Исследование и имплементация алгоритмов расчета транспортных районов (TAZ)

PGTS

Заказчик: Yandex Cloud
Проблема:
Чтобы смоделировать движение транспорта в Москве, город нужно разделить на зоны отправления и прибытия (транспортные районы).
Что идёт не так:
Можно для этого взять административные границы (районы, округа) или нарезать карту простой сеткой. Это слишком грубо. Для модели весь район «Тверской» или «Марьино» становится одной точкой. В итоге, если начать расчеты различными способами моделирования в дальнейшем, мы будем считать, что тысячи машин выезжают из одного места, что не совсем корректно.
Почему это важно:
Очень сложно получить данные, вроде данных сотовых операторов, натурных наблюдений, датчиков ЦОДД, чтобы посмотреть, как люди ездят на самом деле. Но существуют алгоритмы, которые возьмут карту зданий (OpenStreetMap) и другие доступные в открытом доступе данные и автоматически сгруппируют их в логичные микрорайоны (кластеры). Без такой «умной нарезки» точность любого прогноза трафика будет критически низкой — модель просто не будет соответствовать реальности.
Ограничения и рекомендации:
Нет «золотого стандарта» для проверки; данные OSM могут быть неполными; масштаб Москвы требует эффективных вычислений.
Требуемые компетенции:
Python, geopandas, OSMnx, алгоритмическое мышление, готовность читать академические статьи.

«Мы потратили 200 млн на новую развязку, потому что модель показала, что там будет пробка. А на деле — пусто. Почему? Потому что весь район был одной точкой».

— Градостроитель

Трек: Заказной

Образовательная программа: Планирование и эксплуатация городских транспортных систем

Образовательная программа: IT-сервисы и технологии обработки данных на транспорте

Технология: GIS

Технология: Транспортное планирование

Технология: Анализ данных

Курс: 1

Курс: 2

Курс: 3