基于POI數(shù)據(jù)的城市房?jī)r(jià)評(píng)估系統(tǒng)設(shè)計(jì)與實(shí)現(xiàn)

秦心靜,章 平,張新楊

(安徽工程大學(xué)計(jì)算機(jī)與信息學(xué)院,安徽 蕪湖 241000)

0 引言

隨著城市經(jīng)濟(jì)的飛速發(fā)展,房地產(chǎn)市場(chǎng)逐漸完善,二手房交易市場(chǎng)逐年擴(kuò)張,合理評(píng)估二手房?jī)r(jià)格的問(wèn)題也越來(lái)越突出[1]。當(dāng)前,房地產(chǎn)估價(jià)行業(yè)大多采用市場(chǎng)比較法、收益法、成本法。通過(guò)對(duì)比類似房產(chǎn)價(jià)格、評(píng)估預(yù)期收益價(jià)格、計(jì)算生產(chǎn)費(fèi)用等方法來(lái)確定房?jī)r(jià)。這些方式受房?jī)r(jià)評(píng)估者的主觀影響較大,評(píng)估效率較低[2]。近些年國(guó)內(nèi)外研究者在使用特征價(jià)格模型(Hedonic Price Model,HPM)[3]的基礎(chǔ)上,廣泛采用網(wǎng)絡(luò)大數(shù)據(jù),將房?jī)r(jià)評(píng)估與數(shù)據(jù)挖掘技術(shù)相結(jié)合來(lái)構(gòu)建房?jī)r(jià)評(píng)估模型,用于提高房?jī)r(jià)預(yù)測(cè)精度和可解釋性。

在模型估價(jià)過(guò)程中,影響房?jī)r(jià)的特征除房屋自身屬性數(shù)據(jù)外,常加入外部經(jīng)濟(jì)因素[4-5]、周邊學(xué)校質(zhì)量[6]、地理位置價(jià)值[7]等特征,通過(guò)量化特征來(lái)構(gòu)建房?jī)r(jià)與特征之間的關(guān)系式,從而分析房?jī)r(jià)生成模式。如ZHAN等[8]使用機(jī)器學(xué)習(xí)方法捕捉房屋屬性數(shù)據(jù)與宏觀經(jīng)濟(jì)數(shù)據(jù)間的非線性關(guān)系,從而構(gòu)建預(yù)測(cè)模型。XIONG等[9]使用關(guān)聯(lián)分析選擇關(guān)鍵特征影響因素來(lái)建立預(yù)測(cè)模型。TCHUENTE等[10]結(jié)合地理編碼量化房?jī)r(jià)評(píng)估中位置特征的相關(guān)性。FU等[7]研究房?jī)r(jià)地理相關(guān)性,分析個(gè)人特征、附近房地產(chǎn)價(jià)值以及潛在商業(yè)區(qū)價(jià)值的概率排名來(lái)進(jìn)行房地產(chǎn)評(píng)估。

有關(guān)興趣點(diǎn)(POI)數(shù)據(jù)對(duì)房?jī)r(jià)影響的研究,唐紅濤等[11]使用POI數(shù)據(jù)探索區(qū)位因素對(duì)房?jī)r(jià)的影響。史丁尹[12]利用POI數(shù)據(jù)研究可達(dá)性對(duì)住房市場(chǎng)的影響,分析交通發(fā)展和居住空間發(fā)展的關(guān)系。其中,興趣點(diǎn)數(shù)據(jù)是指地理信息系統(tǒng)中可以抽象為點(diǎn)的地理對(duì)象。對(duì)于劃分子市場(chǎng)模型的研究,LIU等[13]使用位置鄰近性、房屋相似性以及可替代性建立子市場(chǎng)效應(yīng)來(lái)劃分市場(chǎng)。LIU等[14]利用層次空間功能分析有限空間內(nèi)子市場(chǎng)功能的聚類。然而,這些研究都是從某個(gè)方面提升預(yù)測(cè)精度,缺乏面向用戶的實(shí)際應(yīng)用性。

