Aktualności

Staże wakacyjne 2021 w IGiG zakończone!

29-10-2021

Wakacje 2021 r., nie dla wszystkich były tylko czasem odpoczynku. Czworo studentów, dwoje z Uniwersytetu Przyrodniczego we Wrocławiu oraz dwoje studentów z Politechniki Wrocławskiej, zdecydowało się na podjęcie staży wakacyjnych w Instytucie Geodezji i Geoinformatyki. W ciągu 3 miesięcy studenci wspólnie z opiekunami realizowali ciekawe badania w zakresie: doskonalenia metod przetwarzania InSAR, modelowania mobilności ludzi, wykorzystanie AI w badaniach osuwisk, czy wreszcie budowy i testowania toromierzy. Poniżej przedstawiamy wyniki badań czwórki stażystów: Patryka Balaka, Aleksandry Bodylskiej, Tymona Lewandowskiego i Martyny Tomaszewskiej. Pomysłodawcami i opiekunami staży byli pracownicy i doktoranci IGiG. Ogłoszenie o kolejnej edycji pojawi się już w marcu 2022!

---

Patryk Balak

"Ulepszenie modelu obliczeniowego georeferencji dla map deformacji DInSAR"

Częstym problemem podstawowego postprocesingu danych DInSAR jest rozwiązanie przypadkowości układu odniesienia generowanych map deformacji terenu. Powszechnie stosowanym podejściem jest użycie jednego stabilnego punktu i odniesienie wszystkich map deformacji do tego położenia. W ten sposób wszystkie mapy będą miały wspólny punkt zerowy. Takie podejście jest akceptowalne w badaniach deformacji spowodowanych na przykład przez duże trzęsienia ziemi. W przypadku badań w IGiG na obszarze górniczym Śląska rozwiązanie to nie znajduje zastosowania ze względu na gęsto rozłożone strefy deformacji o mniejszych wymiarach, a także gęstą roślinność, co obniża jakość map. W celu rozwiązania tego problemu opracowano inną metodologię. Opiera się na jakości danych wyrażonej spójnością par interferometrycznych. Wybierane są najbardziej spójne i stabilne piksele w ciągu wybranego okresu i obliczany jest trend przemieszczenia na podstawie przemieszczenia pikseli. Powierzchnie trendów służą do ujednolicenia map przemieszczeń. Wraz z rozwojem badań DInSAR w IGiG stwierdzono, że ta podstawowa metoda powinna być rozwijana z uwzględnieniem większej liczby zmiennych, takich jak czas trwania i czynniki sezonowe, strefy deformacji i wegetacji. (Ilieva et al 2019).
Podczas odbywającego się stażu przeprowadzono szereg analiz statystycznych, których celem było zbadanie wpływu wyżej wymienionych zmiennych. Analiza wyników umożliwiła ustalenie odpowiedniej metody interpolacji oraz wybranie odpowiedniego czasu trwania. Podczas stażu został utworzony skrypt w języku Python, który automatyzuje post-procesing produktów DInSAR. Kod ten przyczyni się do procesu przetwarzania w ramach projektu EPOS-PL+. Uzyskane wyniki zostaną wykorzystane jako dane wejściowe do metodologii modelowania i predykcji deformacji górniczych. Udoskonalona metodologia georeferencji map deformacji DInSAR zostanie opublikowana w artykule naukowym we współautorstwie z zespołami DInSAR i AI EPOS-PL+.


Ilieva, M., Polanin, P., Borkowski, A., Gruchlik, P., Smolak, K., Kowalski, A., & Rohm, W. (2019). Mining deformation life cycle in the light of InSAR and deformation models. Remote Sensing, 11(7), 745, doi: 10.3390/rs11070745

Opiekunem stażu był dr inż. Paweł Bogusławski.

