WO2024072205A1 - Automatic pricing system for rural and urban properties - Google Patents

Automatic pricing system for rural and urban properties Download PDF

Info

Publication number
WO2024072205A1
WO2024072205A1 PCT/MX2023/050058 MX2023050058W WO2024072205A1 WO 2024072205 A1 WO2024072205 A1 WO 2024072205A1 MX 2023050058 W MX2023050058 W MX 2023050058W WO 2024072205 A1 WO2024072205 A1 WO 2024072205A1
Authority
WO
WIPO (PCT)
Prior art keywords
property
price
urban
land
data
Prior art date
Application number
PCT/MX2023/050058
Other languages
Spanish (es)
French (fr)
Inventor
Horacio CANALES SILLER
Original Assignee
Concentradora Digital S.A.P.I. De C.V.
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 Concentradora Digital S.A.P.I. De C.V. filed Critical Concentradora Digital S.A.P.I. De C.V.
Publication of WO2024072205A1 publication Critical patent/WO2024072205A1/en

Links

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
    • G06Q30/00—Commerce

Abstract

The present invention relates to an automatic pricing system for rural and urban land that assesses the market price of property assets using data on soil absorption over time. The system uses for this purpose a prediction model based on the historical soil absorption, extracting historical remote sensing data around a point of interest, as well as the growth rate of each urban characteristic over a period of time, the relationship between them, the services (supermarkets, fast food outlets, parks, churches, etc.) around the area of interest, and information regarding the property market. The system is also useful for automatically detecting investment opportunities when the sales offer for land is below the market value, if its value based on the historical absorption of land is high compared to the market, or the appreciation of the land (based on the absorption of land) has a positive slope over time.

