Yemeksepeti ile Kent Tasarlamak

Bundan birkaç yıl önce, hiç tanımadığımız, görmediğimiz, yaşamadığımız bir şehirde bir konut kompleksi projesi tasarlamaya başladık. Fakat hayatının çoğunu İstanbul’da geçirmiş mimarlar olarak, bu şehirde alışık olunan konut tipolojilerine dair en ufak bir fikrimiz yoktu. Belki de bu aşamada öncelikli refleks bir arazi gezisi düzenlemek, orada yaşamış veya bölgeyi tanıyan birileri ile konuşmak, veya bir danışman tutmak olabilirdi. Biz ise daha kestirme olduğunu düşündüğümüz bir yönteme başvurduk: sahibinden.com sitesinde, proje alanı çevresinde kiralık ve satılık konut ilanlarını listeledik. 600’den fazla ilan, bize konutların şehir içinde dağılımını, her bir konutun büyüklüğünü, yatak odası sayısını, binaların kaç katlı olduğunu, site içinde olup olmadığını, metrekare kira ve satış fiyatlarını oldukça tutarlı bir biçimde gösterdi. Beklentilerimizin de üzerinde bir şekilde, bir emlak sitesi, bize bir şehirdeki konut tipolojisini oturduğumuz yerde çok detaylı ve tutarlı bir şekilde portreledi.

Birkaç ay sonra, benzer bir problemi doküman temini konusunda sıkıntı yaşadığımız başka bir ülkede çalışırken yaşadık. Bu sefer kentin kullanım şablonlarını anlayabilmek için Foursquare’e başvurarak, check-in yapılan mekanları haritaya yerleştirerek sosyal zonları ve aksları belirledik.

Bizzat kenti kullananlar tarafından oluşturulan, sürekli güncellenen ve biriken, kente dair oldukça geniş veri setleri barındıran pek çok internet sitesi ve mobil cihaz aplikasyonu var. Veri akışı inanılmaz bir hızda devam ediyor, ve oluşan bu devasa havuz işlendiği zaman çok değerli bilgilere dönüşebiliyor. Veri ile tasarlamanın amansız savunucuları olarak, bu bilgi kaynaklarının başlıca kentsel ölçekte tasarlayanlar için çok kıymetli olduğuna inanıyoruz.

Bu doğrultuda, bahsettiğimiz projelerde daha manuel yöntemlerle oluşturduğumuz veri havuzları ve görselleştirmesini otomatize edecek bir çalışmaya başladık. Bu çalışma, Google Maps, Instagram, sahibinden.com, yemeksepeti.com, iett.istanbul gibi internet sitelerinden data-scraping ile veri setleri oluşturarak, bunları coğrafi konumlarıyla birlikte görselleştirip kent kurgusunu okumayı hedefliyor.

Pilot proje olarak seçtiğimiz Kadıköy’e ait birkaç harita, çalışmanın potansiyelini daha iyi aktarabilir.

Şimdi Kadıköy’ü hiç bilmiyormuş gibi yapın (zaten bilmiyorsanız ne güzel) ve size tarif etmeme izin verin.

İmaj 01. Instagram beğenileri ve kafelerin yerleri

Instagram beğeni sayısı haritası, ilçe sınırları içinde Instagram’a gönderilen imajların coğrafi-lokasyona göre haritalanmasından oluşur. Gönderilerin lokasyonları ile kafe/restoranlar ve çeşitli çekim noktaları birlikte gösterilmektedir. Kafelerin yerleri Google Maps’ten, Instagram beğenileri ise Instagram’da geo-lokasyon bilgileri olan fotoğraflar üzerinden alınmıştır. Harita, Nisan ve Mayıs aylarında çekilen 14.668 farklı tekil gönderi ile derlenmiştir. Dairelerin çapları gönderilerin aldığı beğeni sayısı ile doğru orantılıdır, fakat okunurluğu sağlayabilmek adına maksimum çap için 1200 beğeni üst sınırı getirilmiştir: 1200 ve üstü beğeni sayısına sahip tüm gönderiler aynı büyüklüktedir. İki aylık veride en çok beğenilen gönderi, çok şaşırtıcı olmayan bir şekilde, 505.081 beğeni ile @nusr_et‘e aittir: “ART OF MEAT DEDİLER #saltbae #salt #saltlife” 18.05.2017, 14:05.

