Svi rezultati zasnovani su na INDIKATORIMA izvedenim iz IZVORA PODATAKA upotrebom metoda mašinskog učenja kako bi se povezale ekstrakovane informacije sa podacima nacionalnih statistika.
Predviđene vrednosti potiču iz modela mašinskog učenja, dok procenjene vrednosti su preuzete od Nacionalnog zavoda za statistiku.
Pogledajte razlike iznad ili ispod glavne dijagonale – indikatori otkrivaju skrivene populacione trendove.
Opštine rangirane prema predviđenom riziku od depopulacije, od najmanje do najviše rizične,mogu da pomognu u prioretizaciji intervencija.
Opštine obeležene belim markerima imaju pozitivnu stopu rasta populacije, dok crnim obeležene opštine imaju negativnu stopu.
Značajnost indikatora aktivnosti je izvedena iz prediktivnog modela mašinskog učenja (random forest), koji je obučen na fuziji svih podataka. Kroz rekurzivnu eliminaciju indikatora, skup odabranih indikatora je sveden na 30 najznačajnijih.
Indikatori izvedeni iz svih izvora podataka zajedno doprinose predviđanju stope promene broja stanovnika. Veoma značajni indikatori su centralnost bliskosti iz indikatora konektivnosti, prolazna centralnost iz indikatora mobilnosti, industrijske, komercijalne i urbane jedinice iz Corine indikatora, gustina rezidencijalnih puteva iz OSM indikatora, kao i intenet aktivnost u noćnim časovima.
Značajnost indikatora aktivnosti je izvedena iz prediktivnog modela mašinskog učenja (random forest), koji je obučen podacima o aktivnosti.
Informacije o tipu dana, aktivnosti tokom Covid19 vanrednog stanja i roaming aktivnosti povećavaju značaj indikatora.
Značajnost indikatora konektivnosti je izvedena iz prediktivnog modela mašinskog učenja (random forest), koji je obučen podacima o konektivnosti.
Značajnost indikatora mobilnosti je izvedena iz prediktivnog modela mašinskog učenja (random forest), koji je obučen podacima o mobilnosti.
Značajnost indikatora je izvedena iz prediktivnog modela mašinskog učenja (random forest), koji je obučen podacima o upotrebi zemljišta iz Corine sistema.
Najznačajniji indikatori predstavljaju procenti zemljišta iz klasa Neprekidno urbano-industrijska i Industrijske i komercijalne jedinice.
Značajnost OSM indikatora je izvedena iz prediktivnog modela mašinskog učenja (random forest), koji je obučen podacima o mestima od interesa i putevima iz OpetStreetMap sistema.
Gustina celokupne putne mreže, i pogotovo rezidencijalnih puteva, kao i ukupan broj mesta od interesa imaju veliki značaj u kontekstu depopulacije.
Zbirni prikaz kombinuje značajnost indikatora sa njihovim efektima. Svaka tačka na zbirnom prikazu predstavlja jednu opštinu. Pozicija na y-osi je određena indikatorom, dok je pozicija na x-osi određena sa SHAP (Shapley vrednost) koja ukazuje na efekat.
Boja označava vrednost indikatora do najniže do najviše. Plave tačke predstavljaju visoke vrednosti indikatora, dok crvene predstavljaju niske vrednosti. Pozitivne SHAP vrednosti označavaju bolje populacione trendove, dok negativne upozoravaju na depopulaciju.