Description

TÍTULO: Sistema de cotización automatizada para inmuebles rurales y urbanosTITLE: Automated quoting system for rural and urban properties
INVENTOR: Horacio Canales Siller (Mx) INVENTOR: Horacio Canales Siller (Mx)
CAMPO TÉCNICO TECHNICAL FIELD
[0001] Esta invención se relaciona en lo general con los sistemas de tasación inmobiliaria. Más específicamente, la presente invención alude a un sistema automatizado de evaluación que utiliza métodos de aprendizaje automáticos para determinar el valor monetario de un activo inmobiliario, tanto el actual como el esperado a través del tiempo; incorporando las tendencias históricas de la tasa de absorción inmobiliaria, facilitando así las decisiones de inversión. [0001] This invention is generally related to real estate appraisal systems. More specifically, the present invention refers to an automated evaluation system that uses automatic learning methods to determine the monetary value of a real estate asset, both current and expected over time; incorporating historical trends in the real estate absorption rate, thus facilitating investment decisions.
ANTECEDENTES DE LA INVENCIÓN BACKGROUND OF THE INVENTION
[0002] La fijación de precios para inmuebles rurales y urbanos es un tema conocido en la teoría económica que se rige por la ley de la oferta y la demanda y por diferentes políticas gubernamentales relacionadas con los derechos del uso de suelo. La ley de la oferta y la demanda aplicada al mercado inmobiliario suele estar motivada por las oportunidades de inversión, el crecimiento demográfico, la expansión urbana y factores relacionados con cada propiedad como su tamaño, topografía, tipo de uso de suelo, su localización en cierta calle, etc. Sin embargo, las circunstancias que afectan el precio de un inmueble no son fácilmente perceptibles con una fotografía o con una visita al sitio en donde se encuentra la propiedad, debido a que la evolución histórica de la zona en la que se ubica el inmueble, así como hacia dónde se dirige dicha evolución, es imperceptible para el ojo. Sin embargo, estos factores afectarán considerablemente su valor real con el tiempo. Esta evolución a través del tiempo no es evidente a partir de los datos que habitualmente están disponibles para el vendedor o el comprador promedio, y no existen métodos claros para medir estos factores y tomarlos en cuenta al momento de calcular el valor de lotes urbanos y rurales. [0002] Pricing for rural and urban real estate is a well-known topic in economic theory that is governed by the law of supply and demand and by different government policies related to land use rights. The law of supply and demand applied to the real estate market is usually motivated by investment opportunities, demographic growth, urban expansion and factors related to each property such as its size, topography, type of land use, its location in a certain street, etc. However, the circumstances that affect the price of a property are not easily perceptible with a photograph or with a visit to the site where the property is located, due to the historical evolution of the area in which the property is located, as well as as to where this evolution is heading, it is imperceptible to the eye. However, these factors will significantly affect its actual value over time. This evolution over time is not evident from the data that is typically available to the average seller or buyer, and there are no clear methods to measure these factors and take them into account when calculating the value of urban and rural lots. .
[0003] Una herramienta que puede ayudar en esta tarea son las imágenes satelitales, tomadas en diferentes años, del área en donde se encuentra el inmueble que será evaluado. El uso de las características de la tasa de absorción inmobiliaria a través del tiempo ha demostrado desempeñar un papel importante en la plusvalía del suelo urbano y rural, y es un potencial impulsor de ganancias de capital para los inversores. Esto puede ayudar a evaluar las tendencias de crecimiento y la expansión de la zona, lo que al mismo tiempo impactará en los precios de los lotes. Los datos de detección remota y otras fuentes de datos territoriales se utilizan para verificar el historial del uso de suelo/cubierta terrestre clasificando las áreas de los inmuebles en tierra cultivable, tierra destinada para la construcción, vegetación, agua, residencial, industrial, pastizales, carreteras, etc. Estos datos se han utilizado para identificar las tendencias de desarrollo urbano y rural, de baja y alta densidad, categorizando la tendencia concerniente a la expansión de los desarrollos urbanos. [0003] A tool that can help in this task is satellite images, taken in different years, of the area where the property to be evaluated is located. The use of the characteristics of the real estate absorption rate over time has proven to play an important role in the appreciation of urban and rural land, and is a potential driver of capital gains for investors. This can help evaluate growth trends and expansion in the area, which will at the same time impact lot prices. Remote sensing data and other land data sources are used to verify land use/land cover history by classifying property areas into arable land, construction land, vegetation, water, residential, industrial, grassland, roads, etc. These data have been used to identify urban and rural development trends, low and high density, categorizing the trend concerning the expansion of urban developments.
[0004] Si bien se pueden encontrar algunas técnicas que estudian entidades utilizando sus características topológicas, geométricas o geográficas con o sin aplicación de aprendizaje automático; estas técnicas aún se encuentran en su desarrollo temprano, y ninguna de ellas integra la información con los precios de los bienes inmuebles ni con otra información económica, a fin de utilizar los datos de manera sistemática para estimar con precisión el valor a través del tiempo de los bienes inmuebles urbanos o rurales. En efecto, la aplicación de Elementos de Ingeniería y de regresiones de aprendizaje automático a información de desarrollo urbano se ha utilizado en entornos académicos y de planificación urbana, pero no para realizar una cotización automatizada de inmuebles. [0004] Although some techniques can be found that study entities using their topological, geometric or geographical characteristics with or without application of machine learning; These techniques are still in their early development, and none of them integrate the information with real estate prices or other economic information in order to systematically use the data to accurately estimate the value over time of urban or rural real estate. Indeed, the application of Engineering Elements and machine learning regressions to urban development information has been used in academic and urban planning environments, but not to carry out automated real estate pricing.
[0005] Por este motivo, una metodología que combine técnicas de aprendizaje automático, a fin de evaluar el precio de mercado de suelos rurales y urbanos, a partir de datos de detección remota de baja resolución y con el propósito de detectar automáticamente oportunidades de inversión, ya sea el caso que: exista una oferta de venta de algún inmueble que esté por debajo del valor del mercado, que su valor (basado en el historial de su tasa de absorción inmobiliaria) sea alto en comparación con el del mercado o bien, el que su plusvalía (basada en la tasa de absorción inmobiliaria) tenga una pendiente positiva a través del tiempo, podría satisfacer una necesidad no resuelta del mercado y constituiría un avance valioso en el campo. Esta metodología puede ayudar a comprender mejor un modelo de plusvalía basado no sólo en la ley de la oferta y la demanda, sino también en las tendencias de la tasa de absorción inmobiliaria. MEMORIA DESCRIPTIVA [0005] For this reason, a methodology that combines machine learning techniques, in order to evaluate the market price of rural and urban land, based on low-resolution remote sensing data and with the purpose of automatically detecting investment opportunities , whether it is the case that: there is an offer for the sale of a property that is below the market value, that its value (based on the history of its real estate absorption rate) is high compared to that of the market or, The fact that its capital gains (based on the real estate absorption rate) have a positive slope over time could satisfy an unresolved need in the market and would constitute a valuable advance in the field. This methodology can help to better understand a capital gains model based not only on the law of supply and demand, but also on real estate absorption rate trends. DESCRIPTIVE MEMORY