現(xiàn)有對(duì)房地產(chǎn)系統(tǒng)的研究,如通過(guò)空間大數(shù)據(jù)的內(nèi)容、協(xié)作和位置提供個(gè)性化的房地產(chǎn)推薦,使用在線房地產(chǎn)系統(tǒng)監(jiān)控用戶互動(dòng)來(lái)評(píng)估推薦有效性[15];依據(jù)位置、環(huán)境以及外部經(jīng)濟(jì)因素,構(gòu)建適用于多區(qū)域的評(píng)估模型,并實(shí)現(xiàn)面向用戶的房?jī)r(jià)評(píng)估系統(tǒng)[16];強(qiáng)化特征提取和量化模塊處理各類型特征,結(jié)合機(jī)器學(xué)習(xí)方法設(shè)計(jì)房地產(chǎn)估價(jià)系統(tǒng)[17];利用GIS爬蟲(chóng)技術(shù)對(duì)房產(chǎn)數(shù)據(jù)進(jìn)行提取、存儲(chǔ)、空間分析,依據(jù)實(shí)時(shí)房產(chǎn)交易案例實(shí)現(xiàn)房?jī)r(jià)估算系統(tǒng)[18]。

本文以上述研究為基礎(chǔ),引入貝葉斯概率模型,通過(guò)增加POI特征結(jié)合機(jī)器學(xué)習(xí)方法構(gòu)建基于位置子市場(chǎng)的房?jī)r(jià)評(píng)估模型,以提高房?jī)r(jià)預(yù)測(cè)的準(zhǔn)確性。同時(shí),實(shí)際應(yīng)用的需求,搭建基于子市場(chǎng)模型的房?jī)r(jià)評(píng)估可視化系統(tǒng)。系統(tǒng)首先利用數(shù)據(jù)挖掘技術(shù)采集城市POI數(shù)據(jù)和二手房地產(chǎn)數(shù)據(jù),并存儲(chǔ)至MySQL數(shù)據(jù)庫(kù);其次,使用房屋位置特征來(lái)劃分房屋子市場(chǎng)范圍,依據(jù)特征價(jià)格理論構(gòu)建基于位置子市場(chǎng)的貝葉斯概率模型;最后依據(jù)此模型建立模塊化的房?jī)r(jià)評(píng)估系統(tǒng),借助Django框架、BootStrap、Echarts搭建可視化功能,以地理圖標(biāo)和統(tǒng)計(jì)圖表呈現(xiàn)可視化結(jié)果,實(shí)現(xiàn)房?jī)r(jià)評(píng)估、目標(biāo)房產(chǎn)篩選、房屋信息查詢等模塊功能。此外,本系統(tǒng)采用的數(shù)據(jù)庫(kù)和評(píng)估模型均是訓(xùn)練后的數(shù)據(jù),系統(tǒng)評(píng)估時(shí)可離線運(yùn)行,不受網(wǎng)絡(luò)環(huán)境影響。模塊化的功能設(shè)計(jì)也可適應(yīng)模型提升和用戶需求改進(jìn)。

1 系統(tǒng)總體設(shè)計(jì)

本系統(tǒng)主要提供房?jī)r(jià)預(yù)測(cè)、信息查詢以及信息可視化的服務(wù)。用戶可以根據(jù)需求選擇相應(yīng)服務(wù)頁(yè)面,依據(jù)頁(yè)面提示輸入查詢信息,系統(tǒng)將用戶輸入信息與數(shù)據(jù)表信息進(jìn)行對(duì)比擬合,進(jìn)而完成運(yùn)算并提供服務(wù)。

