Συστήματα υποστήριξης αποφάσεων για την αξιοποίηση ακινήτων

Δερβίδη, Άμυνα

Decision support systems for real estate

Μεταπτυχιακή διπλωματική εργασία

Author

Δερβίδη, Άμυνα

Date

2025-02-26

Advisor

Παπατζανή, Στυλιανή

Συστήματα υποστήριξης Αποφάσεων_ΦΕΒ_2025.pdf (3.196Mb)

Keywords

Συστήματα υποστήριξης αποφάσεων ; Αξιοποίηση ακινήτων ; Ηλεκτρονική πολεοδομία ; Γεωγραφικά συστήματα πληροφοριών

Abstract

Η ταχεία εξέλιξη της ανάπτυξης ακινήτων έχει απαιτήσει την ενσωμάτωση προηγμένων τεχνολογικών εργαλείων για τη βελτιστοποίηση των διαδικασιών λήψης αποφάσεων. Η παρούσα διπλωματική εργασία παρουσιάζει τον σχεδιασμό και την ανάπτυξη ενός Συστήματος Υποστήριξης Αποφάσεων (DSS) για την ανάπτυξη ακινήτων, που ενσωματώνει Συστήματα Γεωγραφικών Πληροφοριών (GIS), ανάλυση δεδομένων και τεχνητή νοημοσύνη (AI) για να παρέχει στους επενδυτές ένα ασφαλές και ολοκληρωμένο εργαλείο για την αξιολόγηση επενδυτικών ευκαιριών. Ο πρωταρχικός στόχος είναι να ενισχυθεί η ακρίβεια και η αποτελεσματικότητα της αποτίμησης της ακίνητης περιουσίας, διασφαλίζοντας ότι οι επενδυτικές αποφάσεις βασίζονται σε αξιόπιστες αναλύσεις βάσει δεδομένων. Ένα βασικό χαρακτηριστικό του προτεινόμενου DSS είναι η ικανότητά του να συλλέγει, να διαχειρίζεται και να αναλύει συστηματικά διάφορα σύνολα δεδομένων, συμπεριλαμβανομένων των τάσεων της αγοράς, των δημογραφικών στατιστικών, των οικονομικών δεδομένων και των ρυθμιστικών περιορισμών. Η αρχιτεκτονική του συστήματος είναι δομημένη ώστε να ενσωματώνει πολλαπλές πηγές δεδομένων, διευκολύνοντας μια ολιστική προσέγγιση για την αποτίμηση ακινήτων και την αξιολόγηση του επενδυτικού κινδύνου. Μια κρίσιμη πτυχή του συστήματος είναι το πλαίσιο ασφαλείας του, που έχει σχεδιαστεί για να προστατεύει τους επενδυτές ενσωματώνοντας υποχρεωτικά πεδία που προσαρμόζονται δυναμικά με βάση τις κανονιστικές απαιτήσεις. Για παράδειγμα, εάν ένα ακίνητο βρίσκεται σε περιοχή που απαιτεί έγκριση από το Συμβούλιο Αρχιτεκτονικής (ΣΑ) ή υπόκειται σε αρχαιολογικούς περιορισμούς, το σύστημα θα ζητήσει από τον χρήστη να εισάγει την απαραίτητη τεκμηρίωση πριν προχωρήσει στην επενδυτική ανάλυση. Αυτό διασφαλίζει τη συμμόρφωση με νομικά και διοικητικά πλαίσια, ελαχιστοποιώντας τους κινδύνους για τους επενδυτές και τα ενδιαφερόμενα μέρη. Επιπλέον, το DSS αξιοποιεί τις δυνατότητες GIS για τη βελτίωση της χωρικής ανάλυσης, ενσωματώνοντας δεδομένα πολεοδομικού σχεδιασμού, κτηματολογικά αρχεία και κανονισμούς ζωνών για τον εντοπισμό βέλτιστων ευκαιριών ανάπτυξης. Η μελέτη διερευνά επίσης μεθοδολογίες αποτίμησης ακινήτων, δίνοντας έμφαση στο ρόλο του DSS στην ανάλυση βασικών παραμέτρων αποτίμησης όπως η τοποθεσία, η υποδομή και οι οικονομικοί δείκτες. Η διεπαφή του συστήματος έχει σχεδιαστεί με γνώμονα την προσβασιμότητα του χρήστη, ενσωματώνοντας διαδραστικά εργαλεία οπτικοποίησης δεδομένων, όπως χάρτες και γραφήματα για τη διευκόλυνση της διαισθητικής ανάλυσης. Παρουσιάζονται περιπτωσιολογικές μελέτες για να καταδειχθεί η πρακτική εφαρμογή του συστήματος, παρουσιάζοντας σενάρια επενδυτικής ανάλυσης σε περιοχές με υπάρχοντα πολεοδομικά και κτηματολογικά δεδομένα. Η εργασία εξετάζει περαιτέρω τις δυνατότητες των GIS και των αστικών δεδομένων στην ανάπτυξη ακινήτων, επισημαίνοντας τα οφέλη της ενσωμάτωσης κτηματολογικών πληροφοριών για ακριβείς επενδυτικές αποφάσεις. Διερευνώνται μελλοντικές επεκτάσεις του DSS, ιδιαίτερα οι εξελίξεις στην τεχνολογία GIS, οι εξελίξεις στα συστήματα e-Planning και του Κτηματολογίου και η ενσωμάτωση της τεχνητής νοημοσύνης για τη βελτίωση των δυνατοτήτων προγνωστικής μοντελοποίησης. Η μελέτη εξετάζει επίσης την εξέλιξη των συνεργατικών εργαλείων υποστήριξης αποφάσεων, τα οποία επιτρέπουν σε πολλούς ενδιαφερόμενους να συμμετάσχουν σε διαφανή και αποτελεσματικό επενδυτικό σχεδιασμό.

