Госстройнадзор Санкт‑Петербурга: в 2022 году социальные объекты составляют четверть от общего количества строек
![](http://m.asninfo.ru/images/news/0a60636d/5262d2120b6dabc729f375b4.jpg)
Надзорное ведомство подвело итоги своей работы за истекший период текущего года накануне профессионального праздника - Дня строителя.
За 7 месяцев 2022 года специалисты Госстройнадзора Санкт‑Петербурга выдали 161 разрешение на строительство и 141 – на ввод объектов в эксплуатацию.
В этом году разрешено строительство 15 школ и 15 детских садов, а также 8 спортивных объектов и поликлиники для взрослых, что составляет четверть от общего количества новых строящихся объектов.
За 7 месяцев введено в эксплуатацию 6 детских садов и 4 школы, 2 спортивных объекта, амбулаторно-поликлиническиое учреждение, 4 кабинета врача общей практики и 5 объектов культуры.
По поручению губернатора Александра Беглова в Санкт‑Петербурге сокращается дефицит мест в соцобъектах и ликвидируется дисбаланс между жилой и социальной застройкой.
«Городские власти вместе с застройщиками работают над выполнением этой задачи, - отмечает начальник Госстройнадзора Владимир Болдырев. - Новые социальные объекты – это большие и просторные здания, где комфортно учиться, заниматься спортом, посещать дополнительные творческие занятия. Как правило, в каждой школе и детском саду есть бассейн и вместительные актовые залы. Отдельно хочу отметить создание комфортной среды для маломобильных групп населения».
![](http://m.asninfo.ru/images/news/8a0d74b5/20f83b5d02c46c534b313e58.jpg)
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.