본 발명은 토지공부데이터의 매핑을 통한 허위매물 방지 시스템에 관한 것으로 구체적으로는 외부로부터 임대 부동산 데이터가 등록 시 빅데이터구축부를 통해 수집된 부동산 데이터 중 토지공부데이터와 매칭하여 공부데이터에 제공된 정보를 임대 부동산 데이터에 등록되며, 등록된 임대 부동산 데이터와 빅데이터구축부를 통해 일정주기별로 수집되는 실거래가를 매칭시켜 거래매물여부를 판단하고, 등록된 임대 부동산 데이터와 빅데이터구축부를 통해 일정주기별로 수집되는 등기광장데이터를 매칭시켜 근저당변경내역이 발생되었는지 여부를 판단함으로서 허위매물을 방지하거나, 허위방지매물 여부를 판단하기 위해 새롭게 등록된 임대 부동산의 토지공부데이터를 토대로 매핑된 유사부동산그룹을 제공받고 유사부동산그룹 내의 전체평균값데이터와 데이터융합부를 통해 제공되는 융합된 데이터를 인공지능 기반으로 분석하여 임대부동산의 토지공부데이터 예측값을 산출함으로 제공된 임대부동산의 토지공부데이터와 비교를 통해 유사도를 판단함으로서 허위방지 매물 여부에 대한 정보를 제공하기 위한 시스템에 관한 것이다.The present invention relates to a system for preventing false listings through mapping of land study data, and more specifically, to a system for preventing false listings by matching real estate data collected through a big data construction unit with land study data when registering rental real estate data from an external source, registering information provided in the study data with the rental real estate data, matching the registered rental real estate data with actual transaction prices collected at regular intervals through the big data construction unit to determine whether a transaction is made, and matching the registered rental real estate data with registration plaza data collected at regular intervals through the big data construction unit to determine whether a mortgage change history has occurred, or to a system for providing information on whether a false listing is prevented by receiving a similar real estate group mapped based on the land study data of a newly registered rental real estate to determine whether or not it is a false listing, analyzing the entire average value data within the similar real estate group and the fused data provided through the data fusion unit based on artificial intelligence to calculate a predicted value of the land study data of the rental real estate, and determining the similarity by comparing it with the provided land study data of the rental real estate.
부동산이란 인간이 본래의 인간성을 회복하여 그것을 공정하게 소유하고 효율적으로 이용하며, 합리적인 거래와 서비스를 도모하며, 양호한 정책의 실현으로 자유와 평등을 실현하기 위한 수단으로 삼아야 하는 실체(reality)다.Real estate is a reality that humans must use to restore their original humanity, to fairly own and efficiently use it, to promote rational transactions and services, and to use it as a means to realize freedom and equality through the implementation of good policies.
부동산정보는 전통적으로 공인중개사를 통한 인적 네트워크를 통해 제공되어 왔으나 인터넷의 발달로 인해 부동산정보를 인터넷을 통해 제공하는 서비스가 확산되어 왔다. 특히, 부동산 매물정보를 인터넷을 통해 게시하여 부동산 거래 중개를 돕는 용도로 광범위하게 활용되어 왔다.Real estate information has traditionally been provided through personal networks of real estate agents, but with the development of the Internet, services that provide real estate information through the Internet have expanded. In particular, real estate listing information has been widely used to help broker real estate transactions by posting it through the Internet.
최근 유무선 데이터 통신망을 통한 부동산매물 정보제공 플랫폼이 등장하고, 이를 통한 부동산 거래가 활성화되면서 이용자들이 보다 쉽게 매물정보를 접할 수 있게 되었다. 유무선 데이터 통신망으로 매물 정보를 제공하는 방법은 전문적으로 운영되는 사이트에 매물을 등록하여 홍보하는 방법, 개인 웹페이지 또는 카페, 블로그 등을 통하여 매물을 홍보하는 방법 등이 있다.Recently, real estate listing information platforms have emerged through wired and wireless data communication networks, and real estate transactions have become more active, making it easier for users to access listing information. Methods for providing listing information through wired and wireless data communication networks include registering listings on professionally operated sites and promoting them, and promoting listings through personal web pages, cafes, blogs, etc.
그러나 특정 매물을 매수하기 위해 부동산 관련 웹페이지(Web page) 또는 애플리케이션(Application, 이하 앱)을 통해 부동산매물을 등록한 해당 회원에게 연락을 하면, 대다수가 없는 물건이고, 다른 물건을 보여 주는 등 허위매물로 인한 폐해가 점점 심각해지고 있다.However, when contacting a member who has registered a real estate listing through a real estate-related web page or application (hereinafter referred to as the “app”) to purchase a specific property, the majority of the properties do not exist and other properties are shown, and the harm caused by false listings is becoming increasingly serious.
이로 인해 허위 매물이 다수 등장하여 소비자들이 부동산 데이터에 대한 신뢰도가 떨어지고 있는 것이 현실정이다.As a result, many fake listings are appearing, and consumers' trust in real estate data is decreasing.
본 발명의 목적은 외부로부터 임대 부동산 데이터가 등록 시 빅데이터구축부를 통해 수집된 부동산 데이터 중 토지공부데이터와 매칭하여 공부데이터에 제공된 정보를 임대 부동산 데이터에 등록되며, 등록된 임대 부동산 데이터와 빅데이터구축부를 통해 일정주기별로 수집되는 실거래가를 매칭시켜 거래매물여부를 판단하고, 등록된 임대 부동산 데이터와 빅데이터구축부를 통해 일정주기별로 수집되는 등기광장데이터를 매칭시켜 근저당변경내역이 발생되었는지 여부를 판단함으로서 허위매물을 방지하기 위한 것이다.The purpose of the present invention is to prevent false listings by matching real estate data collected through a big data construction unit with land study data when registering rental real estate data from the outside, registering information provided in the study data with the rental real estate data, matching the registered rental real estate data with actual transaction prices collected at regular intervals through the big data construction unit to determine whether a transaction has occurred, and matching the registered rental real estate data with registration square data collected at regular intervals through the big data construction unit to determine whether a mortgage change history has occurred.
또 다른 목적은 본 발명은 데이터융합부를 통해 제공되는 융합된 데이터와 임대 부동산과 소정의 유사범위 내에 있는 인근 부동산을 매핑하여 제공된 유사부동산그룹의 평균데이터를 토대로 분석된 임대 부동산 데이터 예측값과 새롭게 등록된 임대 부동산 데이터와 유사도를 판단함으로서 허위매물인지 여부를 판단함으로서 허위매물을 방지하여 소비자에게 제공되는 정보의 신뢰도를 상승시키기 위한 목적이다.Another purpose of the present invention is to determine whether a listing is false by determining the similarity between the predicted value of rental property data analyzed based on the average data of the similar property group provided by mapping the fused data provided through the data fusion unit and the nearby real estate within a predetermined similar range with the rental property and the newly registered rental property data, thereby preventing false listings and increasing the reliability of information provided to consumers.
또한 빅데이터(Big Data)를 구축하기 위한 자료를 복수의 기관으로부터 수집하여 빅데이터를 구축하고 부동산의 위치정보와 부동산의 위치정보를 GIS데이터로 변환된 자료를 토대로 데이터를 융복합함으로서 빅데이터를 효율적으로 수집하고 분석하여 부동산 정보를 제공하는 목적이다.In addition, the purpose is to collect data from multiple organizations to build Big Data, and to efficiently collect and analyze Big Data by integrating data based on real estate location information and data converted to GIS data to provide real estate information.
상기와 같은 문제를 해결하기 위해 본 발명은 다음과 같은 해결수단을 제시한다.
이를 위하여 본 발명은 복수의 기관으로부터 토지공부데이터, 등기광장데이터를 포함하는 부동산데이터와 실거래가를 수집하고, 실시간으로 GIS위치좌표를 수집하기 위한 빅데이터구축부(100)와,To solve the above problems, the present invention proposes the following solutions.
To this end, the present invention collects real estate data including land study data and registration plaza data and actual transaction prices from multiple institutions, and a big data construction unit (100) for collecting GIS location coordinates in real time,
외부로부터 임대 부동산 데이터가 등록 시 빅데이터구축부(100)를 통해 수집된 부동산 데이터 중 토지공부데이터와 매칭하여 공부데이터에 제공된 정보를 임대 부동산 데이터에 등록되며, 토지공부데이터와 매칭되지 않는 임대 부동산 데이터는 등록이 중단되며, 등록된 임대 부동산 데이터와 빅데이터구축부(100)를 통해 일정주기별로 수집되는 실거래가를 매칭시켜 거래매물여부를 판단하고, 등록된 임대 부동산 데이터와 빅데이터구축부(100)를 통해 일정주기별로 수집되는 등기광장데이터를 매칭시켜 근저당변경내역이 발생되었는지 여부를 판단하기 위한 허위방지매물예측부(520)를 포함하는 토지공부데이터의 매핑을 통한 허위매물 방지 시스템을 제공한다.When rental real estate data is registered from the outside, the real estate data collected through the big data construction unit (100) is matched with the land study data, and the information provided in the study data is registered in the rental real estate data, and the registration of rental real estate data that does not match the land study data is stopped, and the registered rental real estate data is matched with the actual transaction price collected at regular intervals through the big data construction unit (100) to determine whether a transaction is made, and the system for preventing false listings through mapping of land study data, including a false listing prediction unit (520) for determining whether a mortgage change history has occurred by matching the registered rental real estate data with the registration square data collected at regular intervals through the big data construction unit (100), is provided.
삭제delete
삭제delete
삭제delete
삭제delete
삭제delete
삭제delete
삭제delete
본 발명은 외부로부터 임대 부동산 데이터가 등록 시 빅데이터구축부를 통해 수집된 부동산 데이터 중 토지공부데이터와 매칭하여 공부데이터에 제공된 정보를 임대 부동산 데이터에 등록되며, 등록된 임대 부동산 데이터와 빅데이터구축부를 통해 일정주기별로 수집되는 실거래가를 매칭시켜 거래매물여부를 판단하고, 등록된 임대 부동산 데이터와 빅데이터구축부를 통해 일정주기별로 수집되는 등기광장데이터를 매칭시켜 근저당변경내역이 발생되었는지 여부를 판단함으로서 허위매물을 방지하거나, 데이터융합부를 통해 제공되는 융합된 데이터와 임대 부동산과 소정의 유사범위 내에 있는 인근 부동산을 매핑하여 제공된 유사부동산그룹의 평균데이터를 토대로 분석된 임대 부동산 데이터 예측값과 새롭게 등록된 임대 부동산 데이터와 유사도를 판단함으로서 허위매물인지 여부를 판단할 수 있으며, 빅데이터(Big Data)를 구축하기 위한 자료를 복수의 기관으로부터 수집하여 빅데이터를 구축하고 부동산의 위치정보와 부동산의 위치정보를 GIS데이터로 변환된 자료를 토대로 데이터를 융복합함으로서 빅데이터를 효율적으로 수집하고 분석하여 부동산 정보를 제공할 수 있다. 이를 통해 소비자는 보다 신뢰도 있는 정보를 제공받음으로서 허위매물정보를 제공받는 것 등의 피해를 최소화할 수 있는 효과가 있다.The present invention matches real estate data collected through a big data construction unit with land study data when registering rental real estate data from the outside, and registers information provided in the study data with the rental real estate data, and matches the registered rental real estate data with actual transaction prices collected at regular intervals through the big data construction unit to determine whether a transaction item is available, and matches the registered rental real estate data with registration plaza data collected at regular intervals through the big data construction unit to determine whether a mortgage change history has occurred, thereby preventing false listings, or determines whether a listing is false by analyzing the predicted value of rental real estate data based on the average data of the similar real estate group provided by mapping the fused data provided through the data fusion unit and nearby real estate within a predetermined similar range to the rental real estate and determining the similarity between the newly registered rental real estate data and the provided similarity, and collects data for constructing big data from multiple institutions to construct big data, and fuses data based on the location information of the real estate and the data converted into GIS data of the location information of the real estate, thereby efficiently collecting and analyzing big data to provide real estate information. This has the effect of minimizing damages such as receiving false listing information by providing consumers with more reliable information.
도 1은 본 발명의 전체적인 구성을 나타낸 구성도이다.
도 2는 빅데이터구축부(100)에 관한 세부 구성도이다.
도 3은 데이터융복합부(400)에 관한 세부 구성도이다.
도 4는 부동산정보제공부(500)에 관한 세부 구성도이다.
도 5은 상하수도관성능평가정보제공부(600)에 관한 세부 구성도이다.
도 6, 7은 본 발명을 통해 빅데이터를 구축하고 데이터를 융복합하여 제공하는 구성을 나타낸 도면이다.
도 8은 데이터융복합부(400)를 설명하기 위한 예시도이다.
도 9은 부동산정보제공부(500)를 설명하기 위한 예시도이다.
도 10 내지 18은 본 발명의 실시예로서 빅데이터로 구축된 정보를 융복합하고 사용자에게 제공되는 정보로 가공하여 제공되는 예시를 나타낸 도면이다.
도 19는 허위방지매물예측부(520)에 관한 세부 구성도이다.Figure 1 is a schematic diagram showing the overall configuration of the present invention.
Figure 2 is a detailed configuration diagram of the big data construction unit (100).
Figure 3 is a detailed configuration diagram of the data fusion unit (400).
Figure 4 is a detailed configuration diagram regarding the real estate information provision department (500).
Figure 5 is a detailed configuration diagram regarding the water supply and sewage pipe performance evaluation information provision unit (600).
Figures 6 and 7 are diagrams showing a configuration for constructing big data and providing data by fusion through the present invention.
Figure 8 is an example diagram for explaining the data fusion unit (400).
Figure 9 is an example diagram for explaining the real estate information provision unit (500).
Figures 10 to 18 are diagrams showing examples of providing information constructed as big data by integrating it and processing it into information provided to users as an embodiment of the present invention.
Figure 19 is a detailed configuration diagram of the false listing prediction unit (520).
