CC BY
8DOI 10.47576/2712-7559_2022_6_173 УДК 338
Ярославцева Наталия Геннадьевна,
соискатель кафедры строительного инжиниринга и материаловедения, Пермский национальный исследовательский политехнический университет, г. Пермь, Россия, e-mail: Avto59region@mail.ru
МОДЕЛИРОВАНИЕ И ОЦЕНКА СИСТЕМЫ ПОДДЕРЖКИ ПРИНЯТИЯ РЕШЕНИЙ В ВЫБОРЕ СТРОИТЕЛЬНОГО ОБЪЕКТА В УСЛОВИЯХ КРИЗИСА СОВРЕМЕННОГО РЫНКА НЕДВИЖИМОСТИ
В статье представлены моделирование и оценка системы поддержки принятия релевантных решений в выборе строительного объекта. Выявлены поисковые условия, критерии, которые будут отвечать за результаты выдаваемой конечной информации пользователям. Применены следующие подходы к обработке информации: научный, комплексный, поведенческий и системный.
Ключевые слова: моделирование; оценка; строительные объекты; строительство; недвижимость; информация.
UDC 338
MODELING AND EVALUATION OF THEDECISION SUPPORTSYSTEM IN THE CHOICE OF A CONSTRUCTION OBJECT IN THE CONDITIONS OF THE CRISIS OF THE MODERN REAL ESTATE MARKET
The article presents the modeling and evaluation of the support system for making relevant decisions in the choice of a construction object. Search conditions and criteria that will be responsible for the results of the final information issued to users are identified. The following approaches to information processing have been applied: scientific, complex, behavioral and systemic. The author connects the prospects for further research with the study of the experience of introducing new (innovative) building materials in domestic and foreign practice of low-rise construction.
Keywords: modeling; grade; building objects; construction; real estate; information.
Yaroslavtseva Natalia Gennadievna,
Competitor of the Department of Construction Engineering and Materials Science, Perm National Research Polytechnic University, Perm, Russia, e-mail: Avto59region@mail.ru
В кризисное время такой мировой подход к оценке недвижимости, как сервейинг (комплексная технико-экономическая экспертная оценка), особенно актуален и целесообразен. Строительная отрасль в настоящий период времени сталкивается с многими проблемами. Среди них дефицит кадров (специальная операция), нехватка новых материалов (из-за санкций западный
партнеров) и пр. Основная задача специалистов в области моделирования рынков строительных услуг - найти пути улучшения оценки и моделирования покупки недвижимости покупателями с учетом конкретных запросов и критериев.
Цель статьи - представить комплексную систему оценки выбора жилой недвижимости в условиях современного рынка.
Объект исследования - отечественный строительный рынок; предмет исследования - моделирование и оценка системы поддержки принятия релевантных решений при выборе строительных объектов покупателями.
В статье были применены следующие подходы к обработке информации: научный, комплексный, поведенческий и системный.
Тема научной статьи, по мнению автора, недостаточно изучена в зарубежной и отечественной литературе, но некоторые научные труды заслуживают внимания в данной области знаний: П. Г Грабовой, В. В. Березка рассмотрели моделирование рисков [1, с. 5969]; К. А. Гуреев, В. С. Гладких, У. В. Афтахо-ва проанализировали затраты в конструировании [2, с. 044003]; Далла Валле изучила строительную отрасль [3, с. 31-38]; И.М.К.С. Илланкун, В. Ю. Там, К. Н. Ли рассмотрели опыт Австралии [4, с. 116-128]; Х. Яллов, С. Ренукаппа и др. изучали вопросы моделирования [5, с. 69-73]; С. В. Подара, И. А. Карт-сонакис и др. показали научному сообществу новые материалы [6, с. 1-26]; А. Кухтани, Б. Тригунаршух, Т. Симко изучили аспекты В1PV [7, с. 19]; В. А. Аревков представил отдел ь -ные аспекты создания цифровой трехмерной модели объекта капитального строительства по материалам наземного сканирования [8, с. 371-374]; О. Н. Грабова, А. Е. Суглобов, А. В. Грабов показали особенности построения учетно-аналитических моделей управления в строительстве [9, с. 1-5]; А. Н. Гуреева, К. А. Гуреев показали значимость