THB-opiskelijat esittelevät innovatiivista asuinrakennusanalyysiä Brandenburgissa

THB-opiskelijat esittelevät innovatiivista asuinrakennusanalyysiä Brandenburgissa

Kölnin opiskelijat kehittävät innovatiivisia menetelmiä asuinalueiden arviointiin

Jännittävä projekti tulee Brandenburgin teknillisestä yliopistosta (THB), jossa opiskelijat ovat suunnitelleet uuden menetelmän Brandenburg an der Havelin asuinalueiden tietopohjaiseen luokitteluun. äänekäs Tapaamispaikka Brandenburg Käytettiin erilaisia ​​asiantuntijatietoja ja tilastollisia menetelmiä, kuten klusterianalyysiä, tekijäanalyysiä ja erotteluanalyysiä.

Opiskelijat ottivat huomioon laajan joukon relevantteja indikaattoreita, kuten lääkäreiden, koulujen, päiväkotien sekä ostospaikkojen ja viheralueiden läheisyyden. Heidän työnsä tulos esitettiin selkeästi interaktiivisissa kartoissa, jolloin tieto oli päättäjien ja kansalaisten ulottuvilla. Loppuesitys pidettiin Tilasto- ja vaaliosaston työntekijöiden sekä Vuokraindeksityöryhmän jäsenten edessä. Osaston johtaja Conny Thiele kehui tuloksia, jotka voivat toimia vankana tieteellisenä perustana tuleville asuinpaikkalaskelmille. Professori André Nitze korosti projektin käytännön merkitystä ja sen hyödyllisyyttä opiskelijoiden oppimien taitojen soveltamisessa.

Monipuolinen data ja analyysi

Tämän menetelmän kehittämisen lisäksi analysoitiin myös vuosien 2019-2023 asuinaluekartat, jotka tarjoavat erilaisia ​​muotoja, kuten shapefile, CSV ja GML. Tätä tarkoitusta varten käytetään kattavia tietoja Govdata viitattu. Viime vuosien asuinaluekarttojen tärkeimmät julkaisupäivät ovat seuraavat:

• 2019: Verfügbar seit 21.01.2022
• 2020: Verfügbar seit 21.01.2022
• 2021: Verfügbar seit 21.01.2022
• 2022: Verfügbar seit 11.04.2022
• 2023: Verfügbar seit 27.03.2023

Kyky käyttää näitä tietoja eri muodoissa on erittäin arvokasta jatkoanalyysin kannalta. Tällaisten tietojen toimittaminen luo edellytykset perusteltuille päätöksille kaupunkisuunnittelussa ja kiinteistömarkkinoilla.

Klusterianalyysin merkitys

Keskeinen työkalu tässä projektissa on klusterianalyysi. Miten Novustat selittää, tämä on tilastojen ja tiedon louhinnan standardimenettely, jota käytetään havaintojen ryhmittelyyn. Tavoitteena on luoda homogeenisiä ryhmiä, joissa yksiköt ovat keskenään samanlaisia, mutta ryhmät ovat merkittävästi erilaisia.

Klusterianalyysi on tärkeä kaupunkitutkimuksen lisäksi myös muilla aloilla, kuten psykologiassa, lääketieteessä ja markkinoinnissa. Toimenpide sisältää useita vaiheita, mukaan lukien etäisyysmitan määrittäminen, ryhmien muodostaminen ja tulosten tulkitseminen. Ihmiskaupan opiskelijat ovat käyttäneet tätä teoreettista tietoa saavuttaakseen konkreettisia, käytännön kannalta tärkeitä tuloksia.

Kaiken kaikkiaan projekti osoittaa onnistuneen yhteyden teorian ja käytännön välillä ja antaa merkittävän panoksen datatuettuun asuinympäristön arviointiin. On jännittävää nähdä, miten nämä tutkimustulokset toteutuvat käytännössä ja mitä uusia mahdollisuuksia tulevaisuuden kaupunkikehitys avaa Brandenburg an der Havelissa.