Урбанистические посиделки


Channel's geo and language: Russia, Russian
Category: Blogs


Города, политика, геоаналитика и ещё 100 и 1 другая тема, в которых автор (не) разбирается
@faraposhka

Related channels

Channel's geo and language
Russia, Russian
Category
Blogs
Statistics
Posts filter


#обавстрии 🇦🇹

Сейчас занимаюсь одним проектом, который связан с транспортным планированием/геоинформатикой и софтдевом.

Вкратце: у Австрии имеется транспортный граф, который соответствует в том числе INSPIRE директиве ЕС (это штука, направленная на создание единой системы пространственных данных в ЕС).

Сейчас GIP (платформа интеграции графов) переходит из версии 1.0 в 2.0: и у них есть классное описание структуры данных с минимальным стандартом и максимальным (что включает в себя разрешения на повороты (U-Turn, т.д.), временные ограничения для движения).

Очень много возможностей такие данные создают для различных анализов (например, для построения маршрутов велосипедного, грузового движения), а вкупе с данными от транспортных компаний (сведения хотя бы о расписании) — вообще полная сказка.

Оставляю пару ссылочек:

Сам GIP

Описание стандарта GIP 2.0 (только на немецком)


Банки: выдали кредиты

Девелоперы: построили жилье, а покупать почему-то никто не хочет...

Матвиенко:
«Время сейчас непростое, в том числе и для строительного комплекса. Конечно, строительная отрасль нуждается в точечных, но предметных мерах поддержки. Возможно, как это было во времена других кризисов, [нужен] мораторий на банкротство».

Банки: а кто деньги вернет 😀

Спойлер: налоги россиян и 1,3 трлн субсидий ДОМ.РФ из федбюджета на возмещение недополученных доходов по ипотеке

Весело входим в 2025 год


Из интересного: сейчас в Зальцбурге активно агитируют за/против новой транспортной стратегии.

Точнее, в ноябре здесь пройдет референдум по новому решению для мобильности (Mobilitätslösung).

Вот впервые узнал, что решения по поводу транспорта на уровне города/земли могут приниматься после референдума, а не в авторитарном формате.


Forward from: Раньше всех. Ну почти.
Яндекс представил новый сервис "Геоаналитика", позволяющий предпринимателям изучать потенциал районов городов, пишет Forbes.

Аналитика собирается на базе данных из Яндекс Карт и будет наиболее полезна как для малого и среднего бизнеса, так и для крупных компаний. Инструмент призван помочь предпринимателям принимать решения о развитии бизнеса на основе данных о пешеходном и автомобильном трафике, демографии, статистике запросов в Яндекс Картах и типах компаний по отраслям. Доступ к сервису предоставляется бесплатно.


Смерть географии геоаналитиков

Вот, собственно, ссылка на сервис, но по функционалу он достаточно простой :)


Если учеба не выжмет все соки, то постараюсь каждую неделю делиться новыми или вновь открытыми для себя штучками/инструментарием

На этой неделе поговорим про «стоимостные поверхности» (на англ. — cost surfaces)

Что это такое?
Стоимостная поверхность — растр, содержащий в себе информацию о затратах на преодоление каждой ячейки (калории, минуты, деньги, прочие единицы измерения).


Применение:
Полезен этот инструмент в тех случаях, когда возникает процесс «движения», на который влияет один или несколько факторов.

Методология:
Если у нас один параметр, по которому оцениваются затраты (к примеру, уклон), то:
1. Проводим переклассификацию растра со значениями уклона в соответствии с ✨математическим формулами✨

2. Производим распределение дистанций между желаемыми объектами с использованием растра.

