ΕΡΓΑΣΙΑ ΓΕΩΓΡΑΦΙΚΑ ΣΥΣΤΗΜΑΤΑ ΠΛΗΡΟΦΟΡΙΩΝ (G.I.S.) Επώνυμο : Καφίδας Όνομα : Λάμπρος ΑΜ : 080000293 Εξάμηνο : ΣΤ Ημ/νια : 19 Μαΐου 2005 Εισαγωγικά Ανοίγω τους πίνακες τις άσκησης στο πρόγραμμα και μορφοποιώ την παρουσίασή τους, ώστε να είναι πιο ευανάγνωστοι. Όρια δήμου Καλλιθέας: μοβ (2px πλάτος) Οικοδομικά τετράγωνα: πράσινο Άξονες Οδών: κίτρινο Σελίδα 1 από 15
Ερώτημα 1 Ζητείται η γεωκωδικοποίηση και η παρουσίαση των υποκαταστημάτων των τραπεζών στο χάρτη της Καλλιθέας. Ανοίγω το αρχείο banks.xls μέσα στο πρόγραμμα (tick στο Use Row Above Selected Range for Column Titles). Ρυθμίζω στο Browser Window το Text Style ώστε να φαίνονται τα ελληνικά (F8 Font:Arial Greek). Ρυθμίζω την μορφή της διεύθυνσης, ώστε να είναι στη ίδια σύνταξη με αυτήν του αρχείου banks.xls (Options Preferences Address Matching Numbers after street name). Στη συνέχεια προχωρώ στην γεωκωδικοποίηση, επιλέγοντας Table Geocode και κωδικοποιούνται αυτόματα 12 από 36 τράπεζες (απομένουν 24). Για αυτές επιλέγουμε Interactive Mode και βεβαιώνουμε την ταυτοποίηση των διευθύνσεων των 2 πινάκων (banks, kalli8eastrn_line). Σελίδα 2 από 15
Για να εμφανιστούν οι τράπεζες στο χάρτη κάνουμε δεξί κλικ πάνω του και Layer Control Add banks (ρυθμίζουμε το Display) OK. Το Layer για να εμφανιστεί θα πρέπει να είναι πάνω από τα υπόλοιπα. Σελίδα 3 από 15
Ερώτημα 2 Ζητείται η κατασκευή θεματικού χάρτη του πληθυσμού που κατοικεί στην Καλλιθέα με την χρήση πλέγματος (Grid). Τα δεδομένα που θα χρειαστούμε βρίσκονται στον πίνακα Kalli8ea_poly στην στήλη POPULATION (πληθυσμός ανά οικοδομικό τετράγωνο). Για να κατασκευάσουμε τον θεματικό χάρτη ανοίγουμε το αντίστοιχο πλαίσιο διαλόγου: Map Thematic Map (F9) και κάνουμε τις παρακάτω επιλογές: Τα όρια του δήμου Καλλιθέας, που επιλέγουμε ως boundary, θα περιορίσει τη δημιουργία του θεματικού χάρτη στα όρια του δήμου. Πατούμε Next και στο επόμενο μενού επιλέγουμε την μέθοδο IDW, η οποία αρμόζει καλλίτερα στα δεδομένα του πληθυσμού που πρόκειται να αξιοποιήσουμε (ανεξάρτητη τιμή μεταξύ των πολυγώνων). Επιλέγουμε Settings (Aggregate Coincident Points by) Sum, ώστε αν υπάρχουν πολύγωνα που συμπίπτουν η τιμή πληθυσμού τους να υπολογιστεί αθροιστικά. Επιλέγουμε Styles, οπότε ανοίγει το μενού Grid Appearance. Κάτω δεξιά εμφανίζεται η ελάχιστη και η μέγιστη τιμή [0-863] των δεδομένων που Σελίδα 4 από 15
επιλέξαμε (POPULATION). Για να υπάρχει ισοκατανομή επιλέγω 4 κατηγορίες ανά 250 κατοίκους: Αλλάζω την ονομασία του Legend και πατώ ΟΚ. Εμφανίζεται ο θεματικός χάρτης του πληθυσμού δήμου Καλλιθέας ανά οικοδομικό τετράγωνο: Σελίδα 5 από 15
