1/33DGFK
© schernthanner·ifg·uni·potsdam 2016
DGFK|5.4.16
DGFK: Kartographisches Kolloquium
Räumliche Analyse
& Visualisie...
2/33DGFK
© schernthanner·ifg·uni·potsdam 2016
1. Status quo der Mietpreisanalyse und -Visualisierung
2. Räumliche Analysen...
3/33DGFK
© schernthanner·ifg·uni·potsdam 2016
 Stellen Sie sich vor, Sie suchen
eine Mietwohnung ?
1. Status quo | 2. Räu...
4/33DGFK
© schernthanner·ifg·uni·potsdam 2016
Zehlendorf 9,27 €/m²|Potsdams Innenstadt 8-10 €/m²?
Quelle: Wirtschaftswoche...
5/33DGFK
© schernthanner·ifg·uni·potsdam 2016
Mietpreise >13€/m² in ganz Salzburg ?
Quelle: Willhaben.at
1. Status quo | 2...
6/33DGFK
© schernthanner·ifg·uni·potsdam 2016 1. Status quo | 2. Räumliche Analysen | 3. Geovisualisierung | 4. Zusammenfa...
7/33DGFK
© schernthanner·ifg·uni·potsdam 2016
Anteil am Warenkorb
- Kaltmiete 21%
- Warmmiete 31%
- Mieterquote: 48 %
Rele...
8/33DGFK
© schernthanner·ifg·uni·potsdam 2016
 Research ??
 Mittelwert / Median
 Hedonische Regression
Status quo der P...
9/33DGFK
© schernthanner·ifg·uni·potsdam 2016
Wie kommen die dargestellten Preise zustande ?
 Immobilienportale betreiben...
10/33DGFK
© schernthanner·ifg·uni·potsdam 2016
Hedonische Regression
 Nicht-räumliches Standardverfahren
 Funktioneller ...
11/33DGFK
© schernthanner·ifg·uni·potsdam 2016
 Abbildung modellierter Preise auf
fachfremd gewählten räumlichen
Bezugsei...
12/33DGFK
© schernthanner·ifg·uni·potsdam 2016
 Bekannte Maklerweisheit:
 Genau drei Dinge bei einer Immobilie sind
wich...
13/33DGFK
© schernthanner·ifg·uni·potsdam 2016
 Verfahrensidentifizierung und Methodenevaluierung
Räumliche Alternativen ...
14/33DGFK
© schernthanner·ifg·uni·potsdam 2016
Quantitative Datenquelle
 Einmalige „Big Data“ Datenquelle
 Alle auf Immo...
15/33DGFK
© schernthanner·ifg·uni·potsdam 2016
Ordinary Kriging
 Räumliche-geostatistische
Interpolationsmethode
 Verbre...
16/33DGFK
© schernthanner·ifg·uni·potsdam 2016
Ordinary Kriging – Validierung
Potsdam
1319 Angebote
1. Quartal 2013
 3 Kr...
17/33DGFK
© schernthanner·ifg·uni·potsdam 2016
Ordinary Kriging
 Das einfachste Kriging Verfahren Ordinary Kriging war al...
18/33DGFK
© schernthanner·ifg·uni·potsdam 2016
Random Forest Trees
 Der von Breiman (2001) entwickelte Algorithmus "Rando...
19/33DGFK
© schernthanner·ifg·uni·potsdam 2016
Random Forest Trees
 Anwendung zur Sekundärvariablenwahl und zur Mietpreis...
20/33DGFK
© schernthanner·ifg·uni·potsdam 2016
n
tree
150 350 400 300 450 250 500 200 100
MSE 1,1385 1,1391 1,1392 1,1397 ...
21/33DGFK
© schernthanner·ifg·uni·potsdam 2016
Grid Maps
 Darstellung thematischer Sachverhalte auf Rasterzellen
 Vorrei...
