[發(fā)明專利]一種基于大數(shù)據(jù)的房屋價格自動評估方法

在審

• 申請?zhí)枺?/td>: 201811445064.7
• 申請日: 2018-11-29
• 公開（公告）號: CN109685547A
• 公開（公告）日: 2019-04-26
• 發(fā)明（設(shè)計）人: 嚴(yán)志民;梁麗燕;陳再蝶;陳璐;黃晨鳴
• 申請（專利權(quán)）人: 杭州中房信息科技有限公司
• 主分類號: G06Q30/02
• 分類號: G06Q30/02;G06F16/215;G06F16/2458;G06F16/28
• 代理公司: 杭州求是專利事務(wù)所有限公司 33200
• 代理人: 傅朝棟;張法高

1.一種基于大數(shù)據(jù)的房屋價格自動評估方法，其特征在于包括以下步驟：

1)通過網(wǎng)頁抓取和GIS技術(shù)自動收集各小區(qū)的房屋交易信息及其房屋特征數(shù)據(jù)，所述房屋交易信息為房屋的價格信息，所述房屋特征數(shù)據(jù)包括建筑特征、小區(qū)特征和位置坐標(biāo)；

2)將所有收集到的數(shù)據(jù)進(jìn)行清洗分類，并對房屋特征數(shù)據(jù)進(jìn)行量化后得到房屋的特征變量數(shù)據(jù)，建立房屋特征變量-價格信息數(shù)據(jù)庫；

3)基于改進(jìn)的KNN近鄰算法計算測試房屋對象的價格，具體計算過程包括：3-1)循環(huán)計算測試房屋對象和數(shù)據(jù)庫中每個樣本房屋對象的特征變量相似度，所述相似度計算使用歐幾里得距離d，計算公式如下：

其中n為房屋的特征變量數(shù)量，a_i和b_i分別表示測試房屋a和樣本房屋b的第i個特征；

3-2)使用TopK算法改進(jìn)最近鄰查找，首先隨機(jī)建立一個大小為k的堆，堆中元素的值初始化為0；之后將數(shù)據(jù)庫中所有樣本房屋對象與測試房屋對象的d值逐個與堆中元素的值進(jìn)行比較，若大于則將該d值放入堆中，若不大于則繼續(xù)遍歷，直到遍歷結(jié)束得到測試房屋對象的k個最鄰近樣本房屋對象；

3-3)對上一步得到的k個最鄰近樣本房屋對象進(jìn)行加權(quán)計算得到測試房屋對象的價格估值P，計算分兩種情況：當(dāng)d存在零值時，P取k個最鄰近樣本房屋對象的算術(shù)平均值；當(dāng)d不存在零值時，P為最鄰近樣本房屋對象的價格乘權(quán)的總和與對應(yīng)權(quán)值總和的比值；具體計算公式如下：

其中w_m為第m個最鄰近樣本房屋對象的權(quán)值，其價格為p_m，其相似度為d_m；4)輸出房源價格評估結(jié)果。

2.根據(jù)權(quán)利要求1所述的一種基于大數(shù)據(jù)的房屋價格自動評估方法，其特征在于步驟1)中所述的價格信息包括掛牌價格、簽約價格；所述的建筑特征包括建筑面積、房齡、當(dāng)前層、總層數(shù)、性質(zhì)；所述的小區(qū)特征包括外部資源即教育配套、醫(yī)療資源、菜場、公交、地鐵、公園、湖泊、商業(yè)綜合體和內(nèi)部環(huán)境即綠化率、內(nèi)部設(shè)施；所述的位置坐標(biāo)為經(jīng)緯度。

3.根據(jù)權(quán)利要求1所述的一種基于大數(shù)據(jù)的房屋價格自動評估方法，其特征在于步驟1)中所述的自動收集的數(shù)據(jù)來源包括中介網(wǎng)站、百度地圖和自有渠道。

4.根據(jù)權(quán)利要求3所述的一種基于大數(shù)據(jù)的房屋價格自動評估方法，其特征在于所述的中介網(wǎng)站包括鏈家網(wǎng)、我愛我家、中原、華邦、中聯(lián)、搜房、58同城和安居客。

5.權(quán)利要求1所述的一種基于大數(shù)據(jù)的房屋價格自動評估方法，其特征在于步驟2)所述的對房屋特征數(shù)據(jù)進(jìn)行量化步驟如下：

2-1)小區(qū)性質(zhì)分類：將小區(qū)性質(zhì)分類分為住宅、商業(yè)及工業(yè)三大類和細(xì)分類別；

2-2)評分評價：對小區(qū)周邊學(xué)區(qū)、醫(yī)院和商業(yè)配套進(jìn)行評分；

2-3)距離量化及標(biāo)準(zhǔn)化：對小區(qū)到周邊環(huán)境的距離進(jìn)行量化，并采取標(biāo)準(zhǔn)化手段進(jìn)行統(tǒng)一，所述周邊環(huán)境包括公園、河流、湖泊；

2-4)經(jīng)緯度轉(zhuǎn)化：將小區(qū)經(jīng)緯度轉(zhuǎn)化為區(qū)域劃分的區(qū)域等級。