книги / Управление торгово-развлекательными комплексами и магазинами шаговой доступности

откуда получаем, что вероятность выбора потребителем некоторого объекта прямо пропорциональна площади этого объекта (20):

в случае модифицированной модели Хаффа – качеству этого объекта (21):

в случае модели RGG–Хаффа – произведению корня площади на некоторый интегральный коэффициент K:

и т.д. (см. табл. 1). В случае если соотношения (20)–(22), в зависимости от выбранной модели оценивания привлекательности коммерческой недвижимости, не выполняются, то это может означать, что параметр λ зависит не только от времени, что делает перспективными направления исследований, представленных далее в данной главе.

Определение параметра λ методом прямого подбора. Что-

бы убедиться в возможности нахождения параметра λ методом прямого подбора, рассмотрим реальный пример для двух наиболее популярных торговых центров г. Перми, для которых были рассчитаны вероятности посещения респондентом данных торговых объектов при различных значениях параметра λ (табл. 2). По формуле (1) была найдена привлекательность каждого торгового центра для потребителя с разными значениями λ – от 0 до 1 включительно, изменяемыми с шагом 0,1. По формуле (3) было определено расчетное значение вероятности выбора потребите-

лем 1-го и 2-го торгового центра Рijрасчет. Фактическое значение вероятности Рjопрос было определено на основе опросов как доля

31

респондентов, выбирающих исследуемый ТРК среди всех респондентов, выбирающих два ТРК.

Таблица 2

Пример определения параметра λ методом прямого подбора для респондента, проживающего в 15 и 16 мин от 1-го и 2-го ТЦ соответственно

Стоит отметить, что для нахождения фактического значения вероятности в качестве исходных данных многие пытаются использовать не опросные данные, а данные о реальной посещаемости объектов недвижимости. Однако следует помнить, что в данном случае посещаемость будет учитывать посетителей, для которых 1-й или 2-й торговый центр не является альтернативой, т.е. искомые значения могут бытьполучены спогрешностью.

По формуле (3) были просчитаны вероятности посещения ТРК покупателями для разных значений λ (Рijрасчет), которые сравнивались с вероятностью, полученной по результатам опроса (Рjопрос). Параметр λ, при котором расчетная вероятность соответствовала опроснойу обоих торговых центров, иявляется искомой величиной.

Так, для каждого потребителя i были найдены вероятности посещения исследуемых торговых центров (Рijрасчет). Затем эти вероятности были сравнены с полученным из опроса реальным посещением торговых центров и таким образом были найдены соответствующие каждому потребителю параметры λ.

32

Распределения параметров λ для автомобилистов и пешеходов показаны на рис. 4. Можно заметить, что для автомобилистов распределение параметра λ не имеет ярко выраженной зависимости, поэтому можно судить о том, что для них параметр времени не оказывает значительного влияния на вероятность посещения торгового центра (рис. 4, а). Тогда как у пешеходов распределение параметров λ логически напоминает объединение трех распределений с ярко выраженнымипиками приλ= 0, λ = 0,4 иλ = 1 (рис. 4, б).

Частота параметра λ

а

Частота параметра λ

б

Рис. 4. Распределение частот параметров λ: а – для автомобилистов; б – для пешеходов

Распределение параметра λ по зонам. Результаты эмпи-

рического определения параметра λ существенно зависят от

33

зонирования территории вокруг торгового центра. Все респонденты были разделены на 3 группы по месту проживания: зона 1 с радиусом 4000 м от торгового центра, зона 2 – радиус от 4000 до 8000 м и зона 3 – радиус более 8000 м. Полученные распределения параметра λ для рассмотренных зон представлены на рис. 5 и 6.

Рис. 5. Распределение частот параметров λ для автомобилистов: а – зона 1; б – зона 2; в – зона 3

Таким образом, необходимо отметить следующее: «прямое» решение системы уравнений, для определения вероятностей посещения торговых центров потребителями, с неизвестным параметром λ дает тривиальное решение, не имеющее физического смысла. Авторы не рекомендуют использовать данный подход другим исследователям для экспериментального определения параметра λ.

