Опубликована карта домов – участников программы реновации — Комплекс градостроительной политики и строительства города Москвы

Что хотелось сделать, но не получилось 🙁

Официальный список стартовых площадок находится здесь.

Также на карту волн реновации я хотел добавить стартовые площадки, однако это не получилось сделать. Проблема даже не в том, что нормально спарсить список не удалось, это можно было бы решить, проблема в том, что геокодер не может точно определить координаты по владению, например, Шмитовский проезд, вл. 39, Мукомольный проезд, вл. 6, или где находится этот адрес — район Южное Медведково, мкр. 1, 2, 3, корп. 38.

Таким образом единственный источник данных это официальная карта реновации (находится здесь), а как получить из неё координаты я не знаю, если кто знает, как получить координаты стартовых площадок, напишите пожалуйста в комментах.

Однако не всё так плохо и выход всё же есть — можно добавить эти метки вручную!

Благоустройство

Создание комфортного окружения включает озеленение, устройство площадок для отдыха, пешеходных дорожек и подъездов к дому. Базовые принципы благоустройства новостроек:

1. Дворы без парковок – многоэтажки будут оснащены подземными гаражами.
2. Отсутствие транзитного движения транспорта через дворы.
3. Высадка кустарников и деревьев.
4. Вынос за пределы дворов коммунально-бытовых объектов.
5. Создание публичных пространств.
6. Рациональное использование территории

Большинство сданных на сегодняшний момент стартовых зданий строились для других программ, поэтому они не оснащены подземными парковками. В новых проектах это предусмотрено в обязательном порядке.

Все дома под снос на одной карте

По карте вы можете проверить, попал ли ваш дом в список пятиэтажек под снос, а также оценить
новостройки в этом же районе.

Готовые и строящиеся объекты

В настоящее время идет расселение жителей старых хрущевок в готовые дома по реновации:

В июле были утверждены 9 новых стартовых площадок, скоро на них «вырастут» 9 готовых домов для переселения по программе:

Как выглядят дома, построенные под реновацию?

Объекты по программе – это красивые высотные здания монолитной конструкции с чистовой отделкой. Они построены по индивидуальным проектам. Принято решение отказаться от однотипной застройки. Единый стиль будет соблюдаться только внутри кварталов. Высота домов – 10-20 этажей. В отделке применяются различные цветовые решения.

На входных группах у новостроек установлены стеклянные двери. В каждом подъезде:

• 2 лифта;
• помещение консьержа;
• колясочная комната.

Мусоропровод выделен в отдельное помещение, подход к нему отделен, в холле не будет неприятных запахов.

В новых домах предусмотрены квартиры для людей с ограниченной мобильностью. В них сделаны широкие коридоры, пандусы, поручни, кнопки вызова консьержа.

Какое жилье получают участники реновации?

Участников программы переселяют в равнозначные квартиры. Это означает, что в новом жилище столько же комнат и квадратных метров жилой площади, сколько и в старом. А общий метраж даже больше за счет просторной кухни, санузла, коридора и балкона.

Люди переезжают в квартиру с полной чистовой отделкой класса «комфорт»:

• комнаты оклеены обоями под покраску;
• стены в ванной и туалете выложены керамической плиткой, из нее же сделан фартук вдоль кухонной рабочей поверхности;
• покрытие полов – ламинат в комнатах, керамогранит на кухне, в санузле и коридоре;
• застекленный балкон или лоджия;
• в окнах – стеклопакеты с москитной сеткой;
• межкомнатные двери из шпона;
• входная дверь металлическая с утеплением и звукоизоляцией.

Установлена вся необходимая сантехника: ванна, раковина, унитаз, душ, полотенцесушитель. На кухне – электроплита и мойка. Помещения оборудованы розетками, выключателями, люстрами, напольным плинтусом с кабельканалом.

В шоу-руме квартир по программе реновации представлены 5 видов:

• однокомнатная с совмещенным и раздельным санузлом;
• 2 вида двухкомнатных: «распашонка» и «линейка»;
• трехкомнатная;

Конкурс проектов

В 2021-2021 годах в Москве проводился Международный градостроительный турнир на разработку проектов строительства на пяти экспериментальных площадках.

На рассмотрение было подано около 130 заявок от 190 компаний мира.

Конкурс проходил в 2 этапа. Над проектом каждой площадки работали несколько команд. В финал вышло 20 компаний. Список команд победителей:

Лента событий

15 июня

В районе Перово (ВАО Москвы) возведут новостройку по программе реновации. Дом на 174 квартиры от 1 до 3 комнат появится по адресу ул. Металлургов, вл. 30. Во всех лотах будет выполнен ремонт, установлена сантехника и кухонные плиты. На подземном этаже запроектируют парковку, на первых – помещения общественного назначения.

