یک رویکرد ارزیابی آنلاین قیمت زمین مبتنی بر GIS و مجموعه فازی با پشتیبانی از تصمیم‌گیری به کمک هوش

خلاصه

در سال های اخیر، با اصلاحات در سیستم کاربری زمین و توسعه شهرنشینی در چین، ارزیابی قیمت زمین به سمت بازاری شدن گرایش پیدا کرده است. قیمت ها توسط دولت، بازار معاملات زمین و مردم تعیین می شود. پیشنهاد استانداردهای بالاتر برای استفاده در فرآیند ارزیابی ضروری است. این مقاله یک رویکرد ارزیابی آنلاین قیمت زمین را برای سهولت در ارزیابی ارائه می‌کند. در یک محیط شبکه، با بهره گیری از خدمات داده ارائه شده توسط بخش های مختلف، ما دو مدل را برای کمک به تصمیم گیری پیشنهاد می کنیم: (1) یک سیستم اطلاعات جغرافیایی (GIS) – و مدل کمی سازی فاکتور مکان مبتنی بر مجموعه فازی، که اتخاذ می کند. داده های پویا، قوانین و اقدامات کمی (بر اساس شبکه جاده ها) برای تعیین کمیت عوامل مکان به صورت پویا، بنابراین مجموعه های فازی را به مقادیر مناسب تبدیل می کند. و (2) یک مدل فشار نمونه تراکنش مبتنی بر نزدیکی، که شباهت بین یک زمین معین و نمونه های دیگر را کمیت می دهد، بنابراین مبنایی برای تصمیم گیری توسط یک ارزیاب فراهم می کند. این رویکرد در شنژن برای ارزیابی توانایی آن در ساده‌سازی کار ارزیابان و تصمیم‌گیری شهودی‌تر و عینی‌تر در یک مورد واقعی استفاده می‌شود.

کلید واژه ها:

GIS ; مجموعه فازی ; آنلاین ؛ شبکه جاده ای ؛ نزدیکی ; تصمیم گیری

1. معرفی

ارزیابی قیمت زمین فرآیندی است که در آن قیمت زمین در یک زمان معین به طور جامع ارزیابی می شود. برای اطلاع رسانی معاملات زمین، تصمیمات سرمایه گذاری بنگاه ها و اقدامات برای بهبود و مدیریت بازار زمین مفید است. ارزیابان دائماً به دنبال اصول، نظریه‌ها و روش‌های جدید ارزیابی قیمت هستند تا بتوانند قیمت زمین را با توجه به ویژگی‌های اقتصادی و طبیعی زمین بر اساس درک کامل از داده‌های موجود در بازار زمین ارزیابی کنند. آنها باید تأثیرات توسعه اجتماعی و اقتصادی، کاربری زمین، بازده مورد انتظار زمین و سیاست های کاربری زمین را بر درآمد مطابق با درجه زمین، کیفیت دارایی و متوسط درآمد در فعالیت های اقتصادی واقعی در نظر بگیرند.

مطالعه انجام شده توسط Du و Peiser نشان داده است که میزان احتکار زمین توسط دولت های محلی در چین به طور مثبت و قابل توجهی با قیمت زمین اعطا شده همبستگی دارد [ 1 ]. اصلاحات ارضی بر اساس دو جنبه بررسی شده است: تغییر در حقوق مالکیت زمین و تغییر در سیستم اجاره زمین و قیمت زمین. قیمت زمین در بسیاری از بازارهای چین طی ده سال گذشته به شدت افزایش یافته است. 2]. دولت جریان درآمد زیادی را از طریق معاملات زمین به دست آورده است زیرا پس از اصلاحات سیاست زمین، زمین به دارایی ایمن و سودآور تبدیل شده است. در سیستم قیمت زمین، قیمت های استاندارد زمین به آرامی به روز می شود و در نتیجه همیشه از بازار واقعی زمین جدا می شود. بنابراین، دستیابی به درک شهودی از قیمت زمین در بازار زمین دشوار است. ویژگی های نظریه در مورد قیمت زمین و فناوری موجود برای ارزیابی قیمت زمین منجر به این می شود که قیمت ها منحصر به فرد نیستند. یعنی سازوکارهایی که برای ارزیابی قیمت زمین به کار می رود، همواره در معرض اختلاف و انتقاد است. در حال حاضر، قیمت زمین همیشه از طریق کار دستی ارزیابی می شود که نتایج آن به طور قابل توجهی از تقاضا برای توسعه زمین عقب است و در نتیجه هزینه های بالا و بازده پایین را به همراه دارد. در ارزیابی قیمت زمین، بسیاری از جنبه‌ها، از جمله روش‌ها، وزن‌ها، نمونه‌ها و پارامترهای انتخاب‌شده، می‌توانند بر نتایج تأثیر بگذارند، به طوری که انتخاب‌های مختلف ممکن است به نتایج متفاوتی منجر شود. ارزیابان همچنین از نظر دانش انباشته شده، تجربه و شناخت ذهنی متفاوت هستند. حتی اگر آنها از مقررات و استانداردهای مشترک استفاده کنند، انتخاب روش ها و پارامترهای آنها اغلب متفاوت است. اکثر شهرها در چین به عنوان «شهرهای دیجیتال» در حال توسعه هستند که منجر به انباشت حجم زیادی از داده‌های اساسی، از جمله داده‌های مکانی و داده‌های دارایی، شده است که می‌تواند برای کمک به ارزیابی قیمت زمین استفاده شود. بسیاری از کشورها از سیستم های اطلاعاتی برای جمع آوری و مدیریت اطلاعات مربوط به قیمت املاک و مستغلات استفاده می کنند. به طوری که انتخاب های مختلف ممکن است به نتایج متفاوتی منجر شود. ارزیابان همچنین از نظر دانش انباشته شده، تجربه و شناخت ذهنی متفاوت هستند. حتی اگر آنها از مقررات و استانداردهای مشترک استفاده کنند، انتخاب روش ها و پارامترهای آنها اغلب متفاوت است. اکثر شهرها در چین به عنوان «شهرهای دیجیتال» در حال توسعه هستند که منجر به انباشت حجم زیادی از داده‌های اساسی، از جمله داده‌های مکانی و داده‌های دارایی، شده است که می‌تواند برای کمک به ارزیابی قیمت زمین استفاده شود. بسیاری از کشورها از سیستم های اطلاعاتی برای جمع آوری و مدیریت اطلاعات مربوط به قیمت املاک و مستغلات استفاده می کنند. به طوری که انتخاب های مختلف ممکن است به نتایج متفاوتی منجر شود. ارزیابان همچنین از نظر دانش انباشته شده، تجربه و شناخت ذهنی متفاوت هستند. حتی اگر آنها از مقررات و استانداردهای مشترک استفاده کنند، انتخاب روش ها و پارامترهای آنها اغلب متفاوت است. اکثر شهرها در چین به عنوان «شهرهای دیجیتال» در حال توسعه هستند که منجر به انباشت حجم زیادی از داده‌های اساسی، از جمله داده‌های مکانی و داده‌های دارایی، شده است که می‌تواند برای کمک به ارزیابی قیمت زمین استفاده شود. بسیاری از کشورها از سیستم های اطلاعاتی برای جمع آوری و مدیریت اطلاعات مربوط به قیمت املاک و مستغلات استفاده می کنند. انتخاب روش ها و پارامترهای آنها اغلب متفاوت است. اکثر شهرها در چین به عنوان «شهرهای دیجیتال» در حال توسعه هستند که منجر به انباشت حجم زیادی از داده‌های اساسی، از جمله داده‌های مکانی و داده‌های دارایی، شده است که می‌تواند برای کمک به ارزیابی قیمت زمین استفاده شود. بسیاری از کشورها از سیستم های اطلاعاتی برای جمع آوری و مدیریت اطلاعات مربوط به قیمت املاک و مستغلات استفاده می کنند. انتخاب روش ها و پارامترهای آنها اغلب متفاوت است. اکثر شهرها در چین به عنوان «شهرهای دیجیتال» در حال توسعه هستند که منجر به انباشت حجم زیادی از داده‌های اساسی، از جمله داده‌های مکانی و داده‌های دارایی، شده است که می‌تواند برای کمک به ارزیابی قیمت زمین استفاده شود. بسیاری از کشورها از سیستم های اطلاعاتی برای جمع آوری و مدیریت اطلاعات مربوط به قیمت املاک و مستغلات استفاده می کنند.3 ، 4 ]. با استفاده از این رویکرد، دولت می تواند ارزیابی قیمت زمین را از یک فرآیند پیچیده مبتنی بر کاغذ به یک فرآیند دیجیتالی ساده تبدیل کند.

