Empfohlen
Weitere ähnliche Inhalte
Andere mochten auch
Andere mochten auch (19)
Mehr von Ubi NAIST
Mehr von Ubi NAIST (20)
Kürzlich hochgeladen
Kürzlich hochgeladen (9)
通行量センシングと機械学習に基づく飲食店用不動産賃料推定
- 1. 通行量センシングと機械学習に 基づく飲食店用不動産賃料推定 荒川 周造1 諏訪 博彦1 小川 祐樹2 荒川 豊1 安本 慶一1 太田 敏澄3 1 奈良先端科学技術大学院大学 情報科学研究科 2 立命館大学 3 行政情報システム研究所
- 3. 3 飲食店用不動産の賃料決定 ベテラン営業マンの感覚に基づいて決定 他の営業マンへの伝承 問題点 賃料決定に根拠が無い 暗黙知 （ノウハウ） 形式知経験の浅い営業マンでも 賃料決定を実現可能に 従来
- 6. 6 関連研究＜不動産価格推定＞ 不動産価格推定エンジン ビッグデータを活用した リアルタイム査定 不動産の 成約価格推定 決定木とNNに基づく不動産価格推定（Victor et al. 2015） IESHIL（β版） 風水を考慮した不動産価格推定（Chih-Hung et al. 2009） 交通システムと環境の質に着目した不動産価格推定 （Vincenza et al. 2014）
- 7. 7 関連研究＜通行量センシング＞ カメラを用いた先行研究（Zeng et al. 2012） PIRセンサを用いた先行研究（Wahl et al. 2012） オフィス内の人数を シミュレーションで推定 設置やプライバシー面において課題あり
- 10. 10 通行量センシング実験 都内実店舗の前の通行量を測定 営業マンの感覚データ 画像の出典:Google ストリートビュー 地点A(感覚値:1.5) 地点B(感覚値:2) 地点C(感覚値:3) 地点D(感覚値:4) １〜５ １〜５ 2名の平均値
- 14. 14 データセット 特徴量 学習ラベル 駅推定賃料 視認性×通行量 居抜きフラグ 駅徒歩時間 階数 坪数 物件の賃料 駅平均坪単価 × 坪数 店舗の視認性（１〜5） × 周辺の通行量（１〜5） 60万円以下の184物件について検証 居抜き: 机や椅子，カウンター，ガス レンジ，冷蔵庫などの什器が 付帯した物件
- 15. 15 従来手法との比較（内挿同士） 重回帰分析 ランダムフォレスト (木の数:100, シード:70) 0 120000 240000 360000 480000 600000 0 120000 240000 360000 480000 600000 推定賃料[円] 実際の賃料[円] RMSE：60929.55 （平均二乗誤差） RMSE：24226.20 重回帰分析の半分以下にまで誤差が減少 0 120000 240000 360000 480000 600000 0 120000 240000 360000 480000 600000 推定賃料[円] 実際の賃料[円] 実際の賃料[円] 推定賃料[円] 実際の賃料[円]推定賃料[円]
- 16. 16 3-fold 交差検証の結果 ランダムフォレスト (木の数:100, シード:70) RMSE：64035.21 重回帰分析（内挿）のときと同程度の結果 モデルの汎化性能を評価 物件データ(184件) (62) (61) (61) 学習 テスト 学習 学習学習 テスト テスト 0 120000 240000 360000 480000 600000 0 120000 240000 360000 480000 600000 推定賃料[円] 実際の賃料[円] 営業マンから「現場で十分に参考になる」 実際の賃料[円]推定賃料[円]
- 17. 17 特徴量ごとの影響度合い 駅推定 賃料 視認性× 通行量 居抜き フラグ 駅徒歩 時間 階数 坪数 RMSE 差分 ◯ ◯ ◯ ◯ ◯ ◯ 64035 - ☓ ◯ ◯ ◯ ◯ ◯ 77660 13625 ◯ ☓ ◯ ◯ ◯ ◯ 70010 5975 ◯ ◯ ☓ ◯ ◯ ◯ 64823 788 ◯ ◯ ◯ ☓ ◯ ◯ 66117 2082 ◯ ◯ ◯ ◯ ☓ ◯ 68991 4956 ◯ ◯ ◯ ◯ ◯ ☓ 66818 2783 駅推定賃料が最も影響大 通行量も影響あり 通行量を取ることは 有用である！
- 19. 19 付 録
- 21. 連続稼働時要求電流（STM431J＋PIRセンサ） 100秒に1回送信： 2.6μA 10秒に1回送信： 14.5μA 1秒に1回送信：131 μA 35mAhのコイン電池のみでは 100秒に1回送信：13462h = 560 day 10秒に1回送信： 2414h = 100 day 1秒に1回送信： 267h = 11.13day 【実際は・・・】 ・ソーラの発電電力のみで日中は動作可能 ・深夜時間帯にセンサが反応する可能性は低い →コイン電池に頼るのは毎日6h程度（日没〜深夜の間） 21 センサ稼働時間の目安
Hinweis der Redaktion
- 40
- 根拠が無いを強調 ⇛人が変わると値段がかわる 1,20
- 根拠が無いを強調 ⇛人が変わると値段がかわる 2,00
- 動的情報には〜があって，通行量を 2,40
- 3,20
- 4,00 こうした不動産価格推定の研究は，われわれが初めたわけではい しかもこれらは全て一般住宅向けである ただし，関係ないわけではなく，どんな特徴量を使うかという点では参考になります たとえば風水，環境変数 Victor Gan, Vaishali Agarwal, Ben Kim: DATA MINING ANALYSIS AND PREDICTIONS OF REAL ESTATE PRICES, Issues in Information System，Volume 16, Issue IV, pp.30-36 (2015) Chih-Hung Wu, Chi-Hua Li, I-Ching Fang, Chin-Chia Hsu, Wei-Ting Lin, Chia-Hsiang Wu: HYBRID GENETIC-BASED SUPPORT VECTOR REGRESSION WITH FENG SHUI THEORY FOR APPRAISING REAL ESTATE PRICE, 2009 First Asian Conference on Intelligent Information and Database Systems, pp.295-300 (2009) Vincenza Chiarazzo, Leonardo Caggiani, Mario Marinelli, Michele Ottomanelli: A Neural Network based model for real estate price estimation considering environmental quality of property location, Transportation Research Procedia 3, pp.810-817 (2014) 株式会社リブセンス News Release 2015年11月5日 未来型不動産サービス「IESHIL（イエシル）」掲載物件の推定賃料がわかる新機能を追加
- 4,40 ★プライバシーの配慮 ★屋内のものが主流 カメラなし屋外がチャレンジング Zeng, Chengbin ; Ling, Charles X.：A Reliable People Counting System via Multiple Cameras，ACM Transactions on Intelligent Systems and Technology (TIST) (Volume:3 , Issue: 2 ) Wahl, F.; Milenkovic, M.; Amft, O：A Distributed PIR-based Approach for Estimating People Count in Office Environments，Computational Science and Engineering (CSE), 2012 IEEE 15th International Conference on
- 5,20
- 6,00
- 6,40
- 7,20
- 8,00
- 8,40
- 9,20
- 10,00
- 10,40
- 11,20
- 12,00