Управление придомовыми территориями с использованием искусственного интеллекта
Кульков А.А.1 
1 Казанский государственный архитектурно-строительный университет, Казань, Россия
Статья в журнале
Жилищные стратегии (РИНЦ, ВАК)
опубликовать статью | оформить подписку
Том 13, Номер 2 (Апрель-июнь 2026)
Аннотация:
Качество придомовой территории играет ключевую роль в привлекательности жилья для покупателей, напрямую влияя на его рыночную конкурентоспособность. Предложение охватывает не только ландшафтный дизайн и озеленение, но также развитую инфраструктуру и прочие составляющие, определяющие привлекательность жилого комплекса для потенциальных покупателей. Благоустроенная придомовая территория является существенным конкурентным преимуществом при выборе недвижимости, особенно на насыщенном рынке. Согласно проведенным исследованиям, доступность рекреационных пространств, таких как зеленые насаждения, игровые комплексы и зоны досуга, совпадает с повышением удовлетворенности проживанием и является значимым драйвером увеличения капитальной стоимости объектов недвижимости. В контексте современного глобального развития, искусственный интеллект демонстрирует значительный рост популярности, и строительная отрасль должна активно интегрировать его возможности. Интеграция искусственного интеллекта в строительную сферу, как правило стимулирует её развитие. И впоследствии формирует оптимальные условия для деятельности персонала. В настоящем исследовании анализируются потенциальные применения искусственного интеллекта с целью разработки оптимальной и высокоэффективной модели управления и организации придомовых территорий. Данная статья предназначена для специалистов строительных компаний, ответственных за установку малых архитектурных форм и элементов ландшафтного дизайна. В свою очередь, эти элементы находят применение на придомовых территориях многоквартирных зданий. Проведенное на основе этого исследование обладает как практической значимостью, так и актуальностью
Ключевые слова: искусственный интеллект, многоквартирный жилой дом, малые архитектурные формы, оценка стоимости, придомовая территория
JEL-классификация: O33, R31, R52, C63
Введение
Актуальность настоящего исследования обусловлена тем, что интеграция искусственного интеллекта открывает широкие перспективы для повышения производительности, стимулирования инновационной деятельности и более полного удовлетворения общественных запросов. Искусственный интеллект способен значительно улучшить процесс организации придомовых территорий. Его применение охватывает анализ исходных данных, оптимизацию планировки, соблюдение строительных норм, экономию ресурсов, симуляцию, выявление нарушений и планирование транспортных потоков.
Отечественные исследователи активно занимаются изучением вопросов, связанных с выбором и интеграцией малых архитектурных форм для создания функциональных и эстетически привлекательных пространств на детских и спортивных площадках, а также в зонах отдыха для взрослых. Их научные изыскания предлагают широкий спектр концептуальных подходов, методов и рекомендаций для эффективного решения данной проблемы. В работах отечественных авторов таких как: Богомолов А.И., Харитонова А.Е. [1], Мартьянова Е.В., Полбин А.В. [2], Ванюшев А.А., Мокшин В.В., Мавлиев Л.Ф. [3], Заведеев Е.В., Бигаев Г.В. [4], Джумалиев Н.Т. [5] отражены различные аспекты этой проблемы.
Цель исследования это изучить современные тенденции применения искусственного интеллекта в организации придомовой территории многоквартирных жилых домов, а также определение величины экономии разработки лучшей и наиболее эффективной модели с помощью искусственного интеллекта.
Научная новизна представленного исследования заключается в определении того, как повлияет организация придомовой территории с помощью искусственного интеллекта и без неё на стоимость жилья в многоквартирных жилых домах.
Придомовая территория будет рассмотрена как с точки зрения потребителей, так и застройщиков [7]. Для потребителей она обеспечивает комфортные условия для жизни и отдыха, улучшая качество жизни и повышая удовлетворенность от проживания в жилом комплексе. Для застройщика придомовая территория является важным элементом маркетинга и конкурентоспособности на рынке недвижимости.
