Forwarded from настенька и графики
Пазл из карты 🧩
Вводите любую локацию и соберется мини-пазл. Можно задать стиль и размер (чем больше, тем сложнее) и пособирать квадратики.
Вводите любую локацию и соберется мини-пазл. Можно задать стиль и размер (чем больше, тем сложнее) и пособирать квадратики.
❤1🔥1
Forwarded from URBAN MASH (Мария [БОЛЕЮ] Эрцеговац)
LSCP vs MCLP vs P-median tg.pdf
1.1 MB
Локационные задачи: где размещать объекты с умом?
Выбор мест для магазинов, складов, больниц или станций — это локационные проблемы. Их цель — найти оптимальные точки, чтобы минимизировать затраты или максимизировать охват. Три ключевые модели:
1. LSCP — когда нужно гарантированно покрыть всех клиентов (например, пожарные станции в городе).
2. MCLP — когда ресурсов мало, а охват нужно максимизировать (например, аптеки в районе).
3. P-median — когда важно сократить среднее расстояние (например, логистические хабы для доставки).
Где применить?
- Ритейл — где открыть магазин?
- Логистика — где разместить склады?
- Госуслуги — как распределить больницы?
- Телеком — куда ставить вышки (тут также помогают диаграммы Вороного, о которых писала выше)?
Все эти модели уже реализованы в библиотеке
@urban_mash
Выбор мест для магазинов, складов, больниц или станций — это локационные проблемы. Их цель — найти оптимальные точки, чтобы минимизировать затраты или максимизировать охват. Три ключевые модели:
1. LSCP — когда нужно гарантированно покрыть всех клиентов (например, пожарные станции в городе).
2. MCLP — когда ресурсов мало, а охват нужно максимизировать (например, аптеки в районе).
3. P-median — когда важно сократить среднее расстояние (например, логистические хабы для доставки).
Где применить?
- Ритейл — где открыть магазин?
- Логистика — где разместить склады?
- Госуслуги — как распределить больницы?
- Телеком — куда ставить вышки (тут также помогают диаграммы Вороного, о которых писала выше)?
Все эти модели уже реализованы в библиотеке
spopt из PySAL — просто подставьте свои данные. Я поделюсь нашей черновой теоретической презентацией по принципу работы этих "моделек". @urban_mash
❤4
Forwarded from О картах
Наткнулась на новую статью в журнале Naturе - это исследование показало, что майнинг биткойна негативно влияет на качество воздуха в США. С помощью геоданных и модели InMAP учёные оценили выбросы от 34 майнинговых ферм и обнаружили, что около 2 млн человек подверглись воздействию частиц PM2.5, преимущественно в Нью-Йорке, Техасе и Кентукки.
Это первый анализ, связывающий криптовалюту и загрязнение воздуха, а не только потребление энергии.
Почему это интересно с точки зрения картографии: это одни из первых карт, которые показывают негативное воздействие майнинга на окружающую среду.
Это первый анализ, связывающий криптовалюту и загрязнение воздуха, а не только потребление энергии.
Почему это интересно с точки зрения картографии: это одни из первых карт, которые показывают негативное воздействие майнинга на окружающую среду.
😱3🔥2
Forwarded from ссылки урбаниста
ДОМ_РФ_Презентация_Новые_города_в_России_планы_и_результаты.pdf
11.6 MB
Исследование Фонда ДОМ.РФ про Новые города в России
🔥2
Forwarded from Зелёная барыня ESG
⚡️Россия и Оман заключили меморандум по вопросам изменения климата и низкоуглеродного развития
Меморандум направлен на формирование основы практического сотрудничества по таким направлениям, как развитие современных низкоэмиссионных технологий, реализация климатических проектов и торговля углеродными единицами, оценка климатических рисков и эффективности мер адаптации.
Для взаимодействия по этим направлениям и организации экспертного диалога стороны планируют создать совместную рабочую группу под руководством Минэкономразвития России и Управления по вопросам окружающей среды Султаната Оман.
Зелёная барыня ESG
Меморандум направлен на формирование основы практического сотрудничества по таким направлениям, как развитие современных низкоэмиссионных технологий, реализация климатических проектов и торговля углеродными единицами, оценка климатических рисков и эффективности мер адаптации.
Для взаимодействия по этим направлениям и организации экспертного диалога стороны планируют создать совместную рабочую группу под руководством Минэкономразвития России и Управления по вопросам окружающей среды Султаната Оман.