34

1.Параметр λ оказался равен 0 для жителей пешеходнотранспортной зоны максимально приближенной к объекту, что качественно можно объяснить тем, что для посетителей, которые про-

живают или работают рядом с ОКН, фактор времени оказывается не существенным, т.е. невлияет нарешение о выборепосещения107.

2.Для зоны 3, максимально удаленной от ОКН, параметр λ получился равным 1, что качественно можно объяснить тем, что для посетителей, которые проживают или работают в значитель-

ной удаленности от ОКН, фактор времени оказывается существенным и проявляется в полной мере108.

3.Параметр λ, получившийся равным 0,5 или близким к этому значению, соответствует посетителям, которые проживают не близко, но и не так далеко, т.е. нельзя сказать, что фактор не оказывает влияние на выбор, но и говорить о полном проявлении

влияния фактора времени на выбор не приходится, другими словами, фактор времени оказывает влияние не в полной мере109.

На основании сказанного выше логично ожидать, что такое распределение λ будет сохраняться и применительно к модифицированной модели Хаффа. Однако в таком случае ожидаемо, что границы этих зон изменятся. Задача идентификации параметра λ

инахождения границ пешеходно-транспортных зон для модифицированной модели Хаффа (6) или иных моделей (см. табл. 1) является перспективной и рекомендуется для самостоятельной научно-исследовательской работы обучающихся.

Перспективной задачей для самостоятельной научно-иссле- довательской работы обучающихся является также исследование природы параметра λ. Так, исторически полагалось, что данный параметр описывает влияние уникальности товара или оказываемой услуги на базе ОКН, однако, как уже сказано выше,

107Количественно интерпретировать можно так, при λ = 0 выполняется T0 = 1,

т.е. фактор времени исключается из модели оценки привлекательности ОКН, будь то оригинальная или модифицированная модель Хаффа.

108При λ = 1 выполняется T1 = T, т.е. фактор времени учитывается в полном объеме при оценке привлекательности ОКН.

109Для любого T и любого λ [0,1] будет выполняться T0 ≤ Tλ ≤ T1.

36

в исследованиях авторов показана зависимость степенного параметра от самого времени. Возможно, что в степенном параметре целесообразно учитывать оба этих аспекта и поскольку традиционно полагается, что степенной параметр λ [0,1], то можно предположить гипотезу о его вероятностной природе. Другими словами, можно сформулировать гипотезу о том, что модель Хаффа должна иметь вид (23):

где λt – вероятность того, что временные затраты на корреспонденцию (расстояние) будут оказывать влияние на посещение; λp – вероятность того, что уникальность товара будет оказывать влияние на посещение.

Еще одной перспективной задачей110 для самостоятельной научно-исследовательской работы обучающихся является приближенная оценка параметров λ с помощью метода наименьших квадратов после перехода от исходной модифицированной модели Хаффа111 к логарифмированной модели, которая имеет вид

110Авторы выражают благодарность старшему научному сотруднику научно-иссле- довательского центра функционально-дифференциальных уравнений ПНИПУ Култышеву Сергею Юрьевичу за предложенную задачу и предоставленный пример.

111Под исходной моделью подразумевается ее дробная запись. Аналогичное исследование можно выполнить для оригинальной модели Хаффа.

37

Эта формула получается дифференцированием суммы квадра-

приравниванием нулю этой производной. Это доставляет минимум указанной сумме квадратов и является решением задачи иден-

тификации для рассматриваемой модели Хаффа Aij Qj , i 1,n, (Tij )

j 1,m. Здесь Aij , Tij , Qj – наблюдаемые и измеряемые значения

переменных модели. Задача идентификации состоит в нахождении параметра по этим наблюдениям и измерениям (если искомое существует вуказаннойобласти [0,1] ).

Рассмотрим пример. Пусть i 1, j 1,3 (один потребитель и три объекта недвижимости), Q1 0,7, Q2 0,2, Q3 0,5. Качество объекта недвижимости оценивается показателем Qj [0,1],

ваемое потребителем на дорогу до j -го объекта недвижимости в часах (1 ч = 60 мин). A11 0,7, A12 0,2, A13 0,3. A1 j – привлекательность j-го объекта недвижимости для потребителя, A1 j [0,1], j 1,3 . Искомое 0,30264 вычислено по формуле

(1) с точностью до пятого знака после запятой, [0,1].