В ArcGIS делается это так, а вот для QGIS и GRASS GIS

Если у нас появляется несколько параметров, например, уклон и тип среды (лес/поле), то в начале у нас возникает ещё один пункт:
0. Приводим оба растра к единой шкале измерения. Например, уклон в 3 раза «сильнее» влияет с на наши передвижения.
Для этого открываем инструмент «растровый калькулятор» и суммируем растры по формуле:
стоимость преодоления= 1/4*«стоимость преодоления типа среды»+3/4*«стоимость преодоления уклона»




Балуюсь тут до сих пор с датасетом по вакансиям с HeadHunter.

Попробовал интерполировать заработные платы на основе EBK (Empirical Bayesian Kriging), вышла очень интересная картинка, которая немножко напомнила "серый" пояс Петербурга.

Когда-нибудь будет пост про стоимостные поверхности (cost surfaces): тут тоже пришла интересная идея для создания аналитических единиц на основе отделений почты России.

Но так вот, создав эти единицы и посчитав долю промышленных зон в каждой (по данным OSM), увидел, что R² составляет 0.15. А если добавить еще расстояние до метро, то тут уже объясняется около 25% случаев :) неплохо так для 2 переменных

Но нужно пособирать побольше данных, например, где расположены БЦ и прочие "беловоротничковые" проявления. Ну и где-то собрать более подробные данные по оборонке СПб :)))


Из новенького: начал выгружать вакансии с HeadHunter (ох, Чечня, берегись)

Удивился высоким зарплатам во Владивостоке (статистике). Вот что предлагает ✨ рыночек ✨:

Медиана: 96 тыс. руб., или 83,52 после вычета НДФЛ;

Средняя: 105,3 тыс. руб., или 91,61 после вычета НДФЛ.


В Петербурге, например, выходит:

Медиана: 90 тыс. руб., или 78,3 после вычета НДФЛ;

Средняя: 102 тыс. руб., или 89,5 после вычета НДФЛ.

А ещё Купчино так значительно проседает по уровню зарплат, как и многие спальники Петербурга :(

(скриншот без легенды, масштабной линейки в студию!!!)

Из ограничений: выгрузка производилась по квадратной сетке. В некоторых случаях количество вакансий превышало 100 ед., а отсутствие возможности «переключать страницы» в запросах вынудило откинуть часть вакансий.

При этом снижение незначительное: так, при установке фильтров «полная занятость», «указанная заработная плата», HH.ru в нп «Санкт-Петербург» (не субъект рф, хотя границ точных нет), выдает 57 тыс. вакансий, а в выгрузке 53 тыс.
:)


ВГП городов-01.png
12.3Mb
Пришел с небольшой картой-схемкой: валовый городской продукт российских городов.

Оценка осуществлялась по методике Института Экономики Города.
Данные — выгрузка БДМО от "Если быть точным".

Жаль, что схема актуальна на 2022 год, нужно бы научиться работать с БДМО, чтобы меньше мучаться с выгрузками актуальных данных...


Обнаружил недавно классную штуку — инвестиционную карту РФ.

Что интересного? Наличие WMTS (Web Map Tile Service), который можно встроить в QGIS/ArcGIS. Среди интересных тематических карт — покрытие телеоператоров (в том числе с разбивкой на 2G/3G/4G, различные инженерные сети (не приближайте, детализация устрашает) и объекты социальной, коммерческой инфраструктуры.

На скрине: покрытие телеоператоров в СЗФО И ЦФО


Аналитика по недвижке.pdf
2.5Mb
Ну раз учусь на прикладной геоинформатике, то можно что-то околоГИСовое пошерить :)

Это анализ по недвижке Новой Москвы *когда-то говорил, что можно данные из ДОМ РФ выгружать*. Еще полгода назад небольшая презенташка была подготовлена для курса в Вышке, за "крайне понятную" визуализацию извиняюсь :))

Прикольно, что на тот момент около 60% всех строящихся объектов приходились на 3 девелоперов (ПИК, Самолет и А101)

Ну и по мере удаления от Москвы "старой" объемы площадей снижаются, и вообще появляются "локальные девелоперы"

Может, какие-то исследовательские штуки в будущем буду публиковать почаще...




