KR102556291B1 - 부동산 분양정보에 따른 ai 투자분석을 서비스하기 위한 투자분석용 애플리케이션을 구현하기 위하여 매체에 저장된 컴퓨터 프로그램 - Google Patents
부동산 분양정보에 따른 ai 투자분석을 서비스하기 위한 투자분석용 애플리케이션을 구현하기 위하여 매체에 저장된 컴퓨터 프로그램 Download PDFInfo
- Publication number
- KR102556291B1 KR102556291B1 KR1020210020389A KR20210020389A KR102556291B1 KR 102556291 B1 KR102556291 B1 KR 102556291B1 KR 1020210020389 A KR1020210020389 A KR 1020210020389A KR 20210020389 A KR20210020389 A KR 20210020389A KR 102556291 B1 KR102556291 B1 KR 102556291B1
- Authority
- KR
- South Korea
- Prior art keywords
- information
- real estate
- analysis
- real
- investment
- Prior art date
Links
- 238000013473 artificial intelligence Methods 0.000 title 1
- 238000010276 construction Methods 0.000 claims abstract description 86
- 238000013075 data extraction Methods 0.000 claims abstract description 45
- 238000012502 risk assessment Methods 0.000 claims abstract description 25
- 238000011156 evaluation Methods 0.000 claims abstract description 16
- 238000004590 computer program Methods 0.000 claims abstract description 14
- 238000011161 development Methods 0.000 claims abstract description 6
- 230000000694 effects Effects 0.000 claims abstract description 5
- 230000008092 positive effect Effects 0.000 claims abstract description 5
- 230000003442 weekly effect Effects 0.000 claims description 4
- 238000000034 method Methods 0.000 claims description 2
- 238000007792 addition Methods 0.000 abstract 1
- 230000002354 daily effect Effects 0.000 description 3
- 238000010586 diagram Methods 0.000 description 2
- 239000000284 extract Substances 0.000 description 2
- 238000013507 mapping Methods 0.000 description 2
- 230000007423 decrease Effects 0.000 description 1
- 230000007547 defect Effects 0.000 description 1
- 230000003203 everyday effect Effects 0.000 description 1
- 230000002349 favourable effect Effects 0.000 description 1
- 238000012986 modification Methods 0.000 description 1
- 230000004048 modification Effects 0.000 description 1
- 238000005070 sampling Methods 0.000 description 1
- 238000012546 transfer Methods 0.000 description 1
- 230000000007 visual effect Effects 0.000 description 1
Images
Classifications
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06Q—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES; SYSTEMS OR METHODS SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES, NOT OTHERWISE PROVIDED FOR
- G06Q50/00—Information and communication technology [ICT] specially adapted for implementation of business processes of specific business sectors, e.g. utilities or tourism
- G06Q50/10—Services
- G06Q50/16—Real estate
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06Q—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES; SYSTEMS OR METHODS SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES, NOT OTHERWISE PROVIDED FOR
- G06Q50/00—Information and communication technology [ICT] specially adapted for implementation of business processes of specific business sectors, e.g. utilities or tourism
- G06Q50/10—Services
Landscapes
- Business, Economics & Management (AREA)
- Tourism & Hospitality (AREA)
- Health & Medical Sciences (AREA)
- Economics (AREA)
- General Health & Medical Sciences (AREA)
- Human Resources & Organizations (AREA)
- Marketing (AREA)
- Primary Health Care (AREA)
- Strategic Management (AREA)
- Physics & Mathematics (AREA)
- General Business, Economics & Management (AREA)
- General Physics & Mathematics (AREA)
- Engineering & Computer Science (AREA)
- Theoretical Computer Science (AREA)
- Management, Administration, Business Operations System, And Electronic Commerce (AREA)
Abstract
