دسترسی نامحدود
برای کاربرانی که ثبت نام کرده اند
برای ارتباط با ما می توانید از طریق شماره موبایل زیر از طریق تماس و پیامک با ما در ارتباط باشید
در صورت عدم پاسخ گویی از طریق پیامک با پشتیبان در ارتباط باشید
برای کاربرانی که ثبت نام کرده اند
درصورت عدم همخوانی توضیحات با کتاب
از ساعت 7 صبح تا 10 شب
ویرایش: [1st ed. 2022]
نویسندگان: Sandeep Narayan Kundu (editor)
سری:
ISBN (شابک) : 9811676488, 9789811676482
ناشر: Springer
سال نشر: 2022
تعداد صفحات: 205
[197]
زبان: English
فرمت فایل : PDF (درصورت درخواست کاربر به PDF، EPUB یا AZW3 تبدیل می شود)
حجم فایل: 8 Mb
در صورت تبدیل فایل کتاب Geospatial Data Analytics and Urban Applications (Advances in 21st Century Human Settlements) به فرمت های PDF، EPUB، AZW3، MOBI و یا DJVU می توانید به پشتیبان اطلاع دهید تا فایل مورد نظر را تبدیل نمایند.
توجه داشته باشید کتاب تجزیه و تحلیل داده های مکانی و کاربردهای شهری (پیشرفت در سکونتگاه های انسانی قرن بیست و یکم) نسخه زبان اصلی می باشد و کتاب ترجمه شده به فارسی نمی باشد. وبسایت اینترنشنال لایبرری ارائه دهنده کتاب های زبان اصلی می باشد و هیچ گونه کتاب ترجمه شده یا نوشته شده به فارسی را ارائه نمی دهد.
این کتاب کاربردهای پیشرفته تجزیه و تحلیل داده های مکانی
را برای پرداختن به مسائل دنیای واقعی در جامعه شهری برجسته می
کند. با یک دنیای متصل، ما در حال تولید فضایی با نرخهای
بیسابقهای هستیم که میتوان از آن برای تحلیلهای روشنگری
استفاده کرد که نحوه تجزیه و تحلیل رویدادهای گذشته و تعیین
مسیرهای آینده را مشخص میکند. این کتاب مجموعه ای از کاربردهای
داده های مکانی و تجزیه و تحلیل های انجام شده بر روی آنها برای
به دست آوردن بینش است که می تواند برای حل مسئله در یک محیط
شهری مورد استفاده قرار گیرد. هر فصل توسط دانشمندان دادههای
آگاه فضایی در حال ساخت که دیدگاههای فضایی ترسیمشده بر روی
دادههای بزرگ فضایی را ارائه میکنند، ارائه میشود. این کتاب
به محققان بالغ و دانشآموزان به طور یکسان برای گفتمان انواع
برنامههای کاربردی شهری که استفاده از الگوریتمهای یادگیری
ماشین را روی دادههای بزرگ فضایی برای حل مسئله در دنیای واقعی
نشان میدهند، مفید خواهد بود.
This book highlights advanced applications of
geospatial data analytics to address real-world issues in
urban society. With a connected world, we are generating
spatial at unprecedented rates which can be harnessed for
insightful analytics which define the way we analyze past
events and define the future directions. This book is an
anthology of applications of spatial data and analytics
performed on them for gaining insights which can be used for
problem solving in an urban setting. Each chapter is
contributed by spatially aware data scientists in the making
who present spatial perspectives drawn on spatial big data.
The book shall benefit mature researchers and student alike
to discourse a variety of urban applications which display
the use of machine learning algorithms on spatial big data
for real-world problem solving.