본 명세서 및 청구범위에 사용된 용어나 단어는 통상적이거나 사전적인 의미로 한정해서 해석되어서는 아니 되며, 발명자는 자신의 발명을 가장 최선의 방법으로 설명하기 위해 용어의 개념을 적절하게 정의할 수 있다는 원칙에 입각하여 본 발명의 기술적 사상에 부합하는 의미와 개념으로 해석되어야만 한다.The terms or words used in this specification and claims should not be interpreted as limited to their usual or dictionary meanings, but should be interpreted as having meanings and concepts that conform to the technical idea of the present invention, based on the principle that the inventor can appropriately define the concept of the term in order to explain his or her invention in the best way.
이하 첨부된 도면을 참조하여 본 발명의 바람직한 실시예를 상세히 설명하기로 한다.Hereinafter, preferred embodiments of the present invention will be described in detail with reference to the attached drawings.
본 명세서에서 있어서, 단말과 매핑(Mapping) 또는 매칭(Matching)으로 기술된 동작이나 기능 중 일부는, 단말의 식별 정보(Identifying Data)인 단말기의 고유번호나 개인의 식별정보를 매핑 또는 매칭한다는 의미로 해석될 수 있다.In this specification, some of the operations or functions described as terminal and mapping or matching may be interpreted to mean mapping or matching the terminal's unique number or personal identification information, which is the terminal's identifying data.
본 발명의 주된 내용 위주의 내용을 사전에 설명하면 다음과 같다.The main contents of the present invention are explained in advance as follows.
본 발명은 본 발명은 복수의 기관으로부터 토지공부데이터, 등기광장데이터를 포함하는 부동산데이터와 실거래가를 수집하고, 실시간으로 GIS위치좌표를 수집하기 위한 빅데이터구축부(100)와, 공인중개사가 소지한 공인중개사단말기를 포함하는 외부로부터 임대 부동산 데이터가 등록 시 빅데이터구축부(100)를 통해 수집된 부동산 데이터 중 토지공부데이터와 매칭하여 공부데이터에 제공된 정보를 임대 부동산 데이터에 등록되며, 토지공부데이터와 매칭되지 않는 임대 부동산 데이터는 등록이 중단되며, 등록된 임대 부동산 데이터와 빅데이터구축부(100)를 통해 일정주기별로 수집되는 실거래가를 매칭시켜 거래매물여부를 판단하고, 등록된 임대 부동산 데이터와 빅데이터구축부(100)를 통해 일정주기별로 수집되는 등기광장데이터를 매칭시켜 근저당변경내역이 발생되었는지 여부를 판단하기 위한 허위방지매물예측부(520)를 포함하는 것을 특징으로 하고, 상기 허위방지매물예측부(520)는 공인중개사가 소지한 공인중개사단말기를 포함하는 외부로부터 임대 부동산 데이터가 등록하기 위한 매물정보입력부(525)와, 상기 매물정보입력부(525)를 통해 등록된 임대 부동산 데이터가 빅데이터구축부(100)의 부동산데이터수집부(110)를 통해 수집된 부동산 데이터 중 토지공부데이터와 매칭시키어 매물 존재여부를 판단하기 위한 공부데이터매칭부(526)와, 등록된 임대 부동산 데이터와 빅데이터구축부(100)를 통해 일정주기별로 수집되는 실거래가를 매칭시켜 거래매물여부를 판단하여, 거래매물인 경우 등록된 임대 부동산 데이터를 삭제하기 위한 거래매물분류부(527)와, 등록된 임대 부동산 데이터와 빅데이터구축부(100)를 통해 일정주기별로 수집되는 등기광장데이터를 매칭시켜 근저당변경내역이 발생되었는지 여부를 판단하여, 근저당변경내역이 발생된 경우 등록된 임대 부동산 데이터를 삭제하기 위한 경매매물분류부(528)와, 거래매물분류부(527)와 경매매물분류부(528)에서 각각 임대 부동산 데이터가 삭제 시, 삭제정보를 임대 부동산 데이터를 등록한 외부로 전송하기 위한 매물삭제알림부(529)를 포함하는 것을 특징으로 토지공부데이터의 매핑을 통한 허위매물 방지 시스템에 관한 것이다.The present invention is characterized by including a big data construction unit (100) for collecting real estate data including land study data and registration plaza data and actual transaction prices from a plurality of institutions, and collecting GIS location coordinates in real time, and a real estate data collected through the big data construction unit (100) when registering rental real estate data from outside including a certified real estate agent terminal held by a certified real estate agent, and the information provided in the study data is registered in the rental real estate data, and the registration of rental real estate data that does not match the land study data is stopped, and a false listing prediction unit (520) for matching the registered rental real estate data with actual transaction prices collected periodically through the big data construction unit (100) to determine whether a transaction property exists, and matching the registered rental real estate data with registration plaza data collected periodically through the big data construction unit (100) to determine whether a mortgage change history has occurred, and the false listing prediction unit (520) for predicting the real estate data using a certified real estate agent terminal held by a certified real estate agent. A property information input unit (525) for registering rental real estate data from an external source, a study data matching unit (526) for matching the rental real estate data registered through the property information input unit (525) with land study data among the real estate data collected through the real estate data collection unit (110) of the big data construction unit (100) to determine whether there is a property, a transaction property classification unit (527) for determining whether a property is a transaction property by matching the registered rental real estate data with the actual transaction price collected at regular intervals through the big data construction unit (100) and deleting the registered rental real estate data if it is a transaction property, an auction property classification unit (528) for determining whether a mortgage change history has occurred by matching the registered rental real estate data with the registration square data collected at regular intervals through the big data construction unit (100) and deleting the registered rental real estate data if a mortgage change history has occurred, and a transaction property classification unit (527). The present invention relates to a system for preventing false listings through mapping of land study data, characterized in that it includes a listing deletion notification unit (529) for transmitting deletion information to an external party that registered the rental real estate data when each rental real estate data is deleted in the auction listing classification unit (528).
또 다른 실시예로서 본 발명은 복수의 기관으로부터 부동산데이터와 실거래가를 수집하고, 실시간으로 GIS위치좌표를 수집하기 위한 빅데이터구축부(100)와, 수집된 부동산데이터와 GIS 위치좌표를 비교하여 부동산의 위치정보가 일치하는지 여부를 판단하고, 일치하지 않는 경우 GIS 위치좌표를 토대로 부동산의 위치정보를 제공하기 위한 GIS정보추출부(200)와, GIS정보추출부(200)를 통해 제공된 부동산의 위치정보를 토대로 각 부동산의 위치정보와 빅데이터구축부(100)를 통해 수집된 부동산의 실거래가정보에 해당되는 부동산의 위치정보의 일치여부를 판단하고, 실거래가정보에 해당되는 부동산의 위치정보가 GIS정보추출부(200)를 통해 제공된 부동산의 위치정보와 일치하지 않는 경우 부동산의 위치정보의 정확도 확률이 높은 위치정보를 제공하기 위한 실거래가매칭부(300)와, GIS정보추출부로 제공된 부동산의 위치정보와 실거래가매칭부(300)를 통해 제공된 부동산의 위치정보를 GIS데이터로 변환하고 변환된 GIS데이터와 빅데이터구축부(100)를 통해 수집된 데이터들을 융합하기 위한 데이터융합부(400)와, 데이터융합부(400)를 통해 융합된 데이터를 인공지능 기반으로 분석하여 사용자에게 제공할 부동산정보에 해당되는 정보를 추출하여 부동산정보제공데이터를 제공하기 위한 부동산정보제공부(500)를 포함하며, 상기 부동산정보제공부(500)는 임대부동산의 데이터가 등록 시, 등록된 임대 부동산과 소정의 유사범위 내에 있는 인근 부동산을 매핑하여 제공된 유사부동산그룹의 전체평균값데이터를 토대로 분석된 임대 부동산 데이터 예측값과 데이터융합부(400)를 통해 제공되는 융합된 데이터를 분석하고 분석된 데이터와 등록된 임대 부동산 데이터와의 유사도를 판단함으로서 허위매물인지 여부를 판단하기 위한 허위방지매물예측부(520)를 포함하고, 상기 허위방지매물예측부(520)는 허위방지매물 여부를 판단하기 위해 새롭게 등록된 임대 부동산의 토지공부데이터를 입력받고 임대부동산의 토지공부데이터에 포함되는 종류, 위치 및 면적에 관한 데이터를 기준으로 소정의 유사범위 내에 있는 부동산을 매핑하여 유사부동산그룹을 제공하기 위한 유사부동산그룹매핑부(521)와, 유사부동산그룹 내의 부동산들의 실거래값의 평균값과 토지공부데이터들의 평균값을 포함하는 전체평균값데이터를 산출하는 전체평균값데이터산출부(522)와, 데이터융합부(400)를 통해 제공되는 융합된 데이터와 전체평균값데이터산출부(522)를 통해 산출된전체평균값데이터를 토대로 인공지능 기반으로 분석하여 임대부동산의 토지공부데이터 예측값을 산출하기 위한 예측값산출부(523)와, 예측값산출부(523)를 통해 산출된 임대부동산의 토지공부데이터 예측값과 제공된 임대부동산의 토지공부데이터를 비교하여 유사도를 판단하기 위한 유사도판단부(524)를 포함하는 것을 특징으로 하는 토지공부데이터의 매핑을 통한 허위매물 방지 시스템에 관한 것이다.As another embodiment, the present invention comprises a big data construction unit (100) for collecting real estate data and actual transaction prices from multiple institutions and collecting GIS location coordinates in real time, a GIS information extraction unit (200) for comparing the collected real estate data with the GIS location coordinates to determine whether the location information of the real estate matches, and if they do not match, provide the location information of the real estate based on the GIS location coordinates, a real transaction price matching unit (300) for determining whether the location information of each real estate matches the location information of the real estate corresponding to the actual transaction price information of the real estate collected through the big data construction unit (100) based on the location information of the real estate provided through the GIS information extraction unit (200), and if the location information of the real estate corresponding to the actual transaction price information does not match the location information of the real estate provided through the GIS information extraction unit (200), provide the location information with a high probability of accuracy of the location information of the real estate, and a real transaction price matching unit (300) for converting the location information of the real estate provided through the GIS information extraction unit and the location information of the real estate provided through the actual transaction price matching unit (300) into GIS data. The system includes a data fusion unit (400) for converting and merging the converted GIS data and the data collected through the big data construction unit (100), and a real estate information provision unit (500) for analyzing the data fused through the data fusion unit (400) based on artificial intelligence to extract information corresponding to real estate information to be provided to the user and to provide real estate information provision data, and the real estate information provision unit (500) includes a false listing prediction unit (520) for analyzing the rental real estate data prediction value analyzed based on the overall average value data of the similar real estate group provided by mapping nearby real estate within a predetermined similar range with the registered rental real estate when the rental real estate data is registered and analyzing the fused data provided through the data fusion unit (400) and determining the similarity between the analyzed data and the registered rental real estate data to determine whether the listing is false, and the false listing prediction unit (520) for determining whether the listing is false receives the land study data of the newly registered rental real estate and determines the type, location and area included in the land study data of the rental real estate. The present invention relates to a system for preventing false listings through mapping of land study data, characterized by including a similar real estate group mapping unit (521) for providing a similar real estate group by mapping real estate within a predetermined similar range based on data, an overall average data calculation unit (522) for calculating overall average data including an average value of actual transaction prices of real estates within the similar real estate group and an average value of land study data, a prediction value calculation unit (523) for calculating a predicted value of land study data of a rental property by analyzing the fused data provided through the data fusion unit (400) and the overall average data calculated through the overall average data calculation unit (522) based on artificial intelligence, and a similarity judgment unit (524) for comparing the predicted value of land study data of the rental property calculated through the prediction value calculation unit (523) with the provided land study data of the rental property to determine the similarity.
이와 관련하여 발명의 상세한 내용은 다음과 같이 설명할 수 있다.In this regard, the details of the invention can be explained as follows.
본 발명은 토지공부데이터의 매핑을 통한 허위매물 방지 시스템에 관한 것으로 구체적으로는 본 발명은 외부로부터 임대 부동산 데이터가 등록 시 빅데이터구축부를 통해 수집된 부동산 데이터 중 토지공부데이터와 매칭하여 공부데이터에 제공된 정보를 임대 부동산 데이터에 등록되며, 등록된 임대 부동산 데이터와 빅데이터구축부를 통해 일정주기별로 수집되는 실거래가를 매칭시켜 거래매물여부를 판단하고, 등록된 임대 부동산 데이터와 빅데이터구축부를 통해 일정주기별로 수집되는 등기광장데이터를 매칭시켜 근저당변경내역이 발생되었는지 여부를 판단함으로서 허위매물을 방지하거나, 허위방지매물 여부를 판단하기 위해 새롭게 등록된 임대 부동산의 토지공부데이터를 토대로 매핑된 유사부동산그룹을 제공받고 유사부동산그룹 내의 전체평균값데이터와 데이터융합부를 통해 제공되는 융합된 데이터를 인공지능 기반으로 분석하여 임대부동산의 토지공부데이터 예측값을 산출함으로 제공된 임대부동산의 토지공부데이터와 비교를 통해 유사도를 판단함으로서 허위방지 매물 여부에 대한 정보를 제공하기 위한 시스템에 관한 것이다.The present invention relates to a system for preventing false listings through mapping of land study data, and more specifically, the present invention relates to a system for preventing false listings by matching land study data among real estate data collected through a big data construction unit when registering rental real estate data from the outside, registering information provided in the study data in the rental real estate data, matching the registered rental real estate data with actual transaction prices collected at regular intervals through the big data construction unit to determine whether a transaction is made, and matching the registered rental real estate data with registration square data collected at regular intervals through the big data construction unit to determine whether a mortgage change history has occurred, thereby preventing false listings, or to a system for determining whether a false listing is prevented by receiving a similar real estate group mapped based on the land study data of a newly registered rental real estate, analyzing the entire average value data within the similar real estate group and the fused data provided through the data fusion unit based on artificial intelligence to calculate a predicted value of the land study data of the rental real estate, and determining the similarity by comparing it with the land study data of the provided rental real estate.
