Интеллектуальная система маршрутов по Киеву

Разработать приложение/скрипт, который предоставляет пользователю интеллектуальные, короткие и безопасные маршруты по Киеву, избегая территориальных центров комплектования (ТЦК) и других нежелательных факторов (пробки, людные места, вокзалы). Система должна предлагать 10–15 уникальных вариантов, чтобы пользователь мог выбрать наиболее подходящий.

Основные требования

1. Интеллектуальность:

   • Учитывать вероятные места расположения ТЦК (военные, которые ловят людей для мобилизации) — вокзалы (например, Дарницкий), главные выходы метро, ТЦ, оживлённые перекрёстки.

   • Анализировать ближайшие улицы (в радиусе 500 м) для каждого шага маршрута и оценивать риски присутствия ТЦК.

   • Учитывать дополнительные факторы: пробки, освещённость улиц, безопасность, людность, время суток.

2. Краткость и удобство:

   • Маршруты должны быть максимально короткими по времени и расстоянию, но с приоритетом безопасности (избежание ТЦК).

   • Предоставлять 10–15 уникальных вариантов для выбора.

3. Детализация:

   • Каждый маршрут описать пошагово по шаблону:

     • Тип транспорта и номер: метро, автобус, маршрутка, такси, велосипед, пешком и т.д.

     • Где именно садиться: конкретный адрес, ориентир (например, "вход с ул. Депутатской у метро Святошин").

     • Где выходить: название остановки, ориентир (например, "боковой выход к ул. Малышко").

     • Время в пути: с учётом средней скорости в Киеве.

     • Стоимость проезда: актуальные тарифы (например, метро — 8 грн) или примерные цены (такси — 200–300 грн).

     • Пересадки: где и на что пересаживаться (если есть).

     • Дополнительные детали:

       • Вероятность ТЦК на маршруте или ближайших улицах.

       • Рекомендации по избеганию (например, "выйдите через боковой выход", "заказывайте такси за углом").

       • Пробки, освещённость, безопасность, альтернативные пути.

4. Входные данные:

   • Пользователь вводит точку отправления (например, "Святошин") и назначения (например, "Дарница").

   • Возможность указать предпочтения (например, "избегать метро" или "только пешком").

5. Выходные данные:

   • Список из 10–15 маршрутов в текстовом формате (или интерфейсе).

   • Каждый маршрут уникален по типу транспорта или пути.

Функционал

1. Сбор данных:

   • Использовать Google Maps Directions API для построения базовых маршрутов (transit, driving, bicycling, walking).

   • Получать ближайшие улицы через Google Maps Places API.

2. Анализ и распознавание:

   • Интегрировать нейросети для анализа данных и распознавания рисков:

     • Использовать OpenAI API (ChatGPT) для интеллектуального анализа маршрутов, оценки ТЦК и рекомендаций.

     • Опционально подключить модели компьютерного зрения (например, TensorFlow, PyTorch) для анализа изображений с камер Google Street View (если доступно) на предмет скопления людей или военных.

   • Обрабатывать данные о пробках, освещённости и безопасности через Google Maps Traffic Layer или внешние источники (например, Kyiv Smart City API).

3. Генерация маршрутов:

   • Минимум 10–15 вариантов, включая:

     • Общественный транспорт (метро, автобус, маршрутка).

     • Такси (Bolt, Uber).

     • Личное авто.

     • Велосипед (Nextbike, Bolt).

     • Пешком или гибридные варианты.

   • Использовать промежуточные точки (waypoints) для разнообразия (например, через парки или тихие улицы).

4. Вывод:

   • Чёткий структурированный текст для каждого маршрута по шаблону.

   • Возможность сортировки по времени, стоимости или безопасности.

Предлагаемые инструменты и технологии

1. Базовые API:

   • Google Maps Directions API: построение маршрутов.

   • Google Maps Places API: поиск ближайших улиц и ориентиров.

   • Google Maps Traffic Layer: данные о пробках в реальном времени.

   • Google Street View API (опционально): изображения улиц для анализа.

2. Нейросети для распознавания и анализа:

   • OpenAI API (ChatGPT): интеллектуальный анализ маршрутов, оценка вероятности ТЦК, рекомендации по обходу.

   • TensorFlow/PyTorch (опционально): модели компьютерного зрения для анализа изображений Street View (распознавание военных, скоплений людей).

   • Hugging Face Transformers: обработка текстовых данных (например, отзывов или новостей о ТЦК).

3. Дополнительные инструменты:

   • Kyiv Smart City API (если доступно): данные о транспорте и городских событиях.

   • OSM (OpenStreetMap): альтернативный источник карт для проверки маршрутов.

   • Selenium/BeautifulSoup: парсинг новостей или форумов о местоположении ТЦК (например, Telegram-каналы).

4. Язык и фреймворки:

   • Python: основной язык (библиотеки googlemaps, openai, tensorflow).

   • Flask/Django (опционально): для веб-интерфейса.

   • Pandas: обработка и анализ данных.

Ожидаемые результаты

• Пользователь получает 10–15 маршрутов с описанием, избегающих ТЦК и рисков.

• Пример вывода:

• Вариант 1

• Общее время: 25 мин

• Расстояние: 11 км

• Шаг 1:

  - Тип транспорта: Метро M1

  - Где садиться: Станция "Святошин", вход с ул. Депутатской

  - Где выходить: Станция "Дарница", боковой выход к ул. Малышко

  - Время в пути: 25 мин - Стоимость: 8 грн

  - Пересадки: Нет

  - Дополнительно: Риск ТЦК у главного выхода "Дарница" (рядом вокзал), низкий риск на ул. Малышко. Пробки утром.

Технические детали

• API: Google Maps (Directions, Places, Street View), OpenAI.

• Нейросети: ChatGPT (обязательно), TensorFlow/PyTorch (опционально для Street View).

• Язык: Python.

• Вывод: Консольный текст или веб-интерфейс.

Дополнительные пожелания

• Поддержка обновлений о ТЦК через парсинг Telegram-каналов или пользовательский ввод.

• Интерактивный выбор (например, "без метро").

• Учёт времени суток для пробок и освещённости.

• Опционально: визуализация маршрутов на карте.

Срок и бюджет

• Срок: 3 недели (включая интеграцию нейросетей).

• Бюджет: $800–$1200 (в зависимости от сложности и интерфейса).