разработки и распространения готовых моделей реализации проектов строительства с применением смешанного финансирования [10, с. 26]; К. А. Гуреев, А. Н. Гуреева изучили объединение принципов связанности и взаимозависимости факторов моделей рынков при управлении рыночной системой [11, с. 211-218]; А. А. Жигит, К. И. Хамидуллина, С. А. Лашкин показали в научной работе применение модели оценки рисков для выбора строительного объекта генеральной подрядной организацией [12, с. 33-38]; А. А. Жигит представил комплексную компьютерную оценку матриц свертки и сформировал модели готовности организационно-планировочных подготовительных работ в строительной отрасли [13, с. 27-32]; С. В. Пономарева, Е. В. Ведерникова, В. М. Горлова изучили перспективы
развития строительной отрасли Российской Федерации [14, с. 91-99]; С. В. Пономарева, А. А. Жигит, С. А. Лашкин моделировали риски, влияющие на несвоевременное завершение гражданского и промышленного строительства в Российской Федерации [15, с. 82-90]; Ю.П . Станина показала современное состояние и перспективы экономического развития строительной отрасли в России [16, с. 4-7]; В. Н. Стахейко, А. А. Лесничая представили будущее цифровых технологий в строительстве [17, с. 178-182]; О. С. Тропо-лева изучила влияние мировой экономики на развитие строительной отрасли в России [18, с. 940-944]; А. А. Хачатурян, С. В. Пономарева, К. И. Бокова планировали основные показатели деятельности с применением когнитивного моделирования на промышленных предприятиях Российской Федерации [19, с. 35-43]; Т. Ю. Шафранова показала технологические инновации: применение, перспективы, тенденции развития в дорожно-строительной отрасли [20, с. 145].
Рассмотрим поддержку принятия решений при выборе жилой недвижимости. Пред -лагается изменить действующею систему поддержки выбора жилой недвижимости в условиях современного рынка. Для поиска жилой недвижимости будет единственной комплексная оценка, которая в совокупности будет совмещать все критерии. Настоящая система поддержки выбора загоняет нас в рамки. Пример таких рамок заключается в том, что пользователям нужно выбрать для себя точные количественные или заданные критерии (этаж, отделка, площадь, размеры цены, количество комнат и т. п.). Пользователям рынка будет предложен выбор, каждому критерию выставить желаемую комплексную оценку. В действующей системе поддержки выбора от заданных параметров зависит выходной материал, если задали цену до пяти миллионов рублей, более результат не покажет, если при этом выбрать параметр общей площади, круг поиска сузится в многократном размере, не го -воря уже о всех предложенных критериях. Предложенная система поддержки выбора лучше тем, что выдаваемый результат не загоняет нас в рамки цены, этажности, количества комнат, общей площади и т. п. Поиск выдаст нам все возможные варианты для желаемой комплексной оценки, и уже ис-
ходя из выдаваемого результата можно делать выбор или менять комплексные оценки исходя из своих предпочтений.
На примере потенциального потребителя создадим поисковые условия и заполним критерии, которые будут отвечать за результаты выдаваемой информации. Будущий покупатель планирует уложи ься в свой денежный бюджет согласно комплексной оценке, что означает вариативность суммы, за которую планируется продать жилую недвижимость, тем самым выдаются разные поисковые предложения, исходя из комплексной оценки. Оценку цены жилой недвижимости моделирует свертка № 1 (рис. 1).
Цена жилой
Недвижимости
Обратная
4 Оценка 1 Результат приведения
1 Млн./руб. 30 Заполняется пользователем модели
Расположение
Квартиры
Обратная
4 Оценка 1 Результат приведения
1 Км от центра 200 Заполняется пользователем модели
Рисунок 2 - Свертка № 2 «Расположение квартиры (жилой недвижимости)»
Из рис. 2 следует, что зависимость будет обратная, так как чем ближе жилая недвижимость расположена к центру, тем больше будет возможностей посещения различных мест города.
Оценку состояния жилой недвижимости моделирует свертка № 3 (рис. 3).