قوی ترین عامل تعیین کننده قیمت زمین معمولاً مکان است. محققان دریافته‌اند که تأثیرگذارترین عوامل فاصله تا نزدیک‌ترین بزرگراه، فاصله تا نزدیک‌ترین جاده شریانی و فاصله تا تأسیسات عمومی است [ 5 ]. براسینگتون و هایت اولین کسانی بودند که رابطه بین قیمت مسکن (که مربوط به قیمت زمین است) و ناسازگاری های زیست محیطی را با استفاده از آمار فضایی تخمین زدند و تأیید کردند که منابع نقطه ای نزدیک آلاینده ها قیمت مسکن را کاهش می دهند [6] .]. بنابراین، اطلاعات مکان را نمی توان در فرآیند ارزیابی قیمت زمین نادیده گرفت. ارزیابان قیمت زمین را در ترکیب با اطلاعات مربوط به ویژگی های مختلف زمین، مانند قیمت ها و مکان های آن، که از معاملات زمین به دست می آید، ارزیابی می کنند. در دهه‌های اخیر، سیستم‌های اطلاعات جغرافیایی (GIS) به تدریج به ابزاری قدرتمند برای مدیریت و تحلیل داده‌ها تبدیل شده‌اند. محققان از GIS و متریک های چشم انداز برای تعیین متغیرهای مدل های قیمت گذاری لذت (HPM) استفاده کرده اند. سیستم های اطلاعاتی یکپارچه شده با GIS نیز به طور گسترده مورد استفاده قرار می گیرند [ 7 ]. یک سیستم پشتیبانی تصمیم مبتنی بر GIS ارائه شده است که هم می‌تواند نرخ اتاق هتل را با استفاده از ویژگی‌های ضروری هتل و موقعیت مکانی تخمین بزند و هم قیمت‌های نرخ موقت اتاق را پیش‌بینی کند. 8]]. برخی از محققان از روش های GIS برای حل مسائل انتخاب مکان برای پروژه های املاک استفاده کرده اند [ 9 ]. یک رویکرد جدید مبتنی بر وب GIS که ترکیبی از مدل‌های تحلیل قیمت زمین و فناوری‌های وب GIS است [ 10 ] ارائه شده است . به منظور قرار دادن ویژگی‌های کیفی زمین به شکل عددی، پاپادمیتریو و مایروتا کمی فرآیندهای فیزیکی و انسانی-جغرافیایی کیفی را برای اهداف مدیریت زمین طراحی کردند [ 11 ]. از هوش مصنوعی برای تبدیل اصطلاحات کیفی به شکلی استفاده شده است که بتوان از آن برای محاسبات توسط Papadimitriou [ 12 ] استفاده کرد و روش‌های جبری برای اولویت‌بندی واحدهای زمین برای مدیریت زمین بر اساس معیارهای کیفی استفاده شده است. 13] .]. Zeng و Zhou یک نمونه اولیه GIS املاک و مستغلات را با ادغام نظریه مجموعه های فازی و یک سیستم مبتنی بر قانون ارائه کرده اند [ 14 ].

محققان توجه فزاینده ای به تحلیل ها و گزارش های قیمت زمین دارند، اما به ندرت رویکردهای ارزیابی را برای ارائه یک محیط کاری و استاندارد بهتر برای ارزیابان بررسی می کنند. با توجه به خدمات GIS با کیفیت و کارآمد، دولت می تواند از این خدمات برای بهبود مدیریت اطلاعات قیمت زمین استفاده کند. به دلیل توسعه سریع شهرها، ویژگی های موقعیت مکانی زمین همیشه در حال تغییر است و دولت باید قیمت زمین را به سرعت و با دقت به روز کند، که این موضوع چالش بزرگی را برای ارزیابان ایجاد می کند. برای کاهش اختلافات در مورد قیمت گذاری زمین، باید محیط مناسبی برای ارزیابی قیمت زمین ایجاد شود. برای استفاده از تجزیه و تحلیل و فناوری ارائه شده توسط روش های GIS،

2. روش ارزیابی آنلاین قیمت زمین

شهرنشینی سریع تقاضا برای تجزیه و تحلیل داده ها و پشتیبانی تصمیم گیری هوشمند را افزایش داده است. قیمت ارزیابی شده تاثیر مستقیمی بر بازار زمین دارد. می توان از آن برای نظارت بر پویایی قیمت زمین شهری استفاده کرد. طرح های تغییر و ساخت و ساز در سراسر شهرها رخ می دهد و ممکن است بر قیمت زمین تأثیر بگذارد. از دریافت غیرفعال داده ها تا به دست آوردن فعالانه آن، دولت مقادیر زیادی داده را از طریق پلتفرم های اطلاعاتی جمع آوری می کند. این داده ها به پایگاه داده اضافه، اصلاح و به روز می شوند. ارزیابان اغلب از نبود اطلاعات شکایت کرده اند. اکنون آنها به آن دسترسی دارند، اما نمی توان از آن در رویکرد سنتی ارزیابی استفاده کرد، زیرا داده ها و فرآیند ارزیابی نسبتاً مستقل هستند. ارزیابان اغلب از داده هایی استفاده می کنند که در گذشته جمع آوری شده اند. با این حال، ترافیک و داده های برنامه ریزی، داده‌های کاربری زمین، داده‌های مبادلات زمین و سایر داده‌های فضایی اساسی اغلب با رشد شهر تغییر می‌کنند، و به‌دست آوردن آنها بسیار دشوار است، این باعث می‌شود که داده‌ها برای ارزیابی زمین قدیمی باشند. رویکرد سنتی دیگر برای وظایف فعلی ارزیابی قیمت زمین مناسب نیست. اولاً، بیشتر پارامترها و استانداردهای ارزیابی مورد استفاده در فرآیند از پیش تعریف شده اند و تاخیر زمانی ممکن است دقت و به موقع بودن نتایج ارزیابی را کاهش دهد. دوم، گردش کار پیچیده است. آماده سازی داده ها برای ارزیابی یک کار پر زحمت است. داده ها ممکن است قدیمی باشند، و هیچ جریان یکپارچه ای وجود ندارد که از همه انواع داده ها برای ارزیابی قیمت زمین استفاده کند. علاوه بر این، این کار خسته کننده است و نیاز به ارزیابی کنندگان برای تجزیه اعداد و کلمات بسیاری دارد. سوم،

در رویکرد سنتی، جزئیات زیادی در تهیه داده‌ها برای ارزیابی وجود دارد که می‌توان آن‌ها را به شرح زیر خلاصه کرد: (1) ارزیاب‌ها اطلاعات لازم را برای زمین ارزیابی، مانند کد زمین، آدرس و منطقه، از فایل درخواست؛ (2) ارزیابان مکان کلی را از سند درخواست پیدا کرده و برای بررسی محیط اطراف و سایر مشخصات زمین به محل حادثه می روند. (3) ارزیابان یک روش ارزیابی مناسب را انتخاب می کنند. (4) ارزیابان داده های مورد نیاز برای روش انتخاب شده را جمع آوری می کنند. (5) برای روش باقیمانده، ارزیابان باید نمونه هایی را بر اساس تجربه ذهنی خود جمع آوری کنند. (6) ارزیابان داده ها را به اکسل وارد کرده و قیمت مربوطه را محاسبه می کنند. (7) ارزیابی کنندگان در جلسه ای شرکت می کنند تا در مورد نتایج با کارشناسان بحث کنند. (8) ارزیابان روش یا پارامترهای محاسبه شده را مطابق با نظرات و پیشنهادات دریافتی تجدید نظر می کنند. (9) ارزیابی کنندگان نتیجه را ارائه می دهند. با توجه به پیچیدگی این فرآیند، ما رویکرد جدیدی را برای غلبه بر مشکلات پیش آمده در رویکرد سنتی پیشنهاد می‌کنیم.

2.1. منابع اطلاعات

از سه نوع اطلاعات می توان برای بهبود نتایج ارزیابی قیمت زمین استفاده کرد: اطلاعات وظیفه ارزیابی، اطلاعات تکمیلی و اطلاعات عوامل موثر. اطلاعات وظیفه ارزیابی شامل داده‌های معاملات تاریخی، قیمت زمین معیار و پارامترهای مورد استفاده در فرآیند است. اطلاعات تکمیلی شامل استانداردهای صنعتی و اطلاعات مربوط به عوامل مؤثر شامل داده‌های مکانی پایه، داده‌های ساختار زمین و داده‌های موقعیت زمین است.