22/33DGFK
© schernthanner·ifg·uni·potsdam 2016
23/33DGFK
© schernthanner·ifg·uni·potsdam 2016
 Was ist die ideale Zellengröße für eine Mietpreiskarte?
 Methodik des Gr...
24/33DGFK
© schernthanner·ifg·uni·potsdam 2016

 Mietpreiskarten – Prototyp
 Zoomstufe 13 /1: 35.000
 Filterung nach U...
25/33DGFK
© schernthanner·ifg·uni·potsdam 2016
 Mietpreiskarte IS 24
 Zoomstufe 15
 1: 14.400
Infas Geodaten
Neighboor...
26/33DGFK
© schernthanner·ifg·uni·potsdam 2016
 Mietpreiskarten: Prototyp und
Status Quo:
 Zoomstufe 18 & 18
 1: 4500
1...
27/33DGFK
© schernthanner·ifg·uni·potsdam 2016
Gebäudescharfe Mietpreisschätzdarstellung in Carto DB




1. Status quo...
28/33DGFK
© schernthanner·ifg·uni·potsdam 2016
Thematische 2,5-dimensionale Darstellung (OSM Buildings)




1. Status ...
29/33DGFK
© schernthanner·ifg·uni·potsdam 2016
Hexabins zur Visualisierung von Immobilienangeboten
1. Status quo | 2. Räum...
30/33DGFK
© schernthanner·ifg·uni·potsdam 2016
Maßstabsabhängige Skalierung von Gridzellen mit leaflet.js
Quelle: Marius H...
31/33DGFK
© schernthanner·ifg·uni·potsdam 2016
Zusammenfassung
 Erstmalige umfassende Erhebung des raumanalytischen
und g...
32/33DGFK
© schernthanner·ifg·uni·potsdam 2016
Publikationen & Vorträge
 Schernthanner, H. & L. Tyrallová (2010). FOS-GIS...
33/33DGFK
© schernthanner·ifg·uni·potsdam 2016
Angebotsmieten Relevanz
 Angebotsmieten geben die aktuelle Marktlage wiede...
34/33DGFK
© schernthanner·ifg·uni·potsdam 2016
Experteninterviews Experten
 5 Experten in 45-minütigen teilstandardisiert...
35/33DGFK
© schernthanner·ifg·uni·potsdam 2016
Experteninterviews Themen- und Problemfelder
Immobilienpreis-
karten
Immobi...
36/33DGFK
© schernthanner·ifg·uni·potsdam 2016
Anwendung Künstliche Neuronale Netzwerke
 Daten werden im Verhältnis 70% /...
37/33DGFK
© schernthanner·ifg·uni·potsdam 2016
Interpolation
 Interpolation =„Die Ermittlung eines unbekannten Funktionsw...
38/33DGFK
© schernthanner·ifg·uni·potsdam 2016
Umsetzungsoptionen 1 + 2
39/33DGFK
© schernthanner·ifg·uni·potsdam 2016
Umsetzungsoptionen 3
40/33DGFK
© schernthanner·ifg·uni·potsdam 2016
Map APIs
 Unter Webkarte wird in dieser Arbeit eine webbasierte, graphisch...
41/33DGFK
© schernthanner·ifg·uni·potsdam 2016
Angebotsmieten Einflussfaktoren neben Lage (für Sekundärvariablenauswahl)
R...
42/33DGFK
© schernthanner·ifg·uni·potsdam 2016
Räumliche Statistik und Kartendarstellung von Portalen
Immobilienport
al
(R...
43/33DGFK
© schernthanner·ifg·uni·potsdam 2016
Method Nugget Partial sill Range Funct. RMSE t (sec)
OK 0.001 0.1 700 Exp 0...
44/33DGFK
© schernthanner·ifg·uni·potsdam 2016
Fragen? Kritik? Anregungen?
Kontakt: hschernt@uni-potsdam.de
Autor: Harald ...
