Нейросеть в Санкт‑Петербурге будет в 20 раз быстрее выявлять нарушения правил благоустройства
В Санкт‑Петербурге начали применять дополнительные 7 комплексов нейросетевой видеоаналитики.
Восемь «умных камер», установленных в автомобили, позволят быстрее выявлять нарушения правил благоустройства города за счет сокращения времени объезда всех 18 районов города с 24 недель до 4.
Один нейросетевой комплекс курсирует по городу с июля 2023 года. За это время он выявил более 500 нарушений правил благоустройства. Искусственный интеллект способен автоматически находить на видеопотоке с камер такие нарушения, как посторонние графические изображения, кондиционеры на лицевых фасадах зданий, ямы на внутриквартальных территориях, наледь на кровлях и другие виды нарушений содержания территорий, зданий и объектов.
Уже сегодня с применением одного комплекса специалисты Государственной административно-технической инспекции фиксируют многочисленные случаи устранения выявленных нарушений, в том числе после оплаты штрафа. А также действия собственников, владельцев объектов и элементов благоустройства, производителей работ, направленные на предотвращение появления нарушений в будущем.
«По поручению губернатора Санкт‑Петербурга Александра Беглова в этом году эта работа усилится. На службу инспекции поступило еще 7 нейросетевых комплексов видеоаналитики. Благодаря новым комплексам нейросеть будет в 20 раз быстрее выявлять нарушения правил благоустройства», - отметил вице-губернатор Евгений Разумишкин.
В ВТБ создали и масштабировали на всю Россию сервис аналитики для оценки новостроек.
В основе — универсальная платформа геоаналитики, позволяющая сопоставлять более 1000 слоев 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, расходов и так далее.
Оценка рыночной стоимости строящейся недвижимости играет для банка важную роль в принятии решения о финансировании проектов. Новая разработка помогает повысить оперативность на этапе рассмотрения заявки на финансирование застройщика и получить более объективные и точные данные. Для застройщиков очень важна скорость и сроки. Использование программы позволило в 3 раза сократить сроки от обращения клиента до подписания кредитного договора.
В разных городах различные факторы оказывают влияние на определение цены на жилье. Рынок постоянно идет вперед, меняется инфраструктура, которая влияет на стоимость. Какие-то параметры устаревают, какие-то добавляются или обновляются. Сложность задачи по оценке недвижимости в масштабах России заключается в учете региональной специфики, макроэкономических колебаниях, большом разнообразии в качестве и расположении строительных объектов, что в свою очередь обуславливает выбор инструментов и способов моделирования.
«Программа учитывает множество факторов и показывает независимую от экспертного мнения оценку, что играет важную роль в общем процессе согласования сделки всеми участвующими подразделениями. 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» — рассказал Максим Коновалихин, руководитель департамента анализа данных и моделирования, старший вице-президент банка ВТБ.
Проект строится на базе трех платформ: платформы гео-аналитики (Geo), платформы автоматического обучения моделей (AutoML) и MLOps-платформы (scibox). У каждой из них своя задача в рамках бизнес-процесса. Их объединение помогло достичь синергии и внести дополнительную ценность.
Проект стартовал с сегмента среднего и малого бизнеса. Следующая стадия — это использование программы как для целей крупного бизнеса, так и розничного ипотечного кредитования. Специфика проекта позволяет не только масштабировать его, но и применять в других сферах. Например, посчитать необходимое количество банкоматов в конкретном районе и количество наличных средств в каждом из них. Отлично подходит, когда на основе аналогичных данных нужно построить прогноз чего-нибудь нового.