Автоматизированные алгоритмы выявления признаков правонарушения

Заказчик
Государственная инспекция по контролю за использованием объектов недвижимости города Москвы
Руководитель проекта со стороны заказчика
ИТ-поставщик
Государственная инспекция по контролю за использованием объектов недвижимости города Москвы
Год завершения проекта
2021
Сроки выполнения проекта
Октябрь, 2020 - Ноябрь, 2021
Масштаб проекта
6400 человеко-часов
Цели
  1. Внедрение автоматизированных алгоритмов выявления признаков правонарушения в сфере земельно-имущественных отношений.
  2. Увеличение количества выявляемых признаков нарушений в сфере земельно-имущественных отношений.
  3. Сокращение трудозатрат инспекторского состава на проведение мероприятий.

Уникальность проекта

Уникальность проекта заключается в том, что система автоматизировано сопоставляет все необходимые документы и проводит анализ объекта. При отсутствии или несоответствии технической, или разрешительной документации алгоритм выдает признак нарушения. Путем использования алгоритма возможно проанализировать тысячи объектов в кратчайшие сроки и выделить из них те объекты, которые обладают наибольшим риском правонарушения, проанализировав при этом миллионы документов. Результатом работы алгоритма является перечень, с необходимой первичной информацией о нем и присвоенной категорией риска. Это и позволяет сократить время на поиск первичных признаков правонарушений.
Проект решает задачи импортозамещения
Нет
Использованное ПО
Алгоритмы построены на платформе Pentaho BI. Представляет собой последовательную систему принятия решений по определенным видам данных (древо принятия решений).
Сложность реализации
Разрозненность источников информации, отсутствие информационного взаимодействия, сложность идентификации объектов.
Описание проекта

Основой алгоритмов является автоматическое сравнение данных из различных источников данных Правительства Москвы и открытых источников (Yandex).


Предметом анализа являются технические параметры объектов недвижимости, информация о выданной исходно-разрешительной документации, параметры объектов по ранее проведенным проверкам, а также сравнение фактического и разрешенного использования объектов недвижимости.


Автоматическое выявление признаков нарушений реализуется по алгоритмам:

1. Алгоритм "Отсутствие оформленных ЗПО" - Выявление объектов без оформленных ЗПО с целью понуждения к их оформлению.

2. Алгоритм "Выявления самостроя" - Анализ изменения площадных характеристик объекта на предмет соответствия разрешительной документации на строительство.

3. Алгоритм "Неосвоение ЗУ" - Анализ использования ЗУ, предоставленного под проектирование/строительство на предмет фактического использования (ведется стройка/ объект не возведен).

4. Алгоритм "Нецелевое использование ЗУ" - Анализ соответствия разрешенного использования ЗУ и использованием ОКС по фактическим данным из открытых источников.

5. Алгоритм "Самозахват ЗУ" - Анализ соответствия границ ограждающих устройств с границами ЗУ.


Принципы работы алгоритмов:


1) Алгоритм отсутствие ЗПО

Для алгоритма «Отсутствие земельно-правовых отношений» точкой первой идентификации является объект. Далее проходит распознавание договора аренды, анализ дополнительных соглашений к договору. В рамках проведения данной проверки происходит распознавание недействующих договоров аренды земли. Проводится проверка данных Государственного кадастра недвижимости, поиск земельных участков, не поставленных на кадастровый учет, получение признаков размещения ранее не учтенных объектов и анализ оформленных прав на объект.


2) Алгоритм самовольное строительство

Для алгоритма «Самовольное строительство» работа начинается с первичной идентификации объекта по внутренним базам данных. Происходит сравнивание слоев на предмет возникновения нового объекта. Далее проводится автоматический поиск и сравнивание разрешительной документации на возведение объекта, проверка наличия кадастрового учета, проверка разрешения проведения работ на земельном участке, проверка технических параметров самого объекта и сопоставление с предельными разрешенными параметрами застройки.


3) Алгоритм Неосвоение ЗУ и превышение сроков строительства

Для алгоритма «Неосвоение земельного участка и превышение сроков строительства» отправной точкой является первичная идентификация земельного участка. Проверка наличия регистрации земли, проверка наличия объектов на земле, проверка наличия Договора аренды/Договора на безвозмездное пользование/Свидетельства на безвозмездное пользование с правом строительства с установлением срока работ. Далее происходит проверка просрочек по правоустанавливающему документу и исходно-разрешительная документация.


4) Алгоритм самозахват

Для алгоритма «Самозахват» проводится сравнение слоя “Заборы” и слоя “Геометрия земли” в внутренней базе и данных Государственного кадастра недвижимости. Поиск информации на предмет наличия ордера на размещения временного объекта. Анализ договора аренды и дополнительных соглашений к договору. В рамках данной проверки производится уточнение статуса договоров аренды. В случае несоответствия определяется признак использование земельного участка без оформленных правоустанавливающих документов.


