PREDICTIVE RISK ASSESSMENT OF MUNICIPAL ASSETS USING MACHINE LEARNING: MODELING AGE, DEPRECIATION, AND USAGE FOR MAINTENANCE DECISIONS

Аннотация

В условиях старения инфраструктуры и ограниченного бюджета муниципалитетам необходимо принимать обоснованные решения по обслуживанию и модернизации активов. В работе представлена модель интеллектуальной оценки риска муниципального имущества на основе методов машинного обучения. Использован реальный набор данных из более чем 620 000 записей о персональных активах государственных агентств, включающий дату приобретения, стоимость, классификацию и IT-принадлежность. Разработаны признаки, отражающие техническое состояние: возраст, износ, интенсивность использования и др. Классификация активов на «высокорисковые» и «низкорисковые» выполнялась по логическим правилам, соответствующим отраслевым стандартам. Построены модели с использованием логистической регрессии, Random Forest и XGBoost. Модель XGBoost показала наилучший результат (ROC-AUC: 0.9991), минимизировав ложные срабатывания. Анализ признаков подтвердил значимость износа, возраста и интенсивности эксплуатации. Результаты могут быть внедрены в цифровые платформы для перехода к проактивному обслуживанию. Исследование подтверждает высокую эффективность машинного обучения в управлении городской инфраструктурой.