bitki türlerinin tanımlanması.

2. Piksel Sınıflandırması

En çok tercih edilen diğer bir model ise bir görüntüdeki her pikseli etiketlediğimiz Piksel Sınıflandırmasıdır.

Derin öğrenme dünyasında “semantik segmentasyon” olarak bilinen piksel sınıflandırması işleri, UnetClassifier modeli, PSPNetClassifier ve DeepLab (v3) gibi daha yeni modellerle birlikte ArcGIS Python API’de bulunuyor.

Arcgis.learn'ın UnetClassifier modeli kullanılarak binaların taban alanı sınırlarını çıkarma

Arcgis.learn’ın UnetClassifier modeli kullanılarak binaların taban alanı sınırlarını çıkarma.

Bu modeller, uydu görüntülerinden bina taban alanı sınırlarını ve yolları çıkarmak veya arazi örtüsü sınıflandırması yapmak için kullanılabilir. Yukarıdaki örnekteki iş için derin öğrenme modelini eğitmek yalnızca birkaç basit adımla yapılabilir ve kayda değer sonuçlar alabilirsiniz.

Bu örnek notebook, yüksek çözünürlüklü arazi örtüsü verileriyle eğitilmiş bir UnetClassifier modelini kullanır. İyi çalışsa da her pikseli bilgisayara tanıtmak için çalışan bir insan tarafından bu kadar yüksek çözünürlüklü eğitim verilerini etiketlemek zaman alıcı ve masraflı olabilir.

Daha az eğitim örneği belirlenerek etiketlenmiş veriler kullanılarak arazi örtüsü sınıflandırması

Daha az eğitim örneği belirlenerek etiketlenmiş veriler kullanılarak arazi örtüsü sınıflandırması.

Python API ile seyrek olarak etiketlenmiş veriler kullanılarak bu tür modellerin eğitimi için kullanılabilirsiniz. Burada sadece birkaç alanı her bir arazi örtüsü sınıfına ait olarak etiketlememiz gerekiyor. Ardından, görüntüdeki her piksel için arazi örtüsünü bulmak için bir piksel sınıflandırma modeli eğitebiliriz.

3. Nesne Algılama

CBS’deki başka bir önemli iş ise bir görüntüdeki belirli nesneleri bulma ve konumlarını bir sınırlayıcı kutuyla işaretleme işidir. Daha çok nesne algılama olarak bilinen bu modeller, ağaçlarıkuyu yataklarınıyüzme havuzlarınıtuğla fırınları veya batimetrik verilerden gemi enkazlarını ve hatta çok daha fazlasını algılayabilir . Bu işlemleriniz için Arcgis.learn modülü SingleShotDetector, RetinaNet, YOLOv3 ve FasterRCNN gibi çeşitli nesne algılama modellerini içerir .

FasterRCNN en doğru sonuç veren modeldir ancak eğitilmesi ve çıkarım gerçekleştirmesi daha yavaştır. SingleShotDetector ve RetinaNet ise FasterRCNN tarafından kullanılan iki aşamalı yaklaşımın aksine nesneleri algılamak için tek aşamalı bir yaklaşım kullandıklarından daha hızlı modellerdir.

YOLOv3, arcgis.learn ailesindeki en yeni nesne algılama modelidir. Küçük nesneleri tespit etmede hızlı ve yüksek doğruluğa sahiptir ve Microsoft Common Objects in Content (COCO) veri kümesindeki 80 yaygın nesne türü üzerine önceden eğitilmiş olarak gelen arcgis.learn’deki ilk modeldir.

İHA’lardan alınan hareketli videodan tespit edilen yayın balıkları

İHA’lardan alınan hareketli videodan tespit edilen yayın balıkları.

Bu modeller hareketli videolardaki nesneleri bile algılayabilir. Bunun örnekleri için yayın balığını İHA videolarında veya trafikte seyreden bir araca monteli akıllı telefon videoları sayesinde yollardaki çatlakları bulma örneklerinde göz atabilirsiniz.

Bunların yanında nesneleri sadece sınırlayıcı bir kutuyla değil, aynı zamanda o nesneyi kaplayan kesin bir çokgen sınırı veya raster maskeyle de tespit edip konumlandırabilirsiniz. Derin öğrenme dünyasında, bu göreve “örnek bölümleme” deniyor çünkü görev, bir nesnenin her bir örneğini bulmayı ve onu bölümlere ayırmayı içerir.

Bunun için en popüler model MaskRCNN’dir ve arcgis.learn’de bu modeli de kullanabilirsniz. Modelin özellikle yan yana olan binaların taban alanı sınırlarını çıkarma örneğindeki başarısını inceleyebilirsiniz.

MaskRCNN tarafından üretilen maskelerden yapılan binanın 3D rekonstrüksiyonu

MaskRCNN tarafından üretilen maskelerden yapılan binanın 3D rekonstrüksiyonu.

Örnek olarak 3B binaları havadan kaydedilmiş LIDAR verilerinden yeniden inşa etmek için MaskRCNN’in kullanıldığı bir örnek için bağlantıya tıklayabilirsiniz.

4. Nokta Bulutu Bölümlemesi

3 Boyutlu çalışmalarınız için arcgis.learn modülünde bir 3B derin öğrenme desteği de bulunuyor.

PointCNN modeli nokta bulutu bölümlemesi için kullanılabilir. Bu görevde, nokta bulutundaki her noktaya, gerçek dünyadaki bir varlığı temsil eden bir etiket atanır.

PointCNN modeli kullanılarak nokta bulutunda binalar ve ağaçlar sınıflandırılarak oluşturulan 3B sahne.

PointCNN modeli kullanılarak nokta bulutunda binalar ve ağaçlar sınıflandırılarak oluşturulan 3B sahne.

Bu model, ham nokta bulutlarından binalar, zemin ve ağaçlar çıkararak 3B altlık haritaları oluşturmak için kullanılabilir. Diğer bir örnek ise havadan toplanmış LiDAR nokta bulutundan güç hatlarını ve elektrik direklerini çıkarmaktır. Vejetasyona temas eden kabloların tespit edilmesi ve kaçak kullanımları belirlemek bu model olmadan yapıldığında çok yoğun emek isteyen bir iştir.

5. Görüntü Geliştirme

Şimdiye kadar, görüntülerden ve nokta bulutlarından bilgi çıkarmanın birkaç örneğinde bahsettik. Bu işlerin yanında bir de düşük kaliteli raster verilerden daha yüksek çözünürlüklü görüntü sentezlemenizi sağlayan SuperResolution modeli de arcgis.learn bulunuyor. Bu model görüntülerinin görselleştirme kalitesini artırmanın yanı sıra görüntü yorumlanabilirliğini iyileştirmek için kullanılabilir.

 Hava görüntülerinde SuperResolution kullanılarak kalite arttırımı.