[0006] La Tecnología de Inteligencia se refiere a herramientas que permitan evaluar mercados internacionales de bienes raíces no sólo para entender la plusvalía latente de distintas zonas, sino también para identificar los productos inmobiliarios que optimicen la rentabilidad de la tierra. Para referencia observar “Dibujo 1”. [0006] Intelligence Technology refers to tools that allow evaluating international real estate markets not only to understand the latent capital gains of different areas, but also to identify real estate products that optimize the profitability of the land. For reference see “Drawing 1”.
[0007] En el ámbito de la renta de la tierra idealizada como lo menciona David Ricardo en la Teoría de la Renta “Si toda la tierra tuviera las mismas propiedades, si su cantidad fuera ilimitada y su calidad uniforme, su uso no ocasiona ningún cargo, a menos que brinde ventajas peculiares de situación. Por tanto, únicamente porque la tierra no es ilimitada en cantidad ni uniforme en calidad, y porque con el incremento de la población, la tierra de calidad inferior o menos ventajosamente situada tiene que ponerse en cultivo, se paga renta por su uso." Para referencia observar “Dibujo 2”. [0007] In the area of idealized land rent, as mentioned by David Ricardo in the Theory of Rent, “If all the land had the same properties, if its quantity were unlimited and its quality uniform, its use does not cause any charge. , unless it provides peculiar situational advantages. Therefore, only because land is neither unlimited in quantity nor uniform in quality, and because with the increase of population, land of inferior quality or less advantageously situated has to be brought into cultivation, rent is paid for its use." For reference see “Drawing 2”.
[0008] Es posible que se pueda medir la demanda de tierra, aislando dicha demanda de tierra del mercado inmobiliario, ya que la tecnología ZALD permite la medición de distribución de productos urbanos y agua a partir de teledetección satelital e inteligencia artificial. Para referencia observar “Dibujo 3” y “Dibujo 4”. [0008] It is possible that the demand for land can be measured, isolating said demand for land from the real estate market, since ZALD technology allows the measurement of distribution of urban products and water from satellite remote sensing and artificial intelligence. For reference, see “Drawing 3” and “Drawing 4”.
[0009] Se asume que el crecimiento de la distribución de productos urbanos en una zona, es un reflejo de la demanda de tierra en la misma. Los datos permiten monitorear la demanda mundial de tierra. Los datos satelitales permiten monitorear la demanda mundial de tierra. Para referencia observar “Dibujo 5”. [0009] It is assumed that the growth of the distribution of urban products in an area is a reflection of the demand for land in it. The data makes it possible to monitor global demand for land. Satellite data makes it possible to monitor global demand for land. For reference, see “Drawing 5”.
[0010] Además de la infraestructura urbana que puede ser medida, también otros factores como la demografía, temperatura, humedad, etc., pueden obtenerse para territorios internacionales. Para referencia observar “Dibujo 6”. [0010] In addition to the urban infrastructure that can be measured, other factors such as demographics, temperature, humidity, etc., can also be obtained for international territories. For reference, see “Drawing 6”.
[0011] El ZALD Index R.2.5.1, permite medir la absorción de la tierra, con la oferta de desarrollo urbano en una zona con un radio de 2.5 kilómetros (área de 1940 hectáreas efectivas debido a resolución). Para referencia observar “Dibujo 7” y “Dibujo 8”. [0012] El modelo que predice el precio de la tierra en base a absorción y puntos de interés (POIs), es una función con millones de posibles combinaciones de variables de las características de la zona. Los modelos de optimización son útiles para decodificar los factores de apreciación de la tierra para cualquier geografía. Para referencia observar “Dibujo 9”. [0011] The ZALD Index R.2.5.1 allows measuring the absorption of land, with the offer of urban development in an area with a radius of 2.5 kilometers (area of 1940 effective hectares due to resolution). For reference, see “Drawing 7” and “Drawing 8”. [0012] The model that predicts the price of land based on absorption and points of interest (POIs) is a function with millions of possible combinations of variables of the characteristics of the area. Optimization models are useful for decoding land appreciation factors for any geography. For reference, see “Drawing 9”.
[0013] La hipótesis referente a la valuación basada en plusvalía expone que el precio de la tierra es una función de su geolocalización y de la tasa de absorción de la misma, esta es causada por los productos inmobiliarios colocados sobre la tierra. Para referencia observar “Dibujo 10”. [0013] The hypothesis regarding valuation based on capital gains states that the price of land is a function of its geolocation and its absorption rate, this is caused by the real estate products placed on the land. For reference, see “Drawing 10”.
[0014] Los datos de precios de tierra actuales para distintas zonas (en distintas etapas de absorción), podría brindar información acerca de la relación entre el precio de la tierra y las fuentes de absorción de la misma. Esto quiere decir que con precios actuales de terrenos, podemos predecir el precio futuro de la tierra con un rango de error. Para referencia observar “Dibujo 11”. [0014] Current land price data for different areas (at different stages of absorption) could provide information about the relationship between the price of land and the sources of land absorption. This means that with current land prices, we can predict the future price of land with a range of error. For reference, see “Drawing 11”.
DESCRIPCIÓN DE LA INVENCIÓN DESCRIPTION OF THE INVENTION
[0015] El objeto principal de la presente invención es el proporcionar una metodología para estimar el precio del mercado inmobiliario rural y urbano tomando en consideración la información de la tasa de absorción del inmueble a través del tiempo. [0015] The main object of the present invention is to provide a methodology to estimate the price of the rural and urban real estate market taking into consideration the information on the absorption rate of the property over time.
[0016] Otro objeto de esta invención es pronosticar el precio de una superficie de terreno determinada utilizando datos históricos de Detección Remota combinados con información del mercado inmobiliario. [0016] Another object of this invention is to forecast the price of a given land area using historical Remote Sensing data combined with real estate market information.
