Anlamsal Segmentasyon Aracılığıyla İstanbul'daki Ortabayır ve Levent Semtleri Arasındaki Görsel-Algısal Ayrışmanın Niceliksel Olarak Belirlenmesi

Kentsel alanlarda yaşanan hızlı değişimler, komşu yerleşimler arasında belirgin mekânsal ve algısal farklılıklar yaratarak sosyo-kültürel eşitliği ve kent yaşam kalitesini doğrudan etkilemektedir. Geleneksel kentsel ayrışma çalışmaları ağırlıklı olarak sosyo-ekonomik verilere ve anketlere dayanırken, büyük kentsel veri kaynaklarının ve derin öğrenme tekniklerinin gelişimi kentsel çevrenin nicel olarak değerlendirilmesine yeni olanaklar sunmuştur. İstanbul'da Büyükdere Caddesi hattı boyunca yan yana konumlanan Levent ve Ortabayır semtleri, tarihsel gelişimi ve yapısal tipolojileri bakımından Türkiye'deki kentsel tezatların en somut örneklerinden birini temsil etmektedir. Bu bağlamda kentsel ayrışmanın yalnızca mekânsal değil, sokak düzeyindeki görsel ve algısal bileşenler üzerinden ölçülmesi, kentsel planlama politikalarının daha adil ve veriye dayalı oluşturulması açısından kritik bir araştırma problemi olarak öne çıkmaktadır.

Araştırma, Levent ve Ortabayır semtleri arasındaki görsel-algısal ayrışmayı semantik segmentasyon ve nicel algı değerlendirmesi yöntemlerini entegre ederek ölçmeyi hedeflemektedir. Çalışma kapsamında Yandex panoramalarından derlenen 150'şer adet sokak düzeyi görüntüden oluşan toplam 300 fotoğraflık bir veri seti oluşturulmuştur. Görüntüler üzerinden bina, kaldırım, araç, gökyüzü, doğa/yeşil alan, insan ve yol olmak üzere yedi semantik etiket U-net derin öğrenme mimarisi ve transfer öğrenme tekniğiyle analiz edilmiş, piksel oranları hesaplanmıştır. Eşzamanlı olarak 50 katılımcı tarafından bu görüntüler 7'li Likert ölçeğinde güvenlik ve estetik güzellik kriterlerine göre değerlendirilerek toplam 30.000 veri noktası elde edilmiştir. Elde edilen veri seti üzerinde karşılaştırmalı istatistiksel analizler ile korelasyon analizleri uygulanarak görsel ve algısal değişkenler arasındaki ilişkiler incelenmiştir.

Elde edilen istatistiksel bulgular, Ortabayır semtinde bina, araç, gökyüzü, insan ve yol piksellerinin ortalama değerlerinin Levent'e göre belirgin şekilde yüksek olduğunu göstermektedir. Buna karşılık Levent semti, doğa/yeşil alan oranı ile güvenlik ve estetik güzellik puanlarında Ortabayır'a kıyasla çok daha yüksek ortalamalara sahiptir. Korelasyon analizleri, birleştirilmiş veri setinde bina yoğunluğunun estetik, güvenlik ve doğa puanlarıyla güçlü negatif ilişki gösterdiğini; doğa/yeşil alan varlığının ise güvenlik ve güzellik algısını pozitif yönde etkilediğini ortaya koymuştur. Ayrıca Ortabayır semtindeki değişkenlerin varyans değerlerinin Levent'e göre yüksek çıkması, Ortabayır'da sokak bazında homojen olmayan bir görsel yapının bulunduğunu doğrulamıştır. Bu durum kentsel ayrışmanın yalnızca bölgeler arası bir problem olmadığını, aynı zamanda bölge içi ayrışma ölçeğinde de varlık gösterdiğini kanıtlamaktadır.

Çalışmanın sunduğu ampirik veriler ve metodolojik yaklaşım, kentsel ayrışma literatüründe mekân sentaksı ve anket temelli geleneksel yaklaşımların ötesine geçerek semantik segmentasyon yardımıyla nesnel ve nicel bir ölçüm modeli sunmaktadır. İstanbul özelinde Levent ve Ortabayır gibi fiziksel olarak bitişik ancak sosyo-görsel açıdan tezat oluşturan alanların ayrışma dinamikleri somut verilerle doğrulanmıştır. Yapılan araştırma, kentsel tasarımcılar ve karar vericiler için yeşil altyapının algısal güvenlik ve estetik üzerindeki belirleyici rolünü göstermekte, adil kaynak tahsisi ve kentsel iyileştirme projeleri için veri temelli bir altlık oluşturmaktadır. Araştırmacılar için ise derin öğrenme algoritmalarının kentsel algı çalışmalarında kullanımına ilişkin uygulanabilir bir yöntemsel çerçeve kazandırmaktadır.

Görsel ve algısal karşılaştırma analizleri, Levent ve Ortabayır semtleri arasında belirgin bir mekânsal nitelik farkını ortaya koymaktadır. Levent semtinde doğa varlığı (0,756), kaldırım oranı (0,450), estetik güzellik (0,705) ve güvenlik puanı (0,802) yüksek ortalamalar sergilerken, Ortabayır semtinde yapı yoğunluğu (0,615), araç varlığı (0,328) ve insan hareketliliği (0,141) öne çıkmaktadır. Bu nicel veriler, yan yana yer alan iki semtin fiziksel çevre bileşenleri ve kullanıcı algıları açısından keskin biçimde ayrıştığını kanıtlamaktadır.

