3-ий набор моего курса "Пространственный анализ и моделирование в Python" закончился, а значит, пришло время постов с финальными проектами участников.

Автор 1-ого проекта @arirrr исследовала районы Берлина с целью выбора локации для открытия там вегетарианского кафе. Узнать о том, как расположение галерей и стоимость жилья помогают найти приоритетные локации, можно в описании проекта.

Вопросы пишите в чате канала с тегом автора.

#phd

Мое PhD исследование посвящено оценке влияния удаленной работы на экономику районов. Наличие влияния является гипотезой,основанной на теоретической базе, поэтому может быть как подтверждено, так и отклонено

Почему ожидаются изменения?
Микроэкономическая теория построена на предположении о стремлении системы к равновесию - эквилибриуму. В точке равновесия, спрос равен предложению, существует идеальная конкуренция, и все объекты экономической среды максимизируют удовлетворение (satisfaction) в условии ограниченности ресурсов.

В городе эта идея трансформируется в urban equilibrium. В классической моноцентристской модели города, описанной Алонсо, urban equilibrium представлен в виде равновесия 3-х основных элементов города:

- Residential Equilibrium (жители выбирают место жительства исходя из своего дохода и расстояния до центра города);

- Market Equilibrium ( спрос на землю равен ее предложению);

- Firm Equilibrium (фирмы увеличивают мощности до тех пор пока каждая новая произведенная единица не станет убыточной);

Основное допущение модели - при удалении от центра города цены и плотность населения падают, все рабочие места и развлечения сконцентрированы в центре, поэтому людям приходится каждый день ездить туда

Угрозы и возможности удаленки для районов города.
С удаленкой ценность центра падает, но при этом растет привлекательность окраин ( donnut effect). Поэтому в своем исследовании я предполагаю, что на окраинах города с высоким процентом удаленщиков возникает дисбаланс между спросом и предложением на лучшее жилье и сервисы. Этот дисбаланс является потенциальными угрозой и возможностью для экономики районов.
Угроза
Если житель не может потратить дополнительное свободное время и ресурсы, появившиеся из-за Covid в рамках своего района, то он будет стремиться переехать туда, где это удастся, а значит, район потеряет налогоплательщика, а арендаторы и сервисы - клиента.

Возможность
С другой стороны, для реализации угрозы требуется время - решение переехать оценивается экономистами как "life-changing" и потому считается редким. Это дает возможность локальным властям среагировать на изменившийся спрос и принять меры: мотивировать новое строительство или появление локальных бизнесов. Во-время принятые меры могут не только сохранить текущий уровень экономики, но и увеличить его, привлекая в район новых жителей и сервисы.

В работе я буду тестировать валидность гипотезы изменений и исследовать влияние различных политик на экономику районов

Потестировала: если четко формулировать вопросы, то в первых топ-10 треть, действительно, окажется самыми цитируемыми работами по теме.

https://scienceos.ai/

Можно позадавать научные вопросы в чатГПТ-стиле, а оно отвечает со ссылками на реальные публикации. Можно даже обнаружить что-то новое в своей области, занятно

(требует регистрации, работает бесплатно)

#города #экономика

Геочеки от ФНС
https://geochecki-vpd.nalog.gov.ru/geochecks

Открытые данные Федеральной налоговой службы о потреблении товаров и услуг в различных локациях, агрегированные по гексагональной сетке.

Может пригодиться для исследований городских центров и решения геомаркетинговых задач

Вакансия в команду геоаналитики Лавки, где я работала 2 года назад.

"Всем привет!
В команде Яндекс Лавки открылась роль геоаналитика!📈
Мы сильно растем и с точки зрения географии присутствия, и с точки зрения покрытия текущих регионов новыми дарксторами, поэтому непростых, но интересных задач будет достаточно! Команда геоанализа у нас небольшая, поэтому предлагаем большую зону ответственности и возможность в полной мере оунить большие бизнес-проекты.

