JP2001117973A - Device and method for evaluating real estate, recording medium storing real estate evaluation program and real estate information providing system - Google Patents

Device and method for evaluating real estate, recording medium storing real estate evaluation program and real estate information providing system

Info

Publication number
JP2001117973A
JP2001117973A JP29885699A JP29885699A JP2001117973A JP 2001117973 A JP2001117973 A JP 2001117973A JP 29885699 A JP29885699 A JP 29885699A JP 29885699 A JP29885699 A JP 29885699A JP 2001117973 A JP2001117973 A JP 2001117973A
Authority
JP
Grant status
Application
Patent type
Prior art keywords
real estate
evaluation
information
property
unit
Prior art date
Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
Pending
Application number
JP29885699A
Other languages
Japanese (ja)
Inventor
Shinya Hayakawa
Toshiharu Otsuka
Shigeo Sano
Takeshi Tamura
Hideo Tanioka
繁夫 佐野
俊治 大塚
信也 早川
田村  剛
日出男 谷岡
Original Assignee
Recruit Co Ltd
株式会社リクルート
Priority date (The priority date is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the date listed.)
Filing date
Publication date

Links

Abstract

PROBLEM TO BE SOLVED: To easily evaluate the price of real estate property with high accuracy in the case of selling the real estate property or moving.
SOLUTION: This device is provided with an evaluation model generating part 200 for generating a price evaluation model for calculating the predictive price of real estate property from inputted property data for each segment composed of one or plural areas having mutually similar area characteristics, an evaluation model storage part 120d for storing the price evaluation model, a segment discriminating part 130 for discriminating the segment, to which the real estate property belongs, on the basis of the property data, an evaluation model selecting part 150 for selecting the evaluation model corresponding to the discriminated segment from the evaluation model storage part, and an evaluating part 160 for calculating the predictive price of the real estate property on the basis of the evaluation model selected by the evaluation model selecting part.
COPYRIGHT: (C)2001,JPO

Description

【発明の詳細な説明】 DETAILED DESCRIPTION OF THE INVENTION

【0001】 [0001]

【発明の属する技術分野】本発明は、不動産評価装置、 BACKGROUND OF THE INVENTION The present invention is, real estate evaluation device,
不動産評価方法、不動産評価プログラムを格納する記録媒体および不動産情報提供システムに関する。 Property evaluation method, a recording medium and property information providing system stores real estate evaluation program. 特に、マンションあるいは土地などの不動産の売却あるいは買い換えにおいて、地域特性に応じて構築された評価モデルを用いて価格評価を行うことで、精度の高い不動産物件の価格評価を実現するとともに、売却あるいは買い換えに必要となる関連情報を効率よく提示することにより、 In particular, in the sale or Kaikae of real estate such as apartment or land, by performing the valuation using valuation models that are built according to the regional characteristics, as well as realize the price evaluation of high-precision real estate, sale or Kaikae by efficiently present the relevant information required for,
不動産の流通を支援するための技術に関する。 It relates to a technique to support the distribution of real estate.

【0002】 [0002]

【従来の技術】一般に、マンション、戸建てあるいは土地などの不動産を所有するユーザーが、この不動産の売却あるいは買い換えを意図する場合、ユーザーは、以下の手順により売却を実行する。 In general, the apartment, is the user who owns the real estate, such as single-family or land, if you intend to sell or Purchasing a new this real estate, the user, to run the sale in accordance with the following procedure.

【0003】図24は、この不動産売却手順を示す。 [0003] FIG. 24 illustrates this real estate sale procedure. まず、ユーザーは、所有する物件を売却するために必要となる情報として、1つあるいは複数の不動産業者に委託してこの所有する物件の相場価格や、売り時を知るための価格動向についての情報を収集する(ステップS22 First, the user, as the information that is required in order to sell the property to own, entrusted to one or more of real estate agents and the market price of the property to the ownership, information about the price trends to know when to sell the collecting (step S22
1)。 1). この収集された情報に基づき、売却を仲介する不動産業者を選択する(ステップS223)。 Based on this collected information, to select a realtor mediating the sale (step S223). 選択された不動産業者と媒介契約を締結するとともに、売却対象物件の実査定が行われる(ステップS225)。 With to conclude a mediated contract with the selected real estate agent, a real assessment of the sale of the subject property is performed (step S225).

【0004】次に、仲介不動産業者は査定された価格に基づき売却対象物件の販売活動を行い(ステップS22 [0004] Next, the intermediary real estate agent performs the sales activities of the sale subject property based on the price that has been assessed (step S22
7)、購入希望ユーザーとユーザーとの間で価格交渉を経て売買契約が締結される(ステップS229)。 7), the sales contract is entered into through the price negotiations between the purchase hope users and user (step S229). この売買契約で得られた譲渡代金でユーザーは必要に応じて新たな不動産を買い換え購入する。 In the transfer price obtained in this sales contract user Kaikae to buy a new real estate, if necessary.

【0005】 [0005]

【発明が解決しようとする課題】しかしながら、上記の従来の不動産売却あるいは買い換え手法には、以下の問題点があった。 The object of the invention is to be Solved However, the conventional real estate sale or Kaikae technique of the above, it has the following problems.

【0006】上記の情報収集段階(ステップS221) [0006] The above information collection stage (step S221)
において、ユーザーが不動産業者から売却対象物件の相場価格や価格動向を取得する際に、常に客観的で妥当性ある相場価格や価格動向を得られるとは限らなかった。 In, the user is not necessarily the time to get the market price and the price trend of the sale subject property from the real estate agent, is always obtained the market price and the price trends that are objective and validity.
この情報収集において、複数の不動産業者から異なる価格情報を得ても、ユーザー自身ではいずれの価格情報を信頼して採用すべきか判断することができなかった。 In this information collection, also give a different price information from a plurality of real estate agents, the user himself has not been possible to determine whether to adopt trust any price information.

【0007】不動産の簡易的な査定手法として、いわゆる「取引事例比較法」と称される手法が知られている。 [0007] as a simple assessment method of real estate, a technique referred to as the so-called "sales comparison approach" it has been known.
この査定手法においては、原則として近隣地域または同一需給圏内の類似地域に存在する不動産に係わるもののうちから、個別的要因の同類型の事例を設定し、これと売却対象マンションとを比較することにより、評価価格を得る。 In this assessment technique, from among those related to the real estate present in similar areas of the neighborhood or the same demand within principle, it sets the similar type instances of individual factors, by comparing the sale subject Flat thereto , obtain an evaluation price.

【0008】しかしながら、この手法では、保有する物件の数が少ない地域だとその評価の精度が低下する。 [0008] However, in this method, that's a small number area of ​​the properties held by the accuracy of the evaluation is reduced. 特に、取引履歴のない地域に属する売却対象物件を査定する場合には、近隣地域あるいは同一需給圏の選定、および個別的要因の同類型の選定が難易度の高い作業であり、かつ恣意的な作業になりがちであるため精度が低下する。 In particular, when assessing the sale of the subject property that belongs to no transaction history region, neighborhood or selection of the same supply and demand area, and a high work similar type selection of the degree of difficulty of the individual factors, and an arbitrary accuracy is reduced because it tends to work. すなわち、同一地域内に売却対象マンションと近似する標準マンションが設定されていない場合には、妥当な評価価格が得られないという問題点があった。 That is, if the standard apartment which approximates the sale subject apartment in the same area has not been set, a reasonable valuation price there is a problem that can not be obtained.

【0009】以上説明したように、本発明は、上記の問題点を解決するためになされたものである。 [0009] As described above, the present invention has been made to solve the above problems.

【0010】そして、その目的とするところは、マンションあるいは土地などの不動産の売却あるいは買い換えのための情報収集段階において、地域特性の類似性に応じてクラスター化されたエリアごとに構築された評価モデルを用いて価格評価を行うことで、精度の高い不動産物件の価格評価を容易に実現することの可能な不動産評価装置、不動産評価方法、不動産評価プログラムを格納する記録媒体および不動産情報提供システムを提供することにある。 [0010] And, it is an object of the present invention, the apartment or in the information gathering stage for the sale or Purchasing a new real estate, such as land, valuation models that have been built in each area, which are clustered according to similarities in the regional characteristics using by performing valuation, accurate real estate easily realizable property evaluation apparatus to the valuation of a recording medium and property information providing system store method property valuations, real estate evaluation program It is to.

【0011】また、他の目的は、取引履歴に応じて評価モデルを最適化することで、より精度の高い価格評価を実現する点にある。 [0011] It is another object of the present invention, by optimizing the evaluation model in accordance with the transaction history, it lies in the fact that to achieve a more accurate price evaluation.

【0012】また、他の目的は、評価価格を一定の価格帯で提示するとともに、評価価格算出に多く寄与した属性を提示することで、売却に有用な情報をユーザーに提示する点にある。 [0012] It is another object of the present invention, along with the presents the evaluation price at a certain price range, by presenting the many contributions attribute to the evaluation price calculation, there is a point to present useful information to the sale to the user.

【0013】また、他の目的は、売却あるいは買い換えに必要となる関連情報をユーザーおよび不動産業者等に効率よく提示することにより、不動産の流通を支援する点にある。 [0013] Another object of the present invention, by efficiently present the relevant information required for sale or Kaikae users and real estate agents, etc., lies in assisting the flow of real estate.

【0014】 [0014]

【課題を解決するための手段】上記の課題を解決するための本発明の特徴は、地域(エリア)の特性に基づいて、エリアをクラスター分類し、このクラスター化された地域のそれぞれをセグメントとして、このセグメントごとに価格評価用の評価モデルを生成して対象物件の評価を行う点にある。 Feature of the present invention for solving the above problems, there is provided a resolving means for], based on the regional characteristics (area), the area and cluster classification, as a segment of each of the clustered regions , it lies in the fact that the evaluation of the subject property to generate an evaluation model for the price evaluation for each this segment. すなわち、地域特性の同質性が高いエリア同士をセグメントとし、このセグメントごとに価格評価モデルを生成する。 That is, a segment having a high homogeneity area between the regional characteristics, to produce a valuation model for each segment.

【0015】このエリアのクラスター化において、エリアの特性を示す指数から構成されるエリア属性情報と、 [0015] In a clustered in this area, and configured area attribute information from the index showing the characteristics of the area,
沿線の格付けを示す沿線属性情報とを因子として用いる。 Using a wayside attribute information indicating wayside rating as a factor.

【0016】一方、価格評価モデル内部に持つ統計分析用パラメータとして、物件の特性を示す物件属性情報を用いる。 [0016] On the other hand, statistical analysis parameter with the internal valuation model, using the property attribute information showing the characteristics of the property.

【0017】かかる機能を実現するための、本発明の第1の特徴は、与えられた不動産物件の予測価格を算出する不動産評価装置であって、入力される物件データにより不動産物件の予測価格を算出する価格評価モデルを、 [0017] Such function for realizing the first aspect of the present invention is a property evaluation apparatus for calculating a predicted value of a given real estate, the predicted value of the real estate by property data input the calculation to price valuation models,
相互に類似するエリアの特性を有する1つまたは複数のエリアからなるセグメントごとに生成する評価モデル生成部と、前記価格評価モデルを記憶する評価モデル記憶部と、前記物件データに基づき、評価対象となる不動産物件が属するセグメントを判定するセグメント判定部と、前記セグメント判定部により判定されたセグメントに対応する評価モデルを、前記評価モデル記憶部から選択する評価モデル選択部と、前記評価モデル選択部により選択された評価モデルに基づいて、前記不動産物件の予測価格を算出する評価部とを具備することを特徴とする不動産評価装置を提供する点にある。 An evaluation model generation unit which generates for each segment consisting of one or more areas having the characteristics of the area to be similar to each other, and evaluation model storage unit that stores the valuation model, based on the property data, and evaluated a real estate property determining segment determining unit belongs segment of the valuation models corresponding to the segment that is determined by the segment determination unit, an evaluation model selection unit that selects from the evaluation model storage unit, by the evaluation model selection unit based on the selected evaluation model is to provide an estate evaluation apparatus characterized by comprising an evaluation unit for calculating a predicted value of the real estate.

【0018】本発明の他の特徴は、前記評価モデル生成部は、不動産物件が属するエリアの属性を示すエリア属性情報に基づいて、各エリア間の類似度を算出し、与えられたエリア群を、算出された前記類似度に従ってクラスター化してセグメント群を得るエリア分類部と、前記エリア分類部により得られたセグメントごとに、該セグメントに属する不動産物件の属性を示す物件属性情報に基づいて、統計分析により前記評価モデルを生成するモデル生成部とを具備する点にある。 [0018] Another feature of the present invention, the evaluation model generation unit, based on area attribute information indicating an attribute of the area real estate belongs calculates a similarity between each area, a given area group , an area classification unit to obtain a segment group are clustered according to the degree of similarity calculated for each segment obtained by the area classifying unit, on the basis of the property attribute information indicating an attribute of a real estate property belonging to the segment, statistics analysis in terms of and a model generating unit for generating the evaluation model.

【0019】本発明の他の特徴は、前記統計分析は、層別重回帰分析による点にある。 [0019] Another feature of the present invention, the statistical analysis is that by stratified multiple regression analysis.

【0020】本発明の他の特徴は、前記エリア分類部は、さらに、クラスター化されたセグメント群を、沿線の格付けを示す沿線属性情報に基づいて、さらにクラスター化して第2のセグメント群を得、前記モデル生成部は、前記第2のセグメント群に対応する前記評価モデルを生成する点にある。 [0020] Another feature of the present invention, the area classifying unit further obtain a clustered segment group, based on the wayside attribute information indicating wayside rating, the second segment group by further clustering the model generation unit is that it generates the evaluation model corresponding to the second segment group.

【0021】本発明の他の特徴は、前記エリア属性情報は、少なくとも、単位エリアの人口に関する人口指数、 [0021] Another feature of the present invention, the area attribute information, at least, the population index for population unit area,
人口当たりの生産性を示す生産性指数、単位当たりの消費指数を示す消費指数および単位当たりの文化度を示す文化指数のうちの1つ以上を含む点にある。 Productivity index showing the productivity per capita, in that it contains one or more of the culture index indicating a culture of per consumption index and unit indicating the consumption index per unit.

【0022】本発明の他の特徴は、前記沿線属性情報は、沿線ごとの坪単価を示す沿線格付け指数を含む点にある。 [0022] Another feature of the present invention, the wayside attribute information is that which includes a wayside rating index indicating a basis unit price per wayside.

【0023】本発明の他の特徴は、前記物件属性情報は、少なくとも、不動産物件の交通上の利便性を示す利便性情報、前記不動産物件のメンテナンスの程度を示すメンテナンス情報、前記不動産物件の設備仕様を示す設備情報、前記不動産物件のガスおよび水道敷設状況を示す都市基盤情報、前記不動産物件の属する土地区画の単価を示す単価情報、前記不動産物件の法規上の制約条件を示す制約情報、住宅あるいは土地の面積あるいは構造を示す構造情報および前記不動産物件の売却主体の付与する売主条件情報のうちの1つ以上を含む点にある。 [0023] Another feature of the present invention, the property attribute information, at least, usability information indicating the traffic on the convenience of real estate, the maintenance information indicating the degree of real estate maintenance facilities of the real estate equipment information indicating the specification, the real estate properties of the gas and urban infrastructure information that indicates the water laying situation, the unit price information indicating the unit price of the Field of the real estate parcel, the constraint information that indicates the constraints of the rules of the real estate, housing or in that it comprise one or more of the structural information and vendor condition information imparting sale subject of the real estate showing the area or structure of land.

【0024】本発明の他の特徴は、上記不動産評価装置は、さらに、過去の不動産の売却情報の履歴を蓄積する売却履歴記憶部と、前記売却情報の履歴に基づいて、前記評価モデルを最適化する評価モデル最適化部とを具備する点にある。 [0024] Another feature of the present invention, the real estate evaluation apparatus further includes a sales history storage unit for storing a history of sales information of past real estate, based on the history of the sale information, optimizing the evaluation model in that it comprises an evaluation model optimization part for reduction.

【0025】本発明の他の特徴は、上記不動産評価装置は、さらに、前記評価部により算出された前記予測価格を、所定の幅の価格帯により提示するとともに、前記物件属性情報の中で前記予測価格の算出に相対的に寄与した一部の物件属性情報を提示する評価情報提示部を具備する点にある。 [0025] Another feature of the present invention, the real estate evaluation apparatus further the prediction value calculated by the evaluation unit, with presents the price range of a predetermined width, said in the article attribute information in that it comprises an evaluation information presentation unit that presents a portion of the property attribute information relative contribution to the calculation of the predicted value.

【0026】本発明の他の特徴は、前記評価情報提示部は、さらに、前記予測価格を、経時的推移として提示する点にある。 [0026] Another feature of the present invention, the evaluation information presentation unit further is the predicted value, to the point of presenting a time course.

【0027】本発明の他の特徴は、与えられた不動産物件の予測価格を算出する不動産評価方法であって、入力される物件データにより不動産物件の予測価格を算出する価格評価モデルを、相互に類似するエリアの特性を有する1つまたは複数のエリアからなるセグメントごとに生成する評価モデル生成ステップと、前記物件データに基づき、評価対象となる不動産物件が属するセグメントを判定するセグメント判定ステップと、前記セグメント判定ステップにより判定されたセグメントに対応する評価モデルを、前記評価モデルの中から選択する評価モデル選択ステップと、前記評価モデル選択処理により選択された評価モデルに基づいて、前記不動産物件の予測価格を算出する評価ステップとを含む不動産評価方法を提供する点にある。 [0027] Another feature of the present invention is a property evaluation method of calculating a predicted value of a given real estate, the valuation model to calculate the predicted value of the real estate by property data inputted mutually an evaluation model generation step of generating for each segment consisting of one or more areas having the characteristics of the area to be similar, based on the property data, the segment determination step of determining a segment real estate belongs to be evaluated, the the evaluation model corresponding to the determined segment by segment determining step, an evaluation model selection step of selecting from among the evaluation model, based on the evaluation model selected by the evaluation model selection process, the predicted value of the real estate in that it provides real estate evaluation method including an evaluation step of calculating a.