---

Aleksandra Bodylska

"Implementacja modelu mobilności ludzi w języku Python"

Staż zatytułowany “Implementacja modelu mobilności ludzi w języku Python” jest w końcowej fazie realizacji w Instytucie Geodezji i Geoinformatyki Uniwersytetu Przyrodniczego we Wrocławiu. Realizowany przez Panią mgr inż. Aleksandrę Bodylską miał na celu konwersję i częściowy rozwój agentowego modelu mobilności WHO-WHERE-WHEN (3W), powstałego w Instytucie Geodezji i Geoinformatyki, na język programowania Python.
Model pierwotnie zaimplementowany był w środowisku QGIS co ograniczało jego dalszy rozwój. W ramach stażu dokonano jego konwersji i integracji ze stale rozwijaną biblioteką programistyczną HuMobi, służącą do analizy i modelowania mobilności ludzi. Implementacja obejmowała moduły generujące dane WHEN i WHERE oraz kreację klasy agenta i jego integrację z pozostałymi modułami. Kod został w pełni udokumentowany zgodnie z obowiązującymi standardami w celu umożliwienia automatycznej generacji dokumentacji. Cały projekt prowadzony był przy wykorzystaniu systemu kontroli wersji.
W trakcie reimplementacji modelu dokonano zmian, mających na celu rozszerzenie modelu i ułatwienie jego przyszłej rozbudowy. W szczególności, implementacja modułów modelu została dokonana w sposób abstrakcyjny, umożliwiając kombinację różnych wariantów modułów. Parametry modułów, takie jak liczba generowanych lokacji istotnych dla agenta, wagi wektorów mobilności czy długość cyklu symulacji, zostały zastąpione modyfikowalnymi parametrami, które umożliwią w przyszłości testy eksperymentalnych implementacji modelu. Implementacja modelu została dokonana ze szczególnym uwzględnieniem wydajności kodu, pozwalając na znaczne przyspieszenie symulacji mobilności względem poprzedniej jego wersji. Dodatkowo, integracja z pozostałymi narzędziami biblioteki HuMobi umożliwia łatwe i efektywne przetwarzanie danych wejściowych do modelu.
Konwersja modelu i jego integracja z biblioteką HuMobi miała na celu ułatwienie i przyspieszenie dalszych prac badawczych nad mobilnością ludzi. Zwiększenie wydajności modelu i badań nad jego rozwojem przyczyni się do wzmocnienia pozycji Uniwersytetu Przyrodniczego na arenie analiz mobilności ludzi.

Opiekunem stażu był mgr inż. Kamil Smolak.

---

Tymon Lewandowski

"Sztuczna inteligencja i dane teledetekcyjne w modelowaniu obszarów podatnych na osuwanie"

W ramach stażu opracowano mapy podatności osuwiskowej dla terenów Białego Dunajca oraz okolic Jeziora Rożnowskiego z zastosowaniem algorytmów sztucznej inteligencji. W pracy wykorzystano szeroki zakres cech osuwiskowo-twórczych wytworzonych na podstawie m.in. danych teledetekcyjnych (LiDAR, Sentinel-2) czy geologicznych. Przeanalizowano również trzy metody selekcji cech osuwiskowo-twórczych: współczynnik korelacji Pearsona, analiza wariancji i niepewność symetryczna w celu zbadania ich wpływu na dokładność modelowania podatności. Na podstawie trzech zestawów danych wytrenowano model uczenia maszynowego oparty na algorytmie XGBoost. Wygenerowane mapy podatności osuwiskowej zostały ocenione na poziomej ogólnej dokładności rzędu 93% oraz precyzji i czułości równej 68% i 94% odpowiednio. Dodatkowo, metody selekcji cech osuwiskowo-twórczych okazały się nie mieć istotnego znaczenia w modelowaniu podatności osuwiskowej zaprezentowaną metodą (XGBoost wraz z szerokim zestawem cech osuwiskowo-twórczych).

Opiekunem stażu była dr inż. Kamila Pawłuszek-Filipiak.