본 발명은 분양이 완료되었거나 또는 분양 중인 각종 수익형 부동산에 관하여 실시간으로 수집되는 빅데이터를 바탕으로 부동산 분양정보에 대한 투자분석 서비스를 제공하는 애플리케이션을 구현하기 위하여 매체에 저장된 컴퓨터 프로그램에 관한 것으로, 인터넷을 통해 AI 투자분석서버에 접속하여 부동산 분양정보를 수신하고자 하는 회원이 보유한 회원단말기; 상기 인터넷을 통해 접속된 복수의 회원단말기로 분양 중인 복수의 부동산정보를 제공하여 회원단말기로 하여금 선택할 수 있도록 하고, 회원단말기가 선택한 부동산의 분양정보에 대응하여 투자분석용 애플리케이션을 통해 DB서버에 저장된 복수의 부동산정보데이터를 분석한 후 회원단말기로 해당하는 부동산의 투자분석정보를 전송하는 AI 투자분석서버; 정부기관서버, 교통기관서버, 공공기관서버, 시공건설사서버를 포함하는 관련기관서버로부터 부동산 관련정보를 수집하여 해당 부동산의 분양정보를 추출한 후 상기 DB서버에 주기적으로 업데이트된 부동산정보를 전송하는 실시간 데이터추출서버; 상기 실시간 데이터추출서버에서 수집된 버스 및 지하철을 포함하는 대중교통의 이용을 위한 접근성 정보를 수신하여 저장하는 대중교통정보DB와, 상기 실시간 데이터추출서버에서 도로, 주거용 건물, 상업용 건물, 관공서, 병원, 생활편의시설, 공원, 학교, 학원을 포함하는 지리적 주거환경정보를 수신하여 저장하는 지리적 위치정보DB와, 상기 실시간 데이터추출서버에서 분양정보를 제공하는 부동산을 시공하는 건설사의 정보를 수신하여 저장하는 시공건설사정보DB와, 상기 실시간 데이터추출서버에서 분양정보를 제공하는 부동산이 위치한 일정 거리 이내의 주변 부동산의 임대율과 월세수익률 정보를 수신하여 저장하는 임대율 및 월세수익률정보DB와, 상기 실시간 데이터추출서버에서 투자분석을 위한 부동산 분양정보에 해당하는 건설 현장이나 모델하우스의 방문객 데이터를 수신하여 저장하는 투자자선호도 및 현장선호도정보DB와, 상기 실시간 데이터추출서버에서 시, 군, 구별로 분양 부동산에 관한 전매 횟수 및 금액과, 시, 군, 구별로 분양 부동산의 전매하지 못한 분양 현장과 전매한 분양 현장을 일정 기간으로 구분한 데이터를 수신하여 저장하는 단기투자정보DB와, 상기 실시간 데이터추출서버에서 시, 군, 구별로 준공 부동산으로부터 일정 거리 및 일정 기간 동안의 부동산 시세와 시세차익을 각각 구분한 데이터를 수신하여 저장하는 시세차익정보DB와, 상기 실시간 데이터추출서버에서 정부의 부동산 정책과 관련된 법률정보를 수신하여 저장하는 부동산관련법률정보DB와, 상기 실시간 데이터추출서버에서 분양 부동산의 건설 현장의 교통, 관공서, 문화, 생활편의시설의 개발정보와 공공주택, 상가, 오피스텔, 지식산업센터의 건축 인허가정보와 관련된 데이터를 수신하여 저장하는 인프라정보DB를 포함하는 DB서버를 포함하는 부동산 분양정보에 따른 AI 투자분석 서비스를 제공하는 시스템으로부터, 부동산 분양정보에 따른 AI 투자분석을 서비스하기 위한 투자분석용 애플리케이션을 구현하기 위하여 매체에 저장된 컴퓨터 프로그램에 있어서, (a) 상기 DB서버의 대중교통정보DB와 지리적 위치정보DB에 저장된 데이터로부터 회원단말기가 선택한 부동산의 위치, 지하철, 버스, 주거편의성, 편의시설 및 주차시설을 포함하는 입지조건을 분석하는 기능; (b) 상기 DB서버의 투자선호도 및 현장선호도정보DB와 인프라정보DB에 저장된 데이터로부터 회원단말기가 선택한 부동산의 선호도, 상권 및 향후 인프라를 포함하는 환금성을 분석하는 기능; (c) 상기 DB서버의 시공건설사정보DB와 시세차익정보DB에 저장된 데이터로부터 회원단말기가 선택한 부동산의 분양가격, 시공건설사의 브랜드와 도급순위, 세대 및 호실 수를 포함하여 가격 및 시공건설사를 분석하는 기능; (d) 상기 DB서버의 임대율 및 월세수익률정보DB, 투자선호도 및 현장선호도정보DB와 단기투자정보DB에 저장된 데이터로부터 회원단말기가 선택한 부동산에 관한 임대율 및 단기투자를 설정된 인근 지역의 부동산을 표본으로 리스크를 분석하는 기능; (e) 상기 DB서버의 임대율 및 월세수익률정보DB와 시세차익정보DB에 저장된 데이터로부터 회원단말기가 선택한 부동산에 관한 실거주, 월세수익, 시세차익을 설정된 인근 지역의 부동산을 표본으로 입주 후를 분석하는 기능; (f) 상기 입지분석모듈, 환금성분석모듈, 가격 및 시공건설사분석모듈, 리스크분석모듈 및 입주 후 분석모듈의 각각에 해당하는 분석기준에서 실시간을 통해 긍정적인 영향을 미치는 요인이 발생하면 일정의 범위 내에서 항목별 점수를 가점하는 기능; (g) 상기 입지분석모듈, 환금성분석모듈, 가격 및 시공건설사분석모듈, 리스크분석모듈 및 입주 후 분석모듈의 각각에 해당하는 분석기준에서 실시간을 통해 부정적인 영향을 미치는 요인이 발생하면 일정의 범위 내에서 항목별 점수를 감점하는 기능; (h) 상기 입지분석모듈, 환금성분석모듈, 가격 및 시공건설사분석모듈, 리스크분석모듈 및 입주 후 분석모듈의 각각에 해당하는 분석기준에서 우선시되는 평가요소들을 차별화하여 평가요소마다 일정의 범위 내에서 항목별 가중치를 부여하는 기능; (i) 상기 입지분석모듈, 환금성분석모듈, 가격 및 시공건설사분석모듈, 리스크분석모듈 및 입주 후 분석모듈에서 각각 분석된 데이터정보를 설정된 수치나 그래픽화하여 가시적인 데이터로 출력하는 기능을 포함한다. 본 발명의 투자분석용 애플리케이션에서 해당 분석모듈별로 항목별 평가점수, 항목별 가점 및 감점, 가중치를 부여하여 점수화하며, 입지분석, 환금성분석, 가격 및 시공건설사분석, 리스크분석 및 입주 후 분석을 수행한 후에 분석된 각 결과를 출력모듈을 통해 가시적인 데이터로 회원단말기에 전송함으로써 분양부동산에 관하여 실시간으로 수집된 빅데이터로부터 AI 투자분석을 통해 수치화한 데이터를 산출하여 객관적이고 정확하며 가시적인 투자분석정보를 제시하여 회원들의 분양부동산의 투자여부를 결정할 수 있도록 한 것이다.
Description
본 발명은 분양이 완료되었거나 또는 분양 중인 각종 수익형 부동산에 관하여 실시간으로 수집되는 빅데이터를 바탕으로 부동산 분양정보에 대한 투자분석 서비스를 제공하는 애플리케이션을 구현하기 위하여 매체에 저장된 컴퓨터 프로그램에 관한 것이다.
일반적으로 부동산의 분양이나 매매를 위하여 토지나 건물을 사고팔 사람을 소개하고 서로 연결시켜 주는 공인중개사사무소 등의 중개업소를 방문하여 매물을 중개할 수 있도록 한다. 이때, 토지나 건물을 사고자하는 사람은 직접 토지나 건물이 있는 곳에 방문하여 확인하여야 하는 번거로운 문제가 있었다.
또한, 부동산의 분양을 위한 광고와 더불어 분양되었거나 분양 중인 부동산에 대한 투자를 위하여 정확하고 객관적인 분석이 이루어져야 한다. 이는 최근에 노후를 위해 부동산 투자를 하는 사람들이 증가하고 있는 추세이다. 대표적인 부동산으로 오피스텔이나 지식산업센터 같은 수익형 부동산이다. 수익형 부동산을 투자하려는 대부분의 투자자는 분양상담사로부터 프리미엄의 상승이나 안전한 월세수익을 보장한다는 등의 상담내용만으로 잘못된 투자를 결정하는 경우가 많다. 더욱이 투자자는 분양상담사나 인근의 공인중개사사무소의 공인중개사의 판단이외에는 달리 확인할 방법이 없는 실정이다. 따라서 부동산투자와 관련된 피해로 인한 소송건수는 해마다 늘고 있어 개인투자자들에게 안전한 투자를 위한 정보가 부재한 실정이다. 따라서 온라인을 통해 공동주택이나 상가 또는 오피스텔 등의 수익형 부동산의 분양정보로부터 보다 객관적인 투자분석을 위한 온라인 수단의 필요성이 증대되고 있다.
선행기술로서, 특허문헌1의 부동산 물건의 유형별 입지 및 상권 분석 서비스 제공 시스템은, 각 건물에 대한 위치 정보와 메타 데이터가 포함된 지도 데이터 정보 및 적어도 하나의 부동산 입지 관련 정보들이 저장된 데이터베이스 서버; 상기 지도데이터 정보에서 전체 지도 영역을 미리 설정된 특정 크기의 셀로 구분하고, 상기 구분된 각 셀마다 인덱스를 부여하는 셀 인덱스 생성 모듈; 상기 지도데이터 정보 및 부동산 입지 관련 정보로부터 상기 각 부동산 물건의 유형별 입지 조건 분석에 필요한 데이터를 추출하고 상기 생성된 셀과 맵핑하여 적어도 하나의 데이텀을 생성하는 데이텀 생성 모듈; 및 상기 생성된 데이텀으로부터 각 부동산 물건에 대한 입지 조건과 관련된 적어도 하나의 항목에 대해 평가 결과를 산출하는 항목별 평가 모듈을 포함한 것이 개시되어 있다. 그러나 선행기술은 데이터베이스 서버에 저장된 부동산 입지 관련 정보로부터 설정된 지도영역의 셀을 부여하여 각 부동산 물건의 유형별 입지 조건 분석에 필요한 데이터를 셀과 맵핑하여 입지 조건과 관련된 평가 결과를 산출하고 있어 보다 객관적이고 다양한 조건에 따른 투자분석이 이루어지지 않아 편향된 투자분석을 하는 문제가 있었다.
본 발명은 상기 문제를 해결하기 위한 것으로, 수익형 부동산의 분양정보로부터 온라인을 통해 실시간으로 수집된 빅데이터 정보를 활용하여 입지, 환금성, 가격 및 시공건설사, 리스크 및 입주 후 등의 AI 분석으로 보다 객관적이고 정확한 투자분석 서비스를 위한 투자분석용 애플리케이션을 제공하기 위한 것이 목적이다.