房?jī)r(jià)評(píng)估系統(tǒng)的邏輯如圖1所示。首先是數(shù)據(jù)的采集和管理過(guò)程,利用MySQL數(shù)據(jù)庫(kù)的數(shù)據(jù)管理功能,在估值系統(tǒng)內(nèi)對(duì)估價(jià)相關(guān)的人員信息和數(shù)據(jù)信息進(jìn)行管理,創(chuàng)建包括用戶信息表、管理員信息表、房產(chǎn)信息表、POI信息表的數(shù)據(jù)總庫(kù)。其次在系統(tǒng)服務(wù)提供過(guò)程中,依據(jù)房屋位置數(shù)據(jù)劃分所屬子市場(chǎng),綜合子市場(chǎng)與房屋特征構(gòu)建每個(gè)子市場(chǎng)的估價(jià)模型,具體實(shí)現(xiàn)過(guò)程將在3.1節(jié)估價(jià)模型構(gòu)建中介紹。在應(yīng)用服務(wù)中,用戶輸入所查詢信息,系統(tǒng)在服務(wù)過(guò)程中調(diào)用POI信息和房產(chǎn)信息完成目標(biāo)信息搜索。如對(duì)房屋價(jià)格的預(yù)測(cè),用戶輸入所查詢房屋的屬性信息及經(jīng)緯度坐標(biāo)生成待估房產(chǎn)列表,系統(tǒng)依據(jù)經(jīng)緯度坐標(biāo)調(diào)取周邊POI數(shù)據(jù)并統(tǒng)計(jì)數(shù)量,再將更新后的列表導(dǎo)入房?jī)r(jià)預(yù)測(cè)模型中進(jìn)行估算,即可預(yù)測(cè)價(jià)格。最后將系統(tǒng)服務(wù)返回至前端界面,實(shí)現(xiàn)面向用戶的房?jī)r(jià)預(yù)測(cè)服務(wù)、搜索服務(wù)以及可視化分析。

圖1 系統(tǒng)構(gòu)建邏輯示意圖

2 系統(tǒng)詳細(xì)設(shè)計(jì)

2.1 框架設(shè)計(jì)

采用Django框架[19]中MTV模式來(lái)搭建系統(tǒng),即模型Models、視圖Views和模板Templates。模型即數(shù)據(jù)存取層,表示數(shù)據(jù)的模式,用于處理與房屋數(shù)據(jù)相關(guān)的所有事務(wù)。視圖即業(yè)務(wù)邏輯層,存取房?jī)r(jià)評(píng)估模型及調(diào)取業(yè)務(wù)模塊的相關(guān)邏輯,是數(shù)據(jù)層與網(wǎng)頁(yè)的橋梁。模板即表現(xiàn)層,處理與用戶操作相關(guān)的前端頁(yè)面,通過(guò)與業(yè)務(wù)邏輯層結(jié)合實(shí)現(xiàn)實(shí)時(shí)展示數(shù)據(jù)及房產(chǎn)評(píng)估處理結(jié)果。

系統(tǒng)程序流程如圖2所示。用戶向Web服務(wù)器發(fā)送評(píng)估請(qǐng)求,Web服務(wù)器收到請(qǐng)求后,依據(jù)請(qǐng)求內(nèi)容用URL或Path方法調(diào)用邏輯層中相應(yīng)的業(yè)務(wù)處理模塊,如房?jī)r(jià)預(yù)測(cè)模塊、POI搜索模塊等。然后將網(wǎng)頁(yè)請(qǐng)求對(duì)象作為參數(shù)傳給模型,利用模型與數(shù)據(jù)表相對(duì)應(yīng)的關(guān)系,從數(shù)據(jù)庫(kù)中取出數(shù)據(jù),邏輯處理后返回到表現(xiàn)層,通過(guò)前端框架展現(xiàn),將評(píng)估結(jié)果可視化呈現(xiàn)給用戶。

圖2 系統(tǒng)程序流程圖

2.2 功能設(shè)計(jì)

2.2.1 前端

系統(tǒng)前端使用Html+Css+JavaScript和BootStrap框架快速構(gòu)建前端邏輯,并使用Echarts框架構(gòu)建餅圖、柱狀圖等可視化界面。主要功能如下:

(1)登錄/注冊(cè):利用用戶合約對(duì)用戶信息進(jìn)行定義,并編寫登錄、注冊(cè)功能接口。登錄接口通過(guò)在用戶信息中查找該賬號(hào)的數(shù)據(jù)完成核對(duì)登錄,注冊(cè)接口則通過(guò)向用戶信息表的數(shù)據(jù)中插入一條新數(shù)據(jù)完成信息錄入。

