Merge pull request 'fix(tradein/sale-share): гард по этажности — отсечь near-neighbor mis-match' (#2084) from fix/tradein-floors-guard into main

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

@@ -142,6 +142,13 @@ def build_listings_query(house_id: int) -> tuple[str, dict[str, object]]:
     самый дешёвый листинг; sources — все площадки, где квартира видна. Гео-фильтр ≤300м
     (мигр.150) против чужих листингов. Листинги/дома без geom — КЕЕП.
 
+    Floors-guard (мигр.152, та же логика, что во view): отбрасываем листинги, чья
+    этажность (l.total_floors) отличается от этажности дома
+    (COALESCE(h.zhkh_floors, h.total_floors)) более чем на 3 — отсекает близких соседей
+    в радиусе 300м (5-этажка vs соседние 9/16/19-этажные башни). Листинги с неизвестной
+    этажностью листинга ИЛИ неизвестной этажностью дома — КЕЕП (режем только явный
+    mismatch >3).
+
     DISTINCT ON-ключи (rooms, round(area_m2), floor) лидируют в ORDER BY, поэтому
     представитель детерминирован (price_rub ASC NULLS LAST, id → берётся самый дешёвый).
     round(area_m2), а не raw area_m2, используется и в DISTINCT ON, и в ORDER BY, и в
@@ -160,6 +167,9 @@ def build_listings_query(house_id: int) -> tuple[str, dict[str, object]]:
         "    AND l.is_active AND l.listing_segment = 'vtorichka' "
         "    AND (l.geom IS NULL OR h.geom IS NULL "
         "         OR ST_DistanceSphere(l.geom, h.geom) <= 300)"
+        "    AND (l.total_floors IS NULL "
+        "         OR COALESCE(h.zhkh_floors, h.total_floors) IS NULL "
+        "         OR abs(l.total_floors - COALESCE(h.zhkh_floors, h.total_floors)) <= 3)"
         "), src AS ("
         "  SELECT rooms, round(area_m2) AS sig_area, floor, "
         "         array_agg(DISTINCT source ORDER BY source) AS sources "

