Мы используем файлы cookies для улучшения работы сайта НИУ ВШЭ и большего удобства его использования. Более подробную информацию об использовании файлов cookies можно найти здесь, наши правила обработки персональных данных – здесь. Продолжая пользоваться сайтом, вы подтверждаете, что были проинформированы об использовании файлов cookies сайтом НИУ ВШЭ и согласны с нашими правилами обработки персональных данных. Вы можете отключить файлы cookies в настройках Вашего браузера.
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
Высшая школа урбанистики имени А.А. Высоковского (ВШУ) — научно-образовательное подразделение Факультета городского и регионального развития Национального исследовательского университета «Высшая школа экономики». Миссия ВШУ – критическое осмысление и формирование профессиональных практик планирования и управления развитием урбанизированных территорий. Ключевая цель Школы – формирование научно-исследовательского и проектного центра международного уровня, фокусирующегося на всём спектре проблем, с которыми сталкиваются современные города в условиях лавинообразной интенсификации потоков информации, существенного усложнения всех сфер городской жизни и расширения творческих, экономических и социальных устремлений жителей.
55 бюджетных мест
5 государственных стипендий Правительства РФ для иностранцев
30 платных мест
5 платных мест для иностранцев
60 бюджетных мест
3 государственные стипендии Правительства РФ для иностранцев
15 платных мест
3 платных места для иностранцев
40 платных мест
М.: Институт всеобщей истории РАН, 2022.
Шилова Н. В., Левин М. И.
Финансы и бизнес. 2023.
В кн.: Воображаемые картографии: Карта и географическое воображение в истории и культуре. Материалы междисциплинарной научной конференции (Москва, 8–9 декабря 2022 г.). М.: Институт всеобщей истории РАН, 2022. С. 107-113.
Muleev Y. Y.
Urban and Transportation Studies. URB. НИУ ВШЭ, 2020. No. 9.
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.
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.