[0017] Otro objeto más de esta invención es identificar automáticamente oportunidades de inversión cuando una oferta de venta de algún inmueble esté por debajo del mercado; su valor, determinado por el historial de su tasa de absorción inmobiliaria, sea alto en comparación con el del mercado o bien, que su plusvalía (basada en la tasa de absorción inmobiliaria) tenga una tendencia positiva a través del tiempo. [0018] Algunos ejemplos de estas características incluyen infraestructura como lo son carreteras, edificios comerciales, suministros de agua, viviendas, disponibilidad de terreno baldío, etc. Información como la tasa de expansión de cada característica urbana, su magnitud absoluta en cada período de tiempo, la relación entre ellas y las amenidades (supermercados, establecimientos de comida rápida, parques, instituciones religiosas, etc.) alrededor de un área de interés, se utilizan para pronosticar su precio mediante un modelo de regresión. El precio de un área de interés se estima con base en datos de baja fidelidad de la tasa de absorción inmobiliaria y la presencia de diversas amenidades dentro de un radio. [0017] Another object of this invention is to automatically identify investment opportunities when an offer for the sale of a property is below the market; its value, determined by the history of its real estate absorption rate, is high compared to that of the market or, its capital gain (based on the real estate absorption rate) has a positive trend over time. [0018] Some examples of these characteristics include infrastructure such as roads, commercial buildings, water supplies, housing, availability of vacant land, etc. Information such as the rate of expansion of each urban feature, their absolute magnitude in each time period, the relationship between them and the amenities (supermarkets, fast food establishments, parks, religious institutions, etc.) around an area of interest, They are used to forecast its price using a regression model. The price of an area of interest is estimated based on low-fidelity data of the real estate absorption rate and the presence of various amenities within a radius.
[0019] Los datos de las pruebas revelaron un rango de precisión del 80% al 98% para la metodología propuesta, con variaciones según la región en cuestión. En áreas con inmuebles disponibles limitados puede haber errores de predicción mayores. A pesar de una precisión ocasionalmente reducida, se observó una fuerte correlación entre los datos procesados de detección remota y el precio de mercado en diferentes regiones. [0019] Test data revealed an accuracy range of 80% to 98% for the proposed methodology, with variations depending on the region in question. In areas with limited available real estate there may be larger prediction errors. Despite occasionally reduced accuracy, a strong correlation was observed between processed remote sensing data and market price in different regions.
[0020] Un sistema de cotización automatizada para inmuebles rurales y urbanos de conformidad con la presente invención se consigue combinando algunos o todos los siguientes aspectos: a) Datos históricos de detección remota (resolución de 30 x 30 metros) extraídos alrededor de un punto de interés, incluyendo bandas de espectro visibles, bandas de espectro de infrarrojo cercano, bandas de espectro de infrarrojo de onda corta, bandas pancromáticas y /o bandas térmicas. b) Datos exactos y/o históricos correspondientes con el mercado, para inmuebles en venta, incluido el precio por metro cuadrado, el área de la propiedad y la disponibilidad de servicios dentro de un radio (por ejemplo, 1 km). c) Distribución de las características urbanas, incluida la validación de datos (exclusión de nubes, píxeles vacíos, píxeles exteriores, etc.) y la clasificación de píxeles (en carreteras, viviendas, edificios comerciales, agua, terrenos baldíos disponibles, etc.). d) Ingeniería de características, incluida la corrección de señales de características urbanas para evitar anomalías en la evolución de las características a lo largo del tiempo, distinguiendo inmuebles utilizables de inmuebles con riesgo de inundación, calculando tasas de expansión para cada característica, características polinómicas, selección de características, etc. e) Un modelo de regresión, implementado en servidores/nube y entrenado con regresión lineal, árboles de decisión, algoritmo XGBoost o alguno similar. f) Una interfaz gráfica para el usuario, que sea accesible a través de un dispositivo electrónico conectado a Internet, que permita al usuario extraer, filtrar y navegar a través de la información obtenida del modelo de regresión y subir inmuebles en una plataforma de listado. g) Una base de datos de listado. h) Una base de datos de inmuebles. i) Una base de datos de oportunidades de inversión. [0020] An automated pricing system for rural and urban properties in accordance with the present invention is achieved by combining some or all of the following aspects: a) Historical remote sensing data (30 x 30 meter resolution) extracted around a point of interest, including visible spectrum bands, near-infrared spectrum bands, shortwave infrared spectrum bands, panchromatic bands and/or thermal bands. b) Exact and/or historical data corresponding to the market, for properties for sale, including the price per square meter, the area of the property and the availability of services within a radius (for example, 1 km). c) Distribution of urban features, including data validation (cloud exclusion, empty pixels, outdoor pixels, etc.) and pixel classification (on roads, housing, commercial buildings, water, available vacant land, etc.) . d) Feature engineering, including correction of urban feature signals to avoid anomalies in the evolution of features over time, distinguishing usable properties from properties at risk of flooding, calculating expansion rates for each feature, polynomial features, feature selection, etc. e) A regression model, implemented on servers/cloud and trained with linear regression, decision trees, XGBoost algorithm or something similar. f) A graphical user interface, which is accessible through an electronic device connected to the Internet, that allows the user to extract, filter and navigate through the information obtained from the regression model and upload properties to a listing platform. g) A listing database. h) A property database. i) A database of investment opportunities.
[0021] Los resultados de este sistema se pueden aplicar en investigación de mercado inmobiliario, análisis de inversión inmobiliaria, estimación del valor de cartera de inmuebles, análisis de inversión de características urbanas para la plusvalía de inmuebles y la negociación de adquisición de inmuebles, entre muchos otros usos. [0021] The results of this system can be applied in real estate market research, real estate investment analysis, estimation of the value of real estate portfolio, investment analysis of urban characteristics for the capital gain of real estate and the negotiation of real estate acquisition, among many other uses.
[0022] De conformidad con la presente invención, también se divulga un método para obtener el precio estimado real de un inmueble mediante el uso del sistema de cotización automatizada para inmuebles rurales y urbanos, que comprende los siguientes pasos: [0022] In accordance with the present invention, a method is also disclosed to obtain the actual estimated price of a property by using the automated quoting system for rural and urban properties, which comprises the following steps:
(1) Permitir que un usuario cargue la información de un inmueble en una plataforma de listado (1) Allow a user to upload property information to a listing platform
(2) Almacenar la información del paso (1) en una base de datos de listado (3) Recopilar datos de detección remota de Landsat NASA (2) Store the information from step (1) in a listing database (3) Collect Landsat NASA remote sensing data
(4) Calcular la distribución de las características urbanas. (4) Calculate the distribution of urban characteristics.
(5) Obtener las amenidades del inmueble a través de Open Street Map y de otras fuentes públicas. (5) Obtain the amenities of the property through Open Street Map and other public sources.
(6) Almacenar la información del paso (5) en una base de datos inmobiliaria (6) Store the information from step (5) in a real estate database
(7) Entrenar el modelo de regresión basándose en los datos almacenados en el paso (6) (7) Train the regression model based on the data stored in step (6)
(6) Almacenar los pesos del modelo en la base de datos inmobiliaria. (6) Store the model weights in the real estate database.
(8) Calcular el precio pronosticado por metro cuadrado utilizando la Ecuación 1 (descrita en la descripción detallada) (8) Calculate the predicted price per square meter using Equation 1 (described in the detailed description)