Bu harita, belki Nusret’in çılgın ve tuhaf popülerliği dışında, bize ne anlatır? Kadıköy’ü hiç bilmiyor olsanız, pek çok şey. Kafelerin aksları, sosyal hayatın odaklandığı yerler net bir şekilde okunmaktadır: Turuncu çemberlerin üst üste bindiği yerlerde oluşan koyuluklar, Bağdat Caddesi, Fenerbahçe Marina, Moda Sahil/Moda Caddesi zonlarını işaret eder. Sadece kafe ve restoranların yerlerine bakıldığında Kadıköy Çarşı, Fahrettin Kerim Gökay Caddesi gibi bölgeler de dikkat çekmeye başlar.

Bu dikkat çeken ticari aktivite, ilçe sınırları içinde yer alan her bina GIS modelindeki verilere göre konut ve konut dışı kullanımlarına bakılarak ayrıştırıldığında doğrulanmış olur: Haritada her bir bina, içindeki tüm katlarda bulunan fonksiyona göre renk kodlarıyla işaretlenmiştir. Beyaz, tüm binanın tamamen konut, siyah ise tamamen konutdışı olarak kullanıldığı anlamına gelir. Kadıköy çarşının konut alanlarına yavaşça sızmasını, Bağdat Caddesi boyunca devam eden gri tonlarındaki binalar yüksek ihtimalle alt katları ticaret, üst katları konut olarak kullanılan yapıları, Tütüncü Mehmet Efendi Caddesi gibi hafif fakat homojen bir şekilde devam eden konut dışı aktivitelerin olduğu sokakları, grinin elli tonunda gözler önüne serer.

İmaj 02. Konut/Konut Dışı kullanımlar

İmaj 03. Hashtag haritası

Instagram gönderilerinin yerleri ve beğeni sayılarına ek olarak, imajlara eşlik eden metinleri de incelemeye başladığımız zaman sosyal hayat bir katman daha anlam kazanmaya başlar. Yukarıdaki harita, ilçe sınırları içinde yaratılan sanal bir grid üzerinde, her bir hücre içinde gönderilmiş olan fotoğrafların açıklamalarında en çok tekrarlanan hashtag’leri gösterir. Semantik ilişkiler kurulmaya başlandığında, sosyal aktivitelerin çeşitleri de coğrafi olarak yerlerine yerleşmeye başlar. Evet, Caddebostan’ın o bölgesi sürekli #zumba’dan bahsediyor, çünkü yalnızca o alanın içinde 19 adet dans stüdyosu var. En çok rağbet gören kursun ise, içimize doğan bir hisle, zumba olduğunu tahmin ediyoruz.

Peki, artık Zumba yapmak için doğru adresi biliyorsunuz. Oraya nasıl gideceksiniz?

İmaj 04. IETT haritası

Bu harita, iett.istanbul adresinden çekilen otobüs ve metrobüs rotalarını, durakların yerleri ile örtüştürüyor. Durakların çapları, gün içinde o duraktan geçen hat sayısına doğru oranla büyüyor. Hatları ifade eden çizgilerin genişliği ise o hattı kullanan otobüsün gün içindeki sefer sayısına göre genişliyor. Belli rotalarda gördüğünüz koyulaşan renkler, farklı otobüs ve/veya metrobüs hatlarının o doğrultudan geçtiği anlamına geliyor. Söğütlüçeşme-Kadıköy Sahil-Ayrılıkçeşmesi toplu taşıma merkezleri, D100, Fahrettin Kerim Gökay Caddesi gibi akslar ve toplu taşıma odakları, tüm bağlantıları ve bağlantısızlıkları, dengesi ve dengesizlikleri ile ortaya çıkıyor. Buna karşılık dolmuş ve minibüs rotalarını haritaladığımızda, otobüslerin boşluğunu bazı yerlerde doldurduklarını, çoğu zaman ise aynı rotalardan ilerlediklerini görebiliyoruz. Alternatif toplu taşıma, maalesef minibüs ve dolmuş demek.

İmaj 05. Dolmuş ve minibüs haritası

Öte yandan, bisiklet ve koşu gibi gerçek alternatif ulaşım yöntemlerine de bakmadan olmaz. Strava, profesyonel ve amatör atletler arasında yaygın bir aplikasyon. Strava Labs üzerinden çektiğimiz rotalar, Kadıköy sınırları içerisinde insanların nerelerde koştuğunu ve bisiklete bindiğini gösteriyor.