Yazarlar, bu ayrışmayı semantik segmentasyon piksel oranları ve algı korelasyonları çerçevesinde açıklamaktadır. Bütünleşik korelasyon matrisinde yapılaşma oranının güvenlik (r = -0,740) ve güzellik (r = -0,807) algısıyla güçlü bir negatif ilişki taşıdığı, buna karşılık doğal yeşil dokunun güzellik (r = 0,809) ve güvenlik (r = 0,726) puanlarını doğrudan artırdığı tespit edilmiştir. Ayrıca Ortabayır'daki yüksek değişkenlik varyansı, kentsel ayrışmanın yalnızca bölgeler arasında değil, bölge içi homojensizlik ve düzensiz yapılaşma ölçeğinde de derinleştiğine işaret etmektedir.

Elde edilen bulgular, kentsel ayrışma literatüründeki önceki çalışmalarla güçlü bir uyum ve tamamlayıcılık sergilemektedir. Özbaki ve Önder'in yanı sıra Ağırbaş tarafından mekânsal dizilim (space syntax) yöntemleriyle ortaya koyulan morfolojik ve mekânsal ayrışma iddiaları, bu araştırmada sokak düzeyindeki yapay zekâ destekli semantik segmentasyon ve algı puanlaması verileriyle nicel boyutta doğrulanmıştır. Yazarlar, geleneksel anket veya morfoloji odaklı yaklaşımlara makine öğrenmesi destekli görsel analitiği ekleyerek literatürdeki yöntemsel boşluğu doldurmaktadır.

Sonuç olarak çalışma, kentsel çevre kalitesi ile yurttaşların güvenlik ve estetik algıları arasındaki ilişkiyi yapay zekâ tabanlı görsel veri işleme teknikleriyle görünür kılmaktadır. Levent ve Ortabayır örneğinde sunulan bu nicel kanıtlar, kentsel dönüşüm, planlama ve kaynak tahsisi süreçlerinde fiziksel çevre düzenlemelerinin ve yeşil alan varlığının algısal eşitlik sağlamadaki kritik rolünü göstermekte, adil ve yaşanabilir kent politikaları için somut veri altyapısı sunmaktadır.

Yazarlar, Özbaki ve Önder'in mekânsal dizilim yöntemiyle ortaya koyduğu komşu semtler arasındaki morfolojik ve sosyo-ekonomik bütünleşme eksikliğini, yapay zekâ tabanlı semantik segmentasyon ve algı puanlaması verileriyle nicel boyutta doğrulamakta ve görsel-algısal katmana taşımaktadır (Kassab & Uzun, 2024).

Bu çalışma, kentsel ayrışma literatüründe geleneksel sosyo-ekonomik ve morfolojik odaklı yaklaşımların ötesine geçerek sokak düzeyindeki görsel-algısal ayrışmayı yapay zekâ teknikleriyle nicelleştiren metodolojik bir işlev üstlenmektedir. Büyük kentsel veri ve semantik segmentasyon yöntemlerini kentsel algı değerlendirmeleriyle harmanlayan araştırma, komşu semtler arasındaki fiziksel ve algısal uçurumları matematiksel göstergelerle görünür kılmaktadır. Böylece kentsel çevre kalitesinin kentlilerin güvenlik ve güzellik algıları üzerindeki doğrudan etkisini doğrulayarak kentsel analitik alanında yöntemsel bir yenilik sunmaktadır.

Çalışma, Özbaki ve Önder (2009) ile Ağırbaş (2019) gibi araştırmacıların Levent ve Ortabayır bölgesinde mekânsal dizilim yöntemleriyle belirlediği morfolojik ve mekânsal ayrışma bulgularını doğrulamakta ve genişletmektedir. Söz konusu literatürün fiziksel doku ve mekânsal yapılaşma üzerindeki tespitleri, bu araştırmada yapay zekâ tabanlı görsel nesne tespiti ve kullanıcı algı puanlamalarıyla tamamlanmaktadır. Yazarlar, anket ve dizilim odaklı geleneksel literatürdeki sınırlılıkları makine öğrenmesi destekli sokak görünümü analitiğiyle aşarak yazına özgün bir katkı sağlamaktadır.

Kentsel çalışmalar literatür taraması yürüten araştırmacılar için bu eser, nesnel görsel veriler ile öznel kullanıcı algılarının nasıl entegre edileceğini gösteren ampirik bir model sunmaktadır. Yapılaşma yoğunluğunun güvenlik ve güzellik algılarını olumsuz etkilerken, doğal yeşil dokunun bu algıları doğrudan artırdığını gösteren korelasyon kanıtları, literatürdeki kent kalitesi tartışmalarına somut veri sağlamaktadır. Ayrıca kentsel ayrışmanın yalnızca komşu semtler arasında değil, semt içi heterojenlik düzeyinde de ölçülebileceğini kanıtlayarak ölçekler arası analiz imkânı yaratmaktadır.