📌Чем предстоит заниматься:
- проводить исследования и разрабатывать прогнозные модели по направлению геоаналитики;
- отвечать за расширение географии присутствия Лавки на основе анализируемых данных;
- создавать и запускать оптимальные зоны доставки различных типов доставки;
- поддерживать и развивать наши аналитические инструменты и базы данных;
- выполнять множество запросов ad-hoc от смежных команд: региональных менеджеров, менеджеров продукта, маркетологов и т.д.;
- выстраивать коммуникацию со специалистами по развитию регионов.

📌Мы очень ждем вас, если вы:
- имеете опыт в геоаналитике и работали с инструментами геоаналитики (у нас QGIS), Python и SQL;
- имеете представление об инструментах автоматической отчётности, таких как Tableau и Power BI;
- умеете аргументированно и доступно отстаивать собственную точку зрения и слышать чужие.

Ну и самое главное – готовы работать над сложными и комплексными задачами и помогать расти сервису Лавки💙

Предлагаем гибридный график работы, полный соцпакет с крутой расширенной ДМС, оплатой питания, спортзалом и прочими плюшками, про которые с удовольствием расскажем при встрече)

Если наш проект и задачи вам отклинулись (или у вас есть какие-либо вопросы) – пишите Полине (тг - @polinayandexfoodtech) или откликайтесь по ссылке."

Очень многообещающий источник геоданных нашли мои коллеги: Global Human Settlement Layer . Открывается он только через VPN, но думаю вы справитесь.

Что в нем есть?
9 слоев данных на всю планету, в основном растровых, с информацией о застройке и населении в микромасштабе.

Самые интересные на мой взгляд слои - это средняя высота и суммарные объемы зданий в сетке 100x100 метров, а также слои с прогнозами степени урбанизации до 2030 года.

Из первых идей по использованию этого источника - отделить в городах исследований секторы частной (одноэтажной) застройки от многоэтажной.

Сама качество данных я еще протестировать не успела, но тесты приведенные в документации показывают очень высокий уровень accuracy по всем континентам ( >90%). Догадываюсь, что часть из вас уже работала с этими данными, поэтому велком делиться опытом в чате:)

P.S. как будут апдейты по качеству данных и результаты ресечей, поделюсь здесь и в блоге

Всем привет!

Ищем Фулл-стэк гис разработчик

О компании:
Компания ПИК, Департамент развития земельных активов инициирует и сопровождает приобретение новых проектов ведущего девелопера страны.

О проекте:
Стартап в области PropTech. Наше приложение автоматизирует процесс анализа земельных участков с целью их приобретения, а также накапливает информацию о уже просмотренных территориях.

Чем предстоит заниматься:
— участие в обсуждении и выработке дизайна системы
— разработка нового функционала
— написание документации к разработанным инструментам
— рефакторинг ранее написанного кода (рефакторинг как в процессе внедрения новых фич, так и отдельные задачи по рефакторингу старого кода)

Стек технологий, который мы используем в веб-разработке:
— Angular 13
— RxJs
— Leaflet
— Flask
— PostgreSQL + PostGIS
— MongoDB
— Nginx
— uWSGI

Требования к соискателю:
— Опыт разработки геоинформационных сервисов
— Уверенное пользование Git

Знание:
— Python, знание flask и/или fastapi будет плюсом
— Angular
— SQL, PostGIS

Понимание того, как работают:
— Геоинформационные системы и устройства пространственных данных
— Архитектура REST API

Условия работы
— Создание инновационного продукта в PropTech для ведущего девелопера в стране
— Официальное трудоустройство и белая зарплата по рынку, годовые премии
— Удаленная работа (но есть возможность приезжать в офис)
— ДМС (после окончания испытательного срока)
— Размер оклада обсуждается по результатам собеседования

Прямой контакт для откликов:
@lizabition
[email protected]

Студенты из СПБГУ делают интересную встречу

🏙 Большая встреча с девелоперами «Строим будущее: как урбанистика и смарт-технологии меняют городскую реальность»

На большой панельной дискуссии в рамках карьерной недели ВШМ СПбГУ встретимся с ведущими девелоперами и урбанистами, чтобы узнать, как современные тенденции в области урбанистики и использование смарт-технологий влияют на запросы жителей, действия застройщиков и общую городскую среду. Встреча организована сообществом урбанистов «Люди в городе».