본 발명의 목적은 데이터융합부를 통해 제공되는 융합된 데이터와 임대 부동산과 소정의 유사범위 내에 있는 인근 부동산을 매핑하여 제공된 유사부동산그룹의 평균데이터를 토대로 분석된 임대 부동산 데이터 예측값과 새롭게 등록된 임대 부동산 데이터와 유사도를 판단함으로서 허위매물인지 여부를 판단함으로서 허위매물을 방지하여 소비자에게 제공되는 정보의 신뢰도를 상승시키기 위한 목적이다.The purpose of the present invention is to determine whether a listing is false by determining the similarity between the predicted value of rental property data analyzed based on the average data of the similar property group provided by mapping the fused data provided through the data fusion unit and the nearby real estate within a predetermined similar range with the rental property and the newly registered rental property data, thereby preventing false listings and increasing the reliability of information provided to consumers.
또한 빅데이터(Big Data)를 구축하기 위한 자료를 복수의 기관으로부터 수집하여 빅데이터를 구축하고 부동산의 위치정보와 부동산의 위치정보를 GIS데이터로 변환된 자료를 토대로 데이터를 융복합함으로서 빅데이터를 효율적으로 수집하고 분석하여 부동산 정보를 제공하는 목적이다.In addition, the purpose is to collect data from multiple organizations to build Big Data, and to efficiently collect and analyze Big Data by integrating data based on real estate location information and data converted to GIS data to provide real estate information.
도 1을 참고하면 본 발명인 토지공부데이터의 매핑을 통한 허위매물 방지 시스템은 허위매물 방지를 위한 서버로서, 빅데이터구축부(100), GIS정보추출부(200), 실거래가매칭부(300), 데이터융복합부(400), 부동산정보제공부(500), 상하수도관성능평가정보제공부(600)를 포함하여 구성된다.Referring to Figure 1, the system for preventing false listings through mapping of land study data according to the present invention is configured as a server for preventing false listings, including a big data construction unit (100), a GIS information extraction unit (200), an actual transaction price matching unit (300), a data fusion unit (400), a real estate information provision unit (500), and a water supply and sewerage pipe performance evaluation information provision unit (600).
각 구성요소를 구체적으로 설명하면 다음과 같다.Each component is described in detail as follows:
빅데이터구축부(100)는 복수의 기관으로부터 상하수도관데이터와 부동산정보를 포함하는 부동산데이터를 수집하고, 실시간으로 GIS위치좌표를 수집하기 위한 것이다.The big data construction department (100) collects real estate data including water supply and sewage pipe data and real estate information from multiple organizations and collects GIS location coordinates in real time.
도 2를 참고하면 상기 빅데이터구축부(100)는 부동산데이터수집부(110), GIS정보수집부(120), 데이터정제부(130), 구축부(140)를 포함하여 구성된다.Referring to Figure 2, the big data construction unit (100) is composed of a real estate data collection unit (110), a GIS information collection unit (120), a data refinement unit (130), and a construction unit (140).
부동산데이터수집부(110)는 복수의 기관으로부터 상하수도관데이터와 부동산정보, 상하수도관데이터를 포함하는 부동산데이터를 수집하고, 실시간으로 GIS위치좌표를 수집하기 위한 것이다.The real estate data collection unit (110) collects real estate data including water supply and sewage pipe data, real estate information, and water supply and sewage pipe data from multiple organizations, and collects GIS location coordinates in real time.
상하수도관데이터는 지하수 및 토양 환경에 대한 데이터의 시공간 분포에 대한 자료를 포함할 수 있다.Water and sewer pipe data may include information on the spatiotemporal distribution of data on groundwater and soil environments.
부동산정보는 거주 인구정보, 부동산세대수, 사업체수 등을 포함할 수 있다.Real estate information may include information on resident population, number of real estate households, number of businesses, etc.
또한 부동산데이터는 토지공부데이터, 부동산정보, 고시공고, 부양계획정보, 분양현황데이터, 근저당변경내역을 포함하는 등기광장데이터 등을 포함하는 데이터이다.In addition, real estate data includes land study data, real estate information, public notices, support plan information, distribution status data, and registration plaza data including mortgage change details.
또한 복수의 기관은 국토교통부, 국가공간정보포털, 문화재청, 통계청, k water, 지역관광공사, 한국주택금융공사, 국토연구원 등의 기관으로서 이로부터 부동산데이터를 수집한다.In addition, multiple institutions collect real estate data, including the Ministry of Land, Infrastructure and Transport, National Spatial Information Portal, Cultural Heritage Administration, Statistics Korea, K-water, Regional Tourism Organizations, Korea Housing Finance Corporation, and Korea Research Institute for Human Settlements.
각 기관으로부터 수집되는 데이터는 토지이용계획확인서, 토지대장, 건축물대장, 연속 지적도, 지도맵, 실거래가, 국토부 개발계획, 분양자료, 임대주택자료, 지역 개발계획, 지역 입법, 조례, 공인중개사정보, 학교 정보, 공간정보(국토계획/보전지구/지하수 관리/규제정보/택지개발/경관/건축심의구역/공항정보/문화재/묘지 등) 등을 포함하는 데이터일 수 있다.Data collected from each agency may include land use plan confirmation, land register, building register, serial cadastral map, map, actual transaction price, Ministry of Land, Infrastructure and Transport development plan, distribution data, rental housing data, regional development plan, regional legislation, ordinance, real estate agent information, school information, and spatial information (national land plan/conservation district/groundwater management/regulatory information/land development/landscape/building review area/airport information/cultural property/cemetery, etc.).
다시 말해 부동산의 기초 정보인 공부데이터를 수집하되 토지대장, 건축물대장 등 뿐아니라 공시지가, 실거래가, 토지이용계획확인 등 국가에서 지정한 부동산 정보와 고시공고(개발사업(주택), 개발사업 시행승인, 도시계획시설, 도로계획시설, 도시관리계획, 도시계획심의 내용 등)과 분양계획정보 및 분양현황데이터 등을 수집할 수 있다.In other words, it is possible to collect basic real estate information, such as study data, but also collect not only land registers, building registers, etc., but also real estate information designated by the state, such as publicly announced prices, actual transaction prices, and land use plan confirmation, as well as public notices (development projects (housing), development project implementation approval, urban planning facilities, road planning facilities, urban management plans, urban planning review contents, etc.), sales plan information, and sales status data.
상기 부동산데이터수집부(110)는 부동산 정보(주택/토지/아파트 가격 정보, 가치정보 등)에 영향을 미치는 데이터를 자동으로 수집하도록 구성될 수 있으며 설정된 시간단위 또는 관리자에 의해 설정된 날짜마다 데이터를 자동으로 수집할 수 있다.The above real estate data collection unit (110) can be configured to automatically collect data affecting real estate information (house/land/apartment price information, value information, etc.) and can automatically collect data at set time units or on dates set by an administrator.
상기 부동산데이터수집부(110)는 각 기관에서 제공하는 데이터들의 업데이트사이클에 기초하여 데이터수집사이클을 결정할 수 있다. 예를 들면 업데이트 사이클이 짧은 기관의 경우 해당 기관에서는 제1데이터수집사이클을 적용하고, 업데이트 사이클이 긴 기관의 경우 해당 기관에서는 제2데이터수집사이클을 적용할 수 있다.The above real estate data collection unit (110) can determine the data collection cycle based on the update cycle of the data provided by each institution. For example, in the case of an institution with a short update cycle, the institution can apply the first data collection cycle, and in the case of an institution with a long update cycle, the institution can apply the second data collection cycle.
이와 같은 데이터수집사이클은 아래 수학식 1을 통하여 결정할 수 있다.Such a data collection cycle can be determined using the mathematical expression 1 below.
(여기서 C는 선택된 기관의 데이터수집사이클, U는 선택된 기관의 데이터업데이트사이클에 대한 계수, N은 선택된 기관에서 수집하는 수집데이터 종류의 총 개수, Rj는 각 수집데이터의 데이터업데이트주기를 의미한다.)(Here, C represents the data collection cycle of the selected organization, U represents the coefficient for the data update cycle of the selected organization, N represents the total number of types of collected data collected by the selected organization, and Rj represents the data update cycle of each collected data.)
여기서 U는 일단위로 결정된 수집사이클을 시간단위로 변환하기 위한 계수일 수도 있다.Here, U may be a coefficient for converting the collection cycle determined in units of one day into units of time.
예를 들면, 국토교통부의 데이터수집사이클을 결정하기 위해서는 다음과 같이 계산할 수 있다.For example, to determine the data collection cycle of the Ministry of Land, Infrastructure and Transport, the following calculation can be made.
a) 국토교통부의 데이터사이클에 대한 계수는 10이고, 국토교통부에서 수집하는 수집데이터는 국토부 개발계획, 분양자료, 임대주택자료, 지역 개발계획으로 총 4개의 자료를 수집한다고 가정한다.a) The coefficient for the data cycle of the Ministry of Land, Infrastructure and Transport is 10, and it is assumed that the collected data collected by the Ministry of Land, Infrastructure and Transport are four types of data: the Ministry of Land, Infrastructure and Transport development plan, distribution data, rental housing data, and regional development plan.
국토부 개발계획의 데이터업데이트주기는 4일, 분양자료의 데이터업데이트주기는 7일, 임대주택자료의 데이터업데이트주기는 7일, 지역 개발계획의 데이터업데이트주기는 8일이라고 한다면 국토교통부의 데이터수집사이클은 다음과 같이 계산할 수 있다.If the data update cycle of the Ministry of Land, Infrastructure and Transport's development plan is 4 days, the data update cycle of the distribution data is 7 days, the data update cycle of the rental housing data is 7 days, and the data update cycle of the regional development plan is 8 days, the data collection cycle of the Ministry of Land, Infrastructure and Transport can be calculated as follows.
b) 만일 국토교통부에서 수집하는 수집데이터의 데이터업데이트주기가 아래와 같이 바뀐다면 국토교통부의 데이터사이클주기는 아래와 같이 변경될 수 있다(나머지 수치는 동일하다).b) If the data update cycle of the collected data collected by the Ministry of Land, Infrastructure and Transport changes as follows, the data cycle of the Ministry of Land, Infrastructure and Transport may change as follows (the remaining values are the same).
국토부 개발계획의 데이터업데이트주기는 11일, 분양자료의 데이터업데이트주기는 9일, 임대주택자료의 데이터업데이트주기는 12일, 지역 개발계획의 데이터업데이트주기는 8일이라고 한다면 국토교통부의 데이터수집사이클은 다음과 같이 계산할 수 있다.If the data update cycle of the Ministry of Land, Infrastructure and Transport's development plan is 11 days, the data update cycle of the distribution data is 9 days, the data update cycle of the rental housing data is 12 days, and the data update cycle of the regional development plan is 8 days, the data collection cycle of the Ministry of Land, Infrastructure and Transport can be calculated as follows.
이와 같이 a)에서 계산된 국토교통부의 데이터수집사이클은 7.07이며, b)에서 계산된 국토교통교통부의 데이터수집사이클은 8.01으로 각 데이터들의 데이터업데이트주기에 따라 해당 기관 내의 데이터수집사이클이 달라질 수 있다. 이를 통하여 데이터수집사이클을 반영하여 데이터를 수집함으로서 데이터들을 빠르게 업데이트할 수 있는 이점이 있다.In this way, the data collection cycle of the Ministry of Land, Infrastructure and Transport calculated in a) is 7.07, and the data collection cycle of the Ministry of Land, Infrastructure and Transport calculated in b) is 8.01. The data collection cycle within the relevant organization may vary depending on the data update cycle of each data. This has the advantage of allowing data to be updated quickly by collecting data while reflecting the data collection cycle.
GIS정보수집부(120)는 GIS 위치좌표를 포함하는 GIS 기반의 맵데이터를 수집하기 위한 것이다.The GIS information collection unit (120) is for collecting GIS-based map data including GIS location coordinates.
상기 GIS은 지리정보시스템으로서 통상 GIS 정보시스템(geographic information system)이라고도 불리는데, 이러한 지리정보시스템은 지리에 관련된 데이터 예를 들어, 거주 공간, 산업 공간, 도로, 철도 등의 기간 시설, 상수도, 하천, 산악, 토지, 임야 등에 대한 데이터를 수집, 저장, 처리, 분석, 출력할 수 있는 컴퓨터 기반의 응용 시스템으로서, 지리적 환경과 관련된 인간의 다양한 활동 및 그에 따른 지리적 공간 내지영역을 효과적으로 파악하고 이와 관련된 정책적 의사 결정을 효율적으로 수행하기 위하여 주로 사용되는 시스템을 의미하 는데, 도시계획정보시스템 내지 도시계획정보체계(UPIS, Urban Planning Information System)가 지리정보시스템의 대표적 예라고 할 수 있다.The above GIS is a geographic information system, also commonly called a GIS information system. This geographic information system is a computer-based application system that can collect, store, process, analyze, and output data related to geography, such as data on residential spaces, industrial spaces, roads, railways, waterworks, rivers, mountains, land, forests, etc. It refers to a system mainly used to effectively understand various human activities related to the geographic environment and the resulting geographic space or area and to efficiently perform policy decision-making related thereto. The Urban Planning Information System (UPIS) is a representative example of a geographic information system.
상기 GIS정보수집부(120)를 통해 수집되는 맵데이터는 부동산 정보와 공부 이외에 국토계획, 개발지역, 개발지구, 규제정보, 지질정보, 문화재 정보, 수자원정보, 시설정보, 학교정보, 교통정보, 날씨 정보 등 문서로 확인되지 않은 수많은 데이터 정보 등을 좌표체계로 분석하여 지도에 시각화하여 확인할 수 있는 GIS 정보를 추출하여 수집된 맵데이터로 제공하는 것이다.The map data collected through the above GIS information collection unit (120) is provided as collected map data by analyzing numerous data information that are not confirmed in documents, such as real estate information and studies, national land plans, development areas, development zones, regulatory information, geological information, cultural property information, water resource information, facility information, school information, traffic information, weather information, etc., into a coordinate system and visualizing them on a map to extract GIS information that can be confirmed.
