論文の概要: Does Noise Affect Housing Prices? A Case Study in the Urban Area of Thessaloniki

• arxiv url: http://arxiv.org/abs/2302.13034v1
• Date: Sat, 25 Feb 2023 09:11:57 GMT
• ステータス: 処理完了
• システム内更新日: 2023-02-28 19:15:00.667848
• Title: Does Noise Affect Housing Prices? A Case Study in the Urban Area of Thessaloniki
• Title（参考訳）: 騒音は住宅価格に影響を及ぼすか? テッサロニキ市街地における事例研究
• Authors: Georgios Kamtziridis, Dimitris Vrakas and Grigorios Tsoumakas
• Abstract要約: 本稿では,ギリシャのテッサロニキ市を対象としたヘレニック環境エネルギー省が実施した研究に基づいて,一般向け騒音汚染データセットを再構築し,公開する。 我々は,テッサロニキの様々な地域の資産データに基づいて,XGBoostのようなアンサンブル機械学習モデルを訓練し,解釈可能性評価手法を用いて,音が価格に与える影響を調査する。
• 参考スコア（独自算出の注目度）: 3.9447103367861542
• License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
• Abstract: Real estate markets depend on various methods to predict housing prices, including models that have been trained on datasets of residential or commercial properties. Most studies endeavor to create more accurate machine learning models by utilizing data such as basic property characteristics as well as urban features like distances from amenities and road accessibility. Even though environmental factors like noise pollution can potentially affect prices, the research around this topic is limited. One of the reasons is the lack of data. In this paper, we reconstruct and make publicly available a general purpose noise pollution dataset based on published studies conducted by the Hellenic Ministry of Environment and Energy for the city of Thessaloniki, Greece. Then, we train ensemble machine learning models, like XGBoost, on property data for different areas of Thessaloniki to investigate the way noise influences prices through interpretability evaluation techniques. Our study provides a new noise pollution dataset that not only demonstrates the impact noise has on housing prices, but also indicates that the influence of noise on prices significantly varies among different areas of the same city.
• Abstract（参考訳）: 不動産市場は住宅価格を予測する様々な方法に依存しており、住宅または商業資産のデータセットに基づいて訓練されたモデルも含まれている。 ほとんどの研究は、基本的な特性特性や、アメニティからの距離や道路アクセシビリティといった都市特性などのデータを活用することで、より正確な機械学習モデルを作成する努力をしている。 騒音汚染などの環境要因は価格に影響を与える可能性があるが、この話題に関する研究は限られている。 理由の1つは、データの欠如である。 本稿では,ギリシャのテッサロニキ市を対象としたヘレニック環境エネルギー省が実施した研究に基づいて,汎用的な騒音汚染データセットを再構築し,公開する。 次に, xgboost のようなアンサンブル機械学習モデルをテッサロニキの異なる領域のプロパティデータに基づいて学習し, 解釈可能性評価手法を用いて, 騒音が価格に与える影響について検討する。 本研究は, 住宅価格に及ぼす騒音の影響を示すだけでなく, 同一都市の異なる地域において, 騒音の影響が著しく異なることを示す新しい騒音汚染データセットを提供する。