بیشتر این داده ها به صورت دیجیتالی توسط سازمان های دولتی ذخیره شده اند. این سازمان ها مشغول کار روزانه خود هستند و این امر باعث می شود تا ارزیابان برای برنامه ریزی جلسات با آنها مشکل داشته باشند. علاوه بر این، روش های مدیریت داده ها در بین سازمان ها متفاوت است. برای صرفه جویی در زمان و کار، داده های جمع آوری شده توسط ادارات زمین محلی می تواند برای ساخت پایگاه های اطلاعاتی جغرافیایی و رابطه ای با استفاده از موتور پایگاه داده مکانی مبتنی بر GIS، همانطور که در شکل 1 نشان داده شده است، استفاده شود . سایر سازمان ها فقط باید آدرس داده های خود را منتشر کنند. وظایف آنها برای مدیریت داده هایشان تغییر می کند. برای استفاده کامل از فرصت های ارائه شده توسط “داده های بزرگ”، ضروری است که ارزیابی قیمت زمین به این روش از یک فرآیند آفلاین به یک فرآیند آنلاین تغییر کند.

2.2. جریان وظیفه

در حال حاضر، دوره ارزیابی قیمت زمین پیچیده، طولانی است و به چندین ارزیاب نیاز دارد تا نتایج ارزیابی فردی خود را مورد بحث قرار دهند. رویکرد ارزیابی آنلاین قیمت زمین پیشنهادی، شکاف بین داده ها و وظایف را پر می کند. این شامل دو فضای کاری است، همانطور که در شکل 2 نشان داده شده است: فضای کاری درخواست کننده و فضای کاری ارزیابی کننده، که به ترتیب مشابه خریدار و فروشنده هستند.

همانطور که در مورد خریداری که از طریق اینترنت خرید می کند، زمانی سفارش ایجاد می شود که درخواست کننده زمین مورد ارزیابی و اطلاعات اولیه آن را به سیستم ارسال کند. سپس درخواست کننده منتظر نتیجه می ماند. ارزیاب سفارش را دریافت می کند، قیمت زمین را ارزیابی می کند و نتیجه را ارائه می دهد و نقشی مشابه نقش فروشنده ایفا می کند. رویکرد جدید ارائه شده در این مقاله بر فرآیندی تکیه دارد که در آن هر گره می تواند توسط دولت تنظیم و نظارت شود.

منابع داده مانند نمونه های تراکنش، مناطق همگن، فایل های مرجع و عوامل تأثیرگذار در یک پایگاه داده مدیریت می شوند و توسط ارزیابان از طریق وب سرویس استفاده می شوند. یک ارزیاب با تایید کار ارزیابی (مرحله 1)، وارد کردن اطلاعات اولیه (مرحله 2)، بررسی زمین (مرحله 3)، انتخاب روش ارزیابی مورد نظر (مرحله 4)، انتخاب نمونه ها (مرحله 5)، سفارش را انجام می دهد. بازنگری در پارامترها (مرحله 6) و در نهایت، ارزیابی قیمت زمین. همانند وب سایت تجارت الکترونیک، درخواست کننده می تواند وضعیت فعلی سفارش خود را ردیابی کند. در ضمن قبل از ارسال نتیجه، ارزیاب می تواند به مراحل قبلی بازگردد. سفارش زمانی کامل می شود که یک گزارش ارزیابی برای درخواست کننده ایجاد شود.

2.3. مدل های تصمیم گیری به کمک هوش

با توجه به “مقررات ارزیابی زمین شهری (GB/T18508-2014)” در چین، روش های فنی اصلی انتخاب شده در ارزیابی قیمت زمین، مقایسه بازار، سرمایه گذاری درآمد، اصلاح باقیمانده و ضریب قیمت زمین منتشر شده است.

برای کاهش نیروی کار ارزیابان و بار جمع آوری داده های مرتبط، باید از مهارت ها و تجربه حرفه ای آنها به طور کامل استفاده شود تا انرژی کافی برای ارزیابی قیمت زمین داشته باشند. بیشتر تصمیم گیری ها باید توسط کامپیوتر انجام شود. پس از اینکه ارزیاب ها یک کار ارزیابی را تایید کردند، بیشتر اطلاعات اولیه از سفارش درخواست کننده و سرویس داده وارد می شود. تلاش ارزیابان باید تقریباً به طور کامل بر هر بخش از فرآیند از انتخاب روش تا تولید نتیجه متمرکز شود. در فرآیند ارزیابی باید اصول خاصی رعایت شود. اصل جانشینی، به عنوان مهمترین اصل، بیان می کند که ارزیاب باید قیمت معامله شده زمین مجاور را که کاربری مشابهی دارد، در نظر بگیرد. به نظر می رسد که عوامل مکان نیز بر قیمت ها تأثیر دارند. هنگامی که تعداد و فراوانی دستورات ارزیابی افزایش می یابد، رویکرد ارزیابی نیاز به حمایت تصمیم گیری با کمک هوش دارد. بخش بعدی دو مدل مورد استفاده در رویکرد ارزیابی پیشنهادی را معرفی می‌کند.

2.3.1. مدل کمی سازی ضریب مکان مبتنی بر مجموعه های فازی و GIS

همانطور که در بالا ذکر شد، توزیع فضایی منابع عمومی بر قیمت زمین تأثیر دارد و این تأثیر را می توان کمی کرد. محققان از HPM برای تعیین کمیت اثرات منابع عمومی بر ارزش دارایی ها استفاده می کنند [ 15 , 16]. عوامل مکان متمایز از عوامل ساختاری هستند. اولی به طور مداوم با پیشرفت شهرنشینی تغییر می کند، اما دومی پایداری قوی دارد و نتیجه کمی سازی آن می تواند برای مدت طولانی مورد استفاده قرار گیرد. با توجه به اولی، این مقاله از یک مدل کمی استفاده می کند که اثرات عوامل مکان را در شرایط دینامیکی کمی می کند. محققین موافق هستند که یک عامل می تواند اثرات متفاوتی بر زمین با کاربری های مختلف داشته باشد. به عنوان مثال، برای زمین هایی که برای سکونت استفاده می شود، فاصله بیشتر با صنعت و شرایط محیطی بهتر منجر به افزایش قیمت زمین می شود. در مقابل، برای زمینی که برای صنعت استفاده می شود، فاصله طولانی با صنعت می تواند هزینه معامله را افزایش دهد و در نتیجه قیمت زمین را کاهش دهد.

شکل 3 چهار نوع کاربری اراضی و طبقات عوامل کمی آنها را نشان می دهد. زمانی که ارزیابان مایلند مقدار عامل کمی را برای یک مکان بدانند، باید سهم نهایی این عوامل ذکر شده را تخمین بزنند. محققان با استفاده از روش‌هایی مانند رگرسیون حداقل مربعات معمولی، HPM و رگرسیون دارای وزن جغرافیایی سعی کرده‌اند وزن‌هایی را تعیین کنند که نزدیک‌ترین قیمت به قیمت‌های واقعی تراکنش‌ها را به دست می‌دهند [ 5 ، .]. هدف یافتن مناسب ترین ضرایب برای ارزیابی قیمت زمین است. طبق “آیین نامه ارزش گذاری زمین شهری (GB/T18508-2014)”، ضرایب مورد استفاده برای ارزیابی قیمت زمین فقط برای مدت معینی معتبر است. وزن عوامل می‌تواند ثابت‌هایی در مدل باشد که بر حل تغییرات دینامیکی در داده‌ها و درجات تأثیر آنها متمرکز است. برای کمک به ارزیاب ها در تعیین کمیت عوامل مکان، این مقاله مدل کمی سازی عامل مکان زیر را ارائه می کند.

اس = \sum i = 1 n (w من \times \sum j = 1 متر w “ j اس “ j) = \sum k = 1 m \times n w “ ک اس “ ک

(1)

مقدار ضریب مکان کمی S به عنوان مجموع مقادیر برای n کلاس عامل محاسبه می شود که هر کدام ابتدا در وزن مربوطه ضرب می شود.

w_{i}

. به طور مشابه، مقدار کمی برای هر کلاس عامل را می توان به عنوان مجموع عوامل m به دست آورد، که در آن m تعداد عوامل در هر طبقه است. برای مثال، مقدار فاکتور کلاس 1 مجموع مقادیر کمی عامل m است

S_{1}^{'}, S_{2}^{'}, \dots S_{j}^{'}

ضرب در وزن های مربوطه

w_{1}^{'}, w_{2}^{'}, \dots w_{j}^{'}

. وزن ها به طور کلی از طریق روش امتیازدهی خبره [ 18 ، 19 ]، فرآیند تحلیل سلسله مراتبی [ 20 ]، روش دلفی یا روش دیگری [ 21 ] تأیید می شوند.

