Невероятные визуализации в виде статистической гео-лупы
от Benjamin Niedermann 😍🔎

Интерактивные карты, где вы сами можете поиграться:
❤️Exploring 311 Complaints in New York City
❤️Exploring the Baden-Württemberg State Election 8 March 2026

💸2 его поста в Линке: 1 и 2

@urban_mash

Выступаю вот тут в 4 комнате 28 марта в 16.45 с докладом "Локационные задачи: как размещать объекты с умом?"📍

https://t.me/cartetika_channel/1317

@urban_mash

🗾FOSS4G 2026 Hiroshima — НУЖНА ВАША ПОДДЕРЖКА!

Открытое голосование за доклады на главной конференции по open-source геоаналитике. Мои 2 заявки в деле — и сообщество решает, кто выступит. Голосование до 3 апреля.

🚨Как проголосовать (2 минуты):

1️⃣Перейти по ссылке https://talks.osgeo.org/foss4g-2026/p/voting/signup/
2️⃣Ввести email
3️⃣Найти мои доклады через Ctrl+F (всего 19 страниц)
4️⃣Поставить "Definitely"

🔎 Что искать:

❤️"Eurostat vs OSM vs Census: Choosing Open Mobility Data for Urban Function Maps". Сравниваю 3 открытых источника мобильности (Eurostat MNO, OSM GPS traces, Census) через Python/PostGIS — какой из них реально работает для анализа городских функций.

❤️"50 Lines of Python: Neighborhood DNA from Overture Maps Places". 53 млн POI из Overture Maps → типология районов за 50 строк кода (DuckDB + HDBSCAN + UMAP).

Спасибо всем, кто поддержит!

@urban_mash

❤️Вот моя презентация на Мапаконе! ❤️

1. Методология ML в геоданных

1️⃣Spatial Cross-Validation: Почему стандартные методы оценки моделей врут на географических данных и как правильно делить выборку на блоки, чтобы избежать переобучения из-за пространственной автокорреляции.
2️⃣Feature Engineering: Как извлекать признаки, учитывающие соседство и топологию.

2. Пространственная кластеризация

1️⃣Алгоритмы: Переход от K-means к плотностным методам (DBSCAN/HDBSCAN).
2️⃣Геометрия: Почему расчеты в евклидовом пространстве (градусах) для кластеров — это ошибка, и как работать с метрическими проекциями.

3. Оптимизация и графы

1️⃣Сетевой анализ: Совмещение ML-прогнозов спроса с классическими алгоритмами поиска путей.
2️⃣Реальные дистанции: Уход от «расстояний по прямой» к расчетам по дорожной сети с учетом весов.

4. Качество данных и аномалии

1️⃣Data Cleaning: Автоматический поиск выбросов в GPS-треках и координатах через Isolation Forest.
2️⃣MAUP (Modifiable Areal Unit Problem): Как масштаб сетки (агрегация по районам vs H3-гексагоны) меняет статистические результаты и как минимизировать это влияние.

@urban_mash

‼️КУРС‼️

После Яндекса зрела идея собрать профессиональный опыт в один системный образовательный продукт, и вот мы с Каримом Валиевым перешли к активной фазе работы над курсом по пространственной аналитике.

Курс не про QGIS, а про алгоритмическую и инженерную сторону работы с геоданными:

❤️Core-фундамент: от геометрии и пространственных индексов (H3, S2) до графов и сетевого анализа.
❤️Data Science & ML: кластеризация, пространственная статистика, GWR и применение нейросетей для растров.
❤️Big Data: работа с Apache Sedona, GeoParquet и DuckDB для тех случаев, когда данных слишком много для обычных инструментов.
❤️Практика: оптимизация размещения объектов и вопросы качества/валидации данных.

Мы хотим сделать курс максимально прикладным и полезным для сообщества, поэтому сейчас нам важен ваш фидбек. Помогите нам определиться с форматом, сложностью и конкретными темами, которые вам интересны.

Заполнение анкеты займет пару минут, но очень поможет нам сделать крутой продукт:

https://docs.google.com/forms/d/e/1FAIpQLSdtqQPMdNYhibQS1ofY4OGMxmNhP0qEwYp6lDZu0ZFs6qDL4w/viewform

@urban_mash

🌡 ПСИХРОМЕТРИЯ: КАК ЧИТАТЬ КЛИМАТ В АРХИТЕКТУРНЫХ ПРОЕКТАХ

Недавно я была на летней школе в TU Delft, посвященной устойчивому развития жилья (было круто и полезно). В проекте реновации социального жилья в Делфте я была ответствена за аналитическую градостроительную часть. Новым знанием для меня был учет климатических особенностей местности, в НЛ это маст часть перед любым энергоэффективным проектом (сейчас общенациональная задача - уйти от газа и повысить энергетические лейблы). Давайте разбираться.

И да, анализ психрометрический (psychrometrics — наука о влажном воздухе), а не психометрический. Психометрия — это про тесты личности :) Архитектору важно хотя бы уметь читать диаграммы, а геоаналитикам имхо еще и строить.

1️⃣ЧТО ЭТО ТАКОЕ

По оси X — сухая температура воздуха, по оси Y — влагосодержание (г воды на кг сухого воздуха), кривые внутри — относительная влажность и энтальпия (да, было много физики на программе). Любое состояние воздуха = одна точка на графике.

Дальше берём метеофайл за год — это 8760 часов — и высыпаем их все на диаграмму как гистограмму по ячейкам. Получается портрет климата: не средние значения по месяцам, а где реально живёт погода весь год.

