Visicom — Цифрові карти по всьому світу

Візіком — провідний виробник широкого спектру картографічної продукції для телеком і ГІС-проектів.

Понад 20 років ми зосереджені на телекомунікаційному ринку і виробництві високоякісних геоданих для планування і оптимізації мереж зв’язку

Більше інформації

Каталог карт

Отримайте інформацію про наявні карти для 60 країн світу
850+ 3D Моделей міст
4000+ 2D Моделей урбанізованих територій
60+ Регіональних Моделей

Переглянути каталог

Запит прикладу

Проекти

КАРТИ НАСЕЛЕННЯ ДЛЯ ВИКОРИСТАННЯ В ПЛАНУВАННІ МЕРЕЖ ЗВ’ЯЗКУ
Модель розподілу населення описує щільність на 1 кв.км або кількість населення в межах будь-яких географічних одиниць (наприклад, адміністративних кордонів регіонів, міст, районів або міських кварталів).
Можна розрахувати чисельність населення для заданих географічних одиниць (в людях), а також розрахувати щільність населення на одиницю площі, наприклад, люди / 1 кв. км або люди / соти в матриці (ланка матриці).

Модель розподілу населення постачається як додатковий шар до звичайних наборів геоданих: DTM, DSM, клаттера, векторів, 3D перешкод. В цілому, карти розподілу населення використовуються для прогнозування потоків трафіку при розгортанні або оптимізації мобільної мережі і забезпечують важливі вхідні дані для пропускної спроможності мережі з різним рівнем деталізації: від територій всієї країни до окремих міст.

Зокрема, можна вирішити наступні завдання:
- Оцінку потенціалу та пріоритетів розвитку мережі
- Визначення зон стратегічного охоплення клієнтів
- Для ущільнення мережі
- Моделювання пропускної спроможності мережевої інфраструктури
- Формування бюджету інфраструктури
Карти населення постачаються в роздільної здатності від 2 м до 20 м.

Модель розподілу населення може бути надана в форматі будь-якої планування або GIS: Atoll, Planet, Asset, MapInfo і т.д.

Джерела для виробництва моделей:
- Клаттерна модель країни і / або міста
- Адміністративно-територіальний поділ
- Межі забудованих територій
- Останній доступний перепис населення або екстрапольовані на поточний момент
Модель розподілу населення може включати:
- Кількість населення для кожної адміністративної одиниці, кварталу, будинку (Векторна модель);
- Щільність населення на одиницю площі (Растрова модель);
- Щільність населення на кожну клітинку растрової сітки.
- Адміністративні кордони населених пунктів (міста, селища, села і т.д.)
ОСОБЛИВОСТІ ДАНИХ ВІЗІКОМ:
- Унікальна методологія виробництва
- Об'єктивна інтерпретація даних
- Актуальні та точні джерела даних
- Найкраще співвідношення якості / ціни
- Індивідуальний підхід до кожного проєкт Карти населення доступні в готовому вигляді для 25+ країн і 150+ міст.
Продукт може бути адаптований до вимог проєкту замовника для будь-якої країни в будь-якому форматі
Переглянути проект
РОЛЬ МОДЕЛІ 3D ДЕРЕВ В ПЛАНУВАННІ 5G МЕРЕЖ

МОДЕЛІ 3D ДЕРЕВ

Точні і детальні картографічні моделі використовуються в якості базових даних для вирішення завдань радіопланування. Такі моделі містять в собі як природні, так і штучні перешкоди, які впливають на поширення радіосигналу. Під штучними об'єктами розуміють будівлі та інженерні споруди, під природними - рельєф і рослинність.

Відомо, що чим вище частоти радіосигналів, тим більше на їх поширення впливають перешкоди. В разі планування 5G мереж необхідно враховувати щонайменші перешкоди, в тому числі – крони дерев, окремі дерева і навіть кущі.
Сучасне місто, як правило, має безліч парків, скверів, зон відпочинку, посадок дерев і т.д. Таким чином, виникає задача правильно ідентифікувати рослинність і показати її в моделях перешкод з необхідною точністю і деталізацією. Розгортання мережі 5G без урахування рослинності призведе до зниження якості зв'язку. І навпаки - використання 3D моделей дерев забезпечить точний і надійний процес планування мережі 5G, дозволить розмістити необхідну кількість базових станцій для отримання стабільного сигналу.
Виробництво 3D дерев є доволі складний технологічний процес, часто на практиці для створення таких моделей використовуються аерофотознімки з більш високою роздільною здатністю для більш точного розпізнавання. Для розпізнавання крон дерев VISICOM розробив та застосовує методи машинного навчання, засновані на Convolutional Neural Networks (Зго́рткових нейро́нних мере́ж) та Deep Learning Techniques (технологіях глибокого навчання). Експерти VISICOM провели навчання моделей нейро мережі, використовуючи навчальний набір, що складається з 30 тисяч об’єктів рослинності у всьому світі. Це дозволило досягти високої точності навчання - 95–98% для тестових даних. Очевидно, такої точності неможливо досягти для реальних даних, але завдяки обов’язковому процесу перевірки якості та верифікації даних, які виконуються в ручному режимі, остаточні моделі дуже близькі до реальності. Кожне нове завдання та кожен новий зразок дозволяють розширити навчальний набір новими видами та назавжди вдосконалити стандарти розпізнавання.

