AI in Spatial Data 2400-MIKRO-AIBF-AISD

Zajęcia prowadzone są w formie seminarium i laboratorium komputerowego połączonych w jednym bloku. Każdy blok tematyczny rozpoczyna się od wprowadzenia teoretycznego ilustrowanego slajdami PDF, po którym następuje bezpośrednia demonstracja praktycznych zastosowań w Pythonie i R na rzeczywistych zbiorach danych przestrzennych. Taka zintegrowana formuła pozwala studentom łączyć pojęcia metodologiczne bezpośrednio z działającym kodem i obserwować pełny potok analityczny – od pozyskania surowych danych, przez ocenę modelu, aż po interpretację wyników – w ramach jednego spotkania.

1. Wprowadzenie i podstawy danych przestrzennych
Kurs rozpoczyna się od uzasadnienia potrzeby analizy danych przestrzennych. Odwołując się do pierwszego prawa geografii Toblera (1970), studenci poznają, dlaczego wymiar geograficzny danych ma znaczenie dla decyzji biznesowych, polityki publicznej, wykrywania wzorców i modelowania predykcyjnego. Część teoretyczna obejmuje podstawowe pojęcia dotyczące danych przestrzennych: typy geometrii (punkty, linie, wielokąty), standard WKT (Well-Known Text), poprawność geometrii, układy współrzędnych i odwzorowania kartograficzne, centroidy obszarów oraz główne formaty przechowywania danych przestrzennych (shapefile, GeoJSON). Część praktyczna demonstruje te zagadnienia w Pythonie przy użyciu biblioteki GeoPandas: wczytywanie i wstępna analiza danych przestrzennych, reprojekcja geometrii, obliczanie centroidów i tworzenie podstawowych map.

2. Podstawowa analiza przestrzenna
Ten blok wprowadza zestaw narzędzi metodologicznych do analizy struktury przestrzennej. Część teoretyczna obejmuje przestrzenne macierze wag – formalną reprezentację relacji sąsiedztwa między jednostkami geograficznymi – oraz dwa główne podejścia do definiowania sąsiedztwa: oparte na wspólnej granicy (kryterium królowej i wieży) oraz oparte na odległości (k najbliższych sąsiadów, próg odległości). Omówiona jest standaryzacja wierszowa macierzy wag oraz pojęcie opóźnienia przestrzennego: ważonej średniej wartości zmiennej wśród sąsiadów danej obserwacji, które oddaje lokalny kontekst każdej lokalizacji. Blok wprowadza następnie pojęcie autokorelacji przestrzennej i jej formalny pomiar za pomocą statystyki Morana I oraz wykresu Morana. Zagadnienia te zilustrowane są na rzeczywistych danych i zaimplementowane w Pythonie przy użyciu ekosystemu PySAL / libpysal, z wizualizacjami tworzonymi w matplotlib i geopandas.

3. Pozyskiwanie danych z OpenStreetMap
OpenStreetMap (OSM) jest przedstawione jako globalna, ogólnodostępna, tworzona przez wolontariuszy baza danych geograficznych i ważne źródło danych przestrzennych na potrzeby badań i analiz stosowanych. Część teoretyczna obejmuje model danych OSM: trzy geometryczne typy podstawowe (węzły, drogi i relacje), system tagów w postaci par klucz-wartość niosących znaczenie semantyczne oraz taksonomię najczęściej używanych typów obiektów – ze szczególnym uwzględnieniem klucza highway (hierarchia dróg od autostrady do strefy zamieszkania oraz obiekty niebędące drogami, jak przystanki autobusowe i sygnalizacja świetlna), klucza amenity (restauracje, szkoły, szpitale i inne punkty użyteczności publicznej) oraz obrysów budynków. Blok omawia również jakość danych OSM, obciążenia wynikające z niekompletności danych oraz implikacje danych tworzonych przez wolontariuszy dla analiz przestrzennych. Część praktyczna wykorzystuje bibliotekę OSMnx do pobierania sieci dróg i punktów użyteczności publicznej dla wskazanych miejsc i obszarów, filtrowania obiektów według typu tagu, reprojekcji geometrii do metrycznych układów współrzędnych, obliczania długości dróg oraz przeprowadzania analiz obszarów przyciągania przy użyciu buforów przestrzennych i operacji punkt-w-wielokącie.

4. Pozyskiwanie danych z kosmosu
Ten blok wprowadza satelity obserwacji Ziemi jako źródło danych przestrzennych do analiz ekonomicznych i geograficznych, omawiając dwa komplementarne produkty.

