• A
  • A
  • A
  • АБB
  • АБB
  • АБB
  • А
  • А
  • А
  • А
  • А
Обычная версия сайта
Контакты

Адрес: 101000, Москва,
ул. Мясницкая, д.13, стр. 4

Телефон: +7 (495) 772-95-90
доб. 12-604 (учебный офис),
12-368 (транспортное планирование),
12-605 (программы ДПО),
12-150 (PR и коммуникации)

Email: city@hse.ru

Руководство
Руководитель школы Гончаров Руслан Вячеславович
Заместитель руководителя школы Воловик Юлия Алексеевна
Академический руководитель программы «Городское планирование» Баевский Олег Артемович
Академический руководитель программ «Управление пространственным развитием городов», «Транспортное планирование» Гончаров Руслан Вячеславович
Академический руководитель программы «Цифровая урбанистика и аналитика города» Зарудная Екатерина Борисовна
Образовательные программы
Бакалаврская программа

Городское планирование

5 лет
Очная форма обучения
55/30/5

55 бюджетных мест

5 государственных стипендий Правительства РФ для иностранцев

30 платных мест

5 платных мест для иностранцев

RUS+ENG
Обучение ведется на русском и частично на английском языке
Бакалаврская программа

Программа двух дипломов НИУ ВШЭ и РУТ «Экономика и инженерия транспортных систем»

4 года
Очная форма обучения
RUS+ENG
Обучение ведется на русском и частично на английском языке
Магистерская программа

Транспортное планирование

2 года
Очная форма обучения
RUS+ENG
Обучение ведется на русском и частично на английском языке
Магистерская программа

Управление пространственным развитием городов

2 года
Очная форма обучения
60/15/3

60 бюджетных мест

3 государственные стипендии Правительства РФ для иностранцев

15 платных мест

3 платных места для иностранцев

RUS+ENG
Обучение ведется на русском и частично на английском языке
Магистерская программа

Цифровая урбанистика и аналитика города

2 года
Очная форма обучения
Онлайн программа
40

40 платных мест

RUS+ENG
Обучение ведется на русском и частично на английском языке
Глава в книге
Место и безместье в ментальной картографии: На пути к гуманистическим ГИС?

Митин И. И.

В кн.: Воображаемые картографии: Карта и географическое воображение в истории и культуре. Материалы междисциплинарной научной конференции (Москва, 8–9 декабря 2022 г.). М.: Институт всеобщей истории РАН, 2022. С. 107-113.

Препринт
EXPLORING ASSOCIATIONS BETWEEN PARKING OCCUPANCY RATE AT RESIDENTIAL ESTATES AND SPATIAL CHARACTERISTICS. THE CASE OF YEKATERINBURG

Muleev Y. Y.

Urban and Transportation Studies. URB. НИУ ВШЭ, 2020. No. 9.

Лев Манович выступил с лекцией «Как сравнить миллион изображений?»

Лев Манович (Lev Manovich)

Лев Манович (Lev Manovich)
© Высшая школа урбанистики

9 июня Лев Манович, профессор Высшей школы Городского университета Нью-Йорка (The Graduate Center, CUNY) и один из главных международных экспертов по новым медиа и web-технологиям, прочитал лекцию «Как сравнить миллион изображений? Анализ визуальной информации из социальных сетей и Интернета, печатных изданий, комиксов, кино, игр и коллекций искусства». Лекция прошла в рамках семинаров Высшей школы урбанистки «Адаптивный город».


Описание всех проектов, о которых рассказывает Манович в своей лекции, доступны на его сайте manovich.net.

Все перечисленные в названии лекции области исследований — источники больших массивов данных. И с помощью визуализации можно осознать абсолютно любой из этих массивов: кадры компьютерной игры, комиксы манга, коллекцию картин МОМА, передовицы газет, логотипы Google. Суть метода состоит в том, чтобы охватить полный объем данных одним взглядом, получить возможность выявить изменения и тренды, и уже на базе наглядных результатов задать вопрос: а что может означать та или иная картинка? Это эксплоративный подход к работе с данными — исследовательские вопросы ставятся не в начале исследования, а формируются параллельно с процессом анализа.