상기 GIS정보수집부(120)는 설정된 시간단위 또는 관리자에 의해 설정된 날짜마다 데이터를 자동으로 수집할 수 있다.The above GIS information collection unit (120) can automatically collect data at set time units or on dates set by the administrator.
데이터정제부(130)는 상기 부동산데이터수집부(110)와 GIS정보수집부(120)를 통해 수집된 데이터를 공간적 속성치를 매개로 상호 간의 수집된 데이터의 데이터 오류를 정제하도록 구성될 수 있다.The data purification unit (130) can be configured to purify data errors in the data collected through the real estate data collection unit (110) and the GIS information collection unit (120) using spatial attribute values as a medium.
상기 데이터정제부(130)는 수집된 데이터를 대상으로 분석에 필요한 데이터를 추출하고 통합하는 과정이다. 수집된 데이터를 활용하기 위해서는 분석과정을 거쳐야하며 데이터 정제가 제대로 이루어지지 않는다면 유의미한 결과가 나올 수 없다.The above data purification unit (130) is a process of extracting and integrating data required for analysis from collected data. In order to utilize collected data, it must go through an analysis process, and if data purification is not performed properly, meaningful results cannot be obtained.
상기 데이터정제부(130)에서의 데이터를 정제하는 과정은 다음과 같다.The process of refining data in the above data purification unit (130) is as follows.
먼저 데이터 정제 대상을 설정한다. 모든 데이터를 대상으로 정제 활동을 하며 데이터 품질 저하의 위험이 있는 데이터에 대해 더 많은 정제활동이 필요할 수 있다.First, set the data cleansing target. Cleansing activities are performed on all data, and more cleaning activities may be required for data that is at risk of deteriorating data quality.
데이터 정제 대상을 결정한 후 데이터 정제 방법을 결정한다.After deciding on the target of data cleansing, decide on the data cleansing method.
데이터 정제는 오류데이터값을 정확한 데이터로 수정하거나 삭제하는 과정이다. 따라서 설정된 정제 규칙을 이용하여 위반되는 데이터를 검색하는 방법을 통하여 데이터 정제 방법이 될 수 있도록 하며 데이터의 특성에 맞는 정제 규칙을 수집하여 데이터를 점검할 수 있다.Data cleansing is the process of correcting or deleting erroneous data values into accurate data. Therefore, it can be a data cleansing method by searching for data that violates the established cleansing rules, and the data can be checked by collecting cleansing rules that are suitable for the characteristics of the data.
데이터의 일관성을 유지하기 위한 정제 방법으로 변환(Transform), 파싱(Parsing), 보강(Enhancement) 등을 이용할 수 있다.Transformation, parsing, and enhancement can be used as purification methods to maintain data consistency.
상기 데이터정제부(130)는 수집된 데이터 내의 중복데이터 중 두번 이상 중복되는 중복데이터를 추출하고 각 중복데이터에 대한 정규화수치를 산출할 수 있다.The above data purification unit (130) can extract duplicate data that is duplicated more than twice among the duplicate data in the collected data and calculate a normalization value for each duplicate data.
이와 같이 정규화수치를 산출함으로서 특정 데이터가 중복되어 나타난 빈도수가 다른 중복데이터의 빈도수보다 높다고 하더라도 그 중복데이터가 다른 중복데이터보다 부동산데이터를 형성하는 데이터로서 중요하지 않을 수도 있기 때문에, 큰 의미를 가지지 않고 빈도수만 높은 중복데이터를 보정하도록 하기 위해 정규화 수치를 산출할 수 있다.By calculating the normalization value in this way, even if the frequency of specific data appearing repeatedly is higher than that of other duplicate data, the duplicate data may not be as important as data forming real estate data compared to other duplicate data, so the normalization value can be calculated to correct duplicate data that has a high frequency but no great significance.
상기 정규화수치는 수집된 데이터 내에서 중복되는 중복데이터의 빈도수를 기반으로 하며 빈도수가 높더라도 중요정도가 높지 않는 경우가 발생하는 것을 대비하여 다양한 방식으로 빈도수를 보정하여 정규화수치를 계산할 수 있음은 물론이다.The above normalization value is based on the frequency of duplicate data that is duplicated within the collected data, and it goes without saying that the normalization value can be calculated by correcting the frequency in various ways to prepare for cases where the frequency is high but the level of importance is not high.
이와 같이 정규화수치를 계산하는 방식은 다양한 방식을 선택할 수 있으나 본 발명은 [수학식2]를 통하여 정규화수치를 산출하는 방법을 제시한다.There are various methods for calculating the normalization value, but the present invention proposes a method for calculating the normalization value using [Mathematical Formula 2].
(여기서 Di는 중복데이터 i의 정규화수치, Ki는 수집된 데이터 내에서 중복데이터 i가 반복되는 빈도수, N은 수집된 데이터의 전체 개수, M은 수집된 데이터 내의 중복데이터의 전체 개수를 의미한다.)(Here, Di is the normalized value of duplicate data i, Ki is the frequency of repetition of duplicate data i in the collected data, N is the total number of collected data, and M is the total number of duplicate data in the collected data.)
상기 수학식 2는 수집된 데이터 내에서 중복데이터의 빈도수와, 수집된 데이터의 전체 개수와, 수집된 데이터 내에서의 중복데이터의 전체 개수를 이용하여 중복데이터 i의 정규화수치를 계산할 수 있다.The above mathematical expression 2 can calculate the normalized value of duplicate data i by using the frequency of duplicate data in the collected data, the total number of collected data, and the total number of duplicate data in the collected data.
예를 들면 복수의 기관으로부터 수집된 데이터가 공부데이터, 부동산정보, 고시공고, 부양계획정보, 분양현황데이터이면 수집된 데이터의 전체 개수가 총 5개이며, 수집된 데이터 중에 2번 이상 중복되어 수집되는 중복데이터가 공부데이터, 고시공고인 경우 수집된 데이터 내에서의 중복데이터 전체 개수는 2개이다.For example, if the data collected from multiple organizations is study data, real estate information, public notices, support plan information, and distribution status data, the total number of collected data is 5, and if the duplicate data collected more than twice is study data or public notices, the total number of duplicate data within the collected data is 2.
또한 공부데이터가 5회 수집되고, 부동산정보가 1회 수집되고, 고시공고가 3회 수집되고, 부양계획정보가 1회 수집, 분양현황데이터가 1회 수집된 경우 중복데이터인 공부데이터와 고시공고의 각 정규화수치를 계산하면 다음과 같다.In addition, if study data is collected 5 times, real estate information is collected once, public notices are collected 3 times, support plan information is collected once, and distribution status data is collected once, the normalized values of the duplicate data, study data and public notices, are calculated as follows.
이와 같이 산출된 공부데이터의 정규화수치는 2.85이며 고시공고의 정규화수치는 1.26이다. 이로부터 산출된 정규화수치 구성은 각각의 중복데이터에 대한 빈도수를 단순히 비교하는 것뿐아니라 보다 표준화된 값을 비교하기 위한 기준을 제공하기 위한 것으로 빈도수가 높으나 중요도가 높지 않은 데이터가 중요한 데이터로 설정되는 것을 막도록 함으로서 부동산데이터 분석의 정확성을 향상시키는 효과가 있다.The normalization value of the study data produced in this way is 2.85, and the normalization value of the public notice is 1.26. The composition of the normalization value produced from this is not only to simply compare the frequency of each duplicate data, but also to provide a standard for comparing more standardized values, thereby preventing data with high frequency but low importance from being set as important data, thereby improving the accuracy of real estate data analysis.
구축부(140)는 데이터정제부(130)를 통해 정제된 데이터를 부동산 활용 정보로 분류하여 빅데이터를 구축하기 위한 것이다.The construction unit (140) is intended to construct big data by classifying the data refined through the data purification unit (130) into real estate utilization information.
즉, 구축부(140)에서 분류되는 부동산 활용 정보는 부동산매물정보, 부동산 시세 정보, 실거래가 정보, 부동산 분양정보, 임대주택공고정보, 개발계획정보, 건축심의정보, GIS 정보, 고시공고정보 등으로 분류할 수 있다.That is, real estate utilization information classified in the construction department (140) can be classified into real estate listing information, real estate market price information, actual transaction price information, real estate distribution information, rental housing announcement information, development plan information, building review information, GIS information, and public notice information.
GIS정보추출부(200)는 GIS 위치좌표정보를 수집된 부동산데이터를 토대로 부동산의 위치, 면적, 실거래진행여부가 포함된 GIS 부동산위치좌표정보로 가공하기위한 것이다.The GIS information extraction unit (200) is intended to process GIS location coordinate information into GIS real estate location coordinate information that includes the location, area, and actual transaction status of real estate based on collected real estate data.
실거래가매칭부(300)는 GIS정보추출부(200)를 통해 제공된 부동산의 위치정보를 토대로 각 부동산의 위치정보와 빅데이터구축부(100)를 통해 수집된 부동산의 실거래가정보에 해당되는 부동산의 위치정보의 일치여부를 판단하고, 실거래가정보에 해당되는 부동산의 위치정보가 GIS정보추출부(200)를 통해 제공된 부동산의 위치정보와 일치하지 않는 경우 부동산의 위치정보의 정확도 확률이 높은 위치정보를 제공하기 위한 것이다.The actual transaction price matching unit (300) determines whether the location information of each real estate matches the location information of the real estate corresponding to the actual transaction price information collected through the big data construction unit (100) based on the location information of the real estate provided through the GIS information extraction unit (200), and if the location information of the real estate corresponding to the actual transaction price information does not match the location information of the real estate provided through the GIS information extraction unit (200), the unit provides location information with a high probability of accuracy of the location information of the real estate.
다시 말해 상기 실거래가매칭부(300)는 수집된 부동산데이터와 GIS 위치좌표를 비교하여 부동산의 위치정보가 일치하는지 여부를 판단하고, 일치하지 않는 경우 GIS 위치좌표를 토대로 부동산의 위치정보를 제공하기 위한 것이다.In other words, the above-mentioned actual transaction price matching unit (300) compares the collected real estate data with GIS location coordinates to determine whether the location information of the real estate matches, and if they do not match, provides the location information of the real estate based on the GIS location coordinates.
즉 수집된 부동산데이터 내에 실거래가가 공개된 장소의 주소와 GIS 위치좌표상의 주소와 일치하는지 여부를 판단한다. 수집된 부동산데이터 내에 실거래가가 공개된 주소는 주소전체가 공개되어 있을수도 있고 일부주소만 공개되어 있을수도 있다.In other words, it determines whether the address of the place where the actual transaction price is disclosed in the collected real estate data matches the address in the GIS location coordinates. The address where the actual transaction price is disclosed in the collected real estate data may be disclosed in its entirety or only part of the address may be disclosed.
따라서 주소전체가 공개된 곳은 주소가 GIS 위치좌표와 일치하는지 여부를 판단하고, 일부주소만 공개되어 있는 경우 일부주소만 공개되어 있는 위치와 GIS 위치좌표를 비교하여 추정주소를 추출할 수 있으며 이때 부동산데이터 내의 수집된 다른 데이터도 함께 분석함으로서 추정주소와 실제주소와의 일치확률이 높아지도록할 수 있다.Therefore, in places where the entire address is disclosed, it is possible to determine whether the address matches the GIS location coordinates, and in places where only a portion of the address is disclosed, the estimated address can be extracted by comparing the GIS location coordinates with the locations where only a portion of the address is disclosed. In this case, by analyzing other collected data within the real estate data, the probability of the estimated address matching the actual address can be increased.
예를 들면 부동산데이터 내에서 부동산의 면적, 부동산거래시기, 주위상권 정보 등을 이용하여 GIS 위치좌표상의 주소를 추정할 수 있으며 이는 머신러닝으로 학습된 정보에 의해 인공지능기반으로 추정주소를 도출해낼 수도 있음은 물론이다.For example, it is possible to estimate an address in GIS location coordinates using information such as the area of the real estate, the time of the real estate transaction, and surrounding commercial information in real estate data. It is also possible to derive an estimated address based on artificial intelligence using information learned through machine learning.
데이터융복합부(400)는 GIS정보추출부(200)을 통해 제공된 부동산의 위치정보와 실거래가매칭부(300)를 통해 제공된 부동산의 위치정보를 GIS데이터로 변환하고 변환된 GIS데이터와 빅데이터구축부(100)를 통해 수집된 데이터들을 융합하기 위한 것이다.The data fusion unit (400) is intended to convert real estate location information provided through the GIS information extraction unit (200) and real estate location information provided through the actual transaction price matching unit (300) into GIS data and to fuse the converted GIS data with data collected through the big data construction unit (100).
즉 부동산 시장의 모든 부동산 데이터를 수집하고 정제한 후 머신러닝을 통해 부동산을 모두 분석하고 분석된 데이터를 한번에 확인할 수 있도록 데이터를 융합하여 부동산의 가치판단을 인공지능(AI) 머신러닝이 판단할 수 있도록 하는 것이다.In other words, it collects and refines all real estate data in the real estate market, analyzes all real estate through machine learning, and fuses the data so that the analyzed data can be checked at once, allowing artificial intelligence (AI) machine learning to determine the value of real estate.
특히 부동산의 정보와 GIS 정보는 하나가 되지 않으면 데이터활용의 효율성이 떨어지게 된다. 모든 데이터를 부동산 PNU코드(필지고유번호)의 데이터를 융합하고 선택한 부동산의 모든 데이터를 한번에 확인할 수 있는 데이터 융합을 하며 이데이터의 고도화 가치판단을 AI 머신러닝이 판단할 수 있게 한다.In particular, if real estate information and GIS information are not integrated, the efficiency of data utilization decreases. All data is integrated with real estate PNU code (land lot unique number) data, and all data of the selected real estate can be checked at once through data integration, and AI machine learning can make advanced value judgments of this data.