5) Алгоритм нецелевое использование

Алгоритм «Нецелевое использование» основан на сопоставлении данных Яндекса и анализе договора аренды и дополнительных соглашений к договору. В рамках данной проверки происходит распознавание видов разрешенного использования по договору аренды. В случае несоответствия объект обладает признаками правонарушения.

Для корректной работы алгоритмов системе необходимы микросервисы по предоставлению данных об объектах недвижимости.
Reon.Cloud - облачная интеллектуальная платформа поддержки принятия решений для управления имуществом города Москвы. Платформа обеспечивает стандартизацию подхода к описанию данных по объектам недвижимости для использования в информационных системах ОИВ города Москвы.
В состав платформы входят микросервисы сбора и предоставления данных, функциональные и аналитические сервисы. Микросервисы платформы обеспечивают доступ информационных систем органов власти города Москвы к данным ИС РЕОН.


Список используемых микросервисов в алгоритмах:

1. СКВОЗНАЯ (ПРОСТРАНСТВЕННАЯ) ИДЕНТИФИКАЦИЯ ОБЪЕКТОВ НЕДВИЖИМОСТИ ГОРОДА МОСКВЫ

2. ПРЕДОСТАВЛЕНИЕ ДАННЫХ ЕГКО

3. ПРЕДОСТАВЛЕНИЕ ДАННЫХ ЕГРН ОБ ОБЪЕКТАХ НЕДВИЖИМОСТИ

4. ПРЕДОСТАВЛЕНИЕ ДАННЫХ ЕГРН ПО ПРАВАМ НА НЕДВИЖИМОЕ ИМУЩЕСТВО

5. ПРЕДОСТАВЛЕНИЕ ТЕХНИЧЕСКОЙ ИНФОРМАЦИИ ПО ЗДАНИЯМ / СООРУЖЕНИЯМ (АР БТИ)

6. ПРЕДОСТАВЛЕНИЕ ИНФОРМАЦИИ ПО ЗЕМЕЛЬНО-ПРАВОВЫМ ОТНОШЕНИЯМ НА ЗЕМЕЛЬНЫХ УЧАСТКАХ

7. ПРЕДОСТАВЛЕНИЕ СВЕДЕНИЙ ПО ОБЪЕКТАМ СТРОИТЕЛЬСТВА

8. ПРЕДОСТАВЛЕНИЕ ДАННЫХ ЯНДЕКСА


В результате работы каждого алгоритма объекту присваивается один из трех видов риска.

• Низкий риск - признак нарушения не выявлен.

• Умеренный риск – объект ставится на контроль.

• Средний риск - выявлен признак нарушения.

Результаты проекта:

  • Проанализировано более 200 000 строений;
  • Проанализировано более 3 000 000 технической, разрешительной документации и данных открытых источников;
  • Процент точности составляет- 84%;
  • Процент ложных срабатываний составляет- 16%;
  • Трудозатраты на выявление нарушений сокращены в 4 раза;
  • Подтверждено инспекторскими подразделениями 3500 нарушений.


География проекта
Город Москва
Дополнительные презентации:
Автоматизированные алгоритмы выявления признаков правонарушения.pdf
Коментарии: 5
  • Михаил Петров
    Рейтинг: 806
    Счетная палата Российской Федерации
    Директор департамента цифровой трансформации
    15.11.2021 18:07

    интересный проект! а какие открытые источники данных использовали и какой общий объем наборов данных, количество записей?

  • Дарья Степанова
    Рейтинг: 137
    Государственная инспекция по контролю за использованием объектов недвижимости города Москвы
    Заместитель начальника Госинспекции по недвижимости города Москвы
    22.12.2021 13:46

    Добрый день, Михаил! Благодарю за внимание к нашему проекту.

    Из открытых источников данных использовали только Яндекс, остальные источники – внутренние источники данных Правительства Москвы (например, Reon.Cloud). Количество уникальных записей по Яндексу – более 700 000.

    • Михаил Петров Дарья
      Рейтинг: 806
      Счетная палата Российской Федерации
      Директор департамента цифровой трансформации
      22.12.2021 14:17

      понял, спасибо за ответ!

  • Максим Часовиков
    Рейтинг: 2235
    Центр цифровой экономики МГУ
    Ведущий специалист
    24.12.2021 21:31

    Добрый день! а как вы сопоставляли один и тот же объект в разных источниках данных? в том числе из открытых источников? Как часто у Вас появлялись дубли и как много их было изначально?

    • Дарья Степанова Максим
      Рейтинг: 137
      Государственная инспекция по контролю за использованием объектов недвижимости города Москвы
      Заместитель начальника Госинспекции по недвижимости города Москвы
      28.12.2021 17:54

      Добрый день, Максим!
      Сопоставление одного и того же объекта в разных источниках данных возможно за счёт реализации системы идентификации объектов сопоставляющей информацию, в том числе полигонов объектов. Дубли были минимизированы за счёт совершенствования механизма идентификации.

Год
Предметная область
Отрасль
Управление