(9) Si el precio pronosticado en el paso (8) es mayor que el precio solicitado por el usuario, archivar el inmueble en la base de datos de oportunidades de inversión y asignar el inmueble a un agente para su negociación, pero si el precio previsto en el paso (8) es inferior o igual al solicitado por el usuario, archivar el inmueble en la base de datos de listado. (9) If the price predicted in step (8) is higher than the price requested by the user, file the property in the investment opportunities database and assign the property to an agent for negotiation, but if the price provided in step (8) is less than or equal to that requested by the user, archive the property in the listing database.
BREVE DESCRIPCIÓN DE LOS ESQUEMAS BRIEF DESCRIPTION OF THE SCHEMES
[0023] La Fig. 1 es un diagrama con la representación de un sistema de cotización automatizada para inmuebles rurales y urbanos de conformidad con la presente invención. [0023] Fig. 1 is a diagram with the representation of an automated quotation system for rural and urban properties in accordance with the present invention.
[0024] La Fig. 2 es un diagrama de flujo de un método para obtener el precio real estimado de un inmueble con la representación de un sistema de cotización automatizada para inmuebles rurales y urbanos de acuerdo con la presente invención. DESCRIPCIÓN DETALLADA Y MEJOR MODO DE IMPLEMENTACIÓN [0024] Fig. 2 is a flow chart of a method for obtaining the estimated real price of a property with the representation of an automated quoting system for rural and urban properties in accordance with the present invention. DETAILED DESCRIPTION AND BEST MODE OF IMPLEMENTATION
[0025] Se expone un sistema de cotización automatizada para inmuebles rurales y urbanos. Tal como se utiliza en esta especificación y en las reivindicaciones adjuntas, el término "Detección remota" (RS, por sus siglas en inglés) se refiere al uso de sensores basados en satélites para detectar y mapear cambios en la cobertura terrestre y en el uso de suelo. Estos instrumentos implementan algoritmos de clasificación basados en espectros, con resoluciones espaciales que van desde 1 km hasta 10 m, y pueden detectar varias longitudes de onda de radiación electromagnética (EMR, por sus siglas en inglés). [0025] An automated quoting system for rural and urban properties is exposed. As used in this specification and the accompanying claims, the term "Remote Sensing" (RS) refers to the use of satellite-based sensors to detect and map changes in land cover and land use. of soil. These instruments implement spectral-based classification algorithms, with spatial resolutions ranging from 1 km to 10 m, and can detect various wavelengths of electromagnetic radiation (EMR).
[0026] El término "Ingeniería de características" se refiere al proceso de utilizar el conocimiento del dominio para seleccionar y transformar las variables más relevantes a partir de datos sin procesar al crear un modelo predictivo utilizando aprendizaje automático o modelado estadístico. El objetivo de la ingeniería de características y selección es mejorar el rendimiento de los algoritmos de aprendizaje automático (ML). [0026] The term "Feature Engineering" refers to the process of using domain knowledge to select and transform the most relevant variables from raw data when creating a predictive model using machine learning or statistical modeling. The goal of feature engineering and selection is to improve the performance of machine learning (ML) algorithms.
[0027] El sistema de cotización automatizada de la presente invención utiliza un modelo de predicción para pronosticar el valor de un activo inmobiliario rural o urbano basándose en la tasa de absorción histórica del inmueble, la tasa de expansión de cada característica urbana, su magnitud absoluta en cada periodo de tiempo, la relación entre ellos y las amenidades (supermercados, establecimientos de comida rápida, parques, iglesias, etc.) alrededor de un área de interés, entre otros factores a considerar. En concreto, la predicción se logra utilizando la siguiente ecuación y variables: y = f(X, ) Ecuación 1 [0027] The automated pricing system of the present invention uses a prediction model to forecast the value of a rural or urban real estate asset based on the historical absorption rate of the property, the expansion rate of each urban feature, its absolute magnitude in each time period, the relationship between them and the amenities (supermarkets, fast food establishments, parks, churches, etc.) around an area of interest, among other factors to consider. Specifically, the prediction is achieved using the following equation and variables: y = f(X, ) Equation 1
[0028] donde “y” es el precio del inmueble por metro cuadrado y “f(X, co)” es un modelo de regresión, ya sea regresión lineal, máquinas de vectores de soporte, algoritmo XGBoost (entre otros, que han demostrado funcionar bien), donde “X” son los input de características, incluyendo los que provienen de las funciones de Ingeniería de Características, y “co” son los pesos del modelo obtenidos de las operaciones de entrenamiento. Las fuentes de datos citadas para cada variable son meramente ilustrativas y pueden complementarse o sustituirse por otras fuentes de datos comparables. Tabla 1 - Variables del modelo de predicción
Figure imgf000011_0001
Figure imgf000012_0001
Figure imgf000013_0001
Figure imgf000014_0001
[0028] where “y” is the price of the property per square meter and “f(X, co)” is a regression model, whether linear regression, support vector machines, XGBoost algorithm (among others, which have been demonstrated work well), where “X” are the feature inputs, including those coming from the Feature Engineering functions, and “co” are the model weights obtained from the training operations. The data sources cited for each variable are merely illustrative and can be complemented or replaced by other comparable data sources. Table 1 - Prediction model variables
Figure imgf000011_0001
Figure imgf000012_0001
Figure imgf000013_0001
Figure imgf000014_0001
[0029] Algunos de los aspectos generales de la presente invención han sido resumidos hasta ahora en los apartados anteriores de esta exposición. A continuación, se proporcionará una descripción detallada de la invención tal como se ilustra en los esquemas. Si bien se describirán algunos aspectos de la invención en relación con estos esquemas, debe entenderse que las representaciones reveladas son meramente ilustrativas de la invención, que puede realizarse de diversas formas. Los materiales, métodos, estructuras y detalles funcionales específicos expuestos en el presente documento no deben interpretarse como limitantes. En cambio, la función prevista de esta divulgación es ejemplificar algunas de las formas (incluidas las formas actualmente preferentes) en las que la invención, tal como se define en las reivindicaciones, puede habilitarse para una persona con conocimientos ordinarios en la técnica. Por lo tanto, la intención de la presente divulgación es cubrir todas las variaciones abarcadas dentro del espíritu y alcance de la invención tal como se define en las reivindicaciones adjuntas, y cualquier equivalente razonable de las mismas. [0029] Some of the general aspects of the present invention have been summarized so far in the previous sections of this presentation. A detailed description of the invention as illustrated in the schemes will now be provided. While some aspects of the invention will be described in connection with these diagrams, it should be understood that the disclosed representations are merely illustrative of the invention, which may be embodied in various ways. The specific materials, methods, structures and functional details set forth herein should not be construed as limiting. Instead, the intended function of this disclosure is to exemplify some of the ways (including currently preferred ways) in which the invention, as defined in the claims, may be enabled by a person of ordinary skill in the art. Therefore, the intent of the present disclosure is to cover all variations encompassed within the spirit and scope of the invention as defined in the appended claims, and any reasonable equivalent thereof.
