Η τεχνητή νοημοσύνη προσφέρει βελτιωμένο παρακολούθηση της ιδιοκτησίας ακινήτων στο Ηνωμένο Βασίλειο

Νέα έρευνα από δύο πανεπιστήμια του Ηνωμένου Βασιλείου αποσκοπεί στο να ρίξει περισσότερο φως στην πιθανή κατάσταση της νομιμότητας των ακινήτων στο Ηνωμένο Βασίλειο, και ιδιαίτερα στην πολύτιμη αγορά ακινήτων του Λονδίνου.

Σύμφωνα με τα αποτελέσματα του έργου, ο tổng αριθμός των “ατυχών” εγχώριων ιδιοκτησιών (δηλαδή ιδιοκτησιών που δεν χρησιμοποιούνται μακροχρόνια ως κατοικίες από ιδιοκτήτες ή ενοικιαστές) ανέρχεται σε περίπου 138.000 στο Λονδίνο μόνο.

Αυτό το ποσοστό είναι 44% υψηλότερο από τα επίσημα στοιχεία, τα οποία παρέχονται και ενημερώνονται περιοδικά από την κυβέρνηση του Ηνωμένου Βασιλείου.

Οι ερευνητές χρησιμοποίησαν διάφορες τεχνικές επεξεργασίας φυσικής γλώσσας (NLP), μαζί με επιπλέον δεδομένα και ερευνητικές έρευνες, για να επεκτείνουν τις περιορισμένες επίσημες πληροφορίες που παρέχει η κυβέρνηση του Ηνωμένου Βασιλείου σχετικά με το ποσοστό, την αξία, την τοποθεσία και τους τύπους ιδιοκτησιών που ανήκουν σε εταιρείες εκτός του Ηνωμένου Βασιλείου, οι πιο κερδοφόρες των οποίων βρίσκονται στην πρωτεύουσα.

Η έρευνα βρήκε ότι ο tổngικός αριθμός των ιδιοκτησιών εκτός του Ηνωμένου Βασιλείου, των ιδιοκτησιών χαμηλής χρήσης και των ιδιοκτησιών τύπου Airbnb (δηλαδή “ελαφράς κατοχής”) στο Ηνωμένο Βασίλειο αξίζει περίπου 145-174 δισεκατομμύρια λίρες στερλίνες σε περίπου 144.000-164.000 ιδιοκτησίες.

Βρήκε επίσης ότι οι ιδιοκτησίες εκτός του Ηνωμένου Βασιλείου αυτού του τύπου είναι συνήθως πιο ακριβές και έχουν χαρακτηριστικά πρότυπα σχετικά με την τοποθεσία τους στο Ηνωμένο Βασίλειο.

Οι ερευνητές εκτιμούν ότι οι ιδιοκτησίες εκτός του Ηνωμένου Βασιλείου που ανήκουν σε “ατυχείς εγχώριες ιδιοκτησίες” (UDP) αντιπροσωπεύουν το 7,5% της συνολικής αξίας των εγχώριων ιδιοκτησιών, και ότι 56 δισεκατομμύρια λίρες από την εκτιμώμενη αξία περιορίζονται σε μόνο 42.000 κατοικίες.

Το έγγραφο αναφέρει:

‘Οι ατομικές ιδιοκτησίες εκτός του Ηνωμένου Βασιλείου είναι πολύ ακριβές, ακόμη και με τα πρότυπα των UDP, επιπλέον είναι συγκεντρωμένες στο κέντρο του Λονδίνου με ισχυρή χωρική αυτοσυσχέτιση.

‘Αντίθετα, οι ιδιοκτησίες εκτός του Ηνωμένου Βασιλείου που είναι ενσωματωμένες σε άλλες ιδιοκτησίες είναι κάπως λιγότερο συγκεντρωμένες στο κέντρο του Λονδίνου, αλλά πιο高度 συγκεντρωμένες γενικά, και δεν υπάρχει σχεδόν καμία χωρική συσχέτιση.’

Η ανάλυση των εμπλουτισμένων δεδομένων δείχνει ότι ένα lớn μέρος των ιδιοκτησιών εκτός του Ηνωμένου Βασιλείου ανήκει σε οντότητες στις Εξαρτήσεις του Στέμματος (CD), με τη δεύτερη μεγαλύτερη ποσότητα να αντιπροσωπεύεται από τα Βρετανικά Υπερπόντια Εδάφη (στο γράφημα παρακάτω, το ‘PWW2’ υποδηλώνει χώρες που απέκτησαν ανεξαρτησία από τη Βρετανία μετά τον Δεύτερο Παγκόσμιο Πόλεμο).

