Эта статья продолжает нашу серию публикаций о городских данных. Другие посты из этой серии:
1) Данные и город (роль анализа данных в управлении современным городом и как они способны его улучшить)
2) О данных коммунальных служб на примере службы 115.бел
3) Городские данные и общество

Главное достоинство пространственных данных — возможность с их помощью открывать на вопрос новую перспективу, которая недоступна как для живого наблюдателя, так и для обычной статистики. Пространственные данные дают ключ к пониманию города: без них невозможно раскрыть логику многих городских процессов.

В Беларуси появился публичный сервис, данные которого имеют пространственный характер — речь о 115.бел. Этот сервис — настоящее событие для страны, поскольку горожане впервые могут напрямую общаться с обслуживающими организациями через централизованную систему, которая собирает все данные об обращениях граждан. В результате мы имеем беспрецедентный шанс на повышение эффективности и открытости в коммунальной сфере, возможность оценить качество жизни горожан и понять главные проблемные вопросы.

Статья презентует первый публичный взгляд на 115.бел как источник глубокого и детального понимания города. В рамках исследования мы вручную собрали сэмпл из нескольких категорий заявок с сайта 115.бел и нанесли их на карту, после чего искали статистически значимые отклонения от среднегородских значений и их закономерности. Мы исходили из предположения, что распределение заявок в городе не будет равномерно и укажет на реальную разницу в состоянии физической инфраструктуры и обслуживания.

 

Исследование

Для начала мы выбрали несколько ключевых типов заявок, которые распространены по всему городу и определяют качество жизни. Число заявок было нормализовано относительно плотности населения, поскольку она заметно различается по городу. Затем заявки были геолокализованы и картированы с применением пространственной статистики. Выбранные заявки можно условно разделить на два типа: связанные с активностью коммунальных служб и связанные с поведением жильцов. К первому типу относятся следующие категории: проблемы с горячей водой, проблемы с отоплением, проблемы с освещением в подъезде, проблемы с состоянием двора и проблемы с состоянием подъезда. Второй тип состоял из двух категорий: проблемы с шумными соседями и отключения коммунальных услуг в связи с отсутствием оплаты.

Мы картировали заявки по каждой категории, а затем определили скопления статистически значимых отклонений в сторону бóльшей и меньшей, чем в среднем по городу, плотности заявок (hot spots и cold spots). Скопления таких мест в значительной степени совпадали. Мы наложили их друг на друга, чтобы увидеть места, которые заметно отличаются от соседей по нескольким категориям. Ниже показаны сводные результаты картирования и статистического анализа.

Пересечение кластеров с бóльшей, чем в среднем по городу, плотностью заявок. Чем светлее точка, тем в большем числе категорий она является частью кластера.

 

Нужно сразу отметить, что бóльшее, чем в среднем по городу, количество заявок, по крайней мере гипотетически, может быть вызвано двумя причинами: много заявок из-за плохого состояния жилфонда либо много заявок в силу высокой активности и требовательности жителей. В итоге у нас получилась, по сути, карта хрущевок послевоенных рабочих поселков Минска. Лидировали первый минский микрорайон в районе улицы Калинина (https://realt.onliner.by/2013/04/20/rajony-kvartaly), а таже район Тракторного завода и рабочие поселки тракторного и автомобильного заводов. Спальные районы более позднего времени практически не выделяются, что может говорить о предсказуемой гомогенности Минска как в вопросе состояния жилого фонда, так и активности горожан.

С другой стороны, кластеры с меньшей, чем в среднем по городу, плотностью заявок, выглядят достаточно непредсказуемо. Часть из них расположена в более новых районах города, и такой результат ожидаем. Но часть из них, притом эти кластеры одни из самых выразительных, — это достаточно старый жилой фонд, в том числе расположенный далеко на периферии (Чижовка и даже Шабаны!).

Пересечение кластеров с меньшей, чем в среднем по городу, плотностью заявок. Чем светлее точка, тем в большем числе категорий она является частью кластера.

 

Любопытны и результаты картирования отдельных типов заявок. К примеру, ниже показаны кластеры заявок по поводу отключения коммунальных услуг в связи с отсутствием оплаты. Говорит ли это о более острых социальных проблемах в этих районах на фоне остального города, или это следствие разницы в подаче данных — на данном этапе анализа сказать сложно.

Кластеры заявок в связи с проблемами с оплатой коммунальных услуг. Красным цветом отмечены кластеры, где плотность заявок больше среднегородской, синим — меньше.

 

Кластеры жалоб на более технические проблемы совпадают на городском уровне: мы снова видим карту хрущевок Минска, но теперь к ним добавилась Курасовщина, один из наименее благополучных районов города не основании исследования рейтингов продуктовых магазинов.

Кластеры заявок на проблемы с горячей водой. Красным цветом отмечены кластеры, где плотность заявок больше среднегородской, синим — меньше.

Кластеры заявок на проблемы с состоянием подъезда. Красным цветом отмечены кластеры, где плотность заявок больше среднегородской, синим — меньше.

Кластеры заявок из-за проблем с отоплением. Красным цветом отмечены кластеры, где плотность заявок больше среднегородской, синим — меньше.

 

Как видно, даже относительно базовый анализ выявляет значимые  системные различия как в состоянии жилого фонда в Минске, так и в работе коммунальных служб и активности горожан. При этом достаточно очевидно, что характер данных таков, что для получения более точных ответов всегда крайне важно делать глубинный анализ и проверять его результаты данными из другого источника. И однозначно важен открытый доступ к данным такого рода, поскольку это шанс не только выйти на открытую дискуссию по общественно важным вопросам, но и найти оригинальные и новые способы решения острых проблем.

 

Текст и анализ: Дмитрий Бибиков, Евгений Калиновский

Гео-анализ: Евгений Калиновский, Антон Жильцов

Редактура: Настя Тулаева

Больше примеров анализа минских городских данных можно посмотреть на https://medium.com/@minskurbandataresearch