Räumliche Analyse & Visualisierung von Mietpreisdaten für Immobilienportale

1/33DGFK

© schernthanner·ifg·uni·potsdam 2016

DGFK|5.4.16

DGFK: Kartographisches Kolloquium

Räumliche Analyse & Visualisierung von Mietpreisdaten für Immobilienportale

Harald Schernthanner|Geoinformatik |IfG

2/33DGFK


1. Status quo der Mietpreisanalyse und -Visualisierung

2. Räumliche Analysen als Alternative3. Geovisualisierung als Alternative4. Zusammenfassung

Inhalt

1. Status quo | 2. Räumliche Analysen | 3. Geovisualisierung | 4. Zusammenfassung

3/33DGFK


Stellen Sie sich vor, Sie suchen eine Mietwohnung ?


4/33DGFK


Zehlendorf 9,27 €/m²|Potsdams Innenstadt 8-10 €/m²?

Quelle: Wirtschaftswoche

Quelle: Immonet

Quelle: Immobilienscout24

Quelle: Immonet


5/33DGFK


Mietpreise >13€/m² in ganz Salzburg ?

Quelle: Willhaben.at


6/33DGFK

© schernthanner·ifg·uni·potsdam 20161. Status quo | 2. Räumliche Analysen | 3. Geovisualisierung | 4. Zusammenfassung

1900 US$ für eine 1-Zimmerwohung in ganz Manhattan?

Quelle: Immonet

Quelle: Trulia

7/33DGFK


Anteil am Warenkorb - Kaltmiete 21% - Warmmiete 31%- Mieterquote: 48 %

Relevanz von Mietpreisen ?

8/33DGFK


Research ?? Mittelwert / Median Hedonische

Regression

Status quo der Prozesskette


9/33DGFK


Wie kommen die dargestellten Preise zustande ? Immobilienportale betreiben unterschiedliche statistische Analysen ihrer

Angebotsdaten Immobilienindizes sind ein Geschäftsfeld vieler Portale


10/33DGFK


Hedonische Regression Nicht-räumliches Standardverfahren Funktioneller Zusammenhang zwischen zwischen

Immobilienpreis p und und Immobilieneigenschaften x Preis wird über intrinsischen Werte einer Immobilie und

deren Verfügbarkeit berechnet


11/33DGFK


Abbildung modellierter Preise auf fachfremd gewählten räumlichen Bezugseinheiten abgebildet Postleitzahlen Stadtteilgrenzen Von den Portalen

eingeführte Nachbarschaften

Infas Nachbarschaften: Deutschlandweit 75 000

Nachbarschaften, basierend auf ehemaligen Stimmbezirken (Infas, 2012)

Zillow neighborhoods

Hedonische Regression


12/33DGFK


Bekannte Maklerweisheit: Genau drei Dinge bei einer Immobilie sind

wichtig: 1. die Lage, 2. die Lage und 3. die Lage

(Stroisch, 2010) „Nichtbeachtung von Tobler´s 1st law of

geography: "Everything is related to everything else,

but near things are more related than distant things (Tobler, 1970).“

Erhebliche Defizite in der Analyse und Visualisierung von Mietpreisen bei Immobilienportalen

Wo bleibt die Lage ?


13/33DGFK


Verfahrensidentifizierung und Methodenevaluierung

Räumliche Alternativen ?

Vorverarbeitung Maschinelles Lernen

Räumliche Schätzverfahren

Geovisualisierung

Autokorrelationstests:Morans I/ Gearys C/ Getis-Ord Gi

Random Forest Trees

Geographisch gewichtete Regression

Grid Maps

Hauptkomponenten-analyse

Künstliche Neuronale Netze

Ordinary Kriging Webkarten mit Map APIs und Java Script Kartenbibliotheken

Random Forest Trees Kriging with external drift

Cloudbasierte Geovisualisierungen

Ordinary Cokriging


14/33DGFK


Quantitative Datenquelle Einmalige „Big Data“ Datenquelle Alle auf Immobilienscout 24 gelisteten

