Treffer: Interactive road accident map of St. Petersburg ; Интерактивная карта дорожных происшествий Санкт-Петербурга

Title:
Interactive road accident map of St. Petersburg ; Интерактивная карта дорожных происшествий Санкт-Петербурга
Contributors:
Балян Сероб Гургенович, Balan Serob Gurgenovic, Корхов Владимир Владиславович, Korhov Vladimir Vladislavovic
Publication Year:
2022
Collection:
Saint Petersburg State University: Research Repository (DSpace SPbU)
Document Type:
other/unknown material
Language:
Russian
Accession Number:
edsbas.121C5759
Database:
BASE

Weitere Informationen

В этой работе разработана интерактивная карта ДТП Санкт-Петербурга. Автомобиль является самым популярным средством передвижения. Сотни тысяч людей ежегодно получают увечья в автомобильных авариях. Дорожное происшествие возникает из-за случайного стечения обстоятельств, но все же можно выделить некоторые закономерности. Данные для визуализации были получены с помощью анализа социальных сетей. Продукт был реализован с использованием инструментария Python и библиотек для обработки естественного языка с открытым исходным кодом. Были изучены несколько методов извлечения именованных сущностей. Было проведено несколько экспериментов для сравнения качества работы методов между собой. Для решения задачи NER, извлечения местоположений из сообщений в социальных сетях была использована библиотека DeepPavlov. Для нанесения местоположений на карту, они преобразуются в координаты, с помощью API Geocoder Yandex. Сама карта была разработана в виде веб-приложения на фреймворке Flask. Рабочее приложение развернуто на сервере и доступно по адресу https://traffic-accident-map.xyz/. ; In this work, an interactive map of the St. Petersburg traffic accident has been developed. The car is the most popular means of transportation. Hundreds of thousands of people are injured in car accidents every year. A traffic accident occurs due to a random combination of circumstances, but still some patterns can be identified. The data for visualization was obtained by analyzing social networks. The product was implemented using Python toolkit and open source natural language processing libraries. Several methods of extracting named entities have been studied. Several experiments were conducted to compare the quality of the methods with each other. To solve the NER problem, extracting locations from social media posts, the DeepPavlov library was used. To plot locations on the map, they are converted to coordinates using the Yandex Geocoder API. The map itself was developed as a web application on the Flask framework. The working application is ...