Показать еще

Обработка данных

Обрабатывать данные будем на пандасе (pandas), для этого соберём все волны в один датафрейм df.

df = pd.concat([wave_1, wave_2, wave_3, unknown], ignore_index=True)

Выделим своим цветом метки каждой волны.

df['marker-color'] = df['wave'].map({1:'#0ACF00',  # зеленый
                                     2:'#1142AA',  # синий
                                     3:'#FFFD00',  # жёлтый
                                     0:'#FD0006'}) # красный

Также подпишем каждую метку в зависимости от волны.

df['iconContent'] = df['wave'].map({1:'1',
                                    2:'2',
                                    3:'3',
                                    0:''})

В описание метки добавим адрес.

df['description'] = df['address']

Если не уточнить город — Москва, то по данным, полученным из геокодера получится, что реновация началась по всей стране, да что там, во всём мире. (Даёшь реновацию во всём мире! 🙂

def add_city(x):
    if x['AO'] == 'ЗелАО':
        return 'Зеленоград, '   x['address']

    return 'Москва, '   x['address']

df['address'] = df[['AO', 'address']].apply(add_city, axis=1)

Для определения координат каждого дома по адресу я использовал геокодер яндекса, что очень удобно, т.к. он бесплатный и на него есть очень хорошая документация. Если нужно будет пересчитать координаты, то не забудьте ввести свой ключ.

Опубликована карта домов – участников программы реновации

Парсинг данных

Данные я взял из этого приказа, т.к. приказ — это pdf файл с таблицами, то я использовал библиотеку tabula для парсинга pdf файлов.

import pandas as pd
import numpy as np
import requests
from tabula import read_pdf
import json
import os

Первым делом я спарсил одну страницу из этих таблиц, чтобы посмотреть, как дальше чистить данные.

test = read_pdf('prikaz_grafikpereseleniya.pdf', pages='3', pandas_options={'header':None})

test.head()

Как видно из того, что получилось спарсить, чтобы очистить данные необходимо удалить лишние колонки и строчки, что и делает функция parse_pdf_table.

def parse_pdf_table(pages, pdf_file='prikaz_grafikpereseleniya.pdf'):
    df = read_pdf(pdf_file, pages=pages, pandas_options={'header':None})

    # удаляем не нужные строки
    df = df[~(df.iloc[:,0] == 'No п/п')]

    # оставляем только нужные колонки
    df = df.iloc[:,1:4]
    df.columns = ['AO', 'district', 'address']

    return df

Каждая волна находится в своём диапазоне страниц, парсим их и проверяем по документу, т.е. количество строк должно совпадать с тем, что есть в pdf файле. (Также сразу добавляем к данным номер волны, т.к. это пригодится в будущем)

wave_1 = parse_pdf_table('3-29') # 2020 - 2024
wave_1['wave'] = 1

wave_1.shape

(930, 4)

wave_2 = parse_pdf_table('30-76') # 2025 - 2028
wave_2['wave'] = 2

wave_2.shape

(1636, 4)

wave_3 = parse_pdf_table('77-128') # 2029 - 2032
wave_3['wave'] = 3

wave_3.shape

(1809, 4)

unknown = parse_pdf_table('129-148')
unknown['wave'] = 0

unknown.shape

(688, 4)

Планировки домов по реновации в вао

👉🏻 Р-он Метрогородок (ВАО), Открытое шоссе, вл.26, корпус 6.

👉🏻 Р-он Перово (ВАО), ул. Плеханова, влд.18.

👉🏻 Р-он Перово (ВАО), ул. Плеханова, влд.22.

👉🏻 Р-он Перово (ВАО), Зеленый проспект, вл. 27-29. ( Видео и фото)

👉🏻 Р-он Перово (ВАО), Зеленый проспект, вл. 27А.Визуализация проекта и фото со стройки —

👉🏻 Р-он Перово (ВАО), 2-я Владимирская ул., вл. 30.Визуализация проекта и фото со стройки —

👉🏻 Р-он Измайлово(ВАО), Измайловский пр., влд.5, з/у 1

👉🏻 Р-он Северное Измайлово (ВАО), ул. 15-я Парковая, влд. 42А.

👉🏻 Р-он Северное Измайлово (ВАО), ул. 15-я Парковая, Влд. 46А.

👉🏻 Р-он Северное Измайлово (ВАО), ул. Константина Федина, д.13, 15, 17, 19.Визуализация —

👉🏻 Р-он Восточное Измайлово (ВАО), ул. 13-я Парковая, вл. 16.

👉🏻 Р-он Восточное Измайлово (ВАО),15-я Парковая ул., вл. 27Визуализация —

👉🏻 Р-он Косино-Ухтомский (ВАО), улица Черное Озеро, вл. 4

👉🏻 Р-он Косино-Ухтомский (СВАО), ул. Каскадная, вл.21, з/у 1

👉🏻 Р-он Косино-Ухтомский (СВАО), ул. Каскадная, вл.21, з/у 2

👉🏻 Р-он Косино-Ухтомский (ВАО), ул. Оренбургская, вл. 3.