Haritaya göre, Kadıköy içindeki tüm Strava kullanıcıları iç kesimlerden Caddebostan Sahili’ne doğru gelip bu aksta koşuyor ve bisiklete biniyor. Bu imaja bakınca insanların davranışına dair akla gelen birkaç soru var: Otobüs trafiğinden uzak olduğu için mi buralarda koşuluyor? Veya Instagram haritasında da gördüğümüz üzere, bu bölge sosyal olarak aktif olduğu için mi? Yoksa en basitinden deniz yüzünden mi?

Yüksek ihtimalle bunların hepsi birden. Hatta daha da yüksek bir ihtimalle, bu saydıklarımızın hepsi birbiri içinde bağıntılı parametreler ve hepsi bir diğerinin hem sebebi hem sonucu.

İmaj 06. Strava

Lineer rotalar dışında, Özgürlük Parkı çevresinde atılan turlar sizin de gözünüze çarptı değil mi?

Muhakkak yeşil alanlar yürümek, koşmak veya bisiklete binmek için önemli parametrelerden biri. İstanbul’da kişi başına düşen yeşil alan konusunda farklı kurumların farklı hesaplarla elde ettiği çeşitli oranlar var; bunlar kişi başına 1,5 m2‘den başlayan yeşil alan 12,3’e kadar çıkıyor. Bu iki uç arasındaki fark ciddi görünse de, standart olarak kabul edilenin kişi başına 15 m2 olduğunu söylersek, üstüne bunu Londra’daki 26,9 m2 yeşil alan/kişi veya Amsterdam’daki 45 m2 yeşil alan/kişi ile karşılaştırırsak pek de önemi kalmıyor.

Peki, diyelim ki Kuzey Ormanları daha geniş bir yüzölçümüne sahipti ve İstanbul nüfusu daha düşüktü, yani kişi başına düşen yeşil alan metrekaresini oran olarak bir şekilde tutturduk. Bu Küçükçekmece için neyi değiştirir ki?

Şimdi haritaya geri dönelim.

Önemli olan il ölçeğindeki herhangi bir yeşil alan ortalamasından daha fazlası. Gündelik hayatta doğrudan önemli olan bu yeşil alanların ne şekilde dağıldığı ve ne kadar ulaşılabilir oldukları. Yeşil alanların erişilebilirliği haritası, ilçe sınırları içindeki yapıları yürünebilir mesafelerindeki yeşil alanlarına göre derecelendirir. Yapıların renklerinin siyaha daha yakın olması, yürüyerek daha fazla yeşil alana erişebildiğini göstermektedir. Sahil bandı ve Kozyatağı’ndaki küçük parklar dışında, Kadıköy’ün pek çok kısmının aslında yeşil alan çölü olduğu açıkça göze çarpar.

İmaj 07. Yeşil alanlar

Şu ana kadar konuştuğumuz tüm faktörler şehirde nasıl yaşadığımıza, nasıl hareket ettiğimize, nerelerde nasıl vakit geçirdiğimize işaret edebilir. Doğrudan veya dolaylı olarak, gayrımenkul fiyatlarına da.

Satılık konut birim fiyatları, sahibinden.com üzerinden alınmış tüm satılık konut ilanlarını, birim fiyatlarına göre haritalandırır. Dairelarin çapları birim fiyatların artmasıyla oranlı olarak büyür.

İmaj 08. Satılık konutlar

Harita, Aralık 2016 – Nisan 2017 tarihlerin arasında verilen tüm satılık konut ilanlarının derlenmesi ile oluşturulmuştur. Haritadaki en düşük birim fiyatlı daire 2.200 TL/m2, en yükseği ise 53.000 TL/m2 olarak görülmektedir. Fiyat aralığı dışında, bu fiyat geçişinin coğrafi olarak nasıl gerçekleştiği dikkat çekicidir. Bağdat Caddesi’nin güneyinde, denize doğru fiyatların artıyor olması şaşırtıcı olmayabilir, fakat lokal karşılaştırmalar daha ilgi çekici sonuçlara işaret edebilir. Örneğin Fikirtepe’de yeni inşa edilen kulelerdeki konutların birim fiyatlarının Özgürlük Parkı komşuluğundakiler ile aynı olması enteresandır.