Hava görüntülerinde SuperResolution kullanılarak kalite artırımı.

Bu model polisiye filmlerde görmeye alışık olduğumuz “Yakınlaştır! Geliştir!” işlevini ArcGIS’e getiriyor! Düşük çözünürlüklü ve bulanık görüntüleri girdi olarak kullanabilir ve bunları yüksek kaliteli, yüksek çözünürlüklü görüntülere dönüştürebilirsiniz. Model gerçekçi doku ve detaylar ekleyerek, simüle edilmiş yüksek çözünürlüklü görüntüler üretir. Yukarıdaki ekran görüntüsüne bu işlemi yapan örnek notebook’a buradan ulaşabilirsiniz.

6. Tablo Verileri Üzerinde Sınıflandırma ve Regresyon

Derin öğrenmenin sadece görüntüler ve 3B veriler üzerinde çalışıyor gibi gelmiş olabilir. Bunun dışında da derin öğrenmeden fayadalanabiliyoruz. Derin sinir ağları, özellik katmanları ve tablo verileri üzerinde en az onlarda olduğu kadar iyi sonuçlar verir.

FullyConnectedNetwork modeliyle, detay katmanı veya raster verinizin tablosal değerlerini derin sinir ağlarında kullanabilirsiniz. Bu model ile biyoklimatik faktörlere göre bir hastalığa duyarlı alanları sınıflandırabilir veya hava faktörlerine bağlı olarak güneş enerjisi santrallerinin verimliliğini tahmin edebilirsiniz.

Gerçek ve öngörülen Güneş Enerjisi üretimi

Gerçek ve öngörülen güneş enerjisi üretimi.

Yukarıdaki grafikte mavi çizgi gerçek güneş enerjisi üretimini gösterir ve turuncu çizgi FullyConnectedNetwork modelinden tahmin edilen değerleri göstermektedir.

7. Yapılandırılmamış Metinden Varlık Çıkarma

Mekânsal veriler her zaman coğrafi veri tabanları ve Shapefile olarak düzgün bir şekilde paketlenmiş olarak gelmeyebilir. Genellikle saha ekipleri tarafından raporlar gibi yapılandırılmamış bir metin biçimde saklanırlar. Bu verileri mekânsal analizlerde kullanmak için, bunları detay katmanları gibi yapılandırılmış, standartlaştırılmış bir biçime dönüştürmeniz gerekir. Ancak, yapılandırılmamış metinleri okumak ve dönüştürmek zor ve zaman alıcıdır.

Suç türü, meydana geldiği yer, olayın zamanı ve ne zaman rapor edildiği gibi varlıkların altını çizen etiketli tüzel kişilere sahip suç olayı raporu.

Suç türü, meydana geldiği yer, olayın zamanı ve ne zaman rapor edildiği gibi varlıkların altını çizen etiketli tüzel kişilere sahip suç olayı raporu.

Derin Öğrenme, doğal dil işlemede çok ilerleme kaydetmiştir ve arcgis.learn’de bulunan EntityRecognizer modeli ile yapılandırılmamış metinden anlamlı mekânsal bilgiler elde edebilirsiniz.

Suç mahallerinin detay katmanı

Suç mahallerinin detay katmanı

Bu Notebook ile binlerce örnek polis raporunun bulunduğu yapılandırılmamış metin dosyasından bilgileri çekmek için bu modeli nasıl kullanabileceğinizi ve suç mahallerinin bir haritasını çıkarabileceğinizi öğrenebilirsiniz.

Diğer Modeller

Derin öğrenme alanı her geçen gün yepyeni gelişmeler gösteriyor. arcgis.learn’ın bu kadar çok modeli desteklemesinin yanında yine de yeni çıkacak başka modellere de ihtiyacınız olabilir.

Arcgis.learn’e, harici modelleri entegre edebilmeniz için genişletilebilirlik desteği eklendi. ModelExtension sınıfı herhangi başka bir nesne algılama modelini arcgis.learn’e entegre etmenizi sağlar. Model daha sonra ArcGIS tarafından dışa aktarılan eğitim verilerini doğrudan kullanabilir ve kaydedilen modeller ArcGIS derin öğrenme paketleri olarak kullanıma hazır hale gelir. Harici modelleri arcgis.learn ile entegre etmek, bu tür modelleri diğer modeller tarafından kullanılan aynı basit ve tutarlı API ile eğitmenize yardımcı olacaktır.

Ayrıca arcgis.learn , yeni MLModel sınıfını kullanarak ArcGIS’i popüler scikit-learn kitaplığındaki herhangi bir tahmin veya sınıflandırma modeliyle entegre etmenize de olanak sağlar.

Neden bu kadar çok model var?

Derin öğrenme, her ay çıkan yenilikler ve yeni modellerle hızla gelişen bir alandır ve Esri uzmanları bu yenilikleri aynı hızda ArcGIS’e getirerek, CBS’ye derin öğrenme yöntemlerini uygulamada, en yeni ve en iyi modelleri sunarak güncel kalmanızı sağlar.

Her modelin güçlü yönleri vardır ve belirli görevler için daha uygundur. Örneğin Nesne Algılamayı ele alırsak, FasterRCNN en iyi sonuçları verir, YOLOv3 en hızlıdır, SingleShotDetector iyi bir hız ve doğruluk dengesi sağlar ve RetinaNet küçük nesnelerle çok iyi çalışır.

Farklı modellerin bellek için farklı gereksinimleri vardır ve eğitim ve çıkarım hızları farklıdır. Daha büyük modelli daha derin sinir ağları daha doğru sonuçlar verir, ancak çok daha fazla belleğe ve daha uzun eğitim süreçlerine ihtiyaç duyar. Yeterince eğitebilmek için de daha büyük veri kümelerine ihtiyacınız vardır.

Bazı modeller ise hafiftir ve cep telefonları gibi mobil cihazlarda kullanım için daha uygundur.

Yetenekli zanaatkarların araç kutularındaki her bir araç hakkında bilgi sahibi olması gibi, yetenekli veri bilimcileri de her modeli benzersiz özelliklerine göre anlar ve çözülmesi gereken sorun bağlamında uygularlar.

Mekansal Veri Bilimi Açık Çevrimiçi Eğitimi

İçinde yukarıda bahsettiğimiz derin öğrenme ve nesne tespiti örneklerini de uygulayabileceğiniz, mekânsal veri ve veri bilimine dair bir ücretsiz eğitimimiz yakında geliyor.

Mekansal Veri Bilimi Mooc

Ücretsiz olmasının yanında ArcGIS Pro, ArcGIS Online, ArcGIS Notebooks, Image Analyst, Spatial Analyst gibi bir çok ürüne de eğitiminiz sırasında ücretsiz sahip olacaksınız.

Udemy platformu üzerinden tamamen Türkçe olarak gelecek ay yayınlamayı planlıyoruz. Haberler için bizi takip edin.