関連論文リスト

• LoRaWAN Based Dynamic Noise Mapping with Machine Learning for Urban Noise Enforcement [8.010966370223985]
  広域にわたる長期騒音レベルを示す静的騒音マップは、自治体にとって貴重な都市計画資産である。 過渡的な振る舞いを頻繁に訴える非交通ノイズ源は、通常静的マップによって無視される。 本稿では,低消費電力広帯域ネットワーク(LPWAN)ベースのモノのインターネット(IoT)インフラストラクチャを用いて収集したデータを用いた動的ノイズマッピング手法を提案する。
  論文  参考訳（メタデータ） (2024-07-30T21:40:12Z)
• Towards better visualizations of urban sound environments: insights from interviews [1.2599533416395765]
  我々は,そのような表現が重要視される都市住民を特定することによって,音源の表現の必要性を分析する。 本研究では, 産業と専門市民の騒音関連苦情, 市民の音質評価, 都市計画者への指導という, 音源表現の異なる3つの利用法について検討した。 視覚化は、対象のオーディエンスに適応したインジケータを使用し、データアクセシビリティーを可能にする。
  論文  参考訳（メタデータ） (2024-06-11T07:39:48Z)
• Learning with Noisy Foundation Models [95.50968225050012]
  本論文は、事前学習データセットにおけるノイズの性質を包括的に理解し分析する最初の研究である。 雑音の悪影響を緩和し、一般化を改善するため、特徴空間に適応するチューニング法(NMTune)を提案する。
  論文  参考訳（メタデータ） (2024-03-11T16:22:41Z)
• Understanding and Mitigating the Label Noise in Pre-training on Downstream Tasks [91.15120211190519]
  本稿では、事前学習データセットにおけるノイズの性質を理解し、下流タスクへの影響を軽減することを目的とする。 雑音の悪影響を軽減するために特徴空間に適応する軽量ブラックボックスチューニング法(NMTune)を提案する。
  論文  参考訳（メタデータ） (2023-09-29T06:18:15Z)
• A Study on Indoor Noise Levels in a Set of School Buildings in Greece utilizing an IoT infrastructure [0.0]
  ギリシャの5つの学校ビル内に設置したIoTインフラストラクチャによる騒音レベルデータについて報告する。 以上の結果から,学生や教育者が毎日経験している状況を,より正確に把握する上で有効であることが示唆された。
  論文  参考訳（メタデータ） (2023-09-06T07:32:13Z)
• Urban Rhapsody: Large-scale exploration of urban soundscapes [12.997538969557649]
  騒音は都市環境の主要な品質問題の一つである。 環境騒音レベルを高時間分解能で監視するために、低コストのセンサーを配置することができる。 それらが生成するデータの量とデータの複雑さは、重要な分析上の課題を生じさせる。 本稿では,最先端の音声表現,機械学習,視覚分析を組み合わせたフレームワークであるUrban Rhapsodyを提案する。
  論文  参考訳（メタデータ） (2022-05-25T22:02:36Z)
• Combating Noise: Semi-supervised Learning by Region Uncertainty Quantification [55.23467274564417]
  現在の手法は、擬似ラベルによって生成されるノイズの多い領域によって容易に妨げられる。 領域の不確実性を定量化して雑音耐性半教師付き学習を提案する。 PASCAL VOCとMS COCOの併用実験により,本手法の異常な性能を実証した。
  論文  参考訳（メタデータ） (2021-11-01T13:23:42Z)
• Learning with Noisy Labels Revisited: A Study Using Real-World Human Annotations [54.400167806154535]
  ノイズラベルを用いた学習に関する既存の研究は、主に合成ラベルノイズに焦点を当てている。 本研究は2つの新しいベンチマークデータセット(CIFAR-10N, CIFAR-100N)を示す。 実世界のノイズラベルは古典的に採用されたクラス依存のラベルではなく、インスタンス依存のパターンに従うことを示す。
  論文  参考訳（メタデータ） (2021-10-22T22:42:11Z)
• Deciphering Environmental Air Pollution with Large Scale City Data [0.0]
  交通や発電所からの排出、家庭からの排出、自然発生など、様々な要因が大気汚染の上昇の背後にある主要な原因要因または影響要因であることが知られている。 本稿では,これらのエージェント間の関係を長期にわたって探索するための大規模都市情報データセットを提案する。 また,多種多様なモデルと方法論を用いて汚染物質レベルを推定または予測する問題に対するベンチマークのセットを提供する。
  論文  参考訳（メタデータ） (2021-09-09T22:00:51Z)
• On Dynamic Noise Influence in Differentially Private Learning [102.6791870228147]
  Private Gradient Descent (PGD)は一般的に使用されるプライベート学習フレームワークであり、差分プロトコルに基づいてノイズを発生する。 最近の研究では、emphdynamic privacy schedulesは最終イテレーションで改善できるが、そのようなスケジュールの有効性の理論は限られている。 本稿では,これらの重要な質問に答えるために,動的プライバシスケジュールにおけるノイズの影響を総合的に分析する。
  論文  参考訳（メタデータ） (2021-01-19T02:04:00Z)
• Adaptive noise imitation for image denoising [58.21456707617451]
  本研究では,自然雑音画像からノイズデータを合成できる新しいテキストバッファ適応ノイズ模倣(ADANI)アルゴリズムを開発した。 現実的なノイズを生成するため、ノイズ発生装置はノイズ発生のガイドとなる雑音/クリーン画像を入力として利用する。 ADANIから出力されるノイズデータとそれに対応する基盤構造とを結合すると、デノイングCNNは、完全に教師された方法で訓練される。
  論文  参考訳（メタデータ） (2020-11-30T02:49:36Z)

関連論文リストは本サイト内にある論文のタイトル・アブストラクトから自動的に作成しています。

指定された論文の情報です。
本サイトの運営者は本サイト（すべての情報・翻訳含む）の品質を保証せず、本サイト（すべての情報・翻訳含む）を使用して発生したあらゆる結果について一切の責任を負いません。