UrbanKG, akıllı şehirlerin ulaşım, enerji, çevre, kamu güvenliği ve vatandaş hizmetleri verilerini ortak bir anlamsal modelde ilişkilendirmek için geliştirilmiş dört katmanlı bir bilgi grafiği mimarisidir. Sommai Khantong, Charuay Savithi ve Mohammad Nazir Ahmad tarafından gerçekleştirilen araştırmada Tasarım Bilimi Araştırma Metodolojisi (Design Science Research Methodology, DSRM) kullanılmış; çerçeve açık veri kaynaklarından oluşturulan bir kavram kanıtı uygulamasıyla değerlendirilmiştir. Ortaya çıkan bilgi grafiği 287.456 RDF üçlüsü, 23.847 farklı varlık, 127 ilişki türü ve 42.384 zaman damgalı gözlem içermektedir. Araştırmacılar beş tasarım hedefinin karşılandığını, 23 alanlar arası sorgu örüntüsünün başarıyla işletildiğini ve önerilen mimarinin anlamsal bütünleştirme, zamansal temsil, federatif yönetim ve karma çıkarım bakımından teknik uygulanabilirliğini raporlamaktadır. Bulgular, gerçek bir büyükşehirde eksiksiz canlı üretim uygulamasının doğrulandığı anlamına gelmemektedir.

Araştırmanın temel problemi, kentsel verilerin yalnız farklı dosyalarda veya sunucularda bulunması değil, farklı sistemlerin aynı nesneleri, konumları, zamanları ve ilişkileri birbirinden farklı biçimde tanımlamasıdır. UrbanKG, bu anlamsal parçalanmayı ontolojiler, standart tanımlayıcılar, RDF ilişkileri, SPARQL sorguları ve alanlar arası bağlantılar aracılığıyla ele alır.

Çalışma ayrıca şehir içindeki hizmet erişilebilirliğinin, ulaşım altyapısı ile hastane, kamu hizmeti ve çevresel göstergelerin birlikte değerlendirilmesiyle incelenebileceğini göstermektedir. Ancak kullanılan kaynaklar, örnekleme kararları, sentetik acil yardım bileşenleri ve bazı ölçüm tanımlarındaki sınırlılıklar nedeniyle sonuçlar incelenen kavram kanıtı koşullarıyla birlikte yorumlanmalıdır.

1. Akıllı şehirlerde temel problem: Veri neden tek başına yeterli değildir?

Akıllı şehir sistemleri, birbirinden bağımsız teknik altyapılardan veri toplar. Ulaşım sistemleri durakları, araçları, güzergâhları ve seferleri; enerji sistemleri sayaçları, dağıtım tesislerini ve tüketimi; çevre sistemleri hava kalitesini ve meteorolojik ölçümleri; kamu güvenliği sistemleri olayları ve müdahale kaynaklarını; vatandaş hizmetleri ise hizmet taleplerini ve bunların durumlarını kaydeder.

Bu kayıtların birlikte değerlendirilmesi gerekirken farklı kurumlar ayrı veri modelleri, tanımlayıcılar, erişim protokolleri ve terminolojiler kullanabilir. Dolayısıyla aynı mahalleyi ilgilendiren ulaşım, enerji ve çevre bilgileri bilgisayar sistemleri açısından birbirleriyle bağlantısız kalabilir.

Bu duruma veri silolaşması denir. Silolaşmanın anlamsal boyutu özellikle önemlidir: iki veri kümesinin aynı biçimde saklanması, aynı kavramları temsil ettiklerini veya aralarındaki ilişkinin açıkça tanımlandığını garanti etmez.

Örneğin bir ulaşım kaydındaki durak tanımlayıcısı ile bir konumsal veri kümesindeki fiziksel konum nesnesi farklı kimliklere sahip olabilir. Ortak ilişki kurulmadan yalnız dosyaları bir araya getirmek, bu iki kaydın nasıl bağlantılı olduğunu otomatik olarak açıklamaz.

UrbanKG'nin araştırma sorunu, farklı kurumların ürettiği verileri merkezi bir şemaya tamamen taşımadan, ortak bir anlamsal yapı üzerinden sorgulanabilir ve birlikte yorumlanabilir hale getirmektir.

Bilgi Grafiği Nedir ve Akıllı Şehirlerde Ne İşe Yarar?

Bilgi grafiği (Knowledge Graph, KG), gerçek dünyadaki varlıkları düğümlerle, bu varlıklar arasındaki tanımlı ilişkileri ise bağlantılarla temsil eden yapılandırılmış bir bilgi modelidir. Akıllı şehirlerde bilgi grafiği; ulaşım durağı, elektrik dağıtım noktası, çevre sensörü, idari bölge ve kamu hizmeti gibi farklı alanlardaki varlıkların aynı anlamsal çerçevede ilişkilendirilmesine olanak sağlar. UrbanKG çalışması, bilgi grafiklerini bir şehrin bütün verilerini tek yerde saklayan zorunlu bir merkezi depo yerine, farklı veri kaynakları arasında anlamsal bağlantı sağlayan bir altyapı olarak konumlandırmaktadır.

2. RDF üçlüsü: Bir ilişki bilgisayar tarafından nasıl temsil edilir?

Kaynak çalışmanın temel teknolojilerinden biri Kaynak Tanımlama Çerçevesi'dir (Resource Description Framework, RDF). RDF, bilgiyi üç bileşenli ilişkiler halinde temsil eder:

Özne — Yüklem — Nesne

Özne hakkında bilgi verilen varlıktır. Yüklem varlığın hangi özelliğinin veya ilişkisinin belirtildiğini açıklar. Nesne ise ilişkinin bağlandığı başka varlığı ya da bir değeri gösterir.

Kaynağın RDF yaklaşımını açıklamak için aşağıdaki bağımsız öğretici örnek kullanılabilir:

urb:Durak_A  urb:bulunduguBolge  urb:Bolge_5 .

Bu ifade Durak_A adlı varlığın Bolge_5 adlı idari bölgede bulunduğunu temsil eder. Buradaki adlar öğretici yer tutuculardır; UrbanKG veri kümesinde doğrulanmış gerçek kayıtlar olarak sunulmamaktadır.

RDF'de tam tanımlayıcılar URI veya IRI biçiminde kullanılabilir. Kısaltılmış önekler, uzun tanımlayıcıların daha okunabilir şekilde gösterilmesini sağlar. İlişkinin anlamı da ontoloji içinde tanımlanarak farklı uygulamaların aynı yüklemi tutarlı biçimde değerlendirmesi amaçlanır.