Κατανομή ιδιοκτησιών που ανήκουν σε ξένες εταιρείες, σύμφωνα με τα αποτελέσματα της νέας έρευνας. Πηγή: https://arxiv.org/src/2207.10931v1/anc/Offshore_London_Supplementary_Material.pdf

Το έγγραφο παρατηρεί:

‘Στην πραγματικότητα, μόνο 4 εδάφη, τα Βρετανικά Παρθένα Νησιά, το Τζέρσεϊ, το Γκέρνσεϊ και το Νησί του Μαν, συνδέονται με το 78% όλων των ιδιοκτησιών.’

Τα νέα εμπλουτισμένα δεδομένα έχουν κάνει δυνατή την καθορισμό των υπο-ιδιοκτησιών που υπάρχουν μέσα σε μια γνωστή ιδιοκτησία που ανήκει σε ξένη εταιρεία – μια ικανότητα που συνήθως εμποδίζεται από τα επίπεδα και περιορισμένα δεδομένα που παρέχονται στα επίσημα στοιχεία.

Τα αποτελέσματα δείχνουν επίσης ότι οι ιδιοκτησίες εκτός του Ηνωμένου Βασιλείου, οι ιδιοκτησίες χαμηλής χρήσης και οι ιδιοκτησίες τύπου Airbnb είναι αξιοσημείωτα πιο γεωγραφικά συγκεντρωμένες από τα κανονικά σπίτια, και είναι επιπλέον συγκεντρωμένες σε περιοχές υψηλότερης αξίας.

Εικονικοί χάρτες σχετικά με διάφορους τύπους ιδιοκτησιών που ανήκουν σε ξένες εταιρείες στο Λονδίνο. Πηγή: https://arxiv.org/pdf/2207.10931.pdf

Για το παραπάνω γράφημα, οι συγγραφείς σχολιάζουν:

‘Οι ιδιοκτησίες εκτός του Ηνωμένου Βασιλείου έχουν κάποιες εξαιρετικά υψηλές συγκεντρώσεις όπου ολόκληρη μια ανάπτυξη κατοικιών ανήκει σε μια εταιρεία εκτός του Ηνωμένου Βασιλείου.’

Οι συγγραφείς έχουν δημοσιεύσει τον κώδικα για την πipeline επεξεργασίας τους.

Το νέο έγγραφο έχει τον τίτλο Τι υπάρχει στο πλυντήριο; Χαρτογράφηση και χαρακτηρισμός ιδιοκτησιών που ανήκουν σε εταιρείες εκτός του Ηνωμένου Βασιλείου στο Λονδίνο, και προέρχεται από ερευνητές από τη Σχολή Αρχιτεκτονικής του Πανεπιστημίου του Λονδίνου, και το Τμήμα Οικονομικών του Πανεπιστημίου του Κίνγκστον.

Αντιμετωπίζοντας το Πρόβλημα

Οι συγγραφείς σημειώνουν ότι μετά από δεκαετίες προσπαθειών για τον έλεγχο της χρήσης της ακίνητης περιουσίας για σκοπούς πλυντηρίου στο Ηνωμένο Βασίλειο, χρειάστηκε η δημοσίευση eines διαρροής λίστας ιδιοκτησιών που ανήκουν σε εταιρείες εκτός του Ηνωμένου Βασιλείου από την βρετανική έκδοση Private Eye το 2015, για να προκαλέσει την κυβέρνηση του Ηνωμένου Βασιλείου να δημοσιεύσει μια λίστα που ενημερώνεται τακτικά με ιδιοκτησίες που ανήκουν σε εταιρείες εκτός του Ηνωμένου Βασιλείου, γνωστή ως Εταιρείες εκτός του Ηνωμένου Βασιλείου που κατέχουν ιδιοκτησίες στην Αγγλία και την Ουαλία (OCOD).