Ερώτημα 3 Ζητείται η δημιουργία της περιοχής ευθύνης κάθε υποκαταστήματος χρησιμοποιώντας πολύγωνα Voronoi. Επιλέγω τα όρια του δήμου Καλλιθέας και Objects Set Target Area, για να περιορίσω τα πολύγωνα εντός του δήμου (το layer πρέπει να είναι editable). Για να δημιουργήσω τα ζητούμενα πολύγωνα θα αξιοποιήσω τα δεδομένα του πίνακα banks. Επιλέγω Table Voronoi -> banks και <New> -> Add to Current Mapper και Create new table structure Create. Στη δομή του πίνακα εισάγω 2 πεδία float (θα χρησιμοποιηθούν αργότερα). Πατώ Create και αποθηκεύω το αρχείο με ονομασία VoronoiBanks.TAB. Στο επόμενο παράθυρο κάνω κλικ στο No Data και πατώντας ΟΚ εμφανίζονται τα πολύγωνα Voronoi. Μετά την κατάλληλη επεξεργασία στο Display (και Objects Clear Target Area) τα πολύγωνα Voronoi φαίνονται όπως παρακάτω: Σελίδα 6 από 15
Ερώτημα 4 Ζητείται η χωροθέτηση ενός νέου υποκαταστήματος τράπεζας, η οποία δεν έχει επεκταθεί στον δήμο Καλλιθέας, με κριτήριο την εξυπηρέτηση όσο το δυνατόν μεγαλύτερου μέρους πελατών, οι οποίοι να βρίσκονται στην περιοχή ευθύνης του νέου υποκαταστήματος. Με άλλα λόγια, ψάχνουμε να εντοπίσουμε μια θέση στην οποία μεγιστοποιείται ο αριθμός του γειτονικού πληθυσμού καθώς και η περιβαλλόμενη έκταση της περιοχής ευθύνης. Οι υπάρχοντες τράπεζες έχουν μια περιοχή ευθύνης την οποία υπολογίσαμε στο προηγούμενο ερώτημα. Μεγάλη έκταση σε περιοχή ευθύνης σημαίνει ότι η τράπεζα καλύπτει μεγάλο μέρος των οικοδομικών τετραγώνων και ο πληθυσμός, που κατοικεί σε αυτά διανύει μεγάλη απόσταση μέχρι την τράπεζα. Άρα, η χωροθέτηση μιας νέας τράπεζας στην περιοχή εκείνη θα προσέλκυε τους γειτονικούς κατοίκους, οι οποίοι θα προτιμούσαν την τράπεζα, που θα ήταν πιο κοντά σε αυτούς. Επομένως καταλήγουμε στο συμπέρασμα ότι η μεγάλη έκταση κάθε περιοχής ευθύνης επί το ενισχυτικό κριτήριο του πληθυσμού που κατοικεί εντός αυτού, αποτελεί το κριτήριο της αναζήτησής μας. Για να επιτύχουμε το παραπάνω υπολογίζουμε το συνολικό πληθυσμό που εξυπηρετεί κάθε υπάρχον τραπεζικό υπόκατάστημα, δηλαδή τον πληθυσμό που κατοικεί στην περιοχή ευθύνης κάθε τράπεζας. Ακόμη θα χρειαστεί να δημιουργήσουμε το καρτεσιανό γινόμενο, για κάθε πολύγωνο Voronoi (περιοχή ευθύνης κάθε τράπεζας), του πληθυσμού που ανήκει σε αυτό επί την έκταση που καλύπτει. Αυτό θα χρησιμεύσει ως δείκτης, ο οποίος θα δηλώνει την μεγιστοποίηση των παραμέτρων, που μας ενδιαφέρουν (πληθυσμός, έκταση) για κάθε τράπεζα. Τέλος θα πρέπει να μεταβάλλουμε το κέντρο βάρους (centroid) κάθε πολυγώνου Voronoi, προκειμένου να δημιουργήσουμε ένα θεματικό χάρτη 2 περιοχών τιμών (δίπολο), με κριτήριο το καρτεσιανό γινόμενο που δημιουργήσαμε (πληθυσμός * έκταση). Το κέντρο βάρους θα πρέπει να μετακινηθεί στη θέση στην οποία μεγιστοποιείται ο πληθυσμός, ώστε ο υπολογισμός μας να είναι σταθμισμένος χωρικά. Σελίδα 7 από 15