Kaynak:

https://www.esri.com/arcgis-blog/products/api-python/analytics/deep-learning-models-in-arcgis-learn/

Esri Türkiye, 2020

 

ArcGIS Ürünleri ile COVID-19 Sürecinde Gıda Dağıtım Çözümleri

Etkin bir şekilde yönetilen gıda dağıtımı, mal ve hizmetlerin güvenli bir şekilde ve zamanında teslim edilmesini sağlar. Özellikle COVID-19 süreci gibi risk faktörlerinin yoğun olduğu dönemlerde gıda dağıtımının önemi artmaktadır. Günümüzde COVID-19 sürecinde sokağa çıkma yasağı olan günler veya sokağa çıkma yasağı bulunan yaş grupları için gıda dağıtımı zorunluluk haline gelmiştir.

Bir gıda dağıtım sürecinin başarılı olabilmesi için konum bilinci, gerçek zamanlı izleme ve iletişimin bir entegrasyonu olmalıdır. Konum bilinci, durumsal farkındalık sağlayarak hızlı yanıt vermeye hazır olmanızı sağlar. Esri çözümleri ile gıda dağıtım süreçlerini interaktif bir şekilde yönetmek için ihtiyacınız olan tüm bilgileri edinebilirsiniz.

Gıda dağıtım sürecinin ilk adımı vatandaştan gelen taleplerin toplanmasıdır. İnsanlar bu süreçte telefonla veya internet üzerinden gıda talebinde bulunabilirler. Gıda taleplerinin kolay ve hızlı bir şekilde konum bazlı olarak alınabilmesi için bir web uygulaması çözümü kullanılabilir. Gıda taleplerini bir web uygulamasında Twitter üzerinden konum bilgisi paylaşılmış olan tweetler kullanılarak alabilirsiniz ve hızlıca talepler nerelerden geliyor ve nerelerde yoğunlaşıyor görebilirsiniz.

ArcGIS Configurable Apps ile hiçbir kod bilgisi gerekmeden ihtiyaca göre hazır şablonlar üzerinden kendi interaktif web uygulamanızı tasarlayabilir ve istediğiniz gibi yapılandırabilirsiniz. ArcGIS Online veya ArcGIS Enterprise’da “İçerik” sekmesinden “Oluştur” butonuna tıklayarak Yapılandırılabilir Uygulamalar’ı seçebilir ve ihtiyacınıza göre şablonlar arasından seçim yapabilirsiniz.

Gıda taleplerinin toplanabilmesi için Yapılandırılabilr Uygulamalardaki şablonlar arasından “Halka Açık Bilgiler” şablonu kullanılmıştır.

Hazırlanan bu çözüm ile bir web uygulaması oluşturularak Twitter üzerinden sosyal medya akışının anlık olarak görüntülenebilmesi sağlanmıştır. Yapılandırma aşamasında belirlenen sosyal medya etiketi ile atılan konum bazlı tweetler harita üzerinde görüntülenebilir ve üzerine tıklandığında taleplere ulaşılabilir. Örneğin, #corona etiketi ile konum bilgisi paylaşılmış olarak atılan herhangi bir tweet haritada eş zamanlı olarak konumlanacaktır. Böylece belirlenen etiket ile vatandaşlardan hızlı bir şekilde gıda talepleri alınabilir ve Twitter üzerinden büyük bir kitleye ulaşılabilir.

Gıda dağıtımı iş akışlarından bir diğer çözüm ise toplanan gıda taleplerinin ve depo stok bilgilerinin tek bir yönetici ekranından anlık olarak takip edilmesidir. Ofis tarafında operasyon yöneticisi, bu talepleri anlık olarak görüntüleyebilir ve talep detaylarına ulaşabilir. Böylece dağıtım ekiplerini hızlı bir şekilde yönlendirebilir. Ayrıca yine bu yönetici ekranı üzerinden depolar, üreticiler ve stok miktarları ile ilgili verilerle grafikler oluşturulabilir ve tek bir ekrandan tüm gıda dağıtım süreçlerindeki bilgilere erişilebilir.

Gıda dağıtım sürecinde bir diğer adım talepler doğrultusunda vatandaşa dağıtımın gerçekleştirilmesidir. Gıda dağıtımının, ofis tarafında yönetiminin sağlanması ve saha tarafında dağıtım işlemlerinin gerçekleştirilmesi olmak üzere iki kolu vardır. Dağıtım sürecinde ofis ve diğer ekip üyeleriyle anlık olarak birebir iletişimin sağlanması bu süreci hızlandıracaktır. ArcGIS Mission ile tüm bu gereksinimleri tek bir platformdan gerçekleştirebilirsiniz. ArcGIS Mission 3 bileşenden oluşan bir platformdur.

  • ArcGIS Mission Server ile kendi sunucunuzda çalışabilirsiniz.
  • ArcGIS Mission Manager ile ofis tarafında sahadaki personel ile iletişime geçebilir ve takibini sağlayabilirsiniz.
  • ArcGIS Mission Responder uygulamasına sahada tablet veya telefonunuzdan erişebilir ve diğer takım arkadaşlarınız veya ofis yöneticiniz ile hızlı bir şekilde iletişime geçebilirsiniz.

Gıda dağıtımı için ArcGIS Mission Manager ile öncelikle bir görev oluşturulmuştur ve bu görev için harita tanımlanarak, dağıtım ekipleri ve ekipler için üyeler belirlenmiştir. Ayrıca ekipler için sorumlu oldukları çalışma alanları sınırlar ile belirlenmiştir. Harita üzerinde alınan gıda talepleri ve çalışma alan sınırları konumlandırılmıştır. Oluşturulan görev açıldığında karşınıza bir yönetici ekranı açılmaktadır. Bu ekranda ekipleri ve üyeleri görebilirsiniz. Ayrıca üyelerin bağlantı durumları hakkında bilgi alabilirsiniz. Tüm iletişim bildirimleri tek bir ekrandan takip edilebilmektedir. Harita üzerinden sahadaki personelin konumlarını ve izlerini takip edebilirsiniz.

Saha tarafında dağıtım ekipleri açılan göreve mobil olarak erişerek görev haritasını, mesajları, görevle ilgili materyalleri diğer takım arkadaşlarının konumlarını görüntüleyebilir ve anlık olarak mesajlar gönderebilir. Örneğin, ofis tarafında oluşturulan “Unlu Mamüller Dağıtım Ekibi” seçilerek bir mesaj gönderildiğinde anlık olarak mobil ekranda mesaj görülür ve birebir iletişim sağlanabilir. Ayrıca GeoMessage özelliği ile nokta, çizgi veya çokgen çizimler yapılarak mesajlar gönderilebilir ve böylece konum bazlı iletişim sağlanmış olur. Örneğin bir alan çizilip bu alanda dağıtım tamamlanmıştır şeklinde mesaj gönderildiğinde sahadaki personel bu alanı ve mesajı görecek ve orada vakit harcamayıp zamandan tasarruf etmiş olacaktır. Ayrıca dağıtım ekiplerinin stoklarının bitmesi durumunda anlık olarak ofis tarafına mesaj göndererek bilgilendirme sağlanabilir ve destek isteği hızlı bir şekilde iletilebilir.

