На этой неделе мы выпустили новое исследование о московских пробках. Оно рассказывает о том, где и когда образуются дорожные затруднения, какие трассы едут хуже и лучше всего в часы пик и как изменилась дорожная ситуация по сравнению с прошлым годом. Впервые за последние несколько лет загруженность столичных дорог не увеличилась, и этой осенью пробок в Москве было даже немного меньше, чем в прошлом году.

Кроме того, мы выяснили, из каких районов города быстрее добираться до центра и наоборот. Для этого посчитали, сколько времени займёт поездка на автомобиле между случайной точкой в любом месте города и точкой внутри ТТК — одной из тех, которые пользователи Яндекса указали как место работы при расчёте пробок на своем маршруте. Всего мы измеряли время для более чем 20 миллионов таких маршрутов — с сентября по ноябрь. Затем разделили карту Москвы на квадраты со стороной 100 метров и закрасили их в зависимости от среднего времени проезда из точек этого квадрата в центр или обратно.

Из зелёных квадратов автомобилисты добираются быстрее, из красных — дольше. Для точек в местах, где невозможно проехать на машине — например, лесов или водоёмов — считалось время от ближайшей дороги. Как видно, самое неудачное время для поездки в центр — с 8:00 до 10:00 утра. Дольше всех в эти часы до работы едут жители востока и юго-востока столицы.


 

Вечером домой большинство московских автомобилистов едут дольше, чем утром на работу.



Сколько времени водители тратят на то, чтобы проехать отдельные участки дорог Москвы, вы можете посмотреть на карте времени проезда по крупнейшим трассам.

Совсем недавно мы выпустили альфа-версию нового Яндекс.Браузера, чтобы показать, каким представляем себе браузер ближайшего будущего. Мы верим, что это будущее не за горами, а пока продолжаем работу над тем, чтобы улучшить настоящее — и обновляем привычную версию браузера.

В этом обновлении мы добавили поддержку средств экранного доступа для слабовидящих. Теперь Яндекс.Браузер поддерживают программы NVDA и JAWS, которые помогают слабовидящим работать за компьютером. Кроме того, в браузере появилась возможность открывать безопасные копии страниц, содержащих вредоносный код, а режим Турбо научился включаться заранее.

Подробнее о новых возможностях читайте в блоге Яндекс.Браузера.

В сентябре мы запустили сервис Яндекс.Мастер — агрегатор компаний, которые занимаются бытовыми услугами. Мастер помогает справиться с любыми делами по дому. Неважно, что вам понадобилось, — убраться в квартире, проложить плинтус или привезти товар из магазина, — достаточно просто оставить заявку на сервисе, дождаться, пока её примут, и выбрать исполнителя.

Но есть одна проблема. Цены за одну и ту же работу у разных фирм могут разительно отличаться. И чем вызвана эта разница, как правило, непонятно. А мы не любим, когда что-то непонятно. Поэтому начиная с сегодняшнего дня цены на услуги Яндекс.Мастера будут не выше определённой суммы.


Стоимость установки окон, уборки, ремонта стиральной машины и других услуг теперь не зависит от того, какую компанию вы выбираете для выполнения поручения. Благодаря этому вы можете не беспокоиться о цене и при выборе исполнителя ориентироваться только на описание, рейтинг компаний и отзывы других клиентов.

Цены на услуги Яндекс.Мастера складываются из тарифа, умноженного на количество часов работы, а также платы за использование специального оборудования и расходные материалы. Мы устанавливали цены вместе с партнёрами, и они не превышают средних по городу. Например, в Москве минимальная стоимость уборки будет составлять не более 1200 рублей за три часа, а услуги электрика обойдутся максимум в 800 рублей в час.

Команда Яндекс.Мастера тщательно следит за тем, чтобы качество услуг соответствовало вашим ожиданиям. Мы рассматриваем все жалобы и принимаем участие в решении спорных ситуаций с партнёрами.

Воспользоваться услугами Яндекс.Мастера можно на странице master.yandex.ru или с помощью приложения для iPhone. Пока Яндекс.Мастер работает в Москве и Санкт-Петербурге, но другие города на подходе.

Сегодня мы открыли новое направление по работе с «большими данными» — Yandex Data Factory. В рамках YDF компании, которые имеют дело с огромными массивами информации, смогут решать свои задачи с помощью технологий Яндекса.

Чёткого определения у понятия «большие данные» нет. Одно из первых описаний предложили в 2001 году — оно известно как принцип «трёх V». Данные называют большими, если они обладают тремя признаками: большой объём (volume), многообразие (variety) и скорость (velocity). Последнее означает, что данные постоянно обновляются и нуждаются в своевременной обработке.

С «большими данными» имеют дело практически в любой сфере бизнеса: от банковского дела до телекоммуникаций, от коммунального хозяйства до здравоохранения. Компании собирают и хранят множество информации: планы, отчёты, сведения о действиях клиентов, показания датчиков, настройки оборудования, характеристики продукции, видео с камер наблюдения. Эта информация объёмна, разнообразна и зачастую обновляется в режиме реального времени.

Умение анализировать «большие данные» даёт много преимуществ. Выявив закономерности в данных, банк, например, сможет определить, какие продукты предложить клиентам, а поставщик коммунальных услуг — предсказать аномальные всплески потребления горячей воды и подготовиться к ним. Сложность, однако, состоит в том, что для анализа «больших данных» — в силу их объёма и разнородности — необходимы специальные инструменты. Такие инструменты есть у Яндекса.


В число технологий, которые используются для анализа данных в Yandex Data Factory, входят метод машинного обучения Матрикснет, глубокие нейронные сети, распознавание образов и речи, рекомендательные системы. Все они были разработаны Яндексом для собственных нужд — и собственных данных. Матрикснет мы изначально создавали для составления формулы ранжирования в поиске — а потом он стал использоваться и для прогнозирования пробок в Яндекс.Картах, и для таргетинга рекламы в Яндекс.Директе, и для машинного перевода текстов с одного языка на другой в Яндекс.Переводе.

Со временем мы убедились, что наши алгоритмы могут применяться и в отраслях, не связанных с интернетом — так как они не анализируют содержание данных, а выявляют в них закономерности. Первым опытом применения технологий Яндекса в сторонних проектах стало сотрудничество с Европейским центром ядерных исследований (CERN). В частности, Матрикснет лёг в основу системы поиска редких событий — данных о столкновениях частиц — в эксперименте LHCb на Большом адронном коллайдере.

В Яндексе работают очень сильные специалисты по анализу данных. А кроме того, у нас есть система их подготовки. С 2007 года обучением в этой области занимается Школа анализа данных. В 2014 году Яндекс и Высшая школа экономики открыли факультет компьютерных наук, в состав которого входит департамент больших данных и информационного поиска.

Перед публичным запуском Yandex Data Factory мы провели несколько пилотных проектов по обработке «больших данных» с компаниями-партнёрами. В частности, для компании, обслуживающей линии электропередач, в Yandex Data Factory создали систему, которая анализирует сделанные беспилотниками снимки и автоматически выявляет угрозы: например, деревья, растущие слишком близко к проводам. А для автодорожного агентства проанализировали данные о загруженности дорог, качестве покрытия, средней скорости движения транспорта и аварийности. Это позволило в режиме реального времени составлять прогноз заторов на дорогах на ближайший час и выявлять участки с высокой вероятностью ДТП.

Услугами Yandex Data Factory могут воспользоваться как российские, так и зарубежные компании из разных отраслей. Подробности о Yandex Data Factory можно узнать на сайте проекта.