Geoinformação e Inteligência Artificial. (GEOIA) aplicada à avaliação de galpões na Cidade de Recife.

Abstract

Diante da complexidade inerente ao mercado imobiliário de galpões em Recife, esta dissertação explorou o uso de técnicas de geoinformação e inteligência artificial, com ênfase em Redes Neurais Artificiais (RNA), para desenvolver modelos preditivos robustos para avaliação de imóveis industriais e logísticos. Foram comparados três modelos: Regressão Linear Clássica (MCRL1), Regressão Espacial de Erro (SEM) e RNA. O MCRL1, embora ofereça simplicidade e facilidade de interpretação, não integra a dependência espacial. Em contrapartida, o SEM é notável por sua robustez e capacidade de capturar essa dependência, essencial no mercado imobiliário. A RNA destacou-se na captura de relações não lineares complexas, apresentando o melhor desempenho nos testes na maioria das métricas, com um R² de 0,83, com MAE de 2.594,16 e MAPE de 20,61%, superando ligeiramente o MCRL1 que registrou um R² de 0,79, MAE de 2.749,59 e um MAPE de 27,06%, e o SEM que obteve um R² de 0,81, MAE de 2.810,49 e um MAPE de 26,48%. Esta superioridade foi alcançada, em parte, pela incorporação das variáveis espaciais WP e WE na RNA, que melhoraram a captura de efeitos espaciais. A análise espacial dos resíduos confirmou que todos os modelos capturaram eficazmente os padrões espaciais do mercado. Este estudo demonstra que modelos baseados em inteligência artificial, especialmente RNAs, podem ser alternativas viáveis e superiores aos modelos clássicos, apesar da menor interpretabilidade. Assim, esta pesquisa não apenas avança na modelagem de preços imobiliários, destacando o potencial da inteligência artificial na avaliação de galpões, mas também ressalta a importância de integrar dados geoespaciais nas avaliações de mercado, fornecendo informações valiosas para o desenvolvimento do mercado imobiliário e planejamento urbano.