3. Ontoloji, T-Box ve A-Box arasındaki fark

Ontoloji, belirli bir bilgi alanındaki kavramları, bunların birbirleriyle ilişkilerini ve mantıksal özelliklerini tanımlayan biçimsel yapıdır. UrbanKG'de ontoloji, farklı kurumların aynı varlık türlerini ortak anlamlarla temsil edebilmesi için kullanılır.

T-Box (Terminological Box), bilgi modelinin kavramsal ve şematik bölümüdür. Bir varlığın hangi sınıfa ait olabileceğini, sınıfların birbirleriyle ilişkilerini ve özelliklerin hangi tür varlıklara uygulanabileceğini tanımlar.

A-Box (Assertional Box), belirli varlıklara ait örnek kayıtları ve bu varlıklar arasındaki somut ilişkileri içerir.

Örneğin bir ontolojide "TopluTaşımaDurağı" adlı sınıfın tanımlanması T-Box düzeyindeki kavramsal işlemdir. Belirli bir durak varlığının bu sınıfa ait olduğunun belirtilmesi ise A-Box düzeyindeki örnek bilgidir.

Kaynak UrbanKG kavram kanıtında 287.456 RDF üçlüsü A-Box kayıtları olarak bildirilmiştir. Bu sayı, ontolojideki sınıf sayısıyla karıştırılmamalıdır.

4. RDF, RDFS, OWL, SHACL, SPARQL ve GeoSPARQL birbirinden nasıl ayrılır?

Bu standartların tamamı aynı işi yapmaz. RDF veriyi temsil eder, ontoloji söz konusu verinin anlamını yapılandırır, SHACL uygunluk denetimi sağlar, SPARQL sorgular ve GeoSPARQL konumsal işlemlere olanak tanır.

Özellikle OWL'deki mantıksal çıkarım ile SHACL'deki veri uygunluk denetimi birbirinden ayrılmalıdır. Bir grafikte mantıksal olarak yeni ilişki türetilebilmesi, verinin tüm uygulama kısıtlarını sağladığı anlamına gelmez.

5. Bilgi grafiği ile dijital ikiz arasındaki ilişki

Dijital ikiz (digital twin), fiziksel bir varlığı veya sistemi dijital ortamda temsil eden ve uygun veri bağlantılarıyla güncellenebilen bir sistem yaklaşımıdır. Bilgi grafiği bu yapının kendisiyle tamamen özdeş değildir.

UrbanKG yaklaşımında bilgi grafiği fiziksel ve idari varlıkları, aralarındaki ilişkileri, coğrafi bağlamı ve veri kökenini temsil eden anlamsal altyapıyı oluşturabilir. Dijital ikizin görselleştirme veya simülasyon bileşenleri ise bu yapılandırılmış bilgi üzerinden çalışabilir.

Kaynak araştırmada dijital ikiz senkronizasyonu mimarinin uygulama olanakları arasında tanımlanmıştır. Bu durum, çalışmada tam işlevli bir şehir dijital ikizinin canlı ortamda işletildiği anlamına gelmemektedir.

6. Literatürde UrbanKG'nin çözmeye çalıştığı boşluk

Kaynak çalışma, akıllı şehir bilgi grafikleri üzerine önceki yaklaşımların ulaşım veya hareketlilik gibi belirli veri alanlarında önemli ilerlemeler sağladığını, ancak bağımsız kurumların verilerini ortak şekilde yönetme, alanlar arasında çıkarım yapma ve teknik sonuçları sistematik değerlendirme bakımından açık araştırma sorunlarının bulunduğunu belirtir.

Km4City, Liu ve çalışma arkadaşlarının UrbanKG yaklaşımı, zamansal kentsel bilgi grafikleri ve Snap4City gibi önceki çalışmalar araştırmanın karşılaştırmalı çerçevesinde ele alınmaktadır.

Bu nedenle yeni çalışmanın katkısı bilgi grafiği teknolojisini ilk kez akıllı şehirlerde kullanmak değildir. Katkı, ontoloji öncelikli yapılandırma, federatif veri yönetimi, zamansal bilgi temsili, tümdengelimli ve tümevarımlı çıkarımın birleştirilmesi ve kavram kanıtı değerlendirmesinin ortak bir tasarım çerçevesine yerleştirilmesidir.

Kaynakta ayrıca daha önceki çalışmalarla yapılan karşılaştırmalar bulunmaktadır. Bu karşılaştırmalar, incelenen makalelerde bildirilen özelliklere dayalıdır; bütün olası bilgi grafiği teknolojilerinin kapsamlı ve bağımsız bir uluslararası performans yarışması olarak yorumlanmamalıdır.

UrbanKG'nin Dört Katmanlı Mimarisi Nasıl Çalışır?

UrbanKG'nin dört katmanlı mimarisi; veri alımı, anlamsal bütünleştirme, bilgi grafiğinin saklanması ve uygulama-analitik hizmetlerinden oluşur. İlk katman farklı kaynaklardan gelen verileri RDF biçimine dönüştürür. İkinci katman varlık eşleştirme, ontoloji hizalama ve alanlar arası bağlantı kurma işlemlerini yürütür. Üçüncü katman RDF üçlülerini ve çıkarım işlevlerini barındırır. Dördüncü katman ise sorgu arayüzleri, panolar ve karar destek hizmetlerini sunar. Mimari merkezi veri sahipliğini zorunlu kılmadan ortak anlamsal kullanım sağlamayı hedefler.

7. Birinci katman: Veri alımı

Veri alımı katmanı, akıllı şehir altyapısının farklı biçimlerde ürettiği bilgileri bilgi grafiğine aktarılabilir hale getirir. Kaynaklar arasında sensör akışları, coğrafi bilgi sistemi kayıtları, açık kamu veri kümeleri ve uygulama programlama arayüzleri bulunur.

Çalışmada Apache Kafka veri akışlarının tamponlanması, Apache Flink ise akış verilerinin işlenmesi için kullanılmıştır. Kavram kanıtında Flink ile beş dakikalık pencerelerde toplulaştırma yapılmıştır.

RML ve R2RML eşlemeleri, kaynak veri alanlarının ontolojide tanımlanan sınıf ve özelliklere nasıl dönüştürüleceğini belirtir. Örneğin ulaşımdaki bir durak adı ve durak kimliği, RDF biçiminde bir toplu taşıma durağı varlığı oluşturmak için kullanılabilir.

Bu eşleme yalnız dosya biçimi değiştirme değildir. Kaynak alanların hangi kavramlarla eşleştiğinin belirlenmesi, sonraki anlamsal sorguların tutarlılığı açısından gereklidir.

8. İkinci katman: Anlamsal bütünleştirme

Anlamsal bütünleştirme katmanı, farklı sistemlerdeki kayıtların hangi gerçek dünya varlıklarına ait olduğunu ve bu varlıkların ortak ontolojiyle nasıl ilişkilendirileceğini belirler.

