Abstract
В условиях стареющей инфраструктуры и нехватки бюджетных ресурсов муниципалитетам все чаще приходится принимать обоснованные решения по обслуживанию и модернизации активов. Целью данного исследования является разработка и внедрение модели интеллектуальной оценки рисков муниципальной собственности с использованием методов машинного обучения. За основу был взят реальный набор данных из более чем 620 000 записей личных активов государственных учреждений с информацией о дате приобретения, стоимости, классификации и принадлежности к ИТ-сектору.Были разработаны признаки, отражающие техническое и эксплуатационное состояние: возраст активов, уровень амортизации, интенсивность использования и т.д. Активы автоматически классифицировались как «высокорисковые» или «низкорисковые» на основе логических условий, соответствующих отраслевым стандартам. Для построения прогностических моделей использовались алгоритмы логистической регрессии, случайного леса и XGBoost.Модель XGBoost показала наивысшую точность (ROC-AUC: 0,9991), минимизировав количество ложных и пропущенных положительных результатов. Анализ важности признаков подтвердил решающую роль уровня износа, возраста и интенсивности использования. Полученные результаты могут быть интегрированы в платформы управления цифровыми активами для поддержки принятия решений и перехода от реактивного к проактивному обслуживанию. Работа демонстрирует высокую применимость машинного обучения в задачах устойчивого и эффективного управления городской инфраструктурой.