Оценка вакантности жилья в Москве

DOI: 10.35595/2414-9179-2025-3-31-273-291

Посмотреть или загрузить статью (Rus)

Об авторах

Т.И. Балтыжакова

Национальный исследовательский университет ИТМО,
Кронверкский пр., д. 49, лит. А., Санкт-Петербург, Россия, 197101,
E-mail: tibaltyzhakova@itmo.ru

В.В. Палич

Московский архитектурный институт (государственная академия),
ул. Рождественка, д. 11/4, корп. 1, стр. 4, Москва, Россия, 107031,
E-mail: office@marhi.ru

П.О. Сёмин

Пермский государственный национальный исследовательский университет,
ул. Букирева, д. 15, Пермь, Россия, 614068,
E-mail: ntsp@ya.ru

Ю.О. Чутова

Независимый исследователь,
Нижний Новгород,
E-mail: julia.o.rodikova@gmail.com

Аннотация

Представленное в статье исследование посвящено разработке методики оценки уровня вакантности жилья и ее апробации в г. Москве. В исследовании было определено рабочее понятие «вакантности жилья». Вакантное жилье — это жилое помещение, которое не является чьим-либо местом преимущественного проживания независимо от субъективной оценки вакантности правообладателем. Методика базируется на использовании открытых данных Фонда развития территорий (ФРТ), итогов Всероссийской переписи населения, отчета об итогах государственной кадастровой оценки г. Москвы за 2023 г. и реестра объектов жилищного фонда. В ходе реализации предложенной методики была оценена вакантность 60 % жилищного фонда Москвы. Было выявлено, что во многих районах высокий уровень вакантности жилищного фонда может быть объяснен влиянием проектов комплексного развития территорий. Агрегированные по муниципальным районам результаты были проанализированы на наличие пространственной автокорреляции и кластеров высокой или низкой вакантности жилого фонда. Более подробный анализ показал, что наиболее высокий процент вакантности характерен для районов Новой Москвы, а также отдельных районов, подвергнувшихся влиянию процесса комплексного развития территорий. Рассчитанные показатели локальной пространственной автокорреляции говорят о наличии областей высокой концентрации как высокого, так и низкого уровня вакантности жилищного фонда, что может служить косвенным показателем комфортности городской среды. Предлагаемая авторами методика имеет высокую степень воспроизводимости и универсальности, т. к. использует только данные из открытых источников и имеет подробное описание программного кода для расчетов.

Ключ. слова

вакантность жилья, жилищный фонд, открытые данные, ГИС, пространственный анализ

Список литературы

  1. Александрова О.А., Алексеева О.А. Основы экономического поведения и благосостояния населения: мотивы, факторы, ожидания. М.: ФНИСЦ РАН, 2024. 351 с. DOI: 10.19181/monogr.978-5-89697-433-8.2024.
  2. Головин А.В., Гуздь Т.В., Витков Г.В., Карасельникова И.В., Косолапов Н.А. Планирование разрастания. Пространственная политика городов России. М.: Издательский дом ВШЭ, 2021. 248 с. DOI: 10.17323/978-5-7598-2578-4.
  3. Городничев А.В., Скребкова Е.В. Неравномерное развитие Москвы в контексте сложившейся пространственной структуры постсоциалистического мегаполиса. Городские исследования и практики, 2022. Т. 7. № 1. С. 85–105. DOI: 10.17323/usp71202285-105.
  4. Flas M., Halleux J.-M., Cools M., Teller J. Identifying Housing Vacancy Using Data on Registered Addresses and Domestic Consumption. Housing Studies, 2022. V. 39. P. 1317–1339. DOI: 10.1080/02673037.2022.2119212.
  5. Hoekstra J., Vakili-Zad C. High Vacancy Rates and Rising House Prices: The Spanish Paradox. Journal of Economic and Human Geography, 2010. V. 102. No. 1. P. 55–71. DOI: 10.1111/j.1467-9663.2009.00582.x.
  6. Lee J., Newman G., Lee C. Predicting Detached Housing Vacancy: A Multilevel Analysis. Sustainability, 2022. V. 14. No. 2. P. 922. DOI: 10.3390/su14020922.
  7. Li J., Guo M., Lo K. Estimating Housing Vacancy Rates in Rural China Using Power Consumption Data. Sustainability, 2019. V. 11. No. 20. P. 5722. DOI: 10.3390/su11205722.
  8. Liu X., Li Z., Fu X., Yin Z., Liu M., Yin L., Zheng W. Monitoring House Vacancy Dynamics in The Pearl River Delta Region: A Method Based on NPP-VIIRS Night-Time Light Remote Sensing Images. Land, 2023. V. 12. No. 4. P. 1–21. DOI: 10.3390/land12040831.
  9. Newman G., Lee R.J., Gu D., Park Y., Saginor J., Van Zandt S., Li W. Evaluating Drivers of Housing Vacancy: A Longitudinal Analysis of Large U.S. Cities from 1960 to 2010. Journal of Housing and the Built Environment, 2019. V. 34. P. 807–827. DOI: 10.1007/s10901-019-09684-w.
  10. Sayuda K., Hong E., Akiyama Y., Baba H., Tokudomi T., Akatani T. Accuracy of Vacant Housing Detection Models: An Empirical Evaluation Using Municipal and National Census Datasets. Transactions in GIS, 2022. V. 26. P. 3003–3027. DOI: 10.1111/tgis.12992.
  11. Yang P., Pan J. Estimating Housing Vacancy Rate Using Nightlight and POI: A Case Study of Main Urban Area of Xi’an City, China. Applied Sciences, 2022. V. 12. P. 12328. DOI: 10.3390/app122312328.
  12. Yang D., Xiao B., Lu X., Jia X., Li X., Han F., Sun L., Shi F., Khumvongsa K., Li J., Duan X. Assessment and Driving Factor of Housing Vacancies in Shandong Peninsula Urban Agglomeration Based on Multi-Source Remote Sensing Data. Heliyon, 2023. V. 9. No. 9. P. e16837. DOI: 10.1016/j.heliyon.2023.e16837.
  13. Yue X., Wang Y., Zhao Y., Zhang H. Estimation of Urban Housing Vacancy Based on Daytime Housing Exterior Images—A Case Study of Guangzhou in China. ISPRS International Journal of Geo-Information, 2022. V. 11. P. 349. DOI: 10.3390/ijgi11060349.

Для цитирования: Балтыжакова Т.И., Палич В.В., Сёмин П.О., Чутова Ю.О. Оценка вакантности жилья в Москве. ИнтерКарто. ИнтерГИС. M.: Географический факультет МГУ, 2025. Т. 31. Ч. 3. С. 273–291. DOI: 10.35595/2414-9179-2025-3-31-273-291

For citation: Baltyzhakova T.I., Palich V.V., Syomin P.O., Chutova Yu.O. Moscow housing vacancy rate estimation. InterCarto. InterGIS. Moscow: MSU, Faculty of Geography, 2025. V. 31. Part 3. P. 273–291. DOI: 10.35595/2414-9179-2025-3-31-273-291 (in Russian)