Зелёная барыня ESG
🐳1
Forwarded from Кафедра картографии и геоинформатики МГУ
24 апреля в 15:00 состоится Семинар №38 кафедры картографии и геоинформатики на тему:
«Как создаются Яндекс Карты: источники данных и специфика их обработки»
Наш гость из компании Яндекс — Алексей Вилков, кандидат географических наук, старший менеджер проектов отдела производства геоданных Яндекс Карт.
Алексей расскажет как устроено картографическое производство в Яндекс Картах, а также ответит на интересующие вопросы в рамках публично доступных аспектов производства карт компании.
Семинар пройдет в аудитории 1918 Главного здания МГУ и будет транслироваться онлайн на платформе Zoom:
https://us02web.zoom.us/j/82720315951?pwd=bNCNkJMSPVAM9fqIwRQammzlIhMRW6.1
Приглашаются все желающие!
«Как создаются Яндекс Карты: источники данных и специфика их обработки»
Наш гость из компании Яндекс — Алексей Вилков, кандидат географических наук, старший менеджер проектов отдела производства геоданных Яндекс Карт.
Алексей расскажет как устроено картографическое производство в Яндекс Картах, а также ответит на интересующие вопросы в рамках публично доступных аспектов производства карт компании.
Семинар пройдет в аудитории 1918 Главного здания МГУ и будет транслироваться онлайн на платформе Zoom:
https://us02web.zoom.us/j/82720315951?pwd=bNCNkJMSPVAM9fqIwRQammzlIhMRW6.1
Приглашаются все желающие!
❤1🔥1
Forwarded from URBAN MASH (Мария Эрцеговац)
Зачем геоаналитикам ML и зачем ML-щикам Geo?
Часто слышу от "трушных" программистов, что геоаналитика — это просто добавить столбцы
Почему геоаналитику недостаточно классического ML?
Когда я делала любую геомодель, которая по пространственным признакам предсказывает таргет, то я сталкивалась с несколькими проблемами:
- Пространственные данные автокоррелированы (значение в точке зависит от соседей) → обычные ML-модели дают смещённые предсказания.
- Координаты — это не просто два признака, а пространственная структура → нужны специальные методы (геостатистика, пространственные графы).
- В геоданных много шума (GPS-прыжки, ошибки картографирования) → без предобработки модели учатся на артефактах.
Почему ML-специалистам нужно понимание гео?
Когда мы с командой прогнозировали заказы в ПВЗ на хакатоне, мы увидели, что:
- Рядом с метро спрос выше в 1.5–3 раза → но если просто добавить
- Традиционные метрики (RMSE) не отражают географическую ошибку (промах на 500 м в центре Москвы ≠ 500 м в промзоне).
- Без понимания пространственных процессов (например, сезонной миграции) модель выдаёт "среднюю температуру по больнице".
Курсы, которые реально прокачали мои навыки
1. Working with Geospatial Data in Python (Datacamp) – лучший старт для работы с
2. Spatial Data Science and Applications (Coursera) – более общий курс, где есть QGIS, PostGIS, R и инструменты Hadoop.
3. Курс Инессы Трегубовой – разбор реальных практических кейсов. Это курс, где я была на 1 потоке и который стал для меня вдохновением пойти работать геоаналитиком в Я.Лавку, т.к. на тот момент Инесса там работала.
P.S. Если хотите глубже разобрать какой-то кейс – пишите, расскажу про подводные камни (например, почему kNN для геоданных — плохая идея).
@urban_mash
Часто слышу от "трушных" программистов, что геоаналитика — это просто добавить столбцы
latitude и longitude в датасет и прогнать через sklearn. Но на практике всё чуть сложнее. Почему геоаналитику недостаточно классического ML?
Когда я делала любую геомодель, которая по пространственным признакам предсказывает таргет, то я сталкивалась с несколькими проблемами:
- Пространственные данные автокоррелированы (значение в точке зависит от соседей) → обычные ML-модели дают смещённые предсказания.
- Координаты — это не просто два признака, а пространственная структура → нужны специальные методы (геостатистика, пространственные графы).
- В геоданных много шума (GPS-прыжки, ошибки картографирования) → без предобработки модели учатся на артефактах.
Почему ML-специалистам нужно понимание гео?
Когда мы с командой прогнозировали заказы в ПВЗ на хакатоне, мы увидели, что:
- Рядом с метро спрос выше в 1.5–3 раза → но если просто добавить
distance_to_subway, модель не учтёт нелинейность (например, пешеходные маршруты через парки).- Традиционные метрики (RMSE) не отражают географическую ошибку (промах на 500 м в центре Москвы ≠ 500 м в промзоне).