ПРОЄКТ 3D МОДЕЛЮВАННЯ РОСЛИННОСТІ В ПРАЗІ

- Тестова зона для випробування 5G - 27.кв.км
- Загальна кількість будівель LOD2 - 30 633
- Загальна площа, покрита рослинністю - 11,2 кв.км
- Загальна кількість полігонів крон - 243 000

Для розпізнавання об'єктів рослинності застосовувалися методи машинного навчання на основі Convolutional Neural Networks (Зго́рткових нейро́нних мере́ж).
Контури й висоти будівель і рослинності були отримані зі стереопар знімків Pleiades з розподільчою здатністю 0,5 м і аерофотознімків.

Як бачите, рослинність займає більшу частину території та, безсумнівно, повинна враховуватися при вирішенні задач радіопланування

Переглянути проект
3D моделі міст ОАЕ та Саудівської Аравії
Проект передбачає виготовлення карт для радіочастотного планування, ГІС та WEB-додатків, що містить 3D моделі міст Об'єднаних Арабських Еміратів та Королівства Саудівської Аравії загальною площею 712 кв.км
1. Дубай, Об'єднані Арабські Емірати - 97 кв.км
2. Абу-Дабі, Об'єднані Арабські Емірати - 109 кв.км.
3. Ер-Ріяд, Королівство Саудівська Аравія - 100 кв.км.
4. Мекка, Королівство Саудівська Аравія - 193 кв.км.
5. Джидда, Королівство Саудівська Аравія - 213 кв.км.
Кожен набір для 3D моделі міста цього проекту включає таких 3 типи даних:
1. Векторні дані, суцільні векторні шари в форматі ESRI ArcGIS або MAPINFO
2. Растрова модель даних у форматі Geo-tif, що містить:
  • Цифрова Модель Місцевості (ЦММ/DEM) (дані містяться в файл Height.tif);
  • Клатерну модель (Clutter Model)
3. Сервісні дані для радіоплануванних утиліти:
  • Цифрова Модель Рельєфу (ЦМР/DTM);
  • Клатерна модель (Clutter Model) матричне представлення;
  • Текстові мітки;
  • Векторні шари.
Роздільна здатність 3D моделі (розмір соти в матриці): 5 м
Переглянути проект

Новини

27 липня 2021

3D-моделі будинків — основа архітектури майбутнього?
Сучасний світ це, перш за все, світ технологічних трендів. Сьогодні вже нікого не здивуєш новинами про IoT (інтернет речей), 3D-друк або AI (штучний інтелект). Досить звичними стають обговорення перспектив космічного туризму та висадки людини на Марсі.

Один із таких трендів, це новації в архітектурній галузі. Такі, як 3D-друк будинків і цілих кварталів в США, Саудівській Аравії, Мексиці, Франції.

Звернімося до основ — принципів роботи 3D-принтера.

Якими бувають 3D-принтери?
1. Подібні пристрої відрізняються конструкціями та методами зведення стін. Зокрема, є принтери портальної або циркульної конструкції, на базі руки-маніпулятора тощо.
2. 3D принтер дозволяє друкувати як цілі архітектурі споруди, так і елементи будинків для подальшого складання на будмайданчику.
3. Висота і розміри об’єкту друку залежать від характеристик самого принтера.
В чому переваги 3D-друку перед іншими методами будівництва?
1. Розширюється простір для фантазії дизайнерів та архітекторів;
2. Збільшення швидкості процесу будівництва;
3. Повна або часткова автоматизація і низький рівень споживання електрики;
4. Значна економія часу та оплати праці персоналу;
5. Жодних відходів у вигляді “будівельного сміття”;
6. Мінімізація людського втручання в процес будівництва позитивно впливає на його безпеку.
Втім, історія цього революційного технологічного тренду починається значно раніше. А саме, з планування міста або окремого кварталу, візуалізації будинків та проєктування інфраструктури за допомогою тривимірної архітектурної моделі.

3D-архітектурна модель (Microscape або Cityscape) створюється за допомогою програмного забезпечення і відтворює всі елементи рельєфу, ландшафту і забудови.

Переваги використання 3D-моделей важко переоцінити.
- По-перше, вони допомагають покращити якісь презентації проєкт.
- По-друге, детальна візуалізація моделі дозволяє уникнути помилок в її подальшій реалізації.
Що стосується України, для неї подібні технології не новина, особливо в галузі виробництва 3D моделей міст.