Gıda dağıtım sürecindeki bir diğer aşama ise dağıtım ekiplerinin süreç işlerken hızlı bir şekilde sahadan verileri ofise iletebilmesidir. ArcGIS QuickCapture uygulaması ile dağıtım ekipleri dağıtılan ürünleri ve miktarlarını konum bazlı olarak ofise hızlı bir şekilde ileteceklerdir. Ayrıca bu çözüm ile hangi araç, nereye, ne kadar ürün dağıtmış görülebilir ve gerektiği durumlarda anlık olarak stok desteği sağlanabilir.

ArcGIS QuickCapture kullanım kolaylığı sağlayarak büyük butonlarla ve araç içinde hareket halindeyken dahi konum doğruluğunu yakalayarak verileri ofis ortamına iletir.

Dağıtım ekibi, mobil ortamdan uygulamaya erişerek oluşturulan projeye giriş yapabilir. Proje açıldığında eğer yapılandırma gerçekleştirilmiş ise bir kullanıcı girdisi ile giriş yapması gerekir. Hazırlanan çözümde kullanıcı girdisi olarak araç plakası belirlenmiştir. Proje oluştururken araç plakası gibi kullanıcı girdilerini kolaylıkla oluşturabilir ve girdi maskesi yapılandırabilirsiniz. Örneğin, telefon numarası veya kimlik numarası gibi kullanıcı girdileri için şablonlar belirlenebilir. Böylece yanlış girişler önlenebilir.

Giriş yapıldıktan sonra ürünlerin bulunduğu büyük butonlar açılır. Butonların büyüklükleri, renkleri veya grupları yapılandırılabilir. Ayrıca butonlara görseller eklenerek hızlı veri girişi için kolaylık sağlanabilir.

Veri girişi yapıldıkça tıklama sayısına göre ürün miktarları, ürünlerin ismi ile birlikte veri girişinin yapıldığı konuma tanımlanır ve haritadan konum seçildiğinde girilen ürünlerin isim ve miktarları görüntülenebilir. Hatalı bir veri girişi olduysa buradan hızlı bir şekilde silme işlemi de gerçekleştirilebilir.

Gıda dağıtımı için hazırlanan tüm çözümler birbiri ile entegre bir şekilde çalışmaktadır. Kullanıcılar faklı konumlardan ve farklı platformlardan eş zamanlı olarak bilgilere erişebilir. Böylece durumsal farkındalık ve karar desteği sağlanmış olur.

 

ArcGIS uygulamaları ve güncellemeleriyle ilgili daha fazla bilgiye ulaşmak için blog sayfamızı takip edebilirsiniz.

 Esri Türkiye 2020

Afet Müdahale Programı (DRP) VE Koronavirüs Çözümü

Afet Müdahale Programı (DRP)

Esri hızlı bir şekilde yardıma ihtiyacınız olduğunda, acil durum CBS operasyonlarınız için veri, yazılım, yapılandırılabilir uygulamalar ve teknik destek sağlayabilir. Bir felaketten etkilenen belirli konumlar hakkında kritik görev bilgilerine hızla erişmek ve görselleştirmek için CBS’yi kullanabilirsiniz. Bir kriz sırasında daha iyi kararlar almak için ihtiyacınız olan bilgileri hızlı, anlaşılması kolay bir şekilde alabilirsiniz.

Esri’nin Afet Müdahale Programı size nasıl yardımcı olabilir?

ArcGIS yazılımı İş akışı uygulaması Mekansal veriler Teknik Destek
Esri müşterileri bir afet müdahalesi sırasında kuruluşlarının artan CBS gereksinimlerini desteklemek için mevcut lisansları geçici olarak uzatabilir. CBS konusunda yeni ve henüz müşterimiz değilseniz platforma geçici olarak erişim sağlayabilirsiniz. Durumsal farkındalığı, etki analizini, hasar değerlendirmesini, operasyonel brifingleri veya kamuya açık bilgileri destekleyecek yetenekler uygulanabilir veya yapılandırılabilir. ArcGIS Online ve Living Atlas’tan gerçek zamanlı hava durumu, trafik, tehlikeler, altyapı ve demografi gibi mevcut verileri kullanarak çözümünüzde kullanabilirsiniz. Çalışmalarınız sırasında destek hizmetlerinden faydalanabilirsiniz.

Detaylı bilgi için ayrıca  Esri Disaster Response Program sayfasını ziyaret edebilir ve inceleyebilirsiniz.

Halk sağlığı kurumlarının ve diğer kuruluşların Covid-19 ile mücadelelerini hızlıca başlatabilmelerine yardımcı olmak için Esri aşağıdakileri 6 ay süre ile ücretsiz olarak sağlamaktadır.

  • ArcGIS Hub Coronavirus Response template
  • ArcGIS Online
  • ArcGIS Hub Basic
  • ArcGIS Insights

DRP kapsamında uygulamalara erişmek ve destek almak için Yardım Talebi oluşturabilirsiniz. Açılacak sayfada bulunan bilgiler doldurularak yardım talebi oluşturabilirsiniz.

COVID-19 ile Mücadele

COVID-19 etrafında gelişen durum ciddileşmeye devam ederken Esri, kullanıcılarımızı ve toplumu, genel olarak konum zekası, coğrafi bilgi sistemi (CBS) ve haritalama yazılımı, servisler ve insanların salgının etkisini izlemek, yönetmek ve haber vermek için kullandıkları malzemelerle destekliyor. Topluluğunuz veya kuruluşunuzun etkili bir şekilde mücadele etmesine yardımcı olmak için bu kaynakları kullanabilir ve paylaşabilirsiniz.

COVID-19 ile mücadelede 5 adım

Küresel topluluklar ve işletmeler COVID-19 pandemisi ile mücadele etmeye çalışırken, kuruluşunuzun risk alanları ve müdahale kapasitesinin anlık bir resmini oluşturmak için bu beş proaktif adımı atabilirsiniz.

1.Vakaları haritalandırma

COVID-19 enfeksiyonlarının nerede olduğunu ve meydana geldiğini belirlemek için doğrulanmış ve aktif vakaları, ölümleri ve iyileşmeleri haritalandırabilirsiniz.

2.Yayılışın haritalanması

Zaman etkin haritalar, enfeksiyonların zaman içinde nasıl yayıldığını ve müdahaleleri hedeflemek isteyebileceğiniz yerleri ortaya çıkarabilir.

