Storskalig modellering för att förutsäga bostadsskick med hjälp av maskininlärningsalgoritmer

Varför tillståndet i våra hem spelar roll

Om ett hem är säkert, torrt och bekvämt påverkar allt från ett barns hälsa till en familjs ekonomiska stabilitet. Trots att vi följer bostadspriser ner till enskilda gator har vi sällan en lika detaljerad bild av själva bostadskvaliteten. Denna studie tar itu med den blindpunkten genom att använda moderna datortekniker för att uppskatta skick för nästan varje bostadsenhet i USA och skapa kartor som visar var hem mår bra och var de kan utsätta boende för risker.

Från huspriser till bostadskvalitet

Forskare har länge modellerat hur mycket hem är värda, men mycket mindre är känt om hur beboeliga dessa hem är. Befintliga nationella undersökningar erbjuder endast grova ögonblicksbilder, ofta på delstats- eller storstadsnivå, och många statliga datamängder fokuserar på överkomlighet eller trängsel snarare än byggnaders fysiska skick. Eftersom lokala myndigheter samlar in och bedömer bostäder på olika sätt har det saknats en enhetlig, detaljerad bild av bostadsförhållanden i hela landet. Denna lucka försvårar för planerare, hälsoansvariga och samhällen att se var bostäder av dålig kvalitet kan koncentrera risker som mögel, läckor, extrema inomhustemperaturer eller osäkra konstruktioner.

Att föra in stordata i grannskapet

För att fylla denna lucka kombinerade författarna två stora datakällor. Den första är en nationell fastighetsdatabas som innehåller över 111 miljoner bostadsenheter, inklusive detaljer som antal sovrum och badrum, byggnads- och renoveringsår, tak- och yttermaterial, uppvärmningssystem, parkering, skatter och—när tillgängligt—en sexgradig bedömning av byggnadsskick från ”osäkert” till ”utmärkt”. Den andra källan är US Census och relaterade grannskapsdata, som beskriver lokala inkomstnivåer, bostadsvärden, andelen ägare och mobila hem, befolkningstäthet, fattigdom och om ett område är mer urbant eller landsbygd. Genom att rumsligt matcha varje fastighet med dess omgivande folkräkningsområde eller blockgrupp skapade teamet en enhetlig post som länkar byggnadsegenskaper med den sociala och ekonomiska kontexten runt varje hem.

Lära maskiner att känna igen bostadshälsa

Ungefär hälften av fastigheterna i databasen saknade en officiell skickbedömning. Forskarna tränade tre avancerade maskininlärningsmodeller—CatBoost, LightGBM och XGBoost—på de hem som hade betyg, och bad algoritmerna lära sig hur kombinationer av fastighets- och grannskapsfunktioner relaterar till bostadsskick. De rengjorde noggrant datan, hanterade avvikare och saknade värden, och använde ett högpresterande datorkluster—komplett med kraftfulla grafikprocessorer—för att effektivt söka efter de bästa modellinställningarna. För att undvika modeller som helt enkelt ”memorerade” träningsdatan använde de balanserad noggrannhet och korsvalidering, och finjusterade sedan den vinnande modellen så att dess uppskattade sannolikheter överensstämde med verkliga utfall så nära som möjligt.

Göra förutsägelser användbara som kartor

När den bäst presterande modellen (CatBoost) valts användes den för att förutsäga skickbetyg för de miljontals hem som saknade information. Varje hems kategori översattes till ett numeriskt poäng från ett (sämst) till sex (bäst). För att skydda integriteten och göra mönster lättare att se, medelvärdesbildade forskarna sedan dessa poäng över tre typer av områden: folkräkningsområden, ZIP-kodstabeller och ett regelbundet rutnät av hexagoner på ungefär 36 kvadratkilometer som täcker hela landet. Resultatet är ett set nationella kartor som avslöjar breda landskap av bostadskvalitet samtidigt som de är tillräckligt detaljerade för att vägleda lokal analys. Teamet kontrollerade också hur väl modellen presterade med flera statistiska tester och fann måttlig men meningsfull överensstämmelse med tanke på uppgiftens storlek och komplexitet.

Vad som driver bättre eller sämre hem

Genom att granska vilka indata som spelade störst roll för modellen ger studien ledtrådar om vad som påverkar bostadsskick. Fastighetsnivåegenskaper dominerade: uppskattad skattebelastning, yttre beklädnad, taktyp, uppvärmningssystem samt ett hems ålder och renoveringshistorik var särskilt inflytelserika. Grannskapsfaktorer som fattigdomsgrader, befolkningstäthet och andelen mobila hem spelade en mindre men fortfarande viktig roll. Dessa fynd stämmer med bredare forskning som visar att hushåll med lägre inkomster, hyresgäster och samhällen med fler invånare av färg oftare bor i undermåliga bostäder, delvis format av ojämna kreditpraxis och ojämn tillämpning av bostadsskydd.

Ett nytt verktyg för säkrare, rättvisare bostäder

Förenklat använder detta arbete mönster i befintliga register för att fylla i de saknade delarna av ett nationellt pussel över bostadskvalitet. De resulterande öppet tillgängliga kartorna och dataseten ger planerare, hälsoorgan och samhällsgrupper ett kraftfullt nytt sätt att se var hem kan utsätta boende för risker och var investeringar kan ge störst nytta. Även om ingen modell är perfekt, särskilt när man arbetar med ojämnt underliggande data, markerar detta storskaliga tillvägagångssätt ett viktigt steg mot att förstå—och i slutändan förbättra—de vardagsmiljöer människor kallar hem.

Citering: Kim, K., Holmes, T., Powell, E. et al. Large-scale modeling for housing condition prediction using machine learning algorithms. Sci Data 13, 647 (2026). https://doi.org/10.1038/s41597-026-07012-w

Nyckelord: bostadskvalitet, maskininlärning, rumsliga data, folkhälsa, stadsplanering