Preface Acknowledgements Contents Contributors Abbreviations Spatial Big Data and Urban Analytics: An Introduction 1 Introduction 2 Global Challenges and Spatial Data 3 Spatial Big Data Science 3.1 Workflow 3.2 Spatial Analytics 3.3 Algorithms 4 Urban Applications 4.1 Smart Sensors and Smart Cities 4.2 Applications in This Book Preferential Home Search in Urban Settings 1 Introduction 1.1 HDB Towns in Singapore 1.2 Amenities Within Walking Distance 1.3 Searching for Property 2 Study Objectives 2.1 Objectives 2.2 Scope 3 Data and Methodology 3.1 Data Types and Sources 3.2 Methodology 4 Results 4.1 Closest Facility Analysis 4.2 Improvement Analysis 5 Discussion 5.1 Simulation Dashboard 5.2 Limitations 5.3 Conclusions References Air Quality Dynamics and Urban Heat Island Effects During COVID-19 1 Introduction 1.1 Objectives 1.2 Study Area 2 Data and Methods 2.1 Data 2.2 Methodology 3 Results 3.1 Spatial Analysis of Covid-19 3.2 Air Quality Dynamics 3.3 Urban Heat Island (UHI) Effects 4 Discussion References Mass Rapid Transit and Population Dynamics During Covid-19 in Singapore 1 Introduction 1.1 MRT Ridership and Urban Development 1.2 Influence of Covid-19 Restrictions 2 Objectives, Data and Methods 2.1 Objectives 2.2 Data and Sources 2.3 Framework 2.4 Algorithms Used 3 Analysis and Results 3.1 Typology Classification of MRT Stations 3.2 Popularity Analysis 3.3 Popularity Patterns and Variations 3.4 Outlier Analysis 4 Discussion 4.1 Open Space and MRT Station Popularity 4.2 Re-opening Policy and Passenger Volume 4.3 Conclusions and Limitations References A Geospatial Analysis of Tweets During Post-circuit Breaker in Singapore 1 Introduction 2 Methodology 2.1 Data Collection 2.2 Spatio-Temporal Analysis 2.3 Random Forest Model 3 Analysis and Results 3.1 Twitter Users in Singapore 3.2 Distribution in Space and Time 3.3 Regression Analysis 3.4 Modelling Using Random Forest Classifier 4 Discussion 4.1 Activity Patterns and Relations to Service Amenities and Land Use 4.2 Limitations 5 Conclusion References Space–Time Analytics of New York City Shooting Incidents 1 Introduction 1.1 Study Area 1.2 Objectives and Scope 1.3 Data and Sources 2 Methodology 2.1 Data Wrangling 2.2 Analysis 3 Results and Discussion 3.1 Shooting Incidents in Space and Time 3.2 Regression Analysis 3.3 Network Analysis 4 Conclusions 4.1 Limitations References Spatial and Temporal Patterns of Tourist Source Market Emissiveness: A Study of Shanghai, China 1 Introduction 1.1 Emissiveness and Tourism 1.2 Objective and Scope 1.3 Methodology and Workflow 1.4 Definitions 2 Data and Pre-processing 2.1 Yearbook 2.2 Scenic Spots 2.3 Travel Demand Index 3 Methods of Analysis 3.1 Spatial Analysis of Destination Attraction 3.2 Travel Demand Index Pattern Evolution 3.3 Spatial Analysis of Emissiveness in Tourist Source Markets 4 Results 4.1 Spatial Distribution and Tourist Score 4.2 Travel Demand Index Patterns 4.3 Emissiveness in Tourist Source Markets 5 Conclusions 5.1 Limitations 5.2 Future Scope References Spatial Perspectives of Crime Patterns in Chicago Amid Covid-19 1 Introduction 1.1 Study Area 2 Methodology 3 Analysis and Results 3.1 Crime Trends 3.2 Trends by Type 3.3 Reasoning High Crime Rates 4 Discussion and Conclusion References Geospatial Analysis of Grab Trips in Singapore 1 Introduction 1.1 Study Area 1.2 Objective and Scope 2 Data Used 2.1 Grab Posisi 2.2 Point of Interest (POI) Dataset 2.3 Resident Population Data 3 Methodology 3.1 Units of Spatial Analysis 3.2 Multiple Collinear Diagnosis and Global Regression 3.3 Spatial Autocorrelation 3.4 Geographical Weighted Regression(GWR) 3.5 Multi-scale Geographic Weighted Regression (MGWR) 4 Results 4.1 Regression Analysis 4.2 GWR and MGWR Results 5 Conclusion 5.1 Limitations References Ecological Vulnerability of Nyingchi, Tibet 1 Introduction 1.1 Objectives and Scope 1.2 Data 2 Methodology 2.1 Data Screening and Pre-processing 2.2 Analytical Methods 3 Analysis and Results 3.1 Ecological Vulnerability 3.2 Spatial Variability of EVSI 3.3 EVSI Change Trends 3.4 Analysis of Hotspots 4 Discussion 4.1 Role of Natural Factors 4.2 Role of Anthropogenic Factors 4.3 Ecological Vulnerability and Sustainable Development 5 Conclusion References