[發明專利]一種基于大數據及智能決策機制的工業地塊估計方法

在審

• 申請號: 201810992001.7
• 申請日: 2018-08-29
• 公開（公告）號: CN108876487A
• 公開（公告）日: 2018-11-23
• 發明（設計）人: 韋虎;王潔微
• 申請（專利權）人: 盈盈（杭州）網絡技術有限公司
• 主分類號: G06Q30/02
• 分類號: G06Q30/02;G06Q50/16
• 代理公司: 杭州君度專利代理事務所(特殊普通合伙) 33240
• 代理人: 朱月芬

1.一種基于大數據及智能決策機制的工業地塊估計方法，其特征在于包括如下步驟：

步驟1、確認影響土地價格因素；

步驟2、因素數據的采集、轉化、量化和存儲；

步驟3、構建模型進行迭代及運算；

步驟1所述的確認影響土地價格因素，其中影響因素包括區域因素、交通因素、周邊配套因素、政策因素、歷史成交情況因素五大類；

所述的區域因素是指地塊所在區域的經濟、工業、就業、城市建設等發展情況及趨勢；所述的周邊交通因素是指土地所處位置的交通便利性；所述的周邊配套因素是指影響土地價格的一般、普遍、共同的因素，包括公共交通、文體設施、商業體、醫院、學校、餐飲、酒店、政府機構；所述的政策因素是指政府的各項政策、規劃限制、土地等級及基準地價；所述的歷史成交情況因素是指特定地域周邊土地的成交情況，包括成交時間、成交面積、溢價率、交易速度；

步驟2所述的因素數據的采集、轉化、量化和存儲，具體實現如下：

從各項獨立的數據源采集數據因素數據，并將采集到的數據進行轉化和量化，并存儲；

所述的轉化是指通過人為操作，對關于周邊交通因素、周邊配套因素中的數據進行提取和規劃；所述的量化是指通過操作對政策因素中的數據進行等級劃分；

步驟3所述的構建模型進行迭代及運算，具體實現如下：

3-1.建立特征工程；

3-2.建立模型；

3-3、采用XGBoost算法分析土地單價；

步驟3-1所述的建立特征工程，具體如下：

將影響工業土地價格的特征大致分為兩大類：一是工業地塊特有信息；二是工業地塊所屬行政區域的統計指標信息，具體如下：

(1)工業地塊特有信息

根據工業地塊所在的地理位置和經緯度信息，獲得其相應的地塊特有信息，包含周邊配套、周邊交通、政策影響以及歷史成交情況這四大塊因素，共計18個特征，包括政府機構、公交、醫院、學校、美食、商場、酒店、高速口、地鐵口、火車站、土地等級、基準地價、政策規劃、已成交月份數、成交所在年份；

(2)工業地塊區域的統計指標信息

通過對公開數據和統計年鑒的信息進行ETL梳理，根據工業地塊所屬的行政區域劃分，按區縣級、市級、省級分別匯總關于人口信息、國民經濟、工業發展、就業信息、城市建設、公用設施和科教文衛七大類的統計指標信息；然而工業地塊所屬行政區域關于這七個大類所屬下的一系列具體化的統計指標個數較多，特征數量較大，為克服這些具體化的統計指標之間的相關性、重疊性，通過因子分析FA對每個二級特征中的多個細粒度統計指標進行降維和簡化數據，用較少的特征來表示較多的原始特征；因子分析中的公共因子是不可直接觀測但又客觀存在的共同影響因素，每一個變量都能夠表示成公共因子的線性函數與特殊因子之和，即

X_i＝a_i1F₁+a_i2F₂+…+a_imF_m+ε_i,(i＝1,2,…,p)

式中，F₁,F₂,…,F_m稱為公共因子，ε_i稱為X_i的特殊因子；a_i1,a_i2,…,a_im稱為公共因子之間線性組合系數；X_i稱為細粒度統計指標。

2.根據權利要求1所述的一種基于大數據及智能決策機制的工業地塊估計方法，其特征在于工業地塊所屬省級、市級、區縣級的區域信息共有155個細粒度統計指標，且需要對每個二級特征中所屬的多個細粒度統計指標進行因子分析，分別根據其碎石圖來判斷每個二級特征所需提取的公共因子個數，以此實現特征的降維和簡化；再者將每個二級特征中所提取的公共因子進行計算得出相應的因子得分，作為新生成的三級特征；最終用較少個數的三級特征分別來表示每個二級特征中的一系列細粒度統計指標信息；具體內容見表2中的三級特征，每個二級特征中的所有三級特征因子累積方差貢獻率均在80％以上；因此，根據工業地塊的區域信息最終可新生成35個三級特征，并且這已經包含了大部分的原始統計指標信息；

表2 工業地塊區域信息