Mostrar registro simples

dc.contributor.authorHonda, Felipe Pereira
dc.date.accessioned2021-07-13T17:42:05Z
dc.date.available2021-07-13T17:42:05Z
dc.date.issued2021-04-01
dc.identifier.citationHONDA, Felipe Pereira. Estudo dos condicionantes espaciais para avaliação imobiliária utilizando técnicas de inteligência artificial – São Paulo/SP. 2021. Dissertação (Mestrado em Engenharia Urbana) – Universidade Federal de São Carlos, São Carlos, 2021. Disponível em: https://repositorio.ufscar.br/handle/ufscar/14587.*
dc.identifier.urihttps://repositorio.ufscar.br/handle/ufscar/14587
dc.description.abstractThe increase in the supply of real estate in recent years has influenced the increase in credit, and, however, has raised sales prices. However, the measurement of real estate values is still a very complex process, as it is influenced by numerous factors, among them physical, geolocation and political-economic. Thus, the objective of this research is to present which variables are relevant in the formation of the value of urban properties using artificial intelligence technique. It was decided to use the decision tree technique for mining and statistical analysis, created from the Randon Forest algorithm. Through mining it was possible to notice that there is a strong correlation between the categories and subcategories analyzed, and, however, the influence they have on the formation of the value of urban properties in the 32 administrative regions of the municipality. Among the factors that had the greatest influence on the value of the properties were the proximity to Shopping Centers, police stations, areas where geological hazards occur, slums, consulates, fire departments and train stations. It was also found that the different environmental aspects, positive and negative, influence the real estate valuation and that the adopted methodology is efficient in the evaluation of large databases, as well as an important tool for decision making and for urban planning.eng
dc.description.sponsorshipCoordenação de Aperfeiçoamento de Pessoal de Nível Superior (CAPES)por
dc.language.isoporpor
dc.publisherUniversidade Federal de São Carlospor
dc.rightsAttribution-NonCommercial-NoDerivs 3.0 Brazil*
dc.rights.urihttp://creativecommons.org/licenses/by-nc-nd/3.0/br/*
dc.subjectMineração de dadospor
dc.subjectInteligência artificialpor
dc.subjectValorização imobiliáriapor
dc.subjectData miningeng
dc.subjectArtificial intelligenceeng
dc.subjectReal estate valuationeng
dc.titleEstudo dos condicionantes espaciais para avaliação imobiliária utilizando técnicas de inteligência artificial – São Paulo/SPpor
dc.title.alternativeStudy of space conditions for real estate evaluation using artificial intelligence techniques - São Paulo/SPeng
dc.typeDissertaçãopor
dc.contributor.advisor1Melanda, Edson Augusto
dc.contributor.advisor1Latteshttp://lattes.cnpq.br/1554762456965991por
dc.description.resumoO aumento da oferta de imóveis nos últimos anos influenciou no aumento do crédito, e, contudo, elevou os preços de venda. Todavia, a mensuração dos valores de imóveis ainda é um processo bastante complexo, pois é influenciado por inúmeros fatores, dentre eles físicos, geolocalização e político-econômicos. Deste modo, o objetivo desta pesquisa foi apresentar quais variáveis são relevantes na formação do valor de imóveis urbanos utilizando técnica de inteligência artificial. Optou-se por utilizar a técnica de árvore de decisão para mineração e análise estatística, criada a partir do algoritmo Randon Forest. Através da mineração foi possível notar que existe uma forte correlação entre as categorias e subcategorias analisadas, e, sobretudo, a influência que exercem na formação do valor de imóveis urbanos nas 32 regiões administrativas do município. Dentre os fatores que apresentaram maior influência no valor dos imóveis foram a proximidade à Shopping Centers, postos policiais, áreas de ocorrência de riscos geológicos, favelas, consulados, corpo de bombeiros e estações de trem. Verificou-se também que os diferentes aspectos ambientais, positivos e negativos, influenciam na valorização imobiliária e que a metodologia adotada se mostra eficiente na avaliação de grandes bancos de dados, assim como, uma importante ferramenta para tomada de decisão e para o planejamento urbano.por
dc.publisher.initialsUFSCarpor
dc.publisher.programPrograma de Pós-Graduação em Engenharia Urbana - PPGEUpor
dc.subject.cnpqENGENHARIASpor
dc.description.sponsorshipIdCAPES: Código de Financiamento 001por
dc.publisher.addressCâmpus São Carlospor
dc.contributor.authorlatteshttp://lattes.cnpq.br/8554345401299021por


Arquivos deste item

Thumbnail
Thumbnail
Thumbnail

Este item aparece na(s) seguinte(s) coleção(s)

Mostrar registro simples

Attribution-NonCommercial-NoDerivs 3.0 Brazil
Exceto quando indicado o contrário, a licença deste item é descrito como Attribution-NonCommercial-NoDerivs 3.0 Brazil