본 발명은 상기 목적을 달성하기 위하여, 인터넷을 통해 AI 투자분석서버에 접속하여 부동산 분양정보를 수신하고자 하는 회원이 보유한 회원단말기; 상기 인터넷을 통해 접속된 복수의 회원단말기로 분양 중인 복수의 부동산정보를 제공하여 회원단말기로 하여금 선택할 수 있도록 하고, 회원단말기가 선택한 부동산의 분양정보에 대응하여 투자분석용 애플리케이션을 통해 DB서버에 저장된 복수의 부동산정보데이터를 분석한 후 회원단말기로 해당하는 부동산의 투자분석정보를 전송하는 AI 투자분석서버; 정부기관서버, 교통기관서버, 공공기관서버, 시공건설사서버를 포함하는 관련기관서버로부터 부동산 관련정보를 수집하여 해당 부동산의 분양정보를 추출한 후 상기 DB서버에 주기적으로 업데이트된 부동산정보를 전송하는 실시간 데이터추출서버; 상기 실시간 데이터추출서버에서 수집된 버스 및 지하철을 포함하는 대중교통의 이용을 위한 접근성 정보를 수신하여 저장하는 대중교통정보DB와, 상기 실시간 데이터추출서버에서 도로, 주거용 건물, 상업용 건물, 관공서, 병원, 생활편의시설, 공원, 학교, 학원을 포함하는 지리적 주거환경정보를 수신하여 저장하는 지리적 위치정보DB와, 상기 실시간 데이터추출서버에서 분양정보를 제공하는 부동산을 시공하는 건설사의 정보를 수신하여 저장하는 시공건설사정보DB와, 상기 실시간 데이터추출서버에서 분양정보를 제공하는 부동산이 위치한 일정 거리 이내의 주변 부동산의 임대율과 월세수익률 정보를 수신하여 저장하는 임대율 및 월세수익률정보DB와, 상기 실시간 데이터추출서버에서 투자분석을 위한 부동산 분양정보에 해당하는 건설 현장이나 모델하우스의 방문객 데이터를 수신하여 저장하는 투자자선호도 및 현장선호도정보DB와, 상기 실시간 데이터추출서버에서 시, 군, 구별로 분양 부동산에 관한 전매 횟수 및 금액과, 시, 군, 구별로 분양 부동산의 전매하지 못한 분양 현장과 전매한 분양 현장을 일정 기간으로 구분한 데이터를 수신하여 저장하는 단기투자정보DB와, 상기 실시간 데이터추출서버에서 시, 군, 구별로 준공 부동산으로부터 일정 거리 및 일정 기간 동안의 부동산 시세와 시세차익을 각각 구분한 데이터를 수신하여 저장하는 시세차익정보DB와, 상기 실시간 데이터추출서버에서 정부의 부동산 정책과 관련된 법률정보를 수신하여 저장하는 부동산관련법률정보DB와, 상기 실시간 데이터추출서버에서 분양 부동산의 건설 현장의 교통, 관공서, 문화, 생활편의시설의 개발정보와 공공주택, 상가, 오피스텔, 지식산업센터의 건축 인허가정보와 관련된 데이터를 수신하여 저장하는 인프라정보DB를 포함하는 DB서버를 포함하는 부동산 분양정보에 따른 AI 투자분석 서비스를 제공하는 시스템으로부터, 부동산 분양정보에 따른 AI 투자분석을 서비스하기 위한 투자분석용 애플리케이션을 구현하기 위하여 매체에 저장된 컴퓨터 프로그램에 있어서, (a) 상기 DB서버의 대중교통정보DB와 지리적 위치정보DB에 저장된 데이터로부터 회원단말기가 선택한 부동산의 위치, 지하철, 버스, 주거편의성, 편의시설 및 주차시설을 포함하는 입지조건을 분석하는 기능; (b) 상기 DB서버의 투자선호도 및 현장선호도정보DB와 인프라정보DB에 저장된 데이터로부터 회원단말기가 선택한 부동산의 선호도, 상권 및 향후 인프라를 포함하는 환금성을 분석하는 기능; (c) 상기 DB서버의 시공건설사정보DB와 시세차익정보DB에 저장된 데이터로부터 회원단말기가 선택한 부동산의 분양가격, 시공건설사의 브랜드와 도급순위, 세대 및 호실 수를 포함하여 가격 및 시공건설사를 분석하는 기능; (d) 상기 DB서버의 임대율 및 월세수익률정보DB, 투자선호도 및 현장선호도정보DB와 단기투자정보DB에 저장된 데이터로부터 회원단말기가 선택한 부동산에 관한 임대율 및 단기투자를 설정된 인근 지역의 부동산을 표본으로 리스크를 분석하는 기능; (e) 상기 DB서버의 임대율 및 월세수익률정보DB와 시세차익정보DB에 저장된 데이터로부터 회원단말기가 선택한 부동산에 관한 실거주, 월세수익, 시세차익을 설정된 인근 지역의 부동산을 표본으로 입주 후를 분석하는 기능; (f) 상기 입지분석모듈, 환금성분석모듈, 가격 및 시공건설사분석모듈, 리스크분석모듈 및 입주 후 분석모듈의 각각에 해당하는 분석기준에서 실시간을 통해 긍정적인 영향을 미치는 요인이 발생하면 일정의 범위 내에서 항목별 점수를 가점하는 기능; (g) 상기 입지분석모듈, 환금성분석모듈, 가격 및 시공건설사분석모듈, 리스크분석모듈 및 입주 후 분석모듈의 각각에 해당하는 분석기준에서 실시간을 통해 부정적인 영향을 미치는 요인이 발생하면 일정의 범위 내에서 항목별 점수를 감점하는 기능; (h) 상기 입지분석모듈, 환금성분석모듈, 가격 및 시공건설사분석모듈, 리스크분석모듈 및 입주 후 분석모듈의 각각에 해당하는 분석기준에서 우선시되는 평가요소들을 차별화하여 평가요소마다 일정의 범위 내에서 항목별 가중치를 부여하는 기능; (i) 상기 입지분석모듈, 환금성분석모듈, 가격 및 시공건설사분석모듈, 리스크분석모듈 및 입주 후 분석모듈에서 각각 분석된 데이터정보를 설정된 수치나 그래픽화하여 가시적인 데이터로 출력하는 기능; 을 포함하는, 부동산 분양정보에 따른 AI 투자분석을 서비스하기 위한 투자분석용 애플리케이션을 구현하기 위하여 매체에 저장된 컴퓨터 프로그램을 제공한 것이 특징이다.
또한, 본 발명에서, (j) 상기 투자분석용 애플리케이션에 복수의 회원단말기로부터 해당하는 부동산 분양정보에 항목별로 추천수, 비추천수 및 조회수를 산출하여 추천하는 기능을 더 포함할 수 있다.
또한, 본 발명에서, 상기 부동산 분양정보는 건축 전의 부동산이나 건축 후의 부동산을 포함할 수 있다.
또한, 본 발명에서, 상기 실시간 데이터추출서버는 복수의 관련기관서버로부터 시간, 일일, 주간, 월간, 분기, 반기, 년 단위로 구분하여 업데이트할 수 있다.
또한, 본 발명에서, 상기 투자분석용 애플리케이션은 DB서버에 저장된 빅데이터로부터 항목별 분석을 위하여 데이터를 수치로 변환하여 산출할 수 있다.
본 발명에 따르면, 회원단말기가 인터넷에 접속한 후 투자분석용 애플리케이션으로부터 분양부동산에 관하여 실시간으로 수집된 빅데이터로부터 AI 투자분석을 통해 수치화한 데이터를 산출하여 객관적이고 정확하며 가시적인 투자분석정보를 제시하는 서비스를 제공함으로써 회원들의 분양부동산의 투자여부를 결정할 수 있도록 한 이점이 있다.
도 1은 본 발명에 따른 실시 예로, 부동산 분양정보에 따른 AI 투자분석 서비스 제공시스템을 나타낸 개략도이다.
도 2는 본 발명에 따른 부동산 분양정보에 따른 AI 투자분석 서비스 제공방법을 나타낸 흐름도이다.
도 3 및 도 4는 본 발명에 따른 부동산 분양정보에 따른 AI 투자분석을 서비스하기 위한 투자분석용 애플리케이션의 실행으로 구현되는 기능을 나타낸 흐름도이다.
도 5 내지 도 10은 본 발명에 따른 부동산 분양정보에 따른 AI 투자분석 서비스 제공시스템에서 온라인을 통해 제공하는 웹페이지를 통해 투자분석 결과를 나타낸 예시도이다.
도 2는 본 발명에 따른 부동산 분양정보에 따른 AI 투자분석 서비스 제공방법을 나타낸 흐름도이다.
도 3 및 도 4는 본 발명에 따른 부동산 분양정보에 따른 AI 투자분석을 서비스하기 위한 투자분석용 애플리케이션의 실행으로 구현되는 기능을 나타낸 흐름도이다.
도 5 내지 도 10은 본 발명에 따른 부동산 분양정보에 따른 AI 투자분석 서비스 제공시스템에서 온라인을 통해 제공하는 웹페이지를 통해 투자분석 결과를 나타낸 예시도이다.
이하 본 발명에 따른 부동산 분양정보에 따른 AI 투자분석을 서비스하기 위한 투자분석용 애플리케이션을 구현하기 위하여 매체에 저장된 컴퓨터 프로그램에 관한 실시 예를 첨부된 도면을 참조하여 상세하게 설명하면 다음과 같다.
도 1에서, 부동산 분양정보에 따른 AI 투자분석 서비스 제공시스템을 나타낸 것으로, 복수의 회원단말기(100)가 인터넷을 통해 AI 투자분석서버(200)에 접속된다. 이때, 회원단말기(100)는 인터넷을 통해 AI 투자분석에 따른 부동산 분양정보를 수신하고자 하는 회원이 보유한 단말기이다. 회원단말기(100)는 인터넷에 접속할 수 있는 스마트폰, 태블릿 또는 PC 등을 포함한다. 회원단말기(100)는 무료회원 또는 유료회원 등으로 구분하여 AI 투자분석서버(200)로부터 부동산 분양정보에 관한 투자분석정보를 세분화하여 제공받을 수 있을 것이다. AI 투자분석을 위한 부동산 분양정보는 건축 전의 부동산이나 건축 후의 부동산을 포함할 수 있다.
