TWI773575B - 房價評估設備 - Google Patents

房價評估設備 Download PDF

Info

Publication number
TWI773575B
TWI773575B TW110140915A TW110140915A TWI773575B TW I773575 B TWI773575 B TW I773575B TW 110140915 A TW110140915 A TW 110140915A TW 110140915 A TW110140915 A TW 110140915A TW I773575 B TWI773575 B TW I773575B
Authority
TW
Taiwan
Prior art keywords
area
building data
historical
building
flooded
Prior art date
Application number
TW110140915A
Other languages
English (en)
Other versions
TW202320006A (zh
Inventor
宋恂如
葉淑如
李玲
林渤越
詹文翰
陳禹伶
黃俊儒
Original Assignee
中國信託商業銀行股份有限公司
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
Application filed by 中國信託商業銀行股份有限公司 filed Critical 中國信託商業銀行股份有限公司
Priority to TW110140915A priority Critical patent/TWI773575B/zh
Application granted granted Critical
Publication of TWI773575B publication Critical patent/TWI773575B/zh
Publication of TW202320006A publication Critical patent/TW202320006A/zh

Links

Images

Classifications

    • Y—GENERAL TAGGING OF NEW TECHNOLOGICAL DEVELOPMENTS; GENERAL TAGGING OF CROSS-SECTIONAL TECHNOLOGIES SPANNING OVER SEVERAL SECTIONS OF THE IPC; TECHNICAL SUBJECTS COVERED BY FORMER USPC CROSS-REFERENCE ART COLLECTIONS [XRACs] AND DIGESTS
    • Y02—TECHNOLOGIES OR APPLICATIONS FOR MITIGATION OR ADAPTATION AGAINST CLIMATE CHANGE
    • Y02A—TECHNOLOGIES FOR ADAPTATION TO CLIMATE CHANGE
    • Y02A10/00—TECHNOLOGIES FOR ADAPTATION TO CLIMATE CHANGE at coastal zones; at river basins
    • Y02A10/40—Controlling or monitoring, e.g. of flood or hurricane; Forecasting, e.g. risk assessment or mapping

Landscapes

  • Management, Administration, Business Operations System, And Electronic Commerce (AREA)
  • Financial Or Insurance-Related Operations Such As Payment And Settlement (AREA)
  • Refuse Collection And Transfer (AREA)
  • Tents Or Canopies (AREA)

Abstract

一種房價評估設備，包含一儲存裝置、一查詢裝置及一估價裝置。該查詢裝置用以接收一指示一區域的查詢建物信號且電連接該儲存裝置，並根據該查詢建物信號的該區域資訊對一資料庫進行一資料查表，而產生一查詢結果信號。該查詢結果信號指示一對應該區域資訊的建物資料。該估價裝置連接該查詢裝置，用以接收來自該查詢裝置的該查詢結果信號，並根據該建物資料（包含所在地淹水資訊）與一估計公式以計算產生一房價損失率。

