Meine Buchveröffentlichung: Räumliche Analyse und Visualisierung von Mietpreisdaten, Geoinformatische Studie zur räumlichen Optimierung von Immobilienportalen

Meine Dissertation wurde von Springer Spektrum als Buch veröffentlicht. Unter dem folgenden Link findet man die Veröffentlichung: http://www.springer.com/de/book/9783658177737#springer

Das Inhaltsverzeichnis kann man hier herunterladen: http://bit.ly/2p0Aj6F

Einen Produktflyer findet man hier: http://bit.ly/2ovHeAM

 

Über das Buch

Harald Schernthanner verfolgt das Ziel, aus geoinformatischer Sicht eine konzeptionelle Grundlage zur räumlichen Optimierung von Immobilienportalen zu schaffen. Dabei geht der Autor davon aus, dass Verfahren der räumlichen Statistik und des maschinellen Lernens zur Mietpreisschätzung sich besser als die bisher eingesetzten Verfahren der hedonischen Regression zur räumlichen Optimierung von Immobilienportalen eignen. Er zeigt, dass die von Immobilienportalen publizierten webbasierten Mietpreiskarten nicht die tatsächlichen räumlichen Verhältnisse auf Immobilienmärkten wiedergeben. Alternative webbasierte Darstellungsformen, wie beispielsweise „Gridmaps“, sind dem Status quo der Immobilienpreiskarten von Immobilienportalen überlegen und visualisieren die tatsächlichen räumlichen Verhältnisse von Immobilienpreisen zweckmäßiger.

ICCSA 2017: Short recap & slides of my presentation as teaser to my forthcoming article

From 3-6 of July I took part in the 17th International Conference on Computational Science and Applications (ICCSA 2017) in Trieste, Italy. ICCSA 2017 is over and as conference participant I had a great time listening to outstanding presentations in the field of computer science, remote sensing and geoinformatics. There have been some very interesting sessions. Just one detail has to criticized in my opinion: In almost every session I was attending, there was at least one speaker missing, so several talks I was curious to listen to, didn’t take place. Nevertheless, all in all the conference and the time with many interesting discussions has been great. I got good feedback on my talks on automated web based geoprocessing of rental data and on the TET-1 fire experiment of the German aerospace service (DLR).

I look forward to Springer’s LNCS book (Lecture notes of computational science and it’s applications), which should be published at the 10th of August.

Meanwhile, for everybody interested and as a little teaser to my forthcoming article, here you can find the slides of my presentation titled: “Automated web-based geoprocessing of rental prices”. Basically this project was a proof of concept of realising the workflow from autmatically fetching, parsing, filtering and after tests of autocorrelation Kriging + mapping rental prices.

Here you can download the slides:  2017_Automated_web_based_processing_Real_estate_data_28_06_17_new_design.pdf (224 Downloads)

Here two impressions from the beautiful venue of Trieste, home of Illy Esspresso:

 

 

Untersuchungen zur räumlichen Analyse und Visualisierung von Mietpreisdaten für Immobilienportale (Dissertation, Schernthanner 2015)

Schernthanner, H. (2015). Untersuchungen zur räumlichen Analyse und Visualisierung von Mietpreisdaten für Immobilienportale. XII, 134 Bl. : graph. Darst. Potsdam, Univ., Diss., 2015: https://publishup.uni-potsdam.de/opus4-ubp/frontdoor/index/index/docId/8949

Betreuung: Prof. Hartmut Asche. Begutachtung: Prof. Andreas Koch (Universität Salzburg) & Prof. Julia Siemer (University of Regina), Note: Magna cum laude

Wissenschaftliche Zusammenfassung:

Die Arbeit verfolgte das Ziel, aus geoinformatischer Sicht eine konzeptionelle Grundlage zur räumlichen Optimierung von Immobilienportalen zu schaffen. Die Arbeit ging dabei von zwei Hypothesen aus:

1. Verfahren der räumlichen Statistik und des Maschinellen Lernens zur Mietpreisschätzung sind den bisher eingesetzten Verfahren der hedonischen Regression überlegen und eignen sich zur räumlichen Optimierung von Immobilienportalen.

2. Die von Immobilienportalen publizierten webbasierten Mietpreiskarten geben nicht die tatsächlichen räumlichen Verhältnisse auf Immobilienmärkten wieder. Alternative webbasierte Darstellungsformen, wie z.B. Gridmaps, sind dem Status Quo der Immobilienpreiskarten von Immobilienportalen überlegen und visualisieren die tatsächlichen räumlichen Verhältnisse von Immobilienpreisen zweckmäßiger.