Nächste SlideShare
Wird geladen in …5
×

Räumliche Analyse & Visualisierung von Mietpreisdaten für Immobilienportale

342 Aufrufe

Veröffentlicht am

Kartographisches Kolloquium DGFK Berlin, 6. April 2016

Veröffentlicht in: Immobilien
0 Kommentare
0 Gefällt mir
Statistik
Notizen
  • Als Erste(r) kommentieren

  • Gehören Sie zu den Ersten, denen das gefällt!

Keine Downloads
Aufrufe
Aufrufe insgesamt
342
Auf SlideShare
0
Aus Einbettungen
0
Anzahl an Einbettungen
29
Aktionen
Geteilt
0
Downloads
7
Kommentare
0
Gefällt mir
0
Einbettungen 0
Keine Einbettungen

Keine Notizen für die Folie

Räumliche Analyse & Visualisierung von Mietpreisdaten für Immobilienportale

  1. 1. 1/33DGFK © schernthanner·ifg·uni·potsdam 2016 DGFK|5.4.16 DGFK: Kartographisches Kolloquium Räumliche Analyse & Visualisierung von Mietpreisdaten für Immobilienportale Harald Schernthanner|Geoinformatik |IfG
  2. 2. 2/33DGFK © schernthanner·ifg·uni·potsdam 2016 1. Status quo der Mietpreisanalyse und -Visualisierung 2. Räumliche Analysen als Alternative 3. Geovisualisierung als Alternative 4. Zusammenfassung Inhalt 1. Status quo | 2. Räumliche Analysen | 3. Geovisualisierung | 4. Zusammenfassung
  3. 3. 3/33DGFK © schernthanner·ifg·uni·potsdam 2016  Stellen Sie sich vor, Sie suchen eine Mietwohnung ? 1. Status quo | 2. Räumliche Analysen | 3. Geovisualisierung | 4. Zusammenfassung
  4. 4. 4/33DGFK © schernthanner·ifg·uni·potsdam 2016 Zehlendorf 9,27 €/m²|Potsdams Innenstadt 8-10 €/m²? Quelle: Wirtschaftswoche Quelle: Immonet Quelle: Immobilienscout24 Quelle: Immonet 1. Status quo | 2. Räumliche Analysen | 3. Geovisualisierung | 4. Zusammenfassung
  5. 5. 5/33DGFK © schernthanner·ifg·uni·potsdam 2016 Mietpreise >13€/m² in ganz Salzburg ? Quelle: Willhaben.at 1. Status quo | 2. Räumliche Analysen | 3. Geovisualisierung | 4. Zusammenfassung
  6. 6. 6/33DGFK © schernthanner·ifg·uni·potsdam 2016 1. Status quo | 2. Räumliche Analysen | 3. Geovisualisierung | 4. Zusammenfassung 1900 US$ für eine 1-Zimmerwohung in ganz Manhattan? Quelle: ImmonetQuelle: Trulia
  7. 7. 7/33DGFK © schernthanner·ifg·uni·potsdam 2016 Anteil am Warenkorb - Kaltmiete 21% - Warmmiete 31% - Mieterquote: 48 % Relevanz von Mietpreisen ?