이를 통해 융합된 데이터를 이용자의 용도에 맞도록 제공받을 수 있으며 특히 다양한 자료들을 융합하고 분석함으로서 실거래가 자료의 일치확률을 높여 보다 신뢰되는 자료를 제공할 수 있다.Through this, the fused data can be provided according to the user's purpose, and in particular, by fusion and analysis of various data, the probability of matching actual transaction data can be increased, providing more reliable data.
즉 상기 데이터융복합부(400)를 통해 데이터를 융합함으로서 실거래가, 지역중개사시세, 매물, 경매낙찰물 등을 통합하여 가격산출/현재가치를 판단할 수 있도록 하는 데이터를 제공하거나, 가치평가/미래가치 등을 판단할 수 있도록 하는 데이터를 제공할 수 있다.That is, by fusing data through the data fusion unit (400), data can be provided that enables price calculation/present value judgment by integrating actual transaction prices, local brokerage prices, properties, auction winning bids, etc., or data that enables value assessment/future value judgment, etc. can be provided.
도 6을 참고하면 빅데이터구축부(100)를 통해 빅데이터(Big Data)를 구축하기 위한 자료를 복수의 기관으로부터 수집하여 빅데이터를 구축하고(a), GIS정보추출부(200)을 통해 제공된 부동산의 위치정보와 실거래가매칭부(300)를 통해 제공된 부동산의 위치정보를 GIS데이터로 변환된 자료를 토대로 데이터를 융복합할 수 있다(b).Referring to Figure 6, data for constructing big data is collected from multiple institutions through the big data construction unit (100) to construct big data (a), and data can be fused based on data converted into GIS data of real estate location information provided through the GIS information extraction unit (200) and real estate location information provided through the actual transaction price matching unit (300) (b).
융복합하는 데이터는 부동산, 금융, 인규, 교통/도로, 토양/지질, 시설/학교, 주거/문화재, 질병/의료 등의 다양한 데이터로 융복합하는 것으로 융복합하는 플랫폼으로는 공간분석, 텍스트마이닝, 범용분석도구, 공간통계분석 등의 플랫폼를 이용하여 데이터를 융복합할 수 있다(c).The data being converged is diverse, including real estate, finance, population, transportation/road, soil/geology, facilities/schools, housing/cultural assets, and disease/medical data. The convergence platform can be used to converge data using platforms such as spatial analysis, text mining, general analysis tools, and spatial statistical analysis (c).
이를 통하여 주거, 부동산, 교통, 재해, 안전, 건축, 금융 등 다양한 분야에서 협업할 수 있는 데이터를 제공함으로서 다양한 분야와 협업할 수 있도록 하는 이점이 있다.This has the advantage of enabling collaboration with various fields by providing data that can be used for collaboration in various fields such as housing, real estate, transportation, disaster, safety, construction, and finance.
다시 말해 융복합된 데이터는 중앙부처, 국토교통부, 민간기업, 금융기관, 일반 국민 등에게 제공될 수 있음을 의미한다(d).In other words, this means that the converged data can be provided to central government agencies, the Ministry of Land, Infrastructure and Transport, private companies, financial institutions, and the general public (d).
도 3를 참고하면 데이터융복합부(400)는 데이터처리부(410), 데이터시각화부(420)를 포함하여 구성된다.Referring to Figure 3, the data fusion unit (400) is configured to include a data processing unit (410) and a data visualization unit (420).
데이터처리부(410)는 제공된 데이터를 이용자의 용도에 맞도록 제공받을수 있으며 특히 다양한 자료들을 융합하는 과정에서 데이터간의 인과관계를 추출하고 모델링작업을 하기 위한 것이다.The data processing unit (410) can receive the provided data according to the user's purpose, and in particular, it is used to extract causal relationships between data and perform modeling work in the process of merging various data.
데이터시각화부(420)는 데이터를 시각화하기 위한 것으로 모델링된 데이터와 지도데이터를 시각화하여 이용자에게 제공하기 위한 것이다.The data visualization unit (420) is for visualizing data and providing modeled data and map data to users.
이와 같이 데이터융복합부(400)는 흩어져 있는 데이터들을 산정하고 발굴하여 수집하고 검증 및 분석을 통해 부동산 가치를 산출하기 위한 데이터를 제공할수 있다.In this way, the data fusion unit (400) can calculate, discover, collect, verify and analyze scattered data to provide data for calculating real estate value.
도 7을 참고하면 본 발명은 가치에 영향을 미치는 수천개의 흩어져 있는 데이터를 선정/발굴하고 수집하고, 검증하고 분석해서 가격 산출과 가치를 확인시켜 줄 수 있는 정보를 제공할 수 있다.Referring to FIG. 7, the present invention can select/excavate, collect, verify and analyze thousands of scattered data that affect value to provide information that can calculate price and confirm value.
즉 데이터 발굴 과정, 데이터 수집/저장과정, 데이터 처리과정, 데이터 시각화 과정을 통해 부동산에 관한 다양한 종류의 데이터를 제공할 수 있다.In other words, various types of data on real estate can be provided through the data mining process, data collection/storage process, data processing process, and data visualization process.
데이터 발굴 과정은 어떤 서비스를 제공할 건지에 대한 서비스 기획, 데이터 탐색, 데이터 선정을 위한 과정이다.The data mining process is the process of planning services, exploring data, and selecting data for the services to be provided.
데이터 수집/저장 과정은 API 자동화 수집, 크롤링/파싱, 데이터 저장을 하기 위한 과정이다.The data collection/storage process is the process for API automation collection, crawling/parsing, and data storage.
상기 데이터 발굴 과정, 데이터 수집/저장 과정은 빅데이터구축부(100)에서 진행될 수 있다.The above data mining process and data collection/storage process can be carried out in the big data construction unit (100).
데이터 처리 과정은 서버에 저장된 데이터를 관리, 데이터간 인과관계 추출, 모델링작업을 할 수 있다. 상기 데이터처리과정은 데이터처리부(410)를 통해 진행될 수 있다.The data processing process can manage data stored in a server, extract causal relationships between data, and perform modeling work. The above data processing process can be performed through a data processing unit (410).
데이터 시각화 과정은 지도 데이터를 시각화하여 제공하고, 좌표표준화를 제공하고, 데이터 모델링을 하기 위한 것으로 데이터시각화부(420)를 통해 진행될 수 있다.The data visualization process can be carried out through the data visualization unit (420) to provide visualized map data, provide coordinate standardization, and perform data modeling.
도 8은 데이터융복합부(400)를 통해 융복합되는 데이터의 예시도면이다.Figure 8 is an example diagram of data being fused through a data fusion unit (400).
부동산 공부정보 이외 토지대장, 건축물 대장 등 눈에 보이지 않는 모든 부동산 가치에 영향을 미치는 데이터를 융복합하는 것으로, 영공정보, 개발정보, 일반정보, 지상정보, 지하정보 등으로 나누어진 데이터를 융복합한 데이터가 제공될 수 있다.In addition to real estate study information, it is possible to provide data that integrates all invisible data that affect real estate value, such as land registers and building registers, and data that is divided into airspace information, development information, general information, ground information, and underground information.
영공정보는 소음피해지역, 관제권, 드론 비행지역, UTM, 날씨정보 등을 포함하는 정보이며, 개발정보는 도시개발계획, 개발사업 시행승인, 도시계획시설, 도시관리계획, 지역 조례, 자연재해위험여부, 건축심의 정보, 분양정보 등을 포함하는 정보이며, 일반정보는 인구정보, 학교정보, 상권정보, 일반 재산, 행정재산, 국공유지, 공간시설, 지역지구 등을 포함하는 정보이며, 지상정보는 토지대장, 건축물대장, 토지이용계획확인서, 공시지가, 등기부등본, 실거래가격, 현황도로/실제도로, 도로폭/실제폭 등을 포함하는 정보이며, 지하정보는 지질정보, 지하수정보, 문화재정보, 지하오염원정보, 묘지정보, 수자원시설, 수질정보, 관정정보, 지하수용량 등을 포함하는 정보이다.Air traffic information includes noise damage areas, control rights, drone flight areas, UTM, weather information, etc. Development information includes urban development plans, development project implementation approvals, urban planning facilities, urban management plans, local ordinances, natural disaster risks, architectural review information, and sales information. General information includes population information, school information, commercial area information, general property, administrative property, national and public land, spatial facilities, and local districts. Above-ground information includes land registers, building registers, land use plan confirmations, publicly announced land prices, copies of real estate registers, actual transaction prices, current roads/actual roads, road width/actual width, etc. Underground information includes geological information, groundwater information, cultural property information, underground pollution source information, cemetery information, water resource facilities, water quality information, well information, and groundwater capacity.
도 10 내지 18은 데이터를 시각화하여 제공되는 예시를 나타낸 것으로 이에 대한 구체적인 설명은 하기에 설명한다.Figures 10 to 18 illustrate examples provided by visualizing data, and detailed descriptions thereof are provided below.
부동산정보제공부(500)는 데이터융합부(400)를 통해 융합된 데이터와 부동산정보제공부(500)는 상하수도관성능평가정보제공부(600)를 통해 생성된 지하공간지도를 인공지능 기반으로 분석하여 사용자에게 제공할 부동산정보에 해당되는 정보를 추출하여 부동산정보제공데이터를 제공하기 위한 것이다.The real estate information provision unit (500) analyzes the data fused through the data fusion unit (400) and the underground space map created through the water supply and sewerage performance evaluation information provision unit (600) based on artificial intelligence to extract information corresponding to real estate information to be provided to the user, thereby providing real estate information provision data.
도 9는 부동산정보제공부(500)를 설명하기 위한 예시도이다.Figure 9 is an example diagram for explaining the real estate information provision department (500).
도 9를 참고하면 빅데이터구축부(100), GIS정보추출부(200), 실거래가매칭부(300), 데이터융복합부(400)를 통해 제공되는 데이터들을 기계학습 모델을 이용하여 실시간으로 학습할 수 있으며(a), 부동산정보제공부(500)는 데이터융합부(400)를 통해 융합된 데이터를 인공지능 기반으로 분석하여 가격산출/현재가치(Pricing)와 가치평가/미래가치(Repoart) 데이터를 제공할 수 있다(b).Referring to Figure 9, data provided through the big data construction unit (100), GIS information extraction unit (200), actual transaction price matching unit (300), and data fusion unit (400) can be learned in real time using a machine learning model (a), and the real estate information provision unit (500) can analyze the data fused through the data fusion unit (400) based on artificial intelligence to provide price calculation/present value (Pricing) and value assessment/future value (Repoart) data (b).
가격산출/현재가치에 관한 데이터는 가격 범위, 부동산 물건 비교, 1년간 가격변동 데이터 등을 통해 부동산의 현재가치에 대한 데이터를 제공할 수 있으며, 가치평가/미래가치 데이터는 실거래가, 공인중개사 제공정보, 매물가격, 경매 낙착률 등 다양한 데이터를 분석하여 가격산출/현재가치 데이터를 제공할 수 있다.Data on price calculation/present value can provide data on the current value of real estate through price ranges, real estate property comparisons, and one-year price fluctuation data, and valuation/future value data can provide price calculation/present value data by analyzing various data such as actual transaction prices, information provided by real estate agents, listing prices, and auction settlement rates.
또한 이때 상하수도관성능평가정보제공부(600)를 통해 생성된 지하공간지도에 포함된 성능평가정보를 반영하여 부동산의 가치를 평가할 수 있으며, 성능평가정보가 낮은 경우 부동산의 가치도 산출된 가치보다 낮은 가치로 조정할 수 있도록 할 수 있다. 이의 경우 관리자가 설정한 범주 내에서 부동산 가치를 평가할 수 있기도 하다.In addition, at this time, the value of real estate can be evaluated by reflecting the performance evaluation information included in the underground space map generated through the water supply and sewerage pipe performance evaluation information provider (600), and if the performance evaluation information is low, the value of real estate can be adjusted to a lower value than the calculated value. In this case, the value of real estate can also be evaluated within the category set by the manager.
도 4를 참고하면 상기 부동산정보제공부(500)는 토지가격예측부(510), 허위방지매물예측부(520), 가치평가서제공부(530)를 포함하여 구성된다.Referring to Figure 4, the real estate information provision unit (500) is configured to include a land price prediction unit (510), a false listing prediction unit (520), and a value appraisal report provision unit (530).
토지가격예측부(510)는 데이터융합부(400)를 통해 융합된 데이터를 인공지능기반으로 분석하여 미래의 토지가격을 예측하는 정보를 제공하기 위한 것이다.The land price prediction unit (510) is intended to provide information for predicting future land prices by analyzing data fused through the data fusion unit (400) using artificial intelligence.
즉 상기 토지가격예측부(510)는 과거의 토지실거래가에 관한 데이터와 도시계발계획에 관한 데이터, 토지대장에 관한 데이터, 인구정보 등을 포함하여 융합된 데이터를 통하여 인공지능 기반으로 분석하여 미래의 토지가격을 예측할 수 있다.That is, the above land price prediction unit (510) can predict future land prices by analyzing, based on artificial intelligence, integrated data including data on past land transaction prices, data on urban development plans, data on land registers, and population information.
또한 이때 상하수도관성능평가정보제공부(600)를 통해 생성된 지하공간지도에 포함된 성능평가정보를 반영하여 미래 토지가격을 평가할 수 있으며, 성능평가정보가 낮은 경우 미래토지가격도 산출된 가격보다 낮은 가격으로 조정할 수 있도록 할 수 있다. 이의 경우 관리자가 설정한 범주 내에서 토지가격를 재조정할 수 있기도 하다.In addition, at this time, the performance evaluation information included in the underground space map generated through the water supply and sewer pipe performance evaluation information provider (600) can be reflected to evaluate the future land price, and if the performance evaluation information is low, the future land price can be adjusted to a lower price than the calculated price. In this case, the land price can also be readjusted within the category set by the administrator.