(2)價(jià)格預(yù)測(cè)過(guò)程:用戶輸入賬號(hào)密碼后,系統(tǒng)跳轉(zhuǎn)至價(jià)格預(yù)測(cè)頁(yè)面,依據(jù)頁(yè)面提示輸入想要查詢的房屋屬性,系統(tǒng)后端接收后快速計(jì)算預(yù)測(cè)價(jià)格。預(yù)測(cè)過(guò)程主要通過(guò)將訓(xùn)練測(cè)試后的子市場(chǎng)模型以PKL文件形式導(dǎo)入評(píng)估系統(tǒng),預(yù)測(cè)時(shí)依據(jù)查詢條件進(jìn)行模型估算得到房屋的預(yù)測(cè)價(jià)格。

(3)地圖坐標(biāo)顯示:展示所查詢房產(chǎn)的實(shí)際地理位置。

(4)搜索服務(wù)/可視化分析:分析房屋的房產(chǎn)信息和周邊環(huán)境信息。利用表單獲取相應(yīng)頁(yè)面的輸入數(shù)據(jù),后臺(tái)根據(jù)數(shù)據(jù)信息調(diào)用高德地圖接口,獲取經(jīng)緯度坐標(biāo)進(jìn)行地點(diǎn)標(biāo)注,并在數(shù)據(jù)總庫(kù)中搜索該坐標(biāo)周邊1 km范圍內(nèi)的房產(chǎn)或POI信息,統(tǒng)計(jì)數(shù)量和數(shù)據(jù)條目之后反饋搜索結(jié)果。同時(shí),搜索結(jié)果可以使用Echarts框架以圖表的形式展示分析結(jié)果。

2.2.2 后端

系統(tǒng)后端負(fù)責(zé)數(shù)據(jù)庫(kù)信息管理,使用MySQL數(shù)據(jù)庫(kù)存取數(shù)據(jù),通過(guò)MySQLclient庫(kù)連接數(shù)據(jù)庫(kù)和系統(tǒng)業(yè)務(wù)邏輯,以模型為載體實(shí)現(xiàn)操作數(shù)據(jù)庫(kù)。主要功能包括用戶管理、管理員管理、房產(chǎn)管理、POI管理以及數(shù)據(jù)可視化操作。

2.3 數(shù)據(jù)庫(kù)設(shè)計(jì)

本系統(tǒng)將數(shù)據(jù)分為POI數(shù)據(jù)和房屋屬性數(shù)據(jù)。POI數(shù)據(jù)用來(lái)直觀表達(dá)房屋位置與周邊建筑環(huán)境的距離、覆蓋度、集中分散程度的信息;房屋屬性數(shù)據(jù)表示房屋自身屬性的信息。如表1所示,POI數(shù)據(jù)包括周邊建筑類型、學(xué)校和交通設(shè)施三種特征,用來(lái)刻畫房屋周邊環(huán)境;房屋基礎(chǔ)特征包括面積、樓層、年份、裝修類型、房屋朝向、客廳數(shù)量、臥室數(shù)量、浴室數(shù)量。

表1 數(shù)據(jù)匯總

POI數(shù)據(jù)采集主要通過(guò)可利用的API接口獲取數(shù)據(jù)。對(duì)比百度地圖、騰訊地圖、高德地圖等多家服務(wù)提供商,本文選用市場(chǎng)率高、獲取數(shù)據(jù)效率高、權(quán)限較大的高德地圖獲取數(shù)據(jù)。系統(tǒng)使用高德地圖多邊形搜索服務(wù)的主要過(guò)程如圖3所示。選定一個(gè)城市范圍,獲取城市的四至坐標(biāo)(左上右下經(jīng)緯度坐標(biāo)),結(jié)合高德Web服務(wù)密鑰,通過(guò)URL請(qǐng)求獲取所需的POI數(shù)據(jù)。

圖3 POI數(shù)據(jù)采集過(guò)程

房屋屬性數(shù)據(jù)通過(guò)大型在線房地產(chǎn)交易網(wǎng)站之一的鏈家網(wǎng)獲取二手房地產(chǎn)市場(chǎng)數(shù)據(jù)。主要過(guò)程是借助Python爬蟲(chóng)技術(shù),傳遞URL請(qǐng)求至目標(biāo)網(wǎng)頁(yè)下載器,從網(wǎng)頁(yè)中提取所需數(shù)據(jù)和URL列表,并使用BeautfulSoup正則表達(dá)式對(duì)獲取的網(wǎng)頁(yè)進(jìn)行解析。

