День 30. Финальная карта
#30DayMapChallenge

Очень хотелось добраться до карты судов в реальном времени. Пришлось преисполниться в парсинге и позаимствовать у сайтов по трекингу кораблей их данные 🤫

Такие вот получились картинки, одна красивая, вторая больше про информацию. Можно позалипать в каких местах скапливаются разные виды кораблей

Пока искал данные, нашел лазейку, через которую можно получить маршруты судов. Ох покопаюсь я еще в кораблях 🤩

С Лизой заредизайнили карту живого адвент календаря в Стокгольме

Недавно попался рилс про декабрь в столице Швеции. Каждый день до рождества люди выступают со стихами, музыкой и сценками в одном из окон домов старого города. Места представлений меняются, и для этого создали карту с расписанием

Но дизайн карты был ужасный и я не смог пройти мимо. Еще и предновогодняя тема получилась 🤩

На реальных картах понимаешь, как тяжело найти компромисс между информативностью и дизайном. Надеюсь с каждым разом будет получаться лучше ⌨️

Хочу собирать случайные карты, попадающиеся в жизни 🌎

Пока отхожу тяжелой последней недели года и коплю силы для приятных проектов, ловите 5 недавних карт

⚔️ DnD Tower of Doom
В музее Яндекса обнаружилась игра из 1994 года с картой на стартовом экране. Прикольно что это мультиплеер на 4 игроков, как вживую. Боевка не очень интересная, но есть залипательная пиксельная таверна

🍩 Карта города Сигил
В продолжение ДнД темы — город Сигил из сеттинга Planescape. Город придумали внутри бублика, висящего над узкой высокой горой. Мне нравится его концепция, плюс непрерывность города создает необычную проекцию карты

🏙 Объемный офис VK
Очень криво работающий сайт, но сама идея 3D-карты хорошая

🧐 Карта Дублина на форзаце Улисса
Говорят, по Улиссу можно восстановить образ города того времени. Поэтому карты так и напрашиваются, чтобы читатель не потерялся в потоке сознания

⛴ Иртыш на ковре
Мне очень нравится как условные обозначения видов деятельности (грузовики, животные, деревья) превратили в орнамент. Карта не на 100% точная, потому что Иртыш не впадает в Северный Ледовитый океан напрямую, но на ней распознаются Омск, Тобольск и Тюмень

Ого первый пост не о картах 👀

Фоткаю рифленое стекло, задающее стиль всей кофейне

🌞 Обнаруженная летом 2021 года в галерее в Нижнем Новгороде газета EastEast (caution! a lot of maps inside!) закончила свое путешествие постером

📖 Газета огромная и очень красиво свёрстанная. Каждый раз, когда что-то такое находится в неожиданном месте, чувствуешь себя кладоискателем

Есть и онлайновая часть журнала, но пошуршать бумагой всегда приятнее. А бумажные карты — удовольствие ×2 🤤

Поискал интересные статьи:
    🙌 как Катар потеряли с карты в 17 веке
    🙌 карта Тбилиси
    🙌 выдающиеся здания Армении (реально красивые)

Разбор UX интерфейсов в Lego

Всегда знал, что эти проработанные микропанельки достойны микроанализа 🔮

senseable city lab — для меня одни из самых вдохновляющих ресерчеров урбанистического. На каждый проект они делают очень красивые визуализации, в которые можно долго и качественно залипать 🤤

Буду делать на них обзоры пока не надоест (вряд ли) 🐱

Первый проект — Wanderlust из 2021 года, слишком яркий, чтобы не упомянуть. Авторы взяли данные мобильных телефонов, построили передвижения людей по городу 🦆 и стали делать выводы

Базовая идея простая — люди не хотят часто перемещаться на большие расстояния 🐱. Обычные модели (гравитационная, например) не учитывают повторных поездок в одни и те же места. Авторы разбили данные по сетке 500x500 метров, определили домашние ячейки (там, где телефон был дольше всего ночью) и посчитали количество поездок в другие клетки с учетом расстояния от дома

После анализа получилась формула, добавляющая временнóе измерение к пространственным: количество посетителей локации обратно пропорционально квадрату произведения частоты поездок и расстояния до локации 🛌. Отдельные точки города оказались сильно популярнее (пики на визуализации)

И самое классное, на основе исследований они замутили модель с агентами (не AI конечно), симулирующую поведение людей с Preferential Exploration and Preferential Return. Агенты выбирают цель передвижения, чаще стремясь в более популярные кластеры (Preferential Exploration), и возвращаются в те места, где уже были (скорее всего, домой) 🏃‍♂️

• Поиграться с кодом можно тут
• Открытые 🤯 геоданные по трем городам в github