🔵 СПИКЕРЫ:
Анастасия Шаляпина — ведущий менеджер по развитию продукта, Группа «Самолет»;
Марина Николаева — руководитель блока корпоративной стратегии, Группа «Эталон»;
Елизавета Гречухина — главный архитектор проектов ГК «А101» в Санкт-Петербурге;
Дарина Карасева — сооснователь архитектурного бюро и коворкинга «KLAUZURA»;
Евгения Арефьева — управляющий партнер Института территориального планирования «Урбаника».

🔵 МОДЕРАТОР:
Анастасия Голубева — к.э.н., доцент и заведующая кафедрой государственного и муниципального управления ВШМ СПбГУ, руководитель Летней школы урбаниста.

У всех слушателей панельной дискуссии будет возможность выиграть подарки за интересные вопросы и принять участие в экскурсии по исторической территории «Михайловской дачи».

📍 30 марта, суббота, 15:00-16:30.
👀 Офлайн, кампус ВШМ СПбГУ «Михайловская дача».
Слушатели из других городов смогут подключиться онлайн, мероприятие открыто для всех.

🔵 Предварительная регистрация обязательна: https://mcw.gsom.spbu.ru/future_registration/

Онлайн-конференция Мапакон

Совсем скоро, в пятницу 29 марта, пройдет онлайн-конференция Мапакон от Картетики ☀️

Мапакон — это целый день погружения в сферу геотехнологий, 36 докладов на тему ГИС и вокруг нее, а еще мастер-класс и географический квиз.

Что будет на конференции:
– доклады о геотехнологиях разной сложности, для новичков и экспертов
– представители бизнеса, которые расскажут про реальные кейсы геоаналитики
– обзор тем ГИС-образования и поиска работы в сфере
– выставка картографических работ
– нетворкинг и новые знакомства

Конференция полностью бесплатна, но обязательно нужна предварительная регистрация. Читайте больше на странице события и регистрируйтесь заранее, чтобы не пропустить ⚡️

P.S.: обязательно посмотрите программу, там найдется что-то интересное для вас. Будут доклады от картографической визуализации до ML в задачах геоаналитики.

Всем привет!

Полгода пролетели, и я начинаю набор на 4ой запуск курса "Пространственный анализ и моделирование в Python".
🔸Новая дата старта: 11 апреля.

Уже завтра, мы пришлем письма с информацией по курсу тем, кто записывался в лист ожидания и кому не хватило места в 3ьем потоке. Не пропустите и проверяйте спам😁

Для остальных желающих регистрация открыта на сайте - вам сюда!
Проходите тесты и мы свяжемся с вами в конце следующей недели.
Увидимся на занятиях😊

#course_geoanalytics

Итак, мы отправили письма всем, кто ждал записи на курс с предыдущих потоков, так что проверяйте почты;)

Если вы были в листе ожидания, а вам письмо не пришло, то напишите мне в личку.

А если вы не оставляли ранее заявку, но тоже хотите научиться находить оптимальные локации для кафе или понимать причины выбора ОТ для поездок на работу с помощью пространственных моделей, то переходите на сайт, решайте тест и мы свяжемся с вами:)

Как всегда - вопросы можно задавать в чате канала, как мне, так и участникам прошлых потоков.

P.S. осталось 10 мест, так что лучше не откладывать)

#ghsl

Делюсь результатами тестирования данных о застройке с Global Human Settlement database, про которую писала выше, на Лагосе, Нигерия.

Результаты получились негативные, от использования слоя мы отказались.

Теперь почему.

Напомню, что мы хотели использовать данные для оценки высотности. И хотя мы не ожидали точных результатов, получить разделение высотной и одноэтажной застройки мы все же рассчитывали. Не вышло :(

Сравнивали датасет с данными заказчика, который собирал высоту вручную. То есть можно доверять.

Про гипотезы и подход к решению можно прочитать у меня в блоге.

Методы:
1. сравнивали корреляции реальные значения со значением из GHSL

2. Построили linear regression на данных GHSL с таргетом реальной высотой и считали относительный размер ошибки: abs ( floor real-floor ghsl) / floor real) .

