Plataforma Web inteligente para la gestión dinámica de alquileres y predicción de precios mediante IA Explicable.

Loading...
Thumbnail Image

Official URL

Full text at PDC

Publication date

2026

Advisors (or tutors)

Editors

Journal Title

Journal ISSN

Volume Title

Publisher

License
Creative Commons
Citations
Google Scholar

Citation

Abstract

En la última década, el sector inmobiliario ha experimentado una transformación profunda impulsada por la digitalización y la consolidación del ecosistema PropTech, lo que ha generado un entorno altamente competitivo en el que muchos propietarios y gestores tienen dificultades para acceder a información clara del mercado y gestionar de forma eficiente todas las tareas relacionadas con sus viviendas. Este Trabajo de Fin de Grado presenta el desarrollo de una plataforma web integral diseñada para centralizar la gestión de viviendas, tanto en el ámbito de la compra-venta como en el de los alquileres turísticos. El sistema actúa como un centro de mando unificado que permite a propietarios y gestores administrar inventarios de propiedades, controlar reservas, registrar huéspedes y realizar un seguimiento financiero exhaustivo, optimizando así la viabilidad técnica y los costes operativos. Para su desarrollo, se han aplicado metodologías de Ingeniería del Software que han guiado el diseño de la arquitectura y la implementación del sistema, abordando tanto el desarrollo del backend como del frontend de forma integrada. El factor verdaderamente diferenciador e innovador de esta solución es la implementación nativa de algoritmos de Inteligencia Artificial Explicable (XAI). A diferencia de los modelos predictivos tradicionales de "caja negra", este sistema no solo ofrece estimaciones precisas del valor inmobiliario utilizando modelos avanzados como Random Forest, LightGBM y Explainable Boosting Machines (EBM), sino que también permite al usuario comprender de forma clara y visual los factores que influyen en cada predicción, mejorando la transparencia del modelo y aumentando la confianza en el sistema. La arquitectura de la aplicación, basada en el patrón Modelo-Vista-Controlador (MVC) e implementada con Node.js y Python, garantiza una experiencia escalable y fluida. Los resultados experimentales confirman la robustez de la propuesta, habiendo alcanzado un rendimiento excelente en los modelos de IA en las iteraciones finales de optimización. En conjunto, el sistema proporciona una herramienta estratégica que facilita la toma de decisiones informadas y la gestión eficiente en el mercado inmobiliario actual.
In the last decade, the real estate sector has undergone a profound transformation driven by digitalization and the consolidation of the PropTech ecosystem, creating a highly competitive environment marked by information asymmetry and operational inefficiencies. This Final Degree Project presents the development of an integrated web platform designed to centralize property management, both in the context of buying and selling and short-term tourist rentals. The system acts as a unified control center that allows owners and managers to handle property inventories, manage bookings, register guests, and perform detailed financial tracking, thereby improving technical feasibility and reducing operational costs. For its development, Software Engineering methodologies have been applied to guide the system architecture design and implementation, addressing both backend and frontend development in an integrated manner. The most distinctive and innovative feature of this solution is the native implementation of Explainable Artificial Intelligence (XAI) algorithms. Unlike traditional “black-box” predictive models, this system not only provides accurate real estate value estimations using advanced models such as Random Forest, LightGBM, and Explainable Boosting Machines (EBM), but also enables users to clearly and visually understand the factors influencing each prediction, improving model transparency and increasing user trust in the system. The application architecture, based on the Model-View-Controller (MVC) pattern and implemented with Node.js and Python, ensures a scalable and smooth user experience. Experimental results confirm the robustness of the proposal, achieving excellent performance in the AI models during the final optimization iterations. Overall, the system provides a strategic tool that supports informed decision-making and efficient management in today’s real estate market.

Research Projects

Organizational Units

Journal Issue

Description

El código fuente completo y el historial de desarrollo están disponibles en el repositorio oficial: https://github.com/Paulaguago/Gestor_Viviendas_TFG

Keywords