Георейтинг: новый взгляд на доступность социальных объектов в городах России

В эпоху урбанизации, когда мегаполисы и региональные центры России растут как на дрожжах, вопрос доступности социальной инфраструктуры выходит на первый план. Родители, ищущие ближайший детский сад для своего малыша, урбанисты, планирующие новые жилые кварталы, или городские власти, стремящиеся оптимизировать транспортную сеть, — все они сталкиваются с одной и той же проблемой: как быстро и точно оценить, насколько "дружественен" город к пешеходам? Сколько минут пешком до ближайшей школы? А до игровой площадки? Эти вопросы, кажущиеся простыми, на деле требуют сложных расчетов, анализа геоданных и визуализации, которая была бы интуитивно понятной. Именно здесь на сцену выходит Георейтинг — инновационный проект, разработанный командой Геоинтеллект. Это мощный инструмент анализа, который превращает абстрактные данные о расстояниях в живые, наглядные инсайты. Запущенный недавно, Георейтинг уже вызывает интерес среди специалистов и обычных пользователей, обещая стать незаменимым помощником в повседневной жизни. Города растут, районы меняются, а людям по-прежнему нужно простое и честное понимание: удобно здесь жить или нет? До сих пор такую оценку каждый делал сам: «вроде недалеко», «дойти можно», «там есть садик, но как далеко?». Георейтинг убирает эти догадки: теперь доступность района — это цифры и визуализация. Кому это нужно?

https://habr.com/ru/articles/975258/

#геоаналитика #тепловая_карта #инфраструктура #пешеходная_доступность #город #школа #детский_сад #площадка #геомаркетинг #оценка_локации

Как мы учим Яндекс Карты предупреждать о манёврах: без использования LLM, но с помощью водителей

Что может быть проще, чем сгенерировать голосовую подсказку для навигатора? Считаем угол поворота — озвучиваем манёвр. Именно так наша система и работала годами, пока не обросла таким количеством эвристик и региональных «костылей», что её поддержка стала дороже разработки. Добавление нового правила для одной страны ломало логику в другой, а простая задача «отличить плавный изгиб от поворота» превращалась в детектив. Меня зовут Дмитрий, и я руковожу ML‑разработкой в команде автонавигации Яндекс Карт. Вместе с моим коллегой Альбертом Юсуповым (@al‑iusupov) в этой статье мы поделимся историей полного переосмысления системы генерации дорожных аннотаций. Расскажем, почему решили отказаться от десятков хитрых условий в коде, а также почему заманчивая идея отдать всё на откуп большим нейросетям (VLM, LLM) провалилась. И, наконец, как пришли к элегантному решению: создали уникальный датасет с помощью сотен водителей‑экспертов и обучили быструю и точную ML‑модель, которая работает по принципу «меньше, но лучше».

https://habr.com/ru/companies/yandex/articles/972126/

#яндекс #карты #машинное_обучение #водители #ai #маршрут #город #транспорт #llm

Ветер

Идет ветер к югу, и переходит к северу,
кружится, кружится на ходу своем,
и возвращается ветер на круги свои.
(Екклесиаст 1:6)

Под вечер, осенью дождливой,
От ветра буйного порывов
Дрожит окно.

Ярись! Почти не замечаю,
Как шторм бушует и крепчает —
Смотрю кино.

Иное время и пространс...

#Поэзия #осень #город #стихи #ЗояВерт #поэзия #ветер #тревога #настроение

https://ostrovok.de/p/zoia-verte/veter.html