- Без понимания пространственных процессов (например, сезонной миграции) модель выдаёт "среднюю температуру по больнице".
Курсы, которые реально прокачали мои навыки
1. Working with Geospatial Data in Python (Datacamp) – лучший старт для работы с
geopandas и shapely.2. Spatial Data Science and Applications (Coursera) – более общий курс, где есть QGIS, PostGIS, R и инструменты Hadoop.
3. Курс Инессы Трегубовой – разбор реальных практических кейсов. Это курс, где я была на 1 потоке и который стал для меня вдохновением пойти работать геоаналитиком в Я.Лавку, т.к. на тот момент Инесса там работала.
P.S. Если хотите глубже разобрать какой-то кейс – пишите, расскажу про подводные камни (например, почему kNN для геоданных — плохая идея).
@urban_mash
🔥5
В Каспийском море продолжаются поиски известного астраханского учёного Петра Бухарицына
Руководитель отделения Русского географического общества в Астраханской области, доктор наук и профессор таинственно исчез в районе острова Укатный на границе России с Казахстаном.
Пётр Бухарицын возглавлял экспедицию по картографированию северной части прибрежной зоны Каспийского моря. Работы проводились на судне, предоставленном Каспийской флотилией.
В поисках участвуют военнослужащие флотилии и сотрудники пограничной службы. К операции планирует подключиться поисково-спасательный отряд «ЛизаАлерт».
Комментарий дало пограничное управление ФСБ России по Калмыкии и Астраханской области.
Фото: страница Астраханского областного отделения на сайте РГО
Руководитель отделения Русского географического общества в Астраханской области, доктор наук и профессор таинственно исчез в районе острова Укатный на границе России с Казахстаном.
Пётр Бухарицын возглавлял экспедицию по картографированию северной части прибрежной зоны Каспийского моря. Работы проводились на судне, предоставленном Каспийской флотилией.
В поисках участвуют военнослужащие флотилии и сотрудники пограничной службы. К операции планирует подключиться поисково-спасательный отряд «ЛизаАлерт».
Комментарий дало пограничное управление ФСБ России по Калмыкии и Астраханской области.
Фото: страница Астраханского областного отделения на сайте РГО
😱4🤔1
Forwarded from Ivan Begtin (Ivan Begtin)
Ещё одна важная находка, оказывается облачные LLM'ки вполне неплохо научились восстанавливать данные из графиков. Причём в разных формах и разных стилях. Это даёт довольно существенные возможности по превращению PDF отчетов и презентаций в таблицы с данными.
Слишком многие данные вот таким образом закопаны в официальных отчётах. А теперь можно их "выковыривать" гораздо более универсальными способами.
#data #datasets #llm
Слишком многие данные вот таким образом закопаны в официальных отчётах. А теперь можно их "выковыривать" гораздо более универсальными способами.
#data #datasets #llm
🔥2😁1
Forwarded from GIS AND PEACE (Bella)
Эволюция социальной картографии - Mapping Society 📕
Карты как отпечатки социальных процессов в городском ландшафте:
от визуализации жёлтой лихорадки в Нью-Йорке XVIII века до современного неравенства в пригородах Парижа
Книгу Mapping Society Лауры Воун можно найти в открытом доступе🔥
#geo_books
🌎🕊️ GIS_AND_PEACE
Карты как отпечатки социальных процессов в городском ландшафте:
от визуализации жёлтой лихорадки в Нью-Йорке XVIII века до современного неравенства в пригородах Парижа
Книгу Mapping Society Лауры Воун можно найти в открытом доступе
#geo_books
🌎🕊️ GIS_AND_PEACE
Please open Telegram to view this post
VIEW IN TELEGRAM
❤2😱1
Forwarded from Желтогорье
Население России в 2024 году, часть 6. Пятьдесят крупнейших городов России
Предварительное замечание. Традиционно в моих расчётах гг. Москва, Санкт-Петербург и Севастополь меньше соответствующих субъектов — городов федерального значения. Город Москва не включает в себя Зеленоград и ТиНАО, город Санкт-Петербург — муниципалитеты со статусом городов и посёлков, город Севастополь — сельские населённые пункты, а также Балаклаву, Инкерман и Качу.
В топ-50 в этом году не очень много изменений. Динамика симметричная: в 25 городах численность населения выросла, в 25 — снизилась. В сумме прибавка по 50 крупнейшим городам составила 200 тысяч человек.