Description

房價評估設備
本發明是有關於一種設備，特別是指一種房價評估設備。
依目前金融業揭露的氣候相關風險財務報告書顯示，現行氣候情境分析以盤點風險案件或調整既有信用風險模型參數為基礎，計算案件擔保品價值或預期損失差異數後，揭露擔保品位於氣候風險區域暴險金額或預期損失。例如，盤點氣候風險案件數及其占總融資金額比例，該作法未能有效量化出每一件擔保品或每個風險區域的預期損失金額，於情境損失分析的完整性上尚有不足。或調整銀行授信戶信用風險模型參數（違約率及違約損失率），計算高氣候風險授信案件預期損失的差異數亦無法反映建物（擔保品）所在區域與類型所造成的價格損失。
此外，相關文獻評估淹水災害對住宅價格影響時，分析方法多採取單一方法論，無法分析資料不足的區域，或受限淹水資訊蒐集不易，因此分析區域較狹隘，未能完整分析全台灣的淹水災害對住宅價格影響。
因此，本發明之目的，即在提供一種考慮淹水災害影響的房價評估設備。
於是，本發明包含一儲存裝置、一查詢裝置及一估價裝置。
該儲存裝置具有一資料庫。該資料庫記錄多個建物資料，該多個建物資料分別對應多個區域。
該查詢裝置用以接收一指示一區域的查詢建物信號且電連接該儲存裝置，並根據該查詢建物信號對該資料庫進行一資料查表，而產生一查詢結果信號。該查詢結果信號指示一對應該區域資訊的建物資料。該建物資料包括一淹水資訊、一相關該淹水資訊的歷史淹水區件數、歷史非淹水區件數，其中，該歷史非淹水區是該歷史淹水區的邊緣區域。
該估價裝置連接該查詢裝置，用以接收來自該查詢裝置的該查詢結果信號，並根據該建物資料與一估計公式產生一房價損失率。該估計公式相關於一樣本充足性。該樣本充足性的定義是相關於該對應的區域的歷史淹水區及歷史非淹水區的件數分別大於等於一最低需求數量。
本發明之功效在於：該估價裝置根據該建物資料與該估計公式產生該房價損失率。該估計公式相關於該樣本充足性。該樣本充足性的定義是相關於該對應的區域的歷史淹水區及歷史非淹水區的件數分別大於等於該最低需求數量。
參閱圖1與圖2，本發明房價評估設備的實施例。該房價評估設備包含一通訊介面裝置1、一查詢裝置2、一儲存裝置3及一估價裝置4。
在步驟501中，該通訊介面裝置1電連接該查詢裝置2，並根據一輸入指令用以產生一查詢建物信號。
該儲存裝置3，具有一資料庫。該資料庫記錄多個建物資料，該多個建物資料分別對應多個區域。
在步驟502中，該查詢裝置2用以接收該指示一區域的查詢建物信號且電連接該儲存裝置3，並根據該查詢建物信號對該資料庫進行一資料查表，而產生一查詢結果信號。該查詢結果信號指示一對應該區域資訊的建物資料。該建物資料包括一房屋特徵、一地理資訊、一公開資訊、一實價登錄、一社區資訊、一淹水資訊及一相關該淹水資訊的歷史淹水區件數、歷史非淹水區件數，其中，該歷史非淹水區是該歷史淹水區的邊緣區域。該房屋特徵包括屋齡、樓層、行政區、房屋面積等特徵。該地理資訊包括範圍類、距離類、機能類等變數。該公開資訊包括社會經濟、人口數、治安、災害、汙染等指標。該實價登錄包括不同期間、範圍的成交價格。該社區資訊包括不同期間同一社區、同一建商的成交價格。該淹水資訊包括對應該區域的一歷史淹水深度及一淹水潛勢深度。
在步驟503中，該估價裝置4連接該查詢裝置2，用以接收來自該查詢裝置2的該查詢結果信號，並根據該建物資料代入一估計公式產生一房價損失率。該估計公式相關於一樣本充足性及一建模顯著性。該樣本充足性的定義是相關於該對應的區域的歷史淹水區及歷史非淹水區的件數分別大於等於一最低需求數量。該建模顯著性相關於能否建立一線性迴歸模型。
舉例來說，該最低需求數量是30件。參閱圖3，在步驟601中，該查詢裝置2查詢該資料庫，該資料庫具有行內全臺（行政區／縣市）樣本。在步驟602中，當該估價裝置4判斷對應該區域的歷史淹水區及歷史非淹水區的件數分別大於等於30件，則該等建物資料具有該樣本充足性。在該步驟602中，當該估價裝置4判斷對應該區域的歷史淹水區及歷史非淹水區的件數其中之一小於30件，則該估計公式是一拔靴法（Bootstrap Method）。
在步驟603中，當該估價裝置4判斷該建物資料具有線性迴歸，則該等建物資料具有該建模顯著性。在步驟604中，該估計公式是一線性迴歸公式，且該線性迴歸公式用以建立一線性迴歸模型（以下簡稱建模）。該線性迴歸公式
Figure 02_image001
，其中，y是應變數，
Figure 02_image003
是迴歸係數，
Figure 02_image005
是該建物資料經過換算後對應的建模代表值，
Figure 02_image007
是誤差值。
Figure 02_image003
