Um dos problemas freqüentes em modelos de avaliação de imóveis é identificar quais de suas características devem ser levadas em consideração e o quanto cada uma destas influencia no valor final das propriedades. Além disso, é necessário um critério de avaliação bem estruturado, baseado em modelagem matemática adequada. A partir das constatações acima, foram estabelecidos os objetivos deste trabalho: após identificar as principais variáveis que interferem no valor das propriedades, avaliar o uso de Redes Neurais Artificiais para fins de avaliação e estudar a influência de uma medida de acessibilidade no valor de terrenos urbanos. Quanto às variáveis a serem empregadas nos modelos de avaliação, chegou-se a conclusão que um banco de dados misto, onde tanto variáveis de natureza espacial quanto física pudessem ser incluídas, parecia ser uma opção interessante. Desta forma, após a inclusão no banco de dados de uma variável de natureza espacial, a distância ao centro da cidade, este trabalho comparou dois métodos de avaliação: as Redes Neurais Artificiais e o modelo de regressão múltipla, este último muito usado na prática. Foram abordados dois estudos de caso, as cidades de Araçariguama e São Carlos. A primeira é uma cidade dormitório, de pequeno porte (cerca de 6000 habitantes), localizada nas proximidades da capital do estado, São Paulo. A segunda, por sua vez, é uma cidade de porte médio (cerca de 160000 habitantes), localizada no centro do estado e pólo industrial e tecnológico. A escolha destas cidades ofereceu a oportunidade de estudar a influência de uma variável como a acessibilidade em contextos diferentes. Os resultados obtidos para Araçariguama indicaram que a medida de acessibilidade empregada, distância ao centro, era uma das variáveis mais importantes na formação do preço de propriedades. Quanto aos resultados obtidos pelos modelos empregados, pôde-se observar que, ao utilizar regressão múltipla, o efeito da variável distância ao centro não pode ser estudado sozinho, pois esta variável interage com a área. A utilização de Redes Neurais, por sua vez, também forneceu estimativas adequadas de valor, verificando-se através dela que a acessibilidade apresentou um peso superior a 34% no valor final. Ao se comparar os dois métodos pode-se observar que as Redes Neurais (RN) demonstraram um desempenho superior, quando este foi avaliado pelo valor do erro relativo total. Com o objetivo de analisar a distribuição espacial dos erros, estes foram agrupados em cinco clusters, podendo-se constatar que os maiores erros fornecidos pelas RN se concentraram em um único bairro. Na análise para São Carlos pôde-se verificar também, através dos resultados obtidos por ambos os métodos, que a distância ao centro foi um dos fatores preponderantes na avaliação dos imóveis. A análise da distribuição espacial dos erros apontou uma concentração de erros maiores em um dos bairros, o que pôde ser observado para os dois métodos empregados e dois dos três conjuntos de dados. Um fato que chamou a atenção foi o de que para Araçariguama, que é uma cidade de porte menor, a importância relativa da variável acessibilidade foi maior que para a outra cidade. A common problem in the use of land valuation models is the identification of the real estate features that should be incorporated in the models and how they influence the final property price. In addition, a well structured approach based in consistent mathematical models is also required. Based on the aforementioned assertions, the following objectives have been drawn for this work: after identifying the main variables that have a strong influence on land values, the use of Artificial Neural Networks (ANN) for land valuation have be tested and the influence of an accessibility measure on urban land values have been studied. Regarding the variables that should been part of the valuation models, we reached the conclusion that a mixed database containing physical and spatial attributes seemed to be an interesting option for this sort of problem. Therefore, after the addition of a spatial variable, the distance to the city center, to our database, two valuation methods have been compared: the ANN approach and a multiple regression model, the latter quite common in practice. Two case studies have been then analyzed: the cities of Araçariguama and São Carlos. The first one is a small bedroom town (around 6,000 inhabitants) not far from the state capital, the city of São Paulo. The second one is a medium-sized city (around 160,000 inhabitants) located in the middle of the state and a technological and industrial center. The particularities of these two cities made possible a comparison of the influence that such a variable as accessibility could have on the land values under two different conditions. The results obtained for the city of Araçariguama indicated that the accessibility measure used, the distance from the city center, was one of the main variables influencing land prices. Although both models gave good estimates, their results were not exactly the same. While the influence of the variable distance to the city center could not be individually taken in the multiple regression model, because of its interaction with the variable area, the same variable has a strong weight on the ANN model, in which it appears as responsible for over 34% of the land value. The ANN performed better in a direct comparison of the two approaches, specially when looking to the total relative error. With the purpose of analyzing the spatial distribution of the estimation errors, they have been grouped into clusters, which have stressed that the worst cases are concentrated in a specific area of the city. Both methods showed that the distance to the city center has a strong influence on land values also in the city of São Carlos. The highest estimation errors were also concentrated in a specific neighborhood for two out of three data sets in both valuation methods. Another interesting outcome is the fact that the relative weight of the accessibility variable used was higher in Araçariguama than in São Carlos, although the former city is smaller than the latter.