«Параллель между спортом и войной кажется очевидной, хотя природа этой связи неясна. Просто — слишком просто — считать постоянное зрелище международных спортивных состязаний заменой войны. Там, где нации когда-то вели реальные битвы, они сублимируют свою агрессивную энергию в борьбу за первенство на игровом поле» (Биллиг, 2007, с. 64)

Вспомнилось с бакалавриата. Очень интересно сейчас наблюдать за Германией (а конкретно — за Мюнхеном), где почти каждый дюйм (утрирую, конечно) усеян символикой Евро-2024, экранами с трансляциями футбола (в том числе в метро)


Позанимался trainspottingом* сегодня: собрал почти всю семейку поездов ICE, без дедушки ICE-1 (хотя он и бродит по территории Германии до сих пор, уже как 40 лет почти):

1 — ICE 2 — строгий и элегантный;

2 — ICE 3 — просто красавец (его преемник — Siemens Velaro Rus (известный Сапсан));

3 — ICE 4 — почти совсем молоденький пупс с пухленькими щёчками, который перевозит пассажиров с 2017 года;

4 — самый молодой и перспективный Velaro MS / ICE 3 Neo, меньше 2 лет бороздит просторы Европы под управлением DB. Младший брат Сапсана :))

——————

* — trainspotting — буквально «обнаружение поездов»:

spot — обнаружить

train — ну вы сами знаете)))


В продолжении решил пофлексировать с помощью ментальных карт (местные урбанисты, можете использовать мою для исследовательских целей).

Обратил внимание при размышлениях на почти полное исключение досуговой и развлекательной инфраструктур в центре города, с которыми пока что не особо знаком. А первое, что всплывает в голове — это университетские кампусы (их больше, чем 2 штуки, но некоторые из них расположены рядом). К этому добавляются некоторые особенности «устройства территории» вблизи дома: небольшой лес и торгово-офисный кластер.

В основном вещи, на которые я обращаю внимание — landmarks. Как природные (горы, река), так и антропогенные (замки, вокзалы, жд (для меня это landmarks, да)).

При рисовании первым элементом стала река, по ней проще всего ориентироваться + вдоль неё выстраиваются все мои маршруты на велосипеде.

Надо будет повторить эксперимент через месяц-два, вдруг что-то новое всплывет


Вот, кстати, интересная статья на тематику предыдущего поста на стыке транспортной и медицинской тематик.

Статья описывает, как изменяется длительность занятий спортом в городах с более и менее благоприятными условиями для физической активности:

https://www.thelancet.com/journals/lancet/article/PIIS0140-6736(15)01284-2/abstract


Решил чего-то вернуться после длительного отсутствия, немножко "отрефлексировать" захотелось.

Однажды я читал книгу Коллина Элларда "Среда обитания: как архитектура влияет на наше поведение и самочувствие". Как мне помнится, был в ней тезис про умиротворение и спокойствие, которые вносят элементы природы и первозданной среды вокруг. Надеюсь, не переврал тейк.

К чему это?
Находясь сейчас в регионе, где горы — обыденная картинка, а вокруг прыгают белки и зайцы-гиганты, я отмечаю значительно улучшение ментального состояния: на душе становится спокойно, продуктивность повышается. Надеемся, что это не гипомания, а то потом будет совсем плохо :)))

Горы на фоне вместо каменных джунглей, как мне кажется, не единственный фактор: человеку (как общественному животному) необходимы и средства, инструменты для удовлетворения собственных потребностей. И особенности "европейской географии и урбанизированного пространства" в этом отношении предоставляют многочисленные и разнообразные сценарии для реализации самого себя.

Так, базовые потребности покрываются за счет необходимой социальной, коммерческой инфраструктуры.
Потребность (если таковая имеется) в карьерном развитии также присутствует: зачастую в малых городах имеются хорошие университеты, которые дают буст для профессиональной самореализации. А с "ковидной эпохой" возможность работать удаленно еще больше расширяет эти возможности.