Varlık çözümleme (entity resolution), farklı kayıtların aynı varlığı temsil edip etmediğini değerlendirme işlemidir. Ontoloji hizalama, farklı kavramsal şemalardaki eşdeğer veya ilişkili tanımları eşleştirmeye odaklanır. Bağlantı keşfi ise farklı veri alanları arasında yeni ilişkilerin kurulmasını sağlar.

UrbanKG kavram kanıtında mekânsal yakınlık ve tür uyumluluğu birlikte kullanılmıştır. Kaynakta, 50 metre eşik içinde bulunan ve tür bakımından uyumlu varlıkların owl:sameAs bağlantısı için değerlendirildiği belirtilmiştir.

owl:sameAs, aynı gerçek dünya varlığını temsil ettiği kabul edilen iki tanımlayıcı arasında güçlü bir özdeşlik bildirir. Yalnız birbirine yakın konumlarda bulunmak gerçek özdeşliği kanıtlamaz. Bu nedenle tür uyumluluğu ve doğruluk değerlendirmesi önemlidir.

9. Üçüncü katman: Bilgi grafiğinin saklanması

Üçüncü katman, oluşturulan RDF üçlülerini ve ilişkili üstverileri saklar. SPARQL sorguları aracılığıyla erişim sağlanır. Ontolojik kurallar çıkarım motoru tarafından işlenebilir ve graf gömme modelleri ilişkisel örüntülerden öğrenebilir.

Kaynak uygulamada Apache Jena Fuseki 4.7.0 ve TDB2 arka ucu kullanılmıştır. Sistem Docker ortamında dört CPU çekirdeği ve 16 GB RAM ile çalıştırılmıştır.

Bu donanım ve yazılım bilgileri performans sonuçlarının hangi teknik ortamla ilişkili olduğunun anlaşılması açısından gereklidir. Başka donanımda aynı sorgu sürelerinin elde edileceği önceden varsayılamaz.

10. Dördüncü katman: Uygulama ve analitik

Son katman, oluşturulan bilgi grafiğini sorgulayan ve kentsel karar destek süreçlerine bağlayan hizmetleri içerir. SPARQL uç noktası, uygulamaların farklı kentsel veri alanlarında ilişki sorguları yapmasına olanak sağlar.

Kaynak mimari; gösterge panolarını, alanlar arası olay ilişkilerini, dijital ikiz bağlantılarını ve tahmin hizmetlerini olası uygulama bileşenleri olarak tanımlar. Kavram kanıtında bunların tamamı için gerçek şehir ölçeğinde sürekli üretim performansı raporlanmış değildir.

11. Beş kentsel veri alanının ortak bir modelde buluşması

GeoSPARQL ortak konumsal kavramlar sağlayarak farklı alanlardan gelen varlıkların nerede bulunduğunu ve birbirlerine göre nasıl konumlandığını sorgulamaya yardımcı olur.

Ontolojinin resmî model kapsamı 47 sınıf, 89 nesne özelliği ve 34 veri tipi özelliği olarak raporlanmıştır. Bu üç kategori birbirinden farklıdır: sınıf nesne türünü, nesne özelliği iki varlık arasındaki ilişkiyi, veri tipi özelliği ise varlığa bağlı sayısal veya metinsel bir değeri temsil eder.

Federatif Veri Yönetimi Nedir?

Federatif veri yönetimi, farklı veri alanlarının kendi kurumsal yönetim ve saklama sorumluluklarını korurken ortak standartlar üzerinden birlikte sorgulanabilmesini sağlayan yaklaşımdır. UrbanKG, kentsel alanları ayrı adlandırılmış grafik bölümleri olarak ele alır ve bunların ortak ontolojik terimlerle ilişkilendirilmesini önerir. Böylece ulaşım veya enerji gibi alanların tek bir kurumsal veri sahibi altında toplanması zorunlu değildir. Ancak federatif bölümlendirme tek başına kişisel veri düzeyinde yetkilendirme, gizlilik veya mevzuata tam uyum sağlandığını kanıtlamaz.

12. Adlandırılmış grafikler ve alanlar arası sorgulama

RDF'de adlandırılmış grafik (named graph), belirli bir RDF üçlüleri kümesinin tanımlanmış bir grafik kimliği altında tutulmasını sağlar. Bu yapı veri kaynağı, alan, sürüm veya zaman gibi bağlamları ayırmak için kullanılabilir.

UrbanKG'de ulaşım, enerji, çevre, kamu güvenliği ve vatandaş hizmetleri alanlarının ayrı yönetilebilmesi öngörülmüştür. Alanlar arasında ortak kimlikler, ontolojik bağlantılar ve SPARQL 1.1 federasyon işlevleri kullanılabilir.

SPARQL'deki GRAPH ifadesi belirli bir adlandırılmış grafikte eşleştirme yaparken SERVICE ifadesi başka bir SPARQL hizmet uç noktasına sorgu yönlendirmek için kullanılabilir. Bunlar aynı işlev değildir; adlandırılmış grafik mantığıyla dağıtık uç nokta erişimi birbirinden ayrılmalıdır.

Kaynak, anlamsal sürüm yönetiminde ontoloji sürüm bilgilerinden ve değişiklik bildirimlerinde Kafka konularından yararlanıldığını belirtir. Güncelleme çakışmalarında zaman damgası temelli çözüm ve zaman içinde tutarlı hale gelme yaklaşımı tanımlanmıştır.

13. Zamansal veriler neden ayrı temsil edilir?

Bir şehrin bazı bilgileri görece kalıcıdır: yolların birbirine bağlanması veya idari sınır ilişkileri buna örnek olabilir. Sensör değeri, araç konumu veya bir olayın durumu ise zaman içinde değişebilir.

UrbanKG, yapısal ilişkiler ile zamana bağlı gözlemsel kayıtları ayırır. Gözlem bilgileri zaman damgalı adlandırılmış grafiklerde tutulabilir. Olayların başlangıç ve bitiş zamanları için OWL-Time kullanılabilir; kaynak kökeni ve üretim ilişkileri için PROV-O'dan yararlanılır.

Zaman damgalarının ISO 8601 biçiminde UTC'ye normalize edilmesi, farklı kaynakların zaman gösterimleri arasında ortak bir temel oluşturur. Bununla birlikte günlük özet veri ile dakika düzeyindeki ölçüm aynı zamansal kesinliğe sahip değildir. Kaynak, bu farklılığın hassasiyet üstverisiyle temsil edilmesini öngörür.

Kaynak çalışmanın yol kapatma örneğinde bir olayın 15 Mart 2026 tarihinde başlayan ve 30 Haziran 2026 tarihinde sona eren bir zaman aralığıyla temsil edilmesi gösterilmektedir. Bu örnek, ontoloji mekanizmasını açıklayan bir kod gösterimidir; kavram kanıtının 1–14 Mayıs 2024 tarihli ana gözlem dönemiyle karıştırılmamalıdır.