[0030] Haciendo referencia a los esquemas más detalladamente, la Fig. 1 muestra un diagrama con la representación de un Sistema de Cotización Automatizada para inmuebles rurales y urbanos de conformidad con la presente invención. Un Método para la Estimación del Precio de un Inmueble Urbano o Rural 1 incluye Fuentes de Datos 2, Distribución de Características Urbanas 3, Ingeniería de Características 4, un Modelo de Regresión 5 y las Aplicaciones 6. Las Fuentes de Datos 2 incluyen Datos de Detección Remota 7 y Datos Relacionados con el Mercado 8. Los Datos de Detección Remota 7 consisten en los datos históricos de detección remota (en la representación preferida, resolución de 30 x 30 metros) que se extraen alrededor de un punto de interés. Además, los datos de Detección Remota 7 tienen las siguientes características: bandas de espectro visible, bandas de espectro infrarrojo cercano, bandas de espectro de infrarrojo de onda corta, bandas pancromáticas y bandas térmicas. Por otro lado, los Datos Relacionados con el Mercado 8 incluyen datos exactos y/o históricos del mercado inmobiliario en venta. Los datos relacionados con el mercado pueden incluir: precio por metro cuadrado, área de la propiedad, disponibilidad de amenidades dentro del radio (por ejemplo, 1 km). La Distribución de Características Urbanas 3 incluye: Validación de Datos 9 (exclusión de nubes, píxeles vacíos, píxeles atípicos, etc.) y Clasificación de Píxeles 10, en: carreteras, viviendas, edificios comerciales, agua, terrenos baldíos disponibles, etc. Ingeniería de Características 4 incluye Corrección de Señales de Características Urbanas 11 (para evitar anomalías en la evolución de las características a través del tiempo), Estimación de Riesgo 12 de inmueble utilizable vs. inmueble con riesgo de inundación, Cálculo de Tasas de Expansión 13 para cada característica e Ingeniería de Características en estado del arte 14 (características polinómicas, selección de características, etc.). El Modelo de Regresión 5 incluye la Implementation 16 en servidores/nube, y es un Modelo de Regresión 15 entrenado (por ejemplo, regresión lineal, árboles de decisión, algoritmo XGBoost, etc.). Por último, las Aplicaciones Prácticas 17 que este sistema puede tener incluyen, sin estar limitadas, a lo siguiente: Investigación de mercado inmobiliario, Análisis de inversión inmobiliaria, Estimación del valor de la cartera inmobiliaria, Análisis de inversión de características urbanas para la valorización del suelo y Negociación de adquisición de suelo. [0030] Referring to the diagrams in more detail, Fig. 1 shows a diagram with the representation of an Automated Quotation System for rural and urban properties in accordance with the present invention. A Method for Estimating the Price of an Urban or Rural Property 1 includes Data Sources 2, Distribution of Urban Characteristics 3, Characteristic Engineering 4, a Regression Model 5 and Applications 6. Data Sources 2 includes Detection Data Remote Sensing 7 and Market Related Data 8. Remote Sensing Data 7 consists of historical remote sensing data (in the preferred representation, 30 x 30 meter resolution) that is extracted around a point of interest. In addition, Remote Sensing 7 data has the following characteristics: visible spectrum bands, near-infrared spectrum bands, shortwave infrared spectrum bands, panchromatic bands, and thermal bands. On the other hand, the Data Related to Market 8 include exact and/or historical data on the real estate market for sale. Market-related data may include: price per square meter, property area, availability of amenities within the radius (e.g. 1 km). Urban Feature Distribution 3 includes: Data Validation 9 (cloud exclusion, empty pixels, outlier pixels, etc.) and Pixel Classification 10, into: roads, housing, commercial buildings, water, available vacant land, etc. Characteristics Engineering 4 includes Correction of Urban Characteristics Signals 11 (to avoid anomalies in the evolution of characteristics over time), Risk Estimation 12 of usable property vs. property at risk of flooding, Calculation of Expansion Rates 13 for each characteristic and State-of-the-art Characteristics Engineering 14 (polynomial characteristics, selection of characteristics, etc.). Regression Model 5 includes Implementation 16 on servers/cloud, and is a trained Regression Model 15 (e.g., linear regression, decision trees, XGBoost algorithm, etc.). Finally, the Practical Applications 17 that this system may have include, but are not limited to, the following: Real estate market research, Real estate investment analysis, Estimation of the value of the real estate portfolio, Investment analysis of urban characteristics for the valuation of the land and land acquisition negotiation.
[0031] La Fig. 2 es un diagrama de flujo de un método para obtener el precio estimado de un inmueble con la representación de un sistema de cotización automatizada para inmuebles rurales y urbanos de acuerdo con la presente invención. El proceso comienza en el Paso 18, cuando un usuario carga la información de su inmueble en una plataforma de listado. Esta información puede incluir todos los datos habituales sobre propiedades en sitios web inmobiliarios, como ubicación, tamaño, tipo de propiedad, precio de venta, fotografías, etc., y asociado a la información personal del usuario que la subió (el vendedor) en el Paso 19, esta información se almacena en la base de datos de un listado. En el paso 20, se recopilan datos de detección remota de Landsat NASA y se calcula la distribución de las características urbanas. Otras representaciones utilizan diferentes fuentes RS y las técnicas de clasificación de píxeles pueden variar. En el paso 21, las amenidades del inmueble se obtienen de Open Street Map y/u otras fuentes públicas o privadas. Esta información se archiva en el almacenamiento de datos inmobiliarios 22. Luego, se realiza el Entrenamiento del Modelo 23 y se almacenan los Pesos del Modelo 24. Después, el precio por metro cuadrado se calcula en el paso 25 utilizando la Ecuación 1. Si en el Paso 26 el precio pronosticado es mayor que el precio solicitado por el usuario, entonces el inmueble se guarda en la base de datos de oportunidades de inversión en el Paso 28 y se asigna el inmueble a un agente para la negociación en el Paso 29. Pero si en el Paso 26 el precio pronosticado no es mayor que el precio solicitado por el usuario, entonces el inmueble simplemente se incluye en la plataforma de listado en el Paso 27. [0031] Fig. 2 is a flow chart of a method for obtaining the estimated price of a property with the representation of an automated quoting system for rural and urban properties in accordance with the present invention. The process begins in Step 18, when a user uploads their property information to a listing platform. This information may include all the usual data about properties on real estate websites, such as location, size, type of property, sales price, photographs, etc., and associated with the personal information of the user who uploaded it (the seller) in the Step 19, this information is stored in a listing database. In step 20, Landsat NASA remote sensing data is collected and the distribution of urban features is calculated. Other representations use different RS sources and pixel classification techniques may vary. In step 21, the property's amenities are obtained from Open Street Map and/or other public or private sources. This information is archived in real estate data storage 22. Model Training 23 is then performed and Model Weights 24 are stored. The price per square meter is then calculated in step 25 using Equation 1. If in Step 26 the predicted price is higher than the user's requested price, then the property is saved in the investment opportunities database in Step 28 and the property is assigned to an agent for negotiation in Step 29. But if in Step 26 the predicted price is not higher than the user's requested price, then the property is simply included on the listing platform in Step 27.
[0032] La descripción expuesta no pretende ser exhaustiva ni limitar la invención a la forma precisa divulgada. Es posible realizar diversas modificaciones y variaciones a la luz de las enseñanzas anteriores sin apartarse del espíritu y alcance de futuras reivindicaciones. [0032] The description set forth is not intended to be exhaustive nor to limit the invention to the precise form disclosed. It is possible to make various modifications and variations in light of the previous teachings without departing from the spirit and scope of future claims.