Грамотно организованная и благоустроенная придомовая территория может стать значительным преимуществом при выборе жилья, влияя на решение потенциальных покупателей [8].
Основная часть
В условиях текущих экономических и социальных препятствий, потребность в новом жилье сохраняется на высоком уровне [9].
Помимо прочего, доступность жилья для населения обеспечивается за счет государственных программ поддержки и льготного ипотечного кредитования.
Строительная отрасль, ориентированная на возведение жилья, сохраняет свою значимость и высокий спрос, оставаясь фундаментальным фактором в поступательном развитии социума [10].
Региональные нормативы градостроительного проектирования представляют собой важный инструмент в системе государственного регулирования градостроительной деятельности. Их основная цель заключается в создании условий, способствующих повышению качества жизни населения.
Так же существуют местные нормативы градостроительного проектирования, которые уточняют федеральное и республиканское законодательство в области градостроительства.
В Республике Татарстан на данный момент разработаны местные нормативы градостроительного проектирования только для городского округа Казань [11].
Основополагающую роль в формировании генерального плана играют технико-экономические показатели. Согласно этой части исследования, цель искусственного интеллекта при разработке концепции придомовой территории дать распределение технико-экономических показателей в числах.
Придомовая территория является неотъемлемой частью архитектурно-планировочной структуры здания и его окружающей среды, обеспечивая функциональное и эстетическое единство пространства [12]. Благоустройство придомовой зоны способствует повышению комфорта и качества жизни потребителей, а также улучшению социальной инфраструктуры района.
Разберем элементы, необходимые для решения задачи с помощью искусственного интеллекта.
В качестве программного обеспечения будет работать приложение Rhinoceros 3D. Это мощный инструмент моделирования с обширными возможностями для создания сложных геометрических форм, редактирования моделей и визуализации проектов.
Целесообразно будет разделить жилье на классы, так как наличие тех или иных элементов во дворе дома зависит от финансовых возможностей как застройщика, так и потребителя.
На данный момент ни один нормативный документ в области строительства не дает четкого разделения жилой недвижимости на классы [13]. Но для удобства и быстрого достижения взаимопонимания между покупателем и застройщиком принято условно делить жилье на следующие классы:
1. Жилые дома эконом-класса считаются самыми доступными для среднестатистического жителя страны. Они удовлетворяют основную потребность человека в жилье за сравнительно небольшие деньги, но при этом обеспечивают комфорт и функциональность;
2. Жилье комфорт-класса является наиболее популярным сегментом недвижимости. Такие проекты более благоустроенные, чем жилые комплексы эконом-класса, и зачастую имеют собственную инфраструктуру;
3. Бизнес-сегмент это современные жилые комплексы, расположенные в престижных районах города и обеспеченные всей необходимой инфраструктурой.
Размер придомовой территории зависит от этажности зданий и плотности застройки [14]. Основная цель застройщика, который возводит жилье эконом-класса - построить как можно больше квартир и продать их по сравнительно низким ценам, именно поэтому здания располагаются достаточно близко друг к другу, а дворы могут быть проходными. Комплексы бизнес-класса отличаются очень просторными и закрытыми дворами. Комфорт-класс занимает промежуточное положение. Воспользовавшись интерполяцией, можно выделить следующие диапазоны площадей двора многоквартирного дома.
Таблица 1
Распределение площадей дворовых территорий по классам жилья
|
Класс жилья
|
Площадь дворовой территории (примерные
значения)
|
|
Эконом
|
0,2-0,3 га (2 000-3 000 м2) на 1 га (10
000м2) застройки (минимально возможная площадь)
17% (двор) на 83% (застройка) - 23% (двор) на 77% (застройка) Среднее: 20% (двор) на 80% (застройка) |
|
Комфорт
|
0,3-0,5 га на 1 га застройки (увеличенные зоны дворов)
23% (двор) на 77% (застройка) - 33% (двор) на 67% (застройка) Среднее: 29% (двор) на 71% (застройка) |
|
Бизнес
|
0,5-0,8 га на 1 га застройки (более просторные дворы,
закрытые территории)
33% (двор) на 67% (застройка) - 44% (двор) на 56% (застройка) Среднее: 39% (двор) на 61% (застройка) |
В таблице приведены существующие и рассчитанные с помощью искусственного интеллекта (ИИ) технико-экономические показатели объектов исследования.
