Vi er i gang med et ret vildt projekt omkring A.I. Formålet er at benytte et neuralt netværk til at forudsige lejepriser i et nybygget område.
Hvis du bygger en lejebolig i midten af København eller Aarhus kan du kigge på naboejendommen der allerede står udlejet og se hvad huslejen er og hvor lang tid det tog at afsætte enhederne. Hvis du til gengæld bygger 40 nye rækkehuse på 120 kvm i Hirtshals, er der ikke nogle reference ejendomme at tage udgangspunkt i.
….men det er ikke alt det kan bruges til.
Valg af bolig
Når du vælger en bolig er der en lang række elementer som du tager stilling til. Nogle af elementer handler om området (naboer, afstande til forskellige elementer, gennemsnitspriser, servicetilbud, støj) andet handler om selve boligen (stand, størrelse, antal værelser, pris, etc.) Samtidig vil du vurdere alternative muligheder på markedet – hvad kan jeg ellers få til samme penge?
Lidt forsimplet ser formlen sådan her ud.
OE = Område Element
BE = Bolig Element
A = Alternativer
OE1 * OE2 …..OEx * BE1 * BE2…. BEx * A = Huslejen eller pris
Forløbet:
Vi har indledningsvis fokuseret på husleje men vi kunne umiddelbart skifte det til salgspriser. Vi har direkte adgang til tinglysningen og disse oplysninger har vi allerede forbundet med BBR-oplysninger og vores andre geo oplysninger.
Vi laver et udtræk fra vores database med ca. 4.300 datasæt. Da vi trænede systemet første gang, tog vi kun fire forskellige parametre med, men på sigt får vi op i mod de 50.
Datasætningen loader vi ind i systemet inkl huslejebeløb og lader det neurale netværk køre det igennem 10 gange.
Så fjerner vi huslejedataen fra datasættet og får nu det neurale netværk til at fastsætte en husleje. Det vil sige at vi først får vores neural netværk til at finde et system i priserne og bagefter beder vi netværket om at bruge systemet på at beregne en pris.
Det kom der følgende graf ud af:
Den vandrette linje viser hvad netværket har gættet på og op af Y-aksen er hvad husleje var på. Som man kan se, forudsage vores neurale netværk ikke priser over kr. 9.000,-. Dette var dog helt som ventet, da vi kun havde lagt fire parametre ind. Når vi er færdige vil de røde punkter i langt højere grad enten ligge op langs den stiplede linje eller forskudt i forhold til linjen.
Når vi er færdige forventer vi at kunne træne systemet med 30 til 50 forskellige parametre. Alt sammen data vi har hentet ind og lagt i vores database.
Hvad kan man bruge tallene til?
Som nævnt vil systemet kunne fortælle huslejeniveauer steder hvor der endnu ikke er bygget noget endnu. Det vil gøre det lettere at teste forskellige lejepriser – lang tid inden boligerne kommer på markedet.
Systemet vil også være egnet til at vurdere lejepotentialer i en eksisterende ejendom. Systemet vil kunne vurdere hvad lejepriserne reelt burde være og derved vurdere om der er mulighed for en øget lejeindtægt eller om ejendommen er prissat for højt.
Og måske ender SKAT med at købe systemet, så de kan få gjort deres ejendomsvurderinger færdige. 🙂
