SlideShare ist ein Scribd-Unternehmen logo
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
2/33DGFK
© 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
3/33DGFK
© schernthanner·ifg·uni·potsdam 2016
 Stellen Sie sich vor, Sie suchen
eine Mietwohnung ?
1. Status quo | 2. Räumliche Analysen | 3. Geovisualisierung | 4. Zusammenfassung
4/33DGFK
© 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
5/33DGFK
© schernthanner·ifg·uni·potsdam 2016
Mietpreise >13€/m² in ganz Salzburg ?
Quelle: Willhaben.at
1. Status quo | 2. Räumliche Analysen | 3. Geovisualisierung | 4. Zusammenfassung
6/33DGFK
© 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
7/33DGFK
© schernthanner·ifg·uni·potsdam 2016
Anteil am Warenkorb
- Kaltmiete 21%
- Warmmiete 31%
- Mieterquote: 48 %
Relevanz von Mietpreisen ?
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
9/33DGFK
© 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
10/33DGFK
© 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
11/33DGFK
© 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
12/33DGFK
© 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
13/33DGFK
© 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
14/33DGFK
© 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
15/33DGFK
© 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
16/33DGFK
© 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
17/33DGFK
© 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
18/33DGFK
© 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
19/33DGFK
© 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
20/33DGFK
© 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
21/33DGFK
© 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
22/33DGFK
© schernthanner·ifg·uni·potsdam 2016
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
24/33DGFK
© 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
25/33DGFK
© 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
26/33DGFK
© 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
27/33DGFK
© schernthanner·ifg·uni·potsdam 2016
Gebäudescharfe Mietpreisschätzdarstellung in Carto DB




1. Status quo | 2. Räumliche Analysen | 3. Geovisualisierung | 4. Zusammenfassung
28/33DGFK
© schernthanner·ifg·uni·potsdam 2016
Thematische 2,5-dimensionale Darstellung (OSM Buildings)




1. Status quo | 2. Räumliche Analysen | 3. Geovisualisierung | 4. Zusammenfassung
29/33DGFK
© schernthanner·ifg·uni·potsdam 2016
Hexabins zur Visualisierung von Immobilienangeboten
1. Status quo | 2. Räumliche Analysen | 3. Geovisualisierung | 4. Zusammenfassung
30/33DGFK
© schernthanner·ifg·uni·potsdam 2016
Maßstabsabhängige Skalierung von Gridzellen mit leaflet.js
Quelle: Marius Humpert, ifg 2016
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
32/33DGFK
© 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
33/33DGFK
© 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
34/33DGFK
© 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
35/33DGFK
© 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
36/33DGFK
© 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
37/33DGFK
© 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.
38/33DGFK
© 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, 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
41/33DGFK
© 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
42/33DGFK
© 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
43/33DGFK
© 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
44/33DGFK
© schernthanner·ifg·uni·potsdam 2016
Fragen? Kritik? Anregungen?
Kontakt: hschernt@uni-potsdam.de
Autor: Harald Schernthanner| IfG 2016

Weitere ähnliche Inhalte

Andere mochten auch

PROYECTO TELEMÁTICO ATLAS DE LA DIVERSIDAD
PROYECTO TELEMÁTICO ATLAS DE LA DIVERSIDADPROYECTO TELEMÁTICO ATLAS DE LA DIVERSIDAD
PROYECTO TELEMÁTICO ATLAS DE LA DIVERSIDAD
claueliza
 
Proyecto alvaro terminado
Proyecto alvaro terminadoProyecto alvaro terminado
Proyecto alvaro terminado
proyecto2013cpe
 
Passau privatheit 2010_print
Passau privatheit 2010_printPassau privatheit 2010_print
Passau privatheit 2010_print
Jan Schmidt
 
Ingolstadt privatheit 2011_print
Ingolstadt privatheit 2011_printIngolstadt privatheit 2011_print
Ingolstadt privatheit 2011_print
Jan Schmidt
 
frases de libros de nicolas
frases de libros de nicolasfrases de libros de nicolas
frases de libros de nicolas
Carolina Urrea
 
Presentacion electiva 6
Presentacion electiva 6Presentacion electiva 6
Presentacion electiva 6
Vidal Caldera
 
Internet Bad Honnef 2010
Internet Bad Honnef 2010Internet Bad Honnef 2010
Internet Bad Honnef 2010
Jan Schmidt
 
1x1 Des Suchmaschinen Erfolges
1x1 Des Suchmaschinen Erfolges1x1 Des Suchmaschinen Erfolges
1x1 Des Suchmaschinen Erfolges
KOHLFÜRST Online Marketing Beratung
 
Morning linedealfonsorodriguezveralar12dic15
Morning linedealfonsorodriguezveralar12dic15Morning linedealfonsorodriguezveralar12dic15
Morning linedealfonsorodriguezveralar12dic15
Winston1968
 
