Повышение точности прогнозирования гедонических моделей цен на городское жильё с помощью лазерного сканирования с воздуха
Boosting the predictive accuracy of urban hedonic house price models through airborne laser scanning
2013-03-28
SCID: 54.1/2xafgbpv
Discuss with AI
воздушное лазерное сканированиеобобщенная аддитивная модельгедоническое моделирование цен на жильепоступающая солнечная радиациягородская недвижимость
Figures from the paper
Abstract (AI)
В статье представлен интегративный подход к моделированию цен на жильё с использованием гедонических моделей, основанный на данных высокоплотного трёхмерного лазерного сканирования с воздуха (ALS). В целом показано, что извлечение объясняющих переменных посредством трёхмерного анализа — с явным учётом высотных зданий, эффектов затенения и других факторов — имеет решающее значение в сложной городской среде, тогда как возможности такого анализа ограничены в широко применяемом моделировании на основе растровых данных. Это особенно важно для крупномасштабного анализа городской среды, при котором ключевые факторы, влияющие на цены на недвижимость, часто отсутствуют и недоступны в официальных базах данных и базах данных массовых оценщиков. В частности, преимущества данной методологии продемонстрированы на примере нового и экономически значимого внешнего эффекта — поступающей солнечной радиации, рассчитанной отдельно для каждой квартиры. Результаты эмпирического исследования, проведённого в Вене (Австрия) с применением нелинейной обобщённой аддитивной гедонической модели, свидетельствуют о том, что солнечная радиация статистически значимо капитализируется в ценах на квартиры. Сравнение моделей убедительно показывает, что гедоническая модель, учитывающая солнечную радиацию, рассчитанную на основе данных ALS, обладает значительно более высокой эффективностью. По сравнению с моделью без этого внешнего эффекта она повышает объяснительную способность примерно на 13% и дополнительно снижает ошибку прогнозирования примерно на 15%. Полученные результаты убедительно свидетельствуют о том, что объясняющие переменные, производные от данных ALS и учитывающие непосредственное трёхмерное окружение, повышают эффективность традиционных гедонических моделей в городской среде.
Key Findings
1
Переменные на основе ALS, описывающие непосредственное трёхмерное окружение, существенно улучшают гедонические модели цен в сложной городской среде.
2
Явный трёхмерный анализ высотных зданий и эффектов затенения позволяет учитывать городские факторы, часто отсутствующие в растровых моделях и официальных базах данных.
3
Поступающая солнечная радиация для каждой квартиры, рассчитанная по данным ALS, статистически значимо капитализируется в ценах на квартиры в Вене, Австрия.
4
Добавление солнечной радиации на основе ALS повышает объясняющую способность модели примерно на 13% и снижает ошибку прогнозирования примерно на 15% по сравнению с моделью без этого фактора.
5
В исследовании предложена интегрированная модель гедонического ценообразования жилья с использованием данных высокоплотного трёхмерного воздушного лазерного сканирования (ALS).
Research Object
цены на городские квартиры и окружающая их застроенная среда в Вене
Research Subject
влияние рассчитанной по данным ALS поступающей солнечной радиации и переменных трёхмерного городского окружения на капитализацию цен в гедонической модели и точность прогнозирования
Publication Details
Publication Date
2013-03-28
Journal
Publisher
ISSN
Cited by
68
Open access PDF
Access Type
Author Information
Download PDF
Subscribe to digest
Источники этой статьи в scid.ai2
Работы, цитирующие эту статью6
Машинное обучение, архитектурные стили и стоимость недвижимости2021
Требования к 3D-переменным для моделирования оценки недвижимости на основе интеграции BIM и CIM2021
На пути к оценке недвижимости в 3D: обзор методов городского 3D-моделирования для создания цифровых двойников2022
Потенциал информационного моделирования зданий для совершенствования подхода к оценке недвижимости на основе гедонистического метода2019
Интеграция данных IFC–CityGML для оценки стоимости недвижимости в 3D2023
Преодоление компромисса между точностью и интерпретируемостью: интерпретируемые модели глубокого обучения для оценки недвижимости по спутниковым изображениям2022