[{"data":1,"prerenderedAt":-1},["ShallowReactive",2],{"detail-sidebar-cat-0-en-105":3,"doc-seo-290720-105":59,"doc-detail-290720-en":130},{"code":4,"msg":5,"data":6},0,"success",[7,13,18,23,28,33,38,43,48,51,55],{"id":8,"doc_module":4,"doc_module_name":9,"category_name":10,"show_sort_weight":11,"slug":12},1,"Document","Story & Novel",90,"story-novel",{"id":14,"doc_module":4,"doc_module_name":9,"category_name":15,"show_sort_weight":16,"slug":17},2,"Literature",80,"literature",{"id":19,"doc_module":4,"doc_module_name":9,"category_name":20,"show_sort_weight":21,"slug":22},4,"Exam",70,"exam",{"id":24,"doc_module":4,"doc_module_name":9,"category_name":25,"show_sort_weight":26,"slug":27},5,"Comic",60,"comic",{"id":29,"doc_module":4,"doc_module_name":9,"category_name":30,"show_sort_weight":31,"slug":32},6,"Technology",50,"technology",{"id":34,"doc_module":4,"doc_module_name":9,"category_name":35,"show_sort_weight":36,"slug":37},7,"Healthcare",40,"healthcare",{"id":39,"doc_module":4,"doc_module_name":9,"category_name":40,"show_sort_weight":41,"slug":42},8,"Research & Report",30,"research-report",{"id":44,"doc_module":4,"doc_module_name":9,"category_name":45,"show_sort_weight":46,"slug":47},9,"Religion & Spirituality",20,"religion-spirituality",{"id":46,"doc_module":4,"doc_module_name":9,"category_name":49,"show_sort_weight":46,"slug":50},"World Cup","world-cup",{"id":52,"doc_module":4,"doc_module_name":9,"category_name":53,"show_sort_weight":52,"slug":54},10,"Lifestyle","lifestyle",{"id":56,"doc_module":4,"doc_module_name":9,"category_name":57,"show_sort_weight":24,"slug":58},19,"General","general",{"code":4,"msg":60,"data":61},"ok",{"site_id":62,"language":63,"slug":64,"title":65,"keywords":66,"description":67,"schema_data":68,"social_meta":123,"head_meta":125,"extra_data":127,"updated_unix":129},105,"fi","machine-learning-methods-in-spatial-accessibility-research-bachelors-thesis-2025","Koneoppimismenetelmät alueidensaavutettavuustutkimuksessa - Kandidaatintutkielma 2025","","Tässä kandidaatintyössä tarkastellaan kirjallisuustutkimuksen avulla, miten ja millaisia koneoppimismenetelmiä on sovellettu alueiden saavutettavuustutkimuksessa, millaisia mahdollisuuksia ja haasteita niiden käyttöön liittyy sekä millaisia ongelmia niillä on pyritty ratkaisemaan. Työ rajautuu saavutettavuuden mittaamiseen palveluiden ja palveluiden jakautumisen kaupunkienvälisen saavutettavuuden konteksteissa. Teoreettisena taustana esitellään koneoppimisen keskeiset algoritmit sekä saavutettavuus ja mittarit, kuten HAM ja SIM. Tulosten mukaan sekä ohjattu että ohjaamaton oppiminen soveltuu saavutettavuuden mallintamiseen.",{"@graph":69,"@context":122},[70,84,105],{"@type":71,"itemListElement":72},"BreadcrumbList",[73,77,79,82],{"item":74,"name":75,"@type":76,"position":8},"https://docshare.wps.com","Home","ListItem",{"item":78,"name":9,"@type":76,"position":14},"https://docshare.wps.com/document/",{"item":80,"name":40,"@type":76,"position":81},"https://docshare.wps.com/document/research-report/",3,{"item":83,"name":65,"@type":76,"position":19},"https://docshare.wps.com/document/machine-learning-methods-in-spatial-accessibility-research-bachelors-thesis-2025/290720/",{"url":83,"name":65,"@type":85,"image":86,"author":91,"headline":65,"publisher":94,"fileFormat":97,"inLanguage":63,"description":67,"dateModified":98,"datePublished":99,"encodingFormat":97,"isAccessibleForFree":100,"interactionStatistic":101},"DigitalDocument",{"url":87,"@type":88,"width":89,"height":90},"https://docshare.wps.com/thumbnails/machine-learning-methods-in-spatial-accessibility-research-bachelors-thesis-2025/290720.png","ImageObject",300,407,{"name":92,"@type":93},"Levi","Person",{"url":74,"name":95,"@type":96},"DocShare","Organization","application/pdf","2026-11-04","2026-09-17",true,{"@type":102,"interactionType":103,"userInteractionCount":24},"InteractionCounter",{"@type":104},"ViewAction",{"@type":106,"mainEntity":107},"FAQPage",[108,114,118],{"name":109,"@type":110,"acceptedAnswer":111},"Mitä