Οι ερευνητές παρατηρούν ότι хотя η OCOD είναι ένα βήμα προς τα εμπρός για την έρευνα και την ανάλυση της ιδιοκτησίας και της πλυντηρίου στο Ηνωμένο Βασίλειο, τα δεδομένα έχουν κάποια περιορισμοί, κάποιοι από τους οποίους είναι κρίσιμοι:

‘Αυτές οι διευθύνσεις possono να είναι непλήρεις, να περιέχουν ενσωματωμένες ιδιοκτησίες, όπου πολλές ιδιοκτησίες υπάρχουν μέσα σε μια seule γραμμή ή αριθμό τίτλου, και δεν περιέχουν καμία πληροφορία σχετικά με το εάν η ιδιοκτησία είναι εγχώρια, επιχειρηματική ή κάτι άλλο.

‘Τέτοια κακή ποιότητα δεδομένων καθιστά δύσκολο να κατανοηθεί η κατανομή και τα χαρακτηριστικά των ιδιοκτησιών που ανήκουν σε εταιρείες εκτός του Ηνωμένου Βασιλείου στο Ηνωμένο Βασίλειο.’

Είναι ιδιαίτερα δύσκολο να ληφθούν δεδομένα σχετικά με ιδιοκτησίες που ενοικιάζονται偶ικά, όπως οι ιδιοκτησίες τύπου Airbnb, поскольку τα δημόσια διαθέσιμα δεδομένα είναι περιορισμένα ή μη υπάρχοντα. Επιπλέον, η Σκωτία (ένα μέρος του Ηνωμένου Βασιλείου) δεν κάνει τη δική της εγγραφή πωλήσεων ακινήτων δημόσια διαθέσιμη, σε αντίθεση με την Αγγλία και την Ουαλία.

Για να αντιμετωπιστούν κάποιοι από τους ασυνεπείς вокруг της ταξινόμησης των ιδιοκτησιών, η κυβέρνηση του Ηνωμένου Βασιλείου εισήγαγε τον Μοναδικό Αριθμό Αναφοράς Ιδιοκτησιών (UPRN), που σχεδιάστηκε για να επιτρέψει πιο σαφείς σχέσεις μεταξύ διαφορετικών πηγών δεδομένων ιδιοκτησιών. Ωστόσο, οι συγγραφείς σημειώνουν* ‘ενώ η χρήση του UPRN είναι υποχρεωτική, σχεδόν κανένα κυβερνητικό τμήμα δεν το χρησιμοποιεί, مما σημαίνει ότι η σύνδεση των δεδομένων απαιτεί προηγμένα δεδομένα επεξεργασίας δεξιότητες‘.

Έτσι, η νέα έρευνα αποσκοπούσε στο να κάνει τα δεδομένα πιο λεπτομερή και ενημερωμένα.

Συλλογή και Συνδέσμος των Δεδομένων

Μέσα σε οποιαδήποτε χώρα, τα μορφώματα διευθύνσεων είναι συνήθως προβλέψιμα και συνεπή, εφαρμόσιμα επίσης στις διευθύνσεις του Ηνωμένου Βασιλείου. Έτσι, αντιμετωπίζοντας ‘πλάτη’, κείμενο-βασισμένα δεδομένα διευθύνσεων (όπως αυτά που παρέχονται από την OCOD),有一umber από ανοικτές λύσεις ανάλυσης διευθύνσεων έχουν εμφανιστεί για να διασταυρώσουν διευθύνσεις με άλλα δεδομένα.

Ωστόσο, πολλές από αυτές τις λύσεις έχουν εκπαιδευτεί χρησιμοποιώντας Open Street map δεδομένα, τα οποία possono να οδηγήσουν σε διευθύνσεις που μπορεί να φιλοξενούν δεκάδες ή ακόμη και εκατοντάδες ενσωματωμένες υπο-διευθύνσεις (όπως διαμερίσματα σε μια ευρεία διεύθυνση για ένα συγκρότημα διαμερισμάτων). Συνεπώς, ακόμη και μια διακεκριμένη λύση ανάλυσης διευθύνσεων όπως libpostal έχει δυσκολίες όταν προσπαθεί να αναλύσει непλήρεις διευθύνσεις.

Για να δημιουργήσουν τον αναλυτή για το έργο τους, οι ερευνητές της νέας έρευνας χρησιμοποίησαν έναν αριθμό δημόσιων συνόλων δεδομένων. Τα κλειδιά δεδομένα παρέχθηκαν από την OCOD, ενώ το συνόλο δεδομένων καθαρισμού χρησιμοποιήθηκε το σύνολο δεδομένων Τιμής Πωλήσεων της Γραμματείας (dataset), μαζί με το σύνολο δεδομένων Βαθμολογιών VOA (VOA ratings) και το Γραφείο Εθνικής Στατιστικής Διεύθυνση Ταχυδρομικών Κωδικών (ONSPD).