상기 토지가격예측부(510)는 인근토지그룹군제공부(511), 인근토지평균가격산출부(512), 통합예측부(513)를 더 포함하여 구성된다.The above land price prediction unit (510) is further configured to include a nearby land group supply unit (511), a nearby land average price calculation unit (512), and an integrated prediction unit (513).
각 구성을 구체적으로 설명하면 다음과 같다.Each configuration is described in detail as follows:
상기 인근토지그룹군제공부(511)는 가격을 예측하기 위한 토지가 선택되며 선택된 토지를 포함한 설정된 반경 내의 토지를 포함하는 인근토지그룹군을 제공하기 위한 것이다.The above-mentioned nearby land group group provision (511) is intended to provide a nearby land group group including land within a set radius including the selected land, where land is selected for price prediction.
인근토지평균가격산출부(512)는 인근토지그룹군제공부(511)를 통해 제공된 인근토지그룹군 내에 포함된 토지들의 평균가격을 산출하여 인근토지평균가격을 제공하기 위한 것이다.The nearby land average price calculation section (512) is intended to provide the nearby land average price by calculating the average price of lands included in the nearby land group provided through the nearby land group group provision section (511).
통합예측부(513)는 인근토지평균가격산출부(512)를 통해 산출된 인근토지평균가격과 데이터융합부(400)를 통해 융합된 데이터를 인공지능기반으로 분석하여 미래의 토지가격을 예측하는 정보를 제공하기 위한 것이다.The integrated prediction unit (513) is intended to provide information for predicting future land prices by analyzing the average land price calculated by the average land price calculation unit (512) and the data fused by the data fusion unit (400) based on artificial intelligence.
상기 통합예측부(513)는 융합된 데이터가 반영된 토지가격정보를 축척하여 머신러닝된 정보를 토대로 현재 산출된 인근토지평균가격과 데이터융합부(400)를 통해 융합된 데이터를 인공지능 기반으로 분석하여 선택된 토지의 미래의 토지가격을 예측하는 정보를 제공하는 것이 바람직하다.It is preferable that the above integrated prediction unit (513) accumulates land price information reflecting the fused data, and provides information predicting the future land price of the selected land by analyzing the currently calculated average land price in the vicinity and the fused data through the data fusion unit (400) based on artificial intelligence based on machine learning information.
허위방지매물예측부(520)는 외부로부터 임대 부동산 데이터가 등록 시 데이터융합부(400)를 통해 제공되는 융합된 데이터와 임대 부동산과 소정의 유사범위 내에 있는 인근 부동산을 매핑하여 제공된 유사부동산그룹의 전체평균값데이터를 토대로 분석된 임대 부동산 데이터 예측값과 등록된 임대 부동산 데이터와 유사도를 판단함으로서 허위매물인지 여부를 판단하기 위한 것이다.The false listing prediction unit (520) is intended to determine whether a listing is false by analyzing the predicted value of rental real estate data based on the average value data of the entire similar real estate group provided by mapping the fused data provided through the data fusion unit (400) when rental real estate data is registered from outside and the nearby real estate within a certain similar range, and determining the similarity between the registered rental real estate data and the data.
여기서 외부라고 함은 임대업자, 기관 등에 해당되며, 소지한 단말기를 통해 본 발명의 시스템에 등록할 수 있다.Here, external refers to lessors, institutions, etc., and can register in the system of the present invention through the terminal they possess.
상기 허위방지매물예측부(520)는 데이터융합부(400)를 통해 제공되는 융합된 데이터인 매물의 위치, 부동산 구분 및 가격, 지번 및 호수, 등기부 등본, 채무 정보 등을 포함하는 가격산출/현재가치 데이터와 유사부동산그룹의 전체평균값데이터를 토대로가 새롭게 등록된 임대 부동산 데이터와 얼마나 유사한지를 확인함으로서 허위매물인지 여부를 판단할 수 있다.The above-mentioned false listing prediction unit (520) can determine whether a listing is false by checking how similar it is to newly registered rental real estate data based on the price calculation/present value data including the location of the listing, real estate classification and price, address and unit number, copy of the register, debt information, etc., which are the fused data provided through the data fusion unit (400), and the overall average value data of the similar real estate group.
도 19를 참고하면 상기 허위방지매물예측부(520)는 유사부동산그룹매핑부(521), 전체평균값데이터산출부(522), 예측값산출부(523), 유사도판단부(524)를 포함한다.Referring to Figure 19, the above-mentioned false listing prediction unit (520) includes a similar real estate group mapping unit (521), an overall average value data calculation unit (522), a prediction value calculation unit (523), and a similarity judgment unit (524).
유사부동산그룹매핑부(521)는 허위방지매물 여부를 판단하기 위해 새롭게 등록된 임대 부동산의 토지공부데이터를 입력받고 임대부동산의 토지공부데이터에 포함되는 종류, 위치 및 면적에 관한 데이터를 기준으로 소정의 유사범위 내에 있는 부동산을 매핑하여 유사부동산그룹을 제공하기 위한 것이다.The similar real estate group mapping department (521) receives land study data of newly registered rental real estate to determine whether or not a listing is false and provides a similar real estate group by mapping real estate within a certain similar range based on data on type, location, and area included in the land study data of the rental real estate.
전체평균값데이터산출부(522)는 유사부동산그룹 내의 부동산들의 실거래값의 평균값과 토지공부데이터들의 평균값을 포함하는 전체평균값데이터를 산출하기 위한 것이다.The overall average value data calculation unit (522) is intended to calculate overall average value data that includes the average value of actual transaction prices of real estate within a similar real estate group and the average value of land study data.
예측값산출부(523)는 데이터융합부(400)를 통해 제공되는 융합된 데이터와 전체평균값데이터산출부(522)를 통해 산출된전체평균값데이터를 토대로 인공지능 기반으로 분석하여 임대부동산의 토지공부데이터 예측값을 산출하기 위한 것이다.The prediction value calculation unit (523) is intended to calculate the predicted value of land study data of rental real estate by analyzing the fused data provided through the data fusion unit (400) and the overall average value data calculated through the overall average value data calculation unit (522) based on artificial intelligence.
상기 예측값산출부(523)는 융합된 데이터가 반영된 토지공부데이터를 축척하여 머신러닝된 정보를 토대로 임대부동산의 토지공부데이터 예측값을 분석하는 것이 바람직하다.It is preferable that the above prediction value calculation unit (523) accumulates land study data reflecting the fused data and analyzes the predicted value of the land study data of the rental property based on machine-learned information.
유사도판단부(524)는 예측값산출부(523)를 통해 산출된 임대부동산의 토지공부데이터 예측값과 제공된 임대부동산의 토지공부데이터를 비교하여 유사도를 판단하기 위한 것이다.The similarity judgment unit (524) is intended to judge the similarity by comparing the predicted value of the land study data of the rental property calculated through the predicted value calculation unit (523) with the provided land study data of the rental property.
즉 임대부동산의 토지공부데이터 예측값과 제공된 임대부동산의 토지공부데이터의 유사도가 설정된 값 이상인 경우 허위매물이 아니라고 판단할 수 있으며, 설정된 유사도 이하인 경우 허위매물일 가능성이 높다고 판단할 수 있다.In other words, if the similarity between the predicted land study data of the rental property and the provided land study data of the rental property is greater than the set value, it can be determined that it is not a false listing, and if it is less than the set similarity, it can be determined that there is a high possibility that it is a false listing.
또한 허위방지매물예측부(520)의 또 다른 실시예는 다음과 같을 수도 있다.In addition, another embodiment of the false listing prediction unit (520) may be as follows.
허위방지매물예측부(520)는 공인중개사가 소지한 공인중개사단말기를 포함하는 외부로부터 임대 부동산 데이터가 등록 시 빅데이터구축부(100)의 부동산데이터수집부(110)를 통해 수집된 부동산 데이터 중 토지공부데이터와 매칭하여 공부데이터에 제공된 정보를 임대 부동산 데이터에 등록되며, 토지공부데이터와 매칭되지 않는 임대 부동산 데이터는 등록이 중단되며, 등록된 임대 부동산 데이터와 빅데이터구축부(100)를 통해 일정주기별로 수집되는 실거래가를 매칭시켜 거래매물여부를 판단하고, 등록된 임대 부동산 데이터와 빅데이터구축부(100)를 통해 일정주기별로 수집되는 등기광장데이터를 매칭시켜 근저당변경내역이 발생되었는지 여부를 판단하기 위한 것이다.The false listing prediction unit (520) matches the real estate data collected through the real estate data collection unit (110) of the big data construction unit (100) with the land study data when the rental real estate data is registered from outside including the real estate agent terminal possessed by the real estate agent, and the information provided in the study data is registered in the rental real estate data, and the registration of rental real estate data that does not match the land study data is stopped, and the registered rental real estate data is matched with the actual transaction price collected at regular intervals through the big data construction unit (100) to determine whether the property is being traded, and the registered rental real estate data is matched with the registration plaza data collected at regular intervals through the big data construction unit (100) to determine whether a mortgage change history has occurred.
상기 허위방지매물예측부(520)는 공인중개사법 제18조의2 제4항 제1호에 따른 중개대상물이 존재하지 않아서 실제로 거래를 할 수 없는 중개대상물에 대한 부당한 표시·광고의 유형과 기준과 공인중개사법 시행령 제17조의2 제4항 제1호에 따른 중개대상물이 존재하지만 실제로 중개의 대상이 될 수 없는 중개대상물에 대한 부당한 표시·광고의 유형과 기준에 따라 허위매물 여부를 판단하기 위한 것이다.The above-mentioned false listing prediction unit (520) is intended to determine whether a listing is false based on the types and criteria of unfair display/advertisement of a brokerage object that cannot actually be traded because the brokerage object does not exist according to Article 18-2, Paragraph 4, Subparagraph 1 of the Real Estate Brokerage Act and the types and criteria of unfair display/advertisement of a brokerage object that exists but cannot actually be the subject of brokerage according to Article 17-2, Paragraph 4, Subparagraph 1 of the Enforcement Decree of the Real Estate Brokerage Act.
또 다른 실시예의 허위방지매물예측부(520)는 매물정보입력부(525), 공부데이터매칭부(526), 거래매물분류부(527), 경매매물분류부(528), 매물삭제알림부(529)를 포함함여 구성될 수 있다.Another example of a false listing prediction unit (520) may be configured to include a listing information input unit (525), a study data matching unit (526), a transaction listing classification unit (527), an auction listing classification unit (528), and a listing deletion notification unit (529).
매물정보입력부(525)는 공인중개사가 소지한 공인중개사단말기를 포함하는 외부로부터 임대 부동산 데이터가 등록하기 위한 것이다.The property information input section (525) is for registering rental real estate data from an external source, including a certified real estate agent terminal held by a certified real estate agent.
임대 부동산 데이터는 매매부동산의 대장에 소유자 이름을 필수값으로 입력하고, 이후 소유자 명의의 연락처로 인증번호를 입력하면 임대 부동산 데이터가 인증 매물로 등록될 수 있다.For rental property data, the owner's name must be entered as a required field in the register of real estate for sale, and then the rental property data can be registered as an authenticated listing by entering the authentication number as the owner's contact information.
임대 부동산 데이터는 지번, 도로명, 동, 층수 등을 포함하는 임대 부동산의 위치 정보를 포함할 수 있다.Rental property data may include location information for rental properties, including address, street name, building, floor number, etc.
공부데이터매칭부(526)는 상기 매물정보입력부(525)를 통해 등록된 임대 부동산 데이터가 빅데이터구축부(100)의 부동산데이터수집부(110)를 통해 수집된 부동산 데이터 중 토지공부데이터와 매칭시키어 매물 존재여부를 판단하기 위한 것이다.The study data matching unit (526) matches the rental real estate data registered through the above-mentioned property information input unit (525) with the land study data among the real estate data collected through the real estate data collection unit (110) of the big data construction unit (100) to determine whether there is a property for sale.
즉 공부데이터매칭부(526)는 임대 부동산 데이터의 임대 부동산의 위치 정보가 토지공부데이터에서 제공되는 위치 정보와 일치하는지 여부를 판단하고, 일치한다면 토지공부데이터에서 제공되는 정보가 임대 부동산 데이터에 포함되어 등록되도록 한다. 만약 임대 부동산 데이터의 임대 부동산의 위치 정보가 토지공부데이터에서 제공되는 위치 정보가 일치하지 않는 경우 등록이 되지 않도록 설정된다.In other words, the study data matching unit (526) determines whether the location information of the rental property in the rental property data matches the location information provided in the land study data, and if so, the information provided in the land study data is included in the rental property data and registered. If the location information of the rental property in the rental property data does not match the location information provided in the land study data, registration is set not to occur.
거래매물분류부(527)는 등록된 임대 부동산 데이터와 빅데이터구축부(100)를 통해 일정주기별로 수집되는 실거래가를 매칭시켜 거래매물여부를 판단하여, 거래매물인 경우 등록된 임대 부동산 데이터를 삭제하기 위한 것이다.The transaction property classification section (527) matches the registered rental real estate data with the actual transaction price collected periodically through the big data construction section (100) to determine whether the property is a transaction property and, if it is a transaction property, deletes the registered rental real estate data.
상기 일정주기는 관리자에 의해 설정된 주기일 수 있으며 수학식 1에 의해 계산된 사이클을 토대로 주기가 변경될 수 있다.The above schedule cycle may be a cycle set by the administrator, and the cycle may be changed based on the cycle calculated by mathematical expression 1.
경매매물분류부(528)는 등록된 임대 부동산 데이터와 빅데이터구축부(100)를 통해 일정주기별로 수집되는 등기광장데이터를 매칭시켜 근저당변경내역이 발생되었는지 여부를 판단하여, 근저당변경내역이 발생된 경우 등록된 임대 부동산 데이터를 삭제하기 위한 것이다.The auction property classification section (528) matches registered rental real estate data with the registration plaza data collected periodically through the big data construction section (100) to determine whether a mortgage change history has occurred, and if a mortgage change history has occurred, deletes the registered rental real estate data.
