Merge pull request 'feat(tradein): house-match аналогов + поправка на ремонт (#6,#7)' (#385) from feat/tradein-house-match-repair into main

tradein-mvp/backend/app/services/estimator.py

@@ -40,6 +40,29 @@ AREA_TOLERANCE = 0.15        # ±15% площади
 LISTINGS_FRESH_DAYS = 14     # объявления не старше 14 дней
 DEALS_PERIOD_MONTHS = 12     # сделки за последний год
 
+# Поправочные коэффициенты на состояние ремонта. Аналоги в выборке — микс
+# состояний (≈ "стандартный/косметический"), коэффициент сдвигает медиану под
+# конкретный ремонт целевой квартиры. Встреча Птицы: ремонт влияет на цену.
+_REPAIR_COEF: dict[str, float] = {
+    "needs_repair": 0.92,   # требует ремонта — ниже рынка
+    "standard":     0.98,
+    "good":         1.03,
+    "excellent":    1.08,   # евроремонт — выше рынка
+}
+_REPAIR_LABEL: dict[str | None, str] = {
+    "needs_repair": "требует ремонта",
+    "standard":     "стандартный ремонт",
+    "good":         "хороший ремонт",
+    "excellent":    "евроремонт",
+}
+
+
+def _repair_coefficient(repair_state: str | None) -> float:
+    """Множитель к медиане по состоянию ремонта. None → 1.0 (без поправки)."""
+    if not repair_state:
+        return 1.0
+    return _REPAIR_COEF.get(repair_state, 1.0)
+
 
 # ── Public ───────────────────────────────────────────────────────────────────
 async def estimate_quality(
@@ -67,6 +90,7 @@ async def estimate_quality(
     listings, fallback_used = _fetch_analogs(
         db, lat=geo.lat, lon=geo.lon, rooms=payload.rooms, area=payload.area_m2,
         radius_m=DEFAULT_RADIUS_M,
+        year_built=payload.year_built, house_type=payload.house_type,
     )
     area_widened = False
 
@@ -74,6 +98,7 @@ async def estimate_quality(
         listings_wide, _ = _fetch_analogs(
             db, lat=geo.lat, lon=geo.lon, rooms=payload.rooms, area=payload.area_m2,
             radius_m=FALLBACK_RADIUS_M,
+            year_built=payload.year_built, house_type=payload.house_type,
         )
         if len(listings_wide) > len(listings):
             listings = listings_wide
@@ -85,6 +110,7 @@ async def estimate_quality(
         listings_widearea, _ = _fetch_analogs(
             db, lat=geo.lat, lon=geo.lon, rooms=payload.rooms, area=payload.area_m2,
             radius_m=FALLBACK_RADIUS_M, area_tolerance=0.25,
+            year_built=payload.year_built, house_type=payload.house_type,
         )
         if len(listings_widearea) > len(listings):
             listings = listings_widearea
@@ -111,10 +137,26 @@ async def estimate_quality(
         range_high = 0
         n_analogs = 0
 
+    # 4b. Поправка на состояние ремонта (встреча Птицы: ремонт влияет на цену).
+    # Аналоги — микс состояний; коэффициент сдвигает оценку под ремонт клиента.
+    repair_coef = _repair_coefficient(payload.repair_state)
+    repair_note = ""
+    if listings_clean and repair_coef != 1.0:
+        median_price = int(median_price * repair_coef)
+        range_low = int(range_low * repair_coef)
+        range_high = int(range_high * repair_coef)
+        median_ppm2 = median_ppm2 * repair_coef
+        pct = int(round((repair_coef - 1.0) * 100))
+        repair_note = (
+            f" Цена скорректирована на состояние ремонта "
+            f"({_REPAIR_LABEL.get(payload.repair_state, '')} {pct:+d}%)."
+        )
+
     confidence, explanation = _compute_confidence(
         n_analogs, median_ppm2, q1_ppm2 if listings_clean else 0,
         q3_ppm2 if listings_clean else 0, fallback_used, area_widened,
     )
+    explanation = (explanation or "") + repair_note
 
     # 5. Deals — фактические сделки за период
     deals = _fetch_deals(
@@ -251,8 +293,14 @@ def _compute_freshness_minutes(lots: list[dict[str, Any]]) -> int | None:
 def _fetch_analogs(
     db: Session, *, lat: float, lon: float, rooms: int, area: float, radius_m: int,
     area_tolerance: float = AREA_TOLERANCE,
+    year_built: int | None = None, house_type: str | None = None,
 ) -> tuple[list[dict[str, Any]], bool]:
-    """SELECT аналогов с PostGIS distance + фильтры.
+    """SELECT аналогов с PostGIS distance + house-match relevance.
+
+    House-match (встреча Птицы — «соразмерные квартиры»): сортировка не просто
+    по расстоянию, а по relevance-скору, где учитывается близость года постройки
+    и совпадение типа дома. Так аналог «рядом + та же эпоха дома» побеждает
+    аналог «чуть ближе, но дом на 30 лет старше».
 
     Returns:
         (list_of_listings_as_dicts, fallback_radius_used_flag)
@@ -274,7 +322,14 @@ def _fetch_analogs(
               AND is_active = true
               AND scraped_at > NOW() - (:fresh_days || ' days')::interval
               AND price_rub > 0
-            ORDER BY distance_m
+            ORDER BY (
+                distance_m / 1000.0
+                + CASE WHEN :target_year IS NOT NULL AND year_built IS NOT NULL
+                       THEN abs(year_built - :target_year) / 12.0 ELSE 0 END
+                + CASE WHEN :target_house_type IS NOT NULL AND house_type IS NOT NULL
+                            AND house_type <> :target_house_type
+                       THEN 1.5 ELSE 0 END
+            )
             LIMIT 50
             """
         ),
@@ -286,6 +341,8 @@ def _fetch_analogs(
             "area_min": area * (1 - area_tolerance),
             "area_max": area * (1 + area_tolerance),
             "fresh_days": LISTINGS_FRESH_DAYS,
+            "target_year": year_built,
+            "target_house_type": house_type,
         },
     ).mappings().all()