Credito:Unsplash/CC0 di dominio pubblico
I ricercatori dell'Università dell'Australia Meridionale hanno sviluppato una tecnica di apprendimento automatico che rende la valutazione degli immobili più trasparente, affidabile e pratica, con la capacità di modellare accuratamente l'impatto delle decisioni di sviluppo urbano sui prezzi degli immobili.
La tecnica è stata creata e convalidata utilizzando oltre 30 anni di informazioni storiche sulla vendita nella metropolitana di Adelaide e utilizza algoritmi di apprendimento automatico appositamente sviluppati per elaborare enormi quantità di dati su alloggi, struttura urbana e servizi, rendendo possibile quantificare gli effetti delle politiche di pianificazione urbana sul valore abitativo.
Il ricercatore capo, analista di dati geospaziali UniSA ed esperto di pianificazione urbana, il dottor Ali Soltani, afferma che la tecnica ha implicazioni per i settori della proprietà, dell'urbanistica e delle infrastrutture.
"La nostra tecnica di modellazione e le nostre scoperte possono aiutare gli investitori immobiliari, i costruttori, i proprietari di immobili, i periti immobiliari e altre parti interessate a ottenere una visione più realistica del valore della proprietà e dei fattori che lo influenzano", afferma il dott. Soltani.
"Questa ricerca ha implicazioni per i responsabili politici fornendo approfondimenti sui potenziali impatti della pianificazione urbana, come la rigenerazione delle tamponamenti, le comunità pianificate, la gentrificazione e lo sfollamento della popolazione, e le politiche di fornitura di infrastrutture sul mercato immobiliare e la successiva economia locale e regionale.
"Catturando la complicata influenza degli elementi infrastrutturali come le reti stradali e di trasporto pubblico, i centri commerciali e i paesaggi naturali sul valore della casa, il nostro modello è particolarmente prezioso per migliorare l'accuratezza delle attuali previsioni del valore del terreno e ridurre i rischi associati alla tradizionale valutazione della proprietà metodologie, che dipendono in gran parte dall'esperienza umana e da dati limitati."
Il dott. Soltani afferma che il modello, sviluppato in collaborazione con il professor Chris Pettit del City Futures Research Center dell'UNSW, può anche essere esteso per includere altre caratteristiche economiche sia a livello macro che micro, come le variazioni dei tassi di interesse, dei tassi di occupazione e influenza del COVID-19, sfruttando i vantaggi delle tecnologie dei big data.
"Questo modello ha il potenziale per essere utilizzato come piattaforma di supporto alle decisioni per una varietà di parti interessate, inclusi acquirenti e venditori di case, banche e agenti finanziari, investitori, governo e agenti assicurativi o di prestito", afferma il dott. Soltani.
"La nostra tecnica rende più semplice per le parti interessate e il pubblico in generale applicare i risultati di modelli sofisticati su dati storici o in tempo reale provenienti da più fonti, che in precedenza erano quasi scatola nera e orientate agli esperti."
Una sintesi di questa ricerca è stata recentemente pubblicata sulla rivista Cities . + Esplora ulteriormente
