Автореферат по теме выпускной работы

Введение

Бурное развитие рынка недвижимости повлекло за собой резкое увеличение количества компаний, предоставляющих риэлторские услуги, что привело к обострению конкурентной борьбы и повышению требований по уровню, скорости, удобству и качеству обслуживания клиентов.

Можно выделить две основные задачи, возникающие в процессе работы агентства недвижимости:

1. Поиск и подбор вариантов, соответствующих заданному набору параметров и критериев. Эта ситуация возникает, когда агентство заключает с покупателем договор о сотрудничестве с целью подобрать необходимый ему вариант.
2. Оценка стоимости объектов недвижимости. Эту задачу необходимо решать каждый раз, когда в агентство обращается продавец с целью выставить объект недвижимости на продажу.

Эффективность работы всего предприятия зависит от качества выполнения первого этапа, успешное проведение которого требует многократной обработки всего массива актуальных предложений рынка, а при оценивании объектов недвижимости – ещё и анализа текущего состояния рынка, сложившейся сегментированности рынка и установившихся цен в каждом сегменте.

Существенное увеличение требований к скорости и качеству выполнения перечисленных действий требует разработки и внедрения системы, предоставляющей возможности анализа информации о текущем состоянии рынка недвижимости и позволяющей совершить оценку стоимости объектов недвижимости.

Цель и задачи исследования

Целью работы является исследование обобщённых математических моделей и принципов функционирования компьютерных систем автоматизации риэлторского предприятия, являющейся одним из звеньев в процессе принятия маркетинговых решений фирмы.

Для достижения указанной цели в работе необходимо решить следующие основные задачи:

• анализ методов обработки данных, оценивания объектов недвижимости;
• разработка модели поиска предложений на рынке недвижимости, удовлетворяющих заданным нечётким условиям;
• разработка математической модели оценивания объектов недвижимости на основе метода продаж и содержимого базы данных.

Актуальность

Существенное увеличение скорости и качества выполнения всех перечисленных действий требует разработки и внедрения экспертной системы (ЭС), предоставляющей возможности анализа информации о текущем состоянии рынка недвижимости.

Таким образом, актуальность работы определяется необходимостью разработки математических и алгоритмических моделей функционирования ЭС риэлторского предприятия, а также разработку программной архитектуры, пригодной для практической реализации системы.

Предполагаемая научная новизна

Научная новизна данной работы заключается в разработке экспертной системы, основанной на нечетких правилах, позволяющей совершить оценку недвижимости. Апарат нечеткой логики позволит также осуществить нечеткие запросы к базе данных.

Планируемые практические результаты

Результатами данной работы является построение правил экспертной системы для определения стоимости объекта недвижимости, учитывая детальное описание каждого объекта, программная реализация в спроектированных инструментальных средствах. Предстоит реализовать объектно-ориентированную модель программного комплекса. При этом предполагается разбиение системы на несколько подсистем: подсистему общения с пользователем, подсистему приобретения знаний, подсистему хранения аналитических данных и базы правил, машину логического вывода, подсистему анализа и отчетов.

Обзор исследований и разработок по теме

Мировой

Система учета аренды и управления недвижимостью Рентал Макс предназначена для реального учета аренды и оперативного управления коммерческими объектами недвижимости.

Программа квартиры – учет аренды Рентал Макс создана на основе реального опыта управляющей компании Midvalley property management, Калифорния и адаптируется к российским условиям компанией NauSoft [4, 5].

Программа управление недвижимостью и учет аренды Рентал Макс содержит информацию об объектах недвижимости, структурированную по принципу Объект-Cубъект (например: здание-офисы, гостиница-номера, здание-квартиры, поселок-коттеджи и т.п.).

Аналитический центр «Индикаторы рынка недвижимости IRN.RU» Аналитический центр www.irn.ru является фактически единственной самостоятельной независимой организацией на территории России, специализирующейся именно на рынке недвижимости. Партнерами аналитического центра www.irn.ru являются практически все участники рынка недвижимости и смежных областей бизнеса в России.

Национальный

Мультилистинговые системы. Под мультилистингом (от англ.: multi – много, list – перечень) принято понимать систему, объединяющую базы данных агентств недвижимости в единое информационное пространство, а также организованный сбор информации о листингах объектов собственности, осуществляемый группой риэлторов, договорившихся о сотрудничестве с целью оказания помощи участникам рынка недвижимости, а также расширения собственных возможностей в бизнесе.

Все рассмотренные существующие подсистемы [2, 3, 4] имеют некоторые недостатки, не позволяющие решить задачи, поставленные перед риэлтерской фирмой. При этом некоторые системы позволяют производить анализ либо оценку, но не имеют при этом собственной информационной базы [4]. Другие, наоборот, организовывают учет данных о недвижимости, при этом имеют слабую аналитическую базу [2], не имеют никаких средств по принятию решений в условиях неполной, размытой информации и повышенной сложности объекта управления [3].

Постановка задачи

Проанализировав перечень поставленных задач можно прийти к выводу, что решение заключается в построении экспертной системы, способной частично заменить специалиста-эксперта в разрешении проблемной ситуации, при этом позволяющей принимать решения в условиях неполной и/или нечеткой информации [5].

