一种基于SVM和POI的酒店房价预测方法技术

本发明专利技术提供一种基于SVM和POI的酒店房价预测方法，包括步骤：确定待进行酒店房价预测的目标地区，从多个数据源获取目标地区基础数据，目标地区基础数据包括夜间灯光数据、城市POI数据、酒店评分数据、房屋土地成交数据和现有土地利用数据；采用SVM算法建立酒店客房定价预测模型；将目标地区基础数据输入到酒店客房定价预测模型中，获得酒店客房定价预测结果；基于酒店客房定价预测结果对目标地区酒店客房定价空间分布进行模拟，所述方法使用的数据源丰富且易于获取，基于所述方法可以实现城市酒店客房定价空间分布制图的快速、精准更新。新。新。

【技术实现步骤摘要】
一种基于SVM和POI的酒店房价预测方法


[0001]本专利技术涉及预测模型系统
，尤其涉及一种基于SVM和POI的酒店房价预测方法。

技术介绍

[0002]酒店客房定价对于政府和旅游相关企业的战略规划和决策制定有着极为重要的作用，使自己的利润最大化是投资者对酒店经营的重要目标之一，而价格是实现该目标的重要手段。酒店价格不仅是酒店产品形象和质量的代表，也是市场细分和市场定位的依据。伴随着互联网时代的到来，POI数据所蕴含的丰富信息，越来越多地被学者挖掘分析，逐步成为研究数据的重要来源之一。现有的房价预测算法预测结果与实际情况的偏差较大，特别是新开发酒店的房价更是难以预测。

技术实现思路

[0003]鉴于此，本专利技术的目的在于提供一种基于SVM和POI的酒店房价预测方法，以满足快速、精准地监测酒店客房定价的需求。
[0004]为实现上述专利技术目的，本专利技术提供一种基于SVM和POI的酒店房价预测方法，所述方法包括以下步骤：
[0005]S101、确定待进行酒店房价预测的目标地区，从多个数据源获取目标地区本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.一种基于SVM和POI的酒店房价预测方法，其特征在于，所述方法包括以下步骤：S101、确定待进行酒店房价预测的目标地区，从多个数据源获取目标地区基础数据，所述目标地区基础数据包括夜间灯光数据、城市POI数据、酒店评分数据、房屋土地成交数据和现有土地利用数据；S102、采用SVM算法建立酒店客房定价预测模型；S103、将目标地区基础数据输入到酒店客房定价预测模型中，获得酒店客房定价预测结果；S104、基于酒店客房定价预测结果对目标地区酒店客房定价空间分布进行模拟。2.根据权利要求1所述的一种基于SVM和POI的酒店房价预测方法，其特征在于，所述城市POI数据包括餐饮服务、超市、风景名胜、港口、高等院校、公交、公司、火车站、汽车服务、汽车维修、商场、生活服务、停车场、小学、医疗保健、长途汽车、中学以及综合市场数据。3.根据权利要求2所述的一种基于SVM和POI的酒店房价预测方法，其特征在于，步骤S101中，将目标地区按照预设分辨率切分为多个网格，将酒店评分数据、城市POI数据导入地图编辑器，获得矢量数据并通过网格进行提取。4.根据权利要求1所述的一种基于SVM和POI的酒店房价预测方法，其特征在于，所述夜间灯光数据采用NPP
‑
VIIRS影像，将其导入地图编辑器，获得栅格数据并通过网格提取。5.根据权利要求1所述的一种基于SVM和POI的酒店房价预测方法，其特征在于，步骤S101中，现有土地利用数据的获取具体包括：获取遥感卫星影像，对遥感卫星影像进行处理，所述处理包括影像融合、几何校正、图像增强、拼接处理，对经过处理的遥感卫星影像进行目视解译。6.根据权利要求1所述的一种基于SVM和POI的酒店房价预测方法，其特征在于，步骤S102具体包括以下步骤：将所收集的目标地区基础数据随机划分其中70％的样本作为SVM回归模型的训练集，其中30％的样本作为测试集，基于样本集(x1，y1)，(x2,y2),
…
，(x
i
,y
i
),y
i
∈R,所求函数为f(x)＝w
T
x+b，对于样本容忍基于模型输出f(x)与真实输出y之间的差别来计算损失，支持向量回归能容忍f(x)与y之间最多有θ的偏差，相当于以f(x)为中心，构建一个宽度为2θ的间隔带，若样本落在间隔带内则认为预测正确，根据其定义将其表述为如下凸优化问...

【专利技术属性】
技术研发人员：胡涛，宋浩宇，
申请(专利权)人：海南大学，
类型：发明
国别省市：