상기 일정주기는 관리자에 의해 설정된 주기일 수 있으며 수학식 1에 의해 계산된 사이클을 토대로 주기가 변경될 수 있다.The above schedule cycle may be a cycle set by the administrator, and the cycle may be changed based on the cycle calculated by mathematical expression 1.
매물삭제알림부(529)는 거래매물분류부(527)와 경매매물분류부(528)에서 각각 임대 부동산 데이터가 삭제 시, 삭제정보를 임대 부동산 데이터를 등록한 외부로 전송하기 위한 것이다.The property deletion notification unit (529) is for transmitting deletion information to an external entity that registered the rental property data when the rental property data is deleted in the transaction property classification unit (527) and the auction property classification unit (528).
즉 매물삭제알림부(529)는 공인중개사단말기 등으로 임대 부동산 데이터의 삭제정보를 전송하기 위한 것이다.In other words, the property deletion notification unit (529) is intended to transmit deletion information on rental real estate data to a certified real estate agent terminal, etc.
또한 상기 허위방지매물예측부(520)는 공인중개사와 현장답사 및 임장활동을 통해 이루어지는 사후행위로 매물이 등재되는 사전단계에서는 확인하기 어렵기 때문에 고객이 직접 신고한 정보를 제공받을 수 있다.In addition, the above-mentioned false listing prediction unit (520) is a post-event action carried out through on-site inspection and forestry activities with a certified real estate agent, so it can receive information reported directly by the customer as it is difficult to confirm in the pre-event stage when the listing is listed.
가치평가서제공부(530)는 데이터융합부(400)를 통해 융합된 데이터를 토대로 부동산 가치평가서를 제공하기 위한 것이다.The value appraisal report provision department (530) is intended to provide a real estate value appraisal report based on data fused through the data fusion department (400).
본 발명에서 융합된 데이터는 개발사업, 도시계획, 도시관리, 고시공고, 지질정보, 국토계획, 문화재정보, 수자원정보, 건축심의, 분양정보, 지역조례, 매물정보 등을 토대로 융합된 정보로서 가치평가에 직접적으로 영향을 미치는 정확한 정형/비정형 데이터를 통하여 인공지능 분석함으로서 부동산의 가치평가서를 제공할 수 있다.The data fused in the present invention is information fused based on development projects, urban planning, urban management, public notices, geological information, national land plans, cultural property information, water resource information, architectural reviews, distribution information, local ordinances, listing information, etc., and can provide a real estate valuation report by analyzing the accurate structured/unstructured data that directly affects the valuation through artificial intelligence.
또한 이때 상하수도관성능평가정보제공부(600)를 통해 생성된 지하공간지도에 포함된 성능평가정보를 반영하여 부동산의 가치를 평가할 수 있으며, 성능평가정보가 낮은 경우 부동산의 가치도 산출된 가치보다 낮은 가치로 조정할 수 있도록 할 수 있다. 이의 경우 관리자가 설정한 범주 내에서 부동산 가치를 평가할 수 있기도 하다.In addition, at this time, the value of real estate can be evaluated by reflecting the performance evaluation information included in the underground space map generated through the water supply and sewerage pipe performance evaluation information provider (600), and if the performance evaluation information is low, the value of real estate can be adjusted to a lower value than the calculated value. In this case, the value of real estate can also be evaluated within the category set by the manager.
상하수도관성능평가정보제공부(600)는 빅데이터구축부(100)를 통해 수집된 부동산데이터를 분석하여 지역별 상하수도관데이터를 포함하는 성능평가정보를 제공하고, 제공된 상하수도관데이터와 GIS위치좌표를 기반으로 상하수도관데이터를 포함하는 지하공간지도를 생성하기 위한 것이다.The water supply and sewerage pipe performance evaluation information provision department (600) analyzes real estate data collected through the big data construction department (100) to provide performance evaluation information including regional water supply and sewerage pipe data, and creates an underground space map including water supply and sewerage pipe data based on the provided water supply and sewerage pipe data and GIS location coordinates.
도 5는 상하수도관성능평가정보제공부(600)에 관한 세부 구성도로서 상기 상하수도관성능평가정보제공부(600)는 상하수도관성능분석부(610), 지하공간지도생성부(620)를 더 포함한다.Figure 5 is a detailed configuration diagram of a water supply and sewage pipe performance evaluation information provision unit (600), and the water supply and sewage pipe performance evaluation information provision unit (600) further includes a water supply and sewage pipe performance analysis unit (610) and an underground space map creation unit (620).
상하수도관성능분석부(610)는 빅데이터구축부(100)에서 수집된 부동산데이터 중 상하수도관데이터의 상하수도정보와 부동산정보의 지역특성정보를 토대로 지역별 상수량, 노화가속정도, 지반붕괴위험도, 상하수도관 노후관망예측정보를 포함하는 성능평가정보를 분석하여 제공하기 위한 것이다.The water supply and sewerage pipe performance analysis department (610) is intended to analyze and provide performance evaluation information including regional water supply volume, degree of accelerated aging, risk of ground collapse, and prediction information on aging water supply and sewerage pipe networks based on water supply and sewerage information from the water supply and sewerage pipe data and regional characteristic information from real estate information among the real estate data collected from the big data construction department (100).
상기 지역특성정보는 부동산 세대수, 사업체수, 거주인구정보 등을 포함하는 정보로서 상하수도정보에 영향을 끼치는 모든 정보에 해당된다.The above regional characteristic information includes information such as the number of real estate households, number of businesses, and resident population, and is all information that affects water supply and sewerage information.
상기 상하수도관성능분석부(610)는 토지환경등을 포함하는 상하수도정보에 대한 최근 몇년간의 데이터(설정된 기간)와 지역특성정보를 토대로 지역별 상수량, 노화가속정도, 지반붕괴위험도, 상하수도관 노후관망예측정보 등을 분석할 수 있으며 상하수도관과 관련된 다수의 기관들로부터 유사정보를 수집하여 인공신경망을 통해 학습된 정보를 토대로 성능평가정보에 포함되는 정보들을 분석하여 그에 대한결과를 제공할 수 있다.The above water supply and sewerage pipe performance analysis unit (610) can analyze regional water supply, aging acceleration, ground collapse risk, water supply and sewerage pipe aging network prediction information, etc. based on data (set period) for the past several years on water supply and sewerage information including land environment, etc., and regional characteristic information. It can also collect similar information from a number of organizations related to water supply and sewerage pipes, analyze information included in performance evaluation information based on information learned through an artificial neural network, and provide results therefor.
지하공간지도생성부(620)는 수집된 맵데이터 기반으로 지하공간지도를 생성하고 상하수도관성능분석부(610)를 통해 제공되는 성능평가정보가 지하공간지도에 미리 설정된 구획별로 반영되도록 하기 위한 것이다.The underground space map generation unit (620) is intended to generate an underground space map based on collected map data and to ensure that the performance evaluation information provided through the water supply and sewer pipe performance analysis unit (610) is reflected in the underground space map for each preset section.
미리 설정된 구획은 지역별로 구획할 수있으며 평수 등으로도 구획을 나눌 수 있다.Pre-set sections can be divided by region, and can also be divided by area, etc.
도 10 내지 18은 본 발명의 실시예로서 빅데이터로 구축된 정보를 융복합하고 사용자에게 제공되는 정보로 가공하여 제공되는 예시를 나타낸 도면이다.Figures 10 to 18 are diagrams showing examples of providing information constructed as big data by integrating it and processing it into information provided to users as an embodiment of the present invention.
도 10은 본 발명의 시스템을 통해 제공되는 정보들로서 사용자가 선택한 지역의 부동산 매물, 분양정보, 임대주택 공고, 개발계획, 부동산시세, 부동산 실거래가, 건축심의정보, GIS 정보, 고시공고 등에 관한 정보를 실시간으로 제공할 수 있다.Figure 10 illustrates information provided through the system of the present invention, which can provide real-time information on real estate listings, sale information, rental housing announcements, development plans, real estate prices, real estate transaction prices, building inspection information, GIS information, public notices, etc. in an area selected by a user.
도 11은 본 발명의 시스템을 통해 분석된 부동산 공부정보를 검색하는 화면을 제공하는 것으로 빅데이터구축부(100), GIS정보추출부(200), 실거래가매칭부(300), 데이터융복합부(400) 등을 통해 분석되어 부동산정보제공부(500)을 통해 제공되는 부동산정보 중 하나의 정보로서 정확도를 향상시킨 부동산 공부정보를 제공할 수 있다.FIG. 11 provides a screen for searching real estate study information analyzed through the system of the present invention, and can provide real estate study information with improved accuracy as one of the real estate information analyzed through the big data construction unit (100), the GIS information extraction unit (200), the actual transaction price matching unit (300), the data fusion unit (400), etc. and provided through the real estate information provision unit (500).
도 12는 본 발명의 시스템을 통해 분석된 부동산 시세를 검색하는 화면을 제공하는 것으로 빅데이터구축부(100), GIS정보추출부(200), 실거래가매칭부(300), 데이터융복합부(400) 등을 통해 분석되어 부동산정보제공부(500)을 통해 제공되는 부동산정보 중 하나의 정보로서 정확도를 향상시킨 부동산 시세를 제공할 수 있다.FIG. 12 provides a screen for searching real estate prices analyzed through the system of the present invention, and can provide real estate prices with improved accuracy as one of the real estate information provided through the real estate information provision unit (500) by analyzing through the big data construction unit (100), the GIS information extraction unit (200), the actual transaction price matching unit (300), the data fusion unit (400), etc.
도 13 내지 15는 지역 부동산 가치에 영향을 미치는 다수개의 GIS 정보 등의 정보를 제공하는 예시로서 GIS정보수집부(120)를 통해 수집되고 GIS정보추출부(200)를 통해 GIS 부동산위치좌표정보로 가공된 정보를 포함하는 GIS 정보를 제공하는 화면 예시이다. 즉 GIS 도로개발계획, GIS 문화재 조사 및 개발, 분양정보, 실거래가 정보, GIS 건축심의&인허가, GIS 임대주택공고, GIS 소음대책지역, GIS 지질 정보, GIS 무연고 묘지, GIS 관정 및 수질 정보, 시세 정보 조회, 고시/공고/조례 조회 등에 관한 정보를 제공할 수 있다.Figures 13 to 15 are examples of providing information such as multiple GIS information affecting local real estate values, and are screen examples providing GIS information including information collected through the GIS information collection unit (120) and processed into GIS real estate location coordinate information through the GIS information extraction unit (200). That is, information on GIS road development plans, GIS cultural property surveys and development, sales information, actual transaction price information, GIS building review & permits, GIS rental housing notices, GIS noise countermeasure areas, GIS geological information, GIS unclaimed graveyards, GIS well and water quality information, market price information inquiry, notice/announcement/ordinance inquiry, etc. can be provided.
도 16은 다수개의 GIS 좌표 표준화의 예시도면이다. 개발계획, 규제정보, 문화재정보, 지질정보, 수질정보, 날씨정보 등 다수개의 GIS 좌표에 대응하여 이의 정보를 표준화할 수 있으며 특히 지역마다 조례가 빈번하게 변화하기 때문에 보유한 자산의 가치가 보유 기간 동안에 변화되는 것 등 변화되는 정보에 빠르게 대응하기 위해 GIS정보로 수집할 수 있는 모든 정보를 수집하여 GIS 좌표 표준화작업을 수행할 수 있다.Figure 16 is an example drawing of standardization of multiple GIS coordinates. It is possible to standardize information corresponding to multiple GIS coordinates, such as development plans, regulatory information, cultural property information, geological information, water quality information, and weather information. In particular, since ordinances frequently change in each region, in order to quickly respond to changing information, such as changes in the value of assets held during the holding period, all information that can be collected as GIS information can be collected and GIS coordinate standardization work can be performed.
예를 들면 특정 지역의 지적이 수시로 병합과 분할이 이루어지는 경우 현재 존재하는 연속지적도의 갱신주기가 상대적으로 길기 때문에 공부를 열람하지 않고는 현재 데이터를 확인할 수 없는 문제가 있다. 본 발명은 도 16의 예시와 같이 실시간으로 변화되는 정보를 반영함으로서 보다 정확한 정보를 제공할 수 있다.For example, if the land register of a specific area is frequently merged and divided, there is a problem in that the current data cannot be confirmed without reviewing the study because the update cycle of the current continuous land register is relatively long. The present invention can provide more accurate information by reflecting information that changes in real time, as in the example of Fig. 16.
또한 도 18을 참고하면 개발 예정지 공고의 경우 정확한 지번을 공개하지 않는 경우가 빈번한데 본 발명의 데이터 변환기술을 통하여 개발 예정지를 GIS 데이터 변환을 통해 지도에서 확인할 수 있도록 할 수 있다.Also, referring to Fig. 18, in the case of announcements of development sites, there are frequent cases where the exact address is not disclosed, but through the data conversion technology of the present invention, the development site can be confirmed on a map through GIS data conversion.