是由一多變數迴歸係數公式計算而得。需注意的是，該線性迴歸公式是以一行政區為最小單位進行建模，若行政區樣本未滿足該樣本充足性，則以縣市為最小單位進行建模。以臺北市大安區為例，該建物資料如表1所示。
表1、臺北市大安區的建物資料
建物（擔保品）資料 原始值
x 1：屋齡 4（年）
x 2：鄰近500公尺的公園數 6（個）
x 3：近兩年鄰近300公尺的平均成交單價 66（萬元）
x 4：近三年同一社區的成交單價 70（萬元）
x 5：淹水深度 1.5（公尺）
由於不同自變數的原始值單位各不相同，為了能放在一起比較，以自變數的值域進行分組，計算每一組所對應的平均每坪房價作為建模代表值。以屋齡為例，如表2所示。
表2、屋齡的建模代表值換算
屋齡原始值（年） 建模代表值（平均每坪房價，單位：萬元）
≤0 85
≤8 80
≤14 75
＞14 60
將表1的原始值如表2的方式進行換算，得到如表3所示的資訊。
表3、臺北市大安區的建物資料的建模代表值換算
建物（擔保品）資料 原始值 建模代表值
x 1：屋齡 4（年） 80（萬元）
x 2：鄰近500公尺的公園數 6（個） 50（萬元）
x 3：近兩年鄰近300公尺的平均成交單價 66（萬元） 68（萬元）
x 4：近三年同一社區的成交單價 70（萬元） 72（萬元）
x 5：淹水深度 1.5（公尺） 30（萬元）
該建物的每坪單價的估計如下：淹水前是
Figure 02_image009
（萬元）。淹水後是
Figure 02_image011
（萬元）。則該房價損失率是
Figure 02_image013
。（註：淹水深度0時的建模代表值為50（萬元）。）
參閱圖3，在該步驟603中，當該估價裝置4判斷該建物資料不具線性迴歸，則該等建物資料不具有該建模顯著性。在步驟605中，該估價裝置4可根據一變異數分析法（Analysis of Variance ，ANOVA）將該等建物資料中低於一門檻深度的建物資料排除以具線性迴歸，則該估計公式是一門檻迴歸公式。在步驟606中，該線性迴歸公式用以建立一門檻迴歸模型。該門檻深度相關於該淹水潛勢深度（例如，以0.5公尺作為切點）。該門檻迴歸公式是以行政區為最小單位進行建模，若行政區樣本未滿足該樣本充足性，則以縣市為最小單位進行建模。需注意的是，在該步驟605中，該估價裝置4是根據該淹水潛勢深度由淺至深切割樣本資料，在滿足該樣本充足性的前提下，根據該變異數分析法判斷該淹水潛勢深度是否顯著，將未達顯著的淹水潛勢深度的建物（擔保品）排除後，再以顯著的淹水潛勢深度的樣本與其他建物資料為自變數進行該門檻迴歸模型建模。全臺淹水潛勢圖是經設計降雨情境、特定水文地文條件及水理模式演算，模擬防洪設施於正常運作下可能的淹水情形。該全臺淹水潛勢圖包含透過降雨組體圖說明設計降雨情境及依據不同淹水深度級距以不同顏色標示該淹水深度的範圍。該淹水潛勢深度的定義是透過一些假設條件（例如，不同的降雨量）來進行模擬可能淹水的地區，所模擬出來的淹水深度，其中影響淹水最大主因是降雨量。在該門檻迴歸公式
Figure 02_image001
，且
Figure 02_image015
，其中，y是應變數，
Figure 02_image003
是迴歸係數，
Figure 02_image005
是該建物資料經過換算後對應的建模代表值，
Figure 02_image007
是誤差值，
Figure 02_image017
是淹水潛勢深度，
Figure 02_image019
是門檻深度。
Figure 02_image003
是由一多變數迴歸係數公式計算而得。以臺北市士林區為例，該建物資料如表4所示。
表4、臺北市士林區的建物資料的建模代表值換算
建物（擔保品）資料 原始值 建模代表值
x 1：屋齡 4（年） 80（萬元）
x 2：樓層 5（層） 35（萬元）
x 3：近三年半徑500公尺的平均成交單價 57（萬元） 60（萬元）
x 4：近三年同一社區的成交單價 70（萬元） 72（萬元）
x 5：淹水深度 2.0（公尺） 10（萬元）
該估價裝置4將建模樣本以該淹水潛勢深度作切割分為兩組，小於等於該淹水潛勢深度為第一組，大於該淹水潛勢深度為第二組，根據統計該變異數分析法判斷兩組樣本間的房價平均數是否有差異，並產生一檢定值F（簡稱F值）及一顯著性值P（簡稱P值）。若P值＜ 0.05，則該估價裝置4判斷該淹水潛勢深度是顯著，代表兩組樣本間的房價平均數有差異，該淹水潛勢深度對房價有影響性。
舉例來說，取該淹水潛勢深度是0.5公尺作為切點，將建模樣本中該淹水潛勢深度≤0.5公尺的樣本分為第一組，設定一個，其餘分為第二組，該估價裝置4根據該變異數分析法計算產生表5如下。
表5、變異數分析法的計算