Claims

REIVINDICACIONES
[0033] 1. Un Sistema de Cotización Automatizada para inmuebles rurales y urbanos, que comprende: a) Medios de Datos de Detección Remota para capturar datos de la tasa de absorción inmobiliaria a lo largo del tiempo; b) Medios de Características de Distribución Urbana para validar y clasificar los datos de detección remota; c) Medios de Características de Ingeniería para refinar y seleccionar características relevantes para la predicción; d) Medios de Modelo de Regresión para predecir el precio del inmueble basándose en una pluralidad de variables, dichas variables comprenden el historial de la tasa de absorción inmobiliaria, la tasa de expansión de cada característica urbana y la distancia de la propiedad a supermercados, instalaciones de comida rápida, parques e iglesias; e) Medios de Datos Relacionados con el Mercado para capturar datos actuales e históricos del mercado inmobiliario; f) Base de Datos de Listados; g) Base de Datos de Inmuebles; h) Base de Datos sobre Oportunidades de Inversión; e i) Interfaz Gráfica de Usuario accesible a través de un dispositivo conectado a Internet, que permite a los usuarios navegar, filtrar y cargar información de la propiedad. [0033] 1. An Automated Quotation System for rural and urban properties, comprising: a) Remote Sensing Data Means to capture real estate absorption rate data over time; b) Urban Distribution Characteristics Means to validate and classify remote sensing data; c) Engineering Features Means to refine and select relevant features for prediction; d) Regression Model Means to predict the price of the property based on a plurality of variables, said variables comprising the history of the real estate absorption rate, the expansion rate of each urban characteristic and the distance of the property to supermarkets, facilities fast food, parks and churches; e) Market Related Data Means to capture current and historical real estate market data; f) Listings Database; g) Property Database; h) Database on Investment Opportunities; and i) Graphical User Interface accessible through a device connected to the Internet, which allows users to browse, filter and upload property information.
[0034] 2. El sistema de la reivindicación 1, en el que los medios de Distribución de Características Urbanas incluyen tareas de validación para la exclusión de nubes, píxeles vacíos y píxeles atípicos, y tareas de clasificación para categorizar inmuebles en tipos tales como carreteras, viviendas, edificios comerciales, agua y terrenos baldíos disponibles. [0034] 2. The system of claim 1, wherein the Urban Feature Distribution means includes validation tasks for the exclusion of clouds, empty pixels and outlier pixels, and classification tasks for categorizing properties into types such as roads , homes, commercial buildings, water and vacant land available.
[0035] 3. Un método para obtener un precio estimado del inmueble utilizando el sistema de la reivindicación 1, el método comprendiendo los pasos: a) Cargar información del inmueble a una plataforma de listado; b) Almacenar la información cargada en una base de datos de listados; c) Recopilar datos de detección remota; d) Calcular la distribución de las características urbanas; e) Obtener y almacenar datos sobre las amenidades del inmueble; f) Entrenar un modelo de regresión basado en datos almacenados; g) Predecir el precio del inmueble por metro cuadrado utilizando un modelo de regresión entrenado con técnicas seleccionadas de un grupo formado por regresión lineal, árboles de regresión y XGBoost; h) Comparar el precio de una propiedad previsto en “g” con el precio de lista de dicha propiedad; i) Identificar y almacenar dicha propiedad en una base de datos de oportunidades de inversión si el precio previsto es superior al precio de cotización; y j) Asignar la propiedad del terreno identificada a un agente para su negociación basándose en la comparación entre el precio previsto y el precio de cotización. [0035] 3. A method for obtaining an estimated price of the property using the system of claim 1, the method comprising the steps: a) Uploading property information to a listing platform; b) Store the uploaded information in a listings database; c) Collect remote sensing data; d) Calculate the distribution of urban characteristics; e) Obtain and store data about the amenities of the property; f) Train a regression model based on stored data; g) Predict the price of the property per square meter using a regression model trained with techniques selected from a group consisting of linear regression, regression trees and XGBoost; h) Compare the price of a property provided in “g” with the list price of said property; i) Identify and store said property in a database of investment opportunities if the expected price is higher than the listing price; and j) Assign the identified land ownership to an agent for negotiation based on the comparison between the expected price and the listed price.
PCT/MX2023/050058 2022-09-30 2023-10-02 Automatic pricing system for rural and urban properties WO2024072205A1 (en)

