В наше время доминирования таких сервисов как GoogleMaps, 2ГИС, Яндекс.Карты и т.п. обычного пользователя трудно удивить онлайн-картами. Однако есть проекты, которые по-прежнему способны заинтересовать. В этой подборке я собрал наиболее интересные геоинформационные сервисы - приготовьтесь к погружению в историю, водный апокалипсис и царство цветов!
За последний год мы добавили много нового на Яндекс Карты: например, высокодетализированные дороги с подробной разметкой, растительность, а ещё совершенно новые, цветные и детальные 3D-модели достопримечательностей. Их можно увидеть, приблизив, например, Пушкинский музей, главное здание МГУ, Казанский собор и другие известные места во многих городах России и мира.
Привет, меня зовут Миша, я старший дизайнер продукта в Яндекс Картах. В этой статье я расскажу об особенностях запуска 3D-моделей достопримечательностей на Картах, о том, как они помогают пользователям, и, конечно, о тонкостях процесса дизайна и производства.
Привет, любознательные друзья данных!
Сегодня поговорим о картах, данных и том, как они могут стать нашими лучшими союзниками в аналитике. С вами Даша Путешественница Александр Ларин, руководитель центра обучения и поддержки GlowByte и по совместительству лидер сообщества FineBI, и BI–команда офиса данных Tele2*.
Наблюдение за тем, какие изменения происходят на планете в масштабах стран и континентов — настоящий источник вдохновения для OSINT-аналитиков. Специалисты Бастион поделились актуальным списком интерактивных дашбордов, которые они держат в закладках, плюс я добавил парочку от себя.
Даже если вы никак не связаны с ИБ, зато часами залипали в контурные карты глобальных стратегий или восхищались глобусом в центре управления X-COM, эта подборка инструментов наверняка вам понравится.
Удобная дата - первое апреля. Именно в этот день можно браться за любую ерунду. Не выйдет - можно свести всё к шутке. А если выйдет... то получится любопытная статья.
Вы когда-нибудь думали, можно ли найти месторождение золота (или ещё какого-нибудь полезного ископаемого) по спутниковым снимкам Гугла, Яндекса или по другим подобным сайтам? Кажется, это малоперспективное занятие. Но давайте попробуем.
В статье расскажу поподробнее про оценку локаций для бизнеса.
Проблема классическая: ищем место для открытия нового магазина/ресторана/пиццерии.
Сразу скажу, что при помощи гео я решал очень узкий набор задач:
• Оценить существующие локации с т.з. плотности населения, конкуренции, объема рынка. Найти новые точки для открытия или переезда бизнеса;
• Использовать признаки близости покупателя к бизнесу/конкурентам в клиентской аналитике для предсказаний оттока и откликов на рассылки/оффлайн рекламу;
Сегодня расскажу поподробнее про оценку локаций. Все работы я производил на языке R.
Год векторных тайлов, покемоны возвращают должок, благородное закрытие Placemark, а также учимся рендерить на Canvas с помощью Rust.
В статье приводятся результаты опробирования георадара Izh-Terra для обнаружения движущихся людей, в том числе за преградами (стенами). Показано, что георадар может быть применен при поиске заживо погребенных людей в результате землетрясений или ракетно-бомбовых ударов.
Сотрудники поддержки должны уметь программировать. Поэтому, когда на работе нам потребовалось настроить автоматизацию для перезапуска службы ArcGIS Server, а получить техническую поддержку вендора ESRI на территории РФ уже было невозможно, я решил реализовать решение самостоятельно. В статье описываю, какой путь я прошёл по поиску решения на основе советов с gis.stackexchange.com и AI.
Дисклеймер: в прошлом я инженер-геодезист, начавший свой путь в ИТ, перейдя на работу во вторую линию поддержки системы ГИС Х5 в подразделение X5 Tech. Поэтому прошу понять и простить мне флёр джуна-программиста в данной статье.
ГИС Х5 — это один из наших инструментов развития торговых сетей X5 Group (“Пятёрочек”, “Перекрёстков” и “Чижиков”). Если совсем просто и коротко, то с помощью него мы оцениваем эффективность локации будущих магазинов по ряду параметров, на основании чего принимаем решение об их открытии в той или иной точке.
Завершено голосование по признанию IFC 4.3 в качестве ISO-стандарта. Вердикт: «Принято». В настоящее время стандарт проходит стадию публикации, но еще не опубликован. Предполагаемые даты — конец марта или начало апреля.