來源　 自由度 離均差平方和 均方和 F值 P值
組間 1 4235.9 4235.9 14.78 0.0001
組內 429 122907.7 286.5 　 　
全體 430 127143.6 　 　 　
依計算結果得到P值是0.0001，因為P值小於0.05，所以該估價裝置4判斷該淹水潛勢深度達0.5公尺以上是顯著，代表在淹水情境下，淹水深度超過0.5公尺將對房價有所影響。
依表4的資料，該估價裝置4根據該變異數分析法判斷該淹水潛勢深度是0.5公尺，因此將落於該淹水潛勢深度小於0.5公尺區域的建物排除後建立該門檻迴歸模型。該建物的每坪單價的估計如下：淹水前是
Figure 02_image021
（萬元）。淹水後是
Figure 02_image023
（萬元）。則該房價損失率是
Figure 02_image025
。（註：淹水深度0時的建模代表值為35（萬元）。）
參閱圖3，在步驟606中，該估價裝置4根據該變異數分析法將該等建物資料中低於該門檻深度的建物資料排除也不具線性迴歸，則該估計公式是該拔靴法（Bootstrap Method），該門檻深度相關於該淹水潛勢深度。
參閱圖3，在步驟607中，該估價裝置4根據該拔靴法模擬價格損失分配是依地域及建物類型分類。地域分為北部及中南部。北部包含臺北市、新北市、基隆市、桃園市、新竹縣市及宜蘭縣，其餘縣市為中南部。建物類型則分為大廈、公寓及透天厝。在步驟608中，該估價裝置4以一定期間內歷史曾發生淹水區域的建物價格與鄰近未發生淹水區域的建物平均價格相比較後產生一房價跌幅，經該拔靴法模擬數萬次後，再產生一跌幅的分配，該估價裝置4依據給定的淹水情境機率，即可對應前述分配的分位數進行估計。
舉例來說，將臺灣本島以200公尺
Figure 02_image027
200公尺為一方格可分為約92萬個方格。參閱圖4，依歷史是否曾有淹水紀錄分為一歷史淹水區及一歷史非淹水區。以北部地區─大廈為例，該估價裝置4計算該歷史淹水區及該非淹水區的房價後，可將樣本整理如表6資訊。
表6、歷史淹水區及非淹水區資訊
方格 淹水區房價（萬元） 鄰近非淹水區平均房價（萬元） 價差 （萬元） 房價損失率
淹水方格建物A 60 80
Figure 02_image029
Figure 02_image031
淹水方格建物B 70 80
Figure 02_image033
Figure 02_image035
淹水方格建物C 50 80
Figure 02_image037
Figure 02_image039
淹水方格建物D 65 80
Figure 02_image041
Figure 02_image043
該拔靴法模擬價格損失分配如表7所示。
表7、模擬價格損失分配
分配分位數 分配分位數對應的損失率
Figure 02_image045
Figure 02_image047
Figure 02_image049
Figure 02_image051
Figure 02_image053
Figure 02_image031
Figure 02_image055
Figure 02_image055
Figure 02_image057
Figure 02_image059
參閱圖5，該估價裝置4以抽後放回的方式重複抽樣數萬次後，依抽樣結果產生一北部地區─大廈的房價跌幅分配。
綜上所述，上述實施例具有以下優點：優點一，該房價評估設備以地域及建物類型進行模型區隔及分配模擬，可依據所屬區域與建物類型進行不同面向的暴險狀況及完整檢視，亦可依據不同情境分析比較，提升氣候變遷情境分析的細緻度，並可增加區域覆蓋度的效果。達成功效是有效解決現行各界作法中所遇到細緻度與覆蓋度皆低的缺點。
優點二，為評估水災後對建物（不動產擔保品）的影響，該房價評估設備搭配情境機率，可具體衡量不同情境的建物（不動產擔保品）預期損失金額。達成功效是達到量化風險的效果。因此，確實能達成本發明之目的。
惟以上所述者，僅為本發明之實施例而已，當不能以此限定本發明實施之範圍，凡是依本發明申請專利範圍及專利說明書內容所作之簡單的等效變化與修飾，皆仍屬本發明專利涵蓋之範圍內。
1:通訊介面裝置 2:查詢裝置 3:儲存裝置 4:估價裝置 501～503:房價評估的步驟 601～608:判斷適用模型的步驟
本發明之其他的特徵及功效，將於參照圖式的實施方式中清楚地呈現，其中： 圖1是一方塊圖，說明本發明房價評估設備的一實施例； 圖2是該實施例的一流程圖； 圖3是該實施例的一判斷適用模型的流程圖； 圖4是該實施例的一歷史淹水區及歷史非淹水區分布圖；及 圖5是該實施例的一頻率與房價跌幅的關係圖。
1:通訊介面裝置
2:查詢裝置
3:儲存裝置
4:估價裝置