AI 투자분석서버(200)는 인터넷을 통해 접속된 복수의 회원단말기(100)로 분양 중인 복수의 부동산정보를 제공하여 회원단말기(100)로 하여금 선택할 수 있도록 한다. 즉, AI 투자분석서버(200)는 웹페이지를 통해 현재 분양 중이거나 분양이 완료된 매물 등의 부동산정보를 인터넷을 통해 접속한 회원단말기(100)가 선택할 수 있도록 제공한다. 이때, AI 투자분석서버(200)는 웹페이지를 통해 수익형 부동산, 예컨대, 공공주택, 상가, 오피스텔, 지식산업센터 등의 분양정보에 관한 AI 투자분석정보를 제공한다. AI 투자분석서버(200)는 회원단말기(100)가 선택한 부동산의 분양정보에 대응하여 투자분석용 애플리케이션(210)을 통해 DB서버(300)에 저장된 복수의 부동산정보데이터를 분석한 후 회원단말기(100)로 해당하는 부동산의 투자분석정보를 전송한다.
또한, 투자분석용 애플리케이션(210)은 AI 투자분석서버(200)에 설치되어 선택된 부동산정보의 투자분석을 수행한다. 즉, 투자분석용 애플리케이션(210)은 DB서버(300)에 구분 저장된 DB(310-390)에서 복수의 부동산정보데이터로부터 대중교통의 편의성, 지리적 위치조건, 시공건설사정보, 주변 부동산의 현재 임대율 및 월세수익율 정보, 투자자선호도 및 현장선호도 정보, 단기투자정보, 시세차익정보, 향후 인프라정보에 관한 기본 점수에 가점 및 감점과 가중치를 부여한다. 그리고 투자분석용 애플리케이션(210)은 DB서버(300)에 저장된 복수의 부동산정보데이터를 활용하여 입지분석, 환금성분석, 가격 및 시공건설사분석, 리스크분석, 및 입주 후 분석으로 구분하여 각각 평가점수를 도출한다. 또한, 투자분석용 애플리케이션(210)은 도출된 평가점수를 출력모듈(216)을 통해 회원단말기(100)로 가시적인 그래프로 표출되도록 전송한다.
투자분석용 애플리케이션(210)에서 입지분석모듈(211)은 DB서버(300)에 포함된 대중교통정보DB(310)와 지리적 위치정보DB(320)에 저장된 데이터로부터 회원단말기(100)가 선택한 부동산의 위치, 지하철 및 버스 등의 교통편의성, 주거편의성, 편의시설 및 주차시설 등을 포함하는 입지조건을 분석한다.
환금성분석모듈(212)은 DB서버(300)의 투자선호도 및 현장선호도정보DB(350)와 인프라정보DB(390)에 저장된 데이터로부터 회원단말기가 선택한 부동산의 선호도, 상권 및 향후 인프라를 포함하는 환금성을 분석한다. 또한, 가격 및 시공건설사분석모듈(213)은 DB서버(300)의 시공건설사정보DB와 시세차익정보DB에 저장된 데이터로부터 회원단말기가 선택한 부동산의 분양가격, 시공건설사의 브랜드와 도급순위, 세대 및 호실 수를 분석한다. 리스크분석모듈(2143)은 DB서버(300)의 임대율 및 월세수익률정보DB(340), 투자선호도 및 현장선호도정보DB(350)와 단기투자정보DB(360)에 저장된 데이터로부터 회원단말기(100)가 선택한 부동산에 관한 임대율 및 단기투자를 설정된 인근 지역의 부동산을 표본으로 리스크를 분석한다. 그리고 입주 후 분석모듈(215)은 DB서버(300)의 임대율 및 월세수익률정보DB(340)와 시세차익정보DB(370)에 저장된 데이터로부터 회원단말기가 선택한 부동산에 관한 실거주, 월세수익, 시세차익을 설정된 인근 지역의 부동산을 표본으로 분석한다.
또한, 항목별 가점모듈(217)은 상기 입지분석모듈(211), 환금성분석모듈(212), 가격 및 시공건설사분석모듈(213), 리스크분석모듈(214) 및 입주 후 분석모듈(215)의 각각에 해당하는 분석기준에서 실시간을 통해 긍정적인 영향을 미치는 요인이 발생하면 일정의 범위 내에서 점수를 가점한다. 그리고 항목별 감점모듈(218)은 상기 입지분석모듈(211), 환금성분석모듈(212), 가격 및 시공건설사분석모듈(213), 리스크분석모듈(214) 및 입주 후 분석모듈(215)의 각각에 해당하는 분석기준에서 실시간을 통해 부정적인 영향을 미치는 요인이 발생하면 일정의 범위 내에서 점수를 감점한다. 더욱이 항목별 가중치모듈(219)은 상기 입지분석모듈(211), 환금성분석모듈(212), 가격 및 시공건설사분석모듈(213), 리스크분석모듈(214) 및 입주 후 분석모듈(215)의 각각에 해당하는 분석기준에서 우선시되는 평가요소들을 차별화하여 평가요소마다 일정의 범위 내에서 가중치를 부여한다. 또한, 항목별 추천모듈(220)은 투자분석용 애플리케이션(210)에 복수의 회원단말기(100)로부터 해당하는 부동산 분양정보에 항목별로 추천수, 비추천수 및 조회수 등을 수치로 데이터화하여 산출한다.
출력모듈(216)은 상기 입지분석모듈(211), 환금성분석모듈(212), 가격 및 시공건설사분석모듈(213), 리스크분석모듈(214) 및 입주 후 분석모듈(215)에서 각각 분석된 데이터정보를 설정된 수치로 표출되거나 그래픽화하여 표출되도록 한다.
실시간 데이터추출서버(400)는 정부기관서버, 교통기관서버, 공공기관서버, 시공건설사서버 등을 포함하는 복수의 관련기관서버(500)로부터 부동산 관련정보를 수집하여 해당 부동산의 분양정보를 추출한다. 그리고 실시간 데이터추출서버(400)는 추출된 부동산 관련정보데이터를 DB서버(300)에 주기적으로 업데이트된 부동산정보로 전송하여 DB서버(300)의 해당 DB에 저장되도록 한다. 더욱이 실시간 데이터추출서버(400)는 복수의 관련기관서버(500)로부터 매 시간, 일일, 주간, 월간, 분기, 반기, 년 단위로 구분하여 실시간 업데이트가 이루어진다. 실시간으로 부동산 관련정보를 업데이트함으로써 AI 투자분석서버(200)의 투자분석용 애플리케이션(210)에서 DB서버(300)에 저장된 빅데이터를 활용하여 현재시점에서 객관적이고 정확한 투자분석이 수행되도록 한다.
다음으로, DB서버(300)는 실시간 데이터추출서버(400)에서 수집된 버스 및 지하철을 포함하는 대중교통의 이용을 위한 접근성 정보를 수신하여 저장하는 대중교통정보DB(310)를 포함한다. 지리적 위치정보DB(320)는 실시간 데이터추출서버(400)에서 도로, 주거용 건물, 상업용 건물, 관공서, 병원, 생활편의시설, 공원, 학교, 학원을 포함하는 지리적 주거환경정보를 수신하여 저장하고, 시공건설사정보DB(330)는 실시간 데이터추출서버(400)에서 분양정보를 제공하는 부동산을 시공하는 건설사의 정보를 수신하여 저장하며, 임대율 및 월세수익률정보DB(340)는 실시간 데이터추출서버(400)에서 분양정보를 제공하는 부동산이 위치한 일정 거리 이내의 주변 부동산의 임대율과 월세수익률 정보를 수신하여 저장하고, 투자자선호도 및 현장선호도정보DB(350)는 실시간 데이터추출서버(400)에서 투자분석을 위한 부동산 분양정보에 해당하는 건설 현장이나 모델하우스의 방문객 데이터를 수신하여 저장하며, 단기투자정보DB(360)는 실시간 데이터추출서버(400)에서 시, 군, 구별로 분양 부동산에 관한 전매 횟수 및 금액과, 시, 군, 구별로 분양 부동산의 전매하지 못한 분양 현장과 전매한 분양 현장을 일정 기간으로 구분한 데이터를 수신하여 저장한다. 또한, 시세차익정보DB(370)는 실시간 데이터추출서버(400)에서 시, 군, 구별로 준공 부동산으로부터 일정 거리 및 일정 기간 동안의 부동산 시세와 시세차익을 각각 구분한 데이터를 수신하여 저장하고, 부동산관련법률정보DB(380)는 실시간 데이터추출서버(400)에서 정부의 부동산 정책과 관련된 법률정보를 수신하여 저장한다. 그리고 인프라정보DB(390)는 실시간 데이터추출서버(400)에서 분양 부동산의 건설 현장의 교통, 관공서, 문화, 생활편의시설의 개발정보와 공공주택, 상가, 오피스텔, 지식산업센터의 건축 인허가정보와 관련된 데이터를 수신하여 저장한다.
