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

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

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