В системе доступно множество слоев с показателями, характеризующими обеспеченность территорий объектами городской социально-экономической инфраструктуры, такими как школы, бассейны, поликлиники и др. Всего в системе представлены 13 категорий объектов.

Среди отображаемых показателей: нагрузка на объекты инфраструктуры, обеспеченность населения, суммарная обеспеченность населения, пешеходная доступность и потенциал размещения.

Для расчета спроса населения используются ML-модели, которые строятся на основе реальных ретроспективных данных по посещаемости объектов и множества данных о городской среде.

На основе данных по планируемой реновации и вводу нового коммерческого жилья все показатели рассчитываются на несколько лет вперед для того, чтобы можно было принимать решения с учетом изменений в будущем.

Главной особенностью системы является возможность моделирования городского пространства – выполнение симуляций строительства и сноса объектов инфраструктуры или жилых домов и онлайн-пересчет всех показателей с учетом выполненных действий.

Система позволяет за несколько секунд ответить на вопрос – «что будет, если?». Изучив существующую ситуацию по распределению показателей обеспеченности, можно приступать к проведению экспериментов по изменению городского пространства – построить новую школу или МФЦ в районах с низкой обеспеченностью и посмотреть какая будет нагрузка у новых объектов, на сколько сильно она уменьшится у уже существующих объектов, на сколько увеличиться обеспеченность населения района и т. д.

Например, выбрав категорию Бассейны, можно обратить внимание на перегруженность существующих объектов в районе Северное Тушино и, соответственно, высокий потенциал их размещения в этом районе города.

Построим новый крупный бассейн в центре района Северное Тушино, предварительно указав его название и мощность – в течение нескольких секунд показатели обновятся с учетом вновь построенного объекта. Нагрузка на новый бассейн составит 94%, нагрузка на два перегруженных бассейна нормализуется, а ситуация в районе, связанная с дефицитом бассейнов, стабилизируется.

В процессе подобной симуляции сначала происходит обновление данных каждой ячейки и каждой точки бассейна с учетом изменений, которые внес пользователь, затем – применение обученной раннее ML-модели к обновленной выборке.

Кроме симуляций строительства и сноса объектов инфраструктуры, в системе также можно выполнять аналогичные операции с жилыми комплексами – например, оценить, как изменится ситуация при строительстве нового жилого комплекса на заданное количество квартир.

Построим несколько крупных ЖК на промышленной территории района Покровское-Стрешнево и оценим как изменится ситуация со школами – объекты района станут перегруженными, а обеспеченность населения снизится.

Все выполненные пользователем симуляции сохраняются в истории, в любой момент их можно отменить и вернуть состояние системы в предыдущее или первоначальное состояние.

Система оснащена множеством фильтров, упрощающих поиск объектов инфраструктуры и городских территорий с нужными характеристиками. С помощью фильтров можно быстро отбирать объекты с определенной нагрузкой и мощностью, расположенных в определенных районах города, городские территории с определенными значениями показателей обеспеченности и т. д.

Также в системе доступен выбор детализации отображения городских территорий от сот с длиной стороны 200 метров до административных районов