Таблица 2
Технико-экономические показатели объектов, м2
|
Технико-экономические
показатели
|
Объект
эконом-класса
|
Объект
комфорт-класс
|
Объект
бизнес-класс
| |||
|
Без
ИИ
|
С ИИ
|
Без
ИИ
|
С ИИ
|
Без
ИИ
|
С ИИ
| |
|
Площадь участка
|
13
709,0
|
13
709,0
|
16
761,0
|
16
761,0
|
7
821,0
|
7
821,0
|
|
Площадь застройки
|
4
518,7
|
4
518,7
|
3
317,9
|
3
317,9
|
3
727,0
|
3
727,0
|
|
Площадь озеленения
|
3
189,0
|
2
907,0
|
3
439,9
|
4
563,4
|
1
294,0
|
2
101,6
|
|
Площадь парковок
|
4
626,0
|
2
124,9
|
9
048,3
|
2
883,5
|
2
487,0
|
398,8
|
|
Площадь проходов и проездов
|
754,0
|
1
676,4
|
352,0
| |||
|
Площадь детских и спортивных
площадок
|
1
376,0
|
1
279,5
|
954,9
|
1
436,2
|
313,0
|
488,8
|
|
Площадь зона отдыха
взрослого населения
|
2
124,9
|
2
883,5
|
752,8
| |||
Данные показатели будут использованы при расчете стоимости благоустройства придомовых территорий.
Для анализа влияния организации придомовой территории на реализацию жилых площадей необходимо провести оценку стоимости квартир в многоквартирных домах всех трех классов. Для этого проанализируем рынок недвижимости, учитывая такие факторы, как местоположение, площадь, состояние объекта, инфраструктуру и экологическую обстановку. Оценка основана на сравнительном подходе. Результаты исследования позволят выявить закономерности и тенденции, влияющие на ценообразование.
Предложение на рынке первичной недвижимости в Республике Татарстан, в общем, распределено неравномерно. Жилье эконом-класса занимает значительную долю в общем объеме предложении на рынке. Примерно 71% предложения на рынке приходится на данный сегмент. Второе место по объему предложения среди застройщиков занимают квартиры эконом-класса, составляющие 19% от общего числа [15].
Около десятой части всех объявлений о продаже новостроек предлагают квартиры бизнес-класса примерно на рынке их 9%. Самая маленькая доля в предложении на рынке у квартир класса премиум всего около 1%. Соответственно в рамках проведенного нами исследования принято решения не учитывать их.
Таблица 3
Анализ рынка жилой недвижимости г. Казани различных классов, руб.
|
Наименование средних значений
|
Эконом-класс
|
Комфорт-класс
|
Бизнес-класс
|
|
Итого стоимость 1 кв.м.
студии
|
212 866,57
|
-
|
-
|
|
Итого стоимость 1 кв.м. 1-комнатной
квартиры
|
189 424,84
|
279 099,22
|
452 020,47
|
|
Итого стоимость 1 кв.м.
2-комнатной квартиры
|
169 054,93
|
224
211,48
|
410
976,80
|
|
Итого стоимость 1 кв.м.
3-комнатной квартиры
|
162
442,31
|
205
915,79
|
395
561,61
|
|
Среднее значение стоимости 1
кв.м.
|
183 447,16
|
236
408,83
|
419
519,63
|
|
Стоимость многоквартирного
жилого дома
|
3
746 174 542,06
|
1
678 245 017,37
|
3
233 535 609,66
|
|
Удельный вес благоустройства
при продаже объекта
|
1,40
|
3,84
|
1,34
|
Согласно классификации к эконом-классу относятся объекты, расположенные на окраине города, поэтому для анализа выбран близлежащий район к г.Казань, имеющий хорошую транспортную доступность к объектам инфраструктуры как города, так и района.