koneoppimismenetelmiä työssä tarkastellaan alueiden saavutettavuustutkimuksessa?","Question",{"text":112,"@type":113},"Työssä tarkastellaan kirjallisuuden perusteella koneoppimismenetelmiä sekä ohjatusta että ohjaamattomasta oppimisesta, mukaan lukien luokitteluun ja klusterointiin liittyviä lähestymistapoja sekä niitä tukevia regressiomalleja.","Answer",{"name":115,"@type":110,"acceptedAnswer":116},"Mihin saavutettavuuden mittaamisen kontekstiin työ rajautuu?",{"text":117,"@type":113},"Työ rajautuu saavutettavuuden mittaamiseen palveluiden jakautumisen ja kaupunkienvälisen saavutettavuuden konteksteissa.",{"name":119,"@type":110,"acceptedAnswer":120},"Mitkä ovat keskeiset haasteet koneoppimismenetelmien käytössä tulosten mukaan?",{"text":121,"@type":113},"Keskeisiä haasteita ovat datan laatu ja saatavuus, mallien tulkittavuus sekä ylioppimis- ja alioppimisongelmat.","https://schema.org",{"og:url":83,"og:type":124,"og:title":65,"og:site_name":95,"og:description":67},"article",{"robots":126,"canonical":83},"index,follow",{"doc_id":128,"site_id":62},290720,1792184451,{"code":4,"msg":5,"data":131},{"doc_id":128,"user_id":132,"nickname":92,"user_avatar":133,"doc_module":4,"category_id":39,"category_name":40,"doc_title":65,"doc_description":67,"doc_content":134,"file_id":135,"file_url":136,"file_type":137,"file_size":138,"view_count":24,"is_deleted":4,"is_public":8,"is_downloadable":8,"audit_status":8,"page_count":139,"language":140,"language_code":63,"site_id":62,"html_lang":141,"table_of_contents":142,"faqs":143,"seo_title":144,"seo_description":67,"update_tm":145,"read_time":146,"preview_page_count":4},7971461740909,"https://ap-avatar.wpscdn.com/davatar_155a257f0dc6eb9ab79c44ca47cae57d","Insinööritieteiden kandidaattiohjelma  \nKoneoppimismenetelmät alueidensaavutettavuustutkimuksessa  \nJanne Toppi  \nKandidaatintutkielma 2025  \nCopyright ©2025 Janne Toppi  \n\n| Tekijä Janne Toppi |  |\n| --- | --- |\n| Työn nimi Koneoppimismenetelmät alueiden\u003Cbr>saavutettavuustutkimuksessa |  |\n| Koulutusohjelma Insinööritieteiden kandidaattiohjelma |  |\n| Pääaine Geoinformatiikka |  |\n| Valvoja Vanhempi yliopiston lehtori Petri Rönnholm |  |\n| Työn ohjaaja(t) Apulaisprofessori Henrikki Tenkanen |  |\n| Päivämäärä\u003Cbr>08.12.2025 | Sivumäärä 33 Kieli Suomi |\n| Tiivistelmä\u003Cbr>Tässä kandidaatintyössä tarkastellaan kirjallisuustutkimuksen avulla, miten ja millaisia koneoppimismenetelmiä on sovellettu alueiden saavutettavuustutkimuksessa, millaisia mahdollisuuksiaja haasteita niiden käyttöön liittyy ja millaisia ongelmia niillä on yritetty ratkaista. Työ rajautuu saavutettavuuden mittaamiseen palveluiden jakaupunkienvälisen saavutettavuuden konteksteissa. Teoreettisena taustana esitellään koneoppimista ja tässä kandidaatin työssä esiintyviä keskeisiä algoritmeja sekä saavutettavuutta käsitteenä ja saavutettavuusmittareita, kuten HAM ja SIM.