Russian Journal of Housing Research Russian Journal of Housing Research Жилищные стратегии 2410-1621 2412-9089 BIBLIO-GLOBUS Publishing House 121504 10.18334/zhs.11.3.121504 TVXGXK Articles Статьи Research Article Data sources and machine learning at the pre-investment stage of territorial development projects Источники данных и машинное обучение на прединвестиционой стадии проектов развития территорий https://orcid.org/0000-0002-7993-91119619-4284 Gareev Ilnur Failovich Гареев Ильнур Фаилович

доцент кафедры «Экспертиза и управление недвижимостью», кандидат экономических наук

 igareev@mail.ru https://orcid.org/0000-0001-6207-82903002-0168 Akhmetgaliev Timur Aleksandrovich Ахметгалиев Тимур Александрович

аспирант кафедры «Экспертиза и управление недвижимостью»

 timur280991@list.ru Yunusov Rashid Ramilevich Юнусов Рашид Рамилевич

студент

 r.yunusov02@mail.ru 30 09 2024 11 3 VOL 11, NO3 (2024) ТОМ 11, №3 (2024) 409 426 05 08 2024 Copyright ©; 2024, Gareev I.F., Akhmetgaliev T.A., Yunusov R.R. Copyright ©; 2024, Гареев И.Ф., Ахметгалиев Т.А., Юнусов Р.Р. 2024 Gareev I.F., Akhmetgaliev T.A., Yunusov R.R. Гареев И.Ф., Ахметгалиев Т.А., Юнусов Р.Р. https://1economic.ru/lib/121504

When conducting urban analysis within the framework of justifying the marketing-architectural concept of the project, a number of data sources are collected and systematized. The research purpose was to evaluate the possibility of applying machine learning in this area. The obtained results show the high potential of information technologies for justifying the decision on the spatial development. The obtained conclusions will be useful for professional participants of the real estate market.

При проведении градостроительного анализа в рамках обоснования маркетинго-архитектурной концепции проекта сбору и систематизации подвергается массив исходных данных. Цель нашего исследования является оценка возможности применения машинного обучения в данной области. Полученные результаты свидетельствуют о высоком потенциале информационных технологий для обоснования решения по развитию территорий. Полученные выводы будут полезны для профессиональных участников рынка недвижимости.