tradein-mvp/backend/data/sql/152_sale_share_floors_guard.sql

@@ -0,0 +1,155 @@
+-- 152_sale_share_floors_guard.sql
+--
+-- CONTEXT: гео-фильтр ≤300м (мигр. 150) слишком широк для плотной застройки. К
+--   5-этажному дому (house «Мраморская 34к4») примагничиваются чужие листинги
+--   Благодатская 15 / 19-этажных башен на 229-282м: <300м → гео-предикат их НЕ
+--   отсекает, числитель/медианы остаются загрязнены. Сигнал отсева — этажность:
+--   дом 5 эт., а листинги заявляют total_floors 9/16/19 → это ДРУГОЕ здание.
+--   Прод-замер: гард `abs(l.total_floors - building_floors) > 3` отсекает 2754
+--   листинга (12%) — height-mismatched mis-bucketing, не отрезаемый одной геометрией.
+--
+-- WHAT:
+--   1) houses.zhkh_floors (smallint) — распарсенная этажность из ГИС ЖКХ-поля
+--      zhkh_floors_raw (text вида "10-30" / "8,чердак"): max целого числа из строки.
+--      ЖКХ-источник точнее total_floors, потому в гарде приоритетнее (COALESCE).
+--   2) v_building_sale_share — в CTE listing_agg к КАЖДОЙ из 5 FILTER-клауз
+--      (active_secondary, listings_45d, median_price_rub, median_price_per_m2,
+--      avg_days_on_market) ANDом добавлен floors-guard:
+--        `l.total_floors IS NULL
+--          OR COALESCE(hg.zhkh_floors, hg.total_floors) IS NULL
+--          OR abs(l.total_floors - COALESCE(hg.zhkh_floors, hg.total_floors)) <= 3`
+--      Кепим листинг, у которого этажность неизвестна, ИЛИ этажность дома неизвестна,
+--      ИЛИ расходится с домом не более чем на ±3 этажа. Существующий гео-предикат
+--      ≤300м (мигр. 150) СОХРАНЁН во всех 5 FILTER — guard'ы конъюнктивны.
+--   Знаменатель (flat_count_effective, плаузибилити-гейты, COALESCE-приоритет ЖКХ),
+--   весь top-level SELECT / WHERE / appended-колонки (zhkh_flat_count, flat_count_source)
+--   — БАЙТ-В-БАЙТ как в мигр. 150, дельта только внутри CTE listing_agg + новый
+--   ALTER/UPDATE houses.zhkh_floors выше view.
+--
+-- DEPENDENCIES: 143 (view + houses.gar_*), 144 (canon match → gar_flat_count),
+--   145 (плаузибилити-гейт знаменателя), 146 (listings_45d + sale_share_pct_45d + zhkh
+--   в COALESCE + houses.zhkh_flat_count), 147 (canon strip geo-prefixes), 148 (дедуп
+--   кросс-площадочных дублей), 149 (ЖКХ-приоритет знаменателя + zhkh_flat_count/
+--   flat_count_source колонки + houses.zhkh_floors_raw text), 150 (гео-фильтр числителя
+--   ≤300м в CTE), 151 (clean bare-street aliases — view НЕ трогала). Базируется на
+--   текущем (150) определении view — меняем ТОЛЬКО CTE listing_agg.
+--   Использует listings.total_floors (int), houses.total_floors (int),
+--   houses.zhkh_floors_raw (text, мигр. 149) → houses.zhkh_floors (smallint, ниже).
+--
+-- SAFETY / IDEMPOTENCY: ALTER TABLE ADD COLUMN IF NOT EXISTS (повторный прогон no-op),
+--   UPDATE с `zhkh_floors IS DISTINCT FROM <parsed>` guard'ом (идемпотентен — на 2-м
+--   прогоне 0 строк), CREATE OR REPLACE VIEW (структура колонок не меняется — те же
+--   позиции/типы/имена, что в 150) + COMMENT. Деплой-раннер гонит файл через
+--   psql -v ON_ERROR_STOP=on БЕЗ --single-transaction → транзакцию открывает САМ файл
+--   (BEGIN/COMMIT ниже), как 146/148/149/150.
+--
+-- NB по нумерации: последний занятый = 151; следующий свободный sequential = 152
+--   (проверено `ls tradein-mvp/backend/data/sql | grep '^15'` → 150, 151; коллизий нет).
+--
+-- Deploy order: после 151_clean_bare_street_aliases.sql.
+
+BEGIN;
+
+-- Распарсенная этажность ЖКХ (из zhkh_floors_raw "10-30"/"8,чердак" → max int) для гарда.
+ALTER TABLE houses ADD COLUMN IF NOT EXISTS zhkh_floors smallint;
+UPDATE houses
+   SET zhkh_floors = (SELECT max((m[1])::int)
+                        FROM regexp_matches(zhkh_floors_raw, '\d+', 'g') AS m)
+ WHERE zhkh_floors_raw IS NOT NULL
+   AND zhkh_floors IS DISTINCT FROM
