Команда выпускников НИУ ВШЭ выиграла хакатон Urban. Tech Challenge
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:
- Технологические решения для мониторинга и анализа данных из открытых источников (big data)
- Создание систем территориального анализа и интеграция моделей совместного потребления в ритейле (retail tech)
- Современные решения в области строительства и управления городской недвижимостью (real estate tech)
- 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
Карасельникова Ирина Васильевна
Котов Егор Андреевич