  8. 8. 8/33DGFK © schernthanner·ifg·uni·potsdam 2016  Research ??  Mittelwert / Median  Hedonische Regression Status quo der Prozesskette 1. Status quo | 2. Räumliche Analysen | 3. Geovisualisierung | 4. Zusammenfassung
  9. 9. 9/33DGFK © schernthanner·ifg·uni·potsdam 2016 Wie kommen die dargestellten Preise zustande ?  Immobilienportale betreiben unterschiedliche statistische Analysen ihrer Angebotsdaten  Immobilienindizes sind ein Geschäftsfeld vieler Portale 1. Status quo | 2. Räumliche Analysen | 3. Geovisualisierung | 4. Zusammenfassung
  10. 10. 10/33DGFK © schernthanner·ifg·uni·potsdam 2016 Hedonische Regression  Nicht-räumliches Standardverfahren  Funktioneller Zusammenhang zwischen zwischen Immobilienpreis p und und Immobilieneigenschaften x  Preis wird über intrinsischen Werte einer Immobilie und deren Verfügbarkeit berechnet 1. Status quo | 2. Räumliche Analysen | 3. Geovisualisierung | 4. Zusammenfassung
  11. 11. 11/33DGFK © schernthanner·ifg·uni·potsdam 2016  Abbildung modellierter Preise auf fachfremd gewählten räumlichen Bezugseinheiten abgebildet  Postleitzahlen  Stadtteilgrenzen  Von den Portalen eingeführte Nachbarschaften  Infas Nachbarschaften:  Deutschlandweit 75 000 Nachbarschaften, basierend auf ehemaligen Stimmbezirken (Infas, 2012)  Zillow neighborhoods Hedonische Regression 1. Status quo | 2. Räumliche Analysen | 3. Geovisualisierung | 4. Zusammenfassung
  12. 12. 12/33DGFK © schernthanner·ifg·uni·potsdam 2016  Bekannte Maklerweisheit:  Genau drei Dinge bei einer Immobilie sind wichtig:  1. die Lage, 2. die Lage und 3. die Lage (Stroisch, 2010)  „Nichtbeachtung von Tobler´s 1st law of geography:  "Everything is related to everything else, but near things are more related than distant things (Tobler, 1970).“  Erhebliche Defizite in der Analyse und Visualisierung von Mietpreisen bei Immobilienportalen Wo bleibt die Lage ? 1. Status quo | 2. Räumliche Analysen | 3. Geovisualisierung | 4. Zusammenfassung
  13. 13. 13/33DGFK © schernthanner·ifg·uni·potsdam 2016  Verfahrensidentifizierung und Methodenevaluierung Räumliche Alternativen ? Vorverarbeitung Maschinelles Lernen Räumliche Schätzverfahren Geovisualisierung Autokorrelationstests: Morans I/ Gearys C/ Getis-Ord Gi Random Forest Trees Geographisch gewichtete Regression Grid Maps Hauptkomponenten- analyse Künstliche Neuronale Netze Ordinary Kriging Webkarten mit Map APIs und Java Script Kartenbibliotheken Random Forest Trees Kriging with external drift Cloudbasierte Geovisualisierungen Ordinary Cokriging 1. Status quo | 2. Räumliche Analysen | 3. Geovisualisierung | 4. Zusammenfassung
  14. 14. 14/33DGFK © schernthanner·ifg·uni·potsdam 2016 Quantitative Datenquelle  Einmalige „Big Data“ Datenquelle  Alle auf Immobilienscout 24 gelisteten Mietangebote der Stadt Potsdam von 01/2004 bis 09/2013: 80% Marktabdeckung  Multivariater Datensatz: 74.098 geokodierte Angebote  64 immobilienspezifischen Variablen  Zusätzlich: 5 45-minütige Interviews mit Immobilienmarktexperten 1. Status quo | 2. Räumliche Analysen | 3. Geovisualisierung | 4. Zusammenfassung
  15. 15. 15/33DGFK © schernthanner·ifg·uni·potsdam 2016 Ordinary Kriging  Räumliche-geostatistische Interpolationsmethode  Verbreitet in den Geowissenschaften  Daniel D. Krige (1951) entwickelte das Verfahren. Einsatz im Bergbaubereich  Kaum Anwendungen in Mietpreisschätzung  Räumlicher Zusammenhang über die Abstandsvektoren Angebotspunkte 1. Status quo | 2. Räumliche Analysen | 3. Geovisualisierung | 4. Zusammenfassung