Ayrıca zamansal olarak önce gerçekleşme, tek başına nedenselliği kanıtlamaz. Olay zincirlerinin bilimsel yorumunda zaman sırası ve nedensel ilişki ayrı ele alınmalıdır.

14. Tümdengelimli ve tümevarımlı çıkarım

UrbanKG'nin karma çıkarım yaklaşımı iki farklı bilgi işleme biçimini birleştirir.

Tümdengelimli çıkarım (deductive inference), tanımlı ontoloji ilişkilerinden ve mantıksal kurallardan hareketle açıkça yazılmamış ancak kuralların desteklediği ilişkileri türetir.

Tümevarımlı çıkarım (inductive inference), verilerdeki ilişkisel örüntüleri öğrenen sayısal modellerden yararlanır. Bilgi grafiği gömme yöntemleri bu amaçla varlık ve ilişkileri vektörlerle temsil edebilir.

15. OWL-RL kurallarının anlamı

Kaynakta 23 OWL-RL kuralının Apache Jena ileri zincirleme çıkarım mekanizmasıyla uygulandığı belirtilmiştir. İleri zincirleme yaklaşımında mevcut bilgilerden kurallar aracılığıyla yeni çıkarımlar üretilir.

Örnek kural türlerinden biri alt sınıf geçişliliğidir. A sınıfı B'nin alt sınıfı ve B sınıfı C'nin alt sınıfıysa A'nın da C'nin alt sınıfı olduğu çıkarılabilir.

Alan (domain) çıkarımında bir özelliğin hangi sınıfa uygulanabildiği ontolojide tanımlandığında, o özelliği kullanan varlığın sınıfı hakkında sonuç elde edilebilir.

Kaynakta mekânsal kapsama ve sınıf ilişkilerine yönelik çıkarım örnekleri de bulunmaktadır. Bu tür kuralların uygulamada hangi mekânsal ilişkiler ve mantıksal varsayımlarla kullanıldığı önemlidir; bütün konumsal ilişkiler koşulsuz geçişli kabul edilemez.

Kaynağın değerlendirme kısmında ayrıca 23 SWRL kuralı ifadesi geçmektedir. OWL-RL ve SWRL teknik olarak farklı kavramlardır. Bu nedenle aynı sayı geçiyor diye iki kural ailesinin özdeş olduğu varsayılmamalıdır; çalışma içindeki terminolojik farklılık korunmuştur.

16. RotatE bilgi grafiği gömme modeli

RotatE, bilgi grafiğindeki varlık ve ilişkileri sayısal vektör temsilleri üzerinden modelleyen bir bağlantı tahmin yaklaşımıdır. Kaynak çalışmada RotatE'nin amacı, açıkça kayıtlı ilişkiler dışında olası bağlantı örüntülerini öğrenebilen tümevarımlı bileşeni sağlamaktır.

Bir gömme modeli varlıkları sayısal temsillere dönüştürür. Bu temsiller, ilişkisel örüntülerin öğrenilmesini mümkün kılar; ancak bir bağlantının yüksek tahmin puanı alması, gerçek dünyadaki ilişkinin kesin doğrulanması anlamına gelmez.

Bu parametreler kaynak uygulamada raporlanan model yapılandırmasıdır. Başka veri kümelerinde en iyi sonuçların mutlaka aynı parametrelerle elde edileceği yönünde bir iddia yoktur.

Çalışmanın Yöntemi ve Bulguları

17. Tasarım Bilimi Araştırma Metodolojisinin altı aşaması

Tasarım Bilimi Araştırması (Design Science Research, DSR), bir problemi çözmeye yönelik model, yöntem veya sistem gibi araştırma ürünlerinin geliştirilmesini ve değerlendirilmesini merkeze alan yaklaşımdır. DSRM ise kaynakta kullanılan, bu çalışmayı altı aşamalı bir süreç içinde düzenleyen metodolojidir.

Kaynağın ilk şekli DSR'nin gereksinimlerle bağlantılı ilişkililik döngüsünü, bilimsel bilgi tabanıyla bağlantılı titizlik döngüsünü ve araştırma ürününün yinelemeli geliştirilip değerlendirildiği tasarım döngüsünü birbirine bağlar.

18. Beş tasarım hedefi

Kaynak, beş hedefin de kavram kanıtı değerlendirmesinde karşılandığını belirtmektedir. Buradaki "karşılandı" sonucu, hedeflerin tanımlanan araştırma kapsamı içinde sınandığını ifade eder. Kurumlar arası gerçek üretim dağıtımı veya şehir genelinde kesintisiz işletim şartlarının tümünün sağlandığı anlamına gelmez.

19. Veri kaynakları ve örnekleme koşulları

Kavram kanıtı beş kentsel veri alanından kaynaklar kullanmaktadır. Çalışma Tayland'ın kentsel veri bağlamına dayanmakla birlikte her veri kümesinin aynı şehirde, aynı dönemde ve aynı yöntemle doğrudan gözlendiği varsayılmamalıdır.

Konumsal analiz için OpenStreetMap sınır verileri ve ilgili Tayland kamu veri kaynakları kullanılmıştır. Kaynakta çalışma alanı 103,3 km² ve sekiz idari alt bölge olarak belirtilmiştir. Bildirilen nüfus yoğunlukları merkezî alanlarda 22.400 kişi/km², dış kesimlerde 1.850 kişi/km² düzeylerine kadar değişmektedir.

UCI enerji veri kümesinin niteliği ile kaynakta raporlanan tarih ve sayaç sayısı arasında ayrıca doğrulama gerektiren hususlar vardır. Bu nedenle enerji verilerinin tamamını Bangkok'ta o tarihlerde doğrudan ölçülmüş veriler olarak sunmak bilimsel açıdan güvenli değildir. Kaynağın verdiği değerler değiştirilmeden, bu sınır görünür tutulmaktadır.

20. Oluşturulan bilgi grafiğinin büyüklüğü

Ham veri kaynaklarında daha yüksek sayıda gözlem bulunması ile oluşturulan bilgi grafiğindeki zaman damgalı üçlü veya gözlem sayısının farklı olması otomatik olarak veri kaybı kanıtı değildir. Ancak her kaynak kaydının hangi eşleme, toplulaştırma ve seçim aşamalarından geçtiği yeniden üretilebilirlik açısından önemlidir. Kaynakta bütün bu sayıları birbirine bağlayan ayrıntılı bir satır bazlı denetim dökümü verilmediğinden, eksik dönüşüm adımları varsayılarak tamamlanmamıştır.