نموداری از فرآیند کمی سازی در شکل 4 نشان داده شده است . این مدل برای کمک به ارزیاب ها طراحی شده است تا با در نظر گرفتن تغییرات دینامیکی در عوامل کمی، معیارهای کمی و قوانین کمی، به راحتی یک مقدار کمی نهایی را به دست آورند. سه مولفه مستقل هستند و عوامل کمی از خدمات لایه منتشر شده به دست می آیند. معیارهای کمی توسط چندین ابزار تحلیل مبتنی بر GIS، از جمله تحلیل همپوشانی [ 22 ]، تجزیه و تحلیل بافر [ 23 ] و تحلیل شبکه [ 23] ارائه می‌شوند. 24] ارائه می‌شوند.]. رابطه فضایی بین اراضی و عوامل مربوط به آنها را می توان از چنین ابزاری فهمید و این مدل بر اساس این معیارهای کمی به هر عامل امتیازی اختصاص می دهد. قوانین مدل نادقیق هستند و از مجموعه های فازی برای رفع این عدم قطعیت استفاده می شود. نظریه مجموعه های فازی برای اولین بار توسط زاده برای توصیف پدیده فازی ارائه شد [ 25 ]. محققانی مانند بلمن و زاده با به کارگیری نظریه مجموعه های فازی برای حل مسائل مبهم در تصمیم گیری کار پیشگامانه ای انجام دادند [ 26 ، 27 ، 28] .]. بر اساس مفهوم مجموعه ها، نظریه فازی به یک ابزار ریاضی تبدیل شده است که می تواند برای ارزیابی زمین به کار رود. پونسارد یک بررسی از سه مدل ریاضی فازی در مورد انتخاب اقتصادی، محاسبه اقتصادی و تعادل اقتصادی عمومی انجام داد [ 29 ]. بارو از روش های ریاضی فازی برای بررسی خاک و ارزیابی زمین استفاده کرد [ 30 ]. سالسکی و بارتلز از یک رویکرد فازی برای پرداختن به داده‌های ناهمگن و نادقیق در ارزیابی‌های زمین استفاده کردند [ 31 ]. همانطور که توسط Zimmermann بیان شد، کاربردهای این نظریه را می توان در بسیاری از زمینه ها یافت و با توسعه هوش محاسباتی، به عنوان ابزار مهمی برای حل مسائل واقعی ظاهر شده است [ 32] .]. هنگامی که نوع کاربری زمین تایید شد، این مدل می تواند عوامل موقعیت نسبی را برای زمین مورد ارزیابی در نظر بگیرد.

ابتدا یک تابع عضویت با استفاده از قوانین فازی ایجاد می شود. اکثر قوانین فازی باید توسط ارزیاب ها بر اساس تجربه متخصص ایجاد شوند. در حال حاضر، چنین قاعده ای ممکن است یکی از دو شکل زیر را داشته باشد:

اگر کوتاه ترین فاصله بین عامل B و زمین A کمتر از $x_{1}$ متر، سپس مقدار است $Y_{1}$ . اگر این فاصله در محدوده باشد $x_{1}$ متر به $x_{2}$ متر، سپس مقدار است $f (x)$ یا $Y_{2}$ ، جایی که $f (x)$ تابعی است که رابطه بین مقدار کمی و کوتاهترین فاصله را نشان می دهد. اگر این فاصله بیشتر از $x_{2}$ متر، سپس مقدار است $Y_{3}$ . برای عواملی که با افزایش مقادیر آنها بدتر در نظر گرفته می شوند، این مدل از توزیع ذوزنقه ای به شرح زیر استفاده می کند:

$اف (x) = ⎧ ⎩ ⎨ ⎪ ⎪ f (x) Y 1 ، o r Y 3 ، Y 2 ، (x \leq ایکس 1) (ایکس 1 < x < ایکس 2) (x \geq ایکس 2)$

(2)

$اف u n c t i o n [ف (x) = Y 1] > اف u n c t i o n [ف (x) = f (x) o r Y 2] > اف u n c t i o n [ف (x) = Y 1]$

(3)
مشروط بر اینکه محل زمین الف در محدوده فاکتور B باشد در صورتی که درجه باشد $x_{1}$ ، سپس مقدار است $Y_{1}$ . اگر نمره باشد $x_{2}$ ، سپس مقدار است $Y_{2} .$ اگر نمره باشد $x_{n - 1}$ ، سپس مقدار است $Y_{n - 1} .$ اگر محل زمین A خارج از ناحیه عامل B باشد، مقدار آن است $Y_{n}$ . این مدل از تابع توزیع زیر استفاده می کند:

$اف (A, x) = ⎧ ⎩ ⎨ ⎪ ⎪ ⎪ ⎪ ⎪ ⎪ ⎪ ⎪ ⎪ ⎪ ⎪ ⎪ ⎪ ⎪ Y 1 ، (A \cap B = 1 & x = ایکس 1) Y 2 ، (A \cap B = 1 & x = ایکس 2) \dots Y n - 1 ، (A \cap B = 1 & x = ایکس n - 1) Y n, (A \cap B = 0)$

(4)

$اف u n c t i o n [ف (A, x) = Y 1] > اف u n c t i o n [ف (A, x) = Y 2] > \dots > F u n c t i o n [ف (A, x) = Y n]$

(5)

قوانین فازی توسط توابع عضویت توصیف می شوند. هنگام محاسبه امتیاز یک عامل، لازم است یک قانون اولویت تنظیم شود که بیان می کند اگر عامل یک تابع قبلی را برآورده کند، نیازی به در نظر گرفتن تابع دیگری نیست، همانطور که در معادلات (3) و (5) تعیین شده است. . این مدل می تواند هر عامل را با توجه به معیارهای مربوطه کمی کند. عوامل مختلفی بر قیمت زمین به طرق مختلف تأثیر می گذارند. به طور کلی، سه نوع معیار برای تجزیه و تحلیل روابط بین یک زمین ارزیابی شده و عوامل مرتبط با آن استفاده می شود:

در شکل 5 ، چند ضلعی A نشان دهنده زمین مورد ارزیابی است. B1، B2 و B3 نشان دهنده عوامل تأثیرگذار هستند، مانند مناطق تجاری با درجه های مرتبط، ایستگاه های مترو و بیمارستان ها. در این مدل، عوامل مکان در حال حاضر به سه روش کمی سازی می شوند.

1.: مربوط به موقعیت مکانی:

در این مورد، B1، B2 و B3 از نظر درجه متمایز می شوند و زمین A را با تقاطع آنها با مساحت آن تحت تأثیر قرار می دهند. بر اساس یک تحلیل GIS مبتنی بر همپوشانی، زمین A با B2 و B3 تقاطع دارد. فرم تابع عضویت دوم که با معادله (4) و قانون اولویت (5) توضیح داده شده است، اعمال می شود، به این ترتیب که اگر درجه = 2 قبل از درجه = 3 باشد، آنگاه

F (A, x) = F (A, 2)

2.: مربوط به فاصله بافر:

هنگامی که عوامل B1، B2 و B3 با استفاده از فواصل بافر بر زمین A تأثیر می‌گذارند، مدل نزدیک‌ترین عامل (B2) را پیدا می‌کند و فاصله مربوطه L را محاسبه می‌کند . اولین فرم تابع عضویت، که توسط معادله (2) و قانون اولویت (3) توضیح داده شده است، اعمال می شود، که در آن

F (x) = F (L)

3.: مربوط به فاصله شبکه:

همانطور که در مورد 2، مدل نزدیکترین عامل (B3) را پیدا می کند، فاصله L را محاسبه می کند و از معادله (2) و قانون اولویت (3) برای تعیین کمیت عامل استفاده می کند. با این حال، در این مورد، مدل نزدیکترین مسیر را از طریق شبکه جاده ای پیدا می کند، که در نظر گرفته شده است که مسیر روزانه یک فرد را در شهر نشان دهد.

2.3.2. مدل فشار نمونه تراکنش مبتنی بر Neartude

انتخاب نمونه های مشابه حیاتی ترین مرحله در ارزیابی قیمت زمین است. مناسب بودن نمونه های انتخاب شده مستقیماً بر نتیجه نهایی رویکرد مقایسه بازار تأثیر می گذارد. تأثیر ترجیحات ارزیاب همیشه شناسایی بهترین نمونه ها را دشوار می کند. برای ایجاد سیستم قیمت زمین، دولت شهرها را به چندین منطقه همگن تقسیم می کند و قیمت آنها را ارزیابی می کند که سپس برای درجه بندی زمین استفاده می شود. ویژگی ها، شرایط مربوط به مکان و قیمت زمین برای زمین های یک منطقه همگن مشابه است. بنابراین دامنه انتخاب نمونه های مشابه از یک شهر را می توان به همان منطقه یا منطقه مشابه محدود کرد. علاوه بر این، ارزیاب باید مناسب ترین نمونه ها را از نمونه های مشابه بیابد.