Aynı haritayı kiralık konutlar için yaptığımızda ise, bu kez iki haritayı karşılaştırmak ilginç sonuçlar verir. Örneğin, satılık konut fiyatlarının görece oldukça düşük olduğu Yeldeğirmeni’nde kiralık fiyatların yine görece oldukça yüksek olması dikkat çekicidir.

İmaj 09. Kiralık konutlar

***
Büyük bir sayısal veri havuzunda yüzüyoruz. Tweet’ler, selfie’ler, check-in’ler, beğeniler ve engellemeler, her türlü satılık eşya/mülk ilanları, yıldızlar, kullanıcı yorumları; sürekli güncellenerek bu havuzu dolduruyor. Çoğunlukla düzensiz, filtrelenmemiş kategorize edilmemiş ham veri; toplumumuzun kolektif bilinçaltını arşivliyor. İçeriğin kullanıcı tarafından yaratıldığı bütün websiteleri ve aplikasyonlar aslında insanların neyi, nerede, ne zaman, nasıl yaptıklarını, nasıl yolculuk edip, boş zamanlarını nasıl geçirdiklerini, diğerleri ile nasıl ve neyi konuştuklarını, ekonomideki rollerini ve onları var edip değişitireni nasıl karşıladıklarını göz önüne seriyor. İşte bu; geçmişi, bugünü ve yarını anlamak isteyenler için harika bir bilgi kaynağı.

Yaşamı yönlendirmekte üzerine önemli bir rol düşen biz mimarlar, çalışmalarımızda bu bilgi yığınından neden yararlanmıyoruz? Sonuçta sürdürebilirlik, ek kaynaklara ihtiyaç duymadan kendi kendine yeten çevreler yaratmak ise; kullanıcıların kendiliğinden ortaya koyduğu ihtiyaç ve istek verisini kullanmaktan daha iyi ne olabilir?

***
Daha önce de belirttiğimiz gibi, bu haritalardaki parametrelerin çoğu hem birbirinin sebebi, hem de sonucu. Yemeksepeti’nde Kadıköy sınırları içinde hizmet veren restoranların menülerindeki kola ve ayran fiyatlarını kıyasladığınızda, Suadiye’deki restoranların ayranı 8, kolayı 8,5 liraya satmalarını açıklamak bu nedenle biraz zor olabiliyor.

İmaj 10. Yemeksepeti

* Harita setinin tamamı için bitsnbricks.com/location-mining

Etiketler

5 yorum

  • ozgeidali says:

    Çok iyi. Emeğinize sağlık. Bir şey soracağım, bu sosyal medya verilerini haritaya işlerken hangi program(lar)dan faydalanıldı acaba? Rhino/Grasshoper gibi parametreleri yazabildiğimiz programlar falan mı?

  • bilge-kobas says:

    Ozge Hanim merhaba,

    Bahsettigimiz kaynaklardan datayi cekmek icin yazdigimiz Python kodlarini kullaniyoruz. Sonrasinda duzenlenmis veriyi Rhino’daki altligimizin uzerine yerlestirip haritada gorsellestirilen parametrelerin boyutlandirilmasini Grasshopper ile yapiyoruz. Son gorsellestirmeyi bu yazi icin Illustrator ile yapmis olsak da baska projelerde olusturdugumuz dataseti Rhino yerine GIS programlarina atmayi tercih ediyoruz.

    (Yemek tarifi verir gibi anlattim.)

  • cemal-cobanoglu says:

    Şahane bir iş olmuş. Dört gözle devamını bekliyorum.
    Tüm ekibin eline sağlık.

  • bilge-kobas says:

    Can Bey merhaba,

    Sizin de alıntıladığınız gibi, websitelerin kullanıcı sözleşmelerinde bahsedilen kısıtlama verinin çoğaltılarak ticari kullanıma çevrilmesi üzerine. Yürüttüğümüz çalışma akademik bir araştırma olduğu için bu konuda problem yaşayacağımızı düşünmüyoruz.

  • ahmet-turan-koksal says:

    Bu da ne güzel konu, birleştirme ve yazıdır yahu.
    Nokta.

Bir yanıt yazın