Состояние жилой
Недвижимости
Прямая
Оценка
Процент выполненных отделочных работ
100
Результат приведения
Заполняется пользователем модели
Рисунок 1 - Свертка № 1 «Цена жилой недвижимости»
Из рис. 1 следует, что зависимость будет обратная, так как чем ниже цена за жилую недвижимость, тем покупатель более заинтересован в покупке.
Оценку расположения недвижимости моделирует свертка № 2 (рис. 2).
Рисунок 3 - Свертка № 3 «Состояние жилой недвижимости»
Из рис. 3 следует, что зависимость будет прямая, так как если отделка выполнена в стопроцентном объеме, а это удовлетворяет на оценку четыре (отлично), если процент близиться к единице, это означает, что отделка черновая.
Оценку социальной инфраструктуры моделирует свертка № 4 (см. рис. 4).
Социальная
Инфраструктура
Прямая
Результат приведения
1 Оценка 4
1 Процент налаженной социальной инфраструктуры жилой недвижимости 100 Заполняется пользователем модели
Рисунок 4 - Свертка № 4 «Социальная инфраструктура»
Из рис. 4 следует, что зависимость будет прямая, так как пользователи смогут для себя отметить, важна ли им инфраструктура и все ее подвиды и категории, и смогут поставить процент, который их бы удовлетворял в данном критерии.
Оценку транспортной доступности моделирует свертка № 5 (рис. 5).
1
4
1
Транспортная
Доступность
Прямая
1 Оценка 4 Результат приведения
1 Процент желаемого критерия 100 Заполняется пользователем модели
Рисунок 5 - Свертка № 5 «Транспортная доступность»
Данные рис. 5 демонстрируют прямую за- портной доступности, тем выше будет оцен-висимость, так как чем выше процент транс- ка.
Рисунок 6 - Фрагмент разработанной системы поддержки принятия решений в выборе жилья,
в условиях современного рынка
Данный вид системы поддержки принятия решений в выборе жилья в условиях современного рынка будет запрограммирован в поисковом запросе, когда покупатель будет лишь назначать комплексные оценки для критериев по шкале 1-4, где: 4 - «отлично», 3 - «хорошо», 2 - «удовлетворительно», 1 -«неудовлетворительно», и ранжировать их по своим субъективным желаниям и важности (ГО - рост любого из двух частных критериев не вызывает увеличение комплексной оценки; И - равномерный рост частных критериев обеспечивает умеренный рост комплексной оценки с эффектом «ожидания» более развитым критерием менее развитого; f2 - монополия второго частного критерия; f3 - монополия первого частного критерия; f4 - аналогичен И, но отличается быстрым ростом вместо умеренного; f5 - аналогичен f4, отличаясь стремительным ростом комплексной оценки).
Таким образом, в статье представлен вид системы поддержки принятия релевантных (важных) решений в выборе жилья в условиях современного строительного рынка. Вид рассматриваемой системы уже будет запрограммирован для комплексной оценки покупателями недвижимости, что значительно увеличит скорость покупки необходимой недвижимости по соответствующим критериям. Перспективы дальнейших исследований автор связывает с изучением опыта внедрения новых (инновационных) строительных материалов в отечественной и зарубежной практике малоэтажного строительства.
Список литературы
1. Graboviy P. G., Berezka V. V. Risk Modeling at the Pre-Investment Phase of Nuclear Powerplant // Construction on the International Market / Real Estate: Economics, Management. 2021. № 1. С. 59-69.
2. Gureev K. A., Gladkikh V. S., Aftakhova U. V. Tools Development for estimated cost management of
construction and assembly works // IOP Conference Series: Materials Science and Engineering. Сер. «International Conference on Construction, Architecture and Technosphere Safety - 4. Construction Technology and Organization», 2019. - С. 044003.
3. Dalla Valle A. Building-related LCA application review within construction sector. SpringerBriefs in Applied Sciences and Technology, 2021. pp. 31-38.
4. Illankoon I.M.C.S., Tam V.W.Y., Le K.N. United Nation's sustainable development goals: establishing baseline for Australian building sector. Intelligent Buildings International. 2021. № 13 (2). Pp. 116-128.