【0028】本発明の他の特徴は、前記評価モデル生成ステップは、不動産物件が属するエリアの属性を示すエリア属性情報に基づいて、各エリア間の類似度を算出し、与えられたエリア群を、算出された前記類似度に従ってクラスター化してセグメント群を得るエリア分類ステップと、前記エリア分類ステップにより得られたセグメントごとに、該セグメントに属する不動産物件の属性を示す物件属性情報に基づいて、統計分析により前記評価モデルを生成するモデル生成ステップとを含む点にある。 [0028] Another feature of the present invention, the evaluation model generating step, based on area attribute information indicating an attribute of the area real estate belongs calculates a similarity between each area, a given area group the area classification step of obtaining a segment group are clustered according to the degree of similarity calculated for each segment obtained by the area classifying step, on the basis of the property attribute information indicating an attribute of a real estate property belonging to the segment, statistics in that it includes a model generation step of generating the evaluation model by analysis.

【0029】本発明の他の特徴は、前記統計分析は、層別重回帰分析による点にある。 [0029] Another feature of the present invention, the statistical analysis is that by stratified multiple regression analysis.

【0030】本発明の他の特徴は、前記エリア分類ステップは、さらに、クラスター化されたセグメント群を、 [0030] Another feature of the present invention, the area classification step further, the clustered segment group,
沿線の格付けを示す沿線属性情報に基づいて、さらにクラスター化して第2のセグメント群を得、前記モデル生成ステップは、前記第2のセグメント群に対応する前記評価モデルを生成する点にある。 Based on the wayside attribute information indicating wayside rating, give the second segment group and further clustering, the model generation step is that of generating the evaluation model corresponding to the second segment group.

【0031】本発明の他の特徴は、前記エリア属性情報は、少なくとも、単位エリアの人口に関する人口指数、 Another feature of the present invention, the area attribute information, at least, the population index for population unit area,
人口当たりの生産性を示す生産性指数、単位当たりの消費指数を示す消費指数および単位当たりの文化度を示す文化指数のうちの1つ以上を含む点にある。 Productivity index showing the productivity per capita, in that it contains one or more of the culture index indicating a culture of per consumption index and unit indicating the consumption index per unit.

【0032】本発明の他の特徴は、前記沿線属性情報は、沿線ごとの坪単価を示す沿線格付け指数を含む点にある。 [0032] Another feature of the present invention, the wayside attribute information is that which includes a wayside rating index indicating a basis unit price per wayside.

【0033】本発明の他の特徴は、前記物件属性情報は、少なくとも、不動産物件の交通上の利便性を示す利便性情報、前記不動産物件のメンテナンスの程度を示すメンテナンス情報、前記不動産物件の設備仕様を示す設備情報、前記不動産物件のガスおよび水道敷設状況を示す都市基盤情報、前記不動産物件の属する土地区画の単価を示す単価情報、前記不動産物件の法規上の制約条件を示す制約情報、住宅あるいは土地の面積あるいは構造を示す構造情報および前記不動産物件の売却主体の付与する売主条件情報のうちの1つ以上を含む点にある。 [0033] Another feature of the present invention, the property attribute information, at least, usability information indicating the traffic on the convenience of real estate, the maintenance information indicating the degree of real estate maintenance facilities of the real estate equipment information indicating the specification, the real estate properties of the gas and urban infrastructure information that indicates the water laying situation, the unit price information indicating the unit price of the Field of the real estate parcel, the constraint information that indicates the constraints of the rules of the real estate, housing or in that it comprise one or more of the structural information and vendor condition information imparting sale subject of the real estate showing the area or structure of land.

【0034】本発明の他の特徴は、上記不動産評価方法は、さらに、過去の不動産の売却情報の履歴を蓄積する売却履歴記憶ステップと、前記売却情報の履歴に基づいて、前記評価モデルを最適化する評価モデル最適化ステップとを含む点にある。 [0034] Another feature of the present invention, the real estate evaluation method further includes the sale history storage step of storing a history of sales information of past real estate, based on the history of the sale information, optimizing the evaluation model in that it includes an evaluation model optimization step of reduction.

【0035】本発明の他の特徴は、上記不動産評価方法は、さらに、前記評価ステップにより算出された前記予測価格を、所定の幅の価格帯により提示するとともに、 [0035] Another feature of the present invention, the real estate evaluation method further the prediction value calculated by the evaluation step, as well as presented by price range having a predetermined width,
前記物件属性情報の中で前記予測価格の算出に相対的に寄与した一部の物件属性情報を提示する評価情報提示ステップを含む点にある。 In that it includes evaluation information presentation step of presenting a relatively contribution was part of property attribute information for the calculation of the predicted value in the property attribute information.

【0036】本発明の他の特徴は、前記評価情報提示ステップは、さらに、前記予測価格を、経時的推移として提示する点にある。 [0036] Another feature of the present invention, the evaluation information presentation step further, there the predicted value, to the point of presenting a time course.

【0037】本発明の他の特徴は、与えられた不動産物件の予測価格を算出する不動産評価処理をコンピュータに実行させるプログラムを格納するコンピュータ読み取り可能な記録媒体であって、入力される物件データにより不動産物件の予測価格を算出する価格評価モデルを、 [0037] Another feature of the present invention is a computer readable recording medium storing a program for executing the real estate evaluation process on the computer to calculate a predicted value of a given real estate, the property data to be entered the valuation model to calculate the predicted price of real estate,
相互に類似するエリアの特性を有する1つまたは複数のエリアからなるセグメントごとに生成する評価モデル生成処理と、前記物件データに基づき、評価対象となる不動産物件が属するセグメントを判定するセグメント判定処理と、前記セグメント判定処理により判定されたセグメントに対応する評価モデルを、前記評価モデルの中から選択する評価モデル選択処理と、前記評価モデル選択処理により選択された評価モデルに基づいて、前記不動産物件の予測価格を算出する評価処理とを含むことを特徴とするコンピュータ読み取り可能な記録媒体を提供する点にある。 An evaluation model generation process of generating for each segment consisting of one or more areas having the characteristics of the area to be similar to each other, on the basis of the property data, and determining segment determining process segments that real estate belongs to be evaluated the evaluation model corresponding to the segment is determined by the segment determination process, the evaluation model selection process for selecting from among the evaluation model, based on the evaluation model selected by the evaluation model selection process, the real estate in that it provides a computer-readable recording medium characterized in that it comprises an evaluation process to calculate a predicted value.

【0038】本発明の他の特徴は、前記評価モデル生成処理は、不動産物件が属するエリアの属性を示すエリア属性情報に基づいて、各エリア間の類似度を算出し、与えられたエリア群を、算出された前記類似度に従ってクラスター化してセグメント群を得るエリア分類処理と、 [0038] Another feature of the present invention, the evaluation model generation processing, based on area attribute information indicating an attribute of the area real estate belongs calculates a similarity between each area, a given area group , an area classification process to obtain a segment group are clustered according to the degree of similarity calculated,
前記エリア分類処理により得られたセグメントごとに、 For each segment obtained by the area classification process,
該セグメントに属する不動産物件の属性を示す物件属性情報に基づいて、統計分析により前記評価モデルを生成するモデル生成処理とを含む点にある。 Based on the property attribute information indicating an attribute of a real estate property belonging to the segment, in that it includes a model generation processing that generates the evaluation model by statistical analysis.

【0039】本発明の他の特徴は、前記統計分析は、層別重回帰分析による点にある。 [0039] Another feature of the present invention, the statistical analysis is that by stratified multiple regression analysis.

【0040】本発明の他の特徴は、前記エリア分類処理は、さらに、クラスター化されたセグメント群を、沿線の格付けを示す沿線属性情報に基づいて、さらにクラスター化して第2のセグメント群を得、前記モデル生成処理は、前記第2のセグメント群に対応する前記評価モデルを生成する点にある。 [0040] Another feature of the present invention, the area classification process, further, to give the clustered segment group, based on the wayside attribute information indicating wayside rating, the second segment group by further clustering the model generation process is that it generates the evaluation model corresponding to the second segment group.

【0041】本発明の他の特徴は、前記エリア属性情報は、少なくとも、単位エリアの人口に関する人口指数、 [0041] Another feature of the present invention, the area attribute information, at least, the population index for population unit area,
人口当たりの生産性を示す生産性指数、単位当たりの消費指数を示す消費指数および単位当たりの文化度を示す文化指数のうちの1つ以上を含む点にある。 Productivity index showing the productivity per capita, in that it contains one or more of the culture index indicating a culture of per consumption index and unit indicating the consumption index per unit.

【0042】本発明の他の特徴は、前記沿線属性情報は、沿線ごとの坪単価を示す沿線格付け指数を含む点にある。 [0042] Another feature of the present invention, the wayside attribute information is that which includes a wayside rating index indicating a basis unit price per wayside.

【0043】本発明の他の特徴は、前記物件属性情報は、少なくとも、不動産物件の交通上の利便性を示す利便性情報、前記不動産物件のメンテナンスの程度を示すメンテナンス情報、前記不動産物件の設備仕様を示す設備情報、前記不動産物件のガスおよび水道敷設状況を示す都市基盤情報、前記不動産物件の属する土地区画の単価を示す単価情報、前記不動産物件の法規上の制約条件を示す制約情報、住宅あるいは土地の面積あるいは構造を示す構造情報および前記不動産物件の売却主体の付与する売主条件情報のうちの1つ以上を含む点にある。 [0043] Another feature of the present invention, the property attribute information, at least, usability information indicating the traffic on the convenience of real estate, the maintenance information indicating the degree of real estate maintenance facilities of the real estate equipment information indicating the specification, the real estate properties of the gas and urban infrastructure information that indicates the water laying situation, the unit price information indicating the unit price of the Field of the real estate parcel, the constraint information that indicates the constraints of the rules of the real estate, housing or in that it comprise one or more of the structural information and vendor condition information imparting sale subject of the real estate showing the area or structure of land.

【0044】本発明に他の特徴は、上記コンピュータ読み取り可能な記録媒体は、さらに、過去の不動産の売却情報の履歴を蓄積する売却履歴記憶処理と、前記売却情報の履歴に基づいて、前記評価モデルを最適化する評価モデル最適化処理とを含む点にある。 [0044] The present invention other features, the computer-readable recording medium may further include a sale history storing process of accumulating a history of sales information of past real estate, based on the history of the sale information, the evaluation in that it includes an evaluation model optimization process for optimizing the model.

【0045】本発明の他の特徴は、上記コンピュータ読み取り可能な記録媒体は、さらに、前記評価処理により算出された前記予測価格を、所定の幅の価格帯により提示するとともに、前記物件属性情報の中で前記予測価格の算出に相対的に寄与した一部の物件属性情報を提示する評価情報提示処理を含む点にある。 [0045] Another feature of the present invention, the computer-readable recording medium may further the prediction value calculated by the evaluation process, as well as presented by price range of a predetermined width, the property attribute information in that it includes evaluation information presentation processing of presenting a relatively contribution was part of property attribute information for the calculation of the predicted value at medium.

【0046】本発明の他の特徴は、前記評価情報提示処理は、さらに、前記予測価格を、経時的推移として提示する点にある。 [0046] Another feature of the present invention, the evaluation information presentation process further, there the predicted value, to the point of presenting a time course.

【0047】本発明の他の特徴は、与えられた不動産物件の予測価格を算出するとともに、ユーザーおよび不動産業者に前記予測価格を介して不動産情報を提供する不動産情報提供システムであって、入力される物件データにより不動産物件の予測価格を算出する価格評価モデルを、相互に類似するエリアの特性を有する1つまたは複数のエリアからなるセグメントごとに生成する評価モデル生成部と、前記物件データに基づき、評価対象となる不動産物件が属するセグメントを判定するセグメント判定部と、前記セグメント判定部により判定されたセグメントに対応する評価モデルを、前記評価モデルの中から選択する評価モデル選択部と、前記評価モデル選択部により選択された評価モデルに基づいて、前記不動産物件の予測価格を算出 [0047] Another feature of the present invention, to calculate the predicted value of a given real estate, a real estate information providing system for providing real estate information via the prediction value to the user and real estate agents, are input the valuation model to calculate the predicted value of the real estate by that property data, an evaluation model generation unit which generates for each segment consisting of one or more areas having the characteristics of the area to be similar to each other, on the basis of the property data and determining the segment determination unit segments real estate to be evaluated belongs, the evaluation model corresponding to the segment is determined by the segment determination unit, an evaluation model selection unit that selects from among the evaluation model, the evaluation based on the evaluation model selected by the model selection unit, calculates a predicted value of the real estate る評価部とを具備する不動産評価装置と、入力された前記不動産データの評価対象物件が属するエリアあるいは近傍のエリアにおける取り扱い実績の有無を判定する取り扱い実績判定部と、過去の取り扱い物件ごとに不動産業者に関する不動産業者情報を記憶する不動産業者情報記憶部と、前記取り扱い実績があると判定された不動産業者を、前記不動産業者情報記憶部から検索し、検索された不動産業者のリストである不動産業者情報を提示する不動産業者情報提示部と、指定された不動産業者の紹介依頼情報に、前記不動産評価装置の評価部が出力する評価価格情報を付与して前記指定された不動産業者に配信する紹介情報配信部とを具備する不動産業者依頼装置とを具備することを特徴とする不動産情報提供システムを提供する点に That a property evaluation apparatus comprising an evaluation unit, and determines the handling performance determination section whether a handling performance in the evaluation target property belongs area or in the vicinity area of ​​the input the real estate data, real estate for each past handling properties a realtor information storage unit that stores realtor information about skilled in the determined real estate agent and have the handling performance, retrieved from the realtor information storage unit, realtor information is a list of the retrieved realtor and the real estate agent information presentation section that presents, to the introduction request information of the designated real estate agent, introduce information distribution to be delivered to the real estate agent that has been the designated evaluation price information by applying the evaluation unit outputs of the real estate evaluation device in providing real estate information providing system characterized by comprising a realtor request device for and a part る。 That.

【0048】 [0048]

【発明の実施の形態】以下、本発明の実施形態を、図1 DESCRIPTION OF THE PREFERRED EMBODIMENTS Hereinafter, the embodiments of the present invention, FIG. 1
乃至図23を参照して詳細に説明する。 To be described in detail with reference to FIG. 23.

【0049】第1の実施形態 以下、本発明の第1の実施形態を、図1乃至図21を参照して詳細に説明する。 The first embodiment below, a first embodiment of the present invention will be described in detail with reference to FIGS. 1 to 21.

【0050】第1の実施形態は、地域(エリア)の特性の類似性に応じてクラスター化されたエリア(以下、セグメントと称する)ごとに価格評価モデルを生成し、この価格評価モデルに基づき対象物件の予測価格(評価価格)を算出する機能を提供する。 The first embodiment, local characteristics areas that are clustered according to similarity of the (area) (hereinafter, the segment hereinafter) generates a valuation model for each subject based on the valuation model It provides the ability to calculate the predicted price of the property (evaluation price).

【0051】図1は本発明の実施形態に係る不動産情報提供システム1の全体の機能構成を示すブロック図である。 [0051] Figure 1 is a block diagram showing an overall functional configuration of the real estate information providing system 1 according to an embodiment of the present invention. 図1に示すように、本発明の実施形態に係る不動産情報提供システム1は、住み替え希望ユーザー40が入力した不動産物件のデータに基づいて、この不動産物件の評価価格を算出する不動産評価装置10と、不動産評価装置10により算出された物件評価情報に基づいて、 As shown in FIG. 1, the real estate information providing system 1 according to an embodiment of the present invention is based on the real estate of the data desired user 40 enters Relocation, real estate evaluation device 10 for calculating an evaluation value of the real estate , on the basis of the properties evaluation information calculated by the real estate evaluation device 10,
住み替え希望ユーザー40に不動産業者情報を提供するとともに不動産業者50に売却依頼者情報を提供する不動産業者依頼装置30とを具備して構成される。 It constituted by and a realtor request device 30 to provide the sale request user information to the real estate agent 50 with Relocation provides realtor information to the desired user 40. 不動産情報提供システム1と、住み替え希望ユーザー40あるいは不動産業者50との間では、インターネットを介したWeb、ファクシミリあるいは郵送等の各種通信手段によりデータの送受信がなされる。 Real estate information providing system 1, between the desired user 40 or realtor 50 Relocation, Web over the Internet, sending and receiving of data is performed by the facsimile or various communication means mail or the like. 不動産情報提供システム1は、評価依頼された物件あるいは現実に取引された物件に関する情報の履歴を保有する物件情報データベース70と、ユーザーの識別情報および不動産業者5 Property information providing system 1 includes a property information database 70 that holds history information about the transaction to a property evaluation request to a property or real, the user's identity and realtor 5
0、リフォーム業者60a、引っ越し業者60b等の情報を保有するユーザー・業者識別情報とを用いて、要求される売却対象物件の評価情報を提供するとともに、ユーザー40と各業者との間を仲介して不動産業者情報あるいは依頼者情報を提供する。 0, remodeling skilled 60a, by using the movers 60b such user vendor identification information carrying information, along with providing evaluation information required sold subject property, mediates between the user 40 and each skill to provide a real estate agent information or client information Te.

