大阪公立大学研究生院研究生王晓婷（博士生二年级）和松下大辅教授领导的研究小组在大阪市的房地产数据集中添加了街景数据和印象评估等信息。我们能够正确估算租金大约 2%。
房地产价值与年龄、面积、设施、位置（到最近车站的距离）等相关，通常使用使用这些成分的方法进行估算（特征价格模型：HPM）。然而，在选择房屋时，视觉和心理因素（例如邻里的景观和氛围）也可能是决定因素。因此，我们通过将图像识别技术融入到传统的HPM方法中，并考虑到邻居的物理特征和心理印象，研究了更真实、更准确的租金估算的可能性。
除了由大阪市流通的出租房屋的租金和规格组成的房地产数据集之外，研究小组还收集了 Google Street View 的街景图像数据集以及景观图像的天空、植被和人行道等组件。使用图像识别技术进行租金估算的扩展 HPM 模型和评估景观图像印象的机器学习模型 (PlacePulse)。这使我们能够正确估计大约 74% 的租金数据集，并且发现邻里景观是继建筑年龄、距市中心距离和建筑面积之后的第二重要指标。
在评估房地产时，增强型HPM通过大规模数据集的机器学习反映邻里环境因素，比传统HPM具有更高的解释力，并且可以实现基于证据的价格估算。未来，或许可以将脑电图测量等高度客观的方法与景观印象评估相结合。
