Pesquisadores da University of South Australia desenvolveram uma técnica de aprendizado de máquina que torna a avaliação de imóveis mais transparente, confiável e prática, com a capacidade de modelar com precisão o impacto das decisões de desenvolvimento urbano nos preços dos imóveis.
A técnica foi criada e validada usando mais de 30 anos de informações históricas de vendas na região metropolitana de Adelaide e usa algoritmos de aprendizado de máquina desenvolvidos para processar grandes quantidades de dados sobre habitação, estrutura urbana e amenidades, possibilitando quantificar os efeitos das políticas de planejamento urbano sobre o valor da habitação.

O pesquisador-chefe, analista de dados geoespaciais da UniSA e especialista em planejamento urbano Dr. Ali Soltani, diz que a técnica tem implicações para os setores de propriedade, planejamento urbano e infraestrutura.

"Nossa técnica de modelagem e descobertas podem ajudar investidores imobiliários, construtores, proprietários de imóveis, avaliadores de imóveis e outras partes interessadas a obter uma visão mais realista do valor da propriedade e dos fatores que afetam isso", diz o Dr. Soltani.

"Esta pesquisa tem implicações para os formuladores de políticas, fornecendo insights sobre os potenciais impactos do planejamento urbano - como regeneração de preenchimento, comunidades planejadas, gentrificação e deslocamento populacional - e políticas de provisão de infraestrutura no mercado imobiliário e na economia local e regional subsequente.

"Ao capturar a complicada influência de elementos de infraestrutura, como redes rodoviárias e de transporte público, centros comerciais e paisagens naturais no valor da casa, nosso modelo é especialmente valioso para melhorar a precisão das previsões atuais do valor da terra e reduzir os riscos associados à avaliação tradicional de propriedades metodologias, que são amplamente dependentes da experiência humana e dados limitados."

Dr. Soltani diz que o modelo - desenvolvido em conjunto com o professor Chris Pettit do City Futures Research Center da UNSW - também pode ser estendido para incluir outras características econômicas nos níveis macro e micro, como mudanças nas taxas de juros, taxas de emprego e influência do COVID-19, aproveitando os benefícios das tecnologias de big data.

"Este modelo tem potencial para ser usado como plataforma de apoio à decisão para uma variedade de interessados, incluindo compradores e vendedores de imóveis, bancos e agentes financeiros, investidores, governo e agentes de seguros ou empréstimos", diz o Dr. Soltani.

“Nossa técnica torna mais simples para as partes interessadas e o público em geral aplicar as descobertas de modelos sofisticados em dados históricos ou em tempo real de várias fontes, que anteriormente eram quase caixa preta e orientadas para especialistas”.

Um resumo desta pesquisa foi publicado recentemente na revista Cities . + Explorar mais

Os deslocamentos mais longos afetam mais o custo de vida nas grandes cidades do que as restrições de zoneamento