【0052】図2は、第1の実施形態に係る不動産評価装置10の詳細な機能構成を示すブロック図である。 [0052] Figure 2 is a block diagram showing a detailed functional configuration of the real estate evaluation apparatus 10 according to the first embodiment. 不動産評価装置10は、入力部110と、前処理部120 Property evaluation apparatus 10 includes an input unit 110, preprocessing unit 120
と、エリアセグメント判定部130と、沿線セグメント判定部140と、価格評価モデル選択部150と、価格算出部160と、物件評価情報表示部170と、価格評価モデル生成部200とを具備して構成される。 If, configuration and area segment determination unit 130, a wayside segment determination unit 140, a valuation model selection unit 150, the price calculation unit 160, a property evaluation information display unit 170, and and a valuation model generating unit 200 It is.

【0053】入力部110は、住み替え希望ユーザー4 [0053] The input unit 110, Relocation hope user 4
0からの物件の評価依頼を入力および解析する。 The evaluation request of the property from 0 to input and analysis. 前処理部120は、解析された物件の評価および評価関連情報の生成に用いる売り出し事例データベース120a、公示価格基準地価データベース120bおよび近隣賃貸データベース120c等の各データベースを作業用の記憶領域にロードするとともに、必要な作業領域を初期化する。 Preprocessing unit 120, offering case database 120a used for generating the evaluation and evaluation related information of the analyzed properties, as well as loaded in the storage area for work each database, such as declared value reference land price database 120b and neighbor rental database 120c , to initialize the work space required. エリアセグメント判定部130は、入力された評価対象の物件が属する地域のエリアセグメント(後述する)を判定し、沿線セグメント判定部140にエリアセグメントを出力する。 Area segment determination unit 130 determines the area segments of the region properties of the evaluation object that is input belongs (to be described later), and outputs the area segment wayside segment determination unit 140. 沿線セグメント判定部140は、 Wayside segment determination unit 140,
入力された評価対象物件の属する沿線セグメントを判定し、価格評価モデル選択部150に判定された沿線セグメント(後述する)を出力する。 It determines wayside segments belongs input evaluation target properties, and outputs the determined wayside segments (described below) to the valuation model selection unit 150. 価格評価モデル選択部150は、入力された評価対象物件の沿線セグメントに対応する価格評価モデルを、価格評価モデルデータベース120dを検索することにより選択する。 Valuation model selection unit 150, the valuation model corresponding to the wayside segment of the input evaluation target properties are selected by searching the valuation model database 120d. 価格算出部160は、検索された価格評価モデルに基づいて、入力された評価対象物件の評価価格を算出する。 Price calculating unit 160, based on the retrieved valuation model calculates the evaluation value of the input evaluation target properties.

【0054】価格評価モデル生成部200は、地域の特性が相互に類似する地域(エリア)をクラスター化し、 [0054] price evaluation model generation unit 200, areas where regional characteristics are similar to each other (area) clustered,
このクラスター化されたエリアを沿線の格付けによりさらに分類することで、相互に類似性の高いエリアが属するエリアのグループであるエリアセグメントごとに物件をモデル化した価格評価モデルを生成する。 This clustered areas by further classifying by wayside rating, produces a valuation model that models the properties for each area segment is a group of areas which are highly similar areas belonging to each other.

【0055】不動産評価装置10は、さらに、図2に示すように、売り出し事例データベース120a、公示価格基準地価データベース120bおよび近隣賃貸データベース120cから、必要に応じて入力された物件の近隣に位置する物件の情報をそれぞれ検索する近隣売り出し事例検索部180a、近隣公示価格検索部180bおよび近隣賃貸事例検索部180cを具備してもよい。 [0055] Property evaluation apparatus 10 further includes, as shown in FIG. 2, offering case database 120a, the declared value reference land price database 120b and neighbor rental database 120c, located close to the property that is input as necessary properties Nearby selling case retrieval unit 180a for retrieval of information, respectively, may comprise a neighbor advertisement price retrieval section 180b and neighbor rental case retrieval unit 180c. あるいは、これら検索部180a、180bおよび180 Alternatively, these search unit 180a, 180b and 180
cは、物件評価情報表示部170の内部に構成されてもよい。 c may be configured within the property evaluation information display unit 170.

【0056】次に、入力された物件の評価に用いる価格評価モデルの生成手順を説明する。 [0056] Next, the procedure for generating a valuation model used for the evaluation of the input properties.

【0057】図3は、図2の価格評価モデル生成部20 [0057] FIG. 3, price evaluation model generation unit shown in FIG. 2 20
0の詳細な機能構成を示すブロック図である。 It is a block diagram showing a detailed functional configuration of the 0. 価格評価モデル生成部200は、エリアクラスター化部210 Price evaluation model generation unit 200, the area clustering unit 210
と、沿線クラスター部220と、価格評価モデル作成部230と、価格評価モデル最適化部240とを具備して構成される。 When a wayside clusters 220, a valuation model creation part 230, and then and a valuation model optimization unit 240. まず、エリアクラスター化部210は、地域統計データ(図示せず)等から、例えば行政市区群単位の類似度を、各エリアのエリア属性情報(後述する) First, the area clustering unit 210, the local statistical data (not shown) or the like, for example, the similarity of the administrative properly group units, area attribute information (to be described later) of each area
に基づいて、各エリア間の距離を計算することにより計算する。 Based on, to calculate by calculating the distance between each area. この類似度計算には一般に知られる種々の手法を用いることができるが、第1の実施形態においては、 Although this similarity calculation can be used various methods which are generally known, in the first embodiment,
例えばk−means法(SUGI−J98「大規模なカテゴリー・データのクラスタリング手法」、中林三平)を用いることができる。 For example, the k-means method (SUGI-J98 "clustering technique of large-scale category data", Mihira Nakabayashi) can be used. このk−means法は、 The k-means method,
間隔尺度を持った属性変数によるクラスタリング手法であり、計算効率の高さから大規模データのクラスタリングに適している。 A clustering technique based on attributes variable with interval scale, is suitable for clustering large data from the height of the computational efficiency. 計算された各エリア間の距離が近いエリア同士は類似するエリアであると判定され、所定の閾値を用いて行政市区群を、この行政市区群の全体数より少ない複数のエリアに分類する。 Area between distance is short between the areas calculated is determined to be an area for similar administrative properly set using a predetermined threshold value are classified into a plurality of areas less than the total number of the administrative properly group . 尚、エリアの単位は、 The unit of area,
行政市区群とは限らず、これより大きいあるいは小さい単位でもよい。 Not necessarily administrative properly group, it may be greater than this or smaller units.

【0058】沿線クラスター部220は、エリアクラスター化部210により分類されたエリアを、さらに沿線の格付けを示す沿線属性情報に基づいて分類する。 [0058] wayside clusters 220, an area that has been classified by the area clustering unit 210 classifies based on more wayside attribute information indicating wayside rating. この分類は、例えば一般に知られる分類木法により実行することができる。 This classification may be performed by the classification tree methods known for example, in general. このクラスター分類部220により分類されたエリアをエリアセグメントと称する。 The classified area by the cluster classification unit 220 is referred to as area segments. このエリアセグメントは、エリアクラスタ化部210により分類されたエリアより、さらに相互に類似性の高い、すなわち同質性の高い1つまたは複数のエリアから構成されるグループとなる。 The area segment, from the area which has been classified by the area clustering unit 210, a higher similarity to one another, that is, the group consists of one or more areas of high homogeneity.

【0059】価格評価モデル作成部230は、沿線クラスター部220により分類されたセグメントごとに、すなわち相互に類似性の高い同質であるエリアごとに、物件属性情報(後述する)に基づいて価格評価モデルを構築する。 [0059] valuation model creation part 230, for each segment that has been classified by the wayside clusters 220, i.e. for each area is highly similar homogeneous to one another, valuation model based on property attribute information (to be described later) to build. この価格評価モデルの構築には、例えば一般に知られる層別重回帰法(例えば、産能大学出版部、「やさしいマーケティングのための多変量解析」に開示されている)を用いることができる。 The construction of this valuation model, can be used, for example generally stratified multiple regression method known (e.g., San'nodaigaku publishing unit is disclosed in "Multivariate Analysis for easy marketing"). この価格評価モデル作成部230により作成された価格評価モデルは、価格評価モデルデータベース120dに登録され、価格算出部160により参照される。 The valuation valuation model created by the model creation part 230 is registered in the valuation model database 120d, referred to by the price calculator 160.

【0060】価格評価モデル最適化部240は、図1の物件情報データベース70中の過去の物件取引情報およびこれに対応する物件情報から得られる経時的要素に基づいて、価格評価モデルデータベース120dに格納される価格評価モデルをモニタリングし、より現在の市況に即した精度の高い価格評価モデルに最適化する。 [0060] valuation model optimization unit 240, based on the temporal elements from past property transaction information and property information corresponding thereto in the listing database 70 of FIG. 1, stored in the valuation model database 120d and it is monitoring the price valuation models, to optimize the accuracy of the high price evaluation model in line with more current market conditions.

【0061】次に、第1の実施形態における不動産情報提供システムのハードウエア構成を説明する。 [0061] Next, a hardware configuration of a real estate information providing system in the first embodiment. 本発明に係る不動産情報提供システムは、ワークステーション、 Property information providing system according to the present invention may be a workstation,
汎用コンピュータ、PC、各種携帯情報端末などの各種コンピュータ単体又は各コンピュータを相互接続したネットワークシステムに実装される。 General purpose computer, PC, is implemented in various computer alone or network system each computer interconnected in various portable information terminals.

【0062】各コンピュータは、CPUと、データメモリと、プログラムメモリと、通信インターフェースと、 [0062] Each computer has a CPU, a data memory, a program memory, a communication interface,
入力部と、出力部とを具備する。 Comprising an input section and an output section. さらに、外部記憶装置に接続されてもよい。 Furthermore, it may be connected to an external storage device. CPUは、不動産評価装置、不動産評価方法および不動産情報提供システムを実現するソフトウエアを制御することにより、第1の実施形態を実現する。 The CPU, real estate evaluation apparatus, by controlling the software for realizing the property evaluation methods and property information providing system, to implement the first embodiment.

【0063】尚、本発明に係る通信アドレス管理および通信アドレス制御の各種処理を実現するためのプログラムは、各種記録媒体に保存することができる。 [0063] Incidentally, programs for realizing various processing of the communication address management and communication address control according to the present invention can be stored on various recording media. かかる記録媒体を、上記ハードウエアを具備するコンピュータのCPUにより読み出し、当該プログラムを実行することにより、本発明が実施される。 Such recording medium, by reading and executing, the program by a CPU of a computer that includes the hardware, the present invention is implemented. ここで、記録媒体とは、 Here, the recording medium,
例えば、半導体メモリ・磁気ディスク(フロッピーディスク・ハードディスク)・光ディスク(CD−ROM・ For example, a semiconductor memory magnetic disks (floppy disk, hard disk), optical disk (CD-ROM,
DVD等)、プログラムを記録することのできる装置全般を含む。 DVD, etc.), including any device capable of recording a program. さらに、上記プログラムは、ネットワークなどの各種通信手段を通じて配布されてもよい。 Furthermore, the program may be distributed through various communication means such as a network.

【0064】本発明の第1の実施形態は上記のように構成されており、以下その処理の流れを図4乃至図19を用いて順に説明する。 [0064] The first embodiment of the present invention is constituted as described above, following the flow of the processing with reference to FIGS. 4 through 19 will be described in order.

【0065】まず、第1の実施形態における価格評価モデル生成処理の概要を説明する。 [0065] First, an outline of the valuation model generation process in the first embodiment.

【0066】図4は、価格評価モデルの構築手法の概念を説明する図である。 [0066] FIG. 4 is a diagram explaining the concept of the construction method of valuation models. 例えば、地域統計情報等に基づいて、全体の行政市区群を、相互に地域の特性の同質性が高いエリアのグループ(エリアセグメント)に分類する。 For example, based on the local statistics etc., the entire administrative properly groups, mutually classified into groups of high homogeneity characteristics of local area (area segment). 図4では、すべての行政市区群が例えば7つのエリアに分類されている。 In Figure 4, all the administrative properly groups are classified, for example, seven areas. 次に、分類されたエリアのそれぞれのマンション、土地、戸建てなどの住戸を、沿線の格付けを示す沿線属性情報に基づいて、さらに地域的に同質性の高い沿線特徴別グループであるエリアセグメントに分類する。 Next, each apartment classified areas, land, a dwelling unit, such as a detached, based on the wayside attribute information indicating wayside rating, further regionally classified into area segments is high wayside characterized by groups of homogeneous to. 図4では、7×N個のセグメントが生成されている。 In Figure 4, 7 × N segments are generated. これら生成されたセグメント(エリアセグメント)ごとに、各セグメントに属する住戸群を、上記の層別重回帰分析により分析することで価格評価モデルを作成する。 For each of these generated segment (Area Segment), a dwelling belonging to each segment, creating a valuation model by analyzing the above-mentioned stratified regression analysis.

【0067】図5は、エリアクラスター化部210が行うエリアクラスター化処理の処理手順を示すフローチャートである。 [0067] Figure 5 is a flowchart illustrating a processing procedure of the area clustering processing area clustering unit 210 performs. まず、行政市区群のデータが入力される(ステップS50)。 First, data of administrative properly group is input (step S50). この入力された行政市区群のデータを、エリア属性情報に基づいて、上記K−means The data of the inputted administrative properly set, on the basis of the area attribute information, the K-means clustering
法によりクラスター化して分類する(ステップS5 Classifying and clustering by law (step S5
1)。 1). この地域属性情報は、例えば一般に知られる「民力CD−ROM」(朝日新聞社)等の地域統計データを使用して導出することができる。 The area attribute information can be derived using the local statistical data, for example such as are commonly known "national manpower CD-ROM" (Asahi Shimbun).

【0068】このエリアクラスター化部210におけるエリアクラスター設定は、物件の所在する地域の住環境などのエリアの特性を、上記の価格評価モデルに反映させる目的で行われる。 [0068] Area cluster set in this area clustering unit 210, the characteristics of the area, such as living environment of the region, located in the property takes place in order to reflect the above valuation model. ここで、エリアの特性とは、例えば高級住宅街というようにその地域の「格付け」として表現される定性的な特性をいう。 Here, the characteristics of the area, refers to the qualitative characteristics that are expressed as "rating" of the region and so on, for example, an exclusive residential area. このような特性を表現する要素としては、例えば、以下の項目が挙げられる。 The element representing such properties, for example, the following items.

【0069】a.)地域の「格」 b.)全体としての居住環境、街並み c.)近隣住民のライフスタイルあるいは特性 こうした要素は、一般に物件自体を表現する属性項目と比較すると定性的かつ不明瞭な要素であるため、価格評価モデル内部に、例えば回帰式の説明変数等のパラメータとして直接組み込むことにはなじまない。 [0069] a.) "Rated" b.) As a whole living environment of the area, streets c.) Lifestyle or characteristics such elements of neighborhood residents, qualitative and non In general, when compared with the attribute items to represent the property itself since it is clear elements within valuation models, for example not amenable to incorporating directly as parameters such as the regression equation of the explanatory variables. このため、 For this reason,
第1の実施形態は、これらのエリアの特性(ここでは、 The first embodiment, where the characteristics of these areas (,
エリア属性情報および沿線属性情報)を価格評価モデルのパラメータとして組み込むのではなく、同質の格に位置づけられる地域単位で価格評価モデルを構築することで、地域の格という定性的要素を不動産の価格に反映させる。 The area attribute information and the wayside attribute information) rather than included as parameters of the valuation model, to construct a price evaluation model on a regional basis, which is located in the same quality of case, the qualitative factors that region of the rating on the price of real estate To reflect. この「同質の格に位置づけられる地域」をクラスター分析により定義したものがエリアセグメントである。 This "region that is positioned in the same quality of case", which is the area segment as defined by cluster analysis. 尚、このエリアクラスター化処理の入力は、行政市区群単位のデータには限定されず、より細かい地域単位の地域特性を得る手段があればこの地域単位のデータを入力してもよい。 The input in this area clustering process is not limited to the data of the administrative properly group units, may enter data in the local unit if there is means for obtaining regional characteristics finer local unit.

【0070】クラスター化処理に使用するデータは、基本的には地価や賃貸の家賃等の不動産価格に影響のありそうな要素が選択される。 [0070] data to be used for clustering process is basically likely elements of the impact on real estate prices, such as rent of land prices and rental is selected. 但し、上記のエリアクラスター化処理の性格上、直接的に不動産価格を左右するデータよりも、あくまで地域の「格」を表現する定性的データ、具体的には地域統計データ等が望ましい。 However, the nature of the above-mentioned area clustering processing, directly than the influence the real estate price data, qualitative data that only represent the "rating" of the region, specifically regional statistical data, and the like is desirable. この地域統計データには例えば、人口の伸び、老齢・幼年人口比、公共施設の充実度、所得水準の指標等が含まれる。 In the area statistical data, for example, population growth, aging, childhood population ratio, adequacy of public facilities, which include indicators such as income levels.
また、価格評価モデルのメンテナンスの観点からは、分析に使用する地域統計データはできるだけ入手が容易であることが望ましい。 In view of the maintenance of the valuation models, it is desirable areas statistical data used for analysis is as easy as possible to obtain.