系統(tǒng)采用MySQL數(shù)據(jù)庫(kù)來(lái)管理空間數(shù)據(jù),與其他數(shù)據(jù)庫(kù)相比,MySQL規(guī)模較小,但具有成本低、可跨平臺(tái)、支持各種開(kāi)發(fā)語(yǔ)言、存儲(chǔ)容量大等特點(diǎn)。在MySQL中新建城市房?jī)r(jià)評(píng)估系統(tǒng)數(shù)據(jù)庫(kù),并建立相應(yīng)的數(shù)據(jù)表。數(shù)據(jù)庫(kù)表主要有四張,包括用戶信息、管理員信息、房產(chǎn)信息、POI信息,每張表的名稱、類型、長(zhǎng)度如表2所示。

表2 數(shù)據(jù)庫(kù)說(shuō)明信息表

3 系統(tǒng)實(shí)現(xiàn)

3.1 估價(jià)模型構(gòu)建

估價(jià)模型構(gòu)建如圖4所示。首先采集所評(píng)估城市的房屋屬性數(shù)據(jù)和POI數(shù)據(jù),建立相應(yīng)庫(kù)表存儲(chǔ)。其次利用房屋位置特征對(duì)房地產(chǎn)市場(chǎng)進(jìn)行子市場(chǎng)劃分,構(gòu)建每個(gè)子市場(chǎng)中房屋屬性與房?jī)r(jià)關(guān)系的計(jì)算公式,訓(xùn)練出每個(gè)子市場(chǎng)的貝葉斯概率模型[13]。最后將訓(xùn)練后的模型導(dǎo)入房?jī)r(jià)評(píng)估系統(tǒng)。在房?jī)r(jià)評(píng)估時(shí),通過(guò)用戶輸入的房屋屬性和位置,計(jì)算該房屋屬于每個(gè)子市場(chǎng)的概率及在各子市場(chǎng)中的價(jià)格,加權(quán)平均得到最終預(yù)測(cè)價(jià)格。

圖4 房?jī)r(jià)估值系統(tǒng)邏輯示意圖

基于子市場(chǎng)的貝葉斯概率模型的訓(xùn)練過(guò)程如下:(1)調(diào)用機(jī)器學(xué)習(xí)庫(kù)中的梯度提升回歸樹(shù)(GBRT)模型[20];(2)設(shè)置GBRT的參數(shù),并基于劃分后的訓(xùn)練集數(shù)據(jù)進(jìn)行建模;(3)不斷調(diào)整子市場(chǎng)數(shù)量進(jìn)行模型訓(xùn)練,得到最優(yōu)的子市場(chǎng)劃分結(jié)果;(4)確定子市場(chǎng)數(shù)量后,測(cè)試模型,計(jì)算預(yù)測(cè)價(jià)格與真實(shí)價(jià)格之間的誤差,驗(yàn)證評(píng)估模型的準(zhǔn)確度;(5)將訓(xùn)練完成的模型封裝成pkl文件導(dǎo)入系統(tǒng),用戶輸入待評(píng)估數(shù)據(jù)時(shí)直接調(diào)用模型進(jìn)行預(yù)測(cè)。房屋數(shù)據(jù)特征量化后,劃分出訓(xùn)練集、測(cè)試集、驗(yàn)證集并帶入模型進(jìn)行運(yùn)算。

3.2 評(píng)估系統(tǒng)實(shí)現(xiàn)

基于系統(tǒng)功能設(shè)計(jì),以主要服務(wù)功能即價(jià)格預(yù)測(cè)服務(wù)、搜索服務(wù)以及可視化分析為例,探討最終系統(tǒng)的用戶前端操作管理和后端信息管理過(guò)程的實(shí)現(xiàn)效果。

3.2.1 基于GBRT模型的價(jià)格預(yù)測(cè)實(shí)現(xiàn)