Mietangebote der Stadt Potsdam von 01/2004 bis 09/2013: 80% Marktabdeckung

Multivariater Datensatz: 74.098 geokodierte Angebote

64 immobilienspezifischen Variablen Zusätzlich: 5 45-minütige Interviews

mit Immobilienmarktexperten


15/33DGFK


Ordinary Kriging Räumliche-geostatistische

Interpolationsmethode Verbreitet in den

Geowissenschaften Daniel D. Krige (1951)

entwickelte das Verfahren. Einsatz im Bergbaubereich

Kaum Anwendungen in Mietpreisschätzung

Räumlicher Zusammenhang über die Abstandsvektoren Angebotspunkte


16/33DGFK


Ordinary Kriging – Validierung

Potsdam1319 Angebote1. Quartal 2013

3 Kriging Verfahren und 3 Parameter in 5000 Modelläufen

Validierung im Vergleich zum hedonischen Standardverfahren

5-fache Kreuzvalidierung und Ableitung der Gütemaße

Mean Error, RMSE / Fehler in % / Rechenzeit


17/33DGFK


Ordinary Kriging Das einfachste Kriging Verfahren Ordinary Kriging war

allen komplexeren und dem hedonischen Verfahren in allen Modelläufen überlegen

30 ha Infas GeodatenGeometrie


18/33DGFK


Random Forest Trees Der von Breiman (2001) entwickelte Algorithmus

"Random Forest" (RF) ist eine Weiterentwicklung herkömmlicher einfacher Entscheidungsbäume

Die "Entscheidung" über das endgültige Resultat eines Random Forest Modells wird über eine Anzahl an willkürlich gewachsenen Entscheidungsbäumen bestimmt

Nur wenige Studien zur Mietpeisschätzung nutzen Random Forest Trees

Quelle: Imperial College London


19/33DGFK


Random Forest Trees

Anwendung zur Sekundärvariablenwahl und zur Mietpreisschätzung als Regressionsmodell an exemplarischen Datensatz aus 1. Quartal 2013 Untersuchungsraum Potsdam mit 1319 Objekten.

Vorteil des Verfahrens Kann mit kategoriale Variablen angewendet werden

Variablenauswahl Einteilung in Training und Testdaten70% Test / 15% Training / 15% „Out of the bag“

Modellläufe 100 – 500 Bäume Validierung: MSE / lnMSE%/ Node Impurity


20/33DGFK


n tree

150 350 400 300 450 250 500 200 100

MSE 1,1385 1,1391 1,1392 1,1397 1,1404 1,1407 1,1412 1,1436 1,1508

Random Forest Trees


21/33DGFK


Grid Maps Darstellung thematischer Sachverhalte auf

Rasterzellen Vorreiter US Zensus Büro

Irregulär geformte US Zensusblöcke wurden in Rasterzellen umgewandelt

Statistik Austria stellt Bevölkerungs-, Arbeitsmarkt-, Gebäudestatisken in 100 m bis 10 km Grid dar

Größere Vergleichbarkeit gegenüber Raumbezug auf administrativer Ebene (Trainor, 2010)


22/33DGFK


23/33DGFK


Was ist die ideale Zellengröße für eine Mietpreiskarte? Methodik des Gridmapping

Filterung von (Wohn-)

Gebäudeblöcken: Overpass API

Angebotsdistanz,Punktdichte

& Grundfläche von Wohngebäuden

Zellgrößen (m) Maßstab Zoomstufe in Webmap / OpenStreetMap

110 1: 70 000 13

75 1: 35 000 und 1: 15 000 14 und 15

>= 50 >= 1:8000 >= 16

20 -50 Nur zur Berechnung / feinmaschige Grids


Grid Maps

24/33DGFK


Mietpreiskarten – Prototyp Zoomstufe 13 /1: 35.000 Filterung nach Urban Atlas

Mietpreiskarte Status Quo des Portals Immobilienscout 24

Zoomstufe 13 1: 36.000 1. Status quo | 2. Räumliche Analysen | 3. Geovisualisierung | 4. Zusammenfassung

Grid Maps

25/33DGFK


Mietpreiskarte IS 24 Zoomstufe 15 1: 14.400 Infas Geodaten

Neighboorhood

Mietpreiskarten – Prototyp:

Zoomstufe 16 1: 13.000


Grid Maps

26/33DGFK


Mietpreiskarten: Prototyp und Status Quo:

Zoomstufe 18 & 18 1: 4500


Grid Maps

27/33DGFK


Gebäudescharfe Mietpreisschätzdarstellung in Carto DB


28/33DGFK


Thematische 2,5-dimensionale Darstellung (OSM Buildings)