【0071】第1の実施形態におけるクラスタリング手法として、対象間に、通常は距離として表現される何らかの類似性を算出する任意の手法を用いることができる。 [0071] As clustering method in the first embodiment, between the subject, usually can be used any method of calculating any similarity is expressed as a distance. このクラスタリング手法において、生成されるクラスター数は、クラスター化の対象が含まれるクラスターの数によって定められる。 In this clustering method, a cluster number to be generated is determined by the number of clusters that contain target clustering. この代表的なクラスターの型としては、対象がただ1つのクラスターに分類される非階層型クラスターと、1つのクラスターが他のクラスターの部分集合となりうる階層型クラスターとがある。 The type of this exemplary cluster, there are a non-hierarchical cluster object is classified to only one cluster, and hierarchical cluster a cluster can be a subset of the other clusters. 第1の実施形態においては、上記のk−means法を例として説明する。 In the first embodiment, it will be described above the k-means method as an example. k−means法は、間隔尺度を持った属性変数によるクラスタリング手法であり、計算効率が高いため大規模データのクラスタリングに適する手法である。 k-means method is a clustering technique based on attribute variables with the interval scale, computational efficiency is a technique suitable for the clustering of large-scale data for high. 分割の基準となる距離はユークリッド距離で定義され、生成されるクラスターは非階層型クラスターとなる。 Distance as a reference of split is defined by the Euclidean distance, clusters are generated in a non-hierarchical clustering.

【0072】k−means法を用いたクラスタリングの実行により、分類された行政市区群が得られる(図5 [0072] By execution of clustering using the k-means method, classified government properly group is obtained (FIG. 5
のステップS52)。 Step S52 of). 尚、クラスタリングにおいては、 It should be noted that, in clustering,
物件の発生数が少なく、そもそもクラスターとして設定すること自体に意味がないと判断される市区町村を予め除外することにより、クラスター数を増やすことなく適切な分割を行うことができる。 Fewer occurrence of property, the first place by excluding city it is determined that there is no meaning in itself previously be set as a cluster, it is possible to perform appropriate division without increasing the number of clusters. 第1の実施形態による1 1 according to a first embodiment
つの実験例によれば、分析対象を291市区町村とした場合、まず30クラスターに分割する。 According to One experimental example, when the analyte is a 291 municipalities, firstly divided into 30 clusters. この分割されたクラスターのうち、物件の発生量が少ないと思われるクラスターに属する109市町村を除外する。 Of the divided clusters, it excludes 109 municipalities belonging to cluster generation amount seems small items. この結果残った182の市区町村を対象に再度クラスタリングを実施し、最終的なクラスター数を例えば7とする。 Consequently remaining 182 municipalities of performing again clustering targeting, and the final number of clusters for example 7. 但し、 However,
クラスター数はこの例に限るものではなく、最終的なクラスター数は、価格評価モデル構築を行う上でのサンプル数(すなわち、物件の発生ボリューム)を考慮して適宜決定する必要がある。 Number clusters is not limited to this example, the final number of clusters, the number of samples in performing valuation model building (i.e., generation volumes of properties) needs to be appropriately determined in consideration of. この最終的なクラスター数の調整のため、例えば単独でクラスターを形成している市区町村を最も近いクラスター(最近隣クラスター)へ併合すること、あるいは物件ボリュームの多いクラスターを再分割することができる。 For this final number of clusters adjustment, for example, alone by merging the closest clusters city that form clusters (nearest neighbor clusters), or can be subdivided more clusters of properties Volume .

【0073】次に、このクラスター化された行政市区群に対して、F値を判定する(ステップS53)。 Next, with respect to the clustered administrative properly set, it determines F value (step S53). このF The F
値とは、クラスタリングの尤もらしさを評価する指標であって、疑似F統計量(Pseudo F Statistic)と呼ばれ、以下の式(1)で表現される。 Value and is an index for evaluating the plausibility of the clustering, called pseudo-F statistic (Pseudo F Statistic), is expressed by the following equation (1).

【0074】 Pseudo F Statistic = R2/(c-1)/(1-R2/(nc)) (式1) 但し、R2はクラスタリング数と観察対象数で調整することで算出される決定係数であって、求めた全体についての値、cはクラスター数、nは観察対象数とする。 [0074] Pseudo F Statistic = R2 / (c-1) / (1-R2 / (nc)) (Equation 1) where, R2 is a by the coefficient of determination calculated by adjusting the observation target number and clustering Number Te, the value for the entire determined, c is the number of clusters, n represents the number of observation target.

【0075】このF値は、値が大きいほど望ましい。 [0075] The F value is, the larger the value desirable. 決定係数R2は、モデルの適合性を評価する指標であり、 The coefficient of determination R2 is an index for evaluating the suitability of the model,
例えば、294市区町村を294のクラスターに分割すると決定係数R2は1となる。 For example, 294 and coefficient of determination for dividing the city into clusters of 294 R2 is 1. あるクラスターと最も距離の近いクラスターとの間の距離は、当該クラスターの重心と最も近いクラスターの重心との間の距離で表現される。 The distance between the shortest distance clusters there clusters is represented by the distance between the centroid of the nearest cluster centroid of the cluster. また、クラスタリングに使用したエリア属性情報(説明変数)の各クラスターごとの平均値は、生成されたクラスターの特性を表現する指標となる。 The average value for each cluster area attribute information used for clustering (explanatory variables) is an index representing the characteristics of the generated clusters. 例えば、高齢者比率を説明変数(エリア属性情報)の一つに採用した場合、高齢者比率の平均値が高いクラスターは、「高齢者比率が高いという特性を持つクラスターである”と評価できる。 For example, when adopting the elderly ratio to one explanatory variable (area attribute information), the average value of the elderly high proportion clusters can be evaluated as "elderly ratio is cluster having a characteristic of high". この平均値は、新規データをいずれかのクラスターに振り分ける際の基準として利用できる。 This average value can be used as a reference in distributing the new data into one of the cluster.

【0076】上記のF値がクラスター数に応じた所定の閾値を越えるまでの間(ステップS53N)、ステップS51およびS52の処理を繰り返す。 [0076] Until the above F value exceeds a predetermined threshold value corresponding to the number of clusters (step S53N), it repeats the processing of steps S51 and S52. 一方、F値が所定の閾値を越えた場合(ステップS53Y)、適正に分類された行政市区群が得られたと評価できる(ステップS54)。 On the other hand, if the F value exceeds a predetermined threshold value (step S53Y), it can be evaluated and properly classified government properly group is obtained (step S54). ここで生成されたクラスターのうち、最低物件数未満の物件数しか保有しないクラスターがある場合(ステップS55Y)、当該クラスターを上記の最も距離の近い近隣クラスターに統合する(ステップS5 Of the clusters generated here, if there is a cluster that does not carry only the number of properties below the minimum number of properties (step S55Y), it integrates the clusters close cluster closest in distance above (step S5
6)。 6). 一方、最低物件数未満の物件数しか保有しないクラスターがない場合には(ステップS55N)、この段階でのクラスターを最終的に分類されたクラスター群とする(ステップS57)。 On the other hand, if there is no cluster which is not owned only the number of properties below the minimum number of properties (step S55N), the cluster finally classified cluster groups at this stage (step S57).

【0077】次に、沿線クラスター処理の手順を説明する。 [0077] Next, the procedure of the wayside cluster processing.

【0078】図6は、図3の沿線クラスター部220が行う沿線による分類の手順を示すフローチャートである。 [0078] Figure 6 is a flowchart showing a procedure of classification by wayside that wayside clusters 220 of FIG. 3 is performed.

【0079】まず、図5のステップS57で得られた最終的に分類された行政市区群(エリアセグメント)に属する物件群を入力する(ステップS60)。 [0079] First, to enter the properties belonging to the finally classified government properly set obtained in step S57 in FIG. 5 (Area Segment) (step S60). この物件群を、各物件が属する沿線の「格付け」に基づいて、分類木法により分類する(ステップS61)。 This property group, on the basis of the "rating" of the wayside that each property belongs, classified by the classification tree method (step S61). この沿線の格付け情報すなわち沿線属性情報は、物件個別の特性を表現する因子ではなく、上記のエリアクラスターと同様に物件を取り巻く定性的、不明瞭な要素ととらえて評価される。 Rating information i.e. wayside attribute information of the wayside is not a factor representing the property individual characteristics, qualitative surrounding the properties similar to the above-mentioned area cluster is evaluated regarded as unclear elements. 具体的には、各路線の平均平方メートル単価の高低により、各クラスターを作成することで表現される。 Specifically, the height of the average square meter price of each line is represented by the creation of each cluster.
価格評価モデルは、この沿線格付けされた沿線クラス別に作成される。 Price evaluation model is created by the wayside class this that has been the wayside rating.

【0080】この沿線格付けによる分類により分類後の物件群が得られる(ステップS62)。 [0080] Property group after classification by the classification by the wayside rating is obtained (step S62). この分類後の物件群の物件数が最低物件数未満である場合は(ステップS63N)、ステップS61およびS62を繰り返し処理する。 If the number of properties Property group after the classification is less than the minimum number of properties (step S63N), to iterate the steps S61 and S62. 一方、物件数が最低物件数以上である場合には(ステップS63Y)、適正に分類された物件群として評価される(ステップS64)。 On the other hand, if the number of properties is equal to or greater than the minimum number of properties (step S63Y), it is evaluated as properly classified properties group (step S64).

【0081】次に、価格評価モデル作成処理の手順を説明する。 [0081] Next, the procedure of the valuation model creation process.

【0082】図7は、沿線クラスター化処理でクラスター化された物件群のそれぞれに対応する価格評価モデル生成処理の手順を示すフローチャートである。 [0082] Figure 7 is a flowchart showing a procedure of a valuation model generation process corresponding to each of the clustered properties group in wayside clustering process.

【0083】まず、図6のステップS64で沿線クラスターに分類された物件群を入力する(ステップS7 [0083] First, to enter the property group classified into the wayside clusters at step S64 in FIG. 6 (step S7
0)。 0). この入力された物件群を、さらに例えば、層別因子法により分類する(ステップS71)。 The input properties group, further for example, classified by stratification factor method (step S71). 尚、この層別因子によるクラスター分類は、適宜省略されてよい。 Incidentally, the cluster classification by the stratification factor may be omitted as appropriate. この場合、沿線クラスター化部220によりクラスター化されて得られるエリアセグメント単位に価格評価モデルが生成され、物件属性情報から抽出される情報のうち有意な項目は評価モデル内の内部パラメータである後述する回帰分析用説明変数として利用される。 In this case, valuation model area segment units obtained are clustered by wayside clustering unit 220 is generated, a significant item of information extracted from the property attribute information will be described later is an internal parameter in the evaluation model It is used as a regression analysis for the explanatory variables.

【0084】この層別因子法により、分類された物件群が得られる(ステップS72)。 [0084] This stratification factor method, classified property group is obtained (step S72). これらクラスターのそれぞれに保有される物件群の数が最低物件数未満である場合には(ステップS73N)、ステップS71およびS72を繰り返し処理する。 If the number of properties group to be held in each of these clusters is less than the minimum number of properties (step S73N), to iterate the steps S71 and S72. 一方、物件群の数が最低物件数以上である場合には(ステップS73Y)、適正に分類された物件群として評価できる(ステップS7 On the other hand, if the number of properties group is equal to or greater than a minimum number of properties can be evaluated as (step S73Y), properly classified properties group (step S7
4)。 4). ステップS74で分類された物件群ごとに、重回帰分析を用いて価格評価モデルを作成し(ステップS7 For each classified property group in step S74, the using multiple regression analysis to create a valuation model (step S7
5)、作成された価格評価モデルを価格評価モデルデータベース120dに出力する(ステップS76)。 5), and it outputs a valuation model that has been created in the valuation model database 120d (step S76).

【0085】次に、価格評価モデル作成後における、市況の変化に応じた自動更新処理の手順を説明する。 [0085] Then, after creating valuation model, the procedure of the automatic update process in response to changes in market conditions.

【0086】図8は、価格評価モデル最適化部240が行う価格評価モデルのモニタリングおよび最適化処理の手順を示すフローチャートである。 [0086] Figure 8 is a flowchart showing a procedure of monitoring and optimization process of valuation model valuation model optimization unit 240 performs.

【0087】まず、新たな物件が入力されると(ステップS80)、この新たな物件の沿線のクラス水準を比較して、不適正である場合には(ステップS81N)、クラスタリング処理に用いる沿線クラス水準を調整して(ステップS83)、適正に分類された物件群を得る(ステップS84)。 [0087] First, when a new property is entered (step S80), wayside classes used to compare the class level of wayside this new property, if an incorrect (step S81N), the clustering process adjust the level (step S83), obtain a properly classified properties group (step S84). この新たに分類された物件群に基づき、再度価格評価モデルを作成する(ステップS8 Based on this newly classified property group, to create a re-valuation model (step S8
5)。 5). 作成された価格評価モデルが最適化された価格評価モデルとなり、以降の価格評価処理で用いられる(ステップS86)。 Valuation model that has been created is the optimized price evaluation model, used in the subsequent price evaluation process (step S86). 一方、沿線のクラス水準が適正である場合(ステップS81Y)、さらに誤差分布の適正が判定され、適正な誤差分布の範囲内であれば(ステップS On the other hand, if the wayside class level is appropriate (step S81Y), the further proper determination of the error distribution, as long as it is within the proper range of the error distribution (step S
82Y)、対応する価格評価モデルが最適化価格評価モデルとなる。 82Y), the corresponding price evaluation model is the optimized price valuation models. 一方、適正な誤差分布の範囲外であれば(ステップS82N)、再度価格評価モデルが作成され(ステップS85)、作成されたモデルが最適化価格評価モデルとなる(ステップS86)。 On the other hand, if outside the range of the appropriate error distribution (step S82N), is recreated valuation model (step S85), the model created is optimized valuation model (step S86).

【0088】次に、上記の価格評価モデル生成処理で用いられるエリア属性情報、沿線属性情報および物件属性情報を詳細に説明する。 [0088] Then, area attribute information used in the above valuation model generation process will be described wayside attribute information and property attribute information in detail.

【0089】図9は、第1の実施形態が用いるエリア属性情報210b、沿線属性情報220bおよび物件属性情報230bのデータ項目の一例を示す。 [0089] Figure 9, area attribute information 210b of the first embodiment is used, an example of a data item wayside attribute information 220b and the property attribute information 230b.

【0090】このエリア属性情報210bおよび沿線属性情報220bは、エリアクラスター化処理に用いられるクラスター化因子である。 [0090] The area attribute information 210b and the wayside attribute information 220b is a clustering factor used in the area clustering process. 一方、物件属性情報230 On the other hand, property attribute information 230
bは、層別因子としてさらにクラスター化処理に用いられる場合もあり、価格評価モデル内にパラメータとして内包される特性因子となる場合もある。 b is sometimes used for further clustering process as stratification factors, in some cases a characteristic factors included as parameters in the valuation model.

【0091】エリア属性情報210bは、少なくとも、 [0091] area attribute information 210b is, at least,
単位エリアの人口等に関するエリア基礎指数、人口当たりの生産性を示す産業活動指数、単位当たりの消費指数を示す消費指数および単位当たりの文化度を示す文化指数を含む。 Including area underlying index for the population, etc. of the unit area, industry activity index that shows the productivity per capita, the culture index that shows the culture of the per consumption index and the unit shows the consumption index per unit. エリア基礎指数は、年齢別人口構成比、人口伸び率、人口密度、人口集中地区人口比、昼夜間人口比、単身世帯比率、就業人口比率、地方税収入額伸び率、所得格差指数、世帯当たりの課税対象所得額、転入人口率、転出人口率、昼間人口密度、世帯伸び率等のデータにより示される。 Area underlying index, age population composition ratio, population growth rate, population density, population concentration district population ratio, day and night population ratio, single-person household ratio, employment population ratio, local tax revenues growth rate, income inequality index, per household taxable income, non-inverting population rate, moving out the population rate, daytime population density, indicated by the data, such as household growth rate. エリア産業活動指数は、人口当たりの農業粗生産額、人口当たりの工業製品年間出荷額等のデータにより示される。 Area industrial activity index, agricultural crude production value per capita, shown by the data of industrial products annual shipments, such as per capita. エリア消費指数は、1人当たりの小売業焦点販売比率、新築着工住宅戸数、総事業所密度、従業員密度、面積当たりの小売業総店舗数、面積当たりのスーパーマーケット数、面積当たりの飲食店舗数、1人当たりの歳出総額、世帯当たりの預貯金残高、 Area consumption index, per capita retail focus sales ratio, new construction starts housing number of units, the total business density, employee density, retail total number of stores per area, supermarket per area, the number of food stores per area, per capita total expenditures, savings balance per household,
世帯当たりの乗用自動車保有台数等のデータにより示される。 It indicated by the data in passenger car ownership, etc. per household. エリア文化指数は、世帯当たりのテレビ契約台数等のデータにより示される。 Area culture index is indicated by the data, such as a television contract number per household.

【0092】また、沿線属性情報220bは、少なくとも、沿線の格付け指数を含む。 [0092] In addition, along the road attribute information 220b is, at least, contain the wayside of the rating index. 沿線格付け指数は、沿線マンション坪単価、沿線土地坪単価等のデータにより示される。 Wayside rating index, railroad apartment basis unit price is indicated by the data, such as wayside land basis unit price.