Οπότε, επιλέγω Table Update Column και συμπληρώνω τα πεδία όπως φαίνεται παρακάτω: Στο πεδίο Field1 του πίνακα VoronoiBanks υπάρχουν πλέον οι τιμές, οι οποίες δηλώνουν τον αριθμό των κατοίκων που διαμένουν εντός της περιοχής ευθύνης κάθε τράπεζας. Επαναλαμβάνω την διαδικασία για το Field2, στο οποίο υπολογίζεται το καρτεσιανό γινόμενο «Field1*Area(obj, "sq km")» (πληθυσμός * εμβαδόν αντικειμένου σε τ.χλμ). Σελίδα 8 από 15
Τώρα μπορώ να αλλάξω και τις ονομασίες των πεδίων για να αποδίδουν το περιεχόμενό τους: επιλέγω Table Maintenance Table Structures VoronoiBanks-> και αλλάζω τα ονόματα των πεδίων. Αν επιλέξω αυτή την διαδικασία χρειάζεται επαναεισαγωγή του πίνακα στο χάρτη. Στη συνέχεια θα δημιουργήσω ένα δίπολο θεματικό χάρτη για να «φωτιστούν» οι προτιμότερες περιοχές εγκατάστασης της νέας τράπεζας. Προκειμένου τα αποτελέσματα να είναι χωρικά σταθμισμένα πρέπει να μεταβληθεί το κέντρο βάρους (centroid) κάθε πολυγώνου Voronoi στην περιοχή πληθυσμιακής συγκέντρωσής του. Επιλέγω δεξί κλίκ πάνω στο χάρτη Layer Control VoronoiBanks Display Show Centroids και κάνω το layer, Editable. Εμφανίζονται το κέντρο βάρους κάθε πολυγώνου. Έχοντας εμφανή το θεματικό χάρτη της κατανομής του πληθυσμού μετακινώ τα centroids: Στο μενού Main επιλέγω Select και στο μενού Draw επιλέγω Reshape. Στη συνέχεια επιλέγω κάθε centroid και το μετακινώ στην κατάλληλη θέση. Σελίδα 9 από 15
Πριν Μετά Σελίδα 10 από 15
Για τον θεματικό χάρτη επιλέγω Map Create Thematic Map Grid Default -> και κάνω τις ακόλουθες επιλογές: Στο επόμενο πλαίσιο διαλόγου (Step 3 of 3) επιλέγω Styles και Method:Custom Cell Count, Number of Inflection: 2, Round: 100 και ρυθμίζω το ποσοστό στο 100%. Αυτές οι επιλογές θα δημιουργήσουν ένα θεματικό χάρτη στον οποίο θα εμφανίζονται οι περιοχές, όπου μεγιστοποιείται η παράμετρος VorPopArea (πληθυσμός*έκταση πολυγώνου), αφού έχει στρογγυλοποιηθεί κατά 100. Το ποσοστό 100% σημαίνει ότι η μέγιστη τιμή (αυτή που ισούται με το 100% του εύρους) θα είναι χρωματικά το απόλυτο κόκκινο. Αν επιλέξω μικρότερο ποσοστό π.χ. 95%, τότε όσες τιμές καλύπτουν το 95% του εύρους τιμών θα είναι πλήρως κόκκινες. Οι ενδιάμεσες τιμές ρυθμίζονται ανάλογα. Πρακτικά, έτσι μπορώ να μεταβάλω το εύρος της περιοχής που θα «φωτιστεί» (μικρότερο ποσοστό μεγαλύτερο έυρος), κάνοντας τα κριτήριά μου πιο ελαστικά. Σελίδα 11 από 15
