Geokodowanie
414 PLN
Szukam ludzi, którzy znają się na geoworkerach i TP...
Kluczowy problem. Obiekty uciekają do innych etykiet i TP. Piramida geokodowania nie działa.
Wajbkodowanie nie pomaga... Przyjaciele wajbkodery, ta praca na pewno nie jest dla was.
Zadanie polega na stworzeniu uniwersalnego rozwiązania lub naprawieniu obecnego, aby adres, dzielnica i miasto zawsze były poprawnie wyświetlane na mapie, lub maksymalnie blisko tego (minimalny błąd), aby nie uciekały do innej dzielnicy lub poza miasto. Jeśli są tu tacy, którzy naprawdę się na tym znają, dajcie znać.
Jest warunkowa karta obiektu, która znajduje się w punkcie na mapie (geokodowanie), 85~% obiektów jest poprawnie umiejscowionych, a inne uciekają. Zaangażowani są dwaj pomocnicy osm nomismatism i mapbox, ale to szczególnie nie pomaga. Dzielnice nie są rysowane. Alternatywą jest ręczne rysowanie poligonów, ale zajmie to bardzo dużo czasu dla każdego miasta. Dlatego szukam czegoś uniwersalnego, kto podpowie?
-
4 dni414 PLN
4 dni414 PLN
Cześć. Zajmuję się geokodowaniem/odwróconym geokodowaniem, OSM (Nominatim) i Mapbox, a także normalnym "adminem" przez poligony (PostGIS / punkt-w-poligonie), przez co przestają się zdarzać "ucieczki" do innej dzielnicy/za miasto.
Zgodnie z Twoim opisem problem jest typowy: próbujesz uzyskać dzielnicę/miasto z odpowiedzi geokodera (lub odwróconego) — a to heurystyka, przez co 10–15% punktów zawsze będzie błędnych, szczególnie na granicach i przy niepełnych adresach. Uniwersalne rozwiązanie to podział zadań:
adres → współrzędna (geokodowanie do przodu),
współrzędna → miasto/dzielnica (ściśle według poligonów, punkt-w-poligonie), a nie "jak zwrócił geokoder". Aby ocenić zakres i zaproponować dokładne rozwiązanie, potrzebuję:
10–20 przykładów "ucieczkowych" obiektów: oryginalny adres/miasto + współrzędne, gdzie teraz stawia;
…
jakie miasta/kraje, i jakie dane na karcie są gwarantowane (miasto? dzielnica? kod pocztowy?);
gdzie przechowujesz dane i czym rysujesz mapę (PostGIS jest/nie ma, stos frontowy).
Po tym przedstawię plan prac w etapach i zrobię poprawkę, aby adres/miasto/dzielnica były określane maksymalnie stabilnie i reprodukowalnie, bez ręcznego rysowania dla każdego miasta.
-
3 dni414 PLN
1909 2 0 3 dni414 PLN
Cześć!
Szczegółowo zapoznałam się z Twoim zadaniem. Problem jest znany — spotkałem się z podobnym podczas pracy z OSM Nominatim i Mapbox. Oto moja wizja:
Dlaczego obiekty "latają" na obce znaczniki:
Nominatim zwraca centroid najbliższego znalezionego obiektu, a nie dokładny adres. Jeśli adres nie jest znaleziony na poziomie budynku — "skacze" na środek ulicy, dzielnicy lub nawet miasta. To są Twoje 15% pomyłek.
Problem z piramidą geokodowania — klasyczny fallback budynek → ulica → dzielnica → miasto wymaga walidacji na każdym poziomie. Należy sprawdzać importance i class/type w odpowiedzi Nominatim, a nie po prostu brać pierwszy wynik.
…
Dzielnice bez polygonów — zgadzam się, rysowanie ręczne dla każdego miasta jest nierealne. Rozwiązanie: wykorzystać granice administracyjne z OSM (relation boundaries, admin_level=9-10) lub GeoJSON dzielnic z otwartych źródeł (data.gov.ua ma granice dla większości miast). To da sprawdzenie point-in-polygon bez pracy ręcznej.