Τα δεδομένα Airbnb προέρχονται από το InsideAirbnb domain, το οποίο περιλαμβάνει μόνο ολόκληρα σπίτια που ενοικιάζονται, εξαιρώντας την αρχική προτεινόμενη χρήση του Airbnb (δηλαδή ενοικίαση ολόκληρου ή μέρους του δικού σας σπιτιού σε περιπτωσιακή βάση).

Το σύνολο δεδομένων ιδιοκτησιών χαμηλής χρήσης των συγγραφέων εμπλουτίστηκε με πληροφορίες που λήφθηκαν από επιτυχείς αιτήσεις Ελευθερίας της Πληροφόρησης (FOI), τις περισσότερες από τις οποίες συλλέχθηκαν για ένα πρότερο έργο.

Η βάση δεδομένων της OCOD είναι ένα αρχείο.CSV με διαχωριστικό逗号 και ένα καλό βαθμό δομής και προβλέψιμου μορφώματος.

Η διαδικασία αποτελούσε από πέντε στάδια: ετικέτα, ανάλυση, επέκταση, ταξινόμηση και σύμβαση. Στο ξεκίνημα, οποιαδήποτε διεύθυνση μπορούσε να αντιστοιχίσει σε πραγματική ζωή σε πολλές ενσωματωμένες ιδιοκτησίες, αν και αυτό δεν είναι σαφές στα δεδομένα της κυβέρνησης.

Οι ερευνητές πραγματοποίησαν κάποια ελαφριά συντακτική προεπεξεργασία, και στη συνέχεια εισήγαγαν τα δεδομένα στο programmatic, μια πλατφόρμα που σχεδιάστηκε για να δημιουργήσει αναノτημένα σύνολα δεδομένων NLP χωρίς χειροκίνητη ετικέτα. Εκεί, οι οντότητες ετικετώθηκαν χρησιμοποιώντας κανονικές εκφράσεις (Regex) για να περιγράψουν οκτώ τύπους ονομάτων οντοτήτων (βλέπε εικόνα παρακάτω):

Με αυτές τις ετικέτες που προστέθηκαν, το σύνολο δεδομένων εξαγόταν ως αρχείο JSON, με τις ετικέτες που перекrýονται αφαιρεμένες από απλές κανόνες-βασισμένες ρουτίνες.

Επιπλέον, η έξοδος του programmatic χρησιμοποιήθηκε για να εκπαιδεύσει ένα προβλεπτικό μοντέλο για SpaCy, που βασίζεται στο RoBERTa της Facebook. Μόλις καθαρίστηκε, οι ερευνητές δημιούργησαν ένα σύνολο αναφοράς 1000 τυχαία ετικετεμένων παρατηρήσεων. Το σκορ ακρίβειας των μη εποπτευόμενων δεδομένων θα αξιολογηθεί τελικά ενάντια σε αυτό το σύνολο αναφοράς.

Η ανάλυση διευθύνσεων παρουσίασε κάποια προκλήματα. Οι συγγραφείς έταξαν κάθε χαρακτήρα σε δική του γραμμή και κάθε τάξη ετικέτας σε δική της στήλη, και στη συνέχεια ανέστρεψαν τις στήλες για να δημιουργήσουν πλήρεις γραμμές διευθύνσεων.

Εφόσον κάποιες μονές διευθύνσεις παρουσίαζαν πολλές διαφορετικές κατοικίες, ήταν απαραίτητο να επεκτείνουν τη βάση δεδομένων, υποδιαιρώντας τις μονές διευθύνσεις σε υπο-ιδιοκτησίες που υπάρχουν σε συμπληρωματικά δεδομένα.

Μετά από αυτό, η διαδικασία ταξινόμησης διευθύνσεων ανέφερε όλους τους εντοπισθέντες ταχυδρομικούς κωδικούς χρησιμοποιώντας τη βάση δεδομένων ONSPD. Αυτή η διαδικασία συνδέει τα δεδομένα διευθύνσεων με δεδομένα απογραφής και άλλα δημογραφικά δεδομένα, και επίσης αναγνωρίζει τις υπο-ιδιοκτησίες που είχαν προηγουμένως κρυφτεί πίσω από τις αδιαφανείς διευθύνσεις των δεδομένων της OCOD.