用戶輸入待評(píng)估房產(chǎn)信息后,系統(tǒng)根據(jù)房屋位置信息統(tǒng)計(jì)周邊1 km內(nèi)POI數(shù)量,將POI數(shù)據(jù)與所輸入的房屋屬性數(shù)據(jù)傳輸至房?jī)r(jià)預(yù)測(cè)模型中,即可獲得評(píng)估價(jià)格。

實(shí)現(xiàn)過(guò)程如下所示:

算法1 價(jià)格預(yù)測(cè)服務(wù)

輸入:用戶請(qǐng)求列表(年份、面積、結(jié)構(gòu)、樓層、朝向、裝修、經(jīng)度、緯度){test_data}

輸出:預(yù)測(cè)價(jià)格{average_price}

list←{test_data}

dict←1000

poi_count_list←{}

poi_list←models.PoiInfo.values.list

for i in poi_list do

poi_count_list←append(Get the number of poi within 1km(lon, lat, dict, i))

for i in poi_count_list do

list.append(i)

price←model_test Invoke model estimation

sum_price←0

for i in price do

sum_price←sum_price+i

average_price←sum_price/len(price)

3.2.2 搜索服務(wù)

搜索服務(wù)包括房產(chǎn)搜索、小區(qū)搜索、POI搜索。房產(chǎn)搜索服務(wù)通過(guò)輸入待查詢房屋屬性信息,提交至系統(tǒng)后端,根據(jù)后臺(tái)房產(chǎn)信息表進(jìn)行對(duì)比,查詢符合條件的房屋,并將這些房屋的經(jīng)緯度坐標(biāo)返回至地圖標(biāo)記。

小區(qū)搜索服務(wù),通過(guò)輸入小區(qū)名稱,對(duì)比房屋信息表,返回該坐標(biāo)周邊1 km范圍內(nèi)房產(chǎn)信息。POI搜索服務(wù)與小區(qū)搜索服務(wù)相似,通過(guò)輸入查詢小區(qū)名稱,系統(tǒng)根據(jù)名稱獲取經(jīng)緯度坐標(biāo),再依據(jù)房屋信息表,查詢?cè)撟鴺?biāo)周邊1 km范圍內(nèi)所有POI的建筑類型和相應(yīng)數(shù)量,并將統(tǒng)計(jì)結(jié)果和POI坐標(biāo)信息返回至前端頁(yè)面。

實(shí)現(xiàn)過(guò)程如下所示:

算法2 房產(chǎn)搜索(條件搜索)

輸入:用戶請(qǐng)求列表(年份、面積、結(jié)構(gòu)、樓層、朝向、裝修){test_data}

輸出:房產(chǎn)列表{estate_list}

list←{test_data}

estate_out←models.EstateInfo.objects.filter(content filtering).values_list()

estate_list←[]

for i in estate_out do

estate_list.append(i)

算法3 小區(qū)搜索(名稱搜索)

輸入:地點(diǎn)名稱{name}

輸出:周邊房產(chǎn)信息列表{name, result_dic}

location←Get latitude and longitude by name (name, city, key)

lon←float(location.split[0])

lat←float(location.split[1])

estate_out←models.EstateInfo.objects.all()

estate_name_list←[]

for i in estate_out do

estate_name_list←append(name, estate_name_list)

dict←1000

estate_list←get_estate(lon, lat, dict)

zxy←[]

for i in estate_list do

zxy←append(i[1])

result_dic←count_item_in_list_appear(z)

算法4 POI搜索(名稱搜索)

輸入:地點(diǎn)名稱{name}

輸出:周邊房產(chǎn)名稱以及poi數(shù)量列表{name, result_dic}

location←Get latitude and longitude by name(name, city, key)

lon←float(location.split[0])

lat←float(location.split[1])

estate_out←models.EstateInfo.objects.all()

estate_name_list←[]

for i in estate_out do

estate_name_list←append(name, estate_name_list)

dict←1000

poi_list←Get poi within 1km(lon, lat, dict)

z←[]

for i in poi_list do

z←append(i[8])

result_dic←Count occurrences of poi element(z)