Досуговая инфраструктура, как мне кажется, — тема особенная: во-первых, присутствуют коммерческие штучки (как рестораны, так и концертные площадочки); во-вторых, имеется множество возможностей для прогулок или занятия спортом (будь то хайкинг или поездки на велосипеде, ну и тд).
И, конечно же, возможность путешествовать, стать туристом ввиду высокой транспортной связности населенных пунктов, концентрации крупных городов и т.н. landmarks.

В общем-то да, на этом мои 5 копеек заканчиваются. Разве что в конце хочется отметить, что жизнь в малом городе после таких мегаполисов, как Москва, как-то модифицирует имеющуюся оптику и побуждает к активному сравнению особенностей таких 2 отличающихся образов.


​​Итак, следующая часть по репозиторию данных: на этот раз в поле нашего внимания попал ЦИАН. Так или иначе, мы знаем про способ выгрузки данных через сам функционал сайта (экселевские таблички с 200 объявлениями), однако, если я не ошибаюсь, есть ограничение - выгрузка 3 экселевских файлов, т.е. 600 запросов.

Для сравнения: в Москве всего 65469 объявлений по 1- и 2-комнатным квартирам, 600 объектов - чуть меньше 1% от общего количества. Такое себе.

Что делать? Для этих целей есть парсер, созданный пользователем гитхаба "lenarsaitov". Он позволяет выгрузить сразу 1512 объявлений! Уже лучше.
Что нужно? Базовые знания Python (которыми автор только и обладает)
Изюминка: можно делать более подробные запросы (например, кол-во комнат, прочие доп. параметры (стоимость, этаж, тд)). Таким образом, можно раздробить, например, эти 65 тыс. объявлений на 40 категорий в зависимости от прайса, этажа и т.д. Процесс немножко муторный, но всяко лучше выгрузок с ограничениями с самого сайта.

Что получаем на выходе? Экселевская табличка с данными по этажу квартиры, этажности дома, количеству квартир, общая площадь, стоимость (в т.ч. за кв. м), адрес.
К сожалению, координат нет, но: имея адрес, мы можем получить координаты объектов с помощью прямого геокодирования. Красота!

Ну и по классике, пример данных лежит на облаке, а в качестве плохой, но картосхемы - точки объявлений в Серпухове, размер которых зависит от стоимости за кв. м.


Помните про репозиторий данных? Я вот вспомнил и пришёл с продолжением прошлого датасета: кусочком спарсенных данных по сданным жилым и социальным объектам Новой Москвы (50 штук в качестве демо-версии):

Лежит он в той же папочке под названием "ДОМ РФ".

Чем прекрасен этот датасет?
Атрибутами и данными:
- дата 100% готовности
- название объекта (ЖК)
- индексы ДОМ РФ (транспортная доступность, качество социальной инфраструктуры)
- площадь ОКС, количество квартир, наличие парковочных мест, этажность, класс энергоэффективности
- наименования застройщиков и группы застройщиков
- состояние банкротства застройщика (при наличии)

В общем - очень много классных и обширных характеристик, содержащихся в 112 (!!!) полях!

Такой датасет полезен в целом для аналитиков и исследователей в области жилой недвижимости на разных уровнях: муниципалитет, регион, вся страна (да, сведения есть по всей РФ).

В качестве примера привёл эти 50 объектов с наименованиями ЖК (конечно, достаточно длинные названия, но это можно почистить при необходимости), а также с размером точек, зависящим от общей площади объекта. Не бейте за отсутствие масштабной линеечки, прошу, материал чисто в демонстрационных целях :)))

Если вдруг кому-то нужны будут данные по другим объектам, свеженькие выгрузки - обращайтесь к автору по тегу, отмеченному в предыдущем посту :)

20 last posts shown.

84

subscribers
Channel statistics