  16. 16. 16/33DGFK © schernthanner·ifg·uni·potsdam 2016 Ordinary Kriging – Validierung Potsdam 1319 Angebote 1. Quartal 2013  3 Kriging Verfahren und 3 Parameter in 5000 Modelläufen  Validierung im Vergleich zum hedonischen Standardverfahren  5-fache Kreuzvalidierung und Ableitung der Gütemaße  Mean Error, RMSE / Fehler in % / Rechenzeit 1. Status quo | 2. Räumliche Analysen | 3. Geovisualisierung | 4. Zusammenfassung
  17. 17. 17/33DGFK © schernthanner·ifg·uni·potsdam 2016 Ordinary Kriging  Das einfachste Kriging Verfahren Ordinary Kriging war allen komplexeren und dem hedonischen Verfahren in allen Modelläufen überlegen 30 ha Infas Geodaten Geometrie 1. Status quo | 2. Räumliche Analysen | 3. Geovisualisierung | 4. Zusammenfassung
  18. 18. 18/33DGFK © schernthanner·ifg·uni·potsdam 2016 Random Forest Trees  Der von Breiman (2001) entwickelte Algorithmus "Random Forest" (RF) ist eine Weiterentwicklung herkömmlicher einfacher Entscheidungsbäume  Die "Entscheidung" über das endgültige Resultat eines Random Forest Modells wird über eine Anzahl an willkürlich gewachsenen Entscheidungsbäumen bestimmt  Nur wenige Studien zur Mietpeisschätzung nutzen Random Forest Trees Quelle: Imperial College London 1. Status quo | 2. Räumliche Analysen | 3. Geovisualisierung | 4. Zusammenfassung
  19. 19. 19/33DGFK © schernthanner·ifg·uni·potsdam 2016 Random Forest Trees  Anwendung zur Sekundärvariablenwahl und zur Mietpreisschätzung als Regressionsmodell an exemplarischen Datensatz aus 1. Quartal 2013 Untersuchungsraum Potsdam mit 1319 Objekten.  Vorteil des Verfahrens Kann mit kategoriale Variablen angewendet werden Variablenauswahl Einteilung in Training und Testdaten 70% Test / 15% Training / 15% „Out of the bag“ Modellläufe 100 – 500 Bäume Validierung: MSE / lnMSE%/ Node Impurity 1. Status quo | 2. Räumliche Analysen | 3. Geovisualisierung | 4. Zusammenfassung
  20. 20. 20/33DGFK © schernthanner·ifg·uni·potsdam 2016 n tree 150 350 400 300 450 250 500 200 100 MSE 1,1385 1,1391 1,1392 1,1397 1,1404 1,1407 1,1412 1,1436 1,1508 Random Forest Trees 1. Status quo | 2. Räumliche Analysen | 3. Geovisualisierung | 4. Zusammenfassung
  21. 21. 21/33DGFK © schernthanner·ifg·uni·potsdam 2016 Grid Maps  Darstellung thematischer Sachverhalte auf Rasterzellen  Vorreiter US Zensus Büro  Irregulär geformte US Zensusblöcke wurden in Rasterzellen umgewandelt  Statistik Austria stellt Bevölkerungs-, Arbeitsmarkt-, Gebäudestatisken in 100 m bis 10 km Grid dar  Größere Vergleichbarkeit gegenüber Raumbezug auf administrativer Ebene (Trainor, 2010) 1. Status quo | 2. Räumliche Analysen | 3. Geovisualisierung | 4. Zusammenfassung
  22. 22. 22/33DGFK © schernthanner·ifg·uni·potsdam 2016
  23. 23. 23/33DGFK © schernthanner·ifg·uni·potsdam 2016  Was ist die ideale Zellengröße für eine Mietpreiskarte?  Methodik des Gridmapping Filterung von (Wohn-) Gebäudeblöcken: Overpass API Angebotsdistanz, Punktdichte & Grundfläche von Wohngebäuden Zellgrößen (m) Maßstab Zoomstufe in Webmap / OpenStreetMap 110 1: 70 000 13 75 1: 35 000 und 1: 15 000 14 und 15 >= 50 >= 1:8000 >= 16 20 -50 Nur zur Berechnung / feinmaschige Grids 1. Status quo | 2. Räumliche Analysen | 3. Geovisualisierung | 4. Zusammenfassung Grid Maps