Візіком розробляє 3D-карти, готові для використання в архітектурних проєктах, в тому числі для друку на 3D-принтері, враховуючи всі особливі вимоги до форматів та відображення даних. Зокрема, можуть буди змодельовані й надруковані.
1. 3D-моделі будівель та мостів
2. 3D-моделі дерев
3. Особливості ландшафту та рельєфу
Ось типова 3D-модель міста з усіма елементами ландшафту і детальною візуалізацією архітектурних елементів, яка може бути поставлена для 3D-друку в будь-якому популярному форматі, наприклад OBJ або STL

Така візуалізація допоможе створити повну 3D-картину реальності, що полегшує задачі планування міста, озеленення, розвитку транспорту та інфраструктури, особливо коли буде використано мультиколірний 3D-друк.
Читати
22 липня 2021

ВИКОРИСТАННЯ ШТУЧНОГО ІНТЕЛЕКТУ В ЦИФРОВІЙ КАРТОГРАФІЇ
Сьогодні штучний інтелект (ШІ) увійшов в повсякденне життя багатьох компаній світу - від сортування посилок до написання програмного коду і запуску ракет в космос.

Наша компанія створила власну технологію з використанням алгоритмів машинного навчання і штучного інтелекту для розпізнавання і класифікації забудови на супутникових знімках.

КОНТУРИ БУДИНКІВ - ГОЛОВНІ ХАРАКТЕРИСТИКИ ПРОДУКТУ:
- Автоматизоване виробництво (99% будівель> 25 кв.м розпізнаються автоматично)
- Повнота (досягається 100% покриття шляхом ручної постобробки)
- Точність в плані: 3 м
- Швидке створення бази даних будівель для будь-якої країни
- Використовуються актуальні супутникових знімків з роздільною здатністю 0,3–0,5 м
Етапи виробництва:
1. Створення еталонів найбільш поширених типів будинків з плановою точністю 3 м. Для кожної території використовується власна база даних еталонів і вхідних параметрів з точними коефіцієнтами.
2. Машинне навчання:
  - Процес сегментації зображення
  - Застосування порогових коефіцієнтів для ідентифікації шару будівель
  - Розпізнавання образів будівель за допомогою алгоритмів глибокого навчання
  - Продукування нейронною мережею растрових зображень
  - Калібрування і зміна вхідних параметрів для нейронної мережі, додавання в базу даних більшої кількості еталонів
  - Цикл може повторюватися кілька разів від початку для досягнення бажаної 3/5m планіметричної точності.
3. Генерація векторних контурів будівлі з растрових зображень
4. Автоматичні процедури для геометричної корекції векторних контурів

5. Додавання значень висоти в контури будинків
6. Ручна постобробка розпізнаних контурів будівлі: остаточна перевірка, корекція та перевірка геометрії та висоти.

7. Залежно від потреб проєкту контури будівель LOD1 можуть бути оновлені в моделі LOD2.
8. Інтеграція шару контурів будівлі в кінцевий продукт (3D карта міста, цифрова модель поверхні, модель землевикористання).

Контури будівель можуть бути застосовані у таких галузях:
- телекомунікації
- геомаркетинг
- WEB/GIS-додатки
- планування міст/архітектурне планування
- менеджмент навколишнього середовища
- симуляція польотів
- 3D друк і т. ін.
Читати
16 липня 2021

Toyota інвестувала в технології створення тривимірних карт місцевості

Підрозділ японського автомобільного концерну Toyota Motor Corp. for Technology Research оголосив про придбання американської компанії Carmera.

Остання спеціалізується на наданні цифрових послуг для автономних транспортних засобів, зокрема, таких як карти, передають Новини картографії від Візіком з посиланням на Mind.

Що відбулося?

Операцію з поглинання Carmera уклала дочірня компанія японського автогіганта – Woven Planet, яка консолідує проєкти, що мають відношення до автоматизації водіння.

Що це значить?

Цей крок підкреслює прагнення Toyota більш активно брати участь в розробці автономних транспортних засобів, в той час, як конкуренція між традиційними концернами і технологічними гігантами, такими як Apple і Amazon, стає все напруженішою.

Придбання Carmera надасть Toyota доступ до карт з високою роздільною здатністю в реальному часі і даними краудсорсингу, які необхідні для позиціонування або навігації автономних транспортних засобів.

Це дуже добре підходить для нашої глобальної експансії як компанії, – сказав генеральний директор Woven Planet Джеймс Куфнер.

Довідково:

Woven Planet був створений в січні для розробки мобільних технологій зі штучним інтелектом. Нагадаємо: компанія будує прототип «міста майбутнього» під назвою Woven City біля підніжжя гори Фудзі, що працює на водневих паливних елементах.

Читати