Τέλος, η διαδικασία σύμβασης διευθύνσεων φιλτράρισε όλα τα μη εγχώρια ιδιοκτησίες (δηλαδή εμπορικές ιδιοκτησίες) από τις ενσωματωμένες ομάδες ιδιοκτησιών.

Ανάλυση

Για να δοκιμάσουν την ακρίβεια των εμπλουτισμένων δεδομένων, οι συγγραφείς, όπως αναφέρθηκε νωρίτερα, δημιούργησαν ένα σύνολο αναφοράς που κρατήθηκε πίσω από τη γενική διαδικασία ανάλυσης, και χρησιμοποιήθηκε μόνο για να δοκιμάσει την ακρίβεια των προβλέψεων και των αναλύσεων.

Η χειροκίνητη επιβεβαίωση για το σύνολο αναφοράς περιελάμβανε τη χρήση λογισμικού χάρτη, καθώς και ανάλυση εικόνων των ιδιοκτησιών που παρουσιάστηκαν στο σύνολο αναφοράς, και του ιντερνέτ για να αξιολογήσει τον τύπο ιδιοκτησίας. Στη συνέχεια, η απόδοση των δεδομένων μετρήθηκε ενάντια σε μέτρα ακρίβειας, ανακλησεών και F1.

Η αξία των ιδιοκτησιών χαμηλής χρήσης και των εγχώριων ιδιοκτησιών καθορίστηκε με ένα βασικό γραφικό μοντέλο, την ίδια μέθοδο που χρησιμοποιήθηκε επίσης για να推定θεί οι ιδιοκτησίες UDP.

Η εργασία NER, που δοκιμάστηκε ενάντια στο σύνολο αναφοράς με υψηλή προσπάθεια, χειροκίνητα ετικετεμένο, έλαβε ένα σκορ F1 0,96 (κοντά στο ‘100%’, σε όρους ακρίβειας).

Σκορ F1 για την εργασία NER. Κάποια ανισότητα βρίσκεται,既然 η διαδικασία υπερεκτιμά slightly τον αριθμό των εγχώριων ιδιοκτησιών και υποεκτιμά τον tổng αριθμό των επιχειρήσεων, λόγω της δομής των εμπλουτισμένων δεδομένων.

Σχετικά με τις UDP στο Λονδίνο, τα τελικά αποτελέσματα δείχνουν συνολικά 138.000 εγγραφές – 44% περισσότερες από τις 94.000 που παρουσιάζονται στο αρχικό σύνολο δεδομένων της OCOD (δηλαδή, πρόσφατα επίσημα στοιχεία).

Η κατανομή των τύπων ιδιοκτησιών υπό την ταξινόμηση 2.

Τα αποτελέσματα δείχνουν ότι η συνολική αξία των ιδιοκτησιών εκτός του Ηνωμένου Βασιλείου ανέρχεται σε περίπου 56 δισεκατομμύρια λίρες, ενώ η συνολική αξία των ιδιοκτησιών χαμηλής χρήσης εκτιμάται σε 85 δισεκατομμύρια λίρες.

Οι συγγραφείς σημειώνουν:

‘[Όλες] οι UDP είναι πολύ πιο ακριβές από τη μέση τιμή των συμβατικών ιδιοκτησιών, η οποία είναι 600.000 λίρες.’

Αυτού του είδους τα βελτιωμένα δεδομένα μπορεί να είναι απαραίτητα για να καταπολεμήσουν τη χρήση της ακίνητης περιουσίας ως δραστηριότητας πλυντηρίου στο Ηνωμένο Βασίλειο. Οι συγγραφείς σημειώνουν τη μεγαλύτερη ποσότητα ερευνών και γενικής βιβλιογραφίας που υποδηλώνει ότι τα βελτιωμένα δεδομένα possono να βοηθήσουν στην καταπολέμηση της πλυντηρίου, και συμπεραίνουν:

‘Αυτά τα δεδομένα possono να χρησιμοποιηθούν από κοινωνιολόγους, οικονομολόγους και πολιτικούς για να διασφαλίσουν ότι οι προσπάθειες για τη μείωση της πλυντηρίου και των υψηλών τιμών ακινήτων βασίζονται σε λεπτομερή δεδομένα που αντανακλούν την πραγματική κατάσταση.’

* Η μετατροπή των εσωτερικών παραπομπών των συγγραφέων σε υπερσύνδεσμους.

Δημοσιεύθηκε για πρώτη φορά στις 25 Ιουλίου 2022.