  24. 24. 24/33DGFK © schernthanner·ifg·uni·potsdam 2016   Mietpreiskarten – Prototyp  Zoomstufe 13 /1: 35.000  Filterung nach Urban Atlas   Mietpreiskarte Status Quo des Portals Immobilienscout 24  Zoomstufe 13  1: 36.000 1. Status quo | 2. Räumliche Analysen | 3. Geovisualisierung | 4. Zusammenfassung Grid Maps
  25. 25. 25/33DGFK © schernthanner·ifg·uni·potsdam 2016  Mietpreiskarte IS 24  Zoomstufe 15  1: 14.400 Infas Geodaten Neighboorhood  Mietpreiskarten – Prototyp:  Zoomstufe 16  1: 13.000 1. Status quo | 2. Räumliche Analysen | 3. Geovisualisierung | 4. Zusammenfassung Grid Maps
  26. 26. 26/33DGFK © schernthanner·ifg·uni·potsdam 2016  Mietpreiskarten: Prototyp und Status Quo:  Zoomstufe 18 & 18  1: 4500 1. Status quo | 2. Räumliche Analysen | 3. Geovisualisierung | 4. Zusammenfassung Grid Maps
  27. 27. 27/33DGFK © schernthanner·ifg·uni·potsdam 2016 Gebäudescharfe Mietpreisschätzdarstellung in Carto DB     1. Status quo | 2. Räumliche Analysen | 3. Geovisualisierung | 4. Zusammenfassung
  28. 28. 28/33DGFK © schernthanner·ifg·uni·potsdam 2016 Thematische 2,5-dimensionale Darstellung (OSM Buildings)     1. Status quo | 2. Räumliche Analysen | 3. Geovisualisierung | 4. Zusammenfassung
  29. 29. 29/33DGFK © schernthanner·ifg·uni·potsdam 2016 Hexabins zur Visualisierung von Immobilienangeboten 1. Status quo | 2. Räumliche Analysen | 3. Geovisualisierung | 4. Zusammenfassung
  30. 30. 30/33DGFK © schernthanner·ifg·uni·potsdam 2016 Maßstabsabhängige Skalierung von Gridzellen mit leaflet.js Quelle: Marius Humpert, ifg 2016
  31. 31. 31/33DGFK © schernthanner·ifg·uni·potsdam 2016 Zusammenfassung  Erstmalige umfassende Erhebung des raumanalytischen und geovisuellen Status Quo von Immobilienportalen  Kriging Verfahren, Random Forest Trees und Gridmapping Ansätze stellen eine deutliche Verbesserung des Status Quo da und zeigen die wahre Preisverteilung im Raum  Weiterer Forschungsbedarf:  Methodentransfer  Kombination von Verfahren des maschinellen Lernens mit Geostatistischen Verfahren  Generalized additive modells  Zielgruppenstudien  .... 1. Status quo | 2. Räumliche Analysen | 3. Geovisualisierung | 4. Zusammenfassung
  32. 32. 32/33DGFK © schernthanner·ifg·uni·potsdam 2016 Publikationen & Vorträge  Schernthanner, H. & L. Tyrallová (2010). FOS-GIS und Immobilienportale als Instrumente der Wohnungsmarktanalyse. In Strobl, J., Blaschke, T. & G. Griesebner, eds., Angewandte Geoinformatik 2010. Beiträge zum 22. AGIT-Symposium Salzburg, 7-9 Jul 2010. Universität Salzburg. Heidelberg.  Schernthanner, H. (2012) Spatial analysis, forecasting and simulation of urban apartment rental markets. Vortrag auf Einladung an das Department Landschaftsökologie / Computational Landscape Ecology des UFZ (Umweltforschungszentrum), Leipzig.  Schernthanner, H. & H. Asche (2012).Geosimulation of Urban Housing Market Conditions: A Preliminary Investigation. eds. REAL-CORP 2012, Proc. 17th International Conference on Urban Planning, Regional Development in the Information Society. Wien, Austria 14-26 May 2012.  