Контрольные вопросы

1.Что описывает параметр λ?

2.Какой метод определения параметра λ является эффективным?

3.В чем заключается суть определения параметра λ методом прямого подбора?

4.Зависят ли результаты эмпирического определения параметра λ от зонирования территории вокруг торгового центра?

38

3. ТЕХНОЛОГИЯ УПРАВЛЕНИЯ КОММЕРЧЕСКОЙ НЕДВИЖИМОСТЬЮ

Пользователями предлагаемой технологии являются управляющие коммерческой недвижимостью и предпринимателиарендаторы, заинтересованные в информации о степени посещаемости объектов потенциальными покупателями, необходимой для обоснования арендных отношений и осуществления коммерческой деятельности.

Предлагаемая технология управления объектом коммерческой недвижимости (ОКН) с учетом потребительской привлекательности будет проиллюстрирована примерами, полученными авторами для ТРК г. Перми.

Для различных потребительских групп отношение к одним и тем же параметрам может отличаться, например, размер паркинга является существенным фактором для потребителей, пользующихся личным транспортом, и не существенным для потребителей, пользующихся общественным транспортом. Индивидуальное или коллективное отношение потребителей к объекту коммерческой недвижимости и его параметрам может быть формализовано с помощью различных механизмов комплексного оценивания, которые будут описывать предпочтения потребительских групп. Поэтому модель (1) предложено112 модифицировать путем расширения перечня существенных факторов, подлежащих приведению их к единой квалиметрической шкале, необходимой для выполнения процедур комплексного оценивания. Свертку параметров объекта коммерческой недвижимости, являющихся существенными факторами, важными для потребителей, предлагается интерпретировать как «Качество

112 Спирина В.С. Оценка потребительской привлекательности объектов коммерческой недвижимости с использованием матричных методов комплексного оценивания // Управление большими системами (УБС’2014): материалы XI Всерос. школы-конф. молодых ученых / под общ. ред. Д.А. Новикова, П.В. Пакшина. – Электрон. текст. данные (108 файл: 78,7 Мб). –

М.: ИПУ РАН, 2014. – 1 электрон. опт. диск (CD-ROM). – С. 716–731.

39

объекта недвижимости». Включать фактор времени в свертку не целесообразно, поскольку этот фактор относится не к объекту недвижимости, а индивидуален для каждого потребителя.

В работе А.О. Алексеева, В.С. Спириной, М.И. Кавиева и Н.А. Эрнст113 помимо введения агрегированного показателя качества объекта недвижимости предлагался ввод дополнительного параметра α, отражающего влияние разных типов (форматов) объектов недвижимости на их привлекательность:

где Qj (от англ. Quality) – качество объекта недвижимости. Главным отличием предлагаемой модели (26) от ориги-

нальной (1) является ее универсальность по отношению к типу и формату коммерческой недвижимости. Введенная авторами свертка Q, описывающая качество объекта коммерческой недвижимости, является функцией многих переменных, набор которых и вид функциональной зависимости индивидуален для каждого типа коммерческой недвижимости. В таком случае модель (1), традиционно применяемая для оценки потребительской привлекательности торговой недвижимости, является частным случаем выражения (26).

Более того, оригинальная модель (1) чаще применяется для решения задачи выбора местоположения строительства нового объекта коммерческой недвижимости, а предлагаемая модель (26) может применяться также на этапе разработки концепции объекта с требуемыми параметрами качества и этапе эксплуатации и управления существующими объектами.

В данном учебном пособии в качестве объектов коммерческой недвижимости мы будем подразумевать ТРК. Поэтому па-

113 Определение потребительской привлекательности объектов коммерческой недвижимости / А.О. Алексеев, В.С. Спирина, М.И. Кавиев, Н.А. Эрнст // Известия вузов. Инвестиции. Строительство. Недвижимость. – 2013. – № 1(4). – С. 8–19.

40