주식회사 공감랩 / 서울특별시 성동구 성수일로*길 *, 에이동 *층 ***호 (성수동*가, 서울숲 SK V* TOWER)
대리인 / 주소
고영갑
심사청구여부
있음 (2019-05-10)
심사진행상태
등록결정(일반)
법적상태
등록
초록▼
공간 정보를 이용한 주택 가격 추정을 위한 빅데이터 구축 시스템 및 방법이 개시된다.적어도 하나 이상의 데이터베이스(database)에서 주택 가격 형성에 영향을 미치는 데이터를 수집하고, 수집된 데이터를 공간적 속성치를 매개로 하여 상호 간의 데이터 오류를 정제하는 부동산 데이터 수집/정제 모듈; 상기 부동산 데이터 수집/정제 모듈에서 데이터 오류가 정제된 데이터를 부동산 레벨(level)에 따라 연계하여 빅데이터(big data)를 구축하는 빅데이터 구축 모듈; 상기 빅데이터 구축 모듈에서 구축된 빅데이터에서 주택 가격 형성에
공간 정보를 이용한 주택 가격 추정을 위한 빅데이터 구축 시스템 및 방법이 개시된다.적어도 하나 이상의 데이터베이스(database)에서 주택 가격 형성에 영향을 미치는 데이터를 수집하고, 수집된 데이터를 공간적 속성치를 매개로 하여 상호 간의 데이터 오류를 정제하는 부동산 데이터 수집/정제 모듈; 상기 부동산 데이터 수집/정제 모듈에서 데이터 오류가 정제된 데이터를 부동산 레벨(level)에 따라 연계하여 빅데이터(big data)를 구축하는 빅데이터 구축 모듈; 상기 빅데이터 구축 모듈에서 구축된 빅데이터에서 주택 가격 형성에 영향을 미치는 주택 가격 형성 정보를 추출하는 주택 가격 형성 정보 추출 모듈을 구성한다.상술한 공간 정보를 이용한 주택 가격 추정을 위한 빅데이터 구축 시스템 및 방법에 의하면, 다양한 물리적, 사회적, 지역적 가격 형성 요인 등을 다양한 데이터베이스에서 수집하여 상호 간의 오류를 정제하여 빅데이터를 구축하도록 구성됨으로써, 빅데이터를 활용하여 지역, 건물 자체, 교육, 교통 등의 다양한 요소들의 복합적으로 고려하고 주택 가격 추정의 정확도를 높일 수 있는 효과가 있다.
대표청구항▼
부동산 데이터 수집/정제 모듈이 적어도 하나 이상의 데이터베이스(database)에서 주택 가격 형성에 영향을 미치는 데이터를 수집하고, 수집된 데이터의 공간적 속성치를 매개로 하여 상기 수집된 데이터 상호 간의 오류를 확인하여 정확한 정보와 부정확한 정보로 분류하고, 부정확한 정보로 분류된 데이터를 자동 정제하는 단계;빅데이터 구축 모듈이 상기 부동산 데이터 수집/정제 모듈에서 정확한 정보로 분류된 데이터와 오류가 자동 정제된 데이터를 지역 레벨, 단지 레벨, 동 레벨 및 호 레벨로 구성되는 부동산 레벨(level)에 따라 연계하
부동산 데이터 수집/정제 모듈이 적어도 하나 이상의 데이터베이스(database)에서 주택 가격 형성에 영향을 미치는 데이터를 수집하고, 수집된 데이터의 공간적 속성치를 매개로 하여 상기 수집된 데이터 상호 간의 오류를 확인하여 정확한 정보와 부정확한 정보로 분류하고, 부정확한 정보로 분류된 데이터를 자동 정제하는 단계;빅데이터 구축 모듈이 상기 부동산 데이터 수집/정제 모듈에서 정확한 정보로 분류된 데이터와 오류가 자동 정제된 데이터를 지역 레벨, 단지 레벨, 동 레벨 및 호 레벨로 구성되는 부동산 레벨(level)에 따라 연계하여 빅데이터(big data)를 구축하는 