3. Делили медианную высоту на категории низкая/высокая застройка и проверяли способность Logistic Regression на данных GHSL предсказать категорию. В модели 1 - низкие, 0 - высокие


Результаты:

1. Футпринт в GHSL (слой GHS-BUILT-S) отличается от данных заказчика (1) и MS buildings footprint (2) - всреднем он больше. Correlation = 0.51 с (1) и 0.56(2) Между (1) и (2), corr = 0.78

2. Высоту посчитали 3мя способами:
1. Median ( floor real)
2. 75 pcntl floor real
3. sum (real volume) / sum( surface)

Лучшая corr = 0.14 с 75 pcntl floor real. То есть связи нет :(

3. Лучший результат Linear Regression: R = 0.04, относительная ошибка ~86%

4. Наконец, Logistic regression. Тоже все печально: лучший результат на 3% лучше рандома, а precision (TP / (TP + FP)) = 35%.
Перебор порога между "низкими" и "высокими" разницы особой не дал, но лучший оказался на 6м

5. И наконец, последняя надежда увидеть закономерности ошибок на карте. Но связи с изменением рельфа или с близостью к морю, мы не увидели🤷‍♀️


Какой из этого вывод:
- Не хочу говорить про бесплатный сыр в мышеловке, но для Нигерии данные себя не оправдали - будем покупать;
- Обязательно валидируйте GHSL перед использованием. Хотя бы сравните футпринт с microsoft.

Для любителей "запрыгнуть в последний вагон" осталось 3 места на курс Пространственный анализ и моделирование в Python.

Курс стартует уже завтра 11 апреля

Если есть вопросы или сомнения, пишите в личку:)

Требуется UX/UI дизайнер под проект.

Проект - геоинформационное вэб-приложение на стыке классической геоаналитики, урбанистики и ML. Видение приложения есть - нужно грамотно его преобразовать в макеты в Фигме.

Из требований - желательно быть дизайнером именно с уклоном в карты и геоинформатику и иметь примеры реализованных проектов.

тг для откликов: obogatkin

Geoff Boeing, автор библиотеки OSMNX, выпустил новую статью - значит, надо читать!

Название: "Resilient by design: Simulating street network disruptions across every urban area in the world"

В-первую очередь статья - отличный пример исследования, сделанного с помощью готовых гео-методов питона. Авторы измеряют устойчивость уличных сетей к таким угрозам как наводнения или террористические атаки, как дельту между количеством маршрутов, возможных между всеми парами вершин дорожной сети, до и после разрушения. Для решения авторы считают метрики и симулируют кратчайшие маршруты, используя возможности библиотеки OSMNX.

Во-вторых, авторы решают задачу в глобальном масштабе (пишут, что для каждого города мира) и используют только открытые данные: из OSM, GHSL и UCD.

В-третьих, конечно, интересны результаты исследования.
Авторы обнаружили, что нарушение узлов с высокой центральностью серьезно влияет на функционирование сети. При прочих равных условиях сети с более высокой связностью, меньшим количеством узких мест или меньшими замкнутостями более устойчивы к воздействию угроз, где под устойчивостью понимают количество поездок ставших невозможными после разрушения.

Для тех, кто занимается, проектированием и оценкой дорожной сети, статья может быть источником вдохновения - рекомендую

Еще одна интересная недавно опубликованная статья, которая расстроит всех, кто занимается транспортом.

Статья “Downs's Law” under the lens of theory: Roads lower congestion and increase distance traveled математически доказывает неприятную для урбанистов истину: расширение дорог, действительно, снижает суммарное число пробок и время коммьюта в городе🤷‍♀️ Прости @alexradchenko2

Этот вывод был сделан еще Down в 62-ом году, но тогда, он автор не строил модель, а подтвердил результат графически. Автор же этой статьи доказывает этот результат и графически и с помощью формул.


Должна сказать, что статья написана известным экономистом, выиграла пару премий, поэтому, вероятность ошибки невысокая. Однако автор живет в США и ссылается на исследования в США и Канаде, поэтому допущения, рассмотренные в статье, например, эластичность машинного трафика в зависимости от стоимости поездки, могут не совпадать с российскими реалиями.

P.S. в статье очень много математики, поэтому если вам интересно прочитать финальные результат моделирования, то я описала их у себя в блоге