【0093】物件属性情報230bは、少なくとも、利便性、メンテナンス状況・管理、設備仕様、都市基盤、 [0093] Property attribute information 230b is, at least, convenience, maintenance status and management, equipment specifications, urban infrastructure,
制度制約、住宅条件、土地条件、売り主条件等のパラメータを含む。 System constraints, including housing conditions, land conditions, parameters such as vendor conditions. 利便性因子は、交通区分、徒歩(分)、パス(分)、バス停(分)、車(分)、ターミナルまでの所要時間等の項目(データ)により示される。 Convenience factor, traffic classification, walking (minutes), pass (minutes), bus stop (in minutes), car (minutes), indicated by the item of the required time or the like until the terminal (data). メンテナンス状況・管理因子は、管理形態、管理費、内装リフォーム、外装リフォーム等のデータにより示される。 Maintenance status and management factors, management form, and administrative expenses, interior renovation, indicated by the data, such as the exterior renovation. 設備仕様因子は、オートロック、フローリング、二世帯住宅、グルニエ工法、バルコニー面積、納戸、ルーフバルコニー、専用庭、地下室等のデータにより示される。 Equipment specifications factors, auto-lock, flooring, two-family houses, Grenier method, balcony area, storeroom, roof balcony, a private garden, is shown by the data of the underground room or the like. 都市基盤因子は、ガス、下水、水道等のデータにより示される。 Urban infrastructure factors are shown gas, sewage, the data of the water or the like. 制度制約因子は、中古公庫、セットバック、地目、用途地域、建ぺい率、容積率等のデータにより示される。 System limiting factor is shown Used Corporation, set back, land category, zoning, building coverage ratio, the data such as volume rate. 住宅条件因子は、部屋数、タイプ、和室、洋室、 Housing conditions factor, number of rooms, type, Japanese-style, Western-style,
LDK、開口向き、バルコニー面数、角部屋、外壁種類、専有面積、築年数、構造、建物地上階、部屋階、総戸数、建物面積等のデータにより示される。 LDK, opening facing, balcony surface number, corner room, external wall type, footprint, building age, structure, building ground floor, room floors, Total units, indicated by the data, such as a building area. 土地条件因子は、土地面積、私道面積、敷延、道路幅、角地、分譲地、接道面数、駐車場、車庫等のデータにより示される。 Land conditions factor is, land area, driveway area, extensive delineation, road width, corner lot, subdivision, Seddo surface number, parking, indicated by the data, such as a garage. 売り主条件因子は、現況、引き渡し時期等のデータにより示される。 Seller condition factor, current state, indicated by the data, such as time delivery.

【0094】上記の属性情報は、各種統計データの他、 [0094] The above-described attribute information, in addition to the various statistical data,
ユーザーからの入力に従い蓄積された物件情報データベース70およびユーザー識別情報中のデータから適宜抽出される。 It is suitably extracted from the data of the stored property information database 70 and in the user identification information in accordance with the input from the user.

【0095】尚、上記のエリア属性情報210bの第2 [0095] The second of the above-mentioned area attribute information 210b
のグルーピングの例として、不動産居住者の周辺空間や時間の過ごし方に関する指数をエリアクラスター化処理に用いてもよい。 As an example of a grouping, it may be used as the index for how to spend around the space and time of the real estate residents in the area clustering process.

【0096】このユーザー空間に関する指数は、少なくとも、職・実業に関する空間意識指数である人生指数、 [0096] index for this user space is, at least, life index is a spatial awareness index on the job, businessman,
消費アクセスに関する空間意識指数である生活指数、肉体メンテナンス活動に関する空間意識指数である日常指数、精神メンテナンス活動に関する空間意識指数である非日常指数、旅行・移動アクセスに関する空間意識指数である脱生活指数、冠婚葬祭・儀式・慣習に関する空間意識指数である反俗世指数を含む。 Living index is a spatial awareness index for consumer access, non-daily index, de-living index, which is the space consciousness index for travel and moving access, which is the space consciousness index daily index is a spatial awareness index for physical maintenance activities, on mental maintenance activities, including the anti-worldly index, which is the space consciousness index for ceremonial occasions, rituals and customs. 人生指数は、課税対象所得額、総事業所密度の類型、昼間人口密度等のデータにより示される。 Life index, taxable income, total business density of type, indicated by the data of the daytime population density and the like. 生活指数は、面積当たりのスーパー・量販店・デパートの類型等から算出される。 Life index is calculated from the types such as super-retailers, department stores per area. 日常指数は、公園、コンビニエンスストア、レストラン、その他飲食店、スポーツ施設等のデータにより示される。 Daily index is shown park, convenience stores, restaurants and other eateries, by the data of the sports facilities, and the like. 非日常指数は、レンタルビデオ店、書店、映画館等のデータにより示される。 Extraordinary index is shown a video rental shop, a bookstore, by the data of the movie theater or the like. 脱生活指数は、空港、高速インターチェンジ、ホテル等の利便性とも相関関係のあるデータにより示される。 De-living index, airports, high-speed interchange, indicated by the data that is correlated with the convenience of the hotel, and the like. 反俗世指数は、宗教施設、寺社仏閣、墓地等のデータにより示される。 Anti secular index, religious facilities, temples and shrines, indicated by the data in cemetery like. これらの単位面積当たりのそれぞれの個数およびこれらの類型、さらにこれら類型ごとに適宜重み付けを規定した指標をエリアクラスタリングに用いることにより、ユーザーの住環境を取り巻く空間(環境)に対する意識を反映したクラスターを得ることができる。 By using respective numbers and these types per these unit area, the indicator further defines the appropriate weighting for each of these types in the area clustering, the clusters that reflect the awareness of space (environment) surrounding the user's living environment it is possible to obtain. この第2のグルーピングにおいても、 Also in the second grouping,
図9と同様に、「民力」などの統計データ、地理的データ等を用いることができる。 Similar to FIG. 9, it is possible to use statistical data such as "national manpower", the geographic data and the like. この第2のグルーピングにおいては、ユーザー個人の嗜好を示す1つの指標としての、ユーザーの生活時間の捉え方、記憶の粒の大きさ・ In the second grouping, as one index indicating the preferences of an individual traveler, perceptions of the user's life time, storage grain size and
単位(以下、経験時間と称する)を重みづけなどに反映してクラスター化処理を行うことができる。 Units (hereinafter, referred to as experience time) can be performed clustering process to reflect such a weighting to. すなわち、 That is,
エリアクラスター化処理において、経験時間の粒子オーダー(例えば、年から日、週から分、および時間)のレベルの相違をクラスター化処理の指針として加えることが望ましい。 In the area clustering process, experience time of the particles orders (e.g., date of year, minute per week, and time) may be desirable to add a difference in level as a guide for clustering process. さらに、これらのエリアの経験時間の粒子オーダーに影響を与える他の要因として、バックボーン等から算出されるネットワークプロバイダー、アクセスポイント、電波力のカバレージ等から算出される通信速度・通信品質・通信コスト等のデータを用いることもできる。 Further, as another factor affecting the particles orders experience time of these areas, network providers are calculated from the backbone such as an access point, the communication speed, communication quality, communication costs, etc., which is calculated from the coverage or the like of the radio wave strength data can also be used of.

【0097】図10および図11は、評価対象物件がマンションの場合の、ユーザーが入力する不動産評価申込書フォームの一例を示す。 [0097] FIGS. 10 and 11, when evaluated property is an apartment, it shows an example of a real estate evaluation application form form that the user enters. 図10は、ユーザーの識別情報であり、図11はユーザーが所有し、売却を希望するマンションの物件情報である。 FIG. 10 is a user's identity information, and FIG. 11 is a listing of the apartment that the user owns, you want to sell. 一方、図12は、評価対象物件が一戸建ての場合の、ユーザーが入力する不動産評価申し込み書フォームのうち、物件情報の一例を示す。 On the other hand, FIG. 12, when evaluated property is detached, among property valuations application form form the user enters, shows an example of property information. ユーザーの識別情報は、図10のユーザー識別情報と同様である。 The user identity is the same as the user identification information in Figure 10. これらの入力フォームは、Webページや電子メールを含む、インターネットを介するあらゆる通信手段により提供されて、図2の入力部110に評価依頼情報として入力されてもよく、あるいは印刷フォームにより提供されて、郵送、ファクシミリを介して入力部110に入力されてもよい。 These input form includes a Web page or e-mail, is provided by any communication means via the internet, may be input as the evaluation request information to the input unit 110 of FIG. 2, or is provided by the printing form, mail may be input to the input unit 110 via facsimile. 入力されたユーザー識別情報および物件情報は、エリア属性情報、沿線および物件属性情報として用いられる。 User identification information and property information is input, the area attribute information, it is used as the wayside and property attribute information.

【0098】次に、第1の実施形態に係る不動産評価装置10が行う価格評価モデル生成の実験例を説明する。 [0098] Next, the experimental example of valuation model generation property evaluation apparatus 10 according to the first embodiment is performed.

【0099】(1)エリアクラスター化処理 図13は、エリアクラスター化部210がエリアクラスター化処理に使用するエリア属性情報のデータ項目の一例を示す。 [0099] (1) Area clustering process 13 show an example of the data items of the area attribute information area clustering unit 210 uses the area clustering process. このデータを用いて、相互に類似性の高いエリアを包含するエリアセグメントを導出する。 This data is used to derive an area segment encompasses highly similar area to one another.

【0100】(2)沿線クラスター化処理 一方、図14は、沿線クラスター化部220が沿線クラスター処理において、上記の分類木法により設定された沿線クラスターの一例を示す。 [0100] (2) wayside clustering process on the other hand, FIG. 14, the wayside clustering unit 220 wayside clusters process, shows an example of wayside clusters which are set by the classification tree method described above. 図14中において、Nは該当物件件数、Pは平均m 単価と標準偏差を示す。 In FIG. 14, N is the corresponding property number, P is shows the average m 2 unit price and the standard deviation. 例えば、ノードN00001(N=2883、P=58. For example, the node N00001 (N = 2883, P = 58.
208、16.667)[全体集団 ツリー名area2b2 208,16.667) [the total population tree name area2b2
a]とは、ノードN00001の分析対象データ全体の件数が2883件、その平均m 単価が58.2万円、 a] and is, node data to be analyzed overall number of N00001 is 2883 cases, the average m 2 unit price is 582,000 yen,
標準偏差が16.6万円であることを示す。 It indicates that the standard deviation is 16.6 million. [ ]内は当該ツリーの識別である。 In [] it is the identification of the tree. このノードN00001で示される全体集団は、沿線名の違いにより以下の2つのセグメント(N01001、N01002)に分かれる。 Total population represented by this node N00001 is divided into two segments by the difference in wayside name (N01001, N01002).

【0101】a.)N01001(N=1305、P=6 [0101] a.) N01001 (N = 1305, P = 6
4.793,17.272)沿線名=小田急線、東急東横線、・・・ b.)N01002(N=1578、P=52.763, 4.793,17.272) wayside name = Odakyu line, Tokyu Toyoko Line, ··· b.) N01002 (N = 1578, P = 52.763,
13.979)沿線名=中央線、京王井の頭線、・・・ 同様に、N01002も沿線名によって2つのセグメントに分かれる。 13.979) wayside name = centerline, Inokashira, ... Similarly, divided into two segments by also wayside name N01002. 例えば、セグメントT03006は、N For example, the segment T03006 is, N
01002、N02003、T03006という分割ルートを通っているので、最終的には、西部池袋線、東武東上線、都営12号線、南部線という沿線クラスが定義され、このクラスに属する物件群はその平均平方メートル単価=45.0万円、標準偏差=11.8万円という集団となる。 01002, N02003, because through the split root of T03006, ultimately, western Ikebukuro, Tobu Tojo line, Toei line 12, wayside class is defined as the south line, properties belonging to this class are the average square meter unit price = 450,000 yen, a group that standard deviation = 118,000 yen.

【0102】この沿線クラスの設定には、一般に知られるAID(Automatic InteractionDetector:交互作用自動検出器)と呼ばれる分析手法を用いることができる。 [0102] The configuration of the wayside class generally known AID: can be used analysis method called (Automatic InteractionDetector interaction automatic detector). このAIDは、全データの価格のぱらつき(群内平方和)を沿線名という属性の違いにより、できるだけばらづきの小さい、すなわち群内ではできるだけ一様な複数のグループに分けることを目的とする手法である。 Method The AID is the difference in attribute all the data of the price Paratsuki (within-group sum of squares) wayside name, for the purpose of possible rose Hazuki small, i.e. be divided into as uniform as possible a plurality of groups within the group it is. このような基準でセグメント化すると、元の全変動である価格のばらつきがグループ間の価格平均値の差(すなわち、群間平方和)として集約されていく。 Segmenting with these criteria, the difference in price means between the variation of the original is a total variation price group (i.e., between groups sum of squares) will be aggregated as. このAID This AID
は、セグメントの最小サンプル数と属性最大組み合わせ数をパラメータとして与えれば実行できる。 It may be performed if you give a minimum number of samples and attributes maximum number of combinations of segments as a parameter. 第1の実施形態では例えばセグメントの最小サンプル数を100、 Minimum number of samples 100 of the segment for example in the first embodiment,
最大属性組み合わせ数を4として実行することができる。 It can be performed maximum attribute combination number as 4. 尚、セグメント化の基準となる目的変数には抹消m Note that deletion is the objective variable as a reference for segmenting m
単価を使用することができる。 It can be used 2 bid.

【0103】(3)価格評価モデル作成処理 図15は、第1の実施形態の実験例で用いた層別因子の候補項目の一覧を示す。 [0103] (3) valuation model creation process FIG. 15 shows a list of candidate items stratification factors used in experimental example of the first embodiment. この層別因子は、ユーザーからの入力に基づく上記の物件属性情報から抽出されあるいは必要に応じてこれら物件属性情報を加工して得られる項目を含む。 This stratification factors include items obtained by processing these properties attribute information as extracted from the above properties attribute information based on input from the user or as necessary.

【0104】図16は、図7のステップS75における重回帰分析で用いられる説明変数の候補項目の一覧を示す。 [0104] Figure 16 shows a list of candidate items explanatory variables used in the regression analysis in the step S75 in FIG. 7. 尚、図15の層別因子候補項目で層別因子として抽出されないもの、あるいは採用されていてもカテゴリーが細分化されていない項目、すなわち、図16の6、 Incidentally, those not extracted as a stratified factor stratification factor candidate item 15, or adopted even though category items that are not subdivided, i.e., 6 in FIG. 16,
7、8、13、14、15、16、19行目に示す用途地域や道路区分に関する項目は、ダミー変数として作成して重回帰分析の回帰変数として使用することができる。 Items related to zoning and road segments shown in 7,8,13,14,15,16,19 line, it is possible to create and use as a dummy variable as regression variables in multiple regression analysis. また、重回帰分析においては、回帰説明変数および被説明変数に対して対数変換を施す(図16の4、5、 In the multiple regression analysis, performing logarithmic transformation on regression explanatory variables and the dependent variable (4,5 in Fig. 16,
9、10、17、18行目に示す項目が該当する)ことにより、予測精度の向上を図ることができる。 Items shown 9,10,17,18 row by any) that, it is possible to improve the prediction accuracy.

【0105】価格評価モデルは、上記の沿線格付け(すなわち、沿線クラス)ごとに構築され、まず土地の価格形成に相関を持つと想定される客観的要因(X1、X [0105] valuation model, said wayside rating (i.e., wayside class) is constructed for each, first objective factors (X1, X is assumed to have a correlation to the price formation of land
2、・・・、Xp)を層別因子あるいは説明変数とし、 2, and ···, Xp) and the stratification factors or explanatory variables,
抹消価格を被説明変数(Y)とする「層別重回帰モデル」である。 The cancellation price is "stratified multiple regression model" to the dependent variable (Y). この層別(クラスター別)モデルを用いることにより、例えば土地面積100m の物件とそれ以下の物件とで土地面積1m By using this stratification (by cluster) model, for example in the property land area 100 m 2 and the lower the property land area 1m 当たりの価格が異なる、等の価格と説明変数との複雑な関係のモデル化が可能となる。 Price per 2 are different, modeling complex relationships between price and explanatory variables equal becomes possible.

【0106】この価格評価モデルの構造は、以下の式(2)により表現される。 [0106] The structure of this valuation model is represented by the following equation (2). モデルによる予測値はΣβs Predicted value by the model is Σβs
iXiとなる。 The iXi.

【0107】 U=Tree(V) S=Tree(U,X1,X2,・・・,Xp)=Tree(V,X1,X2 ,・・・,Xp) Y=ΣβsiXi+e (式2) 但し、Uは沿線を因子として分類木によって決定されるエリアセグメント(沿線クラス)、Tree(V)は沿線名Vを層別因子とする分類木、Sは沿線クラス別に分類木によって決定されるセグメント番号、Tree(X [0107] U = Tree (V) S = Tree (U, X1, X2, ···, Xp) = Tree (V, X1, X2, ···, Xp) Y = ΣβsiXi + e (Equation 2) However, U the area segments are determined by the classification tree wayside as a factor (wayside class), tree (V) is a classification tree for the wayside name V and stratification factor, S is the segment number that is determined by the classification tree by the wayside class, tree (X
1,X2,・・・,Xp)はX1,X2,・・・,Xp 1, X2, ···, Xp) is X1, X2, ···, Xp
を層別因子とする分類木、Yは目的変数である抹消価格(抹消m 単価)、βsiはセグメントSに適用するi Classification tree to stratification factor, peripheral price Y is the objective variable (peripheral m 2 bid), Betasi applies to the segment S i
番目の説明変数の回帰パラメータ、Xiはi番目の説明変数、eを誤差とする。 Regression parameters th explanatory variable, Xi is the i-th explanatory variable, and the error of e.

【0108】ステップS151において、層別因子を抽出するとともに、上記のAIDによる分類木を作成する。 [0108] In step S151, the extracts the stratification factor, creating a classification tree according to the above AID.

【0109】図17に層別因子の分類木の一例を示す。 [0109] shows an example of a classification tree of stratified factor in Figure 17.
ここでは、セグメント化の基準となる目的変数を抹消m Here, it deletes the target variable as a reference for segmenting m
単価とし、セグメントを表現する属性情報として図1 And 2 unit price, Fig. 1 as attribute information representing the segment
6の層別因子候補項目を使用した。 Using the stratification factor candidate items of 6. 尚、この層別因子の抽出は上記の沿線クラスター別(エリアセグメントごと)に行う。 Incidentally, extraction of the stratification factor is carried out to the wayside clusters by (each area segment).