단계;주택 가격 형성 정보 추출 모듈이 상기 빅데이터 구축 모듈에서 구축된 빅데이터에서 주택 가격 형성에 영향을 미치는 주택 가격 형성 정보를 추출하는 단계;주택 가격 추정 모듈이 상기 추출된 주택 가격 형성 정보를 이용하여 주택 가격을 추정하는 단계를 포함하고,상기 부동산 데이터 수집/정제 모듈이 적어도 하나 이상의 데이터베이스에서 주택 가격 형성에 영향을 미치는 데이터를 수집하고, 수집된 데이터를 공간적 속성치를 매개로 하여 상기 수집된 데이터 상호 간의 오류를 확인하여 정확한 정보와 부정확한 정보로 분류하고, 부정확한 정보로 분류된 데이터를 자동 정제하는 단계는,상기 데이터베이스에서 수집된 데이터 중에서 서로 다른 속성의 데이터 상호 간에 모순이 있는지 여부를 미리 준비된 소정의 알고리즘에 따라 판단하고, 판단 결과 상호 간에 모순이 있는 것으로 판단되는 경우 소정의 알고리즘에 따라 해당 데이터를 자동 정제하도록 구성되며, 자동 정제를 할 수 없는 경우 오류로 분류하도록 구성되며,상기 공간적 속성치는,부동산의 위치를 특정하거나 범위를 한정할 수 있는 정보로서, 공간 좌표, 지번, 도로명 주소, 행정구역명, 단지명, 행정구역명 및 단지명, 행정구역명 및 사업명칭 중 적어도 하나 이상을 포함하도록 구성되며,상기 부동산 데이터 수집/정제 모듈이 적어도 하나 이상의 데이터베이스에서 주택 가격 형성에 영향을 미치는 데이터를 수집하고, 수집된 데이터의 공간적 속성치를 매개로 하여 상기 수집된 데이터 상호 간의 오류를 확인하여 정확한 정보와 부정확한 정보로 분류하고, 부정확한 정보로 분류된 데이터를 자동 정제하는 단계는,상기 수집된 데이터 상호 간의 오류 패턴을 분석하고, 분석된 오류 패턴이 과거의 오류 패턴에 해당하는 경우에는 과거의 오류 패턴에 대한 오류 패턴 정정 자료를 이용하여 오류가 정정되는지 판단하고, 판단 결과 정정되는 경우 해당 오류 패턴 정정 자료를 이용하여 오류를 자동 정제하도록 구성되며, 판단 결과 정정되지 않는 경우 사용자에 의해 오류가 정제될 수 있도록 새로운 오류 패턴으로 분류하고, 상기 새로운 오류 패턴에 대한 오류 패턴 정정 자료를 이후의 오류에 대한 오류 패턴 정정 자료로 활용하도록 구성되며, 상기 부동산 데이터 수집/정제 모듈이 적어도 하나 이상의 데이터베이스에서 주택 가격 형성에 영향을 미치는 데이터를 수집하고, 수집된 데이터의 공간적 속성치를 매개로 하여 상기 수집된 데이터 상호 간의 오류를 확인하여 정확한 정보와 부정확한 정보로 분류하고, 부정확한 정보로 분류된 데이터를 자동 정제하는 단계는,부동산의 토지 대장, 대지권 등록부, 건물 대장, 주택 공시 가격 데이터베이스, 토지 이용 계획 데이터베이스, 학교 데이터베이스, 경위도 좌표 데이터베이스, 뉴스기사 데이터베이스를 검색하여 빅데이터를 수집하도록 구성되며,상기 부동산 데이터 수집/정제 모듈이 적어도 하나 이상의 데이터베이스에서 주택 가격 형성에 영향을 미치는 데이터를 수집하고, 수집된 데이터의 공간적 속성치를 매개로 하여 상기 수집된 데이터 상호 간의 오류를 확인하여 정확한 정보와 부정확한 정보로 분류하고, 부정확한 정보로 분류된 데이터를 자동 정제하는 단계는,주거 타입 분석부가 주택의 건물 대장에 기재된 층수, 전유부 및 면적에 관한 정보를 이용하여 단일형, 복층형, 혼합형, 혼합부속형 및 