фото показано с : niasam.ru

По сути, сервис представляет собой математический алгоритм сбора, хранения и обработки разрозненных массивов больших данных. Ученые Самарского университета разработали прототип сервиса для объективной оценки недвижимости. Он основан на математическом алгоритме, который позволяет подобрать квартиру с учетом различных факторов городской среды таким образом, чтобы они максимально соответствовали образу жизни будущих владельцев. Помимо привычных критериев, влияющих на цену квадратных метров (район проживания, тип застройки, этаж, площадь квартиры и ее кадастровая стоимость), сервис предлагает более тонкую - практически индивидуальную настройку, которая объединяет более 20-ти дополнительных параметров. К ним разработчики отнесли - коммуникационные факторы, касающиеся транспортной доступности жилья (удаленность от центра города, набережной, парков и скверов; транспортная загруженность, количество маршрутов общественного транспорта и расстояние до их остановок). Локальные - наличие парковок, объектов социальной, культурной и спортивной инфраструктуры в пешей доступности от желаемой квартиры. А также внутренние факторы - состояние двора, год постройки здания, его износ и дата проведения последнего ремонта, наличие пассажирских и грузовых лифтов и т.д. По сути, сервис представляет собой математический алгоритм сбора, хранения и обработки разрозненных массивов больших данных (Big Data), представляемых в виде геоинформационной карты. «На карту нанесено несколько слоев информации, которые содержат данные о множестве объектов, имеющих как адресную, так и геоинформационную привязку. С помощью одного клика вы получите полную характеристику интересующей квартиры, ее положения в пространстве, то есть всего того, что ее окружает, и рассчитаете ее объективную стоимость», - поясняет методологию сотрудник Института информатики, математики и электроники, доцент Самарского университета Андрей Чернов. Уже сейчас сервис позволяет сделать расчет времени на дорогу от потенциального жилья до места работы как на личном, так и общественном транспорте, оценить удобство расположения близлежащих образовательных, социальных и спортивных объектов, а также сделать вывод о доступности и качестве предоставления различных социальных услуг. Ученый приводит наглядный пример: «Допустим, я хочу жить в историческом центре Самары в 10-ти минутах от набережной и чтобы рядом были хорошая школа для ребенка, парк и детская площадка. При этом у меня детская коляска и я понимаю, что спустится к набережной по ближайшей неотремонтированной дороге будет крайне трудно. Когда надо учесть больше 10-ти или 20 подобных факторов, решить задачу становится все сложнее. Особенно, если эти факторы нечеткие и противоречат друг другу: к примеру, я хочу, чтобы транспортные развязки были в пешей доступности от дома, но при этом, чтобы до меня не доносился шум машин». Разработчики также подчеркивают, изначально их проект разрабатывался под геоинформационные характеристики Самары, но потенциально он может быть спроецирован на любой город-миллионник России. источник »

100 +