ژانگ و همکارانش ساخت مدل خطای فضایی (SEM) را از یک متغیر به چندین متغیر با استفاده از ریاضیات فازی گسترش دادند. این گسترش کاربرد تکنیک ما را افزایش می دهد و پشتیبانی فنی را برای اصلاحات مالیات بر دارایی در حال انجام در بازار املاک چین فراهم می کند [ 33 ]. برای کمک به تصمیم‌گیری در مورد یک نمونه مرجع، مدل پیشنهادی از ریاضیات فازی برای ایجاد مجموعه‌های فازی از نمونه‌ها استفاده می‌کند و به طور خودکار مشابه‌ترین نمونه‌ها را بر اساس نزدیکی، که یک شاخص مهم معرفی‌شده توسط وانگ است که درجه شباهت بین دو نمونه را توصیف می‌کند، فشار می‌دهد. مجموعه های فازی [ 34]. Neartude به طور گسترده در بسیاری از زمینه ها مورد استفاده قرار گرفته است و انواع مختلفی از آن توسعه یافته است. نزدیکی های مختلف در صورت استفاده برای حل مسائل عملی، سطوح متفاوتی از کارایی را ارائه می دهند.

قضیه 1.

فرض کنید دو مجموعه فازی A و B وجود دارد که شامل عوامل متناظر هستند. یک عدد گویا ρ ( A , B ) وجود دارد که موارد زیر را برآورده می کند:

(1): $0 \leq ρ (A, B) \leq 1$ ;
(2): $ρ (A, B) = ρ (B, A), ρ (A, A) = 1;$
(3): $i f A \subseteq B \subseteq C, t h e n ρ (A, B) \geq ρ (A, C) a n d ρ (B, C) \geq ρ (A, C),$

سپس مقدار ρ ( A , B ) نزدیکی A و B است .

بر اساس کارهای قبلی [ 27 ، 28 ]، مدل پیشنهادی از روش نزدیکی حداکثر-حداقل استفاده می‌کند که یک روش محاسباتی رایج و عملی است. درجه تشابه را می توان به صورت زیر محاسبه کرد:

μ (A, B) = \sum i = 1 n دقیقه (A_ایکس من) ، ب (ایکس من)) / \sum i = 1 n حداکثر (A_ایکس من) ، ب (ایکس من))

(6)

در معادله (6)

μ (A, B)

اندازه گیری نزدیکی برای مجموعه های فازی A و B است ، n تعداد عوامل مکان و

A (x_{i})

مقدار کمی i است است و به عنوان وزن در نظر گرفته می شود.

با استفاده از مجموعه های فازی و اندازه گیری های نزدیک، مدل می تواند نمونه ها را بر اساس درجات شباهت بین زمین ارزیابی شده و سایر نمونه ها طبقه بندی کند تا به ارزیاب ها در تصمیم گیری کمک کند.

3. حوزه مطالعه و ارزیابی

در مقایسه با رویکرد مرسوم، رویکرد ارزیابی آنلاین قیمت زمین پیشنهادی، بیشتر کارهای ضروری را به رایانه‌ها اختصاص می‌دهد. از تهیه داده ها تا خروجی نتیجه، یک سیستم ارزیابی قیمت زمین بر اساس این رویکرد می تواند تعدادی از مشکلات عملی را حل کند. در این مقاله، یک زمین منتخب در شنژن را در نظر می گیریم و قیمت آن را با استفاده از روش ارزیابی آنلاین قیمت زمین پیشنهادی ارزیابی می کنیم. مساحت آن 29000 متر ^مربع و مساحت مورد استفاده برای سکونت 12000 متر ^مربع است .

استانداردسازی و اتوماسیون ارزیابی قیمت زمین به زودی فرا می رسد و این می تواند توسعه سالم بازار زمین را تسهیل کند. شنژن به عنوان شهر نمونه برای این مطالعه انتخاب شد زیرا شنژن اولین منطقه ویژه اقتصادی بود که از دهه 1980 به یک شهر بین المللی تبدیل شد. بازار زمین آن اغلب مورد مطالعه قرار می گیرد [ 35 ، 36 ]. یک سیستم ارزیابی قیمت زمین توسط دولت در اوایل توسعه شنژن اعمال شد. با این حال، رویکرد ارزیابی قدیمی است و نمی تواند با داده های در حال رشد و تغییر سازگار شود. این شهر در استان گوانگدونگ در جنوب چین واقع شده است و مساحت کل شهری آن 1996.85 کیلومتر است.^.، جمعیت 10.78 میلیون نفر و تولید ناخالص داخلی (GDP) که تا سال 2014 به 246.23 میلیارد دلار افزایش یافته بود. تقاضا برای زمین قوی است، اما ناکارآمدی رویکرد قدیمی منجر به مدیریت ناسازگار و نتایج غیر قابل اعتماد ارزیابی قیمت زمین می شود. بنابراین، سیستمی که از رویکرد ارزیابی آنلاین قیمت زمین مبتنی بر GIS استفاده می‌کند، باید دارای اهمیت عملی و اثرات قابل اثبات باشد.

3.1. آماده سازی داده ها

برای این مقاله، یک نمونه واقعی انتخاب شد که قبلاً توسط ارزیابان مورد ارزیابی قرار گرفته بود و جریان اصلی فرآیند ارزیابی برای برآورده کردن استانداردهای تعیین شده توسط “مقررات ارزش گذاری در زمین شهری (GB/T18508-2014)” طراحی شد. چین.

زمین انتخاب شده برای این کاربرد رویکرد ما که در شکل 6 نشان داده شده است، یک مورد واقعی است که توسط ارزیابان با استفاده از سیستم قدیمی ارزیابی شده است و فرآیند و نتایج این ارزیابی پذیرفته شده است. داده‌های اولیه شامل زمین‌ها، مناطق همگن، شبکه‌های جاده‌ای، عوامل مکان و فایل‌های مرجع می‌باشد. زمین انتخاب شده، زمین مسکونی واقع در خیابان Minzhi در منطقه Longhua استان شنژن است.

مناطق همگن ابتدا با استفاده از شبکه اصلی که شهر را تقسیم می کند، ایجاد شد. مناطق مربوط به هر نوع کاربری با توجه به عوامل و اقدامات موثر مربوطه تقسیم شدند. برای ایجاد مناطق همگن با توجه به مقادیر کمی مرتبط با عوامل تأثیرگذار، شبکه اصلی طبق استانداردهای طبقه‌بندی زمین در چین تقسیم شد. نمرات بر اساس مقادیر فاکتورهای کمی تعریف می شوند. ارزش زمین بالاتر مربوط به تعداد بیشتری است. مناطق همگن منعکس کننده توزیع فضایی درجات قیمت زمین در مناطق مختلف هستند و تفاوت ها و روندهای ذاتی در توزیع قیمت زمین را نشان می دهند.

شبکه راه در رویکردی که در این مقاله توضیح داده شده اهمیت دارد. ما از فاصله شبکه به جای فاصله خط مستقیم برای کمی کردن روابط فضایی بین زمین و عوامل مکان متناظر آن برای عوامل خاصی استفاده می کنیم، که برای آنها کمی سازی بر اساس فاصله شبکه دقیق تر از کمی سازی بر اساس فاصله خط مستقیم است. همانطور که در نشان داده شده است شکل 7 نشان داده شده است، AB و AC به ترتیب فواصل خط مستقیم از A تا B و C هستند، در حالی که ADEB و AFC به ترتیب فواصل شبکه از A تا B و C هستند. اندازه گیری های مختلف نتایج متفاوتی را به همراه دارد: فاصله خط مستقیم از A تا B مانند فاصله A تا C است، اما می توانیم نتیجه بگیریم که زمین A از نظر فاصله شبکه به مترو B نزدیکتر است تا مترو C. فاصله شبکه بیشتر معرف الگوهای رفتاری ساکنان است.

فایل های مرجع شامل چندین استاندارد مانند جدول ضرایب اصلاحی، جدول نرخ مالیات و جدول کمی (ضریب ها و وزن ها) می باشد. داده های موجود در این فایل ها از ثبات خوبی برخوردار هستند و می توان آنها را به صورت آنلاین به دست آورد.

3.2. پیاده سازی سیستم با استفاده از روش باقیمانده

کل فرآیند ارزیابی را می توان در یک مرورگر وب تکمیل کرد. درخواست کننده وارد فضای کاری می شود و سفارشی را ارسال می کند که حاوی اطلاعات اولیه زمین است که در قالب استاندارد نوشته شده است. ارزیابان سفارش را در مرورگر تأیید می کنند و کار را شروع می کنند. همانطور که در شکل 8 نشان داده شده است ، مورد انتخاب شده کاربری مسکونی است. پس از وارد شدن اطلاعات، سیستم اطلاعات اولیه را از وب سرویس که از منابع داده مربوطه منتشر شده است جمع آوری می کند، ارزیاب اطلاعات را تایید می کند و سپس روش باقیمانده را برای ارزیابی انتخاب می کند.