Schernthanner,H. (2012) Gastteilnahme am Expertengremium Potsdam 22, im Auftrag der Stadtverordnetenversammlung der Stadt Potsdam, zur Untersuchung des Kostenanstiegs im Wohnen: http://potsdam22.de  Scheele, L. & Schernthanner, H. (2014). Eine räumliche Alternative der Modellierung und Darstellung von Immobilienpreisen für Immobilienportale. In Strobl, J., Blaschke, T. & G. Griesebner, eds., Angewandte Geoinformatik 2014. Beiträge zum 26. AGIT-Symposium Salzburg, 2-4 Jul 2014. Universität Salzburg. Heidelberg. [ONLINE]  Schernthanner, H. (2015): The spatial estimation of appartment rents: A brief introduction, Vortrag im Rahmen von #Maptime Berlin  Schernthanner, H. (2015). Untersuchungen zur räumlichen Analyse und Visualisierung von Mietpreisdaten für Immobilienportale. XII, 134 Bl. : graph. Darst. Potsdam, Univ., Diss., 2015 1. Status quo | 2. Räumliche Analysen | 3. Geovisualisierung | 4. Zusammenfassung
  33. 33. 33/33DGFK © schernthanner·ifg·uni·potsdam 2016 Angebotsmieten Relevanz  Angebotsmieten geben die aktuelle Marktlage wieder sind von der Aussagekraft Neuvertragsmieten gleich zu setzen  Sie spiegeln in angemessener Weise die aktuelle Marktlage wieder (BBSR, 2014)  Datensätze wie der vorliegende sagen jedoch nichts darüber aus, ob die Wohnungen nach der Veröffentlichung im Immobilienportal tatsächlich vermietet wurden
  34. 34. 34/33DGFK © schernthanner·ifg·uni·potsdam 2016 Experteninterviews Experten  5 Experten in 45-minütigen teilstandardisierten, qualitativen Interviews mit Interviewleitfragen:  Peter Ache: Autor Immobilienmarktbericht Deutschland  Jörn-Michael Westphal: Geschäftsführer der städtischen Immobiliengesellschaft Pro Potsdam  Jan Hebecker: LeiterAnalytics Insight Data, IS 24  Arne Schwarz: Leiter Produktmanagment Immobilienbewertung IS 24  Lars Holger Wilke: Head Automated Real Estate Evaluation, IS24
  35. 35. 35/33DGFK © schernthanner·ifg·uni·potsdam 2016 Experteninterviews Themen- und Problemfelder Immobilienpreis- karten Immobilienpreismodellieru ng Daten Angebotskarten Fachfremd verwendete Grenzen Fachfremd verwendete Grenzen Hedonische Regressionsm odelle Datenschutz Pin/Marker Problematik Legende Datenpräprozessierung Daten Homogenisier -ung Zusätzliche Informationsebe- nen Datendifferenzierung Dichteschwankungen Open Data Indikatoren basierte, distanzabhängige Suche Visualisierung der Distanzen Lagemodellierung Ableitung Bestandspreis
  36. 36. 36/33DGFK © schernthanner·ifg·uni·potsdam 2016 Anwendung Künstliche Neuronale Netzwerke  Daten werden im Verhältnis 70% / 15%/ 15% von Test,- Trainings, und Validierungsdaten unterteilt.  Für Antwort vom neuronalen Netz nutzt man die Variablen: Verweildauer der Anzeige / Wohnfläche / Baujahr / Objektalter / Zimmeranzahl und Etage  Validierungsmaß Pseudo R²: mit 0,192 sehr gering und großer Fehler an den zu schätzenden Punkten
  37. 37. 37/33DGFK © schernthanner·ifg·uni·potsdam 2016 Interpolation  Interpolation =„Die Ermittlung eines unbekannten Funktionswertes zu einem Argument, das zwischen zwei Argumenten mit bekannten Funktionswerten (Stützwerten) liegt“ (Geoinformatik-Service, 2002)  Versuch Attributwerte an Punkten ohne Messergebnisse zu schätzen  Schätzung aus Stützpunkten = Punkte mit bekannten Messwerten.  “In real estate analysis, the kriging method is used to create interpolated maps or continuous maps ”  Anselin, L. (1998). GIS research infrastructure for spatial analysis of real estate markets. Journal of Housing Research, 9(1), 113-133.