В предметной области купли-продажи недвижимости ключевое значение имеют не только точные, математические обоснованные данные, но и модели, содержащие качественную информацию, которая включает многолетний опыт эксплуатации и важные сведения о данной области знаний. Язык нечётких множеств и алгоритмов в настоящее время наиболее адекватный математический аппарат, позволяющий максимально сократить переход от словесного качественного описания объекта к численным количественным оценкам его состояния и сформулировать на этой основе простые и эффективные алгоритмы, то есть позволяет моделировать человеческие размышления и человеческую способность решения задач [5].

Формальная постановка

Аксиоматическая формулировка экспертной системы: экспертная система

полностью определяется парой (Dα, ζα), где

(1)

где

– база данных;

– база знаний;

– связывающие правила;

(2)

где I, J, K и A являются подмножествами Z+.

Пару (Dα, ζα) называют информационной моделью экспертной системы (information pattern of the α-expert system).

Вычислительная модель ЭС и БД при решении задач оценки в условиях неопределенности задается в обобщенном виде:

W = < A, D, B, F, H >,

(3)

где A – множество атрибутов БД и БЗ;

D – домены (значения атрибутов БД и БЗ);

B – множество функциональных зависимостей, определенных над атрибутами;

F – множество описаний типов всех используемых в B функциональных зависимостей;

H – совокупность нечетких отношений над множеством атрибутов A.

Нечеткий логический вывод

Основой для проведения операции нечеткого логического вывода является база правил (знаний). Под базой знаний принято понимать совокупность знаний о предметной области, используемых для построения систем интеллектуального управления объектами. Используемый в различного рода экспертных системах механизм нечётких выводов имеет в своей основе базу знаний, формируемую специалистами предметной области в виде совокупности нечётких предикатных правил вида [7, c.305]:

R1: ЕСЛИ x1 это A11 … И … xn это A1n, ТО y это B1

…

Ri: ЕСЛИ x1 это Ai1 … И … xn это Ain, ТО y это Bi

…

Rm: ЕСЛИ x1 это Ai1 … И … xn это Amn, ТО y это Bm,

где xk , k=1..n – входные переменные; y – выходная переменная; Aik – заданные нечеткие множества с функциями принадлежности.

Также к базе знаний принято относить и функции принадлежности входных и выходных переменных, которые принято либо выбирать из типового набора (треугольная, колокольная и т.д.), либо задавать самостоятельно [11, c.5].

Результатом нечеткого вывода является четкое значение переменной y* на основе заданных четких значений xk , k=1..n.

При этом должны соблюдаться следующие условия:

1. Существует хотя бы одно правило для каждого лингвистического терма выходной переменной.
2. Для любого терма входной переменной имеется хотя бы одно правило, в котором этот терм используется в качестве предпосылки (левая часть правила).

В противном случае имеет место неполная база нечетких правил.

В общем случае механизм логического вывода включает четыре этапа: введение нечеткости (фазификация), нечеткий вывод, композиция и приведение к четкости, или дефазификация (см. рисунок 1).

Рисунок 1 – Система нечеткого логического вывода.

Алгоритмы нечеткого вывода различаются главным образом видом используемых правил, логических операций и разновидностью метода дефазификации. Разработаны модели нечеткого вывода Мамдани, Сугено, Ларсена, Цукамото.

Механизм Мамдани (Mamdani) наиболее распространенный способ логического вывода в нечетких системах. В нем используется минимаксная композиция нечетких множеств (рисунок 2).

Рисунок – 2 Схема нечеткого вывода по Мамдани

Построение базы правил и результаты исследований.

Первоначальной задачей является построение правил экспертной системы для определения стоимости объекта недвижимости, учитывая детальное описание каждого объекта. База правил построена экспертно на наборе реальных данных Ворошиловского, Киевского, Ленинского и Кировского районов за 2009 год в одном из агентств г.Донецка.

Для выполнения поставленной цели проделаны следующие шаги:

1) Введены входные лингвистические переменные с базовыми терм-множествами:
Location = {notPrestigious, middle, prestigious, veryPrestigious}; RoomNumber = {one, several, many}; State = {unsatisfactory, satisfactory, good, excellent, euro}; Houseroom = {small-size, average, large-size}; Distance-to-transport = {near, average, distant};
Выходная лингвистическая переменная: Price = {low, average, high, very-high}

2) Заданы функции принадлежности. Экспертно доказана необходимость использования гауссовых функций принадлежности для переменных, имеющих близкие значения функций принадлежности термов. Типы заданных функций принадлежности для лингвистических переменных приведены в таблице 1.

Таблица 1 – Типы заданных функций принадлежности

Название переменной	Тип функции принадлежности	Диапазон
Location	Треугольная	[0 10]
RoomNumber	Треугольная	[0 5]
State	Гауссова	[0 10]
Houseroom	Треугольная	[0 1]
Distance-to-transport	Треугольная	[0 20]
Price	Гауссова	[0 100]

3) Заданы логические операции на основе t-нормальных: "And Method" – "min"; "Or Method" – "max".