21. Dört alanlar arası gösterim senaryosu

21.1. Trafik olayının diğer altyapılara etkisi

8 Mayıs 2024 saat 08.15 için (13,7563° K, 100,5018° D) konumunda simüle edilen bir trafik olayı değerlendirilmiştir. Olayın 500 metre çevresindeki ilgili varlıklar birden fazla kentsel alandan sorgulanmıştır.

Kaynakta bir enerji dağıtım düğümü 347 metre, bir hava kalitesi istasyonu 423 metre ve dört ulaşım durağı 156–489 metre aralığında bildirilmiştir. Sorgunun çalışma süresi 298 ms'dir.

Bu sonuç, farklı altyapı türlerinin ortak bir konumsal sorguda bulunabildiğini gösterir. Yakın konumda bulunma, enerji veya hava kalitesi sisteminde gerçek bir fiziksel hasar meydana geldiğini tek başına kanıtlamaz.

21.2. Ulaşım ve çevre ilişkisinin incelenmesi

D5 bölgesinde yoğun ulaşım saatlerindeki ortalama PM2.5 değeri 41,7 µg/m³, şehir genelinde karşılaştırma değeri ise 32,4 µg/m³ olarak raporlanmıştır. Kaynak, bu farkı yaklaşık %29 olarak ifade eder.

Aynı senaryoda D5 için ulaşım durağı yoğunluğu 0,9 durak/km², ticari merkez için 2,1 durak/km² olarak verilmiştir. Bu karşılaştırmada D5 yoğunluğu yaklaşık %57 daha düşüktür. Sorgu süresi 487 ms'dir.

Bu iki gösterge, çevre koşulları ve ulaşım altyapısının aynı alan bağlamında incelenebildiğini göstermektedir. Ancak verilerden ulaşım durağı eksikliğinin doğrudan PM2.5 artışına neden olduğu sonucu çıkarılamaz.

21.3. Acil yardım kaynaklarının seçilmesi

(13,7245° K, 100,4932° D) konumundaki tıbbi acil durum senaryosunda, sekiz dakikalık yanıt eşiğini karşılayan üç müsait ambulans birimi tanımlandığı raporlanmıştır. Sorgu 412 ms sürmüştür.

Ambulans konumlarının sentetik olduğu özellikle korunmalıdır. Sonuç, gerçek Tayland acil yardım filosunun olay yerinde fiilen sekiz dakika içinde müdahale gerçekleştirdiğini göstermemektedir.

21.4. Dijital ikiz verilerindeki güncellik sorunu

İki saatlik güncellik eşiğini aşan 34 varlık bulunmuştur: 18 akıllı sayaç, 12 ulaşım aracı ve dört çevre sensörü. Kaynakta 34 kaydın 31'inin gerçek iletişim arızasını temsil ettiğinin elle doğrulandığı, bunun yaklaşık %91 olduğu belirtilmiştir.

Sorgu süresi 523 ms'dir. Bu oran, seçilen gösterim senaryosundaki işaretlenen kayıtların doğrulanmasına ilişkindir; bütün sistemlerin genel arıza tespit doğruluğu olarak kullanılamaz.

22. Sorgu performansı: Alan sayısı arttığında ne olur?

Kaynak, her sorgu grubu için 100 yürütmeye dayanan süre ölçümlerini raporlamaktadır. Sorguların kapsadığı veri alanı sayısı arttığında sürelerin de yükseldiği görülmektedir.

Ortalama ölçülen sorgu sürelerinin genel merkez değerini; medyan sıralanmış ölçümlerin ortasındaki değeri; 95. yüzdelik gözlemlerin yaklaşık %95'inin altında kaldığı süre sınırını; maksimum ise raporlanan en yüksek süreyi ifade eder.

Tablodaki ± işaretinin hangi dağılım ölçüsünü temsil ettiği kaynak Tablo 8'de açıkça etiketlenmemiştir. Bu nedenle değerler kendiliğinden standart sapma veya güven aralığı olarak adlandırılmamıştır.

Bir alanlı sorgu grubunun ortalaması 127 ms iken beş alanlı grubun ortalaması 2.834 ms'dir. Bu artış, daha fazla alanı kapsayan sorgular için ek işlem yüküne işaret eder; ancak sorgu örüntülerinin karmaşıklığı da değişebileceğinden tek başına evrensel bir ölçekleme yasası oluşturmaz.

23. Varlık eşleştirme başarısının ölçülmesi

Kaynak, farklı kayıtların aynı varlığı temsil edip etmediğini değerlendiren eşleştirme bileşenini 500 varlık çiftiyle test etmiştir. Referans eşleştirmeler iki alan uzmanı tarafından işaretlenmiş ve anlaşmazlıklar değerlendirilmiştir.

Uzmanlar arasındaki uyum için Cohen'in kappa katsayısı 0,89 olarak bildirilmiştir. Kappa, gözlenen kategorik anlaşmayı rastlantıyla beklenebilecek anlaşmaya göre değerlendiren bir ölçüttür. Yüksek değer, referans etiketlemede daha güçlü uyuma işaret eder; modelin kendisinin doğruluk metriğiyle karıştırılmamalıdır.

23.1. Precision, Recall ve F1 formülleri

Aşağıdaki standart değerlendirme eşitlikleri, kaynağın raporladığı metriklerin matematiksel anlamını açıklayan öğretici gösterimlerdir; yeni araştırma sonuçları değildir.

\[\mathrm{Precision}=\frac{TP}{TP+FP}\]

TP, doğru biçimde eşleşme olarak belirlenen çiftleri; FP, eşleşme diye işaretlenmesine rağmen gerçekte eşleşmeyen çiftleri ifade eder.

\[\mathrm{Recall}=\frac{TP}{TP+FN}\]

FN, gerçekte eşleştiği hâlde model tarafından kaçırılan çiftleri ifade eder.

\[\mathrm{F1}=\frac{2\times\mathrm{Precision}\times\mathrm{Recall}}{\mathrm{Precision}+\mathrm{Recall}}\]

F1 değeri, precision ve recall değerlerinin harmonik ortalamasıdır. Bu sayede iki ölçütten yalnız birinin yüksek olması sonucu tek başına belirlemez.

Kaynakta bildirilen 0,94 ve 0,87 değerleri formüle yerleştirildiğinde yaklaşık 0,90 elde edilir. Metrikler birimsiz oranlardır. Kaynak gerçek pozitif, yanlış pozitif ve yanlış negatif sayılarını tam bir karmaşıklık matrisi olarak vermediğinden bunlara ait kesin adetler burada uydurulmamıştır.

