• 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

Книга
Право и климат планеты

Под редакцией: Ю. А. Тихомиров, С. А. Боголюбов, Н. В. Кичигин

Юстиция, 2018.

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 .

Команда выпускников НИУ ВШЭ выиграла хакатон Urban. Tech Challenge

Выпускник факультета экономических наук НИУ ВШЭ Юрий Кульчицкий, младший аналитик ВШУ Ирина Карасельникова и выпускница ВШУ Елизавета Беспалова разработали модель, позволяющую повысить эффективность управления недвижимым имуществом города Москвы

7-10 декабря в Москве состоялся хакатон Urban. Tech Challenge – крупнейшее городское соревнование для разработчиков программных продуктов, направленное на создание новых цифровых сервисов для повышения качества городской среды и для улучшения цифрового ландшафта столицы. Хакатон был организован компанией Deworkacy совместно с ведущими технологическими корпорациями при поддержке Правительства Москвы. В соревновании приняло участие более 100 команд по четырём направлениям:

  1. Технологические решения для мониторинга и анализа данных из открытых источников (big data)
  2. Создание систем территориального анализа и интеграция моделей совместного потребления в ритейле (retail tech)
  3. Современные решения в области строительства и управления городской недвижимостью (real estate tech)
  4. Комплексные системы повышения прозрачности процедур контроля, проектирование и оптимизация путей пользователя (advanced analytics).

По треку «Анализ недвижимости» (Smart Property) в рамках третьего направления победу вновь одержала команда сотрудников и выпускников ВШЭ.

Команда-победитель Gisteria во главе с выпускником факультета экономических наук НИУ ВШЭ Юрием Кульчицким разработала модель для Департамента городского имущества Москвы, позволяющую повысить эффективность управления недвижимым имуществом в собственности города. Совместно с Юрием над моделью работали выпускницы Высшей школы урбанистики – младший аналитик ВШУ Ирина Карасельникова и аналитик Центра городской экономики КБ «Стрелка» Елизавета Беспалова.

Ирина Карасельникова так рассказала о задаче, над которой работала их команда:

Сегодня порядка 70% аукционов признаются несостоявшимися – объекты, выставляемые на торги, не находят покупателя/арендатора. Это, безусловно, сказывается на бюджете: десятки миллиардов рублей в год – недополученная прибыль и эксплуатационные расходы, которые вынужден нести город за простаивающие объекты.

Разработанное нами решение отвечает на три ключевых вопроса:

- продавать или сдавать в аренду конкретный объект недвижимости?
- по какой цене продавать/сдавать, чтобы торги состоялись?
- какой вид деятельности будет выгоден для арендатора в данной локации?

В основе решения лежит модель случайного леса (random forest), также использовалась логистическая регрессия, учитывались параметры, характеризующие как сам объект, так и рынок недвижимости, насыщенность прилегающей территории точками притяжения разной типологии. Она позволяет предсказывать оптимальный тип сделки и цену, указывает, какой тип бизнеса является привлекательным на этом месте. Дальнейшая интеграция с сервисами Москвы (data.mos.ru, investmoscow.ru) и использование фискальных данных позволяет увеличить точность модели.
В дополнение к основному решению (веб-интерфейсу для сотрудников, позволяющему определить оптимальные параметры для одного или нескольких объектов недвижимости) было предложено маркетинговое решение – стикер, генерирующийся автоматически, который содержит в себе описание объекта и набор рекомендаций, позволяет перейти на портал с аналитикой. Такие стикеры можно размещать на пустующих объектах, привлекать тем самым внимание горожан, повышая доступность информации об объектах недвижимости для потенциальных арендаторов.

Ирина Карасельникова, младший аналитик ВШУ

Главный приз победителям вручал лично глава Департамента информационных технологий города Москвы Эдуард Анатольевич Лысенко.

Вторая команда в этот раз не получила призовых мест, но разработала уникальную технологию построения высокоточных изохрон. Над задачей работали научный сотрудник ВШУ Егор Котов, ГИС-разработчик BestPlace Дмитрий Лебедев и аналитик сервиса Яндекс.Недвижимость Анна Львова.

О сущности разработанной технологии рассказал участник команды Егор Котов:

В настоящее время классический способ построения изохрон, используемый в абсолютном большинстве сервисов, основан на построении матрицы издержек времени на перемещение между папами некоторого облака точек с использованием графа улично-дорожной сети. Затем точки с одинаковым временем доступности от исходной точки соединяются методом минимальной ограничивающей геометрии. На выходе получаются зоны, в которые попадают какие-либо объекты, интересующие исследователя, на основе этих пересечений производится, например, расчет численности населения, проживающего в N минутах от определенного места. Этот метод в основном применяется в геомаркетинговых исследованиях и исследованиях транспортной доступности, он давно известен и более чем достаточен для таких целей, но не очень точен, некоторая ошибка в расчетах все же есть.

Для конкретной задачи Департамента торговли и услуг г. Москвы (ДТиУ) такой способ был категорически неуместен. Для ДТиУ было важно объективно отразить зоны запрета продажи алкоголя в соответствии с Постановлением Правительства Москвы от 28 декабря 2005 г. N 1069-ПП (это 25-ти и 100-метровые зоны для различных типов объектов – от двери до двери), а не обозначить «примерные зоны запрета» путем построения буферных зон или изохрон, построенных «классическим» способом, который для данной задачи дает недопустимые ошибки, преувеличивая размер зоны на 30-100 метров. В таком случае в зоны запрета включаются здания, на которые на самом деле, в соответствии с регламентом, запрет не распространяется.

Специально для решения этой задачи мы разработали уникальный способ построения высокоточных изохрон на основе графа улично-дорожной сети OpenStreetMap с использованием языка Python и библиотек NetworkX и OSMNx.

С использованием нашего алгоритма, при наличии достоверных данных о входах в здания, можно перестраивать зоны для всей территории Москвы меньше, чем за 5 минут. Обновление графа УДС для расчетов занимает около 2 часов и может также производиться ежедневно, например в ночные часы. Вместо графа из OpenStreetMap могут использоваться любые другие данные об УДС, если они есть в распоряжении города.

– Егор Котов, научный сотрудник ВШУ