• A
  • A
  • A
  • АБB
  • АБB
  • АБB
  • А
  • А
  • А
  • А
  • А
Обычная версия сайта
Контакты

Адрес: 101000, Москва,
ул. Мясницкая, д.13, стр. 4

Телефон: +7 (495) 772-95-90
доб. 12-604 (учебный офис),
12-368 (транспортное планирование),
12-605 (программы ДПО),
12-150 (PR и коммуникации)

Email: city@hse.ru

Руководство

Руководитель Пузанов Кирилл Александрович

Академический руководитель программы «Городское планирование» Баевский Олег Артемович

Академический руководитель программы «Управление пространственным развитием городов» Гончаров Руслан Вячеславович

Академический руководитель программы «Транспортное планирование» Кончева Елена Олеговна

Академический руководитель программы «Прототипирование городов будущего» Гуаярт Фурио Висенте

Глава в книге
Пространство, город и текст: коммуникативные стратегии постурбанизма

Замятин Д. Н.

В кн.: Восток - Запад: пространство локального текста в литературе и фольклоре. Сборник научных статей к 70-летию профессора А.Х. Гольденберга. Волгоград: Научное издательство ВГСПУ "Перемена", 2019. С. 304-310.

Препринт
Urban Public Transport Development in Russia: Trends and Reforms

Ryzhkov A., Zyuzin P.

Urban and Transportation Studies. WP BRP. Препринты ФИ, 2016. No. WP BRP 05/URB/2016 .

Победить в двух хакатонах за три дня: миссия выполнима!

Научный сотрудник ВШУ Егор Котов и выпускник факультета экономических наук ВШЭ Юрий Кульчицкий выиграли два хакатона по анализу пространственных данных Росреестра

20-21 октября 2018 г. в МИИГАиК прошёл хакатон РЕЕСТР-Hack – соревнование команд, нацеленное на поиск новых идей в области ГИС, картографии и кадастра, посвященное 10-тилетию Росреестра.

В номинации «Лучшее решение в сфере кадастровых данных» от компании Геоскан победу одержала команда «ГИС-терия» – научный сотрудник ВШУ Егор Котов и выпускник факультета экономических наук ВШЭ Юрий Кульчицкий – с проектом «Алгоритм автоматического обновления базы данных Геопортала».

Мы успешно разработали прототип обновления данных, сопоставления изменений в Росреестре с базой нарушений. Во время презентации мы провели онлайн-демонстрацию работы алгоритма. На глазах жюри мы запустили исполнение кода, который в ходе нашей пятиминутной презентации получал из Росреестра данные на новую тестовую территорию и к концу презентации автоматически показал результат анализа и сопоставления кадастровых участков и зафиксированных нарушений.

– Егор Котов

23 октября в Москве в рамках бизнес-форума Russian Artificial Intelligence Forum состоялся  RAIF Hackathon. Это был завершающий, очный этап хакатона. Всего было подано 322 заявки на участие. 51 команда вышла в финал по трём номинациям. В рамках финального этапа участникам были выданы дополнительные данные и предоставлено время для их анализа. После 4 часов доработки команды защитили свои проекты перед жюри, состоящим из экспертов крупных компаний российского рынка. Егор и Юрий работали над решением задачи Росреестра параллельно с четырьмя командами-конкурентами.

В данной работе мы занимались решением задачи предсказания стоимости кадастровой оценки объектов недвижимости. Идея задания заключалась в том, что сейчас кадастровую оценку производят вручную в отношении каждого объекта недвижимости при помощи одной из утвержденных методик. На это ежегодно уходят тысячи и десятки тысяч человеко-часов. Если можно построить модель, которая автоматически оценивает так же, как профессиональный оценщик, то эти человеко-часы можно сэкономить.

При подборе переменных и построении модели мы использовали знания об устройстве системы расселения и внутреннем устройстве городов, принципах полицентрического развития. В работе использовались преимущественно открытые данные OpenStreetMap, а также инструменты анализа данных с открытым исходным кодом – R, Python, QGIS.

Мы анализировали территорию целого региона – Чувашской Республики, это более 700 тыс. объектов недвижимости. Для работы с таким количеством пространственных данных мы приняли ряд неординарных решений и допущений, которые позволили сократить время расчетов ключевых переменных модели, в том числе расстояний до мест значительной концентрации точек интереса, относящихся к объектам обслуживания, торговле, социального обслуживания и др. Для моделирования мы применяли линейную регрессию для первичной оценки качества модели на выбранных переменных и быстрой оценки значимости переменных, а затем перешли к моделированию при помощи модели случайного леса (Random Forest) с предварительной обработкой данных при помощи fastai.

– Егор Котов