| 번호 | 청구항 |
|---|---|
| 1 | 제 3 항에 있어서, 상기 토지특성정보 수집 모듈은 시군구, 지번, 지목, 용도지역, 이용 상황, 토지모양, 적성등급을 포함하는 머신러닝 기반 농지시세 예측시스템. |
| 1 | 제 3 항에 있어서, 상기 유사토지정보 추출 모듈은 평가대상 농지를 기준으로 인접지역 부동산 정보를 추출하게 되며, 실거래 시세 추정에 고려할 부동산의 수를 설정하고, 설정된 수 미만인 경우 설정된 부동산 수가 충족될 때까지 검색지역을 넓혀 추가하는 것을 특징으로 하는 머신러닝 기반 농지시세 예측시스템. |
| 1 | 제 18 항에 있어서, 상기 제3 과정에서 활용하는 머신러닝 알고리즘으로는 K 최근접 이웃 알고리즘(KNN), 선형회귀모델(Linear Regression), 딥러닝(Multi-Layer Perceptron), 및 랜덤포레스트(Random Forest)중에서 선택되는 것을 특징으로 하는 머신러닝 기반 농지시세 예측방법. |
| 1 | 제 3 항에 있어서, 상기 실거래가 정보수집 모듈은 시군구, 지번, 지목, 단위 면적당 실거래가, 용도지역, 도로조건, 계약년월, 계약일, 계약면적, 거래금액, 지분구분 등을 포함하는 머신러닝 기반 농지시세 예측시스템. |
| 1 | 평가대상 농지 주소지를 입력하기 위한 사용자 단말; 다수의 부동산관련 공공 웹사이트로부터 평가대상 농지 인근지역의 소재지, 공시지가 정보, 실거래가 정보, 농지은행 매매가격 정보, 경매 및 공매 낙찰가격 정보, 지가변동률 데이터, 토지특성 정보를 수집하여 저장하기 위한 데이터베이스(DB)와, 평가대상 농지와 비교 샘플 부동산에 대하여 토지등급을 매기고 실거래가 추정에 적용할 수 있는 토지등급 평가모듈을 구비하는 클라이언트 서버; 상기 클라이언트 서버의 DB로부터 평가대상 농지와 비교할 수 있는 샘플부동산 정보를 추출하는 샘플 부동산 제공 서버; 상기 클라이언트 서버로부터 평가대상 농지에 대한 정보를 수집하고 샘플 부동산정보 제공 서버로부터 평가대상 농지의 정보에 상응하는 비교 샘플 부동산 정보를 수집하며, 이들 평가대상 농지와 샘블 부동산 정보를 머신러닝 알고리즘으로 비교, 분석 및 추론하여 평가대상 농지의 실거래 시세를 추정하기 위한 거래가 추정 학습모델 생성부; 및 상기 거래가 추정 학습모델 생성부를 통해 추정된 평가대상 농지의 실거래가 시세를 단위면적당 가격으로 변환하여 표출하는 시세추정부를 포함하는 머신러닝 기반 농지시세 예측시스템. |
| 1 | 제 1 항에 있어서, 상기 클라이어트 서버의 토지등급 평가 모듈은 평가대상 농지의 재배적지 여부를 평가하기 위하여 농지 주소지에 해당하는 지역의 토양데이터와 기후데이터를 수집하고, 작물 재배에 적합성 여부를 점수화하여 등급을 매기는 작업을 수행하는 것을 특징으로 하는 머신러닝 기반 농지시세 예측시스템. |
| 1 | 제 1 항에 있어서, 상기 샘플부동산정보 제공 서버는 외부사이트로부터 평가대상 농가토지에 상응하는 비교 샘플부동산의 실거래가 정보를 수집하는 실거래가 정보 수집 모듈; 농가 토지의 특성정보를 수집하는 토지특성 정보 모듈; 퀀텀지리정보시스템(QGIS) 기반으로 평가대상 농지에 상응하는 유사 토지 정보를 추출하는 유사 토지정보 추출 모듈; 및 퀀텀지리정보시스템(QGIS)을 이용하여 상기 유사 토지정보 추출 모듈을 통해 추출된 유사 토지에 대한 x좌표 및 y좌표를 생성하기 위한 농지좌표 생성 모듈을 포함하는 머신러닝 기반 농지시세 예측시스템. |