2️⃣ЗАЧЕМ ЭТО НУЖНО

Диаграмма отвечает на вопросы, которые дороже всего менять на поздних стадиях:
🔥сколько часов наружный воздух уже комфортен и достаточно просто открыть окно;
🔥сколько часов здание догреется само внутренними теплопоступлениями (люди, техника, свет);
🔥нужна ли механическая холодилка или хватает ночного проветривания и затенения;
🔥какая пассивная стратегия даёт максимум часов комфорта на вложенный рубль.

3️⃣ЧТО ЗА 14 ЗОН

Это Givoni–Milne bioclimatic chart — идея в том, чтобы вокруг зоны комфорта пририсовать многоугольники: до какой погоды нас может дотянуть та или иная стратегия.

Конкретно разбивка на 14 пронумерованных зон — из обзора Manzano-Agugliaro et al., «Review of bioclimatic architecture strategies for achieving thermal comfort», где зоны 1 и 2 — идеальный комфорт, а дальше по нарастающей: внутренние теплопоступления, пассивное солнце, активное солнце, увлажнение, обычное отопление, солнцезащита, термомасса, испарительное охлаждение, ночное проветривание, вентиляция, кондиционирование, осушение.

Сами 14 зон — это не стандарт, а методика. Стандартом задаются только границы комфорта: ASHRAE 55 (PMV Фангера) в американской традиции и EN 16798-1 в европейской. Границы «расширений» — эмпирика Гивони, у разных софтов полигоны чуть разные. Поэтому Climate Consultant, Ladybug и кастомные скрипты никогда не сойдутся до десятых, это нормально.

4️⃣ЧТО ПОЛУЧИЛОСЬ У НАС

TMYx для Rotterdam The Hague AP:
🔥53% часов — обычное отопление
🔥25,6% — отопление внутренними теплопоступлениями
🔥 1,1% — вентиляция
🔥 0% — кондиционирование

Вывод: климат отопительный, все деньги надо класть в оболочку и источник тепла, а не в охлаждение (несмотря на то, что после пару дней аномалии из-за Эль-Ниньо впечатление может сложиться иное). И эти 25,6% — не подарок, а резерв, который открывается только после утепления, иначе тепло просто утекает.

Ещё два момента: зоны 1–2 и зона 8 (солнцезащита) пересекаются, поэтому сумма процентов больше 100. И «доля часов» ≠ «доля энергии»: часы при −5°C весят гораздо больше, чем часы при +18°C.

5️⃣КАК ЭТО ПОВТОРИТЬ

Входной файл всего один — EPW (почасовой метеофайл EnergyPlus). Брать на climate.onebuilding.org (там же свежие TMYx) или на energyplus.net/weather.

Без кода (я не использовала):
🔥Climate Consultant 6.0 от UCLA
🔥Psychro Chart Web Эндрю Марша
🔥Ladybug для Grasshopper (тут пассивных стратегий 5, а не 14)

На питоне (я использовала):
🔥ladybug-core — чтение EPW: `from ladybug.epw import EPW
🔥psychrolib — психрометрика по ASHRAE RP-1485, MIT-лицензия
🔥pythermalcomfort от CBE — PMV/PPD (это индексы теплового комфорта) и адаптивные модели по ASHRAE55 и EN16798
🔥ladybug-charts — если не хочется рисовать полигоны руками

Весь пайплайн это четыре шага:
1) открыть EPW и достать оттуда два столбца: температура и влажность на каждый час года;
2) пересчитать относительную влажность во влагосодержание (psychrolib);
3) разбить поле на клетки (1°C по горизонтали, 0,5 г/кг по вертикали) и посчитать, сколько часов попало в каждую — это и есть то цветное облако;
4) наложить сверху границы зон и посчитать, сколько точек внутри каждой.

Гитхабы в помощь: ladybug-tools/ladybug, psychrometrics/psychrolib, CenterForTheBuiltEnvironment/pythermalcomfort.

6️⃣ТАК А ЧТО С КОНКРЕТНЫМ ЗДАНИЕМ?

Тут 2 объемные диагарммы, построенные на одной 3D-модели и одном EPW и считают 2 разные физические величины.

💸Слева — годовая солнечная иррадиация, кВт·ч/м²·год. Это энергия. Интеграл прямой и рассеянной радиации по всему небосводу за год с учётом угла падения и самозатенения. Отвечает на вопросы: где ставить PV (солнечные панели), сколько бесплатного тепла зимой приходит через окна, где фасад будет перегреваться.

💸Справа — количество часов прямого солнца, ч/год. Это время. Просто счётчик часов, когда солнце над горизонтом, в передней полусфере и не перекрыто геометрией. Отвечает на вопросы: где нужны наружные жалюзи, где будет блик на мониторах, какие дворы реально солнечные.

Что нужно технически:
🔥Геометрия — из SketchUp или Rhino.
🔥Контекст — соседние здания и рельеф. Без него цифры завышены, потому что модель думает, что вокруг чистое поле.
🔥Тот же EPW, что и для психрометрии.
🔥Движок Radiance через Ladybug Tools: компонент LB Incident Radiation для первой картинки и LB Direct Sun Hours для второй.

Альтернативы: ClimateStudio быстрее, но платно.

❤️САММАРИ

Психрометрия говорит что делать: климат отопительный, значит оболочка и тепловой насос, а не кондиционеры. Карта радиации говорит, где брать бесплатную энергию. Карта часов солнца говорит, где защищаться и показывает, что во дворе защищаться почти не от чего, галерейные балконы уже всё затенили.

@urban_mash