3.Hassas popülasyonların haritalanması

COVID‑19, yaşlılar ve sağlık sorunları olan bireyler gibi belirli demografileri orantısız bir şekilde etkilemektedir. Sosyal hassasiyetler, yaş ve diğer faktörleri haritalamak, risk altındaki grupları ve hizmet sunduğunuz bölgeleri izlemenize yardımcı olur.

4.Kapasitenizin haritalanması

COVID-19’un mevcut ve potansiyel etkilerini anlamak ve bunlarla mücadele etmek için tesisler, çalışanlar veya vatandaşlar, tıbbi kaynaklar, ekipmanlar, ürünler ve hizmetleri haritalayabilirsiniz.

5.Haritaların kullanılarak iletişim kurulması

Herkesi haberdar ederek durumun hızlı bir şekilde iletilmesine yardımcı olmak için etkileşimli web haritaları, kontrol paneli uygulamaları ve story maps’i kullanabilirsiniz.

Koronavirüs Yanıt Çözümü

Coronavirus Response Solution artık ArcGIS ile kullanılabilirdir.

Coronavirus Response’un ilk sürümü toplumların gelişen koronavirüs salgınına yanıt vermesine ve halk için yetkili bir bilgi kaynağı olmasına bir dizi harita ve uygulama içermektedir. Böylece ArcGIS’ i koronavirüs salgını karşısında yardımcı olacak bir sisteme dönüştürmektedir.

Coronavirus Response, Esri’nin kuruluşların koronavirüs ile mücadele etmesine yardımcı olmak için sağladığı kaynaklardan sadece biridir. COVID-19 GIS Hub ise ek kaynaklara erişim ve Esri’den GIS yardımı talep etme yeridir.

Kurulum sonrasında kuruluşlar birkaç ArcGIS uygulamasına sahip olacaktır. Tüm uygulamaları kapsamlı bir sistem olarak kullanmayı veya yalnızca mevcut ihtiyaçlarınızı karşılayan uygulamaları kullanmayı seçebilirsiniz. Öncelikle söz edilen uygulamaları nasıl elde edeceğiniz ve bu uygulamaların kapsamlarına değinilecektir.

Koronavirüs Yanıt Çözümünü Elde Etmek için;

Coronavirus Response’u ArcGIS Organizasyonunuza eklerken, koronavirüs vakalarını ve müdahale faaliyetlerini izlemek, halka açık yerler (örneğin okullar, hükümet binaları, ortak yerler), envanter testi ve yemek gibi etkileri iletmek için kullanılan bir dizi ArcGIS uygulamasına sahip olacaksınız.

Acil müdahale kurumları tüm Coronavirus Response haritalarını ve uygulamalarını yapılandırabilir ve paylaşabilir veya belirli ihtiyaçlarını karşılayan tek bir haritayı veya uygulamayı yapılandırıp paylaşabilirsiniz.

Koronavirüs Yanıt Çözümünü elde etmek ve detaylı bilgi almak için Coronavirus Response sayfasına ulaşılmalıdır.

Uygulamaları elde etmek için;

  1. ArcGIS Solutions app seçeneğine tıklayın ve ArcGIS Online hesabınızda oturum açın.
  2. Şimdi Edin (Get Now) tıklayın.
  3. Tamamlandığında, imleci Coronavirus Response çözümünün üzerine getirin ve Aç’ı tıklayın.
  4. İsteğe bağlı olarak, çözümü kuruluşunuzdaki belirli gereksinimleri karşılayacak şekilde yapılandırmaya başlayabilirsiniz.

Koronavirüs Yanıt Çözümünü Kullanmak için Adımları Takip Ediniz.

Koronavirüs Yanıt Çözümü İçeriği

Yukarıda belirtilen adımlar izlendikten sonra uygulamalara sahip kullanıcıların bu uygulamaların tamamını veya bir kısmını kullanmak üzere yapılandırması gerekecektir.

Esri Türkiye olarak hazırlamış olduğumuz uygulamaların görsellerine ve açıklamalarına aşağıda olduğu gibi ulaşabilirsiniz.

En Yakın Tıbbi Tesis Alanını Bul

Tıbbi Tesis Alanları kullanıcılara en yakın ihtiyaç duyduğu tıbbi tesis alanlarını bulmasını ve bunlardan faydalanmasını sağlamaktadır. Ayrıca tesis bilgilerine ve yönlendirmelerine ulaşılabilir.

Kapalı Okulları Bul

Kapalı Okullar, okulların durumları ile alakalı olarak bilgilendirme amaçlı üretilmiş web uygulamasıdır. Kapalı, açık veya kapatılması planlanmış okullar böylece takip edilebilecektir.

En Yakın Test Merkezlerini Bul

Test Merkezleri, Sağlık Bakanlığı tarafından belirlenmiş test merkezleri bilgilerini ekleyebilir böylece test merkezi ihtiyacı olan kullanıcılar kendilerine en yakın ve en uygun test merkezlerini belirleyebilir. Bu noktalara yönlendirme alabilirler.

Test Merkezleri Yöneticisi

Test Merkezleri Yönetici Paneli, zamanla eklenen veya kapatılan test merkezlerinin harita üzerinden güncellenmesini sağlar. Böylece haritalar ve uygulamalar içerisinde bulunan test merkezeleri güncel tutulacaktır.

Vaka Raporlama

Vaka Raporlama Formu ilgili kurumların konuma ve zamana bağlı olarak vakaları raporlamasını sağlar. Böylece bilgiler tablo içerisinde tutulabilecek ve konumsal olarak değerlendirmeleri gerçekleştirilebilecektir.

Topluluk Etkileşimi Yayılım Paneli

Tespit edilen ve toplanan vaka bilgiler ışığında hazırlanan gösterge panelinde bu veriler görselleştirilebilir. Böylece halk veya ilgili kişiler ile bu bilgiler paylaşılabilir.

Covid-19 Yanıt Merkezi

Son birkaç hafta içinde, dünyanın dört bir yanındaki kuruluşlar, COVID-19 hakkında bilgi ve kaynakları topluluklarıyla paylaşmak için ArcGIS Hub’ı kullanmaya başladı.

Daha fazla kuruluşun yerel müdahale çabalarıyla ilgili kritik güncellemeleri paylaşmasına yardımcı olmak için ArcGIS Hub  Coronavirus Response şablon olarak paylaşılmıştır. Tüm ArcGIS Online kullanıcıları şablon üzerinden güncellemelerini yaparak kullanabilecektir.

Coronavirus Response Hub şablonu hakkında detaylı bilgi için tıklayınız.

Çözüm Harici Üretilen Uygulamalar

Hazır çözüme sahip olmak ile birlikte elimizde bulunan bu veriler ile farklı uygulamalar geliştirebilir ve onlar üzerinden fayda sağlayabilirsiniz. Sadece çözüm içerisinde verilen uygulamalar ile sınırlı kalmamaktadır.