در روش باقیمانده، قیمت ملک باید با در نظر گرفتن توسعه زمین، هزینه توسعه و عوارض مربوط، سود و مالیات و سایر عوامل محاسبه شود. قیمت زمین:

V = A - (B + C)

(7)

در این معادله V قیمت زمین به ازای هر متر مربع، A قیمت مستغلات هر متر مربع پس از توسعه، B هزینه توسعه در هر متر مربع و C است.سود توسعه دهنده در هر متر مربع است. در سیستم قدیمی، فرآیند محاسبه شامل جمع‌آوری اطلاعات لازم از منابع دیگر، تکمیل کار در سایر نرم‌افزارهای حرفه‌ای و وارد کردن تنها نتیجه است. با این حال، فرآیند محاسبه باید استاندارد شود. تأثیر بیش از حد از نظرات ذهنی ممکن است بر نتیجه نهایی تأثیر بگذارد. بر اساس رویکرد ارزیابی آنلاین قیمت زمین معرفی شده در این مقاله، سیستم جدید از ابزارهای تحلیل فضایی ارائه شده توسط روش‌های GIS و ریاضیات فازی برای کمک به ارزیاب‌ها در تصمیم‌گیری استفاده می‌کند.

مزایای استفاده از این روش در محاسبه قیمت املاک نهفته است. معمولاً برای این محاسبه از روش مقایسه بازار استفاده می شود و ارزیاب باید از نمونه معاملات مشابه برای تعیین قیمت املاک استفاده کند. برای شناسایی نمونه های مشابه، ارزیاب باید مناسب ترین اقدامات را برای تعیین کمیت عوامل موثر بر قیمت به عنوان مبنایی برای انتخاب مشابه ترین نمونه ها انتخاب کند.

برای ارزیابی مورد در نظر گرفته شده از روش باقیمانده استفاده می کنیم. فرآیند ارزیابی در شکل 9 خلاصه شده است و فرآیند محاسبه دقیق به شرح زیر است.

3.2.1. محاسبه قیمت املاک و مستغلات، با پشتیبانی از تصمیم گیری به کمک هوش

مرحله 1: روابط بین داده ها و قوانین کمی سازی را ایجاد کنید.

مدل کمی، روابط بین داده ها و قوانین کمی را بسته به نوع کاربری زمین ایجاد می کند. وزن‌های نشان‌دهنده اهمیت عوامل مختلف در تأثیرگذاری بر نتایج توسط کارشناسان در شنژن تأیید شده‌اند.

برای جمع‌آوری نظرات کارشناسان در رابطه با روش دلفی، ارزیاب‌های خبره با تجربه‌ی فراوان در ارزیابی قیمت زمین در شنژن را انتخاب کردیم که مدت‌ها مدرک خود را حفظ کرده‌اند. سپس مراحل زیر را انجام دادیم:

(1): منابع مرتبط را از سراسر جهان جمع آوری و تجزیه و تحلیل کرد.
(2): مطالعات موردی مشابه شنژن یافت شد.
(3): کارشناسانی یافت شدند که در تحقیق در مورد تأثیر عوامل مکان یابی تخصص دارند.
(4): طراحی پرسشنامه مشابه جدول 1 .
(5): پرسشنامه را بصورت آنلاین ارسال و لینک وب سایت را برای کارشناسان منتخب ارسال کرد.
(6): از کارشناسان خواست تا فاکتورها و وزن خود را تکمیل کنند.
(7): پرسشنامه های دریافتی را تجزیه و تحلیل و جدولی مشابه جدول 1 ساخت .
(8): جدول را برای بررسی برای کارشناسان ارسال کرد.
(9): مراحل فوق را تا زمانی که همه کارشناسان جدول نهایی را پذیرفتند تکرار کرد.

در رویکرد خود، باید عدم قطعیت عوامل و وزن ها را در نظر بگیریم. این برای انطباق با تغییرات پویا در داده ها، قوانین و وزن ها ضروری است. برای همه اراضی در یک منطقه معین، عوامل مکان به دلیل شباهت فضایی، تأثیرات مشابهی دارند. در مورد ما، کارشناسان 10 لایه عامل مورد علاقه را بر اساس ناهمگونی فضایی در مقیاس بزرگ انتخاب کردند [ 37 ]، به جدول 1 و شکل 10 مراجعه کنید . مدل کمی برای محاسبه مقادیر این عوامل مکان با استفاده از قوانین و وزن های مربوطه اعمال شد.

دسترسی به منطقه تجاری مرکزی (CBD) در سطح شهر: این لایه به دسترسی به CBD بر اساس تقسیم منطقه به چندین درجه در سطح شهر اشاره دارد. مکان های درجه 1 در مناطق کم هزینه و مکان های درجه 5 در مناطق پر هزینه هستند.
دسترسی به CBD در سطح منطقه اداری: این لایه به دسترسی به CBD بر اساس تقسیم منطقه به چندین درجه در سطح منطقه اداری اشاره دارد. مکان های درجه 1 در مناطق کم هزینه و مکان های درجه 5 در مناطق پر هزینه هستند.
ایستگاه راه آهن شهری: این لایه به فاصله شبکه تا نزدیکترین ایستگاه راه آهن شهری اشاره دارد.
برنامه ریزی پارک: این لایه به فاصله شبکه تا نزدیکترین مکان برنامه ریزی شده یک پارک اشاره دارد.
برنامه ریزی ایستگاه راه آهن شهری: این لایه به فاصله شبکه تا نزدیکترین مکان برنامه ریزی شده ایستگاه راه آهن شهری اشاره دارد.
برنامه ریزی منطقه اصلی: این لایه به رابطه فضایی با توجه به یک منطقه اصلی برنامه ریزی شده اشاره دارد.
Hospitals: این لایه به فاصله شبکه تا نزدیکترین بیمارستان اشاره دارد.
منطقه مدارس ابتدایی: در چین، مناطق مدارس ابتدایی بر اساس کیفیت آموزش طبقه بندی می شوند.
ناحیه مدرسه راهنمایی: در چین، مناطق راهنمایی بر اساس کیفیت آموزش طبقه بندی می شوند.
فضای پارک سبز: این لایه به فاصله شبکه تا یک فضای سبز مانند پارک اشاره دارد.

مرحله 2: توابع عضویت را ایجاد کنید.

این مدل توابع عضویت را بر اساس قوانین فازی که برای هر عامل تعریف شده است، ایجاد می کند. برای مثال، برای فاکتور بیمارستان ها،

V (د) = ⎧ ⎩ ⎨ ⎪ ⎪ 90 ، (د \leq 500) 100 ، (500 < d \leq 2000) 80 ، (د > 2000)

(8)

V (د) = 90 > V (د) = 100 > V (د) = 80

(9)

در اینجا، d در معادله (8) فاصله شبکه بین زمین و نزدیکترین بیمارستان است. معادله (9) به این معنی است که هنگام ارزیابی عامل بیمارستان، ابتدا باید شرایط V ( d ) = 90 بررسی شود، سپس V ( d ) = 100 و سپس V ( d ) = 80 بررسی شود. نتیجه نهایی توسط شرایط با بالاترین اولویت

مرحله 3: مقادیر فاکتورها را کمی کنید.

مدل کمی سازی پیشنهادی اطلاعات نزدیکترین مرکز را به دست می آورد. در جداول زیر، اعداد در سربرگ با فاکتورهای ذکر شده در بالا مطابقت دارند. از جدول 2 ، متوجه می شویم که زمینی که برای مطالعه موردی انتخاب کردیم در منطقه ای با قابلیت دسترسی CBD درجه 3 در سطح شهر، درجه 2 دسترسی CBD در سطح منطقه اداری، فاصله 784 متر تا نزدیکترین راه آهن شهری واقع شده است. ایستگاه، فاصله 835 متر تا نزدیکترین پارک برنامه ریزی شده، فاصله 766 متر تا نزدیکترین ایستگاه راه آهن شهری، مکانی خارج از هر منطقه اصلی برنامه ریزی شده، فاصله 1146 متر تا نزدیکترین بیمارستان، منطقه مدرسه ابتدایی کلاس 3، منطقه مدرسه راهنمایی کلاس 3 و فاصله 2864 متر تا نزدیکترین فضای پارک سبز.

نتایج محاسبه مقادیر کمی برای عوامل در جدول 3 نشان داده شده است .

مرحله 4: نزدیکی های بین نمونه ها و زمین ارزیابی شده را محاسبه کنید.