\u003Cbr>Kirjallisuustutkimus osoittaa, että sekä ohjattua oppimista että ohjaamatonta oppimista voidaan menestyksekkäästi hyödyntää saavutettavuuden mallintamisessa. Ohjaamattomiin menetelmiin perustuva klusterointi soveltuu palveluiden saavutettavuusluokkien (esim”hyvä”–”heikko”) tunnistamiseen silloin, kun valmiita luokkia ei ole. Hybridimallit (ohjaamattoman ja ohjatun oppimisen yhdistelmä) joissa klustereita käytetään ohjatun oppimisen koulutusdatana, mahdollistavat saavutettavuuden automaattisen luokittelun kaupunkialueilla. Gravitaatiopohjaisten saavutettavuusmittareiden ja imputoidun LASSO-regression yhdistäminen puolestaa auttaa tunnistamaan sosiodemografisia ja alueellisia tekijöitä, jotka selittävät saavutettavuuden alueellista vaihtelua. Lisäksi satunnaismetsään perustuvat mallit pystyvät toistamaan Hansenin saavutettavuusmallin käyttäytymistä ja ennustamaan saavutettavuutta tilanteissa, joissa virtausdata on puutteellista.\u003Cbr>Tulosten perusteella koneoppimismenetelmät tarjoavat lupaavan lähestymistavan saavutettavuuden mallintamiseen, erityisesti kun käsitellään suuria ja monimuotoisia paikkatietoaineistoja. Keskeisiä haasteita ovat muun muassa datan laatu ja saatavuus, mallien tulkittavuus ja ylioppimis-ja alioppimisongelmat. |  |\n| Avainsanat koneoppiminen, saavutettavuus, saavutettavuustutkimus, satunnaismetsä, Hansenin saavutettavuusmalli, spatiaalinen interaktiomalli, LASSO-regressio |  |\n\n\n| Author Janne Toppi |\n| --- |\n| Title of thesis Machine Learning Methods in Spatial Accessibility Research |\n| Programme Bachelor’s Programme in Engineering |\n| Major Geoinformatics |\n| Thesis supervisor Senior University Lecturer Petri Rönnholm |\n| Thesis advisor(s) Assistant Professor Henrikki Tenkanen |\n| Date 08.12.2025 Number of pages 33 Language Finnish |\n| Abstract\u003Cbr>In this bachelor’s thesis, a literature review is used to examine how and what kinds of machine learning methods have been applied in spatial accessibility research, what opportunities and challenges are associated with their use, and what types of problems these methods have been used to address. The work focuses on measuring accessibility in the context of services and interurban accessibility. The theoretical backgroud introduces machine learning as a concept and the key algorithms used in this theses and the concept of accessibility and accessibility measures such as HAM and SIM.\u003Cbr>The literature reviwe shows that both supervised and unsupervised learning can be successfully applied to accessibility modelling. Clustering algorithms based on unsupervised learning are suitable for identifying accessibility classes (e.g.,“good” –“bad”) in situations where predefined classes do not exist. Hybrid models – combining supervised and unsupervisen learning, where clusters are used as training data for supervised models – enable the auto","cbCail56HsDz3t9t","https://ap.wps.com/l/cbCail56HsDz3t9t","pdf",947133,33,"Finnish","en","# Operaattorit ja lyhenteet\n## Operaattorit\n## Lyhenteet\n# 1 Johdanto\n# 2 Koneoppimisen teoreettinen tausta\n## 2.1 Ohjattu oppiminen\n### 2.1.1 Regressio\n### 2.1.2 Luokittelu\n## 2.2 Ohjaamaton oppiminen\n### 2.2.1 Klusterointi","[{\"question\":\"Mitä koneoppimismenetelmiä työssä tarkastellaan alueiden saavutettavuustutkimuksessa?\",\"answer\":\"Työssä tarkastellaan kirjallisuuden perusteella koneoppimismenetelmiä sekä ohjatusta että ohjaamattomasta oppimisesta, mukaan lukien luokitteluun ja klusterointiin liittyviä lähestymistapoja sekä niitä tukevia regressiomalleja.\"},{\"question\":\"Mihin saavutettavuuden mittaamisen kontekstiin työ rajautuu?\",\"answer\":\"Työ rajautuu saavutettavuuden mittaamiseen palveluiden jakautumisen ja kaupunkienvälisen saavutettavuuden konteksteissa.\"},{\"question\":\"Mitkä ovat keskeiset haasteet koneoppimismenetelmien käytössä tulosten mukaan?\",\"answer\":\"Keskeisiä haasteita ovat datan laatu ja saatavuus, mallien tulkittavuus sekä ylioppimis- ja alioppimisongelmat.\"}]","Koneoppimismenetelmät alueidensaavutettavuustutkimuksessa - Kandidaatintutkielma 2025 | PDF",1789642435,83]