24. Karma çıkarımın nicel sonuçları

Hits@10 değerinin 0,74 olması, kullanılan bağlantı tahmini değerlendirmesinde doğru bağlantının ilk on aday arasında bulunma oranının %74 olarak raporlandığını ifade eder. Bu sayı, grafikteki bütün ilişkilerin %74 doğrulukla doğrulandığı anlamına gelmez.

MRR (Mean Reciprocal Rank), doğru cevabın tahmin sıralamasındaki yerini değerlendirir. Tek doğru cevabın bulunduğu standart gösterimde:

\[\mathrm{MRR}=\frac{1}{N}\sum_{i=1}^{N}\frac{1}{r_i}\]

Burada \(N\) değerlendirme sorgularının sayısını, \(r_i\) ise ilgili sorgudaki doğru cevabın sırasını ifade eder. Sıra 1 ise katkı 1, sıra 2 ise katkı 1/2 olur. MRR birimsizdir. Kaynakta sıralama dağılımının tüm ayrıntıları bulunmadığından daha ileri ayrıştırılmış performans değerleri oluşturulmamıştır.

Kaynak değerlendirmesinde tümdengelimli bileşenin şema kısıtlarını, gömme modelinin ise veri örüntülerini kapsadığı belirtilir. Bu iki yetenek birbirinin yerine geçmez; karma yaklaşımın amacı tamamlayıcı görevleri aynı mimaride birleştirmektir.

Kentsel Hizmet Erişilebilirliği Nasıl Hesaplanır?

UrbanKG araştırması kentsel hizmet erişilebilirliğini, ulaşım altyapısı aracılığıyla belirli hizmetlere erişimin mekânsal ve zamansal koşullarını birleştirerek değerlendirir. Çalışmada Toplu Taşımaya Dayalı Erişilebilirlik (TBA), Hizmet Kapsama İndeksi (SCI) ve Çok Modlu Erişilebilirlik Puanı (MMAS) kullanılmıştır. İlk iki ölçüt için matematiksel tanımlar verilmiştir; MMAS için ağırlıklar ve puan aralığı bildirilmiş, ancak bütün normalizasyon adımlarını belirleyen eksiksiz hesaplama eşitliği sunulmamıştır. Bu nedenle üç ölçüt aynı matematiksel kesinlik düzeyinde değerlendirilmemelidir.

25. Toplu Taşımaya Dayalı Erişilebilirlik (TBA)

TBA, bir bölgenin alanının belirli ulaşım süresi sınırı içinde erişilebilir kabul edilen bölümünün toplam bölge alanına oranıdır. Kaynakta formül şöyledir:

\[\mathrm{TBA}(d,t)=\frac{\mathrm{Area}(R_{d,t})}{\mathrm{Area}(d)}\]

Değişkenler: \(d\) idari bölgeyi, \(t\) ulaşım süresi eşiğini, \(R_{d,t}\) ilgili eşik içinde erişilebilir hizmet alanlarının birleşimini temsil eder. \(\mathrm{Area}\) ise alan hesaplama işlevidir.

Pay ve payda aynı alan birimiyle ifade edildiğinde TBA boyutsuz bir orandır. Alanların kilometrekare veya metrekare olması, iki terim tutarlı biçimde dönüştürüldüğünde oranı değiştirmez.

Matematiksel olarak erişilebilir alan büyüdükçe, toplam bölge alanı sabitken TBA artar. Erişilebilir alan bölge sınırları içinde değerlendirilip çakışan alanlar birleşim mantığıyla tek kez sayıldığında oran 0 ile 1 arasındadır.

Kaynak, 15 dakikalık şehir bağlamında \(t=15\) dakika eşiğini kullanır. Ancak alanın erişilebilir sayılmasıyla bölgedeki her sakinin belirli bir hizmete gerçekten ulaşabilmesi aynı ölçüm değildir. Nüfusun mekânsal dağılımı ve yolculuğun gerçek süresi ayrıca önem taşıyabilir.

26. Hizmet Kapsama İndeksi (SCI)

SCI, belirli bir hizmet kategorisindeki erişilebilir hizmet noktalarının ilgili bölge nüfusuna oranını ifade eder. Kaynak denklem:

\[\mathrm{SCI}(d,s)=\frac{|\{p\in S_s:\mathrm{distance}(d,p)\leq\theta\}|}{\mathrm{Population}(d)}\]

Değişkenler: \(d\) bölgeyi, \(s\) hizmet türünü, \(S_s\) ilgili türdeki hizmet noktaları kümesini, \(p\) tek bir hizmet noktasını, \(\theta\) erişilebilirlik eşiğini ve \(\mathrm{Population}(d)\) bölge nüfusunu ifade eder.

Paydaki kümenin mutlak değeri, belirtilen eşik koşulunu sağlayan hizmet noktalarının sayısıdır. Payda kişi sayısıdır. Sonuç ham biçimde kişi başına erişilebilir hizmet noktası oranıdır; 10.000 kişiye düşen hizmet sayısı olarak sunulacaksa uygun ölçekleme gerekir.

Kaynakta eşik için 15 dakikalık toplu taşıma erişimi veya 800 metre yürüme örnekleri verilmiştir. Süre ve mesafe farklı boyutlardaki büyüklüklerdir; aynı sembolle ifade edilseler de uygulamada karşılaştırılan büyüklüklerin birimleri tutarlı olmalıdır.

Ayrıca bir bölgeden hizmet noktasına olan mesafenin nasıl tanımlandığı, sınır geometrisi, merkez noktası veya gerçek ulaşım ağına göre farklı sonuçlar üretebilir. Kaynak formül bu uygulama ayrıntılarının tamamını tek başına belirlemez.

27. Çok Modlu Erişilebilirlik Puanı (MMAS)

MMAS, farklı temel hizmet alanlarındaki erişilebilirliği tek bir bileşik puanda toplamak amacıyla tanımlanmıştır. Kaynakta sonuç ölçeği 0 ile 10 arasında verilmiştir.

Ağırlıkların toplamı 1'dir. Bu, bileşenlerin göreli önemini tanımlar. Ancak ham bileşenlerin nasıl normalize edildiği ve 0–10 puanına nasıl dönüştürüldüğü kaynakta eksiksiz bir matematiksel eşitlikle verilmemektedir.

Bu nedenle yalnız ağırlıklara bakılarak çalışmanın MMAS değerlerini yeniden üreten bir algoritma kurulduğu iddia edilemez. Özellikle PM2.5 değerinin ters yönde puanlanması için kullanılan dönüşümün ayrıntısı önemlidir.

28. Beş bölgedeki erişilebilirlik sonuçları

Kaynakta Bölge 1 en yüksek, Bölge 8 en düşük MMAS değerine sahiptir. 8,2/2,4 oranı yaklaşık 3,4'tür; araştırmacılar bu farkı erişilebilirlik eşitsizliği bakımından ele alır.