4 系統(tǒng)測(cè)試

為了提高系統(tǒng)功能的可靠性和房產(chǎn)估價(jià)時(shí)的準(zhǔn)確性,本文以合肥市二手房地產(chǎn)交易數(shù)據(jù)和POI數(shù)據(jù)作為測(cè)試數(shù)據(jù),利用系統(tǒng)對(duì)合肥市房屋進(jìn)行具體估價(jià)。數(shù)據(jù)統(tǒng)計(jì)如表3所示。

表3 合肥市數(shù)據(jù)統(tǒng)計(jì)表

價(jià)格預(yù)測(cè)服務(wù)如圖5所示。其中,中心主圖為城市平面地圖,可縮放滑動(dòng)查看城市街道及區(qū)域分布。右側(cè)為用戶輸入?yún)^(qū)域,各房屋屬性都設(shè)有提示信息,使得用戶操作更加便捷。用戶輸入后提交待估信息即可在預(yù)測(cè)價(jià)格欄獲得評(píng)估價(jià)格,同時(shí)系統(tǒng)會(huì)根據(jù)經(jīng)緯度信息在主圖上進(jìn)行地點(diǎn)標(biāo)注。此外,若用戶輸入對(duì)經(jīng)緯度信息未知時(shí),可在主圖地圖相近位置點(diǎn)擊,即可得到經(jīng)緯度坐標(biāo)。

圖5 房?jī)r(jià)預(yù)測(cè)服務(wù)示意圖

房產(chǎn)搜索服務(wù)如圖6所示,用戶輸入待查詢房屋屬性信息,提交至系統(tǒng)后端進(jìn)行運(yùn)算,系統(tǒng)根據(jù)后臺(tái)房產(chǎn)信息表進(jìn)行比對(duì),查詢符合條件的房屋,并將這些房屋的經(jīng)緯度坐標(biāo)返回至地圖標(biāo)記。

圖6 房產(chǎn)搜索服務(wù)示意圖

POI搜索服務(wù)如圖7所示,用戶輸入查詢小區(qū)名稱并提交搜索;結(jié)果反饋在右側(cè)POI列表中,列表每一欄代表所查詢小區(qū)附近1 km內(nèi)POI的建筑類型和相應(yīng)數(shù)量;每個(gè)POI位置也相應(yīng)標(biāo)記在地圖中。小區(qū)搜索同樣利用小區(qū)名稱查詢房屋信息,查詢結(jié)果如圖8中房屋列表所示。此外,還提供搜索結(jié)果圖表可視化服務(wù),展示所查詢小區(qū)的周邊房產(chǎn)及房產(chǎn)價(jià)格的直方圖,并進(jìn)行對(duì)比。

圖7 POI搜索服務(wù)示意圖

圖8 小區(qū)搜索服務(wù)示意圖

5 結(jié)語(yǔ)

本系統(tǒng)針對(duì)二手房地產(chǎn)估價(jià)問(wèn)題,提出了利用興趣點(diǎn)(POI)數(shù)據(jù)建立城市房?jī)r(jià)評(píng)估系統(tǒng)。通過(guò)數(shù)據(jù)挖掘技術(shù)獲取POI數(shù)據(jù)和二手房的房屋屬性數(shù)據(jù),引入貝葉斯概率方法,利用位置特征來(lái)劃分房屋子市場(chǎng)范圍,結(jié)合機(jī)器學(xué)習(xí)方法構(gòu)建基于位置子市場(chǎng)的房?jī)r(jià)評(píng)估貝葉斯概率模型,以此提升評(píng)估精度。將完成后的模型導(dǎo)入系統(tǒng)中,以系統(tǒng)的形式實(shí)現(xiàn)數(shù)據(jù)存取和房?jī)r(jià)評(píng)估。系統(tǒng)借助Django框架來(lái)搭建前端可視化應(yīng)用功能,實(shí)現(xiàn)房?jī)r(jià)預(yù)測(cè)、目標(biāo)房產(chǎn)篩選、地圖展示等模塊化功能。以合肥市為例,對(duì)系統(tǒng)進(jìn)行了實(shí)踐測(cè)試,證明了該模型的有效性,具有一定的應(yīng)用價(jià)值。