Aşağıda bunların örnekleri gösterilmektedir.

Tıbbi Tesis Analizi

Tıbbi Tesis Analizi uygulaması ile hasta noktaları ile hastane noktaları eşleştirilerek en optimum seviyede paylaştırılması sağlanmaktadır. Bu sayede hastane bazında yoğunluklar önlenerek hastaların daha iyi tedavi görmeleri amaçlanmaktadır.

Covid-19 Küresel Yayılım Paneli

Küresel yayılım paneli gibi uygulamalar ile küresel ölçekte salgın görselleştirilebilir ve ülkelerin bir birlerine göre durumları incelenebilir.

Küresel Yayılım Panelini incelemek için tıklayınız.

Covid-19 Bireysel Değerlendirme Formu

Herkesin ulaşabileceği ve hastalık tespitinde önemli olan soruları içeren formlar oluşturularak yayılımı önlemek adına erken tespitler gerçekleştirilebilir. Böylece kişiler hastalık şüpesi ile kayıt altına alınabilir ve sorularda bulunan skorlamalar ile hastalık ihtimalini sayısal olarak görebilir buna karşılık form sonucunda gelen öneri mesajına göre kişiler önlem alabilirler.

Bölgesel Durum Analizi

Bölgesel durum analizinde sahadan formlar ile toplamış olduğunuz verilerin görselleştirmeleri ve analizleri gerçekleştirilmektedir. Covid-19 Bireysel Değerlendirme Formu ile toplanan verileri doğrudan burada analizlerinize dahil edebilirsiniz.

Covid-19 Analizi

Analiz uygulaması ile birden fazla kaynaktan verileri eş zamanlı olarak analizlerinize dahil ederek bir birini etkileyen ve tetikleyen grafikler, haritalar, dinamik raporlar oluşturabilir ve paylaşabilirsiniz.

Ek Kaynaklar:

COVID-19 sürecindeki diğer Esri çözümlerini takip etmek için Esri Türkiye web sitesiniblog sayfamızı ve webinarlarımızı takip edebilirsiniz.

Esri Türkiye tarafından hazırlanmış olan COVID-19 Sürecini Esri Çözümleriyle Nasıl Yönetirsiniz? Webinar kaydını izlemek için tıklayınız.

COVID-19 Salgınında Temas Edilen Kişi ve Yerler Arasındaki Bağlantıları Bulun

COVID-19 Salgınında Temas Edilen Kişi ve Yerler Arasındaki Bağlantıları Bulun

COVID-19 pandemisinin çok hızlı yayılması nedeniyle herkes fiziksel mesafe kuralını hayatına dahil etmek zorunda kaldı. Bulaşma oranını azaltmak için alınan önlemlerin yanısıra, virüs taşıyan kişilerin öncesinde kimlerle temasta bulunduğu öğrenilerek, o kişilere de test yapılması ve onların da kimlerle görüştüğü veya nerelerde bulunduklarının haritalanması bu salgının yayılmasını önlemede büyük bir önem arz ediyor.

Bu noktada sağlıkçılar, analistler ve karar vericiler bilinmeyenleri yanıtlama zorluğu ile karşı karşıya kalıyor. Cevaplanması gereken en önemli sorulardan bazıları: “COVID-19 hangi bireylere bulaştı?” ve “Bulaşan kişiler kiminle temas kurdu ve nerelere gittiler?” Koronavirüs pozitif çıkan ya da şüpheli olan kişilerin temas ettiği yer ve kişileri izleme, bulaşıcı hastalığın yayılmasını etkili bir şekilde sınırlayabilen bir sağlık müdahalesi olarak önem taşımaktadır. Teması izlemenin amacı; enfekte kişiyle yakın temas halinde olabilecek kişileri tanımlayarak bilgilendirmektir. Bu sayede risk altında olabilecek kişiler fiziksel mesafe, izolasyon, bakım ve tedavi gibi uygun önlemleri alabilirler.

Dünya Sağlık Örgütü teması izlemenin önemine vurgu yapmış ve bu izleme sürecini 3 önemli adımla anlatmıştır: temas kimliği, temas listesi ve temas takibi.

  1. Temas Kimliği: Kişinin virüsü taşıdığı onaylandıktan sonra, kişinin aktiviteleri ve hastalığın başlangıcından bu yana etrafındaki insanlarla iletişimleri ve rolleri sorularak temaslar belirlenir. Temas kişileri enfekte olmuş bir kişiyle temas halinde olan herkes olabilir: aile üyeleri, iş arkadaşları, arkadaşlar veya sağlık hizmeti sağlayıcıları.
  2. Temas Listesi:  Hastalık bulaşmış kişiyle temas kurduğu düşünülen tüm kişiler temas olarak listelenmelidir. Listelenen her kişiyi tanımlanarak temas durumları, bunun ne anlama geldiği, izlenecek eylemleri ve semptom geliştirirse erken bakım almanın önemini bildirmek için çaba gösterilmelidir.
  3. Temas Takibi: Semptomları izlemek ve enfeksiyon bulgularını test etmek için tüm temasların düzenli takibi yapılmalıdır.

Onaylanmış vakaları izlemenin ve hareket kalıplarını anlamanın; şeffaflığın artması, topluluk bilincinin artması ve kaynakların tahsisi gibi konularda faydaları vardır. Hareket kalıplarını anlamak sadece insanlar arasındaki yakın teması belirlemenize değil, aynı zamanda “temas yerlerini” (market, mağaza, kurumlar vb.) belirlemenize de olanak tanır.

Bu blog yazısında temas izlemeyi sağlayacak çözümlerimizden bahsedeceğiz. Buradaki senaryo kısaca şu şekildedir; enfekte olmuş ya da olma ihtimali olan kişi ya da bu kişilerden bilgi toplayan görüşmeci bir form doldurur. Bu formlardan gelen bilgileri hem harita üzerinde hem de grafiksel olarak bağlamayı sağlayan bağlantı analizi yapılır.  Bunlara ek olarak bu bağlantıların zamansal dağılımını çıkararak bir öngörü kazanılması hedeflenir.

Bu çözümde kullanılan ürünler: Survey123 Connect for ArcGIS, ArcGIS Pro for Intelligence ve  ArcGIS Insights‘tır.

Temasların Haritalanması için minimumda;

  • Benzersiz vaka numaraları,
  • Temas bilgileri (yerlerin veya kişilerin adı),
  • Tarihler ve Saatlerin bilgilerine sahip olunmalıdır.

Bu temel bilgiler salgında temas bağlantılarını izlemeyi mümkün kılar. Temas olarak sadece kişi değil aynı zamanda bakkal ya da ofis gibi mekanlar da kabul edilebilir.