Με αυτόν τον τρόπο προκύπτει ο παρακάτω θεματικός χάρτης, στον οποίο εντοπίζουμε τις περιοχές βέλτιστης χωροθέτησης (κόκκινο χρώμα). Επικουρικά, μπορούμε τώρα να υπολογίσουμε και μια ακόμη παράμετρο η οποία θα μπορεί να μας βοηθήσει στον εντοπισμό της βέλτιστης θέσης. Αυτή είναι το κέντρο βάρους (centroid) του πολυγώνου, του οποίου οι κορυφές είναι οι τράπεζες που περικλείουν την περιοχή βέλτιστης εγκατάστασης. Σελίδα 12 από 15
Οπότε Draw Polygon στο Cosmetic Layer(editable) και Map Save Cosmetic Objects. Δίνω ονομασία και μορφοποιώ την προβολή (Display), για να έχω την παρακάτω παρουσιάση: Η βέλτιστη επομένως θέση για την δημιουργία μιας νέας τράπεζας βρίσκεται στην περιοχή, η οποία είναι «φωτισμένη κοκκινισμένη», με βοηθητικό οδηγό το μπλε σημείο του πολυγώνου, που μόλις δημιουργήσαμε. Γενικότερα είναι προτιμότερο όταν απαιτείται η χωροθέτηση μιας εγκατάστασης, τα συμπεράσματά μας να μην είναι μοναδικά, αλλά να παρουσιάζουν εύρος εναλλακτικών περιοχών. Έτσι, στην περίπτωση κατά την οποία η εγκατάσταση μιας επιχείρησης θα ήταν αδύνατη στην βέλτιστη θέση (π.χ. λόγω παραγόντων, που δεν θα μπορούσαν να προβλεφθούν στην αρχική διερεύνηση), να έχουν υπολογιστεί εναλλακτικές δευτερεύουσες θέσεις, που να ικανοποιούν τις απαιτήσεις μας. Σελίδα 13 από 15
Ερώτημα 5 Ζητείται η χωροθέτηση ενός νέου υποκαταστήματος της τράπεζας Πίστεως. Ξεκινάμε δημιουργώντας περιοχές ευθύνης, αυτήν την φορά μόνο για τα υποκαταστήματα της τράπεζας Πίστεως: Επιλέγω πρώτα τις τράπεζες Πίστεως με SQL, SELECT * FROM banks WHERE BANKNAME= ALPHA ΤΡΑΠΕΖΑ ΠΙΣΤΕΩΣ ; και επαναλαμβάνω τη διαδικασία για Voronoi στην επερώτηση, που δημιούργησα, οπότε παίρνω το παρακάτω αποτέλεσμα: Στη συνέχεια ακολουθούμε γενικά τον τρόπο σκέψης και τις διαδικασίες του ερωτήματος 4. Με αυτόν τον τρόπο, παρατηρώντας το παραπάνω διάγραμμα και αξιοποιώντας την απάντηση του ερωτήματος 4, καταλήγουμε στο συμπέρασμα ότι και στην περίπτωση χωροθέτησης νέου υποκαταστήματος της τράπεζας Πίστεως η βέλτιστη περιοχή εγκατάστασης είναι η «φωτισμένη κοκκινισμένη» περιοχή. Σελίδα 14 από 15
Ερώτημα 6 Ζητούνται άλλοι τύποι δεδομένων, τα οποία θα βοηθούσαν στην λήψη ανάλογων αποφάσεων. Τέτοιου είδους δεδομένα θα μπορούσαν να είναι: Ύπαρξη χώρων στάθμευσης Προσβασιμότητα (κατάσταση & τύπος δικτύου μεταφορών) Διαθεσιμότητα υποδομών και χρήσεις γης (κτίρια, οικόπεδα, ιδιοκτησιακό καθεστώς) Κόστος ζωής και βιοτικό επίπεδο κατοίκων ανά περιοχή Εγγύτητα με λοιπές συναφείς χρηματοοικονομικές εγκαταστάσεις Εγγύτητα με εγκαταστάσεις εμπορικής και λοιπής οικονομικής δραστηριότητας Σελίδα 15 από 15