| 1 | 제 3 항에 있어서, 상기 유사 토지정보 추출 모듈은 유사농가소유주의 농가소득 정보를 포함하는 것을 특징으로 하는 머신러닝 기반 농지시세 예측시스템. |
| 1 | 제 1 항에 있어서,상기 거래가 추정 학습모델 생성부는 평가대상 농지 주소지에 상응하는 인근지역 부동산의 실거래가 및 토지대장 정보를 수집하되, 머신러닝 학습에 유의미있는 정보만을 추출하는 데이터 수집 모듈; 상기 데이터 수집 모듈에서 수집된 데이터를 정제하고 대상 농지와 비교 분석할 수 있는 학습가능한 형태로 라벨링하여 데이터셋을 구축하는 데이터 저장 모듈; 및 머신러닝 알고리즘으로 상기 데이터 저장 모듈의 데이터 셋을 학습하고 종속변수인 실거래시세 추정가와의 상관분석을 통해 얻어진 독립변수(공지지가, 실거래 가격, 농지은행 매매 가격, 경매 및 공매 낙찰가격, 지가변동률 및 토지특성, 토지등급)별 가중치를 부여하여 평가대상 농지의 시세를 추정하는 데이터 분석 및 예측 모듈을 포함하는 머신러닝 기반 농지시세 예측시스템. |
| 1 | 제 8 항에 있어서, 상기 데이터 분석 및 예측 모듈은 학습 및 추론 결과에 따라, 지역별 또는 구역별 적용 머신러닝알고리즘을 설정하는 적용 알고리즘 설정부; 및 상기 학습 및 추론 결과에 따라 상기 부동산 가격 예측모델을 업데이트하는 부동산가격 모델링부를 포함하는 머신러닝 기반 농지시세 예측시스템. |
| 1 | 제 9 항에 있어서, 상기 적용알고리즘 설정부는 다중회귀분석, 인공 신경망, 결정나무트리decision tree), Bayesian Network, CART 학습 모델 중 적어도 하나로 이루어지며,상기 머신러닝 알고리즘으로는 K 최근접 이웃 알고리즘(KNN), 선형회귀모델(Linear Regression), 딥러닝(Multi-Layer Perceptron), 및 랜덤포레스트(Random Forest) 중에서 택일되는 것을 특징으로 하는 머신러닝 기반 농지시세 예측시스템. |
| 1 | 농지시세를 추정하고자 하는 평가대상농지 주소지를 사용자 단말을 통해 입력하는 제1 단계; 클라이언트 서버에 입력된 데이터와 관련한 부동산 관련 정보를 공공웹사이트로부터 수집하여 데이터베이스(DB)에 저장하고, 상기 평가대상 농가와 비교 대상 농지의 등급을 매기는 제2 단계; 사용자단말의 요청에 따라 클라이언트 서버로부터 평가 대상 농지의 정보와 비교하여 시세를 추정할 수 있는 부동산 정보를 추출하는 제3 단계; 상기 제3 단계에서 평가대상농지 주소지와 유사한 인접지역 비교샘플 부동산 정보를 설정된 갯수만큼 추출하는 제4 단계; 상기 제4 단계 수행과정에서 기 설정된 개수만큼의 부동산정보를 추출하였는지를 판단하여, 충족되었다면 상기 추출된 비교샘플 부동산 정보들을 이용하여 평가대상 농지의 실거래가 추정 학습 모델을 생성하는 제5 단계; 상기 제4 단계 수행과정에서 비교 샘플 부동산이 설정 갯수만큼 충족되지 않은 경우에는 기 설정된 갯수의 부동산 정보가 확보될 때 까지 인접지역을 확대하여 검색하는 제6 단계; 상기 제5 단계 수행 후 샘플부동산의 공시지가 정보, 실거래가 정보, 농지은행 매매가격 정보, 경매 및 공매 낙찰가격 정보, 지가변동율, 토지특성 정보를 독립변수로 하고 거래가 시세추정값을 종속변수로 하고 이들의 상관관계를 분석하고, 가중치를 부여하는 제7 단계; 및 상기 제7 단계 수행 후 기 산출된 샘플부동산의 농지 등급을 거래가 시세 추정값에 반영하여 최종 평가대상 농지의 시세를 산출하고, 상기 거래가 시세 추정값을 단위면적당 가격으로 연산하여 사용자 단말에 전송하는 제8 단계를 포함하는 머신러닝 기반 농지시세 예측방법. |