Çalışmada durak yoğunluğu 1,0 durak/km² civarındayken bir eşik örüntüsü bulunduğu ifade edilmektedir. Bu sonuç, incelenen bölgelerdeki örüntüdür; başka şehirlerde doğrulanmış evrensel altyapı eşiği olarak sunulmamalıdır.

Kaynak ayrıca çevresel kalite ile erişilebilirlik arasında Spearman \(\rho=-0,63\) korelasyonu raporlamaktadır. Spearman rho, sıralamalara dayalı ilişkinin yönünü ve kuvvetini özetler. Negatif işaret iki değişkenin sıralamalarının ters yönde ilişkili olduğunu gösterir; nedensellik anlamına gelmez.

Kaynakta erişimi zayıf alanların ortalama PM2.5 düzeyinin %38 daha yüksek olduğu da belirtilir. Ancak bu karşılaştırmanın ham alt grup değerleri ve belirsizlik bilgileri tam olarak sunulmadığından, ek istatistiksel çıkarım yapılmamaktadır.

29. Günün saatine göre hastane erişilebilirliği

En yüksek erişim sabah yoğun saatlerinde %71, gece döneminde ise %28 olarak raporlanmıştır. Kaynakta gece erişilebilirliğinin azaldığı belirtilmektedir.

Bu değerler kaynağın seçtiği bölgelere ve kavram kanıtı hesaplama yöntemine aittir. Hastane erişim oranı, ambulansın olay yerine geliş süresiyle veya tıbbi hizmetin fiilen alınmasıyla aynı ölçüm değildir.

Kaynak Tablo 10'daki gece erişilebilirliğinin %28'e düşmesi, çalışma kapsamındaki zamansal farkları göstermektedir. Bu sonuç başka şehirler için doğrudan taşınamaz.

30. Kaynak SPARQL sorgularının bilimsel işlevi

Makalenin eklerinde olay etkisi, ulaşım-çevre ilişkisi, acil yardım birimi seçimi, veri güncelliği ve farklı grafik bölümleri arasında sorgulama için örnek SPARQL yapıları yer almaktadır.

Bu sorguların temel mantığı, tek veri tablosu üzerinden sınırlı bir filtreleme yerine farklı ontolojik türlerdeki varlıkları ilişkileri ve konumları üzerinden bulmaktır.

Örneğin hastane erişimi sorgusu idari sınır, ulaşım durağı ve hastane varlıklarını birleştirir. GeoSPARQL mesafe fonksiyonuyla belirli mesafe koşulunu sağlayan kayıtları bulur.

Kaynak Şekil 3'teki hastane sorgusu 2.000 metrelik yakınlık filtresi içerir. Bu mesafe filtresi 15 dakikalık gerçek toplu taşıma yolculuğunun tam hesaplanmasıyla özdeş değildir. Duraklar arası bağlantılar, sefer saatleri, bekleme süresi ve yol ağı gibi özellikler gerçek yolculuk süresi hesaplamasında ayrıca önem taşıyabilir.

Bu tablo kaynak kodun birebir aktarımı değildir; kodun bilimsel işlevini açıklayan bağımsız bir işlem özetidir. Kaynak eklerindeki sorguların eksiksiz çalıştırılabilirliğini doğrulamak için uygulamanın gerçek önek tanımları, veri tipleri, kullanılan fonksiyonlar ve uç noktaları ayrıca sınanmalıdır.

31. Araştırmanın ortaya koyduğu dört tasarım ilkesi

Birinci ilke — Ontoloji modülerliği ve yönetim: Şehir bilgisinin birbirinden bağımsız fakat standartlarla hizalanmış alan ontolojilerine ayrılması, kurumsal veri sorumlulukları ile anlamsal bütünleştirme ihtiyaçlarını birlikte ele almaya yardımcı olur.

İkinci ilke — Yapısal ve gözlemsel bilgilerin ayrılması: Görece sabit yapısal ilişkiler ile sürekli değişen sensör kayıtlarının ayrı bağlamlarda tutulması, zaman ve veri kökeni sorgularını düzenli hale getirebilir.

Üçüncü ilke — Önce bilgi bütünleştirme: İleri tahmin ve analitik işlevlerinin anlamlı çalışabilmesi için ilişkili verilerin önce tutarlı biçimde bütünleştirilmesi gerekir.

Dördüncü ilke — Ontoloji öncelikli yukarıdan aşağı kurulum: Veri kalitesi ve denetlenebilirliğin önemli olduğu operasyonel alanlarda sınıf, özellik ve kısıtların örnek veriler alınmadan önce tanımlanması yararlı olabilir.

Bu ilkeler, kaynak yazarların tasarım araştırmasından çıkardıkları aktarılabilir önerilerdir. Bütün kentsel sistemlerde koşulsuz olarak en üstün yaklaşım oldukları yönünde evrensel bir deney sonucu değildir.

32. Araştırmada açık kalan altı teknik sorun

Kaynak, kavram kanıtında saniyede 12.000 üçlü ekleme kapasitesi bildirirken bunun şehir ölçeğinde saniyenin altındaki gerçek zaman gereksinimlerini karşılamadığını belirtmektedir.

Gösterimde iki ontoloji güncellemesi denenmiştir. Bu, büyük ve sürekli çalışan bütünleşik bir şehir bilgi grafiğinin uzun dönemli şema değişikliklerinin çözüldüğü anlamına gelmez.

Kaynak ayrıca 10 milyon üçlüyü aşabilen büyükşehir senaryoları için dağıtık depolama ve sorgu işleme gereksinimlerine dikkat çekmektedir.

Federatif veri bölümlerinin ayrılması, kişisel veri düzeyinde erişim kısıtlarının veya GDPR uyumluluğunun eksiksiz uygulandığını kanıtlamaz. Nitekim kaynak bunu gelecekte geliştirilmesi gereken açık bir araştırma konusu olarak değerlendirmektedir.

33. Bulgular nasıl yorumlanmalıdır?

UrbanKG araştırması, farklı kentsel alanların ortak ontolojiler üzerinden sorgulanabildiği teknik bir kavram kanıtı sunmaktadır. Elde edilen sayısal sonuçlar, belirli yazılım, donanım, veri ve sorgu koşulları altında raporlanmıştır.

Başarıyla yürütülen sorgular, anlamsal bütünleştirme kabiliyetini destekler. Yapısal uygunluk sonuçları ontolojik doğrulamanın bir bölümünü, çıkarım sonuçları ise kurallı ve öğrenmeye dayalı mekanizmaların birlikte kullanılabildiğini gösterir.

Hizmet erişilebilirliği analizleri, farklı kentsel göstergelerin ilişkilendirilerek bölgesel farklılıkların incelenebileceğini ortaya koyar. Ancak bu sonuçlar kentsel eşitsizliğin tüm nedenlerini açıklayan nedensel bir araştırma olarak sunulmamalıdır.

