基于多层级模型融合的房产自动评估方法及系统技术方案

本发明专利技术公开了一种基于多层级模型融合的房产自动评估方法及系统，其中，该方法包括：根据行政区划分房产分区，获取并量化小区级房产特征、楼栋级房产特征和房屋级房产特征；将房产分区内待估小区对应的小区级房产特征输入预先训练的小区基准价自动评估模型得到待估小区的小区基准价；将小区基准价、小区级房产特征、楼栋级房产特征和房屋级房产特征输入预先训练的房价自动评估模型得到待估小区的房产价格。该方法解决了传统模型单一性问题，在一定程度上提升了模型精度，可以准确的评估房价。

A Method and System for Automatic Assessment of Real Estate Based on Multi-level Model Fusion

The invention discloses an automatic real estate evaluation method and system based on multi-level model fusion. The method includes: dividing the real estate zones according to the administrative region, acquiring and quantifying the characteristics of the real estate at the district level, building level and house level; and inputting the corresponding characteristics of the real estate at the district level in the real estate zoning into the pre-trained benchmark price of the district automatically. The model obtains the base price of the residential area to be evaluated, and inputs the base price of the residential area, the real estate characteristics of the residential area, the building property characteristics and the house property characteristics into the pre-trained house price automatic evaluation model to get the real estate price of the residential area to be evaluated. This method solves the problem of simplicity of traditional models, improves the accuracy of models to a certain extent, and can accurately evaluate house prices.