در مدل فشار نمونه، فاکتورهای مکان نمونه ها به صورت مجموعه های فازی در نظر گرفته می شوند و نزدیکی ها با استفاده از روش نزدیکی حداکثر- حداقل محاسبه می شوند. نتایج برای شباهت بین زمین مورد مطالعه و نمونه ها در جدول 4 نشان داده شده است . مقدار نزدیکتر به یک نشان دهنده شباهت بیشتر است.

مرحله 5: به طور خودکار نمونه ها را برای مقایسه بیرون بیاورید.

نتایج neartude مرتب شده و برای فیلتر کردن نمونه ها بر اساس رتبه استفاده می شود. نمونه های بیرون رانده شده توسط کامپیوتر را می توان نمونه هایی در نظر گرفت که بیشترین شباهت را به زمین مورد ارزیابی دارند. نمونه های 1، 2 و 3 را به عنوان نمونه برای محاسبه قیمت ملک انتخاب می کنیم.

مرحله 6: قیمت نمونه ها را تصحیح کنید و قیمت ملک را محاسبه کنید.

قیمت نمونه ها را نمی توان مستقیماً برای ارزیابی قیمت املاک برای زمین ارزیابی شده استفاده کرد. این قیمت ها باید با توجه به شاخص های ارائه شده در فایل های استاندارد ارائه شده توسط دولت اصلاح شود. قیمت املاک ارزیابی شده (A) در این مورد 26623.67 RMB در هر متر مربع است (RMB مخفف renminbi yuan است که واحد پولی در چین است؛ 1 RMB معادل تقریباً 0.1522 دلار با نرخ ارز فعلی).

3.2.2. قیمت زمین را محاسبه کنید

هزینه توسعه (B) و سود توسعه دهنده (C) را می توان با توجه به قیمت املاک و استانداردهای دولتی محاسبه کرد. داده های مورد استفاده برای محاسبه B و C را می توان از سرویس های وب ارائه شده توسط بخش های دولتی مناسب به دست آورد تا از پویا بودن داده ها اطمینان حاصل شود. قیمت نهایی زمین برابر با V = A − ( B + C ) = 14,038.97 RMB در هر متر مربع است که می توان آن را در مساحت زمین ضرب کرد تا قیمت کل زمین به دست آید.

4. نتیجه گیری

رویکرد ارائه شده در این مقاله، فرآیند ارزیابی قیمت زمین مبتنی بر دسکتاپ مرسوم را با روشی مبتنی بر یک مرورگر وب جایگزین می‌کند. به اشتراک گذاری آنلاین منبع داده برای حل مشکلاتی که ارزیاب ها با آن مواجه هستند مورد سوء استفاده قرار می گیرد زیرا آنها همیشه فاقد داده هستند و موظف هستند قبل از انجام ارزیابی، داده های به روز شده زیادی را جمع آوری کنند. این فرآیند مشابه فرآیند رسیدگی به سفارش آنلاین با کمک ابزارهای ارائه شده توسط سیستم انجام می شود.

قیمت محاسبه‌شده در مطالعه موردی انتخابی ما مشابه قیمت واقعی بود، که نشان می‌دهد رویکرد پیشنهادی برای استقرار سیستم ارزیابی آنلاین قیمت زمین باید کار مورد نیاز ارزیابان را ساده‌تر کند، مشروط بر اینکه کل فرآیند مطابق با استانداردهای ملی باشد. در فرآیند ارزیابی مرسوم، یک ارزیاب اساساً بر دانش مبتنی بر تجربه و محاسبات دستی متکی است. عوامل زیادی بر قیمت زمین تأثیر می گذارند و این عوامل را می توان برای ایجاد مجموعه های فازی در نظر گرفت. مدل کمی‌سازی فاکتور مکان مبتنی بر مجموعه‌های فازی و GIS که در این مقاله ارائه شده است، «شباهت» را بر اساس یک روش کیفی برای دستیابی به کمی‌سازی اندازه‌گیری می‌کند. علاوه بر این، معیار کمی سازی معرفی شده بر اساس فاصله شبکه بیش از اندازه گیری مبتنی بر فاصله مستقیم نشان دهنده عادات سفر است. مدل فشار نمونه تراکنش مبتنی بر نزدیکی ارائه شده در این مقاله، شباهت‌های بین نمونه‌ها و زمین مورد ارزیابی را رتبه‌بندی می‌کند و مشابه‌ترین نمونه‌ها را برای کمک به تصمیم‌گیری بیرون می‌آورد. نوآوری و بهبود ارائه شده توسط رویکرد ارزیابی آنلاین ما، ارزیابی قیمت زمین را کارآمدتر و نتایج را قابل اطمینان تر می کند.

کاربرد رویکرد ما برای شهر در نظر گرفته شده در مطالعه موردی ما نشان می‌دهد که رویکرد پیشنهادی ارزیابی قیمت زمین را برای ارزیابان راحت‌تر و کارآمدتر می‌کند. این ارتباط بین کاربران و داده ها ایجاد می کند و با استفاده کامل از تئوری مجموعه های فازی و تکنیک های GIS به ارزیاب ها در ارزیابی هایشان کمک می کند. توانایی استفاده از انواع داده های موجود از طریق وب سرویس ها در تجزیه و تحلیل می تواند کاغذبازی های لازم، هزینه جمع آوری اطلاعات، پیچیدگی محاسبه و تأثیر قضاوت ذهنی را کاهش دهد. این اتوماسیون ارزیابی قیمت زمین به دلیل ادغام موفقیت آمیز اطلاعات، محیط ارزیابی قیمت زمین در شنژن را بهبود می بخشد. علاوه بر این، انتظار می‌رود چنین پشتیبانی داده‌ای در مناطق دیگر نیز مفید باشد. رویکرد پیشنهادی برای ایجاد یک گردش کار ارزیابی استاندارد برای همه سازمان‌های دولتی در چین مفید خواهد بود. این اجازه می دهد تا هر مرحله از فرآیند علمی تر باشد و برای تأیید ثبت شود. به طور خلاصه، انتظار می‌رود روش پیشنهادی ارزیابی خودکار قیمت زمین سود کلی داشته باشد.

