Получить без отказа и лишних телодвижений деньги в долг без процентов на банковскую карточку. Выгодное решение при финансовых трудностях. Имея паспорт гражданина Украины и идентификационный код, претендовать на микрозайм на карту круглосуточно можно легко.

Sök efter oregistrerade fastigheter med hjälp av algoritmer för maskininlärning

  • Team
  • augusti 23, 2021
  • Inga kommentarer

Introduktion

Enligt Ryska federationens lagstiftning utförs den statliga fastighetsregistreringen och den statliga registreringen av rättigheter till uppförda byggnader på grundval av ett tillstånd för ibruktagande av fastigheten och en tomtägarhandling.

Eftersom fastigheter endast får uppföras på en tomt som särskilt tilldelats för sådana ändamål måste byggherren ha antingen ett dokument om tilldelning av tomten för byggande, ett arrendeavtal för tomten eller ett annat dokument som bekräftar byggherrens rätt att uppföra en fastighet på tomten baserat på givna villkor och i enlighet med den typ av användning som är tillåten för tomten. En fastighetsanläggning som uppförs på en tomt som inte har genomgått de relevanta tillståndsförfarandena är således en källa till ytterligare skattekostnader från kommunen.

En relevant uppgift för att öka nivån på uppbörden av skattebetalningar är att identifiera oregistrerade objekt av fastigheter som byggts utan lämpliga tillstånd.

För att effektivt ta itu med det beskrivna problemet är det nödvändigt att regelbundet jämföra uppgifterna i det enhetliga statliga fastighetsregistret (USRN) om tomter och fastighetsobjekt med en dynamiskt uppdaterad databas över faktiskt existerande fastighetsobjekt på territoriet. Detta erhålles genom automatisk bearbetning av fjärranalysdata med hjälp av algoritmer för maskininlärning. 

Vi har utvecklat en metod för att upptäcka nya och befintliga fastighetsobjekt som inte har registrerats korrekt i det enhetliga statliga fastighetsobjektet eller som har byggts på en tomt med en olämplig typ av tillåten användning.

Beskrivning av data

Ingångsdata för automatisk upptäckt av fastighetsobjekt baserat på rasterbilder har förvärvats från öppna informationskällor och är satellitbilder av en del av Kaliningrad Oblasts territorium. Bilderna motsvarar skalan 1:1000 och har en ungefärlig upplösning på 0,3 m per pixel.

Rådata från fastighetsregistret erhölls med hjälp av tjänsten ”Public Cadastral Map of the Russian Federation” (https://pkk.rosreestr.ru/).

Problembeskrivning

På grundval av de tillgängliga uppgifterna krävs:

  1. Att utföra automatisk bearbetning av de tillgängliga rasterbilderna, och i resultatet få fram vektorobjekt som beskriver platsen och koordinaterna för de funna plana objekten som tolkas som fastigheter.
  2. Att jämföra de erhållna ytobjekten med uppgifterna i Ryska federationens offentliga fastighetskarta (https://pkk.rosreestr.ru/) för att upptäcka objekt som inte är kopplade till de tomter som tilldelats för deras avsedda användning.

Databehandling och lösning

De ursprungliga rasterbilderna delades upp i fragment med en storlek på 5000x5000 pixlar och bearbetades av en förtränad algoritm för artificiell objektigenkänning. Eftersom algoritmen tar 256x256 pixlar som indata utförde den en linjär gång med horisontella och vertikala förskjutningar när den bearbetade de ingående bilderna. En ytterligare stokastisk passage över bildfragmenten användes för att öka noggrannheten vid igenkänning av konstgjorda objekt. Resultatet blev en uppsättning av areavektorobjekt som tolkades som konstgjorda konstruktioner.

Testplats och resultat

Flera distrikt i Kaliningradregionen valdes ut som testplatser för databehandling.

Efter att ha bearbetat rasterdata och fått fram vektorobjekten som tolkats som fastighetsobjekt jämfördes de med de tomter som erhållits med hjälp av tjänsten Public Cadastral Map of Russia.

Resultaten av jämförelsen visas nedan.

Figur 1: Del av byn Zaostrovye (54°56'59.95″N; 20°15'26.08″E).
Figur 2: Del av byn Aleksandrovka (54°54'56.79″N; 20°12'28.62″E).
Figur 3: Del av byn Kholmogorovka (54°47'17.13″N; 20°24'58.10″E).

Den röda färgen anger hittade konstruktioner som inte är registrerade på tomterna i Ryska federationens offentliga fastighetskarta. Den gröna färgen anger uppgifter på den offentliga kartan i OpenStreetMap-tjänsten. Tomter som är avsatta för individuell bostadsbebyggelse (IHD) är markerade i grått.


Antalet upptäckta överträdelser per testplats anges nedan.

DistriktAntal konstaterade överträdelser
Zaostrovye bosättning vid koordinaterna: 54°56'59.95″N; 20°15'26.08″E 1515
Byn Alexandrovka i området koordinater: 54°54'56.79″N; 20°12'28.62″E 1010
Byn Kholmogorovka, i området koordinater: 54°47'17.13″N; 20°24'58.10″E 22

Slutsats

Det beskrivna tillvägagångssättet är ett effektivt sätt att öka uppbörden av skattebetalningar. Tillämpningen är effektivast när man använder det enhetliga informationsutrymmet som förenar kommunala informationsresurser, information från andra statliga informationssystem (det enhetliga statliga fastighetsregistret, den federala skattemyndigheten) samt ständigt uppdaterade fjärranalysdata.

Tillämpningen av den utvecklade metoden tillsammans med cGIS-plattformen-aggregatorn gjorde det möjligt att identifiera 202 obehöriga objekt på de kommunala fastighetstomterna endast inom gränserna för Bagrationovsky-distriktet i Kaliningradregionen. De erhållna uppgifterna gjorde det möjligt att identifiera 202 objekt med tecken på otillåtna konstruktioner, varav 158 objekt erkändes som otillåtna konstruktioner som skulle monteras ned, och för 44 objekt vidtog kommunen åtgärder för att tvinga fram rättsliga åtgärder..

sv_SESvenska
Терміново потрібна була невелика сума грошових коштів? Не впадайте у відчай, гроші до зарплати без відмови видають кредитори.