Integrazione delle zone OMI con il machine learning geospaziale per la valutazione immobiliare automatizzata in Italia

Abstract

La valutazione immobiliare è un compito complesso, influenzato da fattori strutturali, geografici ed economici. I metodi tradizionali si basano su perizie manuali o analisi comparative di mercato, introducendo soggettività e limiti di scalabilità. Questa tesi presenta un sistema di machine learning per la previsione dei prezzi degli immobili residenziali a Milano, che integra dati di annunci immobiliari, informazioni geografiche e indicatori ufficiali dell'Osservatorio del Mercato Immobiliare (OMI). Il dataset è stato costruito combinando annunci di una piattaforma immobiliare online con coordinate geografiche e fasce di prezzo OMI. Il preprocessing ha migliorato la qualità dei dati, filtrando gli annunci non realistici rispetto ai valori OMI e standardizzando le categorie immobiliari. Sono state create feature ingegnerizzate per rappresentare caratteristiche strutturali e geografiche, come la posizione del piano e la distanza dal centro città. Due modelli distinti sono stati implementati con l'algoritmo di gradient boosting CatBoost, adatto a dati tabellari strutturati e variabili categoriche. I modelli hanno raggiunto valori di R² pari a circa 0,94 per la vendita e 0,88 per la locazione, indicando ottime prestazioni. L'interpretazione tramite feature importance e analisi SHAP ha confermato il ruolo dominante dei prezzi di riferimento OMI e della posizione geografica. Il sistema è stato distribuito come servizio in tempo reale tramite un backend Python sviluppato con il framework FastAPI, che integra validazione degli input, feature engineering, arricchimento con dati OMI e inferenza del modello in una pipeline robusta, containerizzata con Docker. I risultati dimostrano che combinare il machine learning con indicatori di mercato contestuali produce valutazioni immobiliari automatizzate affidabili, a supporto dell'analisi e delle decisioni nel settore immobiliare.

Real estate valuation is a complex task influenced by structural, geographic, and economic factors. Traditional methods rely on manual appraisal or comparative market analysis, introducing subjectivity and limited scalability. This thesis presents the design and implementation of a machine learning system for predicting residential property prices in Milan, integrating property listing data, geographic information, and official market indicators from the Italian Osservatorio del Mercato Immobiliare (OMI). The dataset was built by combining listings from an online real estate platform with geographic coordinates and OMI price ranges. Preprocessing steps improved data quality, including filtering unrealistic listings against OMI reference values and standardizing property categories. Engineered features captured structural and geographic characteristics, such as floor position and distance from the city center. Two separate predictive models were implemented using the CatBoost gradient boosting algorithm, well suited to structured tabular data and categorical variables. The models achieved R² scores of approximately 0.94 for selling-price prediction and 0.88 for rental-price prediction, indicating strong performance. Model interpretation through feature importance and SHAP analysis confirmed the dominant role of OMI reference prices and geographic location. The system was deployed as a real-time service via a Python backend built with the FastAPI framework, integrating input validation, feature engineering, OMI market data enrichment, and model inference within a robust prediction pipeline, containerized with Docker for reproducible deployment. The results demonstrate that combining machine learning with contextual market indicators produces reliable automated property valuations, offering a practical example of how artificial intelligence can support real estate analysis and decision-making.