29/33DGFK


Hexabins zur Visualisierung von Immobilienangeboten


30/33DGFK


Maßstabsabhängige Skalierung von Gridzellen mit leaflet.js

Quelle: Marius Humpert, ifg 2016

31/33DGFK


Zusammenfassung

Erstmalige umfassende Erhebung des raumanalytischen und geovisuellen Status Quo von Immobilienportalen

Kriging Verfahren, Random Forest Trees und Gridmapping Ansätze stellen eine deutliche Verbesserung des Status Quo da und zeigen die wahre Preisverteilung im Raum

Weiterer Forschungsbedarf: Methodentransfer Kombination von Verfahren des maschinellen

Lernens mit Geostatistischen Verfahren Generalized additive modells Zielgruppenstudien ....


32/33DGFK


Publikationen & Vorträge

Schernthanner, H. & L. Tyrallová (2010). FOS-GIS und Immobilienportale als Instrumente der Wohnungsmarktanalyse. In Strobl, J., Blaschke, T. & G. Griesebner, eds., Angewandte Geoinformatik 2010. Beiträge zum 22. AGIT-Symposium Salzburg, 7-9 Jul 2010. Universität Salzburg. Heidelberg.

Schernthanner, H. (2012) Spatial analysis, forecasting and simulation of urban apartment rental markets. Vortrag auf Einladung an das Department Landschaftsökologie / Computational Landscape Ecology des UFZ (Umweltforschungszentrum), Leipzig.

Schernthanner, H. & H. Asche (2012).Geosimulation of Urban Housing Market Conditions: A Preliminary Investigation. eds. REAL-CORP 2012, Proc. 17th International Conference on Urban Planning, Regional Development in the Information Society. Wien, Austria 14-26 May 2012.

Schernthanner,H. (2012) Gastteilnahme am Expertengremium Potsdam 22, im Auftrag der Stadtverordnetenversammlung der Stadt Potsdam, zur Untersuchung des Kostenanstiegs im Wohnen: http://potsdam22.de

Scheele, L. & Schernthanner, H. (2014). Eine räumliche Alternative der Modellierung und Darstellung von Immobilienpreisen für Immobilienportale. In Strobl, J., Blaschke, T. & G. Griesebner, eds., Angewandte Geoinformatik 2014. Beiträge zum 26. AGIT-Symposium Salzburg, 2-4 Jul 2014. Universität Salzburg. Heidelberg. [ONLINE]

Schernthanner, H. (2015): The spatial estimation of appartment rents: A brief introduction, Vortrag im Rahmen von #Maptime Berlin

Schernthanner, H. (2015). Untersuchungen zur räumlichen Analyse und Visualisierung von Mietpreisdaten für Immobilienportale. XII, 134 Bl. : graph. Darst. Potsdam, Univ., Diss., 2015


http://potsdam22.de/

33/33DGFK


Angebotsmieten Relevanz

Angebotsmieten geben die aktuelle Marktlage wieder sind von der Aussagekraft Neuvertragsmieten gleich zu setzen

Sie spiegeln in angemessener Weise die aktuelle Marktlage wieder (BBSR, 2014)

Datensätze wie der vorliegende sagen jedoch nichts darüber aus, ob die Wohnungen nach der Veröffentlichung im Immobilienportal tatsächlich vermietet wurden

34/33DGFK


Experteninterviews Experten

5 Experten in 45-minütigen teilstandardisierten, qualitativen Interviews mit Interviewleitfragen: Peter Ache: Autor Immobilienmarktbericht Deutschland Jörn-Michael Westphal: Geschäftsführer der städtischen

Immobiliengesellschaft Pro Potsdam Jan Hebecker: LeiterAnalytics Insight Data, IS 24 Arne Schwarz: Leiter Produktmanagment

Immobilienbewertung IS 24 Lars Holger Wilke: Head Automated Real Estate

Evaluation, IS24

35/33DGFK


Experteninterviews Themen- und Problemfelder Immobilienpreis-karten

Immobilienpreismodellierung

Daten Angebotskarten

Fachfremd verwendete Grenzen

Fachfremd verwendete Grenzen

Hedonische Regressionsmodelle

Datenschutz

Pin/Marker Problematik

Legende

Datenpräprozessierung DatenHomogenisier-ung

Zusätzliche Informationsebe-nen

Datendifferenzierung

Dichteschwankungen Open Data

Indikatoren basierte, distanzabhängige Suche

Visualisierung der Distanzen

Lagemodellierung

Ableitung Bestandspreis

36/33DGFK


Anwendung Künstliche Neuronale Netzwerke

Daten werden im Verhältnis 70% / 15%/ 15% von Test,- Trainings, und Validierungsdaten unterteilt.

