Battling Battling Bitling:四种方式使用数据来解决空缺的属性

为了响应被证明是一种紧急城市危机,城市正在部署各种数字和数据驱动的策略,以解决空缺和废弃的物业。

by Eric Bosco / August 23, 2017
Shutterstock

这个故事最初由数据智能城市解决方案发布。

无论是飓风卡里娜飓风的破坏性自然灾害的结果还是2000年代中期的止赎和房屋贷款危机的后果,跨美国城市都受到了困扰,存在空缺和废弃的财产。从纽约市到克利夫兰,新奥尔良和俄亥俄州的俄亥俄州的城市,这一效果在大小。

这些空批次和废弃的家庭的成本不仅仅是城市的化妆黑眼;枯萎导致真实,有形的问题,在全国各地的城市提示行动。这项研究于6月份发表 城市贫困和社区发展中心 看着俄亥俄州克利夫兰空置物业与社区健康与犯罪的关系。调查结果是明确的:有“重大相关性”空置性质和暴力犯罪,杀人症和血液检测的铅水平之间—83%的凶杀案,65%的暴力犯罪热点,62%的升高的铅水平与克利夫兰空缺热点重叠。

为了响应被证明是一种紧急城市危机,城市正在部署各种数字和数据驱动的策略,以解决空缺和废弃的物业。根据使用数据来推动代码执法的效率,以覆盖属性的映射,全国各地的城市正在反对枯萎的战斗中取得重大进展。

新奥尔良用途 数据驱动工具 对于枯萎的补救

在卡特里娜飓风之后,新奥尔良市面临着整个城市的丰富空缺和废弃的物业。市长米奇·兰德里,当在2010年当选为办公,使得他的管理,处理整个大容易放弃,腾空性质问题的一个主要优先事项。  

这座城市制作了枯萎的减少策略,通过公共日月展开会议,改善了绩效管理。为了进一步推进工作,这座城市开始发送“nudging”当提交311份投诉时,向业主给予财产所有者,导致更多房主前进,以便在城市需要进一步采取行动之前将性能带入合规性。

努力进一步努力,该城市还创建了一个决策支持记分卡,组织了处理报告的属性的步骤,并使代码执法过程明显更有效。以前,等待检验和听证会有多达1,500个物业的积压—数字记分卡简化了该过程。它们实现了一种机器学习模型,该模型为基于中级管理程序输入的属性的分数为下一步骤提出了建议,该分数优先考虑代码执法部门的工作流程。

为居民提供跟踪南方弯曲进展的能力

在南方弯,印第安纳州,市长彼得·穆特吉(Peter Buttigieg)从竞选赛道上听到他们希望看到下一个政府解决空缺和废弃物业问题的居民。按顺序排列,Buttigieg汇集了一个团队来解决问题,并于2013年2月,该市发布了一个空置和废弃的物业工作队报告,该报告列出了在1000天内解决了1,000个空缺或废弃物业的公开规定的目标。

居民被录入了代码执法过程,并能够跟踪城市’在城市的进步’S网站。当当地媒体在城市的臭虫上拾起时,公众眼睛证明有价值’S进度跟踪系统,错误地显示了100个属性等待审查的代码执法官员已经解决。圣地亚哥罗西市,城市’首席创新官员在接受数据智能的采访时表示,这一问题的启示导致城市的重大改进’S代码强制执行过程。

最后,该市于2013年9月在2013年9月举办了1,000个问题特征的规定,提前两个月。根据这座城市的说法,在第1,000天,该市已经采取了1,122个被遗弃的物业,修复了近40%的遗弃物业’S网站。通过采用数据驱动的方法来解决空缺和废弃的属性并使用数字平台来增加公众的透明度,juttigieg’S政府为城市寻求解决公众对抗枯萎病的问题的强项榜样。

BLEXTING:众包属性映射“Motor CIty”

底特律的枯萎拆除工作队与密歇根非营利组织合作,数据驱动的底特律和2013年推出的Loveland技术进行了一项物理调查,以收集城市所有380,000个土地的所有38万包裹的物业条件数据。该市合作旨在为底特律中的每一个物产的彻底数据库提供彻底的数据库,使城市成为需要解决问题所需的问题—和一体化的地方,以跟踪房产随着时间的推移。

通过恰好调用的移动应用程序“Blexting,” 一支大约150名居民和志愿者的团队调查了整个城市,编制了数据库和全市财产地图。测量师使用移动应用程序拍摄每个酒店的正面—住宅和非住宅 —并回答了关于该物业的标准化系列问题。他们的回答评估了基于估计的占用,空缺,火灾损伤,任何存在的个人特性“dumping”和财产的使用(商业,公共等)

为了保持众群数据中的一致性和可靠性,合作保持了一个“mission control”中心工作人员在实时从现场提交的数据进行质量检查。工作组网站报告了城市中总共84,641个结构和空置批次,约有40,000人被认为是适应定义“blight”并优先用于去除或干预。详细和数据驱动的调查问卷方法也允许估计未来枯萎指标的财产,其中特遣部队报告约38,000契约。工作队建议进一步检查这些性质和各种干预措施,包括康复,拆除和确保。

在辛辛那提构建预测检查模型

2015年,芝加哥大学数据科学家队的数据科学和公共政策中心(DSAPP)与辛辛那提县建筑物和检查部门合作,开发一种预测模型,可以通过大多数建设家庭和物业的检查员提前干预面临空缺或违规行为的风险。

DSAPP团队的预测模型开发了有关家庭价值观,火灾,犯罪,税收,人口普查的组合数据,并通过历史检验数据开发了有关家庭价值观,火灾,犯罪,税收,人口普查的数据,以制定优先考查优先考虑的物业列表。逻辑是,较早的检查员可以访问可能违反城市代码的财产,较早的问题可以解决,而且越容易被修复,而不是被遗弃。

DSAPP.’s blog post 详细项目表示,使用公民投诉以告知房地产检验的传统方法导致违规行为53%的案件。 2015年的初始结果表明,使用预测模型增加了在特定属性中找到建筑码违规的可能性至78%。

这些数据驱动策略的例子为整个国家的城市设定了一个很好的例子,这些城市遭受了枯萎。在斗争中部署数据可以显着提高代码执法过程,以防止在发生职位空间,让居民成为一个城市的窗户’在南方弯曲中解决困惑的过程中的进展,并将它们直接划入映射属性的过程,以增加与应用程序相似的城市知识“Blexting.”需要枯萎的减少策略的城市是明智的,才能从底特律,南方弯,新奥尔良和辛辛那提加上枯萎,同时建立与居民的信任以及沿途的透明度提高透明度。


永远不会错过每日Govtech今天的故事时事通讯。

订阅


E.Republic平台& Programs