O punktach adresowych i ich jakości wiele już razy pisałem na tym blogu. W związku z tym, że ostatnio dość intensywnie zajmuję się analizą możliwości użycia różnych rozwiązań opartych o AI w celach automatyzacji monotonnych i czasochłonnych prac, postanowiłem potestować możliwości automatycznej kontroli jakości danych punktów adresowych PRG z GUGiK.
W dniu 26.12.2025 roku pobrałem więc dane adresowe PRG w SHP i zacząłem je przetwarzać w środowisku Pythona. Użyłem ~5.5 mln punktów adresowych, które posiadały identyfikatory miejscowości i ulic, w celu sprawdzenia czy na podstawie tych atrybutów wytrenowany model będzie stanie pokazać punkty odstające. Po kilku próbach z różnymi ustawieniami i parametrami do treningu modelu, uzyskałem wytrenowany model, którym sprawdziłem dane PRG.
W celu wizualizacji wyników wytworzyłem szybki portal z wynikamii analizy. Dla możliwości sprawdzenia poprawności wskazanych błędów dodałem warstwę z WMTS GUGiK z ortofotomapą i usługą WMS PRG, które są widoczne przy dużym powiększeniu.
Wyniki działania modelu na danych PRG możecie obejrzeć na stronie https://geoinformatyka.com.pl/prg
Opis:
Czerwone linie są najkrótszymi odległościami prowadzącymi od punktu adresowego do geometrii najbliższej ulicy, której identyfikator ulicy i miejscowości jest zgodnym z tymi które są zdefiniowane w atrybutach punktu adresowego. Zielony punkt to punkt adresowy z którego linię wytworzono.
Przykładowe opisy błędów:
W przypadku poniższego obrazka, identyfikator miejscowości ulicy o nazwie Owocowa przypisany jest do punktu w sposób nieprawidłowy, gdyż odnosi się do ulicy Owocowej w innej miejscowości. (czerwony graf).
Przypisanie punktu do ulicy Słonecznej może być błędne lub geometria ulicy jest nieprzedłużona w PRG ze względu na to, że punkty są oddalone i tworzą tzw. miotłę.
Błąd położenia
Odległości wielokilometrowe dla grafów oznaczają błędy grube jak na obrazku poniżej.
Kontakt i szkolenia
Jeśli jesteście zainteresowani podobnymi analizami zarówno za pomocą grafów jak i za pomocą różnych modeli sztucznej inteligencji (dużej i małej), ale z zachowaniem poufności danych, zapraszam do kontaktu, szkoleń lub na studia podyplomowe z GIS z AI na Politechnice Gdańskiej gdzie prowadzę zajęcia z tego tematu.
PS. Model jest testowy więc zdarzają się tam również oprócz błędów sytuacje prawidłowe wynikające z lokalnych uwarunkowań. AI to nie czarodziej, jak mawia pewna moja koleżanka (pozdrawiam :)) więc trzeba by było to jeszcze przejrzeć, do czego serdecznie GUGiK i zainteresowanych czytelników zapraszam.
Dostęp do portalu i użycie zawartych tam informacji jest otwarty z wyłączeniem prasy, która na publikację danych tam zawartych musi uzyskać ode mnie pisemną zgodę.