Toplu taşınmaz değerlemesine yönelik mekânsal yapay zekâ (GeoAI) analiz araç paketinin geliştirilmesi

Günümüzde taşınmaz sektörünün hızlı değişimi, nüfus artışı, kentleşme ve ekonomik dinamiklerin çeşitlenmesi, kentsel alanlarda taşınmaz değerlerinin doğru, güncel ve hızlı biçimde belirlenmesini zorunlu kılmıştır. Bu gereklilik, geleneksel değerleme yaklaşımlarının ötesine geçilerek, istatistiksel, mekânsal ve yapay zekâ temelli yöntemlerin bütünleşik biçimde kullanıldığı veri temelli toplu taşınmaz değerleme sistemlerinin önemini artırmıştır. Bu bağlamda, coğrafi bilgi teknolojileri ile makine öğrenmesi tekniklerinin bir arada kullanılması taşınmaz değerleme süreçlerinin otomasyonu açısından yenilikçi bir yaklaşım sunmaktadır. Bu çalışma kapsamında otomatize toplu taşınmaz değerlemesine yönelik analiz araçlarını içeren Mekânsal Yapay Zekâ (GeoAI) analiz araç paketi geliştirilmiştir. ArcGIS platformunda, Python tabanlı ArcPy modülü ve açık kaynak kütüphaneler (NumPy, Pandas, Scikit-learn, LightGBM vb.) kullanılarak geliştirilen bu araç paketi; veri ön işleme (aykırı değer belirleme, normalizasyon, değişken seçimi, eğitim-test ayrımı), regresyon tabanlı modelleme (Random Forest ve LightGBM) hiperparametre optimizasyonu ve model performans değerlendirme süreçlerini bütünleşik biçimde gerçekleştirecek şekilde tasarlanmıştır. Geliştirilen analiz araçlarını test etmek amacıyla İstanbul ilinin Tuzla ve Pendik ilçeleri çalışma alanı olarak belirlenmiştir. Çalışma alanında 2019 Ocak-2023 Aralık dönemi için 37 268 adet piyasa örneklemi temin edilmiştir. Ardından bu veri seti coğrafi analizlerle zenginleştirilerek, toplamda 68 değişken içeren toplu taşınmaz değerleme veri seti oluşturulmuştur. Veri ön işleme araçları ile veri setinin aykırı veriler açısından optimizasyonu, normalizasyonu, eğitim/test veri setlerinin oluşturulması ve model değişkenlerinin belirlenmesi işlemleri gerçekleştirilmiştir. Modelleme araçları ile eğitim veri seti üzerinden toplu taşınmaz değerleme modellerinin eğitimleri gerçekleştirilmiştir. Performans değerlendirme analiz araçları ile test veri seti üzerinden modellerin performans analizleri MAE, MAPE, RMSE ve R2 metriklerine göre gerçekleştirilmiştir. Sonuçlar coğrafi bilgi teknolojileri ve makine öğrenmesi tekniklerinin entegrasyonuyla geliştirilen analiz araç paketinin, toplu taşınmaz değerleme süreçlerinde hem doğruluk hem de otomasyon açısından yüksek bir potansiyel sunduğunu ortaya koymaktadır.