【0110】図18は、この各セグメントごとに重回帰変数選択モデルを実行して得られる各ノードの回帰パラメータの推定結果を示す。 [0110] Figure 18 shows the estimation results of the regression parameters for each node obtained by executing multiple regression variable selection model for each the respective segment. 変数の選択基準は、自由度調整済み寄与率(R2乗)の最大基準とし、変数総当たり法により最大基準を満たす変数の組み合わせを求めることができる。 Selection criteria of a variable, the maximum reference of freedom adjusted contribution (R2 square), it is possible to obtain the combination of the variables that satisfy the maximum reference by the variable robin method. 図18中、変数名とノードID(セグメント番号)とが交差する箇所の値が、そのセグメントに該当する各説明変数の回帰係数βsiとなる。 In Figure 18, the value of the portion where the variable name and node ID and (segment number) intersect becomes the regression coefficient βsi of each explanatory variable corresponding to that segment. 回帰係数β Regression coefficient β
siが欠損値(図18中、空白欄で示す)である場合、 If si is missing values ​​(in FIG. 18, indicated by a blank column),
当該変数は価格評価に関係しないことを意味するため0 0 for the variables, which means that it is not related to the price evaluation
とみなすことができる。 It can be regarded as.

【0111】図19は、図2の物件評価情報表示部17 [0111] FIG. 19 is a thing evaluation information display unit shown in FIG. 2 17
0が出力する物件評価情報の出力例を示す。 0 is showing an example of the output of the thing evaluation information that is to be output. 評価を依頼された物件の評価価格帯は4、600〜5、100万円の間であって、評価額算出に特に物件属性情報のうちの「フローリング」の有無の寄与度が高く、ついで角部屋であることや南西向きであることが評価価格算出に影響していることが提示されている。 Evaluation price range of properties that have been asked to evaluation be between 4,600~5,100 yen, the contribution of the presence or absence of "flooring" is high among the particular properties attribute information to the evaluation amount calculation, then the corner it has been presented that affect the evaluation price calculated that it is possible and southwest-facing a room. この物件評価情報には、評価価格に関する情報の他にも、図20に示すように、付帯的に近隣情報として依頼物件の同一駅での売り出し事例あるいは賃貸事例を物件情報データベース70 The property evaluation information, evaluation in addition to the information about the price, as shown in FIG. 20, incidentally listing database 70 the sale case or rental case of the same station requests property as a neighbor information
を検索することにより提示することができる。 It can be presented by searching the. また、物件取引の履歴情報に基づいて、当該市区町村の経時的な市況データを提示することによりユーザーに物件の売却適正時期の判断材料を提供することができる。 Further, it is possible to provide on the basis of the history information of the property transaction, the sale proper timing of decisions the property to the user by presenting a temporal market data of the city.

【0112】図21は、物件評価情報表示部170が、 [0112] FIG. 21 is a thing evaluation information display unit 170,
Web上等で物件評価情報を画面表示した他の出力例を示す。 Showing another output example of the screen displaying the thing evaluation information on the Web choice.

【0113】第1の実施形態によれば、以下の効果が得られる。 [0113] According to the first embodiment, the following effects can be obtained.

【0114】第1の実施形態に係る不動産評価装置10 [0114] Property evaluation apparatus 10 according to a first embodiment
は、エリアの特性の類似性に応じて分類されたクラスター化エリア(エリアセグメント)ごとに価格評価モデルを生成し、この価格評価モデルに基づき対象物件の評価価格を算出する。 Generates a valuation model for each classified clustered area (area segment) according to similarities in the properties of the area, it calculates the evaluation value of the subject property based on the valuation model. また、この価格評価モデルを市況における取引の実勢に対応させて最適化する。 In addition, to optimize so as to correspond to the price evaluation model to the prevailing of transactions in market conditions.

【0115】このため、ユーザーに、売却などを希望する不動産物件について、精度の高い評価格を容易に提供することが可能となる。 [0115] For this reason, the user, for the real estate we wish to the sale, it is possible to easily provide a highly accurate evaluation rating.

【0116】第2の実施形態 以下、本発明の第2の実施形態を、第1の実施形態と異なる点についてのみ、図22および図23を参照して詳細に説明する。 [0116] The second embodiment below, the second embodiment of the present invention, the different from the first embodiment only will be described in detail with reference to FIGS. 22 and 23.

【0117】第2の実施形態は、第1の実施形態に係る不動産評価装置10により得られる物件評価情報を用いて、ユーザ40と不動産業者50との間を仲介する機能を提供する。 [0117] The second embodiment uses the property evaluation information obtained by the real estate evaluation apparatus 10 according to the first embodiment, provide the ability to mediate between the user 40 and the realtor 50.

【0118】図22は、本発明の第2の実施形態に係る不動産業者依頼装置30の機能構成を示すブロック図である。 [0118] Figure 22 is a block diagram showing a functional configuration of a realtor request device 30 according to the second embodiment of the present invention. 尚、図22において図2と同一部分には同一の符号を用い、異なる部分についてのみ説明する。 Incidentally, the same reference numerals are used in FIG. 2, the same parts in FIG. 22, only different portions will be described.

【0119】第2の実施形態に係る不動産業者依頼装置30は、入力部310と、近隣エリア取り扱い実績判定部320と、不動産業者表示部330と、物件評価情報配信部340とを具備して構成される。 [0119] realtor request device 30 according to the second embodiment includes an input unit 310, a close handling performance determination section 320, a real estate agent display unit 330, and and a thing evaluation information distribution unit 340 configured It is.

【0120】入力部310は、第1の実施形態に係る不動産評価装置10と同様の物件評価依頼を入力するとともに、ユーザー40からの不動産業者紹介依頼情報を入力する。 [0120] The input unit 310 inputs the similar property evaluation request real estate evaluation apparatus 10 according to the first embodiment, and inputs the realtor introduction request information from the user 40.

【0121】近隣エリア取り扱い実績判定部320は、 [0121] close handling performance decision unit 320,
不動産業者の情報を含む不動産の取り扱い実績の履歴情報を保有する不動産業者取り扱い実績データベース32 Real estate agent handling record database 32 to retain the history information of the handling performance of real estate, including the information of the real estate agent
0bを評価依頼情報中のエリアをキーに検索して当該エリアあるいは近隣エリアで取り扱い実績のある不動産業者を検索して不動産業者表示部330に送出する。 Searching for areas in evaluation request information 0b key searching for real estate agents with handling proven in the area or nearby areas and sends the realtor display unit 330.

【0122】不動産業者表示部330は、不動産業者ごとの情報を保有する不動産業者データベース320b [0122] realtor display unit 330, realtor database 320b to hold information for each realtor
を、検索された不動産業者の識別子をキーに検索して、 The searches the searched real estate agent of the identifier as a key,
不動産業者情報を出力する。 And outputs a real estate agent information.

【0123】物件評価情報配信部340は、入力部31 [0123] thing evaluation information distribution unit 340, the input unit 31
0からの指示に基づき、ユーザー40が選択した不動産業者名を記載した不動産業者紹介依頼情報に物件評価情報を付与して、売却者紹介情報として不動産業者50に出力する。 Based on an instruction from 0, to grant the thing evaluation information to the real estate agent referral request information describing the real estate agent name that the user 40 has selected, and outputs it to the real estate agent 50 as a seller introduction information.

【0124】図23は、不動産業者表示部330が出力する不動産業者情報提供画面の一例を示す。 [0124] Figure 23 shows an example of a real estate agent information providing screen output by the realtor display unit 330. 不動産業者情報として、不動産業者データベース320bに保有される業者名、会社概要、提供サービス、ユーザー得点、 As a real estate agent information, the merchant name that will be held in the real estate agent database 320b, company overview, provide services, user score,
ユーザー評価の有無等が提示されている。 The presence or absence of user evaluation, etc. are presented. さらに、この不動産業者情報提供に加えて、図1におけるリフォーム業者60aおよび引っ越し業者60b等の紹介情報および手配情報等をユーザーに提供することができる。 Furthermore, in addition to the real estate agent information providing, renovation skilled 60a and referral information such as movers 60b and arranging information like in FIG. 1 can be provided to the user. これにより、ユーザー40は、住み替えに必要な売却物件に関する情報収集、不動産会社選択およびリフォーム・引っ越し手配等のすべてを一箇所にアクセスすることで実現できる、いわゆるワンストップサービスを享受できる。 As a result, the user 40, information collection for sale properties required for the Relocation, all of the real estate company selection and Reform moving arrangements can be realized by access to one place, you can enjoy the so-called one-stop service. 尚、例えばリフォーム業者60aの手配情報には、 It should be noted that, for example, to arrange information of reform trader 60a is,
リフォーム予定時期、物件種別(マンションあるいは一戸建て)、リフォーム希望部位(水回り、居室、外装、 Reform scheduled time period, property type (apartment or single-family), reform desired site (around water, a living room, exterior,
全面等)等の情報が含まれる。 It contains information entirely, or the like) and the like.

【0125】第2の実施形態によれば、第1の実施形態に加えてさらに以下の効果が得られる。 [0125] According to the second embodiment, further the following effects in addition to the first embodiment can be obtained.

【0126】第2の実施形態に係る不動産業者紹介装置30は、第1の実施形態に係る不動産評価装置10とともに図1に示す不動産情報提供システム1を構成し、ユーザーに不動産業者情報を提供するとともに、提供された不動産業者情報からユーザーが選択した不動産業者の紹介依頼情報に物件評価情報を付与して、売却依頼者情報として指定された不動産業者に配信する。 [0126] realtor introduction apparatus 30 according to the second embodiment, together with the real estate evaluation apparatus 10 according to the first embodiment constitutes a real estate information providing system 1 illustrated in FIG. 1, to provide a realtor information to the user with, by giving the thing evaluation information to the real estate agent of the introduction request information selected by the user from the real estate agent information that has been provided, to deliver to the real estate agent that has been designated as the sale of client information. このため、 For this reason,
ユーザーと不動産業者との間の迅速な仲介が可能となる。 Rapid intermediary between the user and the real estate agent is possible.

【0127】尚、上記の実施形態は、それぞれ単独で実施されてもよく、他の実施形態と適宜組み合わされて実施されてもよいことは言うまでもない。 [0127] The above embodiments may be implemented singly, it is needless to say that may be implemented in combination as appropriate with another embodiment.

【0128】また、本発明は上述した実施形態に限定されるものではなく、本発明の本旨を逸脱することなく、 [0128] Further, the present invention is not limited to the embodiments described above without departing from the spirit of the present invention,
種々の変更・変形を成し得ることが可能であることは言うまでもない。 It is needless to say that can be made various changes and deformation. また、これらの変更・変形はすべて本発明の範囲内に含まれるものである。 These changes, modifications are intended to include all within the scope of the present invention.

【0129】 [0129]

【発明の効果】以上説明したように、本発明によれば、 As described in the foregoing, according to the present invention,
以下に記載されるような効果を奏する。 An effect as described below. すなわち、本発明は、エリアの特性の類似性に応じて分類されたクラスター化エリア(エリアセグメント)ごとに価格評価モデルを生成し、この価格評価モデルに基づき対象物件の評価価格を算出する機能を提供する。 That is, the present invention is the ability to generate a valuation model for each classified clustered area according to similarities in the properties of the area (area segments), calculates the evaluation value of the subject property based on the valuation model provide. また、この価格評価モデルを市況における取引の実勢に対応させて補正する機能を提供する。 In addition, to provide a function to correct so as to correspond to the price evaluation model to the prevailing of transactions in market conditions. さらに、得られた評価価格情報に基づき、ユーザーと不動産業者などを仲介する機能を提供する。 Furthermore, based on the obtained evaluation value information, which provides the ability to mediate such users and real estate agents.

【0130】これにより、ユーザーに、売却、買い換えあるいは借り換えなどを希望する不動産物件について、 [0130] In this way, the user, sale, for Kaikae or real estate that you wish to, such as refinancing,
精度の高い評価額を容易に提供することが可能となる。 It is possible to easily provide a high valuation accuracy.
このため、ユーザーは、妥当な交渉価格で早期に対象物件を売却することが可能となる。 For this reason, the user, it is possible to sell the subject property at an early stage at a reasonable negotiated price. また、この評価価格情報を用いて、ユーザーに売却を仲介する不動産業者を紹介するとともに、不動産業者、リフォーム業者および引っ越し業者等に見込み顧客の情報を提供することが可能となる。 In addition, by using this evaluation price information, as well as introduce a real estate agent to mediate the sale to the user, real estate agent, it is possible to provide the information of potential customers to reform skilled in the art and move skilled in the art. あるいは、これら見込み顧客の情報を金融機関などに提供して担保評価に用いることもできる。 Alternatively, it can also be used as collateral evaluation provides information of these potential customers such as financial institutions.

【0131】このように、本発明を用いれば、不動産物件の迅速かつ効率のよい流通の促進が実現される。 [0131] Thus, using the present invention, rapid and facilitate the efficient distribution of real estate can be realized.

【図面の簡単な説明】 BRIEF DESCRIPTION OF THE DRAWINGS

【図1】本発明に係る不動産情報提供システムの全体の機能構成を示すブロック図である。 Is a block diagram showing an overall functional configuration of the real estate information providing system according to the present invention; FIG.

【図2】第1の実施形態に係る不動産評価装置の機能構成を示すブロック図である。 2 is a block diagram showing a functional configuration of the real estate evaluation apparatus according to the first embodiment.

【図3】図2の価格評価モデル生成部200の詳細な機能構成を示すブロック図である。 3 is a block diagram showing a detailed functional configuration of a valuation model generation unit 200 of FIG.

【図4】クラスター化された沿線特徴別セグメントと価格評価モデルとの関係を説明する図である。 4 is a diagram illustrating the relationship between the clustered wayside feature segments and valuation model.

【図5】エリアクラスター化部210が行うエリアクラスター化処理の処理手順を示すフローチャートである。 5 is a flowchart showing a processing procedure of the area clustering processing area clustering unit 210 performs.

【図6】沿線クラスター化部220が行う沿線クラスター化処理の処理手順を示すフローチャートである。 6 is a flowchart showing a processing procedure of wayside clustering process wayside clustering unit 220 performs.

【図7】価格評価モデル作成部230が行う価格評価モデル作成処理の処理手順を示すフローチャートである。 7 is a flowchart showing a processing procedure of valuation model creation processing valuation model creation part 230 performs.

【図8】価格評価モデル最適化部240が行う価格評価モデル最適化処理の処理手順を示すフローチャートである。 8 is a flowchart showing a processing procedure of valuation model optimization unit 240 performs valuation model optimization process.

【図9】エリア属性情報、沿線属性情報および物件属性情報のデータ項目の一例を説明する図である。 [9] area attribute information, which is a diagram illustrating an example of a data item wayside attribute information and property attribute information.

【図10】マンションの物件評価依頼情報として入力される個人情報部分の入力フォームの一例を説明する図である。 10 is a diagram illustrating an example of an input form for personal information part inputted as property evaluation request information apartment.

【図11】マンションの物件評価依頼情報として入力される物件情報部分の入力フォームの一例を説明する図である。 11 is a diagram illustrating an example of an input form of property information part inputted as property evaluation request information apartment.

【図12】一戸建ての物件評価依頼情報として入力される物件情報部分の入力フォームの一例を説明する図である。 12 is a diagram illustrating an example of an input form of property information part inputted as thing evaluation request information detached.

【図13】エリアクラスター化処理に用いられるエリア属性情報の項目の一例を説明する図である。 13 is a diagram illustrating an example of items of area attribute information used in the area clustering process.

【図14】沿線クラスター化処理で分類木法で分類されたエリア(セグメント)の一例を説明する図である。 14 is a diagram illustrating an example of areas that have been classified by the classification tree method at wayside clustering process (segment).

【図15】価格評価モデル作成処理に用いられる層別因子の候補項目の一例を説明する図である。 15 is a diagram for explaining an example of candidate items stratification factors used in the valuation model creation process.

【図16】価格評価モデル作成処理に用いられる回帰分析要説明変数の候補項目の一例を説明する図である。 16 is a diagram for explaining an example of candidate items regression analysis principal explanatory variables used in the valuation model creation process.

【図17】価格評価モデル作成処理で分類木法で分類された層別因子の一例を説明する図である。 FIG. 17 is a diagram illustrating an example of the price evaluation classified stratification factor in the classification tree method in the model creation process.

【図18】層別重回帰分析における各パラメータ値の一覧を示す図である。 18 is a diagram showing a list of the parameter values ​​in the stratification multiple regression analysis.

【図19】第1の実施形態に係る不動産評価装置10の物件評価情報表示部170が出力する物件評価情報の出力フォームの一例を示す図である。 19 is a diagram showing an example of an output form the property evaluation information thing evaluation information display unit 170 of the real estate evaluation apparatus 10 according to the first embodiment is output.

【図20】図190の物件評価情報に付加して出力フォームに出力される付帯情報の一例を示す図である。 20 is a diagram illustrating an example of supplementary information in addition to property evaluation information in Fig. 190 is output to the output form.

【図21】物件評価情報表示部170が出力する物件評価情報の出力画面の一例を示す図である。 21 is a diagram showing an example of an output screen of the property evaluation information thing evaluation information display unit 170 is output.

【図22】本発明の第2の実施形態に係る不動産業者紹介装置30の機能構成を示すブロック図である。 FIG. 22 is a block diagram showing a functional configuration of a realtor introduction apparatus 30 according to a second embodiment of the present invention.

【図23】不動産業者表示部330が出力する不動産業者情報の出力画面の一例を示す図である。 23 is a diagram showing an example of an output screen of the realtor information realtor display unit 330 outputs.

【図24】所有不動産を売却するユーザーの売却までの手順を説明するフローチャートである。 [Figure 24] to sell the real estate owned is a flowchart for explaining the procedure until the sale of the user.