Claims (10)

  1. 一種房價評估設備，包含： 一儲存裝置，具有一資料庫，該資料庫記錄多個建物資料，該多個建物資料分別對應多個區域； 一查詢裝置，用以接收一指示一區域的查詢建物信號且電連接該儲存裝置，並根據該查詢建物信號對該資料庫進行一資料查表，而產生一查詢結果信號，該查詢結果信號指示一對應該區域的建物資料，該建物資料包括一淹水資訊、一相關該淹水資訊的歷史淹水區件數、歷史非淹水區件數，其中，該歷史非淹水區是該歷史淹水區的邊緣區域；及 一估價裝置，連接該查詢裝置，用以接收來自該查詢裝置的該查詢結果信號，並根據該建物資料與一估計公式產生一房價損失率，該估計公式相關於一樣本充足性，該樣本充足性的定義是相關於該對應的區域的歷史淹水區及歷史非淹水區的件數是否分別大於等於一最低需求數量。
  2. 如請求項1所述的房價評估設備，更包括一電連接該查詢裝置的通訊介面裝置，該通訊介面裝置根據一輸入指令用以產生該查詢建物信號。
  3. 如請求項1所述的房價評估設備，其中，該建物資料更包括一房屋特徵、一地理資訊、一公開資訊、一實價登錄、一社區資訊。
  4. 如請求項1所述的房價評估設備，其中，該淹水資訊包括對應該區域的一歷史淹水深度及一淹水潛勢深度。
  5. 如請求項1所述的房價評估設備，其中，該估計公式更相關於一建模顯著性，該建模顯著性相關於能否建立一線性迴歸模型。
  6. 如請求項5所述的房價評估設備，其中，當該估價裝置判斷對應該區域的歷史淹水區及歷史非淹水區的件數分別大於等該最低需求數量，且該等建物資料具有線性迴歸，則判斷該等建物資料具有該建模顯著性，該估計公式是一線性迴歸公式
    Figure 03_image061
    ，其中，y是應變數，
    Figure 03_image063
    是迴歸係數，
    Figure 03_image065
    是該建物資料經過換算後對應的建模代表值，
    Figure 03_image067
    是誤差值。
  7. 如請求項5所述的房價評估設備，其中，當該估價裝置判斷對應該區域的歷史淹水區及歷史非淹水區的件數分別大於等於該最低需求數量，而該等建物資料不具線性迴歸，則判斷該等建物資料不具有該建模顯著性，但可透過一變異數分析法將該等建物資料中低於一門檻深度的建物資料排除以具線性迴歸，則該估計公式是一門檻迴歸公式
    Figure 03_image061
    ，且
    Figure 03_image069
    ，其中，y是應變數，
    Figure 03_image063
    是迴歸係數，
    Figure 03_image065
    是該建物資料經過換算後對應的建模代表值，
    Figure 03_image067
    是誤差值，
    Figure 03_image071
    是該淹水潛勢深度，
    Figure 03_image073
    是該門檻深度，該門檻深度相關於該淹水潛勢深度。
  8. 如請求項5所述的房價評估設備，其中，當該估價裝置判斷對應該區域的歷史淹水區及歷史非淹水區的件數分別大於等於該最低需求數量，而該等建物資料不具線性迴歸，則判斷該等建物資料不具有該建模顯著性，且透過一變異數分析法將該等建物資料中低於一門檻深度的建物資料排除也不具線性迴歸，則該估計公式是一拔靴法，該門檻深度相關於該淹水潛勢深度。
  9. 如請求項5所述的房價評估設備，其中，當該估價裝置判斷對應該區域的歷史淹水區及歷史非淹水區的件數其中之一小於該最低需求數量，則判斷該等建物資料不具有該建模顯著性，該估計公式是一拔靴法。
  10. 如請求項1所述的房價評估設備，其中，該最低需求數量是30件。
TW110140915A 2021-11-03 2021-11-03 房價評估設備 TWI773575B (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
TW110140915A TWI773575B (zh) 2021-11-03 2021-11-03 房價評估設備

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
TW110140915A TWI773575B (zh) 2021-11-03 2021-11-03 房價評估設備

Publications (2)

