همایش بین‌ المللی علم اطلاعات جغرافیایی

صفحه اصلی / دومین همایش بین‌ المللی علم اطلاعات جغرافیایی: بنیادها و کاربردهای بین رشته ای و ششمین بزرگداشت روز جهانی GIS و هفته آگاهی جغرافیایی

قیمت‌گذاری مکانی و بر اساس ساختار جدولی داده‌های املاک مسکونی به کمک الگوریتم‌های یادگیری عمیق

نویسندگان :

زهرا مرادی¹ محمد سعدی مسگری²

1- دانشگاه صنعتی خواجه نصیرالدین طوسی 2- دانشگاه صنعتی خواجه نصیرالدین طوسی

کلمات کلیدی :

قیمت ملک، شبکه ی عصبی عمیق، یادگیری عمیق، سیستم اطلاعات مکانی

چکیده :

اهمیت روزافزون مسکن به لحاظ تأثیرات عمیق و قابل‌توجهی که بر ابعاد مختلف اجتماعی، سیاسی و اقتصادی کشورها می‌گذارد، بر کسی پوشیده نیست؛ بنابراین برآورد دقیق و قابل‌اعتماد قیمت به طور مسلم امر سیاستگذاری در این عرصه را تسهیل می‌نماید. باتوجه‌به ماهیت پیچیده ی بازار املاک در تحقیقات انجام شده از الگوریتم‌های متداول یادگیری عمیق مانند LSTM ,CNN ,DNN و ... استفاده شده است، اما این الگوریتم‌ها در خصوص داده‌های جدولی چندان مناسب نمی‌باشند. هدف از این مقاله به‌کارگیری روش‌های یادگیری عمیق باتوجه‌به ساختار جدولی داده‌های املاک است. برای این منظور معماری عمیق جدید TabNet به کار گرفته شده است. همچنین در این مقاله با ادغام روش‌های یادگیری عمیق و سیستم اطلاعات مکانی (GIS) ارزیابی شفاف‌تری ارائه گردید تا بصری‌سازی کامل الگوی مکانی ویژگی‌های ملک و همچنین ارتباط این ویژگی‌ها و قیمت‌گذاری تضمین شود و متغیرهای مکانی نیز در مدل ارزش‌گذاری لحاظ شود. به‌منظور ارزیابی روش پیشنهادی از داده‌های املاک منطقه ی پنج تهران استفاده گردید. معیارهای ارزیابی R^2,MAE ,RMSEبرای این روش و سه روش CNN ,DNN و رگرسیون خطی محاسبه و مقایسه شد که ۱۰ درصد بهبود دقت حاصل گردید.