1. Краснодар прибавил 16 тысяч человек и благодаря этому обогнал сразу Самару и Ростов-на-Дону, заняв десятое место среди городов России. Двойной обгон разрешён! У Ростова теперь на один аргумент меньше в споре о том, кто же из них двоих с Краснодаром столица Юга.
2. Набережные Челны и Балашиха подбираются к отметке в 550 тысяч человек. По мере их продвижения падают вниз Томск, Кемерово, Оренбург и Новокузнецк.
3. Севастополь после бурного роста резко потерял 1,8% численности населения и вновь уступил Астрахани.
4. Курск по всем известной причине съехал вниз на 1,2% и уступил Улан-Удэ.
5. Сенсация года: в топ-50 с ноги залетел город ГРОЗНЫЙ, который за год прибавил 20% (66 тыс. чел.) и приблизился к отметке в 400 тыс. жителей. Это весьма знаменательно, потому что исторический максимум численности населения Грозного (по переписи 1989 г.) — всего на несколько сотен человек выше, а потом с Грозным случилась война, и четырёхсоттысячником он так и не стал. Но теперь, кажется, станет?
Когда я увидел динамику численности населения Грозного, первой мыслью было подозрение в манипуляциях. Но, судя по всему, всё несколько сложнее и гораздо интереснее. Не переключайтесь, скоро всё узнаем.
UPD. По резонному замечанию @sevabashirov исключил Новомосковский АО из границ Москвы как населённого пункта, не дорос ещё.
Предварительное замечание. Традиционно в моих расчётах гг. Москва, Санкт-Петербург и Севастополь меньше соответствующих субъектов — городов федерального значения. Город Москва не включает в себя Зеленоград и ТиНАО, город Санкт-Петербург — муниципалитеты со статусом городов и посёлков, город Севастополь — сельские населённые пункты, а также Балаклаву, Инкерман и Качу.
В топ-50 в этом году не очень много изменений. Динамика симметричная: в 25 городах численность населения выросла, в 25 — снизилась. В сумме прибавка по 50 крупнейшим городам составила 200 тысяч человек.
1. Краснодар прибавил 16 тысяч человек и благодаря этому обогнал сразу Самару и Ростов-на-Дону, заняв десятое место среди городов России. Двойной обгон разрешён! У Ростова теперь на один аргумент меньше в споре о том, кто же из них двоих с Краснодаром столица Юга.
2. Набережные Челны и Балашиха подбираются к отметке в 550 тысяч человек. По мере их продвижения падают вниз Томск, Кемерово, Оренбург и Новокузнецк.
3. Севастополь после бурного роста резко потерял 1,8% численности населения и вновь уступил Астрахани.
4. Курск по всем известной причине съехал вниз на 1,2% и уступил Улан-Удэ.
5. Сенсация года: в топ-50 с ноги залетел город ГРОЗНЫЙ, который за год прибавил 20% (66 тыс. чел.) и приблизился к отметке в 400 тыс. жителей. Это весьма знаменательно, потому что исторический максимум численности населения Грозного (по переписи 1989 г.) — всего на несколько сотен человек выше, а потом с Грозным случилась война, и четырёхсоттысячником он так и не стал. Но теперь, кажется, станет?
Когда я увидел динамику численности населения Грозного, первой мыслью было подозрение в манипуляциях. Но, судя по всему, всё несколько сложнее и гораздо интереснее. Не переключайтесь, скоро всё узнаем.
UPD. По резонному замечанию @sevabashirov исключил Новомосковский АО из границ Москвы как населённого пункта, не дорос ещё.
❤6
Наш дорогой друг и однокурсник Михаил Балабан уже начал анализировать вышедшую вчера статистику по населению России на 1 января 2025 года.
Некоторые моменты крайне любопытны. Так, например, Краснодар обогнал Ростов-на-Дону и Самару сразу
Некоторые моменты крайне любопытны. Так, например, Краснодар обогнал Ростов-на-Дону и Самару сразу
❤7
Геоаналитика даёт мощные возможности для бизнеса, городов и исследований, но у пользователей остаётся важный вопрос: насколько защищены их персональные данные?
💡 Вот несколько ключевых аспектов этичного использования данных:
Бизнесу важно балансировать между пользой аналитики и защитой приватности. Что вы думаете по этому поводу? 🤔
#Геоинтеллект_Факт
Please open Telegram to view this post
VIEW IN TELEGRAM