Mój plan:
Audyt obecnego pipeline: zobaczę jak dokładnie przebiega fallback i gdzie traci się dokładność
Dodam walidację po boundingbox i type z Nominatim — odfiltrowuję "szerokie" wyniki
Podłączę reverse geocoding do krzyżowej weryfikacji (koordynaty → adres → porównanie z oryginałem)
Dla dzielnic — pobiorę granice OSM przez Overpass API lub gotowe GeoJSON, zrobię point-in-polygon
Ustawię confidence score: każdy wynik otrzyma ocenę dokładności, abyś widział gdzie jest 100% dopasowanie, a gdzie potrzebna jest ręczna weryfikacja
Wynik: 95-98% dokładności zamiast obecnych 85%.
Mam doświadczenie z Nominatim API, Mapbox Geocoding, Overpass API, Turf.js (operacje geoprzeszestrzenne), PostGIS.
Termin: 2-3 dni
Cena: 5000 zł
Jestem gotowa omówić szczegóły i przyjrzeć się obecnemu kodowi.
-
3 dni414 PLN
726 9 1 3 dni414 PLN
Witaj! Twój projekt wygląda bardzo interesująco. Jestem gotów rozpocząć pracę natychmiast i zapewnić wysoką jakość.
-
2 dni414 PLN
1945 7 0 2 dni414 PLN
To typowa historia, gdy geokoder działa „po linii” bez sztywnych ograniczeń i bez weryfikacji według wielokątów. Aby ocenić zakres i terminy, potrzebne są szczegóły: Geografia i jakie dokładnie „dzielnice” (poziom). Format danych wejściowych: oddzielne pola lub jedna linia. Przykłady 5–10 problematycznych adresów + co obecnie zwracają Nominatim/Mapbox. Oczekiwany wynik: punkt, adres, dzielnica, miasto, dodatkowe pola. Ograniczenia dotyczące stosu i infrastruktury. Jeśli chcesz, przeprowadzę audyt obecnego pipeline'u i zaproponuję poprawkę z testami na twoim zestawie przypadków.
Aktualne zlecenia dla freelancerów w kategorii AI i uczenie maszynowe
Zbudować model klasyfikacji klientów1. Są dane klientów w Mongo/SQL (około 20 000 zapisów z surowymi danymi). 2. Należy na ich podstawie zbudować cechy i model klasyfikacji klientów na grupy behawioralne. 3. Projekt wykonać w Pythonie. AI i uczenie maszynowe, Python ∙ 1 dzień 11 godzin temu ∙ 29 ofert |
Integracja modułów skanerów stomatologicznych w CRM
2235 PLN
Opracowaliśmy system CRM do współpracy z dentystami i laboratoriami. Należy zintegrować usługi iTero, sirona, medit i inne, aby pliki były automatycznie pobierane. AI i uczenie maszynowe, Java ∙ 1 dzień 13 godzin temu ∙ 22 oferty |
Stworzyć zespół agentów AIChcę stworzyć sobie zespół agentów AI, którzy będą pomagać w codziennym życiu, kontrolować procesy biznesowe, analizować raporty itd. AI i uczenie maszynowe ∙ 1 dzień 15 godzin temu ∙ 27 ofert |
Automatyzacja IT prowadzenia raportowania VAT
828 PLN
Konieczne jest opracowanie systemu do automatyzacji przenoszenia danych o sprzedaży z CRM do systemu księgowego Wafeq. System ma importować raporty bankowe i płatnicze, automatycznie uzgadniać płatności z fakturami, generować faktury do raportowania VAT oraz minimalizować pracę… AI i uczenie maszynowe, Python ∙ 1 dzień 16 godzin temu ∙ 39 ofert |
Opracowanie agenta AI do sprzedaży dla sklepu internetowego na PrestaShop 1.6 z integracją KeyCRMSzukamy dewelopera lub małego zespołu do stworzenia AI-konsultanta sprzedaży dla internetowego sklepu z literaturą edukacyjną. Strona działa na PrestaShop 1.6, CRM — KeyCRM. Potrzebny jest nie zwykły chatbot z gotowymi odpowiedziami, ale AI-sprzedawca, który pomoże klientowi… AI i uczenie maszynowe, Sklepy internetowe i e-commerce ∙ 1 dzień 22 godziny temu ∙ 39 ofert |
Kijów