منابع

دو، ج. Peiser، RB Land عرضه، قیمت گذاری و احتکار زمین توسط دولت های محلی در چین. Reg. علمی اقتصاد شهری 2014 ، 48 ، 180-189. [ Google Scholar ]
دینگ، جی. گیورکو، جی. وو، جی. جی، ایکس. اندازه‌گیری قیمت زمین و خانه در چین. ملی 2012 ، 99 ، 999-1006. [ Google Scholar ]
Nasralla, ZH طراحی و پیاده سازی سامانه اطلاعات املاک کربلا. در مجموعه مقالات اولین کنفرانس علمی، ژوهانسبورگ، آفریقای جنوبی، 2-3 دسامبر 2013.
Vries، PD; Faber, R. به سوی یک سیستم اطلاعاتی نظارت بر املاک در رومانی. رام جی. اکون. پیش بینی. 2009 ، 12 ، 187-214. [ Google Scholar ]
صائف الدین، ع. Widyanings، Y.; جینتینگ، ا. مامت، م. مدل قیمت زمین با در نظر گرفتن عوامل فضایی. آسیایی جی. ریاضی. آمار 2012 ، 5 ، 132-141. [ Google Scholar ]
Brasington، DM; Hite، D. تقاضا برای کیفیت محیطی: تجزیه و تحلیل لذت جوی فضایی. Reg. علمی اقتصاد شهری 2005 ، 35 ، 57-82. [ Google Scholar ] [ CrossRef ]
کنگ، اف. یین، اچ. ناکاگوشی، ن. استفاده از GIS و معیارهای چشم انداز در مدل سازی قیمت لذت بخش از ارزش رفاهی فضای سبز شهری: مطالعه موردی در شهر جینان، چین. Landsc. طرح شهری. 2007 ، 79 ، 240-252. [ Google Scholar ] [ CrossRef ]
کیسیلویچ، اس. کیم، دی. Rokach، L. یک سیستم پشتیبانی تصمیم مبتنی بر GIS برای تخمین نرخ اتاق هتل و پیش‌بینی زمانی قیمت: زمینه کارگزاران هتل. تصمیم می گیرد. سیستم پشتیبانی 2013 ، 54 ، 1119-1133. [ Google Scholar ] [ CrossRef ]
چنگ، EWL; یو، ال. Li, H. یک سیستم انتخاب سایت مبتنی بر GIS برای پروژه های املاک و مستغلات. ساخت و ساز نوآوری. 2005 ، 5 ، 231-241. [ Google Scholar ]
یانگ، ی. سان، ی. لی، اس. ژانگ، اس. وانگ، ک. هو، اچ. Xu, S. یک رویکرد وب مبتنی بر GIS برای ارائه اطلاعات قیمت زمین. IJGI 2015 ، 4 ، 2078-2093. [ Google Scholar ] [ CrossRef ]
پاپادیمیتریو، اف. Mairota، P. برنامه ریزی سیاست وابسته به مقیاس فضایی برای مدیریت زمین در جنوب اروپا. محیط زیست نظارت کنید. ارزیابی کنید. 1996 ، 39 ، 47-57. [ Google Scholar ] [ CrossRef ] [ PubMed ]
هوش مصنوعی در مدل‌سازی پیچیدگی تحولات چشم‌انداز مدیترانه‌ای. محاسبه کنید. الکترون. کشاورزی 2012 ، 81 ، 87-96. [ Google Scholar ] [ CrossRef ]
پاپادمیتریو، اف. مدلسازی پیچیدگی منظر برای مدیریت کاربری زمین در ریودوژانیرو، برزیل. سیاست کاربری زمین 2012 ، 29 ، 855-861. [ Google Scholar ] [ CrossRef ]
Zeng، TQ; ژو، Q. تصمیم گیری فضایی بهینه با استفاده از GIS: نمونه اولیه یک سیستم اطلاعات جغرافیایی حالت واقعی (Regis). بین المللی جی. جئوگر. آگاه کردن. علمی 2001 ، 15 ، 307-321. [ Google Scholar ] [ CrossRef ]
وو، جی. وانگ، ام. لی، دبلیو. پنگ، جی. Huang, L. تاثیر فضای سبز شهری بر قیمت مسکن مسکونی: مطالعه موردی در شنژن. ج. طرح شهری. توسعه دهنده 2015 , 141 , 05014023. [ Google Scholar ] [ CrossRef ]
سیرمنز، جی اس. مکفرسون، DA; Zietz، EN ترکیب مدل‌های قیمت‌گذاری لذت‌گرا. J. املاک و مستغلات روشن. 2005 ، 13 ، 3-43. [ Google Scholar ]
کریون، بی دی. اسلام، رگرسیون حداقل مربعات معمولی SM ; انتشارات Sage: Thousand Oaks، CA، USA، 2011. [ Google Scholar ]
Kwong، CK; IP، WH؛ چان، JWK ترکیب روش امتیازدهی و رویکرد سیستم های خبره فازی برای ارزیابی تامین کننده: مطالعه موردی. یکپارچه سازی Manuf. سیستم 2002 ، 13 ، 512-519. [ Google Scholar ] [ CrossRef ]
مایر، جی دی. سالوی، پی. Caruso، DR. Sitarenios، G. اندازه گیری هوش هیجانی با MSCEIT V2.0. احساسات 2003 ، 3 ، 97-105. [ Google Scholar ] [ CrossRef ] [ PubMed ]
Saaty، TL نحوه تصمیم گیری: فرآیند سلسله مراتب تحلیلی. یورو جی. اوپر. Res. 1990 ، 48 ، 9-26. [ Google Scholar ] [ CrossRef ]
دالکی، ن. Helmer, O. کاربرد تجربی روش دلفی برای استفاده از متخصصان. مدیریت علمی 1963 ، 9 ، 458-467. [ Google Scholar ] [ CrossRef ]
سلام.؛ لیو، جی. تحقیق در مورد کاربرد جامع فناوری تجزیه و تحلیل پوشش فضایی DEM و GIS در ارزیابی کمی زمین. محاسبه کنید. مهندس 2006 ، 1 ، 088. [ Google Scholar ]
Xiang، W. تجزیه و تحلیل بافر ساحلی مبتنی بر GIS: تزریق اطلاعات جغرافیایی به برنامه ریزی منظر. Landsc. طرح شهری. 1996 ، 34 ، 1-10. [ Google Scholar ] [ CrossRef ]
هاگت، پی. Chorley، RJ تجزیه و تحلیل شبکه در جغرافیا . ادوارد آرنولد: لندن، بریتانیا، 1969. [ Google Scholar ]
Zadeh, LA Fuzzy sets. Inf. کنترل 1965 ، 8 ، 338-353. [ Google Scholar ] [ CrossRef ]
بلمن، RE; زاده، لس آنجلس تصمیم گیری در یک محیط فازی. مدیریت علمی 1970 ، 17 ، B141–B164. [ Google Scholar ] [ CrossRef ]
Zavadskas، EK; تورسکیس، ز. اوستینویچیوس، ال. شوچنکو، جی. وزن‌های تعیین‌کننده ویژگی‌ها را در روش‌های تصمیم‌گیری چندگانه مشخص می‌کند. مهندس اقتصاد 2010 ، 21 ، 32-43. [ Google Scholar ]
فن، ز. ما، جی. ژانگ، کیو. رویکردی به تصمیم گیری ویژگی های چندگانه بر اساس اطلاعات اولویت فازی در مورد گزینه ها. سیستم مجموعه های فازی 2002 ، 131 ، 101-106. [ Google Scholar ] [ CrossRef ]
Ponsard, C. مدل های ریاضی فازی در اقتصاد. سیستم مجموعه های فازی 1988 ، 28 ، 273-283. [ Google Scholar ] [ CrossRef ]
بارو، PA روش های ریاضی فازی برای بررسی خاک و ارزیابی زمین. J. Soil Sci. 1989 ، 40 ، 477-492. [ Google Scholar ] [ CrossRef ]
سالسکی، آر. بارتلز، اف. یک رویکرد فازی برای ارزیابی زمین. ترجمه IASME 2005 ، 5 ، 774-780. [ Google Scholar ]
زیمرمن، HJ فازی نظریه مجموعه ها. وایلی اینتردیسیپ. ریور کامپیوتر. آمار 2010 ، 2 ، 317-332. [ Google Scholar ] [ CrossRef ]
ژانگ، آر. دو، س. گنگ، جی. لیو، بی. Huang، Y. یک مدل خطای فضایی بهبود یافته برای ارزیابی انبوه املاک تجاری بر اساس تجزیه و تحلیل فضایی: شنژن به عنوان یک مطالعه موردی. Habitat Int. 2015 ، 46 ، 196-205. [ Google Scholar ] [ CrossRef ]
وانگ، پی. نظریه مجموعه فازی و کاربردهای آن . ناشران علمی و فنی شانگهای: شانگهای، چین، 1983. [ Google Scholar ]
دنگ، ی. گیورکو، جی. Wu, J. اندازه گیری قیمت زمین و خانه در چین ; دفتر ملی تحقیقات اقتصادی، شرکت: کمبریج، MA، ایالات متحده آمریکا، 2012. [ Google Scholar ]
کشتی.؛ یوان، ی. ژنگ، جی. وانگ، جی. Ge، Y. Qiu، G. اثر تغییر کاربری/پوشش زمین بر رواناب سطحی در منطقه شنژن، چین. CATENA 2007 ، 69 ، 31-35. [ Google Scholar ] [ CrossRef ]
ایروین، EG; Bockstael، NE تکامل پراکندگی شهری: شواهدی از ناهمگونی فضایی و افزایش تکه تکه شدن زمین. Proc. Natl. آکادمی علمی ایالات متحده آمریکا 2007 ، 104 ، 20672–20677. [ Google Scholar ] [ CrossRef ] [ PubMed ]

شکل 1. روش آماده سازی داده ها.

شکل 2. جریان کار.

شکل 3. سیستم کمی سازی.

شکل 4. فرآیند کمی سازی.

شکل 5. اقدامات کمی مبتنی بر GIS.

شکل 6. موقعیت زمین در نظر گرفته شده در مطالعه موردی.

شکل 7. شبکه جاده در شنژن.

شکل 8. فرآیند ارزیابی مشترک با استفاده از روش باقیمانده.

شکل 9. فرآیند ارزیابی برای روش باقیمانده که توسط تصمیم گیری به کمک هوش پشتیبانی می شود.

شکل 10. خدمات لایه ای ارائه شده توسط دولت.

جدول 1. عوامل مکان، به تایید کارشناسان.

جدول 2. مقادیر محاسبه شده با استفاده از روابط بین عوامل و قیمت زمین.

جدول 3. مقادیر عوامل کمی محاسبه شده بر اساس قوانین تعریف شده.

جدول 4. درجات کمی تشابه بین نمونه ها و زمین ارزیابی شده.

© 2016 توسط نویسندگان؛ دارنده مجوز MDPI، بازل، سوئیس. این مقاله یک مقاله با دسترسی آزاد است که تحت شرایط و ضوابط مجوز Creative Commons Attribution (CC-BY) (http://creativecommons.org/licenses/by/4.0/) توزیع شده است.

;کاربردهای GIS مقالات

درخواست مشاوره

09120049370

8 صبح تا 12 شب