PREGUNTAS Y RESPUESTAS
PREGUNTAS Y RESPUESTAS PREGUNTAS Y RESPUESTAS
PREGUNTAS Y RESPUESTAS
Alfa Mercado
 
Vernetzte Öffentlichkeiten 2013, Sitzung 12, "Messen, Methoden, Big Data"
Vernetzte Öffentlichkeiten 2013, Sitzung 12, "Messen, Methoden, Big Data"Vernetzte Öffentlichkeiten 2013, Sitzung 12, "Messen, Methoden, Big Data"
Vernetzte Öffentlichkeiten 2013, Sitzung 12, "Messen, Methoden, Big Data"
Jan Schmidt
 
Instagram, cómo crear una comunidad y vender tu app por 1.000 millones de dól...
Instagram, cómo crear una comunidad y vender tu app por 1.000 millones de dól...Instagram, cómo crear una comunidad y vender tu app por 1.000 millones de dól...
Instagram, cómo crear una comunidad y vender tu app por 1.000 millones de dól...
netizenonline
 
Economy Box BA 340 de
Economy Box BA 340 deEconomy Box BA 340 de
Economy Box BA 340 de
Alu-Logic
 
Enzyklopädien des 21. Jahrhunderts
Enzyklopädien des 21. JahrhundertsEnzyklopädien des 21. Jahrhunderts
Enzyklopädien des 21. Jahrhunderts
Jan Schmidt
 
Vernetzte Öffentlichkeiten 2013, Sitzung 9, "Kompetenzen in und für vernetzte...
Vernetzte Öffentlichkeiten 2013, Sitzung 9, "Kompetenzen in und für vernetzte...Vernetzte Öffentlichkeiten 2013, Sitzung 9, "Kompetenzen in und für vernetzte...
Vernetzte Öffentlichkeiten 2013, Sitzung 9, "Kompetenzen in und für vernetzte...
Jan Schmidt
 
Mitmachweb frankfurt 2010_print
Mitmachweb frankfurt 2010_printMitmachweb frankfurt 2010_print
Mitmachweb frankfurt 2010_print
Jan Schmidt
 
Vernetzte Öffentlichkeiten 2013, Sitzung 1
Vernetzte Öffentlichkeiten 2013, Sitzung 1Vernetzte Öffentlichkeiten 2013, Sitzung 1
Vernetzte Öffentlichkeiten 2013, Sitzung 1
Jan Schmidt
 
Radames ejercicio
Radames ejercicioRadames ejercicio
Radames ejercicio
canigiani83
 
Presentación Bar RE
Presentación Bar REPresentación Bar RE
Presentación Bar RE
Adrián de la Garza
 
Optimum Interior Loop
Optimum Interior LoopOptimum Interior Loop
Optimum Interior Loop
michellepearson
 

Andere mochten auch (20)

PROYECTO TELEMÁTICO ATLAS DE LA DIVERSIDAD
PROYECTO TELEMÁTICO ATLAS DE LA DIVERSIDADPROYECTO TELEMÁTICO ATLAS DE LA DIVERSIDAD
PROYECTO TELEMÁTICO ATLAS DE LA DIVERSIDAD
 
Proyecto alvaro terminado
Proyecto alvaro terminadoProyecto alvaro terminado
Proyecto alvaro terminado
 
Passau privatheit 2010_print
Passau privatheit 2010_printPassau privatheit 2010_print
Passau privatheit 2010_print
 
Ingolstadt privatheit 2011_print
Ingolstadt privatheit 2011_printIngolstadt privatheit 2011_print
Ingolstadt privatheit 2011_print
 
frases de libros de nicolas
frases de libros de nicolasfrases de libros de nicolas
frases de libros de nicolas
 
Presentacion electiva 6
Presentacion electiva 6Presentacion electiva 6
Presentacion electiva 6
 
Internet Bad Honnef 2010
Internet Bad Honnef 2010Internet Bad Honnef 2010
Internet Bad Honnef 2010
 
1x1 Des Suchmaschinen Erfolges
1x1 Des Suchmaschinen Erfolges1x1 Des Suchmaschinen Erfolges
1x1 Des Suchmaschinen Erfolges
 
Morning linedealfonsorodriguezveralar12dic15
Morning linedealfonsorodriguezveralar12dic15Morning linedealfonsorodriguezveralar12dic15
Morning linedealfonsorodriguezveralar12dic15
 
PREGUNTAS Y RESPUESTAS
PREGUNTAS Y RESPUESTAS PREGUNTAS Y RESPUESTAS
PREGUNTAS Y RESPUESTAS
 
Vernetzte Öffentlichkeiten 2013, Sitzung 12, "Messen, Methoden, Big Data"
Vernetzte Öffentlichkeiten 2013, Sitzung 12, "Messen, Methoden, Big Data"Vernetzte Öffentlichkeiten 2013, Sitzung 12, "Messen, Methoden, Big Data"
Vernetzte Öffentlichkeiten 2013, Sitzung 12, "Messen, Methoden, Big Data"
 
Instagram, cómo crear una comunidad y vender tu app por 1.000 millones de dól...
Instagram, cómo crear una comunidad y vender tu app por 1.000 millones de dól...Instagram, cómo crear una comunidad y vender tu app por 1.000 millones de dól...
Instagram, cómo crear una comunidad y vender tu app por 1.000 millones de dól...
 