Любой массив изображений, объединенных по некоему признаку, можно классифицировать и визуализировать. Наглядным примером того, что может выявить анализ произведений искусства, послужил анализ работ Пита Мондриана. Алгоритм учитывает такие параметры, как яркость картины, преобладающий цвет, текстура изображения, и располагает каждую картину на плоскости в соответствии с заданными параметрами. Динамическая визуализация позволяет ясно увидеть годы ученичества и творческих поисков, почувствовать, как развивался стиль художника.

Анализ изменений обложки журнала Time выполнен по очень простому алгоритму — они просто расположены друг за другом в хронологическом порядке. И неожиданно мы видим не хаотичную мозаику, но четкий цветовой градиент. Более детальное рассмотрение выявляет, например, изменение стиля коммуникации: в начале существования журнала на обложках реальные люди, черно-белые портреты, затем появляются коллажи, пейзажи, символы. И сразу появляется вопрос: какие социальные, политические, исторические процессы повлияли так на обложку одного из самых авторитетных журналов мира последнего века?

Фрагмент визуализации проекта TimeLine, в котором исследуется эволюция обложек журнала Time c 1923 по 2009 г.г. // фото: manovich.net
Фрагмент визуализации проекта TimeLine, в котором исследуется эволюция обложек журнала Time c 1923 по 2009 г.г. // фото: manovich.net

Ближе к исследованию городской тематики подводит визуализация фотографий из сети Instagram. Анализ данных соцсетей позволяет вывести на новый уровень социологические исследования, вместо того, чтобы проводить традиционные опросы, данные которых быстро устаревают, можно агрегировать оперативную информацию из Facebook и Twitter. Instagram в этом смысле интереснее всего, ведь анализ его данных — это анализ современного искусства, анализ художественных предпочтений сегодняшнего человечества. Люди со смартфонами и фотоаппаратами фиксируют жизнь городов в мельчайших деталях, и логично предположить, что если проанализировать достаточное количество фотографий города, можно получить цельное представление о его образе.

В исследовании Phototrails сделано именно это: фотографии, сделанные в различных глобальных мировых городах, классифицированы по таким параметрам, как цвет, яркость, насыщенность, географическая привязка, день и час публикации фото. Построенные для различных городов графики оказались очень похожими. С чем это связано — с идентичностью алгоритмов обработки фотографий или же с тем, что глобальные города так похожи друг на друга? Или с тем, что жизнь каждого горожанина более или менее похожа на жизнь его соседа, и различия стоит искать в деталях?

Еще один проект, тесно связанный с городской тематикой — «On Broadway». Это попытка создать наиболее полную визуализацию города, не используя при этом такие расхожие способы, как карты и графики. В исследовании использованы тысячи фотографий из нескольких социальных сетей, экономические показатели,  Instagram, постов с фотографиями из Twitter, чекины в сети Foursquare, а также панорамы из GoogleStreetVeiw, информация о передвижениях городского такси и экономические показатели, полученные в бюро переписи США. Итог — тринадцать масштабируемых информационных слоев, данные в которых расположены вдоль виртуального Бродвея.

Фрагмент визуализации проекта On Broadway // фото: on-broadway.nyc
Фрагмент визуализации проекта On Broadway // фото: on-broadway.nyc

Сегодня городские исследователи только начинают всерьез работать с огромным количеством данных, которые генерирует город и его жители. Нет общепризнанных методов, проверенных исследовательских направлений. Экспериментальные работы, выполняемые под руководством Льва Мановича, создают нетривиальные подходы к анализу такой информации, позволяют получить интересную аналитику, создают площадку для предметных исследований и формируют новую визуальную методологию.

Подобные визуализации являются эскизами полноценного исследования. Вслед за практическим этапом наступает очередь интерпретации и описания, детальной проработки, качественной и количественно оценки результатов. Но качество визуализации и её наглядность полностью зависят от интуиции исследователя, от его таланта задаваться множеством вопросов одновременно. «Если исследование не получилось за неделю — про него стоит забыть». Потому что сегодня данных действительно очень много, и не обязательно в каждом массиве big data спрятан секрет.

Материал подготовила Алиса Прихудайлова