본 발명은 본 발명은 외부로부터 임대 부동산 데이터가 등록 시 빅데이터구축부를 통해 수집된 부동산 데이터 중 토지공부데이터와 매칭하여 공부데이터에 제공된 정보를 임대 부동산 데이터에 등록되며, 등록된 임대 부동산 데이터와 빅데이터구축부를 통해 일정주기별로 수집되는 실거래가를 매칭시켜 거래매물여부를 판단하고, 등록된 임대 부동산 데이터와 빅데이터구축부를 통해 일정주기별로 수집되는 등기광장데이터를 매칭시켜 근저당변경내역이 발생되었는지 여부를 판단함으로서 허위매물을 방지하거나, 데이터융합부를 통해 제공되는 융합된 데이터와 임대 부동산과 소정의 유사범위 내에 있는 인근 부동산을 매핑하여 제공된 유사부동산그룹의 평균데이터를 토대로 분석된 임대 부동산 데이터 예측값과 새롭게 등록된 임대 부동산 데이터와 유사도를 판단함으로서 허위매물인지 여부를 판단할 수 있으며, 빅데이터(Big Data)를 구축하기 위한 자료를 복수의 기관으로부터 수집하여 빅데이터를 구축하고 부동산의 위치정보와 부동산의 위치정보를 GIS데이터로 변환된 자료를 토대로 데이터를 융복합함으로서 빅데이터를 효율적으로 수집하고 분석하여 부동산 정보를 제공할 수 있다. 이를 통해 소비자는 보다 신뢰도 있는 정보를 제공받음으로서 허위매물정보를 제공받는 것 등의 피해를 최소화할 수 있는 효과가 있다.The present invention relates to a method for preventing false listings by matching real estate data collected from outside through a big data construction unit with land study data when registering rental real estate data, and registering information provided in the study data with the rental real estate data, and determining whether or not a transaction item is available by matching the registered rental real estate data with actual transaction prices collected periodically through the big data construction unit, and determining whether or not a mortgage change history has occurred by matching the registered rental real estate data with registration plaza data collected periodically through the big data construction unit, or determining whether or not a listing is false by analyzing the predicted value of rental real estate data based on the average data of the similar real estate group provided by mapping the fused data provided through the data fusion unit and nearby real estate within a predetermined similar range with the rental real estate and determining the similarity between the newly registered rental real estate data and the provided similarity, and collecting data for constructing big data from multiple institutions to construct big data, and integrating data based on the location information of the real estate and the data converted into GIS data of the location information of the real estate, thereby efficiently collecting and analyzing big data to provide real estate information. This has the effect of minimizing damages such as receiving false listing information by providing consumers with more reliable information.
이하, 실시예들을 통하여 본 발명을 상세하게 설명한다. 본 발명의 목적, 특징, 장점은 이하의 실시예들을 통해 쉽게 이해될 것이다. 본 발명은 여기서 설명되는 실시예들에 한정되지 않고, 다른 형태로 구체화될 수도 있다.Hereinafter, the present invention will be described in detail through examples. The purpose, features, and advantages of the present invention will be easily understood through the following examples. The present invention is not limited to the examples described herein, and may be embodied in other forms.
여기서 소개되는 실시예들은 개시된 내용이 철저하고 완전해질 수 있도록 그리고 본 발명이 속하는 기술 분야에서 통상의 지식을 가진 자에게 본 발명의 사상이 충분히 전달될 수 있도록 하기 위해 제공되는 것이다. 따라서, 이하의 실시예들에 의하여 본 발명이 제한되어서는 안 된다.The embodiments introduced herein are provided to ensure that the disclosed content is thorough and complete and to ensure that the spirit of the present invention can be sufficiently conveyed to those skilled in the art to which the present invention pertains. Accordingly, the present invention should not be limited by the following embodiments.
본 명세서에서 제1, 제2 등의 용어가 다양한 요소들(elements)을 기술하기 위해서 사용되었지만, 상기 요소들이 이 같은 용어들에 의해서 한정되어서는 안 된다. 이러한 용어들은 단지 상기 요소들을 서로 구별시키기 위해서 사용되었을 뿐이다. 또, 어떤 요소가 다른 요소 위에 있다고 언급되는 경우에 그것은 다른 요소 위에 직접 형성될 수 있거나 또는 그들 사이에 제3의 요소가 개재될 수도 있다는 것을 의미한다.Although the terms first, second, etc. are used in this specification to describe various elements, these elements should not be limited by these terms. These terms are only used to distinguish the elements from each other. Also, when an element is said to be on another element, it means that it can be formed directly on the other element, or that a third element may be interposed between them.
도면들에서 요소의 크기, 또는 요소들 사이의 상대적인 크기는 본 발명에 대한 더욱 명확한 이해를 위해서 다소 과장되게 도시될 수 있다. 또, 도면들에 도시된 요소의 형상이 제조 공정상의 변이 등에 의해서 다소 변경될 수 있을 것이다. 따라서, 본 명세서에서 개시된 실시예들은 특별한 언급이 없는 한 도면에 도시된 형상으로 한정되어서는 안 되며, 어느 정도의 변형을 포함하는 것으로 이해되어야 한다.The sizes of elements in the drawings, or the relative sizes between elements, may be somewhat exaggerated for a clearer understanding of the present invention. In addition, the shapes of elements depicted in the drawings may be somewhat changed due to variations in the manufacturing process, etc. Accordingly, the embodiments disclosed in this specification should not be limited to the shapes depicted in the drawings unless specifically stated, and should be understood to include a certain degree of modification.
위와 같이 본 발명의 구체적인 실시예들을 살펴보았지만, 본 발명이 속하는 기술 분야에서 통상의 지식을 가진 자는 본 발명이 본 발명의 본질적인 특성에서 벗어나지 않는 범위에서 변형된 형태로 구현될 수 있음을 이해할 수 있을 것이다. 그러므로 개시된 실시예들은 한정적인 관점이 아니라 설명적인 관점에서 고려되어야 한다. 본 발명의 범위는 전술한 설명이 아니라 특허청구범위에 나타나 있으며, 그와 동등한 범위 내에 있는 모든 차이점은 본 발명에 포함된 것으로 해석되어야 할 것이다.Although specific embodiments of the present invention have been described above, those skilled in the art will understand that the present invention can be implemented in modified forms without departing from the essential characteristics of the present invention. Therefore, the disclosed embodiments should be considered from an illustrative rather than a restrictive perspective. The scope of the present invention is indicated by the claims, not the foregoing description, and all differences within the scope equivalent thereto should be interpreted as being included in the present invention.
100 빅데이터구축부
110 부동산데이터수집부
120 GIS정보수집부
130 데이터정제부
140 구축부
200 GIS정보추출부
300 실거래가매칭부
400 데이터융복합부
410 데이터처리부
420 데이터시각화부
500 부동산정보제공부
510 토지가격예측부
511 인근토지그룹군제공부
512 인근토지평균가격산출부
513 통합예측부
520 허위방지매물예측부
521 유사부동산그룹매핑부
522 전체평균값데이터산출부
523 예측값산출부
524 유사도판단부
525 매물정보입력부
526 공부데이터매칭부
527 거래매물분류부
528 경매매물분류부
529 매물삭제알림부
530 가치평가서제공부
600 상하수도관성능평가정보제공부
610 상하수도관성능분석부
620 지하공간지도생성부100 Big Data Construction Department
110 Real Estate Data Collection Department
120 GIS Information Collection Department
130 Data Refining Department
140th Division
200 GIS Information Extraction Department
300 Real Transaction Price Matching Department
400 Data Convergence Department
410 Data Processing Unit
420 Data Visualization Department
500 Real Estate Information Provider
510 Land Price Forecasting Department
511 Nearby Land Group Military Affairs Department
512 Nearby land average price calculation department
513 Integrated Forecasting Department
520 False Prediction Department
521 Similar Real Estate Group Mapping Department
522 Overall average data production section
523 Predicted value production section
524 Similarity judgment unit
525 Property Information Input Section
526 Study Data Matching Department
527 Transaction Classification Department
528 Auction Item Classification Department
529 Item deletion notification
530 Valuation Report Provider
600 Water and sewage pipe performance evaluation information provider
610 Water and Sewerage Pipe Performance Analysis Department
620 Underground Space Map Generation Department
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| KR1020230119521AKR102699103B1 (en) | 2023-09-08 | 2023-09-08 | A system for preventing false sales through mapping of land research data |
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| KR1020230119521AKR102699103B1 (en) | 2023-09-08 | 2023-09-08 | A system for preventing false sales through mapping of land research data |
| Publication Number | Publication Date |
|---|---|
| KR102699103B1true KR102699103B1 (en) | 2024-09-27 |
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| KR1020230119521AActiveKR102699103B1 (en) | 2023-09-08 | 2023-09-08 | A system for preventing false sales through mapping of land research data |
| Country | Link |
|---|---|
| KR (1) | KR102699103B1 (en) |
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| KR20190106543A (en)* | 2018-03-09 | 2019-09-18 | (주)인포렉스 | Method and system for blocking false real estate |
| KR20200092931A (en) | 2020-07-29 | 2020-08-04 | 한국감정원 | Validation Method of false offerings and Validation-Supply System of Real Estate with False Offerings Validation Module |
| KR20210050726A (en)* | 2019-10-29 | 2021-05-10 | 주식회사 꿀비 | System for providing real estate transaction information and price prediction information, and a method thereof |
| KR20220041395A (en)* | 2020-09-25 | 2022-04-01 | 주식회사 리파인 | Server performing real estate risk management using cltv and operating method thereof |
| KR20220073295A (en)* | 2020-11-26 | 2022-06-03 | (주)태평양감정평가법인 | Apparatus for estimating market price of real estate and method thereof |
| KR20230030897A (en)* | 2021-08-26 | 2023-03-07 | 한국공인중개사협회 | System for fake property verification and public book sharing of real estate transaction information network and the operation method thereof |
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| KR20190106543A (en)* | 2018-03-09 | 2019-09-18 | (주)인포렉스 | Method and system for blocking false real estate |
| KR20210050726A (en)* | 2019-10-29 | 2021-05-10 | 주식회사 꿀비 | System for providing real estate transaction information and price prediction information, and a method thereof |
| KR20200092931A (en) | 2020-07-29 | 2020-08-04 | 한국감정원 | Validation Method of false offerings and Validation-Supply System of Real Estate with False Offerings Validation Module |
| KR20220041395A (en)* | 2020-09-25 | 2022-04-01 | 주식회사 리파인 | Server performing real estate risk management using cltv and operating method thereof |
| KR20220073295A (en)* | 2020-11-26 | 2022-06-03 | (주)태평양감정평가법인 | Apparatus for estimating market price of real estate and method thereof |
| KR20230030897A (en)* | 2021-08-26 | 2023-03-07 | 한국공인중개사협회 | System for fake property verification and public book sharing of real estate transaction information network and the operation method thereof |
| Publication | Publication Date | Title |
|---|---|---|
| Wang et al. | Machine learning-based regional scale intelligent modeling of building information for natural hazard risk management | |
| Wu et al. | A new economic loss assessment system for urban severe rainfall and flooding disasters based on big data fusion | |
| Donnini et al. | Impact of event landslides on road networks: a statistical analysis of two Italian case studies | |
| Duzgun et al. | An integrated earthquake vulnerability assessment framework for urban areas | |
| Nian et al. | Evaluating the alignment of new metro line considering network vulnerability with passenger ridership | |
| Fallah Aliabadi et al. | The social and physical vulnerability assessment of old texture against earthquake (case study: Fahadan district in Yazd City) | |
| CN104380318A (en) | Systems and methods for automated valuation of real estate developments | |
| KR102137230B1 (en) | Server for providing artificial intelligence based real estate auction information service using analysis of real estate title and deeds | |
| Islam et al. | A GIS-based approach to explore the factors contributing towards Urban residential land development and re-development (LDR): a case of Rajshahi City Corporation area | |
| Sayuda et al. | Accuracy of vacant housing detection models: an empirical evaluation using municipal and national census datasets | |
| Balaji et al. | RETRACTED ARTICLE: Investigation into valuation of land using remote sensing and GIS in Madurai, Tamilnadu, India | |
| Yildirim et al. | A novel seismic vulnerability assessment for the urban roadway by using interval valued fermatean fuzzy analytical hierarchy process | |
| Li et al. | Decision‐Making on Reuse Modes of Abandoned Coal Mine Industrial Sites in Beijing Based on Environment‐Economy‐Society Matter‐Element Models | |
| Hasti et al. | Zoning and spatial vulnerability assessment with emphasis on infrastructure using GIS (case study: Kurdistan Province, Iran) | |
| Tochaiwat et al. | House type specification for housing development project using machine learning techniques: A study from bangkok metropolitan region, thailand | |
| Ogawa et al. | Estimation of supply chain network disruption of companies across the country affected by the Nankai Trough Earthquake tsunami in Kochi City | |
| Guettiche et al. | Earthquake risk scenarios in urban areas using machine learning: a case study of Skikda city, Algeria | |
| KR102699103B1 (en) | A system for preventing false sales through mapping of land research data | |
| Feng et al. | Study on Grey Correlation Degree Decision‐Making Model for Investment Scheme on High‐Grade Highways in Western China | |
| KR102699099B1 (en) | Land Price Prediction System Converged with Big Data | |
| Ismail | Hedonic modelling of housing markets using geographical information system (gis) and spatial statistic:; a case study of glasgow, scotland | |
| KR102699094B1 (en) | A system for predicting the location of underground water and sewage pipes using big data to provide real estate information | |
| KR102699082B1 (en) | Real transaction price collection system using GIS | |
| KR102699090B1 (en) | Real estate information provision system that efficiently collects and analyzes big data | |
| KR102699085B1 (en) | Real Estate Integrated Database Construction System |
| Date | Code | Title | Description |
|---|---|---|---|
| PA0109 | Patent application | Patent event code:PA01091R01D Comment text:Patent Application Patent event date:20230908 | |
| PA0201 | Request for examination | Patent event code:PA02011R01I Patent event date:20230908 Comment text:Patent Application | |
| PA0302 | Request for accelerated examination | Patent event date:20230908 Patent event code:PA03022R01D Comment text:Request for Accelerated Examination Patent event date:20230908 Patent event code:PA03021R01I Comment text:Patent Application | |
| PE0701 | Decision of registration | Patent event code:PE07011S01D Comment text:Decision to Grant Registration Patent event date:20231123 | |
| GRNT | Written decision to grant | ||
| PR0701 | Registration of establishment | Comment text:Registration of Establishment Patent event date:20240923 Patent event code:PR07011E01D | |
| PR1002 | Payment of registration fee | Payment date:20240923 End annual number:3 Start annual number:1 | |
| PG1601 | Publication of registration |