Formlarla Temas Bilgilerinin Toplanması

Salgın yayıldıkça kişilerden birebirde bilgi toplamak gittikçe zorlaşabilir. Bunu yapmanın daha kolay ve hızlı bir yolunu bulma düşüncesinden yola çıkarak hasta ya da hasta ile görüşen kişinin hazır bir formu doldurarak bilgi toplama işini hızlandırabilecekleri bir model düşünülmüştür. Aşağıda bu amaçla hazırlanmış bir form örneğini görmektesiniz:

Survey123 for ArcGIS ile hazırlanmış Temas Bilgi Formu Örneği

Belirtileri gösteren ancak henüz durumu onaylanmayan veya test edilmeyen kişiler, mekansal bilgileri de girebildiği bir web formu aracılığıyla temas ettikleri yerleri ve kişileri kendi kendilerine bildirebilirlerse potansiyel “sıcak noktaları” tanımlamaya yardımcı olmak için yeterli bilgi toplanabilir.

Örnek form ile oluşturulan verilerin (mekan ve kişi isimleri) hepsi örnek olması amacıyla üretilmiş olup, hiçbirinin gerçek vakalarla ilgisi bulunmamaktadır.

Bağlantı Grafikleri Oluşturma

ArcGIS Pro for Intelligence uygulamasında Catalog içinden Portal sekmesine geçilir, oluşturulan forma (kendi içeriğim (My Content) ya da gruplardaki (Groups) içeriğim gibi seçeneklerden hangisi içindeyse arama yapılarak) tıklanır ve formun bulunduğu detay katmanınına (Feature Layer (Hosted)) erişilir.

Bu katman çalışma ekranına alınarak, veri üzerinde çalışmaya başlandı. Veriyi içeri aldıktan sonra Contents içinde verinin nasıl göründüğüne bakalım. Aşağıdaki görselde görüldüğü üzere Temas Bilgi Formu altında iki farklı bilgi görünüyor: bunlardan birincisi formu dolduran kişinin hastalık durumu, diğeri ise kişinin mekanla ve diğer bireylerle olan temaslarının bilgisi. Bu bilgilerdeki sembolleri semboloji ayarlarından düzenleyerek harita üzerinde daha okunaklı olması sağlandı.

Verinin Portal’dan ArcGIS Pro for Intelligence’a alınması

Amacımız bağlantıları ortaya çıkarmak ve zamansal dağılımı görmek oluğu için Analizler kısmından “Link Chart” ve “Timeline” kullanacağız. Bağlantı grafiği (Link Chart), verilerinizdeki varlıklar arasındaki ilişkileri görselleştirmenin bir yoludur. Bağlantı grafiği iki ana bileşen içerir: düğümler ve bağlantılar. İçinde bir sembol ve bir etiket bulunan kutular olarak görüntülenebilen düğümler;  varlıkları, herhangi bir kişiyi, yeri veya şeyi temsil eder.  Bağlantı grafiği oluşturmak için öncelikle düğüm noktalarını belirlemek gerekiyor, daha sonra ise bu düğümleri kullanarak bağlantılar oluşturulur. Bağlantılar; grafikteki düğümleri bağlayan çizgilerdir. Düğümlerle eşleşen bağlantıları otomatik olarak yüklemek için bir Bağlantı Kümesi (link set) ekleyebilirsiniz. Bağlantı kümesi oluşturmanız için önemli olan nokta; iki düğüm arasında ortak bir alanın olması, böylece “Key Fields” içinde birbiriyle eşleşen alanları seçerek bağlantıyı sağlayabilirsiniz. (Bu alan; benzersiz referans numarası gibi bir bilgi olabilir.) Bu örnekte bağlantı grafiği; kişilerle temas ettiği kişi ve mekanlar arasında kurulmuştur.

Link Chart ve Timeline araçlarının arayüzdeki yeri

 

Bağlantı grafiği oluştururken “Change Layout” kısmından farklı seçenekleri seçerek bağlantıları farklı şekillerde görselleştirebilirsiniz. Ayrıca linklerin içinde hangi bilgilerin yazacağını ve okların görünümünü de düzenleyebilirsiniz. Bağlantı grafiğinde seçtiğiniz alana düşen bilgiler harita üzerinde de görüntülenebilir. Burada oluşturduğunuz linki haritada görmek içinse “Display Links On Map” seçeneğini seçebilirsiniz. Böylece konumsal olarak da kimin nerelerle temasta olduğunu görüntüleyebilirsiniz.

Bağlantı grafiğinde düzeni değiştirme seçenekleri

Bağlantı grafiğindeki güzel bir özellik ise; aynı kişi farklı günlerde forma bilgi girişi yaparsa, bu bilgileri aynı isim altında tutmaya da olanak veriyor. Örneğin Fatih adlı kişi 13.04.2020 tarihinde hastalığı için muhtemelen diye işaretleyerek temas bilgilerini girmişken, 21.04.2020’de durumunu Pozitif olarak girdiği yeni bir form dolduruyor. İki form da Fatih olarak görünen bağlantı grafiğinin öznitelik bilgisinde görüntülenebilmektedir. Ayrıntılı bilgi için aşağıdaki görseli inceleyebilirsiniz.

Aynı kişinin farklı zamanlarda girdiği bilgiler

Bilgilerin Zaman Çizelgesi İçinde Gösterilmesi

Temasın nerede gerçekleştiğini bilmenin yanı sıra, ne zaman ve ne kadar sürdüğünü anlamak da önemlidir. ArcGIS Pro for Intelligence içindeki Timeline, diğer bir deyişle Zaman Çizelgeleri’ni kullanarak, konum-tabanlı şekilde temasları gerçekleştiği sırayla görselleştirebilirsiniz. Bu, temasların aynı anda mı yoksa aynı zaman aralığında mı gerçekleştiğini belirlemenizi sağlar. Bunun aksine, eğer temaslar arasında günler veya haftalar varsa, muhtemelen aynı kümenin parçası değildirler.

Zaman çizelgesinde olayların nerede ve hangi zaman aralığında sıklaştığını görme

Sezgisel Analitik Yoluyla Web Ortamında Bağlantı Grafiği Oluşturma

Formdan gelen bilgilerle web ortamında kullanabileceğiniz ArcGIS Insights ile neler yapabileceğimize kısaca bakalım.

Seçtiğiniz veri ile oluşturabileceğiniz grafik seçeneklerini sürükle bırak yöntemiyle hızla görüntüleyebilme

ArcGIS Insights verilerinizi hızlı bir şekilde grafiklerle göstermenize olanak sağlayan bir arayüze sahiptir. Formdan gelen bilgileri kullanarak bir çok grafik oluşturabilirsiniz.

