1. Введение

В последние годы все шире признается, что управление земельными ресурсами является многофакторным вопросом, в котором должны быть рассмотрены социальные, экономические и физические аспекты. Кроме того, концепция устойчивого развития (WCED, 1987) увеличивает важность эффективного управления земельными ресурсами на всех уровнях. Следовательно, существует потребность в новых подходах, которые смогут справиться с этой проблемой. Среди различных решений на оперативном уровне управления земельными ресурсами, оценка недвижимости считается сложным процессом. Поэтому, были разработаны некоторвые методы по поддержке оценки имущества. Тем не менее, в большинстве этих методов недостаточно представлены несколько важных факторов, которые влияют на стоимость недвижимости. Одним из таких факторов является местонахождение недвижимости и его взаимосвязь с другими пространственными объектами. Другим примером является большой объем данных, которые часто должны быть приняты во внимание, чтобы извлечь полезные сведения, которые потенциально могут помочь в оценке.

Эта статья рассматривает эти вопросы и предлагает применение методов нахождения сведений с помощью компьютера в рамках оценки имущества, в настоящее время на первых этапах развития. В документе также рассматривается вопрос о расположении имущества.

2. Процедура оценки недвижимости

При рассмотрении экономической ценности земли, процесс оценки имущества выделяется в качестве важного элемента в управлении земельными ресурсами. Оценка имущества представляет собой оценку рыночной стоимости недвижимости. Оценка имущества для определенной цели является нетривиальным процессом, так как она включает в себя рассмотрение различных основополагающих факторов рынка и их влияние на стоимость недвижимости на момент оценки. Такие факторы могут включать государственную политику, географические факторы или даже такие факторы, как мода; сезон и др. Оценка имущества также зависит от цели (например, продажи, налогообложения, финансирования и т.д.) и типа имущества (жилой или коммерческой), для которых, она осуществляется.

Общепризнано, что существует пять основных стандартных методов оценки (Lawrance et al, 1971), из которых Сравнительный метод рассматривается как наиболее надежный, который в значительной степени зависит от качества выбранных сопоставимых объектов. В последнее время в попытках имитирования процесса мышления участников рынка был создан ряд методов для определения стоимости имущества (Pagourtzi etal, 2003).

Успешное применение метода оценки в значительной степени зависит от качества и разнообразия данных. Среди факторов (юридических, физических, экономических), которые влияют на стоимость, расположение имеет исключительно важное значение. Расположение в плане, близость к инфраструктуре или удобствам, качество окружения, топология играет важную роль в формировании стоимости, следовательно, может повлечь за собой изменения в цене между аналогичными свойствами. Хотя важность местопооложения в стоимости имущества широко признано (Kauko, 2003), текущие процессы оценки рассмотрены неявно (Wyatt and Ralphs, 2003). В основном это связано с моделированием проблем, которые связаны с широким спектром пространственных факторов и их взаимодействий, которые могут или не могут повлиять на недвижимость в вопрос при заданных значениях времени Deddis et al, 2001). В результате в большинстве случаев введение поправки по местоположению основано на знании оценщика и опыте (Wyatt and Ralphs, 2003)). Примеры научно‑исследовательских проектов, которые сталкиваются с этими проблемами включают гедонистическое моделирование местоположения Orford, 1999); Искусственные нейронные сети (Jenkins et al, 1998); Индекс доступности (Wyatt, 1995) и другие. Тем не менее, все еще существует потребность в новых и более эффективных моделях оценки (Deddis et al, 2001)

3. Географическое обнаружение информации и пространственный извлечение данных

Поиск информации в базах данных является нетривиальным процессом, который включает поиск достоверных, актуальных, потенциально полезных и в конечном счете понятных данных (Fayyad et al, 1996A). Были предложены ряд методик для процессов обнаружения данных, которые в основном подчиняются основной схеме: данные подготовка данных–поиск данных–обработка найденных данных. В этом исследовании методология, предложенная Fayyad et al (1996B) включает в себя пять основных видов деятельности: отбор, предварительная обработка, преобразование, добыча и интерпретацию данных. Эти пять процессов также имеют место, когда анализ фокусируется на географической информации (Miller & Han, 2001).