  38. 38. 38/33DGFK © schernthanner·ifg·uni·potsdam 2016 Umsetzungsoptionen 1 + 2
  39. 39. 39/33DGFK © schernthanner·ifg·uni·potsdam 2016 Umsetzungsoptionen 3
  40. 40. 40/33DGFK © schernthanner·ifg·uni·potsdam 2016 Map APIs  Unter Webkarte wird in dieser Arbeit eine webbasierte, graphische Repräsentierung eines Datenmodells verstanden.  Präsentationskarten, in denen ein digitaler Datenbestand durch Attribuierung mit graphischen Merkmalen sichtbar gemacht wird.  Map APIs sind JavaScript-Bibliotheken, die Funktionalitäten zur Interaktion mit der Kartengrafik bereitstellen und die Integration von Karteninhalten von Kartenservern (meist Tiled Map Services) ermöglichen.  „Tiled Map Serving“ beruht dabei auf zwei Lösungsansätzen der webbasierten Kartenbereitstellung (Peterson, 2014):  Ajax und Map Tiles
  41. 41. 41/33DGFK © schernthanner·ifg·uni·potsdam 2016 Angebotsmieten Einflussfaktoren neben Lage (für Sekundärvariablenauswahl) RF PCA Schnittmenge mit Potsdam 22 Faktoren Baujahr Baujahr Baujahr Einbauküche Etage Zimmeranzahl Wohnfläche Objektalter Einbauküche Zimmeranzahl Verweildauer der Anzeige Etage Etage Wohnfläche Wohnfläche
  42. 42. 42/33DGFK © schernthanner·ifg·uni·potsdam 2016 Räumliche Statistik und Kartendarstellung von Portalen Immobilienport al (Räumliche) Statistik Kartendarstellung von Immobilienpreisen Zillow.com Hedonisches Regressionsmodell: Zillow Price Estimate. Pin Map der Angebotspreise. Listendarstellung geschätzter Preise Trulia.com Hedonisches Regressionsmodell: Monitoring von Miet- und Kaufpreisen Pin map von Miet- und Kaufpreisen Homes.yahoo.c om Keine Angaben Pin map von Miet- und Kaufpreisen Immobilienscout 24.de Hedonisches Regressionsmodell: IMX Mapping geschätzter Miet- und Kaupreise gemappt auf willkürliche geographischen Bezugseinheit Immowelt.de Keine Angaben Pin Map Immonet.de Keine Angaben Keine Kartenansicht Homegate.ch Hedonisches Regressionsmodell: Mietindex Pin Map
  43. 43. 43/33DGFK © schernthanner·ifg·uni·potsdam 2016 Method Nugget Partial sill Range Funct. RMSE t (sec) OK 0.001 0.1 700 Exp 0.788 45.480 OK 0.001 0.1 600 Exp 0.789 50.440 OK 0.001 0.095 600 Exp 0.789 60.030 KED 0.001 0.06 200 Exp 1.069 40.250 OCK 1100 Sph 1.207 34350.4
  44. 44. 44/33DGFK © schernthanner·ifg·uni·potsdam 2016 Fragen? Kritik? Anregungen? Kontakt: hschernt@uni-potsdam.de Autor: Harald Schernthanner| IfG 2016

×