Назови 5 способов как посчитать все желтые машины в Москве

5 способов посчитать все желтые машины в Москве

Этот вопрос — классический вопрос на интервью, который проверяет способность мыслить структурированно, находить нестандартные решения и работать с ограниченными данными. Мой подход: начну с самого простого и перейду к сложному.

Способ 1: Анализ данных Яндекс.Такси и Uber

Суть: Большинство желтых машин в Москве — это такси. Яндекс такси и Uber имеют огромные базы данных.

Шаги:

1. Связаться с Яндекс.Такси и попросить статистику

   • Сколько активных желтых машин в Москве?
   • Какой процент от всех такси?

2. Добавить машины Uber (если они желтые)

3. Добавить частное желтое такси (независимые водители)

4. Проверить лицензии такси в Мосгордуме (есть открытая база)

Результат: примерно 15,000-20,000 желтых такси.

Минусы: не считаем частные желтые машины, которые не такси.

Способ 2: Опрос и экстраполяция

Суть: Провести выборочный опрос и масштабировать результаты.

Шаги:

1. Выбрать случайные районы Москвы (10-15 районов)

2. Послать людей подсчитать желтые машины в течение дня

   • Время наблюдения: 10:00-20:00 (когда максимум трафика)
   • Места: центр района, дорога, парковка
   • Записать: сколько машин видели за 10 часов

3. Рассчитать среднее

   • Например, в одном районе видели 50 машин за день
   • В Москве 125 районов
   • Грубо: 50 × 125 = 6,250 машин

4. Умножить на коэффициент

   • Не все машины видны одновременно (парковки, подъезды)
   • Добавить 30-50% к пуле
   • Результат: 8,000-10,000 машин

Плюсы: быстро, дешево. Минусы: большая погрешность (20-30%).

Способ 3: Анализ данных ГИБДД и регистраций

Суть: Обратиться к официальным данным о регистрации автомобилей.

Шаги:

1. Запросить данные в ГИБДД (свободная информация)

   • Сколько машин желтого цвета зарегистрировано в Москве?
   • API базы ГИБДД имеет фильтр по цвету

2. Исключить неправдоподобное

   • Припаркованные машины (учитываем всех собственников)
   • Машины в гараже (не видны)
   • Машины в ремонте

3. Пересчитать на активные машины

   • Примерно 60-70% машин используются регулярно
   • Если зарегистрировано 30,000 → активных 18,000-21,000

4. Уточнить по районам

   • В центре больше такси → больше желтых
   • На окраинах меньше

Плюсы: данные достаточно точные. Минусы: нужно время на запрос, могут отказать.

Способ 4: Спутниковые снимки и компьютерное зрение

Суть: Использовать AI и спутниковые снимки для подсчета.

Шаги:

1. Получить спутниковые снимки Москвы

   • Google Earth, Yandex Maps, коммерческие источники
   • Разрешение: минимум 0.5 м на пиксель (видно цвет машины)

2. Использовать AI модель

   • Обучить нейросеть на распознавание желтых машин
   • Примеры: photos.google.com, ImageNet

3. Запустить анализ на всех снимках Москвы

   • Результат: координаты и количество желтых машин

4. Масштабировать

   • Снимки могут быть старыми (3-6 месяцев)
   • Добавить коэффициент роста такси в год (5-10%)

Плюсы: научный подход, высокая точность, универсально. Минусы: дорого (нужна мощная вычислительная техника), долго, требует expertise в ML.

Способ 5: Опрос профессионалов и экспертов

Суть: Спросить у людей, которые это знают.

Шаги:

1. Интервью с профессионалами:

   • Директор Яндекс.Такси (сколько у вас машин?)
   • Генерального директора Uber Moscow
   • Главу союза таксистов Москвы
   • Чиновников мэрии (у них есть статистика)

2. Интервью с независимыми источниками:

   • Страховых компаний (сколько застраховано желтых машин?)
   • Автостоянок (как часто припаркованы желтые машины?)
   • Водителей (знают неофициальные цифры)

3. Усреднить результаты

   • Например: Яндекс говорит 10,000, Uber говорит 3,000, профсоюз говорит 15,000
   • Среднее: ~9,000 машин

4. Добавить погрешность

   • Разброс от 8,000 до 20,000 в зависимости от определения

Плюсы: экспертное мнение, быстро, деньги на интервью. Минусы: эксперты могут врать, необъективны.

Сравнение способов

Мой рекомендуемый подход

Я бы комбинировал несколько методов:

1. День 1: Запросить официальные данные ГИБДД (параллельно)
2. День 1-3: Провести 5-10 интервью с экспертами
3. День 3-7: Анализ данных такси (Яндекс API, если доступен)
4. День 7-10: Опрос и выборочный подсчет в районах
5. День 10: Усреднить результаты из 4 источников

Итоговый результат: примерно 12,000-18,000 желтых машин в Москве.

Разброс зависит от определения:

• Только такси? → 15,000
• Такси + личные машины? → 18,000
• Только желтые такси? → 12,000

Ценность этого вопроса на интервью

Этот вопрос показывает:

• Структурное мышление: я не случайно прыгаю, а систематически разбираю задачу
• Креативность: нахожу нестандартные подходы (спутники, AI)
• Прагматизм: выбираю лучший метод по ресурсам
• Знание контекста: понимаю особенности Москвы, такси-индустрии
• Смирение: признаю ограничения каждого метода

Важнее всего: я не говорю "не знаю" или "это невозможно". Я говорю "вот как я это выясню".