ainews
City2Graph: библиотека для превращения городских данных в графы для нейросетей
Вышла библиотека City2Graph — превращает геопространственные данные городов (здания, дороги, транспорт) в гетерогенные графы для анализа и обучения Graph Neural Networks. Поддерживает OpenStreetMap, GTFS, работает с PyTorch Geometric, NetworkX, DuckDB. Опубликована научная статья в Computers, Environment and Urban Systems.
Если работаешь с городскими данными или строишь продукт в сфере умных городов — эта библиотека сэкономит кучу времени на подготовке данных для графовых нейросетей. Если нет — это индикатор зрелости GeoAI как направления.
Что произошло
Вышла библиотека City2Graph — open-source инструмент на Python для превращения геопространственных данных городов в гетерогенные графы. Автор Yuji Sato опубликовал код на GitHub и научную статью в журнале Computers, Environment and Urban Systems (2026).
Библиотека решает конкретную проблему: городские данные (здания, улицы, остановки транспорта, потоки людей) обычно хранятся в табличном виде (GeoDataFrames), но для Graph Neural Networks и пространственного анализа нужны графы — с узлами и рёбрами. City2Graph автоматизирует преобразование.
Что умеет
- Строит графы морфологии города (здания + улицы) из OpenStreetMap и Overture Maps
- Загружает данные транспорта (GTFS, GBFS) через DuckDB, превращает маршруты в граф stop-to-stop
- Работает с матрицами Origin-Destination (миграции, велошеринг, пешеходные потоки) как взвешенные графы
- Генерирует графы близости: KNN, Delaunay, Gilbert, Waxman, queen/rook contiguity с евклидовыми, манхэттенскими или сетевыми расстояниями
- Поддерживает гетерогенные графы (несколько типов узлов и рёбер) и метапути
- Конвертирует между GeoDataFrames, NetworkX, rustworkx, PyTorch Geometric — сохраняя геометрию и атрибуты
Пример кода: пара строк превращает здания и улицы в граф, готовый для PyG.
Автор: Никита Громов · Источник: reddit.com
Разработчикам. Готовая обёртка для сложной задачи: превращать геоданные в графы для PyTorch Geometric без ручной обработки. Работает с популярными источниками (OSM, GTFS), интегрируется с NetworkX и DuckDB. Удобно для проектов в urban AI и spatial ML.
Бизнесу. Инструмент для градостроительной аналитики и умных городов: можно анализировать транспортные потоки, планировать инфраструктуру, оптимизировать логистику и каршеринг через графовые нейросети. Открывает доступ к GeoAI без команды data scientists.
Инвесторам. GeoAI для городов — растущая ниша на стыке urban tech, транспорта и ML. Библиотека упрощает вход в сегмент умных городов и пространственной аналитики, где спрос есть (например, траффик-прогнозы, планирование застройки). Open-source снижает барьер для стартапов.
- Сервис-прослойка для городских властей: загружаешь данные города, выдаёшь дашборд с прогнозами траффика и оптимальным расположением станций метро/велостанций
- Консалтинг для девелоперов: анализ локаций под застройку через графы доступности транспорта и пешеходных потоков
- SaaS для каршеринга и доставки: оптимизация маршрутов и зон через графовые модели реального времени
- Образовательная платформа по GeoAI: курсы и туториалы для городских аналитиков с этой библиотекой как основой
- Стартап в сфере climate tech: анализ уязвимости городской инфраструктуры к климатическим рискам через пространственные графы
- Узкая ниша: спрос на графовые нейросети для городов есть, но не массовый — основные клиенты это исследователи и крупные муниципалитеты с бюджетами
- Зависимость от качества данных: OpenStreetMap и GTFS бывают неполными или устаревшими — мусор на входе = мусор на выходе
- Конкуренция с академическими инструментами: есть другие библиотеки (momepy, osmnx), City2Graph нужно доказывать уникальность и удобство
- Open-source без бизнес-модели: библиотека бесплатная, монетизация неочевидна — только через консалтинг или коммерческие надстройки
City2Graph — это такая штука, которая нужна узкому кругу людей, но им она нужна очень. Если ты делаешь что-то связанное с городами и машинным обучением (прогноз траффика, анализ транспорта, планирование инфраструктуры), то знаешь боль: взять данные из OpenStreetMap или GTFS и превратить их в граф для PyTorch Geometric — это день или два работы. City2Graph делает это за пару строк.
Но это не массовый продукт. Это инструмент для исследователей, data scientists в urban tech и стартапов, которые строят GeoAI-решения. Для всех остальных — просто любопытное подтверждение, что нишевые ML-инструменты становятся всё удобнее. Если хочешь заработать на этом — ищи применение в консалтинге или SaaS для городских служб, не в самой библиотеке.
Комментарии