Natężenie świateł nocnych (NTLI). Sensor VIIRS na pokładzie satelitów NASA Suomi NPP i NOAA-20 mierzy promieniowanie emitowane w nocy z rozdzielczością przestrzenną około 500 metrów. Pakiet produktów Black Marble stosuje korekcje radiometryczne, aby tworzyć spójne kompozyty w rozdzielczości dobowej (VNP46A2), miesięcznej (VNP46A3) i rocznej (VNP46A4). Część teoretyczna omawia historię danych o nocnym oświetleniu, ich zastosowania w literaturze (szacowanie PKB, monitorowanie elektryfikacji, śledzenie konfliktów, nowcasting wstrząsów gospodarczych) oraz metody agregacji wartości pikseli rastra w obrębie wielokątów. Przedstawione są wyniki empiryczne dotyczące związku między cechami pochodnymi NTLI a dochodami gmin w Polsce. W części praktycznej studenci pobierają dane Black Marble przy użyciu pakietu R blackmarbler i wydobywają cechy rozkładu za pomocą exactextractr.

Dzienne zdjęcia satelitarne. Misja ESA Sentinel-2 dostarcza zobrazowań wielospektralnych z rozdzielczością 10 metrów w pasmach widzialnych i bliskiej podczerwieni z częstotliwością powtarzania obserwacji wynoszącą 5 dni. Część teoretyczna obejmuje strukturę pasm Sentinel-2, różnicę między produktami Level-1C i Level-2A, strategie radzenia sobie z zachmurzeniem (filtrowanie sezonowe, maskowanie chmur, wybór obrazu o najmniejszym zachmurzeniu) oraz potok pozyskiwania obrazów. Blok wprowadza następnie konwolucyjne sieci neuronowe (CNN). Transfer learning z ImageNet do zbioru danych EuroSAT jest omówiony jako metoda dostrajania wstępnie wytrenowanego klasyfikatora do mapowania pokrycia terenu na podstawie zobrazowań satelitarnych. W części praktycznej studenci używają API Copernicus Browser do pobierania kafelków RGB Sentinel-2, stosują wstępnie wytrenowany model ResNet-50 do generowania predykcji pokrycia terenu.

5. Przestrzenne uczenie maszynowe
Ten blok omawia wyzwania metodologiczne pojawiające się przy stosowaniu standardowego uczenia maszynowego do danych o strukturze przestrzennej. Teoretyczne wprowadzenie rozróżnia między wnioskowaniem statystycznym a modelowaniem predykcyjnym, omawia problem przeuczenia i wprowadza k-krotną walidację krzyżową do oceny modeli i strojenia hiperparametrów. Kluczowym wkładem metodologicznym jest pojęcie przestrzennego przecieku informacji. Przestrzenna walidacja krzyżowa – w której foldy definiowane są przez grupowanie geograficzne, a nie losowe przypisanie – jest przedstawiona jako właściwe rozwiązanie. Dodatkowe zagadnienia obejmują inżynierię cech przestrzennych (opóźnienia przestrzenne, miary odległości, współrzędne geograficzne), algorytm lasu losowego oraz metryki oceny regresji. W części praktycznej studenci łączą cechy wyciągnięte z danych satelitarnych w zbiór do modelowania, stosują przestrzenną walidację krzyżową, trenują i dostrajają modele lasu losowego w scikit-learn oraz porównują wyniki przestrzennej i losowej walidacji krzyżowej.

6. Analiza danych z aplikacji mobilnych
Ostatni blok wprowadza dane GPS z aplikacji mobilnych jako źródło danych o zachowaniu przestrzennym osób. Część teoretyczna obejmuje strukturę zbiorów danych mobilności GPS, główne źródła danych oraz kluczowe ograniczenia. Szczegółowo omówione są dwa zadania analityczne. Pierwsze to wykrywanie lokalizacji zakotwiczenia – identyfikacja miejsca zamieszkania i miejsca pracy na podstawie surowych śladów GPS – przy użyciu trzech podejść o rosnącym stopniu złożoności. Drugie zadanie to wykrywanie środka transportu: klasyfikacja regułowa oparta na prędkości z wykorzystaniem formuły Haversine'a jest przedstawiona jako punkt odniesienia, a następnie omówione są bardziej zaawansowane podejścia. W części praktycznej studenci implementują wykrywanie lokalizacji zakotwiczenia, stosują algorytm punktów postoju, klasyfikują środki transportu i wizualizują indywidualne wzorce mobilności na mapach.

Projekt Application of Artificial Intelligence in Business and Finance (nr BPI/SPI/2024/1/00078) realizowany przez Uniwersytet Warszawski w ramach programu Spinaker organizowanego przez Narodową Agencję Wymiany Akademickiej (w ramach projektu Wsparcie tworzenia i realizacji międzynarodowych programów kształcenia, finansowanego ze środków Funduszy Europejskich dla Rozwoju Społecznego 2021-2027).