4) Cформирована база из 35 нечетких правил, вид которых представлен на рис. 3.

Рисунок 3 – База нечетких правил

5) Нечеткий логический вывод осуществляется по алгоритму Мамдани: логический вывод организуется с использованием логического минимума (min), композиция с использованием операции max, приведение к четкости производится центроидным методом.

Графический вид зависимости выходной переменной от входных представлен на рисунке 4. При этом видно закономерное увеличение цены при повышении престижности местоположения объекта недвижимости либо увеличения количества комнат.

Рисунок 4 – Графический вид зависимости выходной переменной от входных (Количество кадров: 5, повторы: 5, длительность кадров: 100 мс, размеры 300x220, 69.7 Кб)

Оценка параметров и анализ адекватности модели

В процессе анализа должно быть выявлено соответствие полученной модели реальной зависимости, должны быть найдены пути улучшения модели и определены возможности практической реализации достигнутых результатов.

Адекватность построенной модели можно определить, проанализировав остатки модели при помощи специальных статистических тестов. Остатки вычисляются как разница между фактическими значениями зависимой (объясняемой) переменной y и значениями этой переменной, вычисленными при помощи модели:

δ = ((y − ŷ) ÷ y) • 100,

(4)

где ŷ – точечный прогноз стоимости рассматриваемого объекта,

y – истинная стоимость оценки рассматриваемого объекта.

В результате экспериментов получена следующая точность: математическое ожидание погрешностей оценок для набора данных – 2,51; СКО – 6,95; мода – 3,2; количество данных в наборе (и число оценок недвижимости) – 114.

Выводы

Проведен научный поиск и анализ в области экспертных систем риелтерского предприятия. Методы исследования базируются на использовании методов нечёткой логики, теории экспертных систем, теории принятия решений, теории реляционных баз данных, математического моделирования, численных методов и программирования. Дальнейшие действия определяются необходимостью разработки математических и алгоритмических моделей функционирования экспертной системы риэлторского предприятия, а также разработку программной архитектуры, пригодной для практической реализации системы.

Литература

1. Заде Л. Понятие лингвистической переменной и его применение к принятию приближенных решений. – М.: Мир, 1976
2. Леоненков А.В. Нечеткое моделирование в среде MATLAB и fuzzyTECH. – СПб., 2003.
3. Экономика недвижимости: Учебное пособие – Владим. гос. ун-т; Сост.: Д. В. Виноградов, Владимир, 2007. – 136 с. – Электрон. текст. – Режим доступа: http://subschet.ru/subschet.nsf/93eb7fcbec1d!OpenDocument
4. Программа квартиры – учет аренды и управление недвижимостью [Электронный ресурс] / Рентал Макс – Электрон. текст. – Режим доступа к изд.: http://www.rentalmax.ru/rm_manual.pdf
5. Что такое МЛС, или На пути к совершенству [Электронный ресурс] / Э. Светлова // Investor.Kirov.ru Общественно-деловой портал – Электрон. текст. – 17 Январь 2008 – Режим доступа к изд.: http://www.investor.kirov.ru/analit/detail.php?ID=12164
6. Аналитический центр «Индикаторы рынка недвижимости IRN.RU» [Электронный ресурс] / «Индикаторы рынка недвижимости» IRN.RU – Электрон. текст. – Режим доступа к изд.: http://www.irn.ru/acirn/
7. Нечеткая логика в системах управления [Электронный ресурс] / Textreferat Раздел: Логика – 2007-01-21 – Электрон. текст. – Режим доступа: http://www.textreferat.com/referat-1314-1.html
8. Подходы и методы оценки недвижимости [Электронный ресурс] / Уральское Информационное агентство – Электрон. текст. – 19 ноября 2007 – Режим доступа к изд.: http://ocenka-uia.ru/consultations/clauses/6/1/
9. В. Дьяконов, В. Круглов. Математические пакеты расширения MATLAB. Специальный справочник. – Санкт-Петербург: Питер, 2001 – 480 с
10. Нечеткая логика – математические основы [Электронный ресурс] / BaseGroup Labs – Россия, 1995-2008 – Электрон. текст. – Режим доступа: http://www.basegroup.ru/library/analysis/fuzzylogic/math/
11. Нечеткие запросы к реляционным базам данных [Электронный ресурс] / BaseGroup Labs – Россия, 1995-2008 – Электрон. текст. – Режим доступа: http://www.basegroup.ru/library/analysis/fuzzylogic/queries/
12. Нечеткая логика в системах управления [Электронный ресурс] / Textreferat Раздел: Логика – 2007-01-21 10:32:41 – Электрон. текст. – Режим доступа: http://www.textreferat.com/referat-1314-1.html
13. Р. А. Алиев. Управление производством при нечёткой исходной информации, – М.: Энергоатомиздат, 1991. – 240 с.

При написании данного автореферата магистерская работа еще не завершена. Дата окончательного завершения работы: декабрь 2010 г. Полный текст работы и материалы по теме могут быть получены у автора или его научного руководителя после указанной даты.