이와 같이 이루어진 본 발명에 따른 부동산 분양정보에 따른 AI 투자분석을 서비스하기 위한 투자분석용 애플리케이션을 구현하기 위하여 매체에 저장된 컴퓨터 프로그램의 작용을 도 2 내지 도 4 및 도 5 내지 도 10을 참조하여 설명한다.
먼저, 도 2 내지 도 4에서, 회원단말기(100)는 인터넷을 통해 AI 투자분석서버(200)에 접속한다(S1). AI 투자분석서버(200)는 인터넷을 통해 접속된 복수의 회원단말기(100)로 복수의 분양부동산 정보가 게시된 웹페이지를 제공한다(S2). 즉, AI 투자분석서버(200)는 분양중인 부동산의 주요 사진과 더불어 명칭, 주소, 이미지, 시행사, 시공건설사, 세대수, 점포수, 분양규모, 분양가, 할인금액, 계약금, 실투자금, 수익률, 준공일 및 상세설명 등의 기본정보를 제공한다. 따라서 회원단말기(100)는 복수의 분양중인 부동산 중에서 제시된 기본정보를 참조한 후에 AI 투자분석을 원하는 분양부동산을 선택한다(S3). 이때, 회원등급에 따라 AI 투자분석은 무료 또는 유료로 제공할 수 있을 것이다.
회원단말기(100)의 선택에 따라 분양부동산의 투자분석을 위하여 AI 투자분석서버(200)의 투자분석용 애플리케이션(210)은 DB서버(300)에 저장된 빅데이터 정보로부터 선택된 분양부동산의 분양정보와 관련된 데이터를 추출한다(S4).
투자분석용 애플리케이션(210)은 입지분석모듈(211)에서 DB서버(300)의 대중교통정보DB(310)와 지리적 위치정보DB(320)에 저장된 데이터로부터 분양부동산의 위치, 지하철, 버스, 주거편의성, 편의시설 및 주차시설을 포함하는 입지로 구분하여 분석한다. 예컨대, 지리적 위치의 관점에서, 서울, 대전, 대구, 부산 등의 주요 대도시의 중심지 중에서 요지로부터 멀어질수록 점수가 작아지도록 수치화한다(S41). 즉, 분양부동산의 위치가 대로변인지, 대로변의 안쪽으로 한 블록, 두 블록 또는 세 블록 이상으로 멀어지는 지를 수치로 데이터화한다. 또한, 분양부동산의 위치로부터 반경 500m마다 주거용이 몇 세대인지 그리고 상업용 건물 등이 몇 개나 있는지 등을 수치로 데이터화한다. 또한, 주거용의 분양부동산은 주변의 학교나 학원의 수 또는 교육수준 등을 구체적인 수치로 데이터화하고, 상업용은 500m마다 상가의 개업과 폐업 수를 매일 수치로 데이터화한다. 또한, 분양부동산 주변의 주택가격, 상가가격 및 사무실가격 등의 매주시세를 수치로 데이터화한다. 또한, 대중교통으로, 분양부동산으로부터 지하철역은 50m이내인 경우에 5점, 100m이내는 4.5점, 300m이내는 4점, 500m이내는 3.5점, 1km이내는 3점, 2km이내는 2.5점, 3km이내는 2점, 5km이내는 1.5점, 10km이내는 1점, 그리고 10km를 초과하는 거리에서는 0점으로 데이터화한다. 또, 지하철역은 20m 단위나 또는 특정의 거리를 비율적으로 환산하여 데이터화할 수도 있을 것이다. 또한, 지하철은 1호선~9호선 등의 지하철이나 경전철 등의 노선별로 수치로 데이터화하여 차별화하여 적용할 수 있다. 이와 더불어 분양부동산으로부터 지하철역 사이에 출근이나 퇴근 시간대 또는 특정의 시간대에 출입하는 유동인구를 수치로 데이터화하고, 평일이나 휴일에 시간 대비 유동인구를 수치로 데이터화하며, 환승역에서 갈아타는 전체 유동인구를 수치로 데이터화한다. 또한, 분양부동산으로부터 버스정류장의 인접성과 버스노선의 수에 따라 차등하여 수치로 환산하여 데이터화한다. 더욱이 전국 버스 배차시간 및 하루 평균 이용하는 승객 수를 수치로 데이터화하고, 버스정류장을 중심으로 20~50m 단위로 거리를 환산하여 수치로 데이터화한다. 또, 버스와 지하철을 이용하는 승객의 사용빈도수를 수치로 데이터화하고, 버스와 지하철을 환승하는 승객의 수를 수치로 데이터화한다. 이처럼 입지분석모듈(211)은 분양부동산의 위치, 지하철, 버스, 주거편의성, 편의시설 및 주차시설입지로 구분하여 수치로 데이터화된 정보를 모두 합산한다.
또한, 투자분석용 애플리케이션(210)의 환금성분석모듈(212)에서 DB서버(300)의 투자선호도 및 현장선호도정보DB(350)와 인프라정보DB(390)에 저장된 데이터로부터 회원단말기(100)가 선택한 분양부동산의 선호도, 상권 및 향후 인프라를 포함하는 환금성을 각각 분석한다(S42). 예컨대, 투자자 선호도 관점으로, TV, 인터넷웹사이트를 통한 파워링크, 신문 등의 광고나 인터넷의 클릭 및 조회수가 투자자 선호도와 직결되므로 이를 10점 만점 기준으로 차등해서 수치로 환산하여 데이터화한다. 또한, 상권의 관점으로, 인근생활권의 유동인구, 소비 및 문화 수준, 유동 조건을 10점 만점 기준으로 차등해서 수치로 환산하여 데이터화한다. 또한, 인프라의 관점으로, 향후 인프라의 호재 상황이나 개발이나 완공의 기대심리 등을 반영하여 10점 만점 기준으로 차등해서 수치로 환산하여 데이터화한다. 더욱이 분양부동산 현장의 인근 모든 지하철, 관공서, 문화시설 등의 개발 및 건축 예정을 실시간으로 파악하고 데이터화한다. 그리고 공공주택, 상가, 오피스텔, 지식산업센터, 건축허가 등을 데이터화하여 향후 인프라 데이터에 반영할 수도 있다.
또한, 투자분석용 애플리케이션(210)의 가격 및 시공건설사분석모듈(213)에서 DB서버(300)의 시공건설사정보DB(330)와 시세차익정보DB(370)에 저장된 데이터로부터 회원단말기(100)가 선택한 분양부동산의 분양가격, 시공건설사의 브랜드와 도급순위, 세대 및 호실 수 등을 분석한다(S43). 예컨대, 분양가격의 관점으로, 분양부동산 현장의 인근지역에서 최근 거래된 토지가격, 인근지역에서 공사한 시공비, 시행사의 이익 등을 추정하여 빅데이터화한 후에 10점 만점 기준으로 차등해서 수치로 환산하여 데이터화한다. 또한, 시공건설사의 브랜드 관점으로, 시공건설사의 전국 도급순위, 즉, 1~10위는 10점, 11~30위는 9점, 31~50위는 8점, 51~100위는 7점, 101~200위는 6점, 201~500위는 5.5점, 501~1,000위 5점, 1,001~2,000위는 4점, 2,001~3,000위는 3점, 3,001~5,000위는 2점, 5,000위 순위 밖은 1점 내지 0점 등으로 환산하여 수치화한다. 그리고 매년 시공건설사의 도급순위 5,000위를 데이터화하되, 1위~10위, 11위~20위, 21~30위 등 10개 단위로 데이터화할 수 있다. 또한, 시공건설사의 하자나 시공건설사의 시공 불만족 등의 건수들을 데이터화하여 부정적인 감점요인으로 적용한다. 또한, 세대의 수나 호실의 수의 관점으로, 아파트, 오피스텔, 상가, 타운하우스 등에 따라 또는 아파트, 주상복합, 생활용 숙박, 오피스텔의 기본적인 범위에서 중심지인지 외곽인지 등의 위치에 따라 차등해서 수치로 환산하여 데이터화한다. 즉, 1,000세대이상은 10점, 900세대이상은 9점, 800세대이상은 8점, 700세대이상은 7점, 600세대이상은 6점, 500세대이상은 5점, 400세대이상은 4점, 300세대이상은 3점, 200세대이상은 2점, 100세대이상은 1점, 그리고 50세대이상은 0.5점 등으로 수치로 환산하여 데이터화한다. 더욱이 상가, 타운하우스, 전원주택은 세대수에 준하여 점수를 부여할 수 있다.