Среднее значение 1 кв.м. жилья в многоквартирном жилом доме комфорт-класса составило 236 408,83 рублей, что на 52 961,67 рублей больше, чем у эконом-класса.
Объекты бизнес-класса располагаются ближе к центру города и отвечают более высоким требованиям качества. Для анализа выбран Вахитовский район г. Казани. Среднее значение 1 кв.м. жилья в многоквартирном жилом доме бизнес-класса составило 419 519,63 рублей, что на 183 110,8 рублей больше, чем у комфорт-класса и на 236 072,47 рублей больше, чем у эконом-класса.
Сопоставим стоимости благоустройства дворов, сгенерированных с помощью искусственного интеллекта и без неё, и определим увеличение прибыли проекта.
Таблица 4
Сопоставление себестоимости организации дворовых пространств
с помощью и без искусственного интеллекта, руб.
|
Показатель
|
Эконом-класс
|
Комфорт-класс
|
Бизнес-класс
|
|
Полезная
площадь, кв.м.
|
20
421
|
7 098,91
|
7 707,71
|
|
Стоимость 1
кв.м., руб
|
183 447,16
|
236 408,83
|
419 519,63
|
|
Стоимость жилого
фонда, руб.
|
3
746 174 542,06
|
1
678 245 017,37
|
3
233 535 609,66
|
|
Себестоимость
благоустройства без искусственного интеллекта, руб.
|
52 367 208,11
|
94 522 522,14
|
43 178 494,60
|
|
Удельный вес
благоустройства при продаже, %
|
1,40
|
5,63
|
1,34
|
|
Себестоимость
благоустройства с искусственным интеллектом, руб.
|
50 319 237,99
|
89 337 775,94
|
40 807 094,38
|
|
Удельный вес
благоустройства при продаже, %
|
1,34
|
5,32
|
1,26
|
|
Величина
экономии денежных средств, руб.
|
2 047 970,12
|
5 184 746,20
|
2 371 400,22
|
|
Относительная
величина экономии, %
|
3,91%
|
5,48
|
5,49
|
|
Себестоимость
строительства, руб.
|
1
486 648 800
|
600
567 786
|
863
263 520
|
|
Себестоимость
строительства 1 кв.м. жилья, руб.
|
72
800
|
84
600
|
112
000
|
|
Величина
экономии денежных средств на 1 кв.м. жилой площади, руб.
|
100,29
|
730,36
|
307,67
|
|
Относительная
величина экономии денежных средств на 1 кв.м. жилой площади, %
|
0,14
|
0,86
|
0,27
|
Проведенный финансовый анализ проектов по снижению себестоимости организации придомовых территорий выявил, что при первоначальных условиях проект является экономически целесообразным.
Заключение
Исследование проводилось на базе программы Rhinoceros с использованием компонента генеративного дизайна Biomerpher. Результатом являются новые технико-экономические показатели для придомовых территорий 3-х классов жилья. Далее подбирались малые архитектурные формы для благоустройства детских и спортивных площадок, зон отдыха взрослого населения и элементы озеленения.
Так же в рамках иссседования проводилась экономическая экспертиза и инвестиционное планирование внедрения искусственного интеллекта в деятельность строительной компании. Оценены стоимости 3-х классов жилой недвижимости.
Произведенные расчеты показывают, что проект является целесообразным и позволяет сократить расходы на организацию придомовых территорий за счет внедрения искусственного интеллекта в процесс создания модели придомовых пространств.
Источники:
2. Мартьянова Е.В., Полбин А.В. Влияние информационных технологий и искусственного интеллекта на экономический рост: анализ теоретических подходов // Вестник Пермского университета. Серия: Экономика. – 2025. – № 1. – c. 5-27.
3. Ванюшев А.А., Мокшин В.В., Мавлиев Л.Ф. Адаптивные сверхточные нейронные сети в интеллектуальных транспортных системах // Известия КГАСУ. – 2025. – № 2. – c. 277-290.
