¿Quants pisos buits creus que hi ha al teu barri? Així funciona la IA amb la qual el Govern vol agilitzar la recerca d’habitatges desocupats

Fins ara, respondre aquestes preguntes implicava anar d’una en una a través de documents acumulats i dispars entre si. Només la Generalitat ja acumula prop d’una vintena d’estudis propis que no són públics, fets en anys dispars i sense una metodologia harmonitzada, ja que no hi ha consens sobre quina és la manera més òptima de rastrejar habitatge buit a gran escala. Però a partir de l’any que ve, la intenció és que sigui una intel·ligència artificial (IA) la que respongui a totes alhora.

«Estem desenvolupant un model de ‘machine learning’ que harmonitzarà tot el coneixement acumulat per perfeccionar la cerca d’habitatge buit i aprofitar tota aquesta informació», explica a EL PERIÓDICO Gerard Mor, responsable del projecte que el Govern ha encarregat al Centre Internacional de Mètodes Numèrics a l’Enginyeria (CIMNE), adscrit a la UPC. El sistema compta amb un pressupost de 39.000 euros per gastar entre el maig i finals d’aquest any, quan el Govern espera tenir cartografiada la probabilitat d’habitatge buit a tots els municipis catalans.

Probabilitat d’habitatge

L’objectiu principal del contracte, explica Mor, no és localitzar pisos buits un per un, ja que el marge d’error s’enfila a una escala tan petita. En canvi, es pretén estimar la probabilitat a escala de secció censal, que és la unitat estadística mínima del territori. «És un estudi de prevalença», insisteix. «Que a un pis se li assigni un 5% de probabilitat no diu gairebé res, però que a una secció censal se li estimi un 5% d’habitatge desocupat sí que és una dada accionable per dissenyar política pública», trasllada el director.

Per executar-lo, el CIMNE ha recuperat les dades del cadastre, on consten la superfície del sòl sobre el qual s’aixeca un immoble, l’ús, l’antiguitat i la qualitat de l’edifici, entre altres aspectes. Aquesta seria la base «o l’esquelet» sobre el qual s’afegeixen altres capes d’informació de caràcter socioeconòmic extretes de l’INE i l’Idescat, juntament amb el registre d’habitatges d’ús turístic de la Generalitat o punts d’interès d’OpenStreetMap.

També s’hi introdueixen els consums elèctrics mitjans per codi postal, extrets de Datadis –l’agregador de les distribuïdores elèctriques–, i dades d’aigua facilitades de manera agregada per l’Agència Catalana de l’Aigua (ACA). El padró, per tant, no s’utilitza, sinó que la informació demogràfica anual per secció censal l’obtenen de l’INE.

Amb tot això, el model, que actualment es troba en fase d’aprenentatge automàtic, serà capaç de retornar per a cada habitatge la probabilitat que estigui buit o sigui una segona residència. «Però les prevalences no les definim nosaltres, perquè no podem dir que la dada de turisme hagi de pesar el doble», aclareix el director, «això no seria IA».

20 estudis que no han vist la llum

¿I llavors, d’on aprèn el sistema els comportaments? És aquí on entren en escena entre 15 i 20 treballs encarregats per ajuntaments i diputacions –entre els quals els de Santa Coloma de Gramenet, Barcelona o diversos municipis del Pirineu i la Terra Alta– que la Generalitat té a les mans, tot i que cap és públic.

El CIMNE explica que el 70% alimentarà l’entrenament i el 30% servirà per validar, repartint seccions censals entre tots dos usos i amb validació creuada. Els resultats, a més, hauran de quadrar amb els censos del 2001, 2011 i 2021, que ofereixen xifres d’habitatge buit però no baixen del nivell municipal. «Per primera vegada podrem estimar amb més exactitud quants habitatges buits hi ha als barris de Barcelona o Lleida», destaquen.

Notícies relacionades

Una exmoderadora de continguts de Facebook a Barcelona se suïcida

La construcció d’habitatge protegit es dispara i Madrid i Catalunya concentren la major part del creixement

D’aquesta manera, un dels resultats més destacats que aquest equip del CIMNE, format per tres persones, amb Jordi Cipriano com a investigador principal, preveu obtenir és quines característiques de l’entorn augmenten la probabilitat que un habitatge quedi buit, i com canvien segons si es tracta d’una zona rural, un poble gran o una ciutat de l’àrea metropolitana.

¿I què passa amb els pisos en obres, els heretats en disputa, els ocupats? Per donar-hi resposta, una altra font d’alimentació que rebrà aquesta IA serà la mateixa llei. L’article 3 de la llei 18/2007 del dret a l’habitatge considera buit l’habitatge desocupat de manera permanent i sense causa justificada durant més de dos anys, i admet com a causes justificades el trasllat laboral, el canvi de domicili per dependència o el litigi judicial pendent. Segons el CIMNE, aquest llindar de dos anys ja està incorporat tant a les dades de consum d’aigua com als estudis amb què s’entrena el model.