Sağdaki görüntüden gördüğünüz grafik seçenekleri içinden Bağlantı Çizgesini kullanarak bağlantı grafiği oluşturabilirsiniz. Bu grafiği mekansal olarak da gösterebilir ve sembolojilerini düzenleyebilirsiniz. Bağlantı çizgilerini özel bir alana göre görselleştirerek veride bulunan gizli kalmış bilgileri hızlıca görselleştirebilirsiniz.

Her grafiğin verideki farklı detayları ön plana çıkaracak gücü bulunduğu içi, istediğiniz kadar kart oluşturarak farklı grafikleri aynı çalışma sayfası içinde kullanabilirsiniz.

 

 

 

ArcGIS Insights ile oluşturulan bağlantı grafiği ve haritada görselleştirilmesi

 

Toplanan bilgiler ışığında enfekte kişilerin temas ettiği sıcak bölgelerin bulunmasıyla;

  • Bu etkin noktalar, yeni test merkezlerinin nerede kurulacağı gibi yanıtın önceliklendirilmesine yardımcı olabilir,
  • Yayılmayı yavaşlatmada gereken desteği artırmak için kamu bilincini arttıracak bilgi levhaları bu bölgelere konabilir,
  • Karar vericilere yardımcı olacak ek mekansal analizler veya coğrafi zenginleştirme gerçekleştirerek uygun halk bilgilendirme kampanyaları ve bu semtlere uygun müdahale tedbirleri tanımlanabilir,
  • Öncelikli olarak dezenfekte edilmesi gereken mekanlar belirlenebilir.

Bu konuda hazırladığımız videomuzu izleyerek daha ayrıntılı bilgi alabilirsiniz.

 

Son olarak; aşağıda bu çözümde kullanılan ürünlere nasıl erişebileceğinizle ilgili kısa bir bilgilendirme bulacaksınız:

COVID-19 pandemisi ile savaşmada Esri’nin sağlamış olduğu Afetle Müdahale Programı içinde kurumlara sağlanan içerikle bu çözümü hayata geçirmeniz için gereken araçların hepsine ve daha fazlasına sahip olacaksınız. Bu konuda bilgi almak için tıklayınız.

  • Survey123 Connect for ArcGIS, form uygulamasının masaüstü kısmı olup sizin ayrıntılı formlar oluşturmanıza olanak verecek birçok özelliği içerir. Ayrıntılı bilgi için tıklayınız.
  • ArcGIS Pro for Intelligence ise  Eklentiler, Coğrafi İşleme Araçları ve diğer proje bileşenleriyle birlikte ArcGIS Pro’nun Yönetilen Yapılandırmasından (Managed Configuration) oluşur. Bu uygulamayı kullanabilmeniz için ArcGIS Pro 2.5 kullanıyor olmanız gerekmektedir. İndirmek için MyEsri veya ArcGIS Solutions olmak üzere iki farklı yol izleyebilirsiniz. Ayrıntılı bilgi için tıklayınız.

MyEsri üzerinden ya da ArcGIS Solutions sayfası içinden erişim

  • ArcGIS Insights web tabanlı bir uygulama olup birçok veriyi kullanmanıza olanak sağlayan ve çok kolay bir şekilde verilerinizi analiz etmenize olanak sağlayan bir arayüz sunar. Bu konuda yazılmış olan blog yazımızdan ayrıntılı bilgiye erişebilirsiniz.

Kaynaklar:

 

FMV Nedir ve Neler Yapabilirsiniz

ArcGIS Pro’nun Image Analyst ek bileşenindeki Full Motion Video (FMV), coğrafi veriler üzerinden video verileriyle birlikte analizler yapmanızı ve FMV uyumlu videolar oluşturmanızı sağlar. FMV uyumlu demek, video ve mekânsal verinin birlikte kullanılabilir olması demektir.

Buna basit bir ifadeyle haritalarla videoların senkronize çalışması diyebiliriz. Örneğin havadan çekilmiş bir videoyu oynattığınızda haritanızda videoyu çeken hava aracıyla ilişkili nokta da hareket edebilir.

Sadece bununla kalmaz, eğer videonuzdaki hastalanmış bitkileri sayısallaştırmak isterseniz, haritada basitçe çizmeniz yeterlidir. Ardından haritanızdaki her bir sayısallaştırdığınız detay videonuzda da görünecektir, hatta tam tersini de yapabilirsiniz. Videoda işaretlediğiniz bir detay haritanızda bir nokta detay katmanına eklenecektir. Hatta; İHA’nız ya da herhangi bir hava aracınızın nereden uçtuğunun görmek istediğinizde, haritada sadece bir noktanın hareket etmesiyle gösterilmekle yetinmeyip, isterseniz arkasında uçuş rotasının bıraktığı bir çizgi de oluşturabilirsiniz.

FMV, meta veriyi kullanarak video görüntüsünden haritadaki koordinatlar arasında kesintisiz bir rota oluşturur. Bu dönüşüm CBS’deki ilişkili tüm coğrafi verilerinizin ve bilgilerin yorumlanmasına temel sağlar. FMV verileri toplandığı anda gerçek zamanlı ya da adli olarak analiz edilebilir. Durum farkındalığı (Situation Awareness) için çok uygundur. Örneğin, bir doğal felaketten sonra hasar değerlendirmesi yaparken, İHA’dan toplanmış en güncel video verilerini analiz etmek için elinizdeki CBS katmanlarıyla birlikte FMV’yi kullanabilirsiniz. Video’nun ayak izi haritada görüntülenebildiği için, videoda o anda hangi binaların ve altyapının göründüğünü tam olarak bilebilirsiniz, bu sayede durumlarını değerlendirebilir, video ve haritadaki detayları işaretleyebilir, konumlarını gösterebilir ve bunlara notlar düşerek açıklamalarda bulunabilirsiniz.

Durağan kameralardan gelen görüntüleri de FMV olarak kullanabilirsiniz, her türlü hava aracıyla çekilmiş video da FMV de kullanılabilir ama burada önemli olan video kaydedilirken konum bilgisini meta veri olarak kaydetmektir. Doğru meta veriye sahipseniz FMV’yi anında kullanabilirsiniz. Bu meta veri sayesinde kamera videoyu çektiği anda neredeydi veya nereye bakıyordu gösterebilirsiniz. Kameranın hareket ettiği rotadan ayak izi oluşturarak harita üzerinde görüntüleyebilir ve bu sayede, video’nun gücüyle haritalar daha güçlü bir bilgi kaynağı haline gelir.

ArcGIS’in FMV yeteneği, hareketli bir videoyu ArcGIS Pro’ya sorunsuz bir şekilde entegre eder ve Esri platformunun bir parçası olarak video oynatıcı, video düzenleyici ve coğrafi işlem araçlarıyla birlikte gelir.

Dahası için;

https://pro.arcgis.com/en/pro-app/help/analysis/image-analyst/introduction-to-full-motion-video-in-arcgis-pro.htm

Esri Türkiye, 2019