Investigadores de la Universidad de Australia del Sur han desarrollado una técnica de aprendizaje automático que hace que la valoración de propiedades sea más transparente, confiable y práctica, con la capacidad de modelar con precisión el impacto de las decisiones de desarrollo urbano en los precios de las propiedades.

La técnica se creó y validó utilizando más de 30 años de información histórica de ventas en el área metropolitana de Adelaida y utiliza algoritmos de aprendizaje automático desarrollados específicamente para procesar grandes cantidades de datos sobre viviendas, estructuras urbanas y servicios, lo que permite cuantificar los efectos de las políticas de planificación urbana. sobre el valor de la vivienda.

El investigador principal, analista de datos geoespaciales de UniSA y experto en planificación urbana, el Dr. Ali Soltani, dice que la técnica tiene implicaciones para los sectores de propiedad, planificación urbana e infraestructura.

"Nuestra técnica de modelado y nuestros hallazgos pueden ayudar a los inversionistas inmobiliarios, constructores, propietarios, tasadores de viviendas y otras partes interesadas a obtener una visión más realista del valor de la propiedad y los factores que lo afectan", dice el Dr. Soltani.

"Esta investigación tiene implicaciones para los formuladores de políticas al proporcionar información sobre los impactos potenciales de la planificación urbana, como la regeneración de relleno, las comunidades planificadas maestras, la gentrificación y el desplazamiento de la población, y las políticas de provisión de infraestructura en el mercado de la vivienda y la economía local y regional subsiguiente.

"Al capturar la complicada influencia de los elementos de la infraestructura, como las redes viales y de transporte público, los centros comerciales y los paisajes naturales, en el valor de la vivienda, nuestro modelo es especialmente valioso para mejorar la precisión de las predicciones actuales del valor de la tierra y reducir los riesgos asociados con la valoración tradicional de la propiedad. metodologías, que dependen en gran medida de la experiencia humana y de datos limitados".

El Dr. Soltani dice que el modelo, desarrollado en conjunto con el profesor Chris Pettit del City Futures Research Center de UNSW, también puede extenderse para incluir otras características económicas tanto a nivel macro como micro, como cambios en las tasas de interés, tasas de empleo y el influencia de COVID-19, aprovechando los beneficios de las tecnologías de big data.

"Este modelo tiene el potencial de usarse como una plataforma de apoyo a la toma de decisiones para una variedad de partes interesadas, incluidos compradores y vendedores de viviendas, bancos y agentes financieros, inversionistas, el gobierno y agentes de seguros o préstamos", dice el Dr. Soltani.

"Nuestra técnica hace que sea más sencillo para las partes interesadas y el público en general aplicar los hallazgos de modelos sofisticados sobre datos históricos o en tiempo real de múltiples fuentes, que anteriormente eran casi una caja negra y estaban orientadas a expertos".

Recientemente se ha publicado un resumen de esta investigación en la revista Cities . + Explora más

Los viajes más largos afectan el costo de vida en las grandes ciudades más que las restricciones de zonificación