/Разборы задач
6 ноября 2026
Райтап на задачу «Большая банка супа»
Находим огромную банку супа по фотографиям и картам Алматы и определяем координаты с двумя знаками после запятой.102
129
Итак, нам дано следующее: озеро где-то в Норвегии, через него проходит линия электропередачи с вольтажем 132 кВ, и менее чем в 5 км от озера имеется подстанция.
На фото также имеется здание — в правой части изображения. Необходимо найти название озера и ближайшей подстанции.
Пробуем Яндекс Поиск по картинкам и Google Lens. Добавляем уточнения про ЛЭП, озеро, Норвегию — безрезультатно. В этой стране, как известно, озёр немало:
Перебор был бы долгим)
Решение данной задачи потребует нестандартного подхода — использования таких инструментов, как Overpass Turbo (сервис требует подключения к интернету, может с трудом обрабатывать большие данные) или QGIS (программа для работы с геофайлами, также позволяющая осуществлять поиск по геоданным, однако тогда нам придётся скачать файл со всеми геоданными по Норвегии).
Итак, начнём наш разбор с Overpass Turbo.
Первым шагом будет определить все места в Норвегии, где расположены ЛЭП с вольтажем 132 кВ.
Переходим, например, на этот сайт.
В поле с программой вставляем этот код:
[out:json][timeout:600];
// Определяем геообласть для поиска
{{geocodeArea:norway}}->.searchArea;
// Выводим все результаты и объекты, у которых есть параметр voltage с показателем 132000
nwr["voltage"="132000"](area.searchArea);
out geom;Ждём ответа от сервера и получаем следующую картину:
Мда, мест, где у ЛЭП оказался вольтаж 132 кВ, действительно много.
Пока что попробуем посмотреть на другой параметр — озёра:
[out:json][timeout:600];
// Определяем геообласть для поиска
{{geocodeArea:norway}}->.searchArea;
// Выводим все полигоны, у которых есть параметр water, то есть водоём с значением lake - озеро.
relation["water"="lake"](area.searchArea);
out geom;Выводится очень много данных. Теперь попробуем объединить. Нужно найти все места, где ЛЭП с вольтажем 132 кВ пересекают озёра. Пересечение — это, по сути, расстояние от объекта, меньшее либо равное 0.
К сожалению, программа для решения подобной задачи может не запуститься локально, поэтому мы поменяем подход — перейдём к Python и специализированной библиотеке для анализа геоданных GeoPandas.
Сначала скачаем GeoJSON-файлы из предыдущих шагов: lakes.geojson и 132kv.geojson — озёра Норвегии и ЛЭП 132 кВ соответственно. Для этого нажмём на Export в верхней панели и выберем формат GeoJSON.
Файлы озёр могут весить много — порядка 150 МБ. Будьте готовы освободить место под них.
Теперь нам необходимо написать скрипт для обнаружения пересечений озёр и ЛЭП:
from pathlib import Path
import geopandas as gpd
# Указываем папку,в которой лежат наши GeoJSON-файлы, находящуюся в текущей директории
path = Path(__file__).parent / "data"
# Читаем файлы с даннами по озёрам и ЛЭП
lakes = gpd.read_file(path / "lakes.geojson")
_132kv = gpd.read_file(path / "132kv.geojson")
# Приводит озёра и ЛЭП к одной системе координат - CRS
lakes = lakes.to_crs(_132kv.crs)
# Фильтруем, оставляя полигоны для озёр и линии для ЛЭП
lakes = lakes[lakes.geometry.type == "Polygon"]
_132kv = _132kv[_132kv.geometry.type == "LineString"]
# Самая важная часть - задаём пересечения озёр и ЛЭП
output = gpd.sjoin(lakes, _132kv, how="inner", predicate="intersects")
# Сохраняем получившееся в GeoJSON
output.to_file(path / "output.geojson", driver="GeoJSON")Запускаем скрипт и получаем файл data/output.geojson!
Открыть его можно, например, тут.
Импортируем файл и получаем вполне приятный результат:
Визуально озёр не так много, и мы можем просто перебрать все, однако можно сузить круг подозреваемых за счёт анализа окружающей природы на фото.
Воспользуемся этим прекрасным сайтом. Кстати, он очень полезен для многих OSINT-тасок.
Мотаем страницу и ищем похожую растительность:
Отлично! Теперь мы знаем, что перед нами, скорее всего, южная Норвегия. Мы не можем утверждать с полной уверенностью, но, так как здесь вероятность выше, поиск мы также начнём с данного региона.
В целом совсем необязательно, что в месте съёмки были панорамы, поэтому определять, подходит ли нам озеро, мы будем по спутниковым снимкам.
Открываем Google Maps и выбираем слой со спутниковыми данными. Итак, мы в южной Норвегии. Как известно, столицей страны является Осло, располагающийся в этом же регионе. Предположим, что наш фотограф мог находиться где-то относительно недалеко от столицы.
Ближайшие озёра к Осло по нашим обработанным данным:
Mjøsa
Tisjøen
Мьёса — довольно большое озеро, более того, самое большое в стране. В целом место съёмки могло находиться и там, однако понадеемся на удачу и начнём с более маленького озера — Tisjøen:
Прогуляемся по берегу в режиме спутниковой съёмки. Ключевые объекты с фото — дома.
Мы знаем, что у одного из зданий чёрная крыша и имеется подобие крыльца.
Кажется, мы нашли что-то похожее:
Качество оставляет желать лучшего, поэтому сменим платформу на более отечественную:
Ура! Чёрная крыша и крыльцо чётко обозначены. Также можно различить сам жёлтый цвет здания.
Следовательно, название озера найдено — Tisjøen.
Однако напоминаю, что частью задания также является поиск ближайшей подстанции к озеру.
Для обнаружения подобных объектов на карте воспользуемся непосредственно OpenStreetMap.
На этом изображении мы как раз видим ту самую ЛЭП с фото. Логично предположить, что и подстанция принадлежит данной ЛЭП.
Отправимся вперёд по ЛЭП, ближе к поселению Hurdal torg.
Первая попавшаяся подстанция будет являться ближайшей к озеру — Hurdal trafo.
Проверим, что подстанция ближайшая: пойдём по ЛЭП в другую сторону — к Minnesund:
Там ЛЭП пройдёт через весь город, и подстанция будет расположена сильно дальше от озера, чем первый вариант.
Итак, формируем флаг согласно условию — brunner{tisjøen_hurdal_trafo}.
Флаг принимался системой в момент проведения соревнования — и таска решена!
Ключевой идеей в этой таске было использовать нестандартный подход в виде сужения круга подходящих под условие мест на основе геоданных.
Понравилась статья? Добавь в избранное, чтобы можно было перечитать ещё раз.