Beide Thesen konnten bewiesen werden.

Es erfolgte zunächst eine umfangreiche Erhebung des Forschungsbedarfs mittels Literaturstudien und technologischer Recherche. Zur Beantwortung der Forschungsfragen wurde als quantitative Datenbasis ein 74.098 Mietangebote umfassender Datensatz (von Januar 2007 bis September 2013) eines Immobilienportals akquiriert. Dieser reichte jedoch nicht in vollem Umfang zur Beantwortung der Fragestellungen aus. Deshalb führte der Autor Experteninterviews zur Erhebung einer qualitativen Datenbasis. Deren Analyse ergibt in Kombination mit der Literaturstudie und der technologischen Recherche ein umfassendes, bisher so nicht verfügbares Bild. Es stellt den Status Quo der räumlichen Sicht sowie der raumanalytischen und geovisuellen Defizite von Immobilienportalen dar.

Zur Optimierung der raumanalytischen und geovisuellen Defizite wurden forschungsbasierte Lösungsansätze herausgearbeitet und teilimplementiert. Methoden des Maschinellen Lernens und räumliche Schätzverfahren wurden als Alternativen zu den von Immobilienportalen bisher genutzten „nicht räumlichen“ Analyseverfahren zur Preismodellierung untersucht. Auf Grundlage eines hierfür konzipierten Validierungsrahmens wurden diese Methoden für die Nutzung im Kontext von Immobilienportalen adaptiert. Die prototypische Teilimplementierung zeigte die programmiertechnische Umsetzung des Konzeptes auf.
Eine umfassende Analyse geeigneter Sekundärvariablensets zur Mietpreisschätzung lieferte als methodisches Resultat, dass Interpolatoren, die Sekundärvariablen benötigen (Kriging with external drift, Ordinary Cokriging), kaum zu valideren Mietpreisschätzergebnissen gelangen als die Methode des Ordinary Kriging, die keine Sekundärvariablen benötigt.
Die Methoden Random Forest aus dem Maschinellen Lernen und die Geographisch Gewichtete Regression hingegen bergen großes Potential zur Nutzung der räumlichen Mietpreisschätzung im Kontext von Immobilien-portalen. Die Forschungsergebnisse der räumlichen Preismodellierung wurden in die räumliche Visualisierung von Mietpreisen transferiert.

Für die webbasierte Mietpreisdarstellung wurde ein Set alternativer Darstellungsmethoden entwickelt, um Mietpreiskarten-Prototypen abzuleiten. Ein methodisches Ergebnis der Entwicklung der Mietpreiskarten-Prototypen war die Entwicklung eines geeigneten Ansatzes der Loslösung des Preisbezugs von fachfremd verwendeten Bezugsgeometrien. Hierfür wurde vom Autor der Begriff der zonenlosen Preiskarte geprägt. Diese wurden mit Methoden des Gridmapping erstellt. Es wurden optimale Rasterauflösungen zur Darstellung interpolierter Rastergrößen ermittelt. Zonenlose Preiskarten mit Methoden des Gridmapping, gepaart mit einer optionalen gebäudescharfen Darstellung in größeren Maßstäben, sind als Resultate der Forschung die bestmögliche, sich an realen Verhältnissen orientierende, räumliche Mietpreisdarstellung. Die entstandenen Prototypen sind eine Annäherung der wahren Verteilung des Mietpreises im Raum und um einiges schärfer, als die auf der hedonischen Regression basierenden Darstellungen. Somit kann die wahre „Topographie“ der Mietpreislandschaft abgebildet werden. Ein Einsatz der Karten für Nutzergruppen wie Makler, Investoren oder Kommunen zur Analyse städtischer Mietmärkte ist denkbar. Alle entstandenen Prototypen sind unter der Nutzung von Map APIs umgesetzt. Ein Ergebnis dessen ist, dass Map APIs noch an diversen „Kinderkrankheiten“ leiden und derart umgesetzte Mietpreiskarten noch einen weiten Weg vor sich haben, bis sie das Niveau thematischer Karten von Immhof oder Arnberger erreichen.
Die konzeptionellen Überlegungen und Teilimplementierungen mündeten in drei Prozessketten, die Umsetzungsoptionen für eine räumliche Optimierung von Immobilienportalen darstellen. Dabei wurden zwei Szenarien für eine räumlich optimierte Mietpreisschätzung und ein Szenario für eine räumlich optimierte Mietpreisdarstellung herausgearbeitet.