کد مقاله کد نشریه سال انتشار مقاله انگلیسی نسخه تمام متن
7257058 1472411 2014 13 صفحه PDF دانلود رایگان
عنوان انگلیسی مقاله ISI
Predictive analytics can facilitate proactive property vacancy policies for cities
ترجمه فارسی عنوان
تجزیه و تحلیل پیش بینی شده می تواند سیاست های فرصت های شغلی فعال برای شهرهای را تسهیل کند
کلمات کلیدی
خالی املاک، سیستم های سیستم، تجزیه و تحلیل پیش بینی، برنامه ریزی شهری،
ترجمه چکیده
آیا ممکن است شهر برای درک، تجزیه و تحلیل، پیش بینی، و بنابراین از ویژگی های خالی جلوگیری کند؟ در این مقاله، ما امکان سنجی استفاده از تکنیک های یادگیری ماشین و داده کاوی را برای تعیین خطرات آینده خالی برای خواص فردی و محله ها با استفاده از ویژگی های ساختاری، جمعیت شناختی، اقتصادی اجتماعی و شهری با دقت بالا نشان می دهیم. در یک چارچوب سیستم های بزرگتر که ما توسعه می دهیم، این تجزیه و تحلیل پیش بینی اجازه می دهد که شهر از تصمیم گیری بر اساس "داستان های آموزشی" و استراتژی های واکنش پذیر با هدف نیاز فوری، به توسعه سیاست های مبتنی بر آگاهانه، جامع بینش و مداخلات پیشگیرانه که باعث کاهش و کاهش می شود. تظاهرات استفاده از تجزیه و تحلیل پیش بینی در سیستم اجتماعی فناوری با استفاده از داده های سیراکیوز، نیویورک ارائه شده است.
موضوعات مرتبط
علوم انسانی و اجتماعی مدیریت، کسب و کار و حسابداری کسب و کار و مدیریت بین المللی
چکیده انگلیسی
Is it possible for a city to understand, analyze, predict, and therefore prevent vacant properties? In this paper, we demonstrate the feasibility of using techniques from machine learning and data mining to determine the future vacancy risks for individual properties and for neighborhoods using a variety of structural, demographic, socioeconomic, and city activity features with high accuracy. Within a larger systems-of-systems framework that we develop, these predictive analytics will allow a city to move from decision-making based on 'educated anecdotes' and reactive strategies aimed at the most urgent need, to policy development based on informed, holistic insight and proactive interventions that prevent and reverse decline. A demonstration of the use of predictive analytics within the sociotechnical system is provided using data from Syracuse, New York.
ناشر
Database: Elsevier - ScienceDirect (ساینس دایرکت)
Journal: Technological Forecasting and Social Change - Volume 89, November 2014, Pages 161-173
نویسندگان
, , , , , ,