Switch to English?
Yes
Переключитись на українську?
Так
Переключиться на русскую?
Да
Przełączyć się na polską?
Tak
Разместите свой проект бесплатно и начните получать предложения от фрилансеров-исполнителей уже спустя минуты после публикации!

Геоуодинг

5000 UAH

  1. 18200
     28  0

    4 дня5000 UAH

    Здравствуйте. Разбираюсь в геокодинге/реверсе, OSM (Nominatim) и Mapbox, а также в нормальной “админке” через полигоны (PostGIS / point-in-polygon), из-за чего как раз и перестают происходить “улёты” в другой район/за город.

    По вашему описанию проблема типовая: вы пытаетесь получать район/город из ответа геокодера (или reverse) — а это эвристика, из-за чего 10–15% точек всегда будут ошибаться, особенно на границах и при неполных адресах. Универсальное решение — разделить задачи:

    адрес → координата (forward geocoding),

    координата → город/район (строго по полигонам, point-in-polygon), а не “как вернул геокодер”.Чтобы оценить объём и предложить точное решение, нужно:

    10–20 примеров “уехавших” объектов: исходный адрес/город + координаты, куда ставит сейчас;

    какие города/страны, и какие данные у карточки гарантированно есть (город? район? индекс?);

    где храните данные и чем рисуете карту (PostGIS есть/нет, стек фронта).

    После этого дам план работ по этапам и сделаю фикс так, чтобы адрес/город/район определялись максимально стабильно и воспроизводимо, без ручной отрисовки для каждого города.

  2. 1909    2  0
    3 дня5000 UAH

    Здравствуйте!

    Я подробно ознакомилась с вашей задачей. Проблема знакома — сталкивалась с подобным при работе с OSM Nominatim и Mapbox. Вот мое видение:

    Почему объекты "летят" на чужие маркеры:

    Nominatim возвращает центроид ближайшего найденного объекта, а не точный адрес. Если адрес не найден на уровне дома — он "прыгает" на центр улицы, района или даже города. Это и есть ваши 15% промахов.

    Проблема с геокодинг-пирамидой — классический fallback дом → улица → район → город требует валидации на каждом уровне. Нужно проверять importance и class/type в ответе Nominatim, а не просто брать первый результат.

    Районы без полигонов — согласна, рисовать вручную для каждого города нереально. Решение: использовать административные границы из OSM (relation boundaries, admin_level=9-10) или GeoJSON районов из открытых источников (data.gov.ua имеет границы для большинства городов). Это даст point-in-polygon проверку без ручной работы.

    Мой план:

    Аудит текущего pipeline: посмотрю как именно идет fallback и где теряется точность
    Добавлю валидацию по boundingbox и type из Nominatim — отсею "широкие" результаты
    Подключу обратный геокодинг для перекрестной проверки (координаты → адрес → сравнение с оригиналом)
    Для районов — подтяну OSM boundaries через Overpass API или готовые GeoJSON, сделаю point-in-polygon
    Настрою confidence score: каждый результат получит оценку точности, чтобы вы видели где 100% совпадение, а где нужна ручная проверка
    Результат: 95-98% точность вместо текущих 85%.

    У меня есть опыт с Nominatim API, Mapbox Geocoding, Overpass API, Turf.js (геопространственные операции), PostGIS.

    Срок: 2-3 дня
    Цена: 5000 грн

    Готова обсудить детали и посмотреть на текущий код.

  3. 726    9  1
    3 дня5000 UAH

    Здравствуйте! Ваш проект выглядит очень интересным. Я готов начать работу немедленно и обеспечить высокое качество.

  4. 1945    7  0
    2 дня5000 UAH

    Это типичная история, когда геокодер работает «по строке» без жестких ограничений и без проверки по полигонам.
    Чтобы оценить объем и сроки, нужны детали:
    География и какие именно «районы» (уровень).
    Формат входных данных: отдельные поля или одна строка.
    Примеры 5–10 проблемных адресов + что сейчас возвращают Nominatim/Mapbox.
    Ожидаемый выход: точка, адрес, район, город, доп. поля.
    Ограничения по стеку и инфраструктуре.
    Если хотите, сделаю аудит текущего пайплайна и предложу фикс с тестами на вашем наборе кейсов.

  5. Еще 3 ставки скрыты
    1 ставка скрыта

Актуальные фриланс-проекты в категории AI и машинное обучение

Построить модель классификации клиентов

1. Есть данные клиентов в Mongo/SQL (примерно 20 000 записей с сырыми данными). 2. Необходимо на их основе построить фичи и модель классификации клиентов на поведенческие группы. 3. Проект выполнить на Python.

AI и машинное обучениеPython ∙ 1 день 10 часов назад ∙ 29 ставок

Інтеграція в CRM модулів сканерів стоматологій

27 000 UAH

Мы разработали CRM систему для взаимодействия с зубными врачами и лабораториями. Нужно интегрировать сервисы iTero, sirona, medit и др чтобы подтягивались файлы автоматически

AI и машинное обучениеJava ∙ 1 день 11 часов назад ∙ 22 ставки

Создать команду AI агентов

Хочу создавать себе команду AI агентов, которые будут помогать в повседневной жизни, контролировать бизнес процессы, анализировать отчеты и тд.

AI и машинное обучение ∙ 1 день 14 часов назад ∙ 27 ставок

ИТ Автоматизация ведения VAT-отчетности

10 000 UAH

Необходимо разработать систему для автоматизации переноса данных о продажах из CRM в бухгалтерскую систему Wafeq. Система должна импортировать банковские и платежные отчеты, автоматически сверять платежи с инвойсами, формировать инвойсы для VAT-отчетности и минимизировать ручную…

AI и машинное обучениеPython ∙ 1 день 15 часов назад ∙ 39 ставок

Разработка AI-агента по продажам для интернет-магазина на PrestaShop 1.6 с интеграцией KeyCRM

Ищем разработчика или небольшую команду для создания AI-консультанта по продажам для интернет-магазина учебной литературы. Сайт работает на PrestaShop 1.6, CRM — KeyCRM. Нужен не обычный чат-бот с готовыми ответами, а AI-продавец, который поможет клиенту подобрать нужные книги и…

AI и машинное обучениеИнтернет-магазины и электронная коммерция ∙ 1 день 20 часов назад ∙ 39 ставок

Заказчик
Vladislav O.
Украина Киев  3  0
Проект опубликован
3 месяца 23 дня назад
108 просмотров
Метки
  • OSM
  • mapbox
  • Геокодинг
  • Геоворкеры