Abstract

The rapid evolution of real estate development has necessitated the integration of advanced technological tools to optimize decision-making processes. This thesis presents the design and development of a Decision Support System (DSS) for real estate development, incorporating Geographic Information Systems (GIS), data analytics, and artificial intelligence (AI) to provide investors with a secure and comprehensive tool for evaluating investment opportunities. The primary objective is to enhance the accuracy and efficiency of real estate valuation, ensuring that investment decisions are based on reliable, data-driven analyses. A key feature of the proposed DSS is its ability to systematically collect, manage, and analyze diverse datasets, including market trends, demographic statistics, financial data, and regulatory constraints. The system architecture is structured to integrate multiple data sources, facilitating a holistic approach to property valuation and investment risk assessment. A crucial aspect of the system is its security framework, designed to protect investors by incorporating mandatory fields that dynamically adjust based on regulatory requirements. For instance, if a property is located in an area requiring approval from the Architecture Council (SA) or is subject to archaeological restrictions, the system will prompt the user to input the necessary documentation before proceeding with the investment analysis. This ensures compliance with legal and administrative frameworks, minimizing risks for investors and stakeholders. Additionally, the DSS leverages GIS capabilities to enhance spatial analysis, incorporating urban planning data, cadastral records, and zoning regulations to identify optimal development opportunities. The study also explores real estate valuation methodologies, emphasizing the role of the DSS in analyzing key valuation parameters such as location, infrastructure, and economic indicators. The system's interface is designed with user accessibility in mind, integrating interactive data visualization tools such as maps and graphs to facilitate intuitive analysis. Case studies are presented to demonstrate the system’s practical application, showcasing investment analysis scenarios in areas with existing urban and cadastral data. The thesis further examines the potential of GIS and urban data in real estate development, highlighting the benefits of integrating cadastral information for precise investment decisions. Future extensions of the DSS are explored, particularly developments in GIS technology, advancements in e-Planning and Land Registry systems, and the integration of AI to enhance predictive modeling capabilities. The study also discusses the evolution of collaborative decision-support tools, which enable multiple stakeholders to engage in transparent and efficient investment planning.