또한, 투자분석용 애플리케이션(210)의 리스크분석모듈(214)에서 DB서버(300)의 임대율 및 월세수익률정보DB(340), 투자선호도 및 현장선호도정보DB(350)와 단기투자정보DB(360)에 저장된 데이터로부터 회원단말기(100)가 선택한 부동산에 관한 임대율 및 단기투자를 설정된 인근 지역의 부동산을 표본으로 리스크를 분석한다(S44). 예컨대, 임대율 관점으로, 분양부동산의 인근 500m, 1,000m, 1,500m 또는 10km 이내에 준공된 건물의 공실의 수와 공실의 기간을 수치로 환산하여 데이터화한다. 또한, 분양부동산의 인근 500m, 1,000m, 1,500m 또는 10km 이내에 준공된 모든 건물의 임대가격을 수치로 환산하여 데이터화한다. 또한, 전매를 위한 단기투자의 관점으로, 시, 군, 구로 세분화하여 전매한 횟수 및 금액을 세분화하여 수치로 환산하여 데이터화하고, 시, 군, 구로 세분화하여 전매하지 못한 분양현장 및 전매한 분양현장을 과거 5년부터 현재까지로 세분화하여 수치로 환산하여 데이터화한다. 또한, 현장선호도의 관점으로, 모델하우스에 다녀간 방문객을 수치로 환산하여 데이터화하고, 전국의 모델하우스 일일 방문객을 수치로 환산하여 데이터화하며, 방문객이 적은 모델하우스나 방문객이 많은 모델하우스를 수치로 환산하여 데이터화한다.
또한, 투자분석용 애플리케이션(210)의 입주 후 분석모듈(215)에서 DB서버(300)의 임대율 및 월세수익률정보DB(340)와 시세차익정보DB(370)에 저장된 데이터로부터 회원단말기(100)가 선택한 부동산에 관한 실제거주, 월세수익, 시세차익을 설정된 인근 지역의 부동산을 표본으로 분석한다(S45). 예컨대, 실제거주의 관점으로, 월세수익이 발생하는 인근 지역의 1km 단위마다 월세수익을 세분화시켜 최고가격, 평균가격, 최저가격을 나누고 이를 수치로 환산하여 데이터화하고, 시세차익의 관점으로, 시, 군, 구로 세분화하여 준공된 건물의 인근시세를 과거 5년부터 현재까지로 세분화하여 수치로 환산하여 데이터화하며, 인근시세의 5년간 기록으로 분양건물의 시세차익을 미리 예측하여 수치로 환산하여 각각 데이터화한다.
또한, 투자분석용 애플리케이션(210)은 입지분석모듈(211), 환금성분석모듈(212), 가격 및 시공건설사분석모듈(213), 리스크분석모듈(214), 입주 후 분석모듈(215)에서 각각 수치로 환산하여 데이터화된 값에 각각 합산하여 도출된 데이터에 항목별 가점모듈(217)로부터 실시간으로 수집한 해당하는 분양부동산의 긍정적인 영향을 미치는 요인에 대하여 일정 범위 내에서 점수를 가산하고(S51), 항목별 감점모듈(218)에서 실시간으로 수집한 해당하는 분양부동산의 부정적인 영향을 미치는 요인에 대하여 일정 범위 내에서 점수를 감산하며(S52), 항목별 가중치모듈(219)에서 실시간으로 수집한 해당하는 분양부동산의 분석기준에서 우선시되는 평가요소들을 차별화하여 평가요소마다 일정의 범위 내에서 가중치를 부여한다(S53). 또한, 항목별 추천모듈(220)은 항목별로 복수의 회원단말기(100)가 추천한 수나 비추천한 수, 그리고 회원단말기(100)가 해당 분양부동산을 조회한 수를 가산하여 점수화한다(S5). 즉, 투자분석용 애플리케이션은 분석항목별로 구분하여 평가한 점수에 추천, 비추천, 조회수를 수치로 환산하여 데이터화하고, 이를 항목별 점수에 각각 가산한다(S54).
그러므로 투자분석용 애플리케이션(210)은 해당하는 분양부동산에 관한 입지, 환금성, 가격 및 시공건설사, 리스크 및 입주 후와 관련된 투자분석을 출력모듈(216)을 통해 가시적인 수치, 그래프 및 설정된 메시지 등을 회원단말기(100)로 전송한다(S6).
도 5에서, AI 투자분석서버(200)의 투자분석용 애플리케이션(210)에서 입지분석모듈(211)이 분석한 결과를 가시적으로 나타낸 것이다. 해당하는 분양부동산은 입지분석에서 30점 만점에 23점으로 위치, 교통/지하철, 교통/버스, 주거성/편리성, 편의시설 및 주차편의성 등의 세부항목의 점수를 표시하고, 이를 도식화한 그래프, 즉, 레이더그래프를 통해 쉽게 판단할 수 있도록 표시한 것이다.
도 6에서, AI 투자분석서버(200)의 투자분석용 애플리케이션(210)에서 환금성분석모듈(212)이 분석한 결과를 가시적으로 나타낸 것이다. 해당하는 분양부동산은 환금성분석에서 30점 만점에 23.5점으로 투자자선호도, 상권 및 향후 인프라 등의 세부항목의 점수를 표시하고, 이를 도식화한 그래프, 즉, 레이더그래프를 통해 쉽게 판단할 수 있도록 표시한 것이다.
도 7에서, AI 투자분석서버(200)의 투자분석용 애플리케이션(210)에서 가격 및 시공건설사분석모듈(213)이 분석한 결과를 가시적으로 나타낸 것이다. 해당하는 분양부동산은 가격 및 시공건설사분석에서 30점 만점에 23점으로 분양가격, 시공건설사브랜드 및 세대/호실 수 등의 세부항목의 점수를 표시하고, 이를 도식화한 그래프, 즉, 레이더그래프를 통해 쉽게 판단할 수 있도록 표시한 것이다.
도 8에서, AI 투자분석서버(200)의 투자분석용 애플리케이션(210)에서 리스크분석모듈(214)이 분석한 결과를 가시적으로 나타낸 것이다. 해당하는 분양부동산은 리스크분석에서 30점 만점에 19.5점으로 임대율, 전매를 위한 단기, 현장선호도 등의 세부항목의 점수를 표시하고, 이를 도식화한 그래프, 즉, 레이더그래프를 통해 쉽게 판단할 수 있도록 표시한 것이다.
도 9에서, AI 투자분석서버(200)의 투자분석용 애플리케이션(210)에서 입주 후 분석모듈(215)이 분석한 결과를 가시적으로 나타낸 것이다. 해당하는 분양부동산은 입주 후 분석에서 30점 만점에 21점으로 실제거주, 월세수익, 시세차익 등의 세부항목의 점수를 표시하고, 이를 도식화한 그래프, 즉, 레이더그래프를 통해 쉽게 판단할 수 있도록 표시한 것이다.