4. Заведеев Е.В., Бигаев Г.В. Большие данные и искусственный интеллект в стратегическом управлении - тенденции и перспективы развития в Российских условиях // Экономика и предпринимательство. – 2024. – № 12. – c. 438-445.
5. Джумалиев Н.Т. Искусственный интеллект в проектировании строительных объектов: экономические проблемы и перспективы // Russian Economic Bulletin. – 2025. – № 4. – c. 229-236.
6. Вирцев М.Ю. Совершенствование систем управления предприятиями регионального строительного комплекса на основе проектно-ориентированного подхода (на примере Республики Татарстан). / диссертация на соискание ученой степени кандидата экономических наук // ФГБОУ ВПО \"Казанский национальный исследовательский технологический университет\". - Казань, 2005.
7. Кульков А.А., Егорова Е.В. Реализация инвестиционных проектов строительства многоквартирных жилых домов из деревянных конструкций на примере SLT-панелей // Экономика строительства и жилищно-коммунального хозяйства. – 2025. – № 1. – c. 57-62.
8. Драгуленко В.В., Золкин А.Л., Малова Н.Н., Скибин Ю.В. Влияние цифровых технологий на конкурентоспособность организации // Экономика и управление: проблемы, решения. – 2025. – № 1. – c. 129-139.
9. Летягина Е.Н., Перова В.И. Искусственный интеллект в анализе региональных инновационных экосистем Российской Федерации в условиях импортозамещения // Экономический анализ: теория и практика. – 2024. – № 5. – c. 834-856.
10. Хохлов Ю.Е. Стандарты работы с данными для искусственного интеллекта: ландшафт стандартизации искусственного интеллекта // Информационное общество. – 2023. – № 3. – c. 78-96.
11. Вирцев М.Ю. Мачульский А.И. Инвестиции в искусственный интеллект: финансовые затраты на внедрение и использование // Региональные проблемы преобразования экономики. – 2025. – № 9. – c. 261-268.
12. Мухаметзянова Д.Д., Кульков А.А., Дербенев Н.А., Каримова З.Н. Эффективность внедрения инновационных технологий в строительной отрасли // Жилищные стратегии. – 2025. – № 2. – c. 247-258.
13. Михальченко О.Ю. Бифуркации в календарно-сетевом планировании строительных проектов: методы прогнозирования и адаптивного управления // Известия КГАСУ. – 2025. – № 1. – c. 122-129.
14. Похлёбин П.С., Боднар А.В., Нестеренко А.Р. Инвестиции в искусственный интеллект: оценка экономической целесообразности и потенциальные риски // Информатика и кибернетика. – 2024. – № 3. – c. 25-31.
15. Саниева А.Д. Инвестиции в ИИ: как инвесторы могут воспользоваться новыми перспективами // Экономика и управление: проблемы, решения. – 2024. – № 7. – c. 72-83.
16. Онлайн-сервис. [Электронный ресурс]. URL: www.kazan.cian.ru (дата обращения: 02.04.2026).
Страница обновлена: 13.04.2026 в 14:52:08
Adjacent territory management based on artificial intelligence
Kulkov A.A.Journal paper
Russian Journal of Housing Research
Volume 13, Number 2 (April-June 2026)
Abstract:
The quality of the adjacent territory plays a key role in the attractiveness of housing for buyers, directly affecting its market competitiveness. The offer covers not only landscaping and landscaping but also the developed infrastructure and other components that determine the attractiveness of the residential complex for potential buyers. A well-maintained house territory is a significant competitive advantage when choosing real estate, especially in a saturated market. According to the conducted research, the accessibility of recreational spaces, such as green spaces, play complexes and leisure areas, coincides with an increase in living satisfaction and is a significant driver of an increase in the capital value of real estate. Amid modern global development, artificial intelligence is showing significant growth in popularity, and the construction industry should actively integrate its capabilities. The integration of artificial intelligence into the construction sector, as a rule, stimulates its development. And subsequently creates optimal conditions for staff activities. The article analyzes the potential applications of artificial intelligence in order to develop an optimal and highly efficient management model and organization of adjacent territories. This article is intended for specialists of construction companies responsible for the installation of small architectural forms and elements of landscape design. In turn, these elements are used in the adjacent territories of apartment buildings. The research conducted on the basis of this has both practical significance and relevance.