В общем случае, действиями, предпринимаемыми в каждом процессе являются: выбор, предварительная обработка и преобразование – подготовительные этапы, которые приводят к открытию основных сведений добычи процесс–данных. Интеллектуальный анализ данных обычно разбит на три подэтапа. Первый предполагает поиск и идентификацию универсального типа образов. Второй этап включает в себя идентификацию конкретного метода интеллектуального анализа данных, который имеет отношение к проблеме. Последним шагом является применение выбранного метода для поиска шаблона. Заключительный этап обнаружения знаний является интерпретация/оценка, в котором методы визуализации используются и обнаруживаются знания либо интегрированы в базе данных, основанной на знаниях или использовать в отчете. На рисунке 1 показан процесс поиска сведений.

Во многих приложениях, эти действия выполняются не в последовательном порядке, а итеративно.

При рассмотрении пространственной специфики анализа данных, двое являются целями высокого уровня, которые были определены Fayyad et al. (1996B): прогнозирование и описание данных. Для достижения этих целей соответствующего интеллектуального анализа данных задача должна быть выбрана и применяться к набору данных. Интеллектуальный анализ данных задачи включают (Miller & Han, 2001) сегментацию, анализ с целью кластеризации и классификации, зависимый анализ, отклонение и исключение из анализа, выявление трендов и, наконец, генерализация и характеристика.

Хотя обнаружения данных является достаточно хорошо известной областью, в обычных базах данных его применение в пространственных баз данных является новым, но очень перспективным направлением для исследований (Ester et al, 2001). Сложность географических явлений (Gahegan, 2001) наряду с большим объемом пространственных данных не только оправдывает применение поиска сведений в пространственных данных, но они также делают его крайне привлекательным.

Принятие такого подхода в решении проблемы расположения выявляет ряд проблем. Среди них изменение существующих или разработка новых алгоритмов, которые могут обрабатывать пространственные данные, представление и хранение полученной информации в пространственных базах данных и дальнейшего включения в модели, роли визуализации в такой методологии, а также добычи разрозненные и разные в формате, данные (Koperski etal, 1998; Gahegan, 2001; Miller, 2004).

4 Использование ЭВМ в рамках оценки

Как было показано в предыдущих разделах, полученные сведения применяются в сложных проблемах выявления ранее неизвестных сведений. Разработать четкие и точные модели оценки на основе местоположения трудно, так как процесс оценки включает в себя конкретные знания оценщика и опыт. Применение методов обнаружения знаний в области оценки имущества, где расположение является одним из основных факторов, является перспективным подходом для автоматизирования процесса оценки, и это является основой этого конкретного исследования.

Воздействие местоположения на стоимость имущества подходит для открытия географических знаний, как это выполняет две основные условия. Во‑первых, это «нетривиальный» процесс. Сегодня оценщики прининимают местоположение во внимание, используя фоновых знаний ограниченном географическом районе и опыта и, прежде всего, сравнить известное значение других подобных свойств в этой области. Кроме того, в большинстве моделей компьютерных оценки включение месте, как правило, следующим образом упрощая подходы. Этот подход управляемых данными не привязан к теорий (например, гедонистический моделирования), что попытка объяснить роль месте в стоимости имущества, следовательно, она не требует априорных предположений о переменных. Открытие знания помогут в раскрытии этого недостающую информацию и с помощью надлежащего представительства это может быть включена в модели оценки. Во‑вторых, оценки, связанные наборы данных предложить нужный разнообразие и объем. Оценка моделирование может включать данные, которые включают рассматриваемое имущество, географического характеристики, экологические характеристики, транзакционные данные и так далее. Эти потенциальные наборы, кроме того, что изменения в типа могут быть также распределены. Как уже упоминалось выше некоторых из потребностей исследований в пространственной интеллектуального анализа данных включают обработку нескольких и различных типов данных.

4.1 Концептуальный анализ

Концептуальный анализ системы поддержки оценки недвижимости, которая использует обнаружение знаний для оценки жилой недвижимости показан ниже. Рисунок 2 иллюстрирует концептуальную архитектуру этой системы.