도 10에서, AI 투자분석서버(200)의 투자분석용 애플리케이션(210)은 입지분석모듈(211), 환금성분석모듈(212), 가격 및 시공건설사분석모듈(213), 리스크분석모듈(214) 및 입주 후 분석모듈(215)이 각각 분석한 모든 결과를 항목별 점수로 표시하고, 이를 도식화한 레이더그래프를 통해 쉽게 판단할 수 있도록 표시한다. 이로부터 회원단말기(100)에 표출된 정보로부터 회원은 분양부동산의 보다 객관적이고 정확한 투자분석정보를 참고하여 해당 분양부동산의 투자여부를 결정할 수 있을 것이다.
이와 같이 본 발명의 부동산 분양정보에 따른 AI 투자분석을 서비스하기 위한 투자분석용 애플리케이션을 구현하기 위하여 매체에 저장된 컴퓨터 프로그램은 기존의 공인중개사나 분양상담사의 주관적인 관점에서 투자분석을 하는 것과는 달리, 분양부동산에 관하여 실시간으로 수집된 빅데이터로부터 AI 투자분석을 통해 수치화한 데이터를 산출하여 객관적이고 정확하며 가시적인 투자분석정보를 제시하여 회원들의 분양부동산의 투자여부를 결정할 수 있도록 한다.
이상의 설명에서 본 발명은 특정의 실시 예와 관련하여 도시 및 설명하였지만, 청구범위에 의해 나타난 발명의 사상 및 영역으로부터 벗어나지 않는 한도 내에서 다양한 개조 및 변화가 가능하다는 것을 이 기술분야에서 통상의 지식을 가진 자라면 누구나 쉽게 알 수 있을 것이다.
100: 회원단말기
200: AI 투자분석서버
210: 투자분석용 애플리케이션 211: 입지분석모듈 212: 환금성분석모듈 213: 가격 및 시공건설사분석모듈 214: 리스크분석모듈 215: 입주 후 분석모듈 216: 출력모듈 217: 항목별 가점모듈 218: 항목별 감점모듈 219: 항목별 가중치모듈 220: 항목별 추천모듈
300: DB서버 310: 대중교통정보DB 320: 지리적 위치정보DB 330: 시공건설사정보DB 340: 임대율 및 월세수익률정보DB 350: 투자선호도 및 현장선호도정보DB 360: 단기투자정보DB 370: 시세차익정보DB 380: 부동산관련법률정보DB 390: 인프라정보DB
400: 실시간 데이터추출서버
500: 관련기관서버
200: AI 투자분석서버
210: 투자분석용 애플리케이션 211: 입지분석모듈 212: 환금성분석모듈 213: 가격 및 시공건설사분석모듈 214: 리스크분석모듈 215: 입주 후 분석모듈 216: 출력모듈 217: 항목별 가점모듈 218: 항목별 감점모듈 219: 항목별 가중치모듈 220: 항목별 추천모듈
300: DB서버 310: 대중교통정보DB 320: 지리적 위치정보DB 330: 시공건설사정보DB 340: 임대율 및 월세수익률정보DB 350: 투자선호도 및 현장선호도정보DB 360: 단기투자정보DB 370: 시세차익정보DB 380: 부동산관련법률정보DB 390: 인프라정보DB
400: 실시간 데이터추출서버
500: 관련기관서버
Claims (5)
- 인터넷을 통해 AI 투자분석서버에 접속하여 부동산 분양정보를 수신하고자 하는 회원이 보유한 회원단말기; 상기 인터넷을 통해 접속된 복수의 회원단말기로 분양 중인 복수의 부동산정보를 제공하여 회원단말기로 하여금 선택할 수 있도록 하고, 회원단말기가 선택한 부동산의 분양정보에 대응하여 투자분석용 애플리케이션을 통해 DB서버에 저장된 복수의 부동산정보데이터를 분석한 후 회원단말기로 해당하는 부동산의 투자분석정보를 전송하는 AI 투자분석서버; 정부기관서버, 교통기관서버, 공공기관서버, 시공건설사서버를 포함하는 관련기관서버로부터 부동산 관련정보를 수집하여 해당 부동산의 분양정보를 추출한 후 상기 DB서버에 주기적으로 업데이트된 부동산정보를 전송하는 실시간 데이터추출서버; 상기 실시간 데이터추출서버에서 수집된 버스 및 지하철을 포함하는 대중교통의 이용을 위한 접근성 정보를 수신하여 저장하는 대중교통정보DB와, 상기 실시간 데이터추출서버에서 도로, 주거용 건물, 상업용 건물, 관공서, 병원, 생활편의시설, 공원, 학교, 학원을 포함하는 지리적 주거환경정보를 수신하여 저장하는 지리적 위치정보DB와, 상기 실시간 데이터추출서버에서 분양정보를 제공하는 부동산을 시공하는 건설사의 정보를 수신하여 저장하는 시공건설사정보DB와, 상기 실시간 데이터추출서버에서 분양정보를 제공하는 부동산이 위치한 일정 거리 이내의 주변 부동산의 임대율과 월세수익률 정보를 수신하여 저장하는 임대율 및 월세수익률정보DB와, 상기 실시간 데이터추출서버에서 투자분석을 위한 부동산 분양정보에 해당하는 건설 현장이나 모델하우스의 방문객 데이터를 수신하여 저장하는 투자자선호도 및 현장선호도정보DB와, 상기 실시간 데이터추출서버에서 시, 군, 구별로 분양 부동산에 관한 전매 횟수 및 금액과, 시, 군, 구별로 분양 부동산의 전매하지 못한 분양 현장과 전매한 분양 현장을 일정 기간으로 구분한 데이터를 수신하여 저장하는 단기투자정보DB와, 상기 실시간 데이터추출서버에서 시, 군, 구별로 준공 부동산으로부터 일정 거리 및 일정 기간 동안의 부동산 시세와 시세차익을 각각 구분한 데이터를 수신하여 저장하는 시세차익정보DB와, 상기 실시간 데이터추출서버에서 정부의 부동산 정책과 관련된 법률정보를 수신하여 저장하는 부동산관련법률정보DB와, 상기 실시간 데이터추출서버에서 분양 부동산의 건설 현장의 교통, 관공서, 문화, 생활편의시설의 개발정보와 공공주택, 상가, 오피스텔, 지식산업센터의 건축 인허가정보와 관련된 데이터를 수신하여 저장하는 인프라정보DB를 포함하는 DB서버를 포함하는 부동산 분양정보에 따른 AI 투자분석 서비스를 제공하는 시스템으로부터, 부동산 분양정보에 따른 AI 투자분석을 서비스하기 위한 투자분석용 애플리케이션을 구현하기 위하여 매체에 저장된 컴퓨터 프로그램에 있어서,
(a) 상기 DB서버의 대중교통정보DB와 지리적 위치정보DB에 저장된 데이터로부터 회원단말기가 선택한 부동산의 위치, 지하철, 버스, 주거편의성, 편의시설 및 주차시설을 포함하는 입지조건을 분석하는 기능;
(b) 상기 DB서버의 투자선호도 및 현장선호도정보DB와 인프라정보DB에 저장된 데이터로부터 회원단말기가 선택한 부동산의 선호도, 상권 및 향후 인프라를 포함하는 환금성을 분석하는 기능;
(c) 상기 DB서버의 시공건설사정보DB와 시세차익정보DB에 저장된 데이터로부터 회원단말기가 선택한 부동산의 분양가격, 시공건설사의 브랜드와 도급순위, 세대 및 호실 수를 포함하여 가격 및 시공건설사를 분석하는 기능;
(d) 상기 DB서버의 임대율 및 월세수익률정보DB, 투자선호도 및 현장선호도정보DB와 단기투자정보DB에 저장된 데이터로부터 회원단말기가 선택한 부동산에 관한 임대율 및 단기투자를 설정된 인근 지역의 부동산을 표본으로 리스크를 분석하는 기능;
(e) 상기 DB서버의 임대율 및 월세수익률정보DB와 시세차익정보DB에 저장된 데이터로부터 회원단말기가 선택한 부동산에 관한 실거주, 월세수익, 시세차익을 설정된 인근 지역의 부동산을 표본으로 입주 후를 분석하는 기능;
(f) 상기 입지분석모듈, 환금성분석모듈, 가격 및 시공건설사분석모듈, 리스크분석모듈 및 입주 후 분석모듈의 각각에 해당하는 분석기준에서 실시간을 통해 긍정적인 영향을 미치는 요인이 발생하면 일정의 범위 내에서 항목별 점수를 가점하는 기능;
(g) 상기 입지분석모듈, 환금성분석모듈, 가격 및 시공건설사분석모듈, 리스크분석모듈 및 입주 후 분석모듈의 각각에 해당하는 분석기준에서 실시간을 통해 부정적인 영향을 미치는 요인이 발생하면 일정의 범위 내에서 항목별 점수를 감점하는 기능;
(h) 상기 입지분석모듈, 환금성분석모듈, 가격 및 시공건설사분석모듈, 리스크분석모듈 및 입주 후 분석모듈의 각각에 해당하는 분석기준에서 우선시되는 평가요소들을 차별화하여 평가요소마다 일정의 범위 내에서 항목별 가중치를 부여하는 기능;
(i) 상기 입지분석모듈, 환금성분석모듈, 가격 및 시공건설사분석모듈, 리스크분석모듈 및 입주 후 분석모듈에서 각각 분석된 데이터정보를 설정된 수치나 그래픽화하여 가시적인 데이터로 출력하는 기능; 을 포함하는, 부동산 분양정보에 따른 AI 투자분석을 서비스하기 위한 투자분석용 애플리케이션을 구현하기 위하여 매체에 저장된 컴퓨터 프로그램.