5. Jallow H., Renukappa S., Suresh S., Alneyadi A. Building Information Modelling in Transport Infrastructure Sector. Advances in Science, Technology and Innovation. 2021. Pp. 69-73.
6. Podara C. V., Kartsonakis I. A., Charitidis C. A. Towards phase change materials for thermal energy storage: classification, improvements and applications in the building sector (2021) // Applied Sciences (Switzerland). 11 (4), Pp. 1-26.
7. Qahtani A., Trigunarsyah B., Simko T. Energy support in the residential sector using building integrated photovoltaic (BIPV) - a review (2021) Proceedings of International Structural Engineering and Construction, 8 (1), pp. 19-1 - 19-6.
8. Аревков В. А. Создание цифровой трехмерной модели объекта капитального строительства по материалам наземного сканирования // ВЕЛИКИЕ РЕКИ' 2019. Труды научного конгресса 21-го Международного научно-промышленного форума : в 3 т. М., 2019. С. 371-374.
9. Грабова О. Н., Суглобов А. Е., Грабов А. В. Особенности построение учетно-аналитических моделей управления в строительстве // Russian Journal of Management. 2020. Т. 8. № 2. С. 1-5.
10. Гуреева А. Н., Гуреев К. А. Значимость разработки и распространения готовых моделей реализации проектов строительства с применением смешанного финансирования // Российский экономический интернет-журнал. 2018. № 3. С. 26.
11.Гуреев К. А., Гуреева А. Н. Значимость объединения принципов связанности и взаимозависимости факторов моделей рынков при управлении рыночной системой // Управление большими системами. УБС-2017 : материалы XIV Всероссийской школы-конференции молодых ученых. 2017. С. 211-218.
12. Жигит А. А., Хамидуллина К. И., Лашкин С. А. Применение модели оценки рисков для выбора строительного объекта генеральной подрядной организацией // Вестник Алтайской академии экономики и права. 2020. № 1-1. С. 33-38.
13. Жигит А. А. Комплексная компьютерная оценка матриц свертки и формирование модели готовности организационно-планировочных подготовительных работ в строительной отрасли // Журнал прикладных исследований. 2022. № 9. Т. 1. С. 27-32.
14. Пономарева С. В., Ведерникова Е. В., Горлова В. М. Развитие строительной отрасли Российской Федерации в кризисное время // Контентус. 2016. № 1 (42). С. 91-99.
15. Пономарева С. В., Жигит А. А., Лашкин С. А. Моделирование рисков, влияющих на несвоевременное завершение гражданского и промышленного строительства в Российской Федерации // Вестник
Алтайской академии экономики и права. 2019. № 7-2. С. 82-90.
16. Станина Ю. П. Современное состояние и перспективы экономического развития строительной отрасли в России // Перо науки. 2020. № 20. С. 4-7.
17. Стахейко В. Н., Лесничая А. А. Будущее цифровых технологий в строительстве // Устойчивое развитие экономики: международные и национальные аспекты : электронный сборник статей III Международной научно-практической online-конференции. 2019. С. 178-182.
18. Трополева О. С. Влияние мировой экономики на развитие строительной отрасли в России // Инновации. Наука. Образование. 2021. № 25. С. 940-944.
19. Хачатурян А. А., Пономарева С. В., Бокова К. И. Планирование основных показателей деятельности с применением когнитивного моделирования на промышленных предприятиях Российской Федерации // Экономика и управление: проблемы, решения. 2019. Т. 9 (85). № 1. С. 35-43.
20. Шафранова Т. Ю. Технологические инновации: применение, перспективы, тенденции развития в дорожно-строительной отрасли // Новые материалы, оборудование и технологии в промышленности : материалы международной научно-технической конференции молодых ученых. Могилев, 2020. С. 145.
References
1. Graboviy P.G., Berezka V.V. Risk Modeling at the Pre-Investment Phase of Nuclear Powerplant. Construction on the International Market. Real Estate: Economics, Management. 2021. No. 1. Pp. 59-69.
2. Gureev K.A., Gladkikh V.S., Aftakhova U.V. Tools Development for estimated cost management of construction and assembly worksn. IOP Conference Series: Materials Science and Engineering. Сер. «International Conference on Construction, Architecture and Technosphere Safety - 4. Construction Technology and Organization», 2019. P. 044003.