Эта система состоит из трех основных компонентов: загрузчик данных (Data Loader component), SDSS двигателя (SDSS engine) и, наконец, компонент визуализации (Visualisation component).

• Загрузчик данных: отвечает за получение данных из различных разрозненных источников, и помещает его в хранилище данных (Data Warehouse).
• SDSS двигатель: реализует на основе определения местоположения модели оценки и алгоритм анализа данных. Алгоритм извлечения данных извлекает сведения из данных в хранилище данных и выполняет выборку значений свойств.
• Компонент визуализации

Пользователь взаимодействует с системой через графический интерфейс пользователя. Это реализовано в виде традиционного настольного приложения или как веб‑интерфейс с использованием стандартного веб‑браузера. Рисунок 2 показывает веб‑реализацию, которая реализуется с помощью стандартного веб‑сервера. Там может быть две основные группы функций, доступные пользователю. Первый из них связан с функциями для решений оценки имущества. Второй относится к визуализации.

Диаграмма также показывает прямые запросы к хранилищу данных, которые относятся к доступу дополнительную информацию, чтобы значение свойства оценкам, предоставляемых двигателя SDSS, а также доступа к пространственным данным.

Список использованной литературы

• Deddis, W. G., MCCluskey, W. J., Lamont, I., 2001, The Application of Spatially DerivedLocation Factors Within a GIS Environment, World Valuation Congress, Singapore.
• Ester, M., Kriegel, H–P., Sander, J., 2001, Algorithms and Applications for Spatial DataMining. In Miller, H.J., Han, J.(eds), Geographic Data Mining and Knowledge Discovery, Taylor and Francis, p. 131–159.
• Fayyad, U., Piatetsky‑Shapiro, G, Smyth, P., 1996A, From Data Mining to Knowledge Discovery: An Overview. In Fayyad, U., Piatetsky‑Shapiro, G., Smyth, P., Uthurusamy, R. (eds), 1996, Advances in Knowledge Discovery and Data Mining, AAAI Press, p. l–30
• Fayyad, U.M, Piatetsky‑Shapiro, G, Smyth, P., 1996B, From Data Mining to Knowledge Discovery in Databases. AI Magazine, p. 37–54
• Gahegan, M., 2001, Data Mining and Knowledge Discovery in the Geographical Domain. A National Academies white paper, Intersection of Geospatial Information and Information Technology
• Jenkins, D. H., Lewis, O. M., Almond, N., Gronow, S. A., Ware, J. A., 1998, Towards an Intelligent Residential Appraisal Model. Journal of Property Research, vol. 16, No l, p. 67–90.
• Kauko, T., 2003, On Current Neural Network Applications involving Spatial Modelling of Property Prices, Journal of Housing and the Built Environment, Vol. 18, p. 159–181.
• Koperski, K., Han, J., Adhikary, J., 1998, Mining Knowledge in Geographical Data, Communications of ACM.
• Lawrance, DM., REES, W.H., Britton, W., 1971, Modern Methods of Valuation of Land,Houses and Buildings, The Estates Gazette Limited.
• Miller, H. J, 2004, Geographic Data Mining and Knowledge Discovery. In Wilson, J.P., Fotheringham, A.S.(eds), in press, Handbook of Geographic Information Science, Blackwell.Miller, H.J., Han, J.(eds), 2001, Geographic Data Mining and Knowledge Discovery, Taylor and Francis, p. 3–32.
• Orford, S., 1999, Valuing the Build Environment: GIS and House Price Analysis, Ashgate Publishing Ltd.
• Pagourtzi, E and Assfmakopoulos, V., HAtzichristos, T., French, N., 2003, Real Estate Appraisal: a Review of Valuation Methods, Journal of Property Investment and Finance, vol. 21, No 4, p. 383–401
• WCED (World Commission on Environment and Development), 1987, ’Tokyo Declaration.’ Our Common Future. Oxford University Press.
• Wyatt, P., Ralphs, M., 2003, GIS in Land and Property Management, Spon Press, London.
• Wyatt, P., 1995, Using a Geographical Information System for Property Valuation, Journal of Property Valuation and Investment, Vol. 14, No l, p. 67–79.