- 제1항에 있어서, (j) 상기 투자분석용 애플리케이션에 복수의 회원단말기로부터 해당하는 부동산 분양정보에 항목별로 추천수, 비추천수 및 조회수를 산출하여 추천하는 기능을 더 포함하는, 부동산 분양정보에 따른 AI 투자분석을 서비스하기 위한 투자분석용 애플리케이션을 구현하기 위하여 매체에 저장된 컴퓨터 프로그램.
- 제1항에 있어서, 상기 부동산 분양정보는 건축 전의 부동산이나 건축 후의 부동산을 포함하는, 부동산 분양정보에 따른 AI 투자분석을 서비스하기 위한 투자분석용 애플리케이션을 구현하기 위하여 매체에 저장된 컴퓨터 프로그램.
- 제1항에 있어서, 상기 실시간 데이터추출서버는 복수의 관련기관서버로부터 시간, 일일, 주간, 월간, 분기, 반기, 년 단위로 구분하여 업데이트하는, 부동산 분양정보에 따른 AI 투자분석을 서비스하기 위한 투자분석용 애플리케이션을 구현하기 위하여 매체에 저장된 컴퓨터 프로그램.
- 제1항에 있어서, 상기 투자분석용 애플리케이션은 DB서버에 저장된 빅데이터로부터 항목별 분석을 위하여 데이터를 수치로 변환하여 산출하는, 부동산 분양정보에 따른 AI 투자분석을 서비스하기 위한 투자분석용 애플리케이션을 구현하기 위하여 매체에 저장된 컴퓨터 프로그램.
Priority Applications (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| KR1020210020389A KR102556291B1 (ko) | 2021-02-16 | 2021-02-16 | 부동산 분양정보에 따른 ai 투자분석을 서비스하기 위한 투자분석용 애플리케이션을 구현하기 위하여 매체에 저장된 컴퓨터 프로그램 |
Applications Claiming Priority (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| KR1020210020389A KR102556291B1 (ko) | 2021-02-16 | 2021-02-16 | 부동산 분양정보에 따른 ai 투자분석을 서비스하기 위한 투자분석용 애플리케이션을 구현하기 위하여 매체에 저장된 컴퓨터 프로그램 |
Publications (2)
| Publication Number | Publication Date |
|---|---|
| KR20220116925A KR20220116925A (ko) | 2022-08-23 |
| KR102556291B1 true KR102556291B1 (ko) | 2023-07-17 |
Family
ID=83092914
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| KR1020210020389A KR102556291B1 (ko) | 2021-02-16 | 2021-02-16 | 부동산 분양정보에 따른 ai 투자분석을 서비스하기 위한 투자분석용 애플리케이션을 구현하기 위하여 매체에 저장된 컴퓨터 프로그램 |
Country Status (1)
| Country | Link |
|---|---|
| KR (1) | KR102556291B1 (ko) |
Citations (2)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| KR100688446B1 (ko) | 2006-07-06 | 2007-03-02 | 부동산일일사 주식회사 | 네트워크 기반의 사업지 분석 시스템 및 제공방법 |
| KR102103670B1 (ko) | 2019-07-17 | 2020-04-23 | 주식회사 커넥트닷 | 부동산 평가 장치 및 방법 |
Family Cites Families (2)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| KR20130019629A (ko) | 2011-08-17 | 2013-02-27 | 엔에이치엔비즈니스플랫폼 주식회사 | 부동산 물건의 유형별 입지 및 상권 분석 서비스 제공 시스템, 방법 및 컴퓨터 판독 가능한 기록 매체 |
| KR20190081032A (ko) * | 2017-12-29 | 2019-07-09 | 진종찬 | 부동산 분양 정보 제공 시스템 |
-
2021
- 2021-02-16 KR KR1020210020389A patent/KR102556291B1/ko active IP Right Grant
Patent Citations (2)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| KR100688446B1 (ko) | 2006-07-06 | 2007-03-02 | 부동산일일사 주식회사 | 네트워크 기반의 사업지 분석 시스템 및 제공방법 |
| KR102103670B1 (ko) | 2019-07-17 | 2020-04-23 | 주식회사 커넥트닷 | 부동산 평가 장치 및 방법 |
Also Published As
| Publication number | Publication date |
|---|---|
| KR20220116925A (ko) | 2022-08-23 |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| Zhou et al. | The effect of a subway on house prices: Evidence from Shanghai | |
| US10074145B2 (en) | Methods for the transformation of complex zoning codes and regulations to produce usable search | |
| Ventolo et al. | Fundamentals of real estate appraisal | |
| Shimizu et al. | Pricing structure in Tokyo metropolitan land markets and its structural changes: pre-bubble, bubble, and post-bubble periods | |
| Cohen et al. | Guide to measuring neighborhood change to understand and prevent displacement | |
| KR20130019629A (ko) | 부동산 물건의 유형별 입지 및 상권 분석 서비스 제공 시스템, 방법 및 컴퓨터 판독 가능한 기록 매체 | |
| KR20110054221A (ko) | 웹지리정보시스템을 활용한 부동산 개발사업의 사업대상지 선정 시스템 및 그의 제어방법 | |
| KR102556282B1 (ko) | 부동산 분양정보에 따른 ai 투자분석 서비스 제공시스템 | |
| JP2003022314A (ja) | 不動産価格関数推定方法、不動産価格関数推定装置、及び不動産価格関数推定プログラム | |
| Yi Man Li et al. | Predicting Carpark Prices Indices in Hong Kong Using AutoML. | |
| Balaji et al. | Investigation into valuation of land using remote sensing and GIS in Madurai, Tamilnadu, India | |
| Anastasiadou et al. | Determining the parking fee using the contingent valuation methodology | |
| KR102556291B1 (ko) | 부동산 분양정보에 따른 ai 투자분석을 서비스하기 위한 투자분석용 애플리케이션을 구현하기 위하여 매체에 저장된 컴퓨터 프로그램 | |
| JP6753562B2 (ja) | 不動産活用提案システム、方法、及びコンピュータプログラム | |
| JP2020071591A (ja) | Ａｉを利用した不動産売却計画書オークションシステム | |
| Dimopoulos et al. | Comparative analysis of property taxation policies within Greece and Cyprus evaluating the use of GIS, CAMA, and remote sensing techniques | |
| Xu et al. | Spatial variability in retail gasoline markets | |
| Massieu | Developing tourism statistics at the sub-national level: the measurement of flows of trips and visitors | |
| KR20220007912A (ko) | 광고매체 평가 및 추천 시스템 | |
| Iacono et al. | The economic impact of upgrading roads | |
| Avkiran | A multivariate model of integrated branch performance and potential focusing on personal banking | |
| Kullén Dansarie | The Location's Impact on Office Properties' Green Building Certification Price Premiums: A Quantitative Study of the Swedish Commercial Property Market | |
| Gibson | The value of new: elementary school facility age and associated housing price | |
| Gillespie | Technical assistance report: I-73 economic impact analysis. | |
| Yamamoto | Professional practices in fixed assets valuation and assessor education in North America: suggestions for Japan |
Legal Events
| Date | Code | Title | Description |
|---|---|---|---|
| E701 | Decision to grant or registration of patent right | ||
| GRNT | Written decision to grant |