Economy Box BA 340 de
Economy Box BA 340 deEconomy Box BA 340 de
Economy Box BA 340 de
 
Enzyklopädien des 21. Jahrhunderts
Enzyklopädien des 21. JahrhundertsEnzyklopädien des 21. Jahrhunderts
Enzyklopädien des 21. Jahrhunderts
 
Vernetzte Öffentlichkeiten 2013, Sitzung 9, "Kompetenzen in und für vernetzte...
Vernetzte Öffentlichkeiten 2013, Sitzung 9, "Kompetenzen in und für vernetzte...Vernetzte Öffentlichkeiten 2013, Sitzung 9, "Kompetenzen in und für vernetzte...
Vernetzte Öffentlichkeiten 2013, Sitzung 9, "Kompetenzen in und für vernetzte...
 
Mitmachweb frankfurt 2010_print
Mitmachweb frankfurt 2010_printMitmachweb frankfurt 2010_print
Mitmachweb frankfurt 2010_print
 
Vernetzte Öffentlichkeiten 2013, Sitzung 1
Vernetzte Öffentlichkeiten 2013, Sitzung 1Vernetzte Öffentlichkeiten 2013, Sitzung 1
Vernetzte Öffentlichkeiten 2013, Sitzung 1
 
Radames ejercicio
Radames ejercicioRadames ejercicio
Radames ejercicio
 
Presentación Bar RE
Presentación Bar REPresentación Bar RE
Presentación Bar RE
 
Optimum Interior Loop
Optimum Interior LoopOptimum Interior Loop
Optimum Interior Loop
 

Räumliche Analyse & Visualisierung von Mietpreisdaten für Immobilienportale

  • 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. 2/33DGFK © 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. 3/33DGFK © schernthanner·ifg·uni·potsdam 2016  Stellen Sie sich vor, Sie suchen eine Mietwohnung ? 1. Status quo | 2. Räumliche Analysen | 3. Geovisualisierung | 4. Zusammenfassung
  • 4. 4/33DGFK © 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. 5/33DGFK © 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. 6/33DGFK © 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. 7/33DGFK © schernthanner·ifg·uni·potsdam 2016 Anteil am Warenkorb - Kaltmiete 21% - Warmmiete 31% - Mieterquote: 48 % Relevanz von Mietpreisen ?
  • 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. 9/33DGFK © 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. 10/33DGFK © 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. 11/33DGFK © 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. 12/33DGFK © 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. 13/33DGFK © 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. 14/33DGFK © 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. 15/33DGFK © 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. 16/33DGFK © 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. 17/33DGFK © 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. 18/33DGFK © 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. 19/33DGFK © 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. 20/33DGFK © 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. 21/33DGFK © 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
  • 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. 24/33DGFK © 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. 25/33DGFK © 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. 26/33DGFK © 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. 27/33DGFK © schernthanner·ifg·uni·potsdam 2016 Gebäudescharfe Mietpreisschätzdarstellung in Carto DB     1. Status quo | 2. Räumliche Analysen | 3. Geovisualisierung | 4. Zusammenfassung
  • 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. 29/33DGFK © schernthanner·ifg·uni·potsdam 2016 Hexabins zur Visualisierung von Immobilienangeboten 1. Status quo | 2. Räumliche Analysen | 3. Geovisualisierung | 4. Zusammenfassung
  • 30. 30/33DGFK © schernthanner·ifg·uni·potsdam 2016 Maßstabsabhängige Skalierung von Gridzellen mit leaflet.js Quelle: Marius Humpert, ifg 2016
  • 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. 32/33DGFK © 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. 33/33DGFK © 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. 34/33DGFK © 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. 35/33DGFK © 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. 36/33DGFK © 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. 37/33DGFK © 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.
  • 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. 41/33DGFK © 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. 42/33DGFK © 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. 43/33DGFK © 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. 44/33DGFK © schernthanner·ifg·uni·potsdam 2016 Fragen? Kritik? Anregungen? Kontakt: hschernt@uni-potsdam.de Autor: Harald Schernthanner| IfG 2016