Сегодня всё чаще требуется учитывать географическую привязку и выполнять поиск в локальном окружении клиента. Иными словами, регулярно возникает необходимость найти что-то (или кого-то) рядом с конкретным пользователем. «Где ближайший банкомат?», «Кто из друзей поблизости?», «Какие тут аптеки?». Подобные запросы миллионами поступают в сервисы геолокации каждый день, при этом существующие подходы к решению этой задачи не исчерпали возможностей оптимизации. Наверняка вы не раз сетовали на то, как долго обновляются метки на карте.
В этой статье эксперт отдела перспективных исследований российской компании «Криптонит» Игорь Нетай рассказывает о способе ускорить обнаружение объектов, принадлежащих одному географическому региону с произвольно заданными размерами. Материал станет частью научной работы о перспективах применения H-кривых в геохешинге.
С помощью рассмотренной в этой статье алгоритмической оптимизации можно быстрее выполнять поиск в различных масштабах — от полушария Земли до конкретного здания.
Координаты одной строкой
Удобство географической персонализации постепенно вытеснило паранойю, и во многих онлайн-сервисах теперь открыто используются данные о местоположении пользователей и различных объектов. Делаете заказ через интернет? Вам предложат забрать его в пункте выдачи поближе к дому. Вызываете такси? Сначала запрос передаётся водителям рядом с вами. Ищете кафе? На карте отобразятся ближайшие.
Все эти алгоритмы сводятся к решению одной и той же задачи: они определяют, какие координатные точки из базы данных входят в тот же условно заданный регион, что и указанная в запросе целевая точка (как правило, обозначающая местоположение пользователя). Для этого используется система кодирования географических координат в виде значений хеш-функции, называемых геохеши.
Недавно в карте 2ГИС появились небо и туман, которые можно увидеть, увеличив масштаб и наклон.
В статье расскажу, для чего нам понадобились эти фичи, с какими сложностями столкнулись в процессе исследований и как в итоге реализовали нужную функциональность.
Медитируем под звуки правок, запасаемся тайлами, ищем места из аниме и готовимся к 20-летию OpenStreetMap.
Буквально на днях писал, что карты Гугла обновляются все хуже и хуже. И что мы все становимся жертвами глобализации и монополизма. Google maps все хуже и хуже. Мировая монополия не справляется со своей жадностью. А что с Яндекс картами?
Ну и немедленно последовала месть от Гугла. Два одинаковых автовокзала в Стамбуле на карте. Еду на такси и приезжаю в точку в 30 км от места назначения.
Оказывается на картах Гугла ДВА автовокзала с одинаковым названием.
Как получить изображение местности, если единственным источником знаний о ней является спутниковый снимок. Сколько нейронных сетей для этого потребуется, легко ли собрать набор данных для обучения и зачем вообще это может быть кому-то нужно — в небольшой статье.
История карт и сервиса показа улиц началась в 2007 году. По всему миру катались автомобили и делали многочисленные фото улиц, домов и даже были съемки внутри музеев, в которые можно было зайти с сервисом Street View.
Постепенно Гугл в РФ терял позиции, а в мировом пространстве устойчив на первом месте. Но фактическое отсутствие конкуренции на международном уровне делает Google Maps все хуже и хуже. И хуже и хуже. И скоро будет совсем плохо.
Привет, Хабр! В одной из предыдущих статей команда ВТБ обещала подробнее рассказать, как на конкурсе «Большие вызовы» в образовательном центре «Сириус» команда школьников занималась разработкой сервиса геоаналитики для бизнеса. Итак, время пришло, давайте же скорее начинать!
Меня зовут Максим Воля, мне 17 лет, и я один из тех самых школьников, который принял участие в этом конкурсе в составе школьной команды разработки. В статье расскажу, как мы готовились к проекту и создавали его, с какими данными работали, какой стек технологий применяли, с какими сложностями столкнулись и что получилось в итоге. На проекте я был Product-менеджером, также в команду входили Илья Демидов, который занимался машинным обучением, Даниил Ануфриев — компьютерное зрение, Дмитрий Рынин — аналитика, Владислав Секин — фуллстек-разработка. Сейчас подробно все расскажу. Добро пожаловать под кат!
В настоящее время все более востребованными становятся данные радиолокационного наблюдения (РЛН) с космических аппаратов дистанционного зондирования Земли. Наблюдая повышенный интерес к этой предметной области с одной стороны и явный недостаток информационных материалов по теме обработки радиолокационных данных ДЗЗ с другой, решили написать статью, которая, надеемся, будет полезна для всех интересующихся темой ДЗЗ.