Keywords: artificial intelligence, apartment building, small architectural forms, valuation, adjacent territory
JEL-classification: O33, R31, R52, C63
References:
Bogomolov A.I., Kharitonova A.E. (2023). The Use of Artificial Intelligence in the Economy: Problems and Prospects. Neyrokompyutery: razrabotka, primenenie. 25 (4). 16-23.
Dragulenko V.V., Zolkin A.L., Malova N.N., Skibin Yu.V. (2025). The Impact of Digital Technologies on the Competitiveness of an Organization. Economics and management: problems, solutions (Ekonomika i upravleniye: problemy, resheniya nauchno-prakticheskiy zhurnal). 11 (1). 129-139.
Dzhumaliev N.T. (2025). Artificial Intelligence in Designing Construction Structures: Economic Problems and Prospects. Russian Economic Bulletin. 8 (4). 229-236.
Khokhlov Yu.E. (2023). Data Standards for Artificial Intelligence: Artificial Intelligence Standardization Landscape. Information society. (3). 78-96.
Kulkov A.A., Egorova E.V. (2025). Implementation of Investment Projects for Construction of Multi-Apartment Residential Buildings Made of Wooden Structures Using the Example of SLT Panels. Economy of construction. (1). 57-62.
Letyagina E.N., Perova V.I. (2024). Artificial Intelligence in the Analysis of Regional Innovation Ecosystems of the Russian Federation Under Import Substitution. Economic analysis: theory and practice. 23 (5). 834-856.
Martianova E.V., Polbin A.V. (2025). The Impact of Information Technologies and Artificial Intelligence on Economic Growth: An Analysis of Theoretical Approaches. Perm University Herald. ECONOMY. 20 (1). 5-27.
Mikhalchenko O.Yu. (2025). Bifurcations in Network Scheduling of Construction Projects: Methods of Forecasting and Adaptive Management. News of the Kazan State University of Architecture and Engineering. (1). 122-129.
Mukhametzyanova D.D., Kulkov A.A., Derbenev N.A., Karimova Z.N. (2025). The Effectiveness of Innovative Technologies in the Construction Industry. Russian Journal of Housing Research. 12 (2). 247-258.
Pokhlyobin P.S., Bodnar A.V., Nesterenko A.R. (2024). Investments in Artificial Intelligence: Assessment of Economic Feasibility and Potential Risks. Informatika i kibernetika. (3). 25-31.
Sanieva A.D. (2024). Investing in AI: How Investors Can Capture New Opportunities. Economics and management: problems, solutions (Ekonomika i upravleniye: problemy, resheniya nauchno-prakticheskiy zhurnal). 7 (7). 72-83.
Vanyushev A.A., Mokshin V.V., Mavliev L.F. (2025). Adaptive Convolutional Neural Networks in Intelligent Transport Systems. News of the Kazan State University of Architecture and Engineering. (2). 277-290.
Virtsev M.Yu. (2005). Improvement of management systems for enterprises of the regional construction complex based on a project-oriented approach (on the example of the Republic of Tatarstan)
Virtsev M.Yu. Machulskiy A.I. (2025). Investments in Artificial Intelligence: Financial Aspects Implementation and Usage Costs. Regionalnye problemy preobrazovaniya ekonomiki: sotsialno-demograficheskie prioritety subektov Severo-Kavkazskogo Federalnogo okruga Rossiyskoy Federatsii. (9). 261-268.
Zavedeev E.V., Bigaev G.V. (2024). Big Data and Artificial Intelligence in Strategic Management — Trends and Development Prospects in Russian Conditions. Journal of Economy and Entrepreneurship. (12). 438-445.