Progetto 17 · Analisi geospaziale

Analisi Geospaziale di Airbnb a Londra

✅ pubblicato dati: 2025

Analisi geospaziale dei prezzi Airbnb a Londra attraverso distanza dal centro, quartieri e metriche di vicinato geografico.

Python
Pandas
Plotly
Airbnb
Geospaziale
KNN

CONTESTO E OBIETTIVO

Analizzare come varia il prezzo degli alloggi Airbnb a Londra in base alla posizione, alla distanza dal centro e al contesto di altri annunci comparabili nelle vicinanze.

DATI E DIAGNOSI

  • Segmentazione di ogni annuncio come economico, stabile o caro all’interno del proprio tipo di alloggio tramite i percentili 25 e 75.
  • Calcolo della distanza geografica da Charing Cross e confronto dei prezzi per neighbourhood e per fasce di distanza dal centro.
  • Costruzione di variabili di vicinato con KNN (K-Nearest Neighbors / vicini più prossimi) per misurare il prezzo mediano e la quota locale di annunci cari tra gli alloggi comparabili.
  • Rappresentazione tramite mappe di prezzo, distanza e contesto locale per individuare concentrazioni e pattern territoriali.

CONSEGNA E APPRENDIMENTO

L’analisi integra segmentazione relativa dei prezzi, distanza dal centro e metriche di vicinato per costruire una lettura territoriale del mercato. Le mappe permettono di confrontare i quartieri, individuare zone con una maggiore concentrazione di prezzi elevati e capire come si comporta ogni alloggio rispetto ad altri vicini dello stesso tipo.