Планировки домов по реновации в г. зеленоград

👉🏻 Р-он Крюково, Георгиевский пр-кт, к. 1934.

👉🏻 Р-он Крюково, Георгиевский пр-кт, к. 1935

👉🏻 Р-он Старое Крюково, Солнечная аллея, к. 934

Планировки домов по реновации в зао

👉🏻 Р-н Можайский (ЗАО) , ул. Кубинка, влд.18, к.2.

👉🏻 Р-он Солнцево (ЗАО), ул. Щорса, вл. 15.Визуализация —

👉🏻 Р-он Кунцево (ЗАО), ул. Молодогвардейская, д.44.

👉🏻 Р-он Ново-Переделкино (ЗАО), ул. Скульптора Мухиной, вл. 111.

👉🏻 Р-он Очаково-Матвеевское (ЗАО), Веерная улица, вл. 26 А, Б.

👉🏻 Р-он Очаково-Матвеевское (ЗАО), квартал 5, ул. Большая Очаковская, вл. 35А.

Планировки домов по реновации в сао

👉🏻 Р-он Войковский (САО), ул. Нарвская, вл.5.Визуализация —

👉🏻 Р-он Бескудниковский (САО), квартал 8,9, корпус 20.

👉🏻 Р-он Марьина Роща (САО), ул. Октябрьская вл.105.

👉🏻 Р-он Западное Дегунино (САО), ул.Ангарская, вл.33.

👉🏻 Р-он Западное Дегунино (САО), ул. Базовская, вл.15, корп.16.

👉🏻 Р-он Западное Дегунино (САО), ул. Талдомская, напротив вл.1Визуализация — некоторые детали —

👉🏻 Р-он Тимирязевский (САО), ул. Астрадамская, владение 9А.

👉🏻 Р-он Тимирязевский (САО), Дмитровское шоссе, владение 55Визуализация —

👉🏻 Р-он Головинский (САО), Авангардная ул, вл. 10.Визуализация —

👉🏻 Р-он Головинский (САО), ул. Смольная, вл.21А.Визуализация —

Планировки домов по реновации в свао

👉🏻 Р-он Алексеевский (СВАО), Староалексеевская ул., вл. 3.

👉🏻 Р-он Лосиноостровский район (СВАО), ул.Тайнинская, вл.13.

👉🏻 Р-он Ростокино (СВАО), Сельскохозяйственная улица, вл.14Визуализация —

👉🏻 Р-он Южное Медведково (СВАО), проезд Дежнева, вл.8Визуализация —

👉🏻 Р-он Южное Медведково (СВАО), ул. Молодцова, вл. 33, корп. 1

👉🏻 Р-он Марьина Роща (СВАО), ОКТЯБРЬСКАЯ УЛ., ВЛД. 105

Планировки домов по реновации в сзао

👉🏻 Р-он Хорошево-Мневники (СЗАО), Карамышевская наб., влд.22, корп.21.

👉🏻 Р-он Хорошёво-Мнёвники (СЗАО), Карамышевская наб., влд. 22, к. 2/1 (Карамышевская наб., 22, к.2).

👉🏻 Р-он Хорошево-Мневники (СЗАО), ул. Демьяна Бедного, вл. 22.Визуализация —

👉🏻 Р-он Хорошёво-Мнёвники (СЗАО), ул. Мневники, вл. 10, корп. 1.

👉🏻 Р-он Северное Тушино (СЗАО), ул.Туристская, вл.14, корп.1,2.

👉🏻 Р-он Северное Тушино (СЗАО), ул. Вилиса Лациса, вл. 42 (напротив).

👉🏻 Р-он Щукино (СЗАО), ул. Новощукинская, влд. 8, к.1.

👉🏻 Р-он Митино (СЗАО), ул. Парковая, вл.31

Планировки домов по реновации в тинао

👉🏻 Поселение Михайлово-Ярцевское, посёлок Шишкин лес, влд. 9, к. 1,

👉🏻 Поселение Михайлово-Ярцевское, посёлок Шишкин лес, влд. 21, к. 1.

Планировки домов по реновации в цао

👉🏻 Р-он Басманный, ул. Бауманская, вл.47/1 (Посланников пер., вл.18 — Старокирочный пер., вл.5).

Планировки домов по реновации в юао

👉🏻 Р-он Царицыно (ЮАО), ул. Каспийская, вл. 28, корпус 4»

👉🏻 Р-он Царицыно (ЮАО), ул. Кантемировская, влд.27 (напротив д.27)

👉🏻. Р-он Царицыно (ЮАО), ул. Кантемировская, вл. 39.