| 1 | 제 11 항에 있어서, 상기 제2 단계의 DB에 저장되는 부동산 정보는 공시지가, 실거래가격, 농지은행 매매 가격, 경매 및 공매 낙찰 가격, 지가변동률, 토지 특성, 토지등급을 포함하는 머신러닝 기반 농지시세 예측방법. |
| 1 | 제 11 항에 있어서, 상기 제2 단계는 평가대상 농가와 비교 대상 농지의 재배적지상태를 점수화하는 제1 과정; 및 상기 설정된 개수만큼 추출된 비교 대상 농지들은 각각 산출된 재배적지 등급스코어를 합산하고 4등급으로 나누어 농지등급을 결정하는 제2 과정을 포함하는 머신러닝 기반 농지시세 예측방법. |
| 1 | 제 11 항에 있어서, 상기 제3 단계는 퀀텀지리정보시스템(QGIS) 기반으로 평가대상 농지에 상응하는 유사 토지정보를 추출하는 과정을 포함하는 것을 특징으로 하는 머신러닝 기반 농지시세 예측방법. |
| 1 | 제 11 항에 있어서, 상기 제3 단계에서 추출된 비교샘플 부동산 정보로는 실거래가 정보, 농지은행 매매 가격, 경매 및 공매 낙찰가격, 토지특성정보, 유사 토지 정보를 포함하되, 상기 실거래가 정보는 시군구, 지번, 지목, 단위 면적당 실거래가, 용도지역, 도로조건, 계약년월, 계약일, 계약면적, 거래금액, 지분구분 및 지가변동률을 포함하며,상기 토지특성정보는 시군구, 지번, 지목, 용도지역, 이용상황, 토지모양, 적성등급을 포함하며, 상기 유사토지 정보는 퀀텀지리정보시스템(QGIS) 기반으로 평가대상 농지에 상응하는 토지정보가 해당하는 것을 특징으로 하는 머신러닝 기반 농지시세 예측방법. |
| 1 | 제 11 항에 있어서, 상기 제3 단계는 평가대상 농지와 시군구 소재지, 지목, 용도지역, 면적이 유사한 데이터를 가지고 있는 부동산을 비교샘플 부동산정보로 추출하는 제1 과정; 및 상기 평가대상 농지와 비교샘플 부동산 정보를 비교하여 동일한 등급의 샘플 부동산을 선택하는 제2 과정을 포함하는 머신러닝 기반 농지시세 예측방법. |
| 1 | 제 11 항에 있어서, 상기 제7 단계는 기 설정된 개수만큼 추출된 샘플부동산들의 공시지가, 실거래가, 농지은행 매매가격, 경매 및 공매 낙찰가격, 지가변동율에 대하여 소정기간 동안의 기하평균을 산출하여 평가대상 농지의 거래가 시세 추정값에 반영하는 것을 특징으로 하는 머신러닝 기반 농지시세 예측방법. |
| 1 | 제 11 항에 있어서, 상기 제5 단계는 샘플 부동산 정보 제공 서버로부터 머신러닝 학습에 필요한 유의미한 데이터를 수집하는 제1 과정; 상기 제1 과정 수행 후 상기 수집된 데이터를 학습이 가능한 형태로 정제하고 라벨링처리하여 데이터셋을 구축하는 제2 과정; 및 다수의 머신러닝 알고리즘에 상기 데이터셋을 입력하여 분석 및 추론을 수행하는 제3 과정을 포함하되, 상기 제1 과정에서의 유의미한 데이터는 토지 이용 상황, 지목, 형상, 토양유형, 적성 등급을 포함하는 것을 특징으로 하는 머신러닝 기반 농지시세 예측방법. |
| 1 | 제 18 항에 있어서, 상기 제3 과정은 종속변수(농지시세 추정가)와의 상관분석을 통해 얻어진 독립변수(공지지가, 실거래 가격, 농지은행 매매가격, 경매 및 공매 낙찰가격, 지가변동률 및 토지특성, 토지등급)별 가중치를 산출하여 실거래가 추정 학습모델에 반영하는 것을 특징으로 하는 머신러닝 기반 농지시세 예측방법. |
| 1 | 제 19 항에 있어서,상기 제3 과정은 평가대상 토지와 비교할 수 있는 유사 토지 소유주의 농가소득이 독립변수로 더 추가되는 것을 특징으로 하는 머신러닝 기반 농지시세 예측방법. |