 data sources machine learning urban planning analysis investments spatial development источники данных машинное обучение градостроительный анализ инвестиции развитие территорий 1. Акристиний В.А. Основные направления градостроительного анализа при реализации инвестиционно-строительных проектов // Недвижимость: экономика, управление. – 2018. – № 4. – С. 69-74. – EDN: TXDYGT 2. Афонина М.И., Дьяченко Д.А. Градостроительный анализ природного каркаса в генеральных планах для прогнозирования общей экологической ситуации на примере г.Севастополь // Экономика строительства и природопользования. – 2021. – № 1 (78). – С.95-101. DOI: 10.37279/2519-4453-2021-1-95-101 – EDN: NFOICV 3. Боченина М.В. Применение метода коинтеграции структурных данных в анализе рынка жилой недвижимости // Вопросы статистики. – 2021. – Т. 28, № 5. – С. 79-85. – DOI 10.34023/2313-6383-2021-28-5-79-85. – EDN: WPQKSX. 4. Гареев И.Ф. Информационные системы и источники данных для проектов жилищного строительства // Жилищные стратегии. – 2018. – Том 5. – № 4. – С. 531-560. – doi: 10.18334/zhs.5.4.39715. – EDN: BVZZYW 5. Енин А.Е., Суровцев И.С., Литвинова Т.А. Проблемы градостроительного развития малых исторических городов 0412оронежской области: ретроспективный анализ и прогнозирование // Научный вестник Воронежского государственного архитектурно-строительного университета. Строительство и архитектура. – 2011. – № 4 (24). – С. 188-195. – EDN: OJXXZF 6. Ерзин И.В., Жукова О.А. Пейзажно-пространственная функция приречных территорий в контексте градостроительного развития // Ландшафтная архитектура в эпоху глобализации. – 2020. – № 3. – С. 5-12. – DOI: 10.37770/2712-7656-2020-3-5-12. – EDN: LDURUI 7. Игнатьев Ю.В., Костин А.М., Горбатенко А.А. Кадастрово-градостроительный анализ городской застройки // Вестник Южно-Уральского государственного университета. Серия: Строительство и архитектура. – 2014. – Т. 14. – № 1. – С. 5-8. – EDN: SCNNPX 8. Кельчевская Н.Р., Колясников М.С. Использование больших данных в стратегическом управлении знаниями компании, следующей трендам Индустрии 4.0 // Лидерство и менеджмент. – 2020. – Том 7. – № 3. – С. 405-426. – doi: 10.18334/lim.7.3.110662. – EDN: FXWSJJ 9. Леонов В.В. Пространственные методы в анализе динамики развития градостроительных показателей // Промышленное и гражданское строительство. – 2020. – № 11. – С. 69-74. – DOI: 10.33622/0869-7019.2020.11.69-74. – EDN: KTHJEH 10. Лясников Н.В., Буркальцева Д.Д. Опыт проектирования базы данных и алгоритма её использования для оценки и прогнозирования социально экологических рисков в региональных экономиках // Экономика и социум: современные модели развития. – 2019. – Том 9. – № 1. – С. 77-86. – doi: https://doi.org/10.18334/ecsoc.9.1.40539 – EDN: ELXCBZ 11. Мелёхина Е.С. Комплексный анализ факторов, влияющих на ландшафтно-градостроительную организацию рекреационных зон // Вестник Донбасской национальной академии строительства и архитектуры. – 2023. – № 2 (160). – С. 133-138. – EDN: AIQBHL 12. Моисеев Ю.М. Информационная ценность плана: постановка задач градостроительного анализа // Архитектура и строительство России. – 2013. – № 11. – С.2-13. – EDN: RLSYYZ 13. Наумов А.Е., Щенятская М.А., Шарапова А.В. Рациональное целеполагание в планировании градостроительной политики на основе метода анализа иерархий // Недвижимость: экономика, управление. – 2017. – № 2. – С. 47-50. – EDN: ZXLZJV 14. Просянюк Д.В. Возможности применения контент-анализа для оценки восприятия градостроительного проекта // Речевые технологии. – 2023. – № 4. – С. 73-82. – EDN: HSAOFK 15. 2023Пылаева А.В., Кольченко О.В. Мониторинг рынка недвижимости в условиях создания Национальной системы пространственных данных // Интерэкспо Гео-Сибирь. – 2023. – Т. 1, № 2. – С. 65-73. –DOI: 10.33764/2618-981X-2023-1-2-65-73. – EDN: YZWJXP. 16. Суворов С.В., Царькова Н.И., Конова О.С. Методология применения больших данных для исследования рынка недвижимости // Финансовая экономика. – 2019. – № 11. – С. 503-506. – EDN: EICHMU 17. Страшнова Ю.Г. Социальная инфраструктура города: ретроспективный анализ и направления градостроительного развития // Биосферная совместимость: человек, регион, технологии. – 2023. – № 1 (41). – С.41-52. – DOI: 10.21869/2311-1518-2023-41-1-41-52. – EDN: XGQPEW 18. Сухинина Е.А. Анализ методов экологической оценки градостроительных проектных решений // Градостроительство и архитектура. – 2022. – Т. 12. – № 1 (46). – С. 123-132. – DOI: 10.17673/Vestnik.2022.01.16 – EDN: UQOHSD 19. Терников А.А. Методы сбора и анализа данных при прогнозировании стоимости квадратного метра на рынке недвижимости // Математическое и компьютерное моделирование в экономике, страховании и управлении рисками. – 2016. – № 1. – С. 289-293. – EDN: XELUQY. 20. 21.