【技术实现步骤摘要】
基于多层级模型融合的房产自动评估方法及系统
本专利技术涉及价格评估
，特别涉及一种基于多层级模型融合的房产自动评估方法及系统。
技术介绍
房产估价是指结合房地产基本的评估理论，在对影响房产价值的因素进行综合分析的基础上，估算房产在估价时间点的价值，是房地产税务评估、房地产销售和租赁价格评估、房地产抵押风险控制的重要依据。相关技术中，比如一种基于小区、单模型的房屋资产估价方法，使用城市空间区位系数、商业密集程度系数、交通便捷程度系数小区景观差异系数、周边医疗系数、周边教育系数、周边休闲系数代表区位因素。又如，一种基于神经网络统计学模型的房地产估值系统，按照行政区、物业类型、片区、小区来确定神经网络，使用商业中心距离、交通状况、行政区代表区位因素。再如一种多模型融合的房产评估方法，通过待估房产获取其相关区域内的可比案例，使用生活配套、教育配套、交通便捷度代表区位因素，采用集对分析模型、VIKOR模型、模糊数学模型、神经网络模型分别计算相关参数，克服了传统估价模型单一性。但是仍存在一些问题，如房产分区大多以行政区建立分区，没有继续往下细分，分区内房产相似度较低，影响评估精度；部分技术采用基于小区或者待估房产相关区域分区，但需要构建大量模型，而且无法评估可比案例较少的区域；使用多个特征变量代理区位因素直接输入到评估模型中，但这些特征选取和量化没有建立标准，而且模型难以直接学习到有效的组合特征来代表区位因素；部分技术提出了一种多模型融合的房产评估方法，但只是通过类似bagging(一种用来提高学习算法准确度的方法)的思想在同一级建立了多种模型，没有分层级地融合不同的模型。综上，房产估价存在的问题为：1)房产分区难以合理划分：房产分区要求被分为同一区域的房地产具有高度相似性，而不同类之间具有高度排异性。若分区划分过细，需要构建大量模型，而且部分可比案例少的区域会导致评估精度较低。若分区划分较大，同一分区内的房产相似度较低，同样导致评估精度降低；2)房产区位因素难以直接量化：由于房产位置的固定性，在房产评估时，区位因素起着不可忽视的作用，但房产区位因素特征变量较为复杂且较难量化，难以评估其对房产价格的影响，模型难以直接学习到有效的组合特征来代表区位因素。3)单模型精度瓶颈：不同的模型是从不同的角度分析数据，单模型只能从单一方面对数据建模，存在精度瓶颈。
技术实现思路
本专利技术旨在至少在一定程度上解决相关技术中的技术问题之一。为此，本专利技术的一个目的在于提出一种基于多层级模型融合的房产自动评估方法，该方法解决了传统模型单一性问题，在一定程度上提升了模型精度，可以准确的评估房价。本专利技术的另一个目的在于提出一种基于多层级模型融合的房产自动评估系统。为达到上述目的，本专利技术一方面实施例提出了一种基于多层级模型融合的房产自动评估方法，包括：根据行政区划分房产分区，获取并量化小区级房产特征、楼栋级房产特征和房屋级房产特征；将所述房产分区内待估小区对应的所述小区级房产特征输入预先训练的小区基准价自动评估模型得到所述待估小区的小区基准价；将所述小区基准价、所述小区级房产特征、所述楼栋级房产特征和所述房屋级房产特征输入预先训练的所述房价自动评估模型得到所述待估小区的房产价格。本专利技术实施例的基于多层级模型融合的房产自动评估方法，通过建立房价自动评估模型，以行政区建立评估分区，输入是小区基准价、小区级特征变量、楼栋级特征变量和房屋级特征变量，输出是最终预测的房价。小区基准价自动评估模型和房价自动评估模型都分别建立了GBDT模型、随机森林模型和神经网络模型，通过加权求和的方式实现模型的融合，解决了传统模型单一性问题，在一定程度上提升了模型精度，可以准确的评估房价。另外，根据本专利技术上述实施例的基于多层级模型融合的房产自动评估方法还可以具有以下附加的技术特征：进一步地，在本专利技术的一个实施例中，通过所述小区级房产特征训练GBDT模型、随机森林模型、神经网络模型以融合得到所述小区基准价自动评估模型；通过所述小区基准价、所述小区级房产特征、所述楼栋级房产特征和所述房屋级房产特征训练所述GBDT模型、所述随机森林模型、所述神经网络模型以融合得到所述房价自动评估模型。进一步地，在本专利技术的一个实施例中，通过所述小区基准价模型得到所述待估小区的多个所述小区基准价，对多个所述小区基准价加权平均得到所述待估小区最终的所述小区基准价。进一步地，在本专利技术的一个实施例中，通过所述房价自动评估模型得到所述待估小区的多个房产价格，对所述多个房产价格加权平均得到所述待估小区的最终房产价格。进一步地，在本专利技术的一个实施例中，所述小区级房产特征包括地理位置、容积率、绿地率、建成年份、物业管理、停车位、学区房、交通状况和生活配套设施；所述楼栋级房产特征包括：建筑年代、建筑类型、建筑结构、物业类型、楼高和电梯状况；所述房屋级房产特征包括：户型结构、面积、楼层、楼层、装修情况和朝向。为达到上述目的，本专利技术另一方面实施例提出了一种基于多层级模型融合的房产自动评估系统，包括：获取模块，用于根据行政区划分房产分区，获取并量化小区级房产特征、楼栋级房产特征和房屋级房产特征；第一输出模块，用于将所述房产分区内待估小区对应的所述小区级房产特征输入预先训练的小区基准价自动评估模型得到所述待估小区的小区基准价；第二输出模块，用于将所述小区基准价、所述小区级房产特征、所述楼栋级房产特征和所述房屋级房产特征输入预先训练的所述房价自动评估模型得到所述待估小区的房产价格。本专利技术实施例的基于多层级模型融合的房产自动评估系统，通过建立房价自动评估模型，以行政区建立评估分区，输入是小区基准价、小区级特征变量、楼栋级特征变量和房屋级特征变量，输出是最终预测的房价。小区基准价自动评估模型和房价自动评估模型都分别建立了GBDT模型、随机森林模型和神经网络模型，通过加权求和的方式实现模型的融合，解决了传统模型单一性问题，在一定程度上提升了模型精度，可以准确的评估房价。另外，根据本专利技术上述实施例的基于多层级模型融合的房产自动评估系统还可以具有以下附加的技术特征：进一步地，在本专利技术的一个实施例中，通过所述小区级房产特征训练GBDT模型、随机森林模型、神经网络模型以融合得到所述小区基准价自动评估模型；通过所述小区基准价、所述小区级房产特征、所述楼栋级房产特征和所述房屋级房产特征训练所述GBDT模型、所述随机森林模型、所述神经网络模型以融合得到所述房价自动评估模型。进一步地，在本专利技术的一个实施例中，所述第一输出模块进一步用于，通过所述小区基准价模型得到所述待估小区的多个所述小区基准价，对多个所述小区基准价加权平均得到所述待估小区最终的所述小区基准价。进一步地，在本专利技术的一个实施例中，所述第二输出模块进一步用于，通过所述房价自动评估模型得到所述待估小区的多个房产价格，对所述多个房产价格加权平均得到所述待估小区的最终房产价格。进一步地，在本专利技术的一个实施例中，所述小区级房产特征包括地理位置、容积率、绿地率、建成年份、物业管理、停车位、学区房、交通状况和生活配套设施；所述楼栋级房产特征包括：建筑年代、建筑类型、建筑结构、物业类型、楼高和电梯状况；所述房屋级房产特征包括：户型结构、面积、楼层、楼层、装修情况和朝向。本专利技术附加的方本文档来自技高网...

