Поселок Петро-Славянка будет обеспечен центральным водоснабжением и системой канализации
В посёлке Петро-Славянка началось строительство систем водоснабжения и канализования.
Реализация проекта обеспечит поселок центральным водоснабжением и водоотведением в полном объеме. Коммуникации будут подведены ко всем домам населенного пункта.
В ходе строительства будет проложено более 10 км водопроводных сетей и более 24 км канализационных сетей. Также планируется установить 13 канализационных насосных станций.
Согласно контракту, работы должны быть завершены в ноябре 2025 года. После чего жители посёлка смогут начать подключение жилых участков к вновь построенным сетям. По окончании основных работ подрядная организация полностью восстановит нарушенное благоустройство.
В поселке Петро-Славянка проживает 1 247 человек, однако не более 20% населения обеспечены водоснабжением, на территории отсутствует центральная канализация. После получения положительного заключения экспертизы проект строительства инженерных систем на территории поселка был внесен в адресную инвестиционную программу Комитета по энергетике и инженерному обеспечению. Реализация проекта будет способствовать улучшению экологической обстановки и повышению уровня комфорта и качества жизни населения данной территории.
Функции заказчика по осуществлению строительно-монтажных работ выполняет СПб ГКУ «Управление заказчика».
ВТБ завершил пилотный проект по использованию инструментов машинного обучения.
Технология поможет банку эффективнее оценивать стоимость строящихся объектов и в ускоренном режиме принимать решения по выдаче кредитов на жилищное строительство. Новый сервис протестирован в 30 городах России.
В основе сервиса — универсальная платформа геоаналитики, запущенная ВТБ в 2020 году и позволяющая сопоставлять 170 слоев обезличенных данных из банковской сферы, телекома и digital-сервисов. В решении используется обезличенная информация о жителях аналогичных домов, а также районов со схожей транспортной инфраструктурой, имеющих похожие интересы, структуру доходов и расходов и т.д. Уникальный периметр данных анализируется методами машинного обучения для построения сложных нелинейных моделей оценки стоимости объектов. Все это позволяет оперативно принимать решения о выдаче банком кредитов под строительство.
При стандартном методе аналитики для принятия решения в ручном режиме сравнивают территориально близкие объекты. Модели, основанные на Big Data, позволяют оперативно получать качественную аналитику на базе гораздо большего объема разнообразной информации. Наиболее значимые конкурентные преимущества сервис дает в ситуации, когда строящийся жилой объект не имеет рядом аналогов, и оценить его, используя только метод сравнения с похожими соседствующими объектами, невозможно.
«При разработке сервиса мы столкнулись с тем, что рынок жилой недвижимости имеет очень динамичный характер. Для того, чтобы «успеть» за рынком в таком широком географическом периметре, мы разработали не просто модели машинного обучения, а Geo AutoML сервис. Он позволяет перестраивать модели в полностью автоматическом режиме. На сегодняшний день AutoML-решений на рынке много, но это первая история с применением геоаналитики. Поэтому сервис можно считать уникальным», — комментирует Максим Коновалихин, руководитель департамента анализа данных и моделирования – старший вице-президент ВТБ.
«Оценка рыночной стоимости строящейся недвижимости играет для банка важную роль в принятии решения о финансировании. Новая разработка позволяет нам повысить оперативность на этом этапе работы с проектом и получить более объективные и точные данные. Мы видим позитивные результаты с точки зрения повышения эффективности оценки проектов в рамках пилотирования сервиса и планируем до конца сентября масштабировать его на большинство крупнейших городов страны», — отметил Руслан Еременко, руководитель департамента регионального корпоративного бизнеса – старший вице-президент ВТБ.
Пока решение применяется только внутри банка, но в дальнейшем может стать доступным и сторонним пользователям — другим банкам и застройщикам жилой недвижимости.