"Житель современного мегаполиса начинает сознавать: он живет не только в своей квартире - он выносит свою активность наружу, - говорит один из разработчиков сервиса, сотрудник Института информатики, математики и электроники, доцент Самарского университета Андрей Чернов. - Если несколько лет назад люди просто инвестировали средства в квадратные метры, то сейчас все больше горожан ищут новую квартиру, чтобы изменить качество жизни. Наш сервис быстро и объективно подбирает все необходимые для конкретного человека характеристики жилья и окружающей городской среды, выявив совершенно определенный перечень факторов".

Помимо привычных критериев, влияющих на цену квадратных метров (район проживания, тип застройки, этаж, площадь квартиры и ее кадастровая стоимость), сервис предлагает более тонкую - практически индивидуальную - настройку, которая объединяет более 20 дополнительных параметров.

К ним разработчики отнесли коммуникационные факторы, касающиеся транспортной доступности жилья (удаленность от центра города, набережной, парков и скверов; транспортная загруженность, количество маршрутов общественного транспорта и расстояние до их остановок). Локальные - наличие парковок, объектов социальной, культурной и спортивной инфраструктуры в пешей доступности от желаемой квартиры. А также внутренние факторы: состояние двора, год постройки здания, его износ и дата проведения последнего ремонта, наличие пассажирских и грузовых лифтов и т.д.

По сути, сервис представляет собой математический алгоритм сбора, хранения и обработки разрозненных массивов больших данных (Big Data), представляемых в виде геоинформационной карты. "На карту нанесено несколько слоев информации, которые содержат данные о множестве объектов, имеющих как адресную, так и геоинформационную привязку. С помощью одного клика вы получите полную характеристику интересующей квартиры, ее положения в пространстве, то есть всего того, что ее окружает, и рассчитаете ее объективную стоимость", - поясняет методологию Андрей Чернов.

Уже сейчас сервис позволяет сделать расчет времени на дорогу от потенциального жилья до места работы как на личном, так и на общественном транспорте, оценить удобство расположения близлежащих образовательных, социальных и спортивных объектов, а также сделать вывод о доступности и качестве предоставления различных социальных услуг.

Ученый приводит наглядный пример: "Допустим, я хочу жить в историческом центре Самары в 10 минутах ходьбы от набережной, и чтобы рядом были хорошая школа для ребенка, парк и детская площадка. При этом у меня - детская коляска, и я понимаю, что спуститься к набережной по ближайшей неотремонтированной дороге будет крайне трудно. Когда надо учесть более 10 или 20 подобных факторов, решить задачу становится все сложнее. Особенно если эти факторы нечетки и противоречат друг другу: к примеру, я хочу, чтобы транспортные развязки были в пешей доступности от дома, но при этом чтобы до меня не доносился шум машин".

Разработчики также подчеркивают: изначально их проект разрабатывался под геоинформационные характеристики Самары, но потенциально он может быть спроецирован на любой город-миллионник России.