【技术保护点】
1.一种基于多层级模型融合的房产自动评估方法，其特征在于，包括以下步骤：根据行政区划分房产分区，获取并量化小区级房产特征、楼栋级房产特征和房屋级房产特征；将所述房产分区内待估小区对应的所述小区级房产特征输入预先训练的小区基准价自动评估模型得到所述待估小区的小区基准价；将所述小区基准价、所述小区级房产特征、所述楼栋级房产特征和所述房屋级房产特征输入预先训练的所述房价自动评估模型得到所述待估小区的房产价格。

【技术特征摘要】
1.一种基于多层级模型融合的房产自动评估方法，其特征在于，包括以下步骤：根据行政区划分房产分区，获取并量化小区级房产特征、楼栋级房产特征和房屋级房产特征；将所述房产分区内待估小区对应的所述小区级房产特征输入预先训练的小区基准价自动评估模型得到所述待估小区的小区基准价；将所述小区基准价、所述小区级房产特征、所述楼栋级房产特征和所述房屋级房产特征输入预先训练的所述房价自动评估模型得到所述待估小区的房产价格。2.根据权利要求1所述的基于多层级模型融合的房产自动评估方法，其特征在于，通过所述小区级房产特征训练GBDT模型、随机森林模型、神经网络模型以融合得到所述小区基准价自动评估模型；通过所述小区基准价、所述小区级房产特征、所述楼栋级房产特征和所述房屋级房产特征训练所述GBDT模型、所述随机森林模型、所述神经网络模型以融合得到所述房价自动评估模型。3.根据权利要求1所述的基于多层级模型融合的房产自动评估方法，其特征在于，通过所述小区基准价模型得到所述待估小区的多个所述小区基准价，对多个所述小区基准价加权平均得到所述待估小区最终的所述小区基准价。4.根据权利要求1所述的基于多层级模型融合的房产自动评估方法，其特征在于，通过所述房价自动评估模型得到所述待估小区的多个房产价格，对所述多个房产价格加权平均得到所述待估小区的最终房产价格。5.根据权利要求1所述的基于多层级模型融合的房产自动评估方法，其特征在于，所述小区级房产特征包括地理位置、容积率、绿地率、建成年份、物业管理、停车位、学区房、交通状况和生活配套设施；所述楼栋级房产特征包括：建筑年代、建筑类型、建筑结构、物业类型、楼高和电梯状况；所述房屋级房产特征包括：户型结构、面积、楼层、楼层、装修情况和朝向。6.一种基于多层级模型融合的房产自动评估系统，其特...

【专利技术属性】
技术研发人员：鄂海红，宋美娜，王昕睿，
申请(专利权)人：北京邮电大学，
类型：发明
国别省市：北京,11