Applications Claiming Priority (2)

Application Number Priority Date Filing Date Title
US202263411999P 2022-09-30 2022-09-30
US63/411,999 2022-09-30

Publications (1)

Publication Number Publication Date
WO2024072205A1 true WO2024072205A1 (en) 2024-04-04

Family

ID=90478798

Family Applications (1)

Application Number Title Priority Date Filing Date
PCT/MX2023/050058 WO2024072205A1 (en) 2022-09-30 2023-10-02 Automatic pricing system for rural and urban properties

Country Status (1)

Country Link
WO (1) WO2024072205A1 (en)

Citations (3)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US20160314545A1 (en) * 2015-04-22 2016-10-27 Alpha Endeavors LLC Data collection, storage, and processing system using one or more inputs
KR101807579B1 (en) * 2016-08-08 2017-12-12 서울대학교산학협력단 System and method of analyzing the diurnal and spatial variation of surface urban heat island intensity distribution
AU2020102465A4 (en) * 2020-09-28 2020-11-12 Chen, Rundong Mr A method of predicting housing price using the method of combining multiple source data with mathematical model

Patent Citations (3)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US20160314545A1 (en) * 2015-04-22 2016-10-27 Alpha Endeavors LLC Data collection, storage, and processing system using one or more inputs
KR101807579B1 (en) * 2016-08-08 2017-12-12 서울대학교산학협력단 System and method of analyzing the diurnal and spatial variation of surface urban heat island intensity distribution
AU2020102465A4 (en) * 2020-09-28 2020-11-12 Chen, Rundong Mr A method of predicting housing price using the method of combining multiple source data with mathematical model

Similar Documents

Publication Publication Date Title
Li et al. A comparison of the economic benefits of urban green spaces estimated with NDVI and with high-resolution land cover data
Daams et al. Mixed monetary and non-monetary valuation of attractive urban green space: A case study using Amsterdam house prices
Ivajnšič et al. Geographically weighted regression of the urban heat island of a small city
Bolitzer et al. The impact of open spaces on property values in Portland, Oregon
Sander et al. Estimating the economic value of cultural ecosystem services in an urbanizing area using hedonic pricing
Peronato et al. A toolkit for multi-scale mapping of the solar energy-generation potential of buildings in urban environments under uncertainty
Tapsuwan et al. A combined site proximity and recreation index approach to value natural amenities: An example from a natural resource management region of Murray-Darling Basin
Nam et al. Developing the vegetation drought response index for South Korea (VegDRI-SKorea) to assess the vegetation condition during drought events
Mazrooei et al. Urbanization impacts on evapotranspiration across various spatio‐temporal scales
Enström et al. Can space syntax help us in understanding the intraurban office rent pattern? Accessibility and rents in downtown Stockholm
Liaqut et al. Impact of urbanization growth on land surface temperature using remote sensing and GIS: a case study of Gujranwala City, Punjab, Pakistan
Wurster et al. Development of a concept for non-monetary assessment of urban ecosystem services at the site level
Bala et al. Spatial issues on a hedonic estimation of rents in Brussels
Yoo et al. A review of the hedonic literatures in environmental amenities from open space: a traditional econometric vs. spatial econometric model
Lin et al. Fuzzy-GIS approach for applying the AHP multi-criteria decision-making model to evaluate real estate purchases
Petja et al. Using geospatial information technology for rural agricultural development planning in the Nebo Plateau, South Africa
Bera et al. Estimation of spatial association between housing price and local environmental amenities in Kolkata, India Using Hedonic Local Regression
Aghazadeh et al. Spatial-temporal analysis of day-night time SUHI and its relationship between urban land use, NDVI, and air pollutants in Tehran metropolis
Mirzaei et al. Data level and decision level fusion of satellite multi-sensor AOD retrievals for improving PM2. 5 estimations, a study on Tehran
Kusak et al. Investigating the relationship between COVID-19 shutdown and land surface temperature on the Anatolian side of Istanbul using large architectural impermeable surfaces
Balcha et al. Performance evaluation of multiple regional climate models to simulate rainfall in the Central Rift Valley lakes basin of Ethiopia and their selection criteria for the best climate model
WO2024072205A1 (en) Automatic pricing system for rural and urban properties
Cho et al. Developing an amenity value calculator for urban forest landscapes
Voigt et al. An assessment of the economic value of clean water in Lake Champlain
Taylor et al. Amenity values of proximity to National Wildlife Refuges