Publication Number Publication Date
TWI773575B true TWI773575B (zh) 2022-08-01
TW202320006A TW202320006A (zh) 2023-05-16

Family

ID=83806897

Family Applications (1)

Application Number Title Priority Date Filing Date
TW110140915A TWI773575B (zh) 2021-11-03 2021-11-03 房價評估設備

Country Status (1)

Country Link
TW (1) TWI773575B (zh)

Citations (6)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN110033312A (zh) * 2019-03-13 2019-07-19 平安城市建设科技(深圳)有限公司 房价预测模型的生成方法、装置、设备及存储介质
TWM602260U (zh) * 2020-06-12 2020-10-01 兆豐國際商業銀行股份有限公司 不動產估價系統
CN111951059A (zh) * 2020-08-24 2020-11-17 深圳禾略贝塔信息科技有限公司 一种房地产估值方法、装置、终端以及可读存储介质
CN112418936A (zh) * 2020-11-23 2021-02-26 中国科学技术大学先进技术研究院 基于多层次评估模型的房产价格智能评估方法及装置
US20210279852A1 (en) * 2020-03-06 2021-09-09 Yembo, Inc. Identifying flood damage to an indoor environment using a virtual representation
TWM624436U (zh) * 2021-11-03 2022-03-11 中國信託商業銀行股份有限公司 房價評估設備

Patent Citations (6)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN110033312A (zh) * 2019-03-13 2019-07-19 平安城市建设科技(深圳)有限公司 房价预测模型的生成方法、装置、设备及存储介质
US20210279852A1 (en) * 2020-03-06 2021-09-09 Yembo, Inc. Identifying flood damage to an indoor environment using a virtual representation
TWM602260U (zh) * 2020-06-12 2020-10-01 兆豐國際商業銀行股份有限公司 不動產估價系統
CN111951059A (zh) * 2020-08-24 2020-11-17 深圳禾略贝塔信息科技有限公司 一种房地产估值方法、装置、终端以及可读存储介质
CN112418936A (zh) * 2020-11-23 2021-02-26 中国科学技术大学先进技术研究院 基于多层次评估模型的房产价格智能评估方法及装置
TWM624436U (zh) * 2021-11-03 2022-03-11 中國信託商業銀行股份有限公司 房價評估設備

Also Published As

Publication number Publication date
TW202320006A (zh) 2023-05-16

Similar Documents

Publication Publication Date Title
Ang et al. From concept to application: A review of use cases in urban building energy modeling
Li et al. Modeling urban building energy use: A review of modeling approaches and procedures
Chaudhuri et al. Temporal accuracy in urban growth forecasting: A study using the SLEUTH model
Mangold et al. Handling data uncertainties when using Swedish energy performance certificate data to describe energy usage in the building stock
Wong et al. Modelling building energy use at urban scale: A review on their account for the urban environment
CN107341599A (zh) 城市道路网络资产评估方法、装置与系统
Cai et al. Validation tests of an improved kernel density estimation method for identifying disease clusters
US7930254B1 (en) Property value estimation using feature distance from comparable sales
Simonotti et al. Multilevel methodology approach for the construction of real estate monthly index numbers
Johari et al. Urban building energy modeling from geo-referenced energy performance certificate data: Development, calibration, and validation
Vo et al. An integrated framework for extreme drought assessments using the natural drought index, copula and Gi* statistic
TWM624436U (zh) 房價評估設備
Stephens et al. Assessing the reliability of probabilistic flood inundation model predictions
Wederhake et al. Benchmarking building energy performance: Accuracy by involving occupants in collecting data-A case study in Germany
TWI773575B (zh) 房價評估設備
TWM596930U (zh) 不動產估價裝置
Međimorec et al. Portfolio theory application in wind potential assessment
TWI744299B (zh) 不動產估價用途的交易標的價格估算方法
Mu et al. Distance in spatial analysis: measurement, bias, and alternatives
Hermans Implementation of geographically weighted regression in automated valuation models in The Netherlands
CN113689048A (zh) 一种预测未来人口精细化空间分布的方法、系统及计算机可读存储介质
Soltani et al. The non-linear dynamics of South Australian regional housing markets: A machine learning approach
TWI739371B (zh) 不動產估價方法及不動產估價裝置
Lin et al. A novel spatiotemporal statistical downscaling method for hourly rainfall
Weku et al. Optimal Bandwidth for Geographically Weighted Regression to Model the Spatial Dependency of Land Prices in Manado, North Sulawesi Province, Indonesia