申请/专利权人：深圳市云智评信息技术有限公司

申请日：2022-09-27

公开（公告）日：2023-11-28

公开（公告）号：CN115587694B

主分类号：G06Q10/0639

分类号：G06Q10/0639;G06Q30/0645;G06Q50/16

优先权：

专利状态码：有效-授权

法律状态：2023.11.28#授权;2023.01.31#实质审查的生效;2023.01.10#公开

摘要：本发明实施例公开了一种用于房屋租金批量评估的数据处理方法、装置及设备，包括：首先获取收集到的属性数据集合和同一房屋类型对应的租金数据集合以及空间数据，然后基于属性数据建立数据模型，该数据模型实现了为每个房屋进行编号，有利于后续的批量评估，基于租金数据对应的年限对租金数据进行时间修正，并基于修正好的租金数据构建实例数据集，同时，基于空间数据和属性数据进行空间聚类和空间关联，基于空间聚类和空间关联进行区域划分得到区域划分结果，该区域划分的方式相对于传统的仅仅根据区位划分的方式更加的准确，基于区域划分结果来确定每个区域对应的候选可比实例集也就更加的准确。

主权项：1.一种用于房屋租金批量评估的数据处理方法，其特征在于，所述方法包括：获取属性数据集合，所述属性数据集合包括多个属性数据，所述属性数据包括：土地数据、楼栋数据、房屋数据；获取同一房屋类型对应的租金数据集合，所述租金数据集合包括：多个租金数据，每一租金数据对应一个房屋，所述租金数据包括：抽样调查租金数据、中介租金数据、挂牌租金数据和个案评估租金数据，所述房屋类型包括：高层住宅、低层住宅、公寓、别墅中的一种；获取空间数据，所述空间数据包括：遥感影像数据、地形图数据、分区数据、城市道路交通数据和三维数据，所述三维数据包括：利用GIS技术分析量化的景观、污染、日照数据；对所述属性数据进行预处理，基于预处理后的属性数据建立数据模型，所述数据模型是基于土地数据、楼栋数据和房屋数据之间的包含关系构建的，用于确定每个房屋对应的楼栋以及土地，得到每个房屋对应的编号；根据所述租金数据集合中每一租金对应的年限确定相应的时间修正系数，并根据修正好的租金数据构建实例数据集；基于所述空间数据和属性数据进行空间聚类和空间关联，基于所述空间聚类和所述空间关联进行区域划分，得到区域划分结果，所述空间聚类是指将具有相似区位和使用价值的空间归为一类，包括：预先将整个区域划分为多个区块，基于所述空间数据对每个区块的区块特征进行提取，所述区块特征包括：区位因素、交通便捷度、周边景观、环境质量、生活配套设施、教育配套设施；基于所述房屋属性数据进行房屋特征提取，所述房屋特征包括：房屋年代、房屋服务完备度；对所述区块特征和所述房屋特征进行量化，基于量化结果进行空间聚类和空间关联，确定区块与区块之间的相似度和关联度；根据所述区块与区块之间的相似度和关联度进行归类，当两两区块之间的相似度和关联度满足预设条件时，将相应的两个区块归为一个区域；基于所述区域划分结果从所述实例数据集中筛选出与每个区域对应的候选可比实例集；获取区域影响因素和影响租金的其他影响因素，所述其他影响因素设置除了区域以外的影响因素，包括：楼层、户型、朝向、景观、噪音废气、采光通风；所述获取区域影响因素，包括：在预设的第一时间段内获取第一遥感遥测图像数据，基于所述第一遥感遥测图像数据进行人流量及车流量识别，得到第一影响因素；在预设的第二时间段内获取第二遥感遥测图像数据，基于所述第二遥感遥测图像数据进行灯亮识别，得到第二影响因素；所述方法还包括：根据所述第一影响因素和所述第二影响因素确定房屋对应的区域影响权重；基于所述三维数据和所述房屋属性数据建立每个影响因素的量化模型；所述区域划分结果、每个区域对应的候选可比实例集和所述每个影响因素的量化模型用于对房屋租金进行批量评估；所述方法还包括：获取待评估房屋的类型和所在的楼栋，所述类型包括：高层住宅、低层住宅、公寓、别墅中的一种；获取待评估的房屋数据，所述房屋数据包括：户型、面积；根据所述待评估房屋的类型和所在的楼栋确定对应的候选可比实例集合；根据所述待评估房屋的属性数据从所述候选可比实例集合中筛选出N个目标可比实例，其中，N为设定的正整数，包括：根据待评估房屋的属性数据从所述候选可比实例集合中筛选处于同一楼栋的第一交易案例；判断所述第一交易案例是否满足预设的第一价格修正范围，若满足，则将所述第一交易案例作为第一目标可比实例；当所述第一目标可比实例的数量小于N时，则根据待评估房屋的属性数据从所述候选可比实例集合中筛选处于同一小区内的第二交易案例；判断所述第二交易案例是否满足预设的第二价格修正范围，若满足，则将所述第二交易案例作为第二目标可比实例；当所述第一目标可比实例和第二目标可比实例的数量之和小于N时，则根据待评估房屋的属性数据从所述候选可比实例集合中筛选第三交易案例；判断所述第三交易案例是否满足预设的第三价格修正范围，若满足，则将所述第三交易案例作为第三目标可比实例，所述第一目标可比实例、第二目标可比实例和所述第三目标可比实例的数量之和为N；当所述第一目标可比实例的数量大于N时，则提取每个第一目标可比实例对应的标签数据；获取待评估房屋的标签数据；基于所述待评估房屋的标签数据和所述第一目标可比实例的标签数据进行匹配，根据匹配度筛选出N个目标可比实例；获取每个可比实例的实际交易租金、每个可比实例所处楼盘的楼盘间系数、每个可比实例的楼盘内部系数和每个可比实例所处片区的时间修正系数，所述时间修正系数用于对可比实例的实际交易租金进行修正，修正为当前时间对应的理论交易租金；根据所述每个可比实例的实际交易租金、每个可比实例所处楼盘的楼盘间系数、每个可比实例的楼盘内部系数和每个可比实例所处片区的时间修正系数计算得到所述待评估房屋所在楼栋对应的标准房租金；确定楼栋内每套待评估房屋与标准房之间的租金比价关系，每个楼栋对应一个标准房；根据所述标准房租金和所述租金比价关系确定每套待评估房屋的租金参考价格。

全文数据：

权利要求：

百度查询： 深圳市云智评信息技术有限公司 用于房屋租金批量评估的数据处理方法、装置及设备

免责声明
1、本报告根据公开、合法渠道获得相关数据和信息，力求客观、公正，但并不保证数据的最终完整性和准确性。
2、报告中的分析和结论仅反映本公司于发布本报告当日的职业理解，仅供参考使用，不能作为本公司承担任何法律责任的依据或者凭证。

阅读全文 双屏查看 官方信息 专利公告 收藏专利 下载PDF 下载WORD