양성화형으로 구성되는 주택 유형 분류 정보 및 실주거면적 정보를 생성하여 출력하는 단계와, 대지권 추출부가 토지 대장 및 대지권 등록부의 대지 관련 정보, 상기 주택의 단지 정보, 동 정보 및 호 정보를 이용하여 대지권 정보를 생성하여 출력하는 단계와, 주택 용도 분류부가 건물 대장의 표제부 정보 및 주택 공시가격 정보를 이용하여 주택 용도 분류 정보를 생성하여 출력하는 단계와, 특수 주택 분류부가 주택 공시가격 정보 및 상기 주거 타입 분석부에서 출력된 주택 유형 분류 정보 및 실주거면적 정보를 이용하여 일반주택, 고급주택 또는 특수주택 중 하나로 분류되는 특수 주택 정보를 생성하여 출력하는 단계와, 정비 주택 분류부가 토지 이용 계획 정보를 이용하여 재개발 주택 정보 또는 재건축 주택 정보와 해당 사업 단계 정보를 생성하여 출력하는 단계와, 교육 학군 분류부가 주택의 지번을 중심으로 하는 주변 학교 정보를 이용하여 일반 학군 및 프리미엄 한국으로 분류되는 교육 학군 정보를 생성하여 출력하는 단계와, 단지 분류부가 주택의 경위도 좌표, 건물 대장의 총괄 표제부, 건물 대장의 표제부, 주택 공시 가격을 이용하여 일반 단지 및 유사 단지로 분류되는 단지 분류 정보를 생성하여 출력하는 단계와, 부동산 기사 수집 분류부가 뉴스 기사에서 부동산에 관련된 데이터를 자동으로 수집하여 분류하여 출력하는 단계 중 적어도 하나 이상을 포함하도록 구성되며,상기 빅데이터 구축 모듈이 상기 부동산 데이터 수집/정제 모듈에서 데이터 오류가 정제된 데이터를 부동산 레벨에 따라 연계하여 빅데이터를 구축하는 단계는,상기 주택 유형 분류 정보 및 실주거면적 정보, 상기 대지권 정보, 상기 주택 용도 분류 정보, 상기 특수 주택 정보, 상기 재개발 주택 정보 또는 재건축 주택 정보와 해당 사업 단계 정보, 상기 교육 학군 정보, 상기 단지 분류 정보를 주택의 해당 지역에 공통적으로 적용되는 정보, 해당 단지에 적용되는 정보, 해당 필지에 적용되는 정보, 해당 동에 적용되는 정보, 해당 호에 적용되는 정보로 분류하여 빅데이터를 구축하도록 구성되고,상기 주택 가격 추정 모듈이 상기 추출된 주택 가격 형성 정보를 이용하여 주택 가격을 추정하는 단계는,재건축, 재개발, 학교 설립 또는 지하철 개통의 예상 시점을 각각 고려하여 재건축, 재개발, 학교 설립 또는 지하철 개통의 예상 시점에 따른 주택 가격 형성 정보에 각각의 가중치를 적용하고, 지역별 유출입 인구, 지역유출입 인구의 연령대 및 성별, 지역별 주택 공급률에 따른 수요와 공급의 가격 형성 요인을 적용하여 주택 가격을 추정하도록 구성되고,상기 주택 가격 추정 모듈이 상기 추출된 주택 가격 형성 정보를 이용하여 주택 가격을 추정하는 단계는,상기 재건축 또는 재개발 시 해당 사업 단계별로 달라지는 가격 형성 요인을 적용하여 주택 가격을 추정하도록 구성되는 것을 특징으로 하는 공간 정보를 이용한 주택 가격 추정을 위한 빅데이터 구축 방법.
연구과제 타임라인
LOADING...
LOADING...
LOADING...
LOADING...
LOADING...
이 특허에 인용된 특허 (2)
[한국]
비정형 데이터로부터 특성을 추출하여 지식 베이스를 구축하는 시스템 및 방법 |
이경일,
김선호,
베를로셰 이반
※ AI-Helper는 부적절한 답변을 할 수 있습니다.