👉🏻 Р-он Царицыно (ЮАО), Кавказский бульвар, вл. 40.

👉🏻 Р-он Царицыно (ЮАО), ул. Ереванская, влд. 6.

👉🏻 Р-он Даниловский (ЮАО), 5-й Рощинский проезд, з/у 1.

👉🏻 Р-он Восточное Бирюлёво (ЮАО), Загорьевская ул., влд.2/1.

👉🏻 Р-он Бирюлёво Западное (ЮАО), Булатниковский проезд, владение 16А.

Планировки домов по реновации в ювао

👉🏻 Р-он Южнопортовый (ЮВАО), улица Петра Романова, вл.18

👉🏻 Р-он Кузьминки (ЮВАО), ул.Юных Ленинцев 99/1.

👉🏻 Р-он Кузьминки (ЮВАО), ул.Юных Ленинцев 73.

👉🏻 Р-он Кузьминки (ЮВАО), ул.Юных Ленинцев 42.

👉🏻 Р-он Кузьминки (ЮВАО), ул. Юных Ленинцев, влд.117.

👉🏻 Р-он Кузьминки (ЮВАО), Волгоградский пр-т, влд. 163.

35. Р-он Кузьминки (ЮВАО), ул.Зеленодольская, 28, корп. 4

36. Р-он Текстильщики (ЮВАО), ул. Чистова, влд.3А, стр.1.

👉🏻 Р-он Люблино (ЮВАО), ул. Краснодонская, влд. 46/1.

👉🏻 Р-он Люблино (ЮВАО), ул.Люблинская , вл.111, корп.2.

👉🏻 Р-он Люблино (ЮВАО), ул. Люблинская, вл. 113

👉🏻 Р-он Рязанский, (ЮВАО), мкр. 128А, ул. Паперника, д.12.

Планировки домов по реновации в юзао

👉🏻 Р-он Зюзино (ЮЗАО), кв.14, д. 3

👉🏻 Р-он Зюзино (ЮЗАО), ул. Каховка, влд.23, к.5 .

👉🏻 Р-он Зюзино (ЮЗАО), ул. Керченская, влд. 30, к. 1

👉🏻 Р-он Зюзино (ЮЗАО), ул. Керченская, влд. 26, к. 1

👉🏻 Р-он Ломоносовский (ЮЗАО),улица Архитектора Власова, вл. 2

👉🏻 Р-он Обручевский (ЮЗАО), ул. Гарибальди, влд. 18.

👉🏻 Р-он Черемушки (ЮЗАО) , ул. Гарибальди, влд. 17

👉🏻 Р-он Черемушки (ЮЗАО), ул. Профсоюзная, вл. 32.

👉🏻 Р-он Академический (ЮЗАО) , ул. Шверника, влд. 6.

👉🏻 Р-он Северное Бутово (ЮЗАО), Феодосийская улица, вл.7, корп.1.

Программа реновации в цифрах – в инфографике на

Формирование карты волн реновации

Для отображения полученных данных на карте я использовал формат GeoJSON.

def df_to_geojson(df, properties, lat='latitude', lon='longitude'):
    geojson = {'type':'FeatureCollection', 'features':[]}
    for _, row in df.iterrows():
        feature = {'type':'Feature',
                   'properties':{},
                   'geometry':{'type':'Point',
                               'coordinates':[]}}
        feature['geometry']['coordinates'] = [row[lon],row[lat]]
        for prop in properties:
            feature['properties'][prop] = row[prop]
        geojson['features'].append(feature)
    return geojson

Т.к. меток получилось очень много, то полная карта может медленно работать на слабом ПК, поэтому я разделил данные по округам Москвы для удобства.

properties = ['marker-color', 'iconContent', 'description']

if not os.path.exists('data'):
    os.makedirs('data')

for ao, data in df.groupby('AO'):
    geojson = df_to_geojson(data, properties)

    with open('data/'   ao   '.geojson', 'w') as f:
        json.dump(geojson, f, indent=2) 

Полученные данные в формате .geojson я сохранил в папку data. В файле ВСЕ_ОКРУГА.geojson записаны данные по всем округам вместе.

geojson = df_to_geojson(df, properties)

with open('data/ВСЕ_ОКРУГА.geojson', 'w') as f:
    json.dump(geojson, f, indent=2) 

ссылка на полную карту (может работать медленно) здесь.

В целом получилось не плохо, все метки внутри границ Москвы, однако, есть и несколько ошибок, как например недалеко от Сергиева Посада — Пролетарий СНТ территория (п.Вороновское), д.1 или в окрестностях Орехово-Зуево — Гаражный пер. (пос.ДСК Мичуринец, п.Внуковское), д.8/КБ/Н. (Честно говоря я бы и сам не сразу понял, где это находится)