---

Martyna Tomaszewska

"System pomiarowy do potrzeb funkcjonowania torowiska"

Systematyczne wykonywanie inwentaryzacji torów jest niezbędne w procesie zarządzania eksploatacją torowisk w systemie miejskiego transportu szynowego we Wrocławiu. Celem projektu jest udoskonalenie procesu inwentaryzacji przy wykorzystaniu technologii pomiarowych w szczególności: inercyjnych sensorów położenia, skanerów laserowych, multi-GNSS, kamer cyfrowych co ma umożliwić stworzenie wielosensorowego przyrządu pomiarowego do zbierania danych o geometrii toru. W ten sposób będzie można realizować zadania tradycyjnego wózka pomiarowego oraz drezyny pomiarowej w jednym urządzeniu za jednym przejazdem, co znacznie skróci czas pomiaru i poprawi bezpieczeństwo. Dotychczasowe rozwiązania pomiarowe dróg szynowych oparte o wózki wymagają zatrzymania do wykonania pomiaru, celem tego projektu jest skonstruowanie samojezdnej platformy do wyznaczania parametrów dróg szynowych niewymagającej zatrzymywania się. Podstawowe zadania stażysty w tym projekcie to zaproponowanie sposobu integracji i wizualizacji danych.
Opis zadań wykonanych przez stażystkę:

1. Projekt bazy danych przestrzennych – sporządzenie koncepcji bazy danych przestrzennych w programie Microsoft Access, uwzględniającej parametry geometryczne toru, wskaźniki niezbędne do oceny stanu torów, a także dane pomiarowe.
   
2. Pomiary terenowe – wykonanie pomiarów na odcinku torowiska tramwajowego znajdującego się przy ul. Adama Mickiewicza we Wrocławiu. Pomiary przeprowadzono na odcinku wyodrębnionym z ruchu samochodowego oraz wyłączonym z planowanego ruchu tramwajów z uwagi na zapewnienie bezpieczeństwa w trakcie pomiarów. Do realizacji pomiarów wykorzystano innowacyjne urządzenie mierzące geometrię dróg szynowych, na budowę którego składają się: wózek pomiarowy, skaner Leica P40, system INS i czujnik przemieszczeń liniowych PTx.
   
3. Opracowanie danych inercyjnych – przeliczenie trajektorii urządzenia pomiarowego w programie Inertial Explorer oraz obliczenie przybliżonej dokładności rozwiązania. Wykonanie analizy wiarygodności rozwiązania.
   
4. Integracja danych inercyjnych z naziemnym skanerem laserowym – zastosowanie georeferencji bezpośredniej w celu integracji danych.
   
5. Opracowanie algorytmu analizy główki szyny – opracowanie algorytmu na podstawie skanów w oparciu o skrypty Pythona oraz biblioteki: OpenCV, GDAL, PDAL.
   
6. Zasilenie bazy danych – uzupełnienie bazy danych SQL przetworzonymi danymi.
   
7. Wizualizacja informacji zawartych w bazie danych – wykonanie wizualizacji danych zawartych w bazie w oparciu o OpenSource, serwery Apache i SQL oraz GeoServer i skrypty OpenLayers.

Efektem stażu jest raport zawierający koncepcję algorytmu przetwarzania i analizy danych. Dotyczy on również sposobu integracji danych oraz propozycji ich wizualizacji. Raport ten został przedstawiony Przedsiębiorstwu GEOSTER Sp. z o.o., z którym nawiązano współpracę, a algorytm analizy główki szyny opracowany przez stażystkę zostanie wdrożony w Przedsiębiorstwie. Ponadto sposób wizualizacji danych zostanie przedstawiony kierownikowi Wydziału Sieci i Torowiska w MPK Sp. z o.o. i być może również zostanie ten element włączony do trwającego aktualnie wdrożenia modelu bazy danych wrocławskich torowisk. Wykonane przez stażystkę prace są podstawą do przygotowania publikacji naukowej.

Opiekunem stażu była dr inż. Izabela Wilczyńska.