Введение

В соответствии с законодательством РФ, государственный кадастровый учет и государственная регистрация прав на построенные здания или сооружения осуществляются на основании разрешения на ввод объекта недвижимости в эксплуатацию и правоустанавливающего документа на земельный участок.

Поскольку возведение объекта недвижимости возможно только на специально отведенном для этих целей земельном участке, у застройщика должен быть документ о выделении земельного участка под строительство, договор аренды земельного участка или иной документ, подтверждающий право застройщика возвести на нем объект недвижимости в определенные сроки и в соответствии с видом его разрешенного использования земельного участка. Таким образом, объект недвижимости, возведенный на участке земли, не прошедшем соответствующие разрешительные процедуры, представляет собой источником дополнительных налоговых начислений для муниципалитета.

Актуальной задачей для повышения уровня собираемости налоговых платежей является выявление незарегистрированных и введённых в хозяйственный оборот, а также возводимых без соответствующих разрешительных документов объектов недвижимости.

Для эффективного решения описанной задачи необходимо регулярное сопоставление данных Единого государственного реестра недвижимости (ЕГРН) по земельным участкам и объектам недвижимости с динамически обновляемой базой фактически существующих на территории объектов недвижимости, получаемой путем автоматической обработки данных дистанционного зондирования с использованием алгоритмов машинного обучения. 

Нами была разработана методика обнаружения возводимых и уже возведенных объектов недвижимости, не прошедших соответствующую регистрацию в Едином государственном объекте недвижимости, либо возведенных на земельных участках, имеющих несоответствующий вид разрешенного использования.

Описание данных

Исходные данные для автоматического обнаружения объектов недвижимости по растровым изображениям были получены из открытых источников информации, и представляют собой спутниковые снимки части территории Калининградской области. Снимки соответствуют масштабу 1:1000 и имеют приблизительное разрешение 0,3 метра на пиксель.

Исходные данные реестра земельных участков были получены с использованием сервиса Публичной кадастровой карты РФ (https://pkk.rosreestr.ru/).

Постановка задачи

На основе имеющихся данных требуется:

1. Провести автоматическую обработку имеющихся растровых изображений, получив на выходе векторные объекты, описывающие местоположение и координаты найденных площадных объектов, интерпретируемых как объекты недвижимости.
2. Сопоставить полученные площадные объекты с данными Публичной кадастровой карты РФ (https://pkk.rosreestr.ru/) для обнаружения объектов, не имеющих связей с выделенными под целевое использование земельными участками.

Обработка данных и решение

Исходные растровые изображения разбивались на фрагменты размером 5000х5000 пикселей, которые обрабатывались заранее обученным алгоритмом распознавания искусственных объектов. Поскольку алгоритм в качестве входных данных принимает изображения размером 256х256 пикселей, в ходе обработки исходных изображений осуществлялся линейный проход со смещением по горизонтали и вертикали. Для повышения точности распознавания искусственных объектов использовался дополнительный стохастический проход по фрагментам изображения. На выходе был получен набор площадных векторных объектов, интерпретируемых как искусственные сооружения.

Тестовый полигон и результаты

В качестве тестового полигона для обработки данных были выбраны несколько районов Калининградской области.

После обработки растровых данных и получения векторных объектов, интерпретируемых как объекты недвижимости, они были сопоставлены земельным участкам, полученными с использованием сервиса Публичной кадастровой карты РФ.

Результаты сопоставления приведены ниже.

Красным цветом отмечены найденные сооружения, не зарегистрированные на земельных участках Публичной кадастровой карты РФ. Зеленым цветом отмечены данные публичной карты сервиса OpenStreetMap. Серым отмечены земельные участки, выделенные под индивидуальную жилую застройку (ИЖД).


Количество выявленных нарушений по тестовым полигонам приведено ниже.

Заключение

Описанный подход является эффективным средством повышения собираемости налоговых платежей. Его применение наиболее эффективно при использовании единого информационного пространства, объединяющего муниципальные информационные ресурсы, информацию иных государственных информационных систем (Единый государственный реестр недвижимости, Федеральная налоговая службы) и постоянно обновляемые данные дистанционного зондирования.

Применение разработанной методики совместно с платформой-агрегатором cGIS позволило только в границах Багратионовского района Калининградской области выявить 202 самовольно размещенных объектов на территории земельных участков муниципальной собственности. Полученные данные позволили установить 202 объекта, обладающими признаками самовольных построек, из которых 158 объектов признаны самовольными постройками, подлежащими демонтажу, а к 44 объектам муниципалитет принял меры к понуждению для установления правовых отношений.