Für Antwort vom neuronalen Netz nutzt man die Variablen: Verweildauer der Anzeige / Wohnfläche / Baujahr / Objektalter / Zimmeranzahl und Etage

Validierungsmaß Pseudo R²: mit 0,192 sehr gering und großer Fehler an den zu schätzenden Punkten

37/33DGFK


Interpolation

Interpolation =„Die Ermittlung eines unbekannten Funktionswertes zu einem Argument, das zwischen zwei Argumenten mit bekannten Funktionswerten (Stützwerten) liegt“ (Geoinformatik-Service, 2002)

Versuch Attributwerte an Punkten ohne Messergebnisse zu schätzen

Schätzung aus Stützpunkten = Punkte mit bekannten Messwerten.

“In real estate analysis, the kriging method is used to create interpolated maps or continuous maps ”

Anselin, L. (1998). GIS research infrastructure for spatial analysis of real estate markets. Journal of Housing Research, 9(1), 113-133.

38/33DGFK


Umsetzungsoptionen 1 + 2

39/33DGFK


Umsetzungsoptionen 3

40/33DGFK


Map APIs

Unter Webkarte wird in dieser Arbeit eine webbasierte, graphische Repräsentierung eines Datenmodells verstanden.

Präsentationskarten, in denen ein digitaler Datenbestand durch Attribuierung mit graphischen Merkmalen sichtbar gemacht wird.

Map APIs sind JavaScript-Bibliotheken, die Funktionalitäten zur Interaktion mit der Kartengrafik bereitstellen und die Integration von Karteninhalten von Kartenservern (meist Tiled Map Services) ermöglichen.

„Tiled Map Serving“ beruht dabei auf zwei Lösungsansätzen der webbasierten Kartenbereitstellung (Peterson, 2014): Ajax und Map Tiles

41/33DGFK


Angebotsmieten Einflussfaktoren neben Lage (für Sekundärvariablenauswahl)

RF PCA Schnittmenge mit Potsdam 22 Faktoren

Baujahr Baujahr Baujahr

Einbauküche Etage Zimmeranzahl

Wohnfläche Objektalter Einbauküche

Zimmeranzahl Verweildauer der Anzeige Etage

Etage Wohnfläche Wohnfläche

42/33DGFK


Räumliche Statistik und Kartendarstellung von PortalenImmobilienp

ortal(Räumliche) Statistik Kartendarstellung von

Immobilienpreisen

Zillow.com Hedonisches Regressionsmodell: Zillow Price Estimate.

Pin Map der Angebotspreise. Listendarstellung geschätzter Preise

Trulia.com Hedonisches Regressionsmodell: Monitoring von Miet- und Kaufpreisen

Pin map von Miet- und Kaufpreisen

Homes.yahoo.com

Keine Angaben Pin map von Miet- und Kaufpreisen

Immobilienscout24.de

Hedonisches Regressionsmodell: IMX Mapping geschätzter Miet- und Kaupreise gemappt auf willkürliche geographischen Bezugseinheit

Immowelt.de Keine Angaben Pin Map

Immonet.de Keine Angaben Keine Kartenansicht

Homegate.ch Hedonisches Regressionsmodell: Mietindex

Pin Map

43/33DGFK


Method Nugget Partial sill

Range Funct.

RMSE t (sec)

OK 0.001 0.1 700 Exp 0.788 45.480

OK 0.001 0.1 600 Exp 0.789 50.440

OK 0.001 0.095 600 Exp 0.789 60.030

KED 0.001 0.06 200 Exp 1.069 40.250

OCK 1100 Sph 1.207 34350.4

44/33DGFK


Fragen? Kritik? Anregungen?

Kontakt: [email protected]

Autor: Harald Schernthanner| IfG 2016