3. Dalla Valle, A. Building-related LCA application review within construction sector (2021). SpringerBriefs in Applied Sciences and Technology. Pp. 31-38.
4.Illankoon, I.M.C.S., Tam, V.W.Y., Le, K.N. United Nation's sustainable development goals: establishing baseline for Australian building sector (2021). Intelligent Buildings International. 13 (2). Pp. 116-128.
5.Jallow H., Renukappa S., Suresh S., Alneyadi A. Building Information Modelling in Transport Infrastructure Sector. Advances in Science, Technology and Innovation. 2021. Pp. 69-73.
6.Podara C.V., Kartsonakis I.A., Charitidis C.A. Towards phase change materials for thermal energy storage: classification, improvements and applications in the building sector. Applied Sciences (Switzerland). 2021. No. 11 (4). Pp. 1-26.
7.Qahtani A., Trigunarsyah, B., Simko, T. Energy support in the residential sector using building integrated photovoltaic (BIPV) - a review (2021). Proceedings of International Structural Engineering and Construction. No. 8 (1). Pp. 19-1, 19-6.
8. Arevkov V.A. Creation of a digital three-dimensional model of a capital construction object based on ground scanning materials. GREAT RIVERS' 2019. Proceedings of the Scientific Congress of the 21st International
Scientific and Industrial Forum: in 3 volumes. 2019. Pp. 371-374.
9. Grabova O.N., Suglobov A.E., Grabov A.V. Features of the construction of accounting and analytical management models in construction. Russian Journal of Management. 2020. V. 8. No. 2. Pp. 1-5.
10. Gureeva A.N., Gureev K.A. The importance of developing and disseminating ready-made models for the implementation of construction projects using mixed financing. Russian Economic Internet Journal. 2018. No. 3. Pp. 26.
11. Gureev K.A., Gureeva A.N. The significance of combining the principles of connectedness and interdependence of factors of market models in the management of a market system. Management of large systems. UBS-2017. Proceedings of the XIV All-Russian School-Conference of Young Scientists. 2017. Pp. 211-218.
12. Zhigit A.A., Khamidullina K.I., Lashkin S.A. Application of the risk assessment model for the selection of a construction object by a general contractor. Bulletin of the Altai Academy of Economics and Law. 2020. No. 1-1. Pp. 33-38.
13. Zhigit A.A. Comprehensive computer evaluation of convolution matrices and the formation of a model for the readiness of organizational and planning preparatory work in the construction industry. Journal of Applied Research. No. 9, V.1, 2022. Pp.27-32.
14. Ponomareva S.V., Vedernikova E.V., Gorlova V.M. Development of the construction industry of the Russian
Federation in times of crisis. Contentus. 2016. No. 1 (42). Pp. 91-99.
15. Ponomareva S.V., Zhigit A.A., Lashkin S.A. Modeling risks affecting the untimely completion of civil and industrial construction in the Russian Federation. Bulletin of the Altai Academy of Economics and Law. 2019. No. 7-2. Pp.82-90.
16. Stanina Yu.P. The current state and prospects for the economic development of the construction industry in Russia. Pero Nauki. 2020. No. 20. Pp. 4-7.
17. Staheiko V.N., Lesnichaya A.A. The future of digital technologies in construction. Sustainable development of the economy: international and national aspects. Electronic collection of articles of the III International scientific and practical online conference. 2019. Pp. 178-182.
18. Tropoleva O.S. Influence of the world economy on the development of the construction industry in Russia. Innovations. The science. Education. 2021. No. 25. Pp. 940-944.
19. Khachaturyan A.A., Ponomareva S.V., Bokova K.I. Planning of key performance indicators using cognitive modeling at industrial enterprises of the Russian Federation. Economics and Management: Problems, Solutions. 2019. V. 9 (85). No. 1. Pp. 35-43.
20.Shafranova T.Yu. Technological innovations: application, prospects, development trends in the road construction industry. New materials, equipment and technologies in industry. Materials of the international scientific and technical conference of young scientists. Mogilev, 2020. Pp. 145.