34. Kaynak içi tutarsızlıklar ve yeniden üretilebilirlik sınırları

Veri kaynağı bağlamı: Farklı kaynaklardan derlenen ulaşım, enerji, çevre ve kamu güvenliği kayıtlarının aynı coğrafi veya zamansal kökene sahip olduğu varsayılmamalıdır. Sentetik ambulans konumları açıkça gösterim verisidir.

15 dakika ifadesi: Kaynağın erişilebilirlik bölümündeki bir cümlede 15 dakikalık şehir kavramı açıklanırken 1 dakikalık erişim ifadesi geçmektedir. Formül ve devamındaki analizler 15 dakika üzerinden ilerlemektedir. Bu farklılık çalışma metnindeki tutarsızlık olarak korunmalıdır.

Kural terminolojisi: OWL-RL ve SWRL kural sayısı için ayrı bölümlerde aynı 23 sayısı kullanılmıştır. Uygulamada hangilerinin çalıştırıldığını kesinleştirmek için ilgili kod ve kural listelerinin kontrolü gerekir.

Erişilebilirlik hesaplaması: SCI formülü, tabloda verilen erişim yüzdeleri ve örnek SPARQL mesafe filtresi farklı ölçüm işlevleri taşımaktadır. Bunların tam olarak nasıl birbirine dönüştürüldüğü her adımda eşit ayrıntıyla raporlanmamıştır. Eksik dönüşüm denklemleri uydurulmamıştır.

MMAS normalizasyonu: Kaynak bileşen ağırlıklarını vermektedir; fakat her bileşenin 0–10 puanına nasıl çevrildiğini eksiksiz tanımlayan bir eşitlik sunmamaktadır. Bu nedenle tablo puanları kaynak değerleri olarak aktarılmış, bağımsız hesaplanmış gibi gösterilmemiştir.

İstatistiksel belirsizlik: Bazı değerlendirme tablolarında ortalama etrafındaki ± değerlerinin tam istatistiksel niteliği belirtilmemiştir. Yeni güven aralıkları, anlamlılık testleri veya etki büyüklükleri üretilmemiştir.

35. Araştırmanın bilimsel katkısı ve sınırları

36. Genel bilimsel sonuç

Khantong, Savithi ve Ahmad'ın UrbanKG araştırması, akıllı şehirlerde bütünleşik veri yönetimini yalnız veri toplama ve depolama sorunu olarak ele almamaktadır. Çalışma, farklı kurumların sahip olduğu kentsel bilgilerin ortak kavramlar, ilişkiler, zaman ve coğrafi bağlam üzerinden temsil edilmesini merkezine alır.

Araştırmacılar, bu yaklaşımı dört katmanlı mimari, beş tasarım hedefi, ontoloji öncelikli geliştirme, federatif grafik yönetimi ve karma çıkarım mekanizmalarıyla yapılandırmıştır. Kavram kanıtından elde edilen sonuçlar, tanımlanan teknik kapsamda uygulanabilirliği desteklemektedir.

Çalışmanın önemli katkısı, belirli sorguların çalıştığını göstermenin yanında gelecekte kurulabilecek kentsel bilgi grafikleri için tasarım ilkeleri ve açık araştırma soruları oluşturmasıdır.

Bununla birlikte performans, veri kökeni, coğrafi aktarılabilirlik, büyük ölçekli gerçek zamanlı işletim, veri gizliliği ve ölçüm tanımları açısından doğrulama gereksinimleri devam etmektedir.

Dolayısıyla UrbanKG, bütün akıllı şehir sorunlarını çözmüş tamamlanmış bir evrensel sistem olarak değil, kentsel alanlar arasında anlamsal birlikte çalışabilirliği teknik olarak araştıran, değerlendirilmiş ve geliştirilmeye açık bir tasarım araştırması olarak anlaşılmalıdır.

Kaynak ve Yöntem Notu

Özgün akademik yayın bilgileri

Özgün başlık: Knowledge Graphs for Integrated Urban Data Management in Smart Cities: A Framework for Semantic Interoperability Across Urban Domains.

Yazarlar: Sommai Khantong; Charuay Savithi; Mohammad Nazir Ahmad.

Sorumlu yazar: Sommai Khantong.

Birinci kurum: Digital Business and Information Systems Department, Mahasarakham Business School, Mahasarakham University, Tayland.

İkinci kurum: Smart City Management and Digital Innovation Department, Mahasarakham Business School, Mahasarakham University, Tayland.

Üçüncü kurum: Institute of Visual Informatics, Universiti Kebangsaan, Malezya.

Dergi: Urban Science.

Yayınevi: MDPI, Basel, İsviçre.

Yayın kaydı: 2026, cilt 10, sayı 6, makale 308.

Gönderilme tarihi: 14 Mart 2026.

Revizyon tarihi: 19 Mayıs 2026.

Kabul tarihi: 27 Mayıs 2026.

Yayın tarihi: 1 Haziran 2026.

DOI: 10.3390/urbansci10060308.

Resmî yayın: https://www.mdpi.com/2413-8851/10/6/308.

Lisans: Creative Commons Attribution 4.0 International (CC BY 4.0). Lisans koşulları.

Kaynak türü: Hakemli akademik araştırma; tasarım bilimi yöntemi ve teknik kavram kanıtı değerlendirmesi.

Finansman: Mahasarakham Business School, Mahasarakham University, Tayland.

Çıkar çatışması: Yazarlar çıkar çatışması bulunmadığını beyan etmiştir.

Yazılım ve veri erişimi: Kaynak çalışma, uygulamanın UrbanKG GitHub deposunda MIT lisansı altında sunulduğunu bildirmektedir. Depodaki kodun güncel içeriği ve çalışma durumu bu Verianla yazısında bağımsız olarak çalıştırılıp doğrulanmış değildir.

Araştırmacı katkıları

Kaynakta kavramsallaştırma Sommai Khantong ve Charuay Savithi'ye; metodoloji Sommai Khantong ve Mohammad Nazir Ahmad'a; yazılım, biçimsel analiz, araştırma ve veri düzenleme Sommai Khantong'a atfedilmiştir. Doğrulama Sommai Khantong ve Charuay Savithi tarafından yürütülmüştür. Özgün taslak Sommai Khantong tarafından hazırlanmış; gözden geçirme ve düzenlemeye Charuay Savithi ile Mohammad Nazir Ahmad katkı sağlamıştır. Görselleştirme, proje yönetimi ve finansman edinimi Sommai Khantong'un; denetim Charuay Savithi ve Mohammad Nazir Ahmad'ın katkıları arasında belirtilmiştir.