+       (SELECT max((m[1])::int) FROM regexp_matches(zhkh_floors_raw, '\d+', 'g') AS m);
+
+CREATE OR REPLACE VIEW v_building_sale_share AS
+ WITH listing_agg AS (
+         SELECT l.house_id_fk AS house_id,
+            count(DISTINCT (l.rooms, round(l.area_m2), l.floor)) FILTER (WHERE l.is_active AND l.listing_segment = 'vtorichka'::text AND (l.geom IS NULL OR hg.geom IS NULL OR ST_DistanceSphere(l.geom, hg.geom) <= 300) AND (l.total_floors IS NULL OR COALESCE(hg.zhkh_floors, hg.total_floors) IS NULL OR abs(l.total_floors - COALESCE(hg.zhkh_floors, hg.total_floors)) <= 3)) AS active_secondary,
+            count(DISTINCT (l.rooms, round(l.area_m2), l.floor)) FILTER (
+                WHERE l.listing_segment = 'vtorichka'::text
+                  AND l.last_seen_at >= (now() - interval '45 days')
+                  AND (l.geom IS NULL OR hg.geom IS NULL OR ST_DistanceSphere(l.geom, hg.geom) <= 300)
+                  AND (l.total_floors IS NULL OR COALESCE(hg.zhkh_floors, hg.total_floors) IS NULL OR abs(l.total_floors - COALESCE(hg.zhkh_floors, hg.total_floors)) <= 3)
+            ) AS listings_45d,
+            percentile_cont(0.5::double precision) WITHIN GROUP (ORDER BY (l.price_rub::double precision))
+                FILTER (WHERE l.is_active AND l.listing_segment = 'vtorichka'::text AND l.price_rub IS NOT NULL AND (l.geom IS NULL OR hg.geom IS NULL OR ST_DistanceSphere(l.geom, hg.geom) <= 300) AND (l.total_floors IS NULL OR COALESCE(hg.zhkh_floors, hg.total_floors) IS NULL OR abs(l.total_floors - COALESCE(hg.zhkh_floors, hg.total_floors)) <= 3)) AS median_price_rub,
+            percentile_cont(0.5::double precision) WITHIN GROUP (ORDER BY (l.price_per_m2::double precision))
+                FILTER (WHERE l.is_active AND l.listing_segment = 'vtorichka'::text AND l.price_per_m2 IS NOT NULL AND (l.geom IS NULL OR hg.geom IS NULL OR ST_DistanceSphere(l.geom, hg.geom) <= 300) AND (l.total_floors IS NULL OR COALESCE(hg.zhkh_floors, hg.total_floors) IS NULL OR abs(l.total_floors - COALESCE(hg.zhkh_floors, hg.total_floors)) <= 3)) AS median_price_per_m2,
+            avg(l.days_on_market)
+                FILTER (WHERE l.is_active AND l.listing_segment = 'vtorichka'::text AND l.days_on_market IS NOT NULL AND (l.geom IS NULL OR hg.geom IS NULL OR ST_DistanceSphere(l.geom, hg.geom) <= 300) AND (l.total_floors IS NULL OR COALESCE(hg.zhkh_floors, hg.total_floors) IS NULL OR abs(l.total_floors - COALESCE(hg.zhkh_floors, hg.total_floors)) <= 3)) AS avg_days_on_market
+           FROM listings l
+             JOIN houses hg ON hg.id = l.house_id_fk
+          WHERE l.house_id_fk IS NOT NULL
+          GROUP BY l.house_id_fk
+        )
+ SELECT h.id AS house_id,
+    h.short_address,
+    h.full_address,
+    h.address,
+    h.lat,
+    h.lon,
+    h.year_built,
+    h.house_type,
+    h.total_floors,
+    h.series_name,
+    h.is_emergency,
+    COALESCE(h.zhkh_flat_count, h.gar_flat_count, NULLIF(h.total_units, 0), NULLIF(h.flat_count, 0)) AS flat_count_effective,
+    h.gar_flat_count,
+    h.gar_match_method,
+    la.active_secondary,
+    la.median_price_rub,
+    la.median_price_per_m2,
+    la.avg_days_on_market,
+        CASE
+            WHEN COALESCE(h.zhkh_flat_count, h.gar_flat_count, NULLIF(h.total_units, 0), NULLIF(h.flat_count, 0))
+                     >= GREATEST(COALESCE(h.total_floors, 0), 8)
+             AND la.active_secondary <= COALESCE(h.zhkh_flat_count, h.gar_flat_count, NULLIF(h.total_units, 0), NULLIF(h.flat_count, 0))
+            THEN round(100.0 * la.active_secondary::numeric
+                       / COALESCE(h.zhkh_flat_count, h.gar_flat_count, NULLIF(h.total_units, 0), NULLIF(h.flat_count, 0))::numeric, 1)
+            ELSE NULL::numeric
+        END AS sale_share_pct,
+    la.listings_45d,
