عنوان

کاربرد کلان داده و WebGIS در مدل‌سازی الگوی خرید (مطالعه موردی: شهر تبریز)

پ۲۴۴۴۵

per

کاربرد کلان داده و WebGIS در مدل‌سازی الگوی خرید (مطالعه موردی: شهر تبریز)

سهیل فیض اله زاده

برنامه ریزی و علوم محیطی

۱۳۹۹

۹۸ص.

سی دی

کارشناسی ارشد

سنجش از دور و سیستم اطلاعات جغرافیایی گرایش مطالعات شهری و روستایی

۱۳۹۹/۱۱/۲۶

عصر حاضر، عصر کلان داده (Big Data) هست. روند بي¬سابقه تولید داده مکاني براي محققین فرصت¬هاي نويني را براي تولید اطلاعات و دانش و ارزش افزايي تحقیقات علمي، توسعه¬هاي مهندسي و تصمیم¬سازي تجاري فراهم مي¬سازد. توسعه سریع جوامع انسانی و پیچیدگی روز¬افزون آن، باعث پیچیدگی هر چه بیشتر الگوهای حاکم بر مسائل انسانی را موجب شده است. ازاین‌رو اقتصاد در جوامع انسانی یک اصل تأثیرگذار محسوب می¬شود. برای موفقیت در کسب‌وکار نیاز شدیدی به شناخت بازار و نیازهای مشتری احساس می¬شود. بازاریابان با مطالعه تعداد جمعیت و الگوی خرج این افراد می¬توانند روند اساسی الگوهای مصرف آن¬ها را پیش¬بینی کنند. هدف پژوهش کاربرد سیستم اطلاعات جغرافیایی تحت وب (Web GIS) و کلان داده برای شناخت الگوی خرید مشتریان و مدل‌سازی موفقیت هرکدام از کسب‌وکارها در شهر تبریز هست. برای تجزیه‌وتحلیل داده¬ها از نرم‌افزارهایی همچون Arc GIS، PostgreSQL، QGIS و Excel استفاده شده است. برای این کار ابتدا با استفاده از نرم‌افزار PostgreSQL و افزونه مکانی PstGIS پایگاه داده مکانی برای ذخیره اطلاعات مربوط به میزان خرید ایجاد شد، سپس داده¬های مربوط به شهر تبریز به هشت صنف و هر صنف به تعدادی زیرگروه تقسیم شده و به‌تمامی داده‌ها در پایگاه داده یک کد اختصاصی داده‌شده است. با استفاده از نرم‌افزار Geoserver لایه‌ها از پایگاه داده خوانده ‌شده و در نقشه وب منتشر شده¬اند. درنهایت داده¬ها و لایه‌های مکانی و غیرمکانی مربوط به الگوی خرید شهر با استفاده از کتابخانه OpenLayers به نمایش درآمدند. پس از مدل‌سازی داده‌ها مشخص گردید در اکثر صنف‌ها میزان فروش با تراکم منطقه ارتباط مستقیم دارد. همچنین قرارگیری فروشگاه‌های هم‌صنف در نزدیکی یکدیگر به افزایش میزان فروش منجر می‌شود. از نتایج دیگر اینکه مشخص شد برای صنفی مانند پوشاک قرارگیری در منطقه بازار شهر باعث افزایش مراجعه شده است. خدمات دولتی نیز با تراکم منطقه و قرارگیری در خیابان‌های اصلی ارتباط مستقیم دارند

The present age is the Big Data age. The unprecedented trend in spatial data production provides researchers with new opportunities to generate information and knowledge, and add value to scientific research, engineering developments, and business decision making. The patterns of human issues have been made even more complex by rapid growth of human societies and their increasing complexity. For this reason economics is regarded as an effective principle in human societies, and to succeed in business, there is an urgent need to know the needs of the market and customer. By studying the population and expenditure patterns of these people, marketers can anticipate the basic trend of their consumption patterns. The purpose of this research was exploiting the Web GIS and big data to identify customer buying patterns and model the success of each business in the city of Tabriz. Software such as ArcGIS, PostgreSQL, QGIS, and Excel have been used to analyze the data, which in the aid of doing this, first, a location database was created to store purchase information using the PostgreSQL software and the PostGIS location plugin. Then the data related to the city of Tabriz was divided into eight classes and each class was divided into several subgroups, and a special code was dedicated to all data in the database. Using Geoserver software, the layers are read from the database and published on the web map. Finally, data and spatial layers in association with the city shopping pattern were displayed using the OpenLayers library. After modeling the data, it was found that in most classes, the amount of sales is directly related to the density of the region. Also, placing stores close to each other will increase sales. As another result, it was found that for a union such as clothing, being located in the Bazaar area of the city has increased the number of visits. Government services also have a direct relation with the density of the area and its location on the main streets.

Big Data, Geographic Information System, Shopping Pattern, WebGIS, PostGIS, Spatial Database, Tabriz City

‏فیض اله زاده،

‏‏ سهیل

تهيه کننده

‏ فیضی زاده،

‏صنوبر،

‏‏ بختیار

ناصر

استاد راهنما

استاد راهنما

‏ تبریز