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

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 Висенте

 

Адрес: 101000, Москва,
ул. Мясницкая, д.13, стр. 4
Телефон: +7 (495) 772-95-90
доб. 12-605, 12-610 (учебный офис),
12-172 (приемная ВШУ),
12-368 (транспортное планирование),
12-150 (PR и коммуникации)
Email: city@hse.ru

Статья
Городская логистика: тренды и вызовы
В печати

Роженко М. К.

Логистика и управление цепями поставок. 2018. Т. 4. № 87. С. 53-59.

Глава в книге
Real estate expropriation in Russia: Statutory regulation and enforcement

Kosareva N., Polidi T. D., Baykova T. K.

In bk.: Routledge Handbook of Contemporary Issues in Expropriation. ROUTLEDGE JOURNALS, TAYLOR & FRANCIS LTD, 2018. P. 298-320.

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