+        CASE
+            WHEN COALESCE(h.zhkh_flat_count, h.gar_flat_count, NULLIF(h.total_units, 0), NULLIF(h.flat_count, 0))
+                     >= GREATEST(COALESCE(h.total_floors, 0), 8)
+             AND la.listings_45d <= COALESCE(h.zhkh_flat_count, h.gar_flat_count, NULLIF(h.total_units, 0), NULLIF(h.flat_count, 0))
+            THEN round(100.0 * la.listings_45d::numeric
+                       / COALESCE(h.zhkh_flat_count, h.gar_flat_count, NULLIF(h.total_units, 0), NULLIF(h.flat_count, 0))::numeric, 1)
+            ELSE NULL::numeric
+        END AS sale_share_pct_45d,
+    h.zhkh_flat_count,
+    CASE
+        WHEN h.zhkh_flat_count IS NOT NULL THEN 'zhkh'
+        WHEN h.gar_flat_count IS NOT NULL THEN 'gar'
+        WHEN NULLIF(h.total_units, 0) IS NOT NULL THEN 'total_units'
+        WHEN NULLIF(h.flat_count, 0) IS NOT NULL THEN 'flat_count'
+        ELSE NULL::text
+    END AS flat_count_source
+   FROM houses h
+     JOIN listing_agg la ON la.house_id = h.id
+  WHERE h.geom IS NOT NULL AND (la.active_secondary > 0 OR la.listings_45d > 0);
+
+COMMENT ON VIEW v_building_sale_share IS
+  'Per-building rollup вторички для «доли квартир дома в продаже» (мигр. 143; знаменатель — '
+  'ГАР canon-match мигр. 144; 2-й источник ЖКХ + окно 45д мигр. 146; дедуп кросс-площадочных '
+  'дублей мигр. 148; ЖКХ-приоритет знаменателя мигр. 149; гео-фильтр числителя ≤300м мигр. 150). '
+  'flat_count_effective = '
+  'COALESCE(zhkh_flat_count, gar_flat_count, NULLIF(total_units,0), NULLIF(flat_count,0)) — '
+  'ЖКХ ПРИОРИТЕТ (ГИС ЖКХ точнее ГАР, который дико недосчитывает квартиры в МКД; мигр. 149). '
+  'Колонки zhkh_flat_count (сырой ЖКХ-счёт) + flat_count_source (zhkh|gar|total_units|flat_count|'
+  'NULL — какой источник реально дал знаменатель) добавлены для прозрачности. Оба числителя '
+  'считают УНИКАЛЬНЫЕ КВАРТИРЫ по сигнатуре count(DISTINCT (rooms, round(area_m2), floor)), а не '
+  'объявления: одна квартира на avito+cian+domclick = разные dedup_hash, но одна сигнатура. '
+  'active_secondary = FILTER (is_active AND vtorichka); listings_45d = FILTER (vtorichka AND '
+  'last_seen_at>=now()-45d). sale_share_pct = active_secondary/denom; sale_share_pct_45d = '
+  'listings_45d/denom. Оба под плаузибилити-гейтом (denom>=GREATEST(total_floors,8) AND '
+  'числитель<=denom; мигр. 145), иначе NULL. Частично-NULL сигнатуры считаются раздельно '
+  '(count(DISTINCT ROW) игнорит лишь полностью-NULL строку). Фильтр: geom NOT NULL AND '
+  '(active_secondary>0 OR listings_45d>0) — churn-only дома (0 активных, но есть листинги за '
+  '45д) тоже видны. active_secondary/listings_45d/медианы цены и срока теперь считают ТОЛЬКО '
+  'листинги ≤300м от geom своего дома (JOIN houses hg + ST_DistanceSphere<=300 в каждой FILTER; '
+  'анти-mis-bucketing раздутого числителя из-за бага house_id_fk; мигр. 150). Листинги/дома без '
+  'geom — кепим. Знаменатель НЕ изменён. Поверх гео — floors-guard (мигр. 152): листинг входит в '
+  'числитель/медианы, только если его total_floors неизвестен, либо этажность дома '
+  'COALESCE(zhkh_floors, total_floors) неизвестна, либо |разница| <= 3 этажа — режет height-'
+  'mismatched mis-bucketing (5-эт. дом vs 19-эт. башни <300м), который гео-фильтр пропускает.';
+
+COMMIT;

tradein-mvp/backend/tests/test_buildings_api.py

@@ -130,6 +130,9 @@ def test_listings_query_shape():
     assert "is_active" in sql
     assert "JOIN houses" in sql
     assert "ST_DistanceSphere(l.geom, h.geom) <= 300" in sql
+    # floors-consistency guard (мигр.152): отсекает соседей с расхождением этажности >3,
+    # NULL-этажность листинга/дома — КЕЕП.
+    assert "abs(l.total_floors - COALESCE(h.zhkh_floors, h.total_floors)) <= 3" in sql
     assert "id AS listing_id" in sql
     assert args["house_id"] == 42