【符号の説明】 DESCRIPTION OF SYMBOLS

1 不動産情報提供システム 10 不動産評価装置 30 不動産業者依頼装置 40 住み替え希望ユーザー 50 不動産業者 60a リフォーム業者 60b 引っ越し業者 70 物件情報データベース 80 個人情報データベース 110、310 入力部 120 前処理部 120a 売り出し事例DB 120b 公示価格基準地価DB 120c 近隣賃貸DB 120d 価格評価モデルDB 130 エリアセグメント判定部 140 沿線セグメント判定部 150 価格評価モデル選択部 160 価格算出部 170 物件評価情報表示部 180a 近隣売り出し事例検索部 180b 近隣公示価格検索部 180c 近隣賃貸事例検索部 200 価格評価モデル生成部 210 エリアクラスター化部 220 沿線クラスター化部 230 価格評価モデル作成部 240 1 Property information providing system 10 Property evaluation device 30 realtor requesting apparatus 40 Relocation desired user 50 realtor 60a remodeling skilled 60b movers 70 listing database 80 the personal information database 110, 310 input unit 120 pre-processing unit 120a selling case DB 120b advertised Price reference land value DB 120c close rental DB 120d valuation model DB 130 area segment determination unit 140 wayside segment determination unit 150 valuation model selection unit 160 price calculation unit 170 thing evaluation information display section 180a neighboring sale case searching unit 180b close posted price search parts 180c close rental case retrieval unit 200 valuation model generating unit 210 area clustering unit 220 wayside clustering unit 230 valuation model creation part 240 価格評価モデル最適化部 320 近隣エリア取り扱い実績判定部 320b 不動産業者取り扱い実績DB 330 不動産業者表示部 330b 不動産業者DB 340 物件評価情報配信部 Price evaluation model optimizing unit 320 close handling performance determination unit 320b real estate agent handling the actual DB 330 real estate agent display section 330b real estate agent DB 340 thing evaluation information distribution unit

───────────────────────────────────────────────────── フロントページの続き (72)発明者 早川 信也 東京都中央区銀座7−3−5 株式会社リ クルート内 (72)発明者 谷岡 日出男 東京都港区赤坂1−2−2 株式会社金融 エンジニアリング・グループ内 (72)発明者 佐野 繁夫 東京都港区赤坂1−2−2 株式会社金融 エンジニアリング・グループ内 Fターム(参考) 5B049 BB11 CC00 CC44 CC45 EE00 EE31 ────────────────────────────────────────────────── ─── of the front page continued (72) inventor Shinya Hayakawa Ginza, Chuo-ku, Tokyo 7-3-5 Co., Ltd. Li in Clute (72) inventor Hideo Tanioka Akasaka, Minato-ku, Tokyo 1-2-2 Co., Ltd. financial engineering within the group (72) inventor Shigeo Sano Akasaka, Minato-ku, Tokyo 1-2-2 Co., Ltd. financial engineering group within the F-term (reference) 5B049 BB11 CC00 CC44 CC45 EE00 EE31

Claims (31)

    【特許請求の範囲】 [The claims]
  1. 【請求項1】 与えられた不動産物件の予測価格を算出する不動産評価装置であって、 入力される物件データにより不動産物件の予測価格を算出する価格評価モデルを、相互に類似するエリアの特性を有する1つまたは複数のエリアからなるセグメントごとに生成する評価モデル生成部と、 前記価格評価モデルを記憶する評価モデル記憶部と、 前記物件データに基づき、評価対象となる不動産物件が属するセグメントを判定するセグメント判定部と、 前記セグメント判定部により判定されたセグメントに対応する価格評価モデルを、前記評価モデル記憶部から選択する評価モデル選択部と、 前記評価モデル選択部により選択された価格評価モデルに基づいて、前記不動産物件の予測価格を算出する評価部とを具備することを特徴とする不動 1. A real estate evaluation device calculates a predicted value of a given real estate, the valuation model to calculate the predicted value of the real estate by property data input, the characteristics of the area to be similar to each other determining an evaluation model generating unit for generating for each segment consisting of one or more areas, and evaluate the model storage unit for storing the valuation model, based on the property data, a segment real estate belongs to be evaluated have a segment determining unit that, the valuation models corresponding to the segment that is determined by the segment determination unit, an evaluation model selection unit that selects from the evaluation model storage unit, the selected by the evaluation model selection unit valuation model immobility based on, characterized by comprising an evaluation unit for calculating a predicted value of the real estate 評価装置。 Evaluation device.
  2. 【請求項2】 前記評価モデル生成部は、 不動産物件が属するエリアの属性を示すエリア属性情報に基づいて、各エリア間の類似度を算出し、与えられたエリア群を、算出された前記類似度に従ってクラスター化してセグメント群を得るエリア分類部と、 前記エリア分類部により得られたセグメントごとに、該セグメントに属する不動産物件の属性を示す物件属性情報に基づいて、統計分析により前記価格評価モデルを生成するモデル生成部とを具備することを特徴とする請求項1に記載の不動産評価装置。 Wherein said evaluation model generating unit, based on area attribute information indicating an attribute of the area real estate belongs, calculates the similarity between the respective areas, said given area group, the calculated similarity an area classifying unit for obtaining a segment group are clustered according to degrees, for each segment obtained by the area classifying unit, on the basis of the property attribute information indicating an attribute of a real estate property belonging to the segment, the valuation model by statistical analysis Property evaluation apparatus according to claim 1, characterized in that it comprises a model generating unit for generating a.
  3. 【請求項3】 前記統計分析は、層別重回帰分析によることを特徴とする請求項2に記載の不動産評価装置。 Wherein the statistical analysis, real estate evaluation apparatus according to claim 2, characterized in that by stratified multiple regression analysis.
  4. 【請求項4】 前記エリア分類部は、さらに、 クラスター化されたセグメント群を、 沿線の格付けを示す沿線属性情報に基づいて、さらにクラスター化して第2のセグメント群を得、 前記モデル生成部は、前記第2のセグメント群に対応する前記価格評価モデルを生成することを特徴とする請求項2または3に記載の不動産評価装置。 Wherein said area classification unit is further a clustered segment group, based on the wayside attribute information indicating wayside rating, give the second segment group and further clustering, the model generating unit real estate evaluation apparatus according to claim 2 or 3, characterized in that generating the valuation model corresponding to the second segment group.
  5. 【請求項5】 前記エリア属性情報は、少なくとも、単位エリアの人口に関する人口指数、人口当たりの生産性を示す生産性指数、単位当たりの消費指数を示す消費指数および単位当たりの文化度を示す文化指数のうちの1 Wherein said area attribute information, at least, the population index for population unit area, productivity index showing the productivity per capita, culture showing the cultural degree per consumption index and unit indicating the consumption index per unit one of the index
    つ以上を含むことを特徴とする請求項2、3または4に記載の不動産評価装置。 One or more real estate evaluation device according to claim 2, 3 or 4, characterized in that it comprises a.
  6. 【請求項6】 前記沿線属性情報は、 沿線ごとの坪単価を示す沿線格付け指数を含むことを特徴とする請求項4または5のいずれか記載の不動産評価装置。 Wherein said wayside attribute information, real estate evaluation apparatus according to claim 4 or 5, characterized in that it comprises a wayside rating index indicating a basis unit price per wayside.
  7. 【請求項7】 前記物件属性情報は、少なくとも、 不動産物件の交通上の利便性を示す利便性情報、前記不動産物件のメンテナンスの程度を示すメンテナンス情報、前記不動産物件の設備仕様を示す設備情報、前記不動産物件のガスおよび水道敷設状況を示す都市基盤情報、前記不動産物件の属する土地区画の単価を示す単価情報、前記不動産物件の法規上の制約条件を示す制約情報、住宅あるいは土地の面積あるいは構造を示す構造情報および前記不動産物件の売却主体の付与する売主条件情報のうちの1つ以上を含むことを特徴とする請求項2、3、4、5または6のいずれか記載の不動産評価装置。 7. The said property attribute information is, at least, the convenience of information that indicates the traffic on the convenience of real estate property, the maintenance information indicating the degree of real estate maintenance, equipment information indicating the equipment specifications of the real estate, the real estate gas and urban infrastructure information indicating the tap installation situation, the unit price information showing a price of parcels belong real estate, constraint information indicating a constraint of the rules of the real estate, housing or land area or structure Property evaluation apparatus according to any one of claims 2, 3, 4, 5 or 6, characterized in that it comprises one or more of the structural information and the vendor condition information to grant the sale subject of real estate showing a.
  8. 【請求項8】 上記不動産評価装置は、さらに、 過去の不動産の売却情報の履歴を蓄積する売却履歴記憶部と、 前記売却情報の履歴に基づいて、前記価格評価モデルを最適化する評価モデル最適化部とを具備することを特徴とする請求項1、2、3、4、5、6または7のいずれか記載の不動産評価装置。 8. The property evaluation apparatus further includes a sales history storage unit for storing a history of sales information of past real estate, based on the history of the sale information, evaluation model best to optimize the valuation model Property evaluation apparatus according to claim 3, 4, 5, 6 or 7, characterized by comprising a unit.
  9. 【請求項9】 上記不動産評価装置は、さらに、 前記評価部により算出された前記予測価格を、所定の幅の価格帯により提示するとともに、前記物件属性情報の中で前記予測価格の算出に相対的に寄与した一部の物件属性情報を提示する評価情報提示部を具備することを特徴とする請求項1、2、3、4、5、6、7または8のいずれか記載の不動産評価装置。 9. The property evaluation apparatus further relative to the predicted value calculated by the evaluation unit, with presents the price range of a predetermined width, the calculation of the predicted value in the property attribute information Property evaluation apparatus according to claim 7 or 8, characterized in that it comprises an evaluation information presentation unit that presents contribute the portion of property attribute information .
  10. 【請求項10】 前記評価情報提示部は、さらに、 前記予測価格を、経時的推移として提示することを特徴とする請求項9に記載の不動産評価装置。 Wherein said evaluation information presentation unit further the predicted price, real estate evaluation apparatus according to claim 9, characterized in that presented as time course.
  11. 【請求項11】 与えられた不動産物件の予測価格を算出する不動産評価方法であって、 入力される物件データにより不動産物件の予測価格を算出する価格評価モデルを、相互に類似するエリアの特性を有する1つまたは複数のエリアからなるセグメントごとに生成する評価モデル生成ステップと、 前記物件データに基づき、評価対象となる不動産物件が属するセグメントを判定するセグメント判定ステップと、 前記セグメント判定ステップにより判定されたセグメントに対応する価格評価モデルを、前記価格評価モデルの中から選択する評価モデル選択ステップと、 前記評価モデル選択処理により選択された価格評価モデルに基づいて、前記不動産物件の予測価格を算出する評価ステップとを含むことを特徴とする不動産評価方法。 11. A property evaluation method of calculating a predicted value of a given real estate, the valuation model to calculate the predicted value of the real estate by property data input, the characteristics of the area to be similar to each other one or evaluation model generation step of generating for each segment comprising a plurality of areas having, based on said property data, is determined and the segment determination step of determining a segment real estate belongs to be evaluated, by the segment determination step the valuation model corresponding to the segments, wherein an evaluation model selection step of selecting from among valuation models, based on the valuation model selected by the evaluation model selection process, calculates a predicted value of the real estate Property evaluation method characterized by including the evaluation step.
  12. 【請求項12】 前記評価モデル生成ステップは、 不動産物件が属するエリアの属性を示すエリア属性情報に基づいて、各エリア間の類似度を算出し、与えられたエリア群を、算出された前記類似度に従ってクラスター化してセグメント群を得るエリア分類ステップと、 前記エリア分類ステップにより得られたセグメントごとに、該セグメントに属する不動産物件の属性を示す物件属性情報に基づいて、統計分析により前記価格評価モデルを生成するモデル生成ステップとを含むことを特徴とする請求項11に記載の不動産評価方法。 12. The evaluation model generating step, based on area attribute information indicating an attribute of the area real estate belongs, calculates the similarity between the respective areas, said given area group, the calculated similarity and area classification to obtain a segment group are clustered according to degrees, for each segment obtained by the area classifying step, on the basis of the property attribute information indicating an attribute of a real estate property belonging to the segment, the valuation model by statistical analysis Property evaluation method according to claim 11, characterized in that it comprises a model generating step of generating.
  13. 【請求項13】 前記統計分析は、層別重回帰分析によることを特徴とする請求項12に記載の不動産評価方法。 Wherein said statistical analysis, real estate evaluation method according to claim 12, characterized in that by stratified multiple regression analysis.
  14. 【請求項14】 前記エリア分類ステップは、さらに、 クラスター化されたセグメント群を、 沿線の格付けを示す沿線属性情報に基づいて、さらにクラスター化して第2のセグメント群を得、 前記モデル生成ステップは、前記第2のセグメント群に対応する前記価格評価モデルを生成することを特徴とする請求項12または13に記載の不動産評価方法。 14. The method of claim 13, wherein the area classifying step further, the clustered segment group, based on the wayside attribute information indicating wayside rating, give the second segment group and further clustering, the model generating step real estate evaluation method according to claim 12 or 13, characterized in that generating the valuation model corresponding to the second segment group.
  15. 【請求項15】 前記エリア属性情報は、少なくとも、 15. The area attribute information, at least,
    単位エリアの人口に関する人口指数、人口当たりの生産性を示す生産性指数、単位当たりの消費指数を示す消費指数および単位当たりの文化度を示す文化指数のうちの1つ以上を含むことを特徴とする請求項11、12、1 Population index for population unit area, and characterized in that it comprises one or more of the culture index indicating a culture of per consumption index and unit indicating the consumption index of the productivity index per unit indicating the productivity per capita claim to 11,12,1
    3または14に記載の不動産評価方法。 Real estate evaluation method according to the 3 or 14.
  16. 【請求項16】 前記沿線属性情報は、 沿線ごとの坪単価を示す沿線格付け指数を含むことを特徴とする請求項14または15のいずれか記載の不動産評価方法。 16. The wayside attribute information, real estate evaluation method according to claim 14 or 15, characterized in that it comprises a wayside rating index indicating a basis unit price per wayside.
  17. 【請求項17】 前記物件属性情報は、少なくとも、 不動産物件の交通上の利便性を示す利便性情報、前記不動産物件のメンテナンスの程度を示すメンテナンス情報、前記不動産物件の設備仕様を示す設備情報、前記不動産物件のガスおよび水道敷設状況を示す都市基盤情報、前記不動産物件の属する土地区画の単価を示す単価情報、前記不動産物件の法規上の制約条件を示す制約情報、住宅あるいは土地の面積あるいは構造を示す構造情報および前記不動産物件の売却主体の付与する売主条件情報のうちの1つ以上を含むことを特徴とする請求項1 17. The method of claim 16, wherein property attribute information is, at least, the convenience of information that indicates the traffic on the convenience of real estate property, the maintenance information indicating the degree of real estate maintenance, equipment information indicating the equipment specifications of the real estate, the real estate gas and urban infrastructure information indicating the tap installation situation, the unit price information showing a price of parcels belong real estate, constraint information indicating a constraint of the rules of the real estate, housing or land area or structure Granting sale principal structural information and the real estate showing the claims, characterized in that it comprises one or more of the seller condition information 1
    2、13、14、15または16のいずれか記載の不動産評価方法。 Real estate evaluation method according to any one of 2,13,14,15 or 16.
  18. 【請求項18】 上記不動産評価方法は、さらに、 過去の不動産の売却情報の履歴を蓄積する売却履歴記憶ステップと、 前記売却情報の履歴に基づいて、前記価格評価モデルを最適化する評価モデル最適化ステップとを含むことを特徴とする請求項11、12、13、14、15、16または17のいずれか記載の不動産評価方法。 18. The property evaluation method may further include the sale history storage step of storing a history of sales information of past real estate, based on the history of the sale information, evaluation model best to optimize the valuation model Property evaluation method according to any one of claims 11, 12 or 17, characterized in that it comprises a step.
  19. 【請求項19】 上記不動産評価方法は、さらに、 前記評価ステップにより算出された前記予測価格を、所定の幅の価格帯により提示するとともに、前記物件属性情報の中で前記予測価格の算出に相対的に寄与した一部の物件属性情報を提示する評価情報提示ステップを含むことを特徴とする請求項11、12、13、14、1 19. The property evaluation method may further relative to the predicted value calculated by the evaluation step, as well as presented by price range having a predetermined width, the calculation of the predicted value in the property attribute information claim, characterized in that it comprises an evaluation information presenting step of presenting contribute the portion of property attribute information 11,12,13,14,1
    5、16、17または18のいずれか記載の不動産評価方法。 Real estate evaluation method according to any one of 5,16,17 or 18.
  20. 【請求項20】 前記評価情報提示ステップは、さらに、 前記予測価格を、経時的推移として提示することを特徴とする請求項19に記載の不動産評価方法。 20. presenting step wherein the evaluation information further property evaluation method according to claim 19, wherein the presenting the prediction value, as time course.
  21. 【請求項21】 与えられた不動産物件の予測価格を算出する不動産評価処理をコンピュータに実行させるプログラムを格納するコンピュータ読み取り可能な記録媒体であって、 入力される物件データにより不動産物件の予測価格を算出する価格評価モデルを、相互に類似するエリアの特性を有する1つまたは複数のエリアからなるセグメントごとに生成する評価モデル生成処理と、 前記物件データに基づき、評価対象となる不動産物件が属するセグメントを判定するセグメント判定処理と、 前記セグメント判定処理により判定されたセグメントに対応する価格評価モデルを、前記価格評価モデルの中から選択する評価モデル選択処理と、 前記評価モデル選択処理により選択された価格評価モデルに基づいて、前記不動産物件の予測価格を 21. A computer-readable recording medium storing a program for executing the real estate evaluation process on the computer to calculate a predicted value of the real estate given, the predicted value of the real estate by property data input segment calculation to valuation models, one or a rating model generation process of generating for each segment comprising a plurality of areas having a characteristic of an area similar to one another, on the basis of the property data, real estate to be evaluated belongs and determining the segment determination processing, the valuation models corresponding to the segment that is determined by the segment determination process, the evaluation model selection process for selecting from among the valuation model, price selected by the evaluation model selection process based on the evaluation model, the predicted price of the real estate property 出する評価処理とを含むことを特徴とするコンピュータ読み取り可能な記録媒体。 A computer-readable recording medium characterized in that it comprises an evaluation process for output.
  22. 【請求項22】 前記評価モデル生成処理は、 不動産物件が属するエリアの属性を示すエリア属性情報に基づいて、各エリア間の類似度を算出し、与えられたエリア群を、算出された前記類似度に従ってクラスター化してセグメント群を得るエリア分類処理と、 前記エリア分類処理により得られたセグメントごとに、 22. The evaluation model generation processing, based on area attribute information indicating an attribute of the area real estate belongs, calculates the similarity between the respective areas, said given area group, the calculated similarity and area classification process to obtain a segment group are clustered according to degrees, for each segment obtained by the area classification process,
    該セグメントに属する不動産物件の属性を示す物件属性情報に基づいて、統計分析により前記価格評価モデルを生成するモデル生成処理とを含むことを特徴とする請求項21に記載のコンピュータ読み取り可能な記録媒体。 Based on the property attribute information indicating an attribute of a real estate property belonging to the segment, a computer-readable recording medium according to claim 21, characterized in that it comprises a model generation processing that generates the valuation model by statistical analysis .
  23. 【請求項23】 前記統計分析は、層別重回帰分析によることを特徴とする請求項22に記載のコンピュータ読み取り可能な記録媒体。 23. The statistical analysis, computer-readable recording medium according to claim 22, characterized in that by stratified multiple regression analysis.
  24. 【請求項24】 前記エリア分類処理は、さらに、 クラスター化されたセグメント群を、 沿線の格付けを示す沿線属性情報に基づいて、さらにクラスター化して第2のセグメント群を得、 前記モデル生成処理は、前記第2のセグメント群に対応する前記価格評価モデルを生成することを特徴とする請求項22または23に記載のコンピュータ読み取り可能な記録媒体。 24. The area classification process, further, the clustered segment group, based on the wayside attribute information indicating wayside rating, give the second segment group and further clustering, the model generation process , the second computer-readable recording medium according to claim 22 or 23, characterized in that generating the valuation models corresponding to the segment group.
  25. 【請求項25】 前記エリア属性情報は、少なくとも、 25. The area attribute information, at least,
    単位エリアの人口に関する人口指数、人口当たりの生産性を示す生産性指数、単位当たりの消費指数を示す消費指数および単位当たりの文化度を示す文化指数のうちの1つ以上を含むことを特徴とする請求項21、22、2 Population index for population unit area, and characterized in that it comprises one or more of the culture index indicating a culture of per consumption index and unit indicating the consumption index of the productivity index per unit indicating the productivity per capita claim to 21,22,2
    3または24のいずれか記載のコンピュータ読みとリ可能な記録媒体。 Computer reading and re capable recording medium according to any of 3 or 24.
  26. 【請求項26】 前記沿線属性情報は、 沿線ごとの坪単価を示す沿線格付け指数を含むことを特徴とする請求項24または25のいずれか記載のコンピュータ読み取り可能な記録媒体。 26. The wayside attribute information, a computer-readable recording medium according to claim 24 or 25, characterized in that it comprises a wayside rating index indicating a basis unit price per wayside.
  27. 【請求項27】 前記物件属性情報は、少なくとも、 不動産物件の交通上の利便性を示す利便性情報、前記不動産物件のメンテナンスの程度を示すメンテナンス情報、前記不動産物件の設備仕様を示す設備情報、前記不動産物件のガスおよび水道敷設状況を示す都市基盤情報、前記不動産物件の属する土地区画の単価を示す単価情報、前記不動産物件の法規上の制約条件を示す制約情報、住宅あるいは土地の面積あるいは構造を示す構造情報および前記不動産物件の売却主体の付与する売主条件情報のうちの1つ以上を含むことを特徴とする請求項2 27. The article attribute information, at least, usability information indicating the traffic on the convenience of real estate, the maintenance information indicating the degree of real estate maintenance, equipment information indicating the equipment specifications of the real estate, the real estate gas and urban infrastructure information indicating the tap installation situation, the unit price information showing a price of parcels belong real estate, constraint information indicating a constraint of the rules of the real estate, housing or land area or structure the grant of the sale subject of structural information and the real estate show, characterized in that it comprises one or more of the vendor condition information according to claim 2
    2、23、24、25または26のいずれか記載のコンピュータ読み取り可能な記録媒体。 A computer-readable recording medium according to any one of 2,23,24,25 or 26.
  28. 【請求項28】 上記コンピュータ読み取り可能な記録媒体は、さらに、 過去の不動産の売却情報の履歴を蓄積する売却履歴記憶処理と、 前記売却情報の履歴に基づいて、前記価格評価モデルを最適化する評価モデル最適化処理とを含むことを特徴とする請求項21、22、23、24、25、26または27のいずれか記載のコンピュータ読み取り可能な記録媒体。 28. The computer-readable recording medium may further include a sale history storing process of accumulating a history of sales information of past real estate, based on the history of the sale information to optimize the valuation model a computer-readable recording medium according to claim 21,22,23,24,25,26 or 27, characterized in that it comprises an evaluation model optimization process.
  29. 【請求項29】 上記コンピュータ読み取り可能な記録媒体は、さらに、 前記評価処理により算出された前記予測価格を、所定の幅の価格帯により提示するとともに、前記物件属性情報の中で前記予測価格の算出に相対的に寄与した一部の物件属性情報を提示する評価情報提示処理を含むことを特徴とする請求項21、22、23、24、25、26、 29. The computer-readable recording medium may further the prediction value calculated by the evaluation process, as well as presented by price range of a predetermined width, of the prediction value in the property attribute information claim 21,22,23,24,25,26, characterized in that it comprises an evaluation information presentation processing of presenting a relatively contribution was part of property attribute information to calculate,
    27または28のいずれか記載のコンピュータ読み取り可能な記録媒体。 A computer-readable recording medium according to any one of 27 or 28.
  30. 【請求項30】 前記評価情報提示処理は、さらに、 前記予測価格を、経時的推移として提示することを特徴とする請求項29に記載のコンピュータ読み取り可能な記録媒体。 30. The evaluation information presentation process further, the predicted value, a computer-readable recording medium according to claim 29, characterized in that presented as time course.
  31. 【請求項31】 与えられた不動産物件の予測価格を算出するとともに、ユーザーおよび不動産業者に前記予測価格を介して不動産情報を提供する不動産情報提供システムであって、 入力される物件データにより不動産物件の予測価格を算出する価格評価モデルを、相互に類似するエリアの特性を有する1つまたは複数のエリアからなるセグメントごとに生成する評価モデル生成部と、 前記物件データに基づき、評価対象となる不動産物件が属するセグメントを判定するセグメント判定部と、 前記セグメント判定部により判定されたセグメントに対応する評価モデルを、前記評価モデルの中から選択する評価モデル選択部と、 前記評価モデル選択部により選択された評価モデルに基づいて、前記不動産物件の予測価格を算出する評価部とを 31. A calculates a prediction value of the real estate given, a real estate information providing system for providing real estate information via the prediction value to the user and real estate agent, real estate by property data input predicting valuation model for calculating the price, the evaluation model generation unit which generates for each segment consisting of one or more areas having the characteristics of the area to be similar to each other, on the basis of the property data, property to be evaluated for and determining segment determining unit segments property belongs, the evaluation model corresponding to the segment is determined by the segment determination unit, an evaluation model selection unit that selects from among the evaluation model, selected by the evaluation model selection unit based on the evaluation model, and an evaluation unit for calculating the predicted price of the real estate property 備する不動産評価装置と、 入力された前記不動産データの評価対象物件が属するエリアあるいは近傍のエリアにおける取り扱い実績の有無を判定する取り扱い実績判定部と、 過去の取り扱い物件ごとに不動産業者に関する不動産業者情報を記憶する不動産業者情報記憶部と、 前記取り扱い実績があると判定された不動産業者を、前記不動産業者情報記憶部から検索し、検索された不動産業者のリストである不動産業者情報を提示する不動産業者情報提示部と、 指定された不動産業者の紹介依頼情報に、前記不動産評価装置の評価部が出力する評価価格情報を付与して前記指定された不動産業者に配信する紹介情報配信部とを具備する不動産業者依頼装置とを具備することを特徴とする不動産情報提供システム。 And property evaluation apparatus for Bei, and handling performance determination unit determines the presence or absence of handling performance in the inputted property evaluation property belongs area or the neighborhood area data, realtor information on real estate agents for each past handling properties a realtor information storage unit for storing, the determined real estate agent and have the handling performance, the realtor information retrieved from the storage unit, realtor presenting the realtor information is a list of the retrieved realtor and the information presentation unit, to the introduction request information of the designated real estate agent, comprising the introductory information distribution unit to be delivered to the real estate agent that has been the designated evaluation price information by applying the evaluation unit outputs of the real estate evaluation device Property information providing system characterized by comprising a realtor requesting apparatus.
JP29885699A 1999-10-20 1999-10-20 Device and method for evaluating real estate, recording medium storing real estate evaluation program and real estate information providing system Pending JP2001117973A (en)

