An Improved Model for House Price/Land Price Prediction using Deep Learning

House price predictions are a crucial reflection of the economy; sometimes house prices include the land prices and demand of the place and location. The house price and land price are two different things, but both are important for both buyers and sellers. This chapter introduced the combination of ML and DL approaches to predict the house price with the updated regression algorithm. The algorithm named as ‘Mopuri algorithm' reads the 14 attributes like crime rate, population density, rooms, etc. and produces the cost estimation result as a prediction. The proposed model accurately estimates the worth of the house as per the given features. The results of the model tested with the different datasets existing in the Kaggle data source using Python libraries with the Jupyter platform and continuation of the model using the Android OS to develop the smart home web-based application.

Does Immigration Depreciate Residential Land Prices? Case of Tokyo

This study investigates the effects of immigration on residential land prices in urban Tokyo. A rapid increase in immigrants in Tokyo raises the concern that immigration may depreciate land prices because of the negative image emerging from the perception that some immigrants might create disharmony in society. However, our analysis denies this possibility; for every 1% increase in immigrant ratio (i.e., the proportion of immigrants in the total population), the residential land prices increase by 12%. Although the literature explains that a negative immigration effect occurs when the analysis uses small geographic units, the results suggest that even a positive effect can occur under small geographic units. The implications of the current results are complicated. While the concern of immigration-induced land price depreciation is unfounded, this raises another concern—that of asset inequality between land owners and tenants.

THỰC TRẠNG XÁC ĐỊNH GIÁ ĐẤT CỤ THỂ ĐỂ BỒI THƯỜNG KHI NHÀ NƯỚC THU HỒI ĐẤT TẠI MỘT SỐ DỰ ÁN Ở THÀNH PHỐ VŨNG TÀU, TỈNH BÀ RỊA – VŨNG TÀU

Nghiên cứu này được thực hiện nhằm đánh giá thực trạng xác định giá đất cụ thể để bồi thường khi Nhà nước thu hồi đất tại Dự án xây dựng tuyến đường vào và cơ sở doanh trại Chi đội Kiểm ngư số 2 và Dự án đường Thống Nhất nối dài ở thành phố Vũng Tàu, tỉnh Bà Rịa – Vũng Tàu. Nghiên cứu đã phỏng vấn 116 hộ dân bị thu hồi đất, phân tích các số liệu thứ cấp và sử dụng thang đo Likert để đánh giá mức độ hài lòng của người dân bị thu hồi đất đối với giá đất cụ thể được xác định. Kết quả nghiên cứu cho thấy việc xác định giá đất cụ thể để tính tiền bồi thường được thực hiện theo đúng trình tự quy định nhưng có thời gian thực hiện sớm hơn từ 7 - 12 ngày so với quy định. Giá đất cụ thể được xác định cao hơn so với giá đất trong bảng giá đất của UBND tỉnh Bà Rịa - Vũng Tàu ban hành nhưng thấp hơn so với giá đất thị trường. Người dân bị thu hồi đất đều đã hài lòng với giá đất cụ thể được xác định để tính tiền bồi thường của hai dự án. ABSTRACT This research was conducted to assess the situation of determining specific land prices for compensation when land acquisition of two projects in Vung Tau city, Ba Ria - Vung Tau province, including: the project of building the entrance route and barracks of the 2nd Fisheries Division and Thong Nhat road extends project. This study interviewed 116 households whose land was acquired, analyzed secondary data, and used the Likert scale to assess the satisfaction level of the people whose land was acquired for the specified land price. Research results showed that the determination of specific land prices was done in accordance with the regulations, but the implementation time was 7-12 days earlier than the prescribed time. The specific determined the land prices was higher than those issued by the People's Committee of Ba Ria - Vung Tau province, but lower than the market land price. The households whose land acquisition were satisfied with the specific land price determined for compensation calculation of both projects.