Priority Applications (1)

Application Number Priority Date Filing Date Title
JP29885699A JP2001117973A (en) 1999-10-20 1999-10-20 Device and method for evaluating real estate, recording medium storing real estate evaluation program and real estate information providing system

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
JP29885699A JP2001117973A (en) 1999-10-20 1999-10-20 Device and method for evaluating real estate, recording medium storing real estate evaluation program and real estate information providing system

Publications (1)

Publication Number Publication Date
JP2001117973A true true JP2001117973A (en) 2001-04-27

Family

ID=17865089

Family Applications (1)

Application Number Title Priority Date Filing Date
JP29885699A Pending JP2001117973A (en) 1999-10-20 1999-10-20 Device and method for evaluating real estate, recording medium storing real estate evaluation program and real estate information providing system

Country Status (1)

Country Link
JP (1) JP2001117973A (en)

Cited By (13)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
JP2002366628A (en) * 2001-06-12 2002-12-20 Takuji Tawara Land value fluctuation rate calculation system from detached house price, land value fluctuation rate calculation method and storage medium with stored land value fluctuation rate calculation program
JP2003006302A (en) * 2001-06-25 2003-01-10 Misawa Homes Co Ltd Real estate evaluation sheet, real estate-evaluating method, real estate-evaluating device, real estate- evaluating system and information for real estate evaluation
JP2006209699A (en) * 2005-01-31 2006-08-10 Fujitsu Ltd Lgd calculation device
JP2006343879A (en) * 2005-06-07 2006-12-21 Renter's Agent:Kk Property information distribution device, its control method, and control program
JP2012502375A (en) * 2008-09-09 2012-01-26 トゥルーカー インコーポレイテッド System and method for calculating and displaying the price distribution based on the transaction analysis
JP2013143011A (en) * 2012-01-11 2013-07-22 Tokyo Kantei:Kk Case presentation system, property assessment system using the same and case presentation program
JP2014229143A (en) * 2013-05-23 2014-12-08 住友電気工業株式会社 District similarity calculation device and method for calculating district similarity
WO2016136056A1 (en) * 2015-02-27 2016-09-01 ソニー株式会社 Information processing device, information processing method, and program
KR101755182B1 (en) * 2017-02-17 2017-07-19 김동진 A System For Providing Appraisal Of Assessment Of Real Estate Building
US9767491B2 (en) 2008-09-09 2017-09-19 Truecar, Inc. System and method for the utilization of pricing models in the aggregation, analysis, presentation and monetization of pricing data for vehicles and other commodities
JP2017228098A (en) * 2016-06-22 2017-12-28 株式会社コラビット Real estate deal device, method and program
JP2018072868A (en) * 2016-10-24 2018-05-10 有限会社村上不動産鑑定士事務所 Real estate evaluation system and real estate evaluation method
US10108989B2 (en) 2011-07-28 2018-10-23 Truecar, Inc. System and method for analysis and presentation of used vehicle pricing data

Cited By (22)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
JP2002366628A (en) * 2001-06-12 2002-12-20 Takuji Tawara Land value fluctuation rate calculation system from detached house price, land value fluctuation rate calculation method and storage medium with stored land value fluctuation rate calculation program
JP2003006302A (en) * 2001-06-25 2003-01-10 Misawa Homes Co Ltd Real estate evaluation sheet, real estate-evaluating method, real estate-evaluating device, real estate- evaluating system and information for real estate evaluation
JP2006209699A (en) * 2005-01-31 2006-08-10 Fujitsu Ltd Lgd calculation device
JP2006343879A (en) * 2005-06-07 2006-12-21 Renter's Agent:Kk Property information distribution device, its control method, and control program
US9767491B2 (en) 2008-09-09 2017-09-19 Truecar, Inc. System and method for the utilization of pricing models in the aggregation, analysis, presentation and monetization of pricing data for vehicles and other commodities
US9904933B2 (en) 2008-09-09 2018-02-27 Truecar, Inc. System and method for aggregation, analysis, presentation and monetization of pricing data for vehicles and other commodities
US9904948B2 (en) 2008-09-09 2018-02-27 Truecar, Inc. System and method for calculating and displaying price distributions based on analysis of transactions
US9020843B2 (en) 2008-09-09 2015-04-28 Truecar, Inc. System and method for aggregation, analysis, presentation and monetization of pricing data for vehicles and other commodities
US9020844B2 (en) 2008-09-09 2015-04-28 Truecar, Inc. System and method for calculating and displaying price distributions based on analysis of transactions
US9111308B2 (en) 2008-09-09 2015-08-18 Truecar, Inc. System and method for calculating and displaying price distributions based on analysis of transactions
US9129325B2 (en) 2008-09-09 2015-09-08 Truecar, Inc. System and method for aggregation, analysis, presentation and monetization of pricing data for vehicles and other commodities
JP2012502375A (en) * 2008-09-09 2012-01-26 トゥルーカー インコーポレイテッド System and method for calculating and displaying the price distribution based on the transaction analysis
US9818140B2 (en) 2008-09-09 2017-11-14 Truecar, Inc. System and method for sales generation in conjunction with a vehicle data system
US9727904B2 (en) 2008-09-09 2017-08-08 Truecar, Inc. System and method for sales generation in conjunction with a vehicle data system
US9754304B2 (en) 2008-09-09 2017-09-05 Truecar, Inc. System and method for aggregation, analysis, presentation and monetization of pricing data for vehicles and other commodities
US10108989B2 (en) 2011-07-28 2018-10-23 Truecar, Inc. System and method for analysis and presentation of used vehicle pricing data
JP2013143011A (en) * 2012-01-11 2013-07-22 Tokyo Kantei:Kk Case presentation system, property assessment system using the same and case presentation program
JP2014229143A (en) * 2013-05-23 2014-12-08 住友電気工業株式会社 District similarity calculation device and method for calculating district similarity
WO2016136056A1 (en) * 2015-02-27 2016-09-01 ソニー株式会社 Information processing device, information processing method, and program
JP2017228098A (en) * 2016-06-22 2017-12-28 株式会社コラビット Real estate deal device, method and program
JP2018072868A (en) * 2016-10-24 2018-05-10 有限会社村上不動産鑑定士事務所 Real estate evaluation system and real estate evaluation method
KR101755182B1 (en) * 2017-02-17 2017-07-19 김동진 A System For Providing Appraisal Of Assessment Of Real Estate Building

Similar Documents

Publication Publication Date Title
DiPasquale Why don't we know more about housing supply?
Balchin et al. Urban land economics and public policy
Nguyen-Hoang et al. The capitalization of school quality into house values: A review
Newman et al. Retailing: environment & operations
Petrick Development of a multi-dimensional scale for measuring the perceived value of a service
US6236977B1 (en) Computer implemented marketing system
Pirinsky et al. Does corporate headquarters location matter for stock returns?
Lall et al. Industrial location and spatial inequality: Theory and evidence from India
US7006979B1 (en) Methods and systems for creating models for marketing campaigns
Parker et al. A conceptual design for a bilateral agent-based land market with heterogeneous economic agents
Shmueli et al. Data mining for business intelligence: concepts, techniques, and applications in Microsoft Office Excel with XLMiner
US5680305A (en) System and method for evaluating real estate
Srour et al. Accessibility indices: Connection to residential land prices and location choices
Waddell A behavioral simulation model for metropolitan policy analysis and planning: residential location and housing market components of UrbanSim
Dunse et al. A hedonic price model of office rents
Goodall The economics of urban areas
US20040138958A1 (en) Sales prediction using client value represented by three index axes as criteron
US20070143186A1 (en) Systems, apparatuses, methods, and computer program products for optimizing allocation of an advertising budget that maximizes sales and/or profits and enabling advertisers to buy media online
US20080140514A1 (en) Method and system for risk evaluation and management
LeHew et al. US shopping mall attributes: an exploratory investigation of their relationship to retail productivity
Goodman et al. The spatial proximity of metropolitan area housing submarkets
Khei Mie Wong et al. SCATTR: an instrument for measuring shopping centre attractiveness
US7072863B1 (en) Forecasting using interpolation modeling
Pagourtzi et al. Real estate appraisal: a review of valuation methods
US6658467B1 (en) Provision of informational resources over an electronic network