System.ArgumentOutOfRangeException: 索引和长度必须引用该字符串内的位置。 参数名: length 在 System.String.Substring(Int32 startIndex, Int32 length) 在 zhuanliShow.Bind()
【技术实现步骤摘要】
本申请涉及信息,尤其涉及一种房源租赁定价方法、装置、电子设备及存储介质。
技术介绍
1、目前在房屋租赁中,房屋经过装修后的定价很重要,传统定价方式基本为人工定价,人工定价在待定价房屋数量较小时成本较低,但是一旦待定价的房屋数量上来,此时人工定价的人工成本及其昂贵,且往往容易出现同房不同价,虽然可以参考已成交房源的租赁价格,但是在实际交易过程中,租客和房东可以进行议价协商,挂牌价格和最后成交价格之间可能存在一定的差异性,房源的实际成交价格并不能被用户从网站或app上准确获取,导致房源租赁价格定位不准,影响房源租赁交易。
技术实现思路
1、本申请提供了一种房源租赁定价方法、装置、电子设备及存储介质,以解决如何准确对待租赁房源进行准确的租赁定价的技术问题。
2、第一方面,本申请提供了一种房源租赁定价方法,所述方法包括:
3、获取目标城市的房屋租赁数据,以及获取所述目标城市的交通数据、商圈数据、就业数据以及城市配套兴趣点数据;
4、将所述目标城市的地图进行网格化处理,得到多个网格区域;
5、对每个所述网格区域作如下处理:根据所述网格区域内的所述交通数据、所述商圈数据、所述就业数据和所述城市配套兴趣点数据确定所述网格区域的目标区位评分指标;其中,所述目标区位评分指标包括交通评分、商业配套评分、就业评分、景观评分和嫌恶评分;
6、从所述房屋租赁数据中提取待租赁房源的建筑特征;其中,所述建筑特征包括房屋面积、房屋朝向、房屋户型、楼层比、
7、根据所述待租赁房源对应的目标区位评分指标和所述建筑特征对所述待租赁房源的租金进行定价。
8、可选地,根据所述待租赁房源对应的目标区位评分指标和所述建筑特征对所述待租赁房源的租金进行定价,包括:
9、确定所述待租赁房源对应的目标网格区域的出口;
10、获取所述待租赁房源与所述目标网格区域的出口的目标距离;
11、根据所述待租赁房源对应的目标区位评分指标、所述建筑特征和目标距离对所述待租赁房源的租金进行定价;其中,所述定价与所述目标距离负相关,所述定价与所述目标区位评分指标正相关。
12、可选地,根据所述待租赁房源对应的目标区位评分指标、所述建筑特征和目标距离对所述待租赁房源的租金进行定价,包括:
13、根据所述房屋租赁数据和各个所述网格区域对应的所述目标区位评分指标构建房源租金地理加权回归模型;
14、基于所述房源租金地理加权回归模型、所述待租赁房源对应的目标区位评分指标和所述建筑特征确定所述待租赁房源的第一租金;
15、根据所述目标距离对所述第一租金进行修正,得到所述待租赁房源的目标租金。
16、可选地,所述目标租金包括整租租金和合租租金;根据所述目标距离对所述第一租金进行修正,得到所述待租赁房源的目标租金,包括:
17、根据所述目标距离对所述第一租金进行修正,得到所述待租赁房源的所述整租租金;
18、获取所述待租赁房源各个卧室的卧室特征;其中所述卧室特征至少包括卧室面积、卧室是否有阳台以及卧室是否有独卫中的一种;
19、根据所述整租租金、所述各个卧室的所述卧室特征确定各个卧室的所述合租租金。
20、可选地,根据所述房屋租赁数据和各个所述网格区域对应的所述目标区位评分指标构建房源租金地理加权回归模型,包括:
21、判断每种所述建筑特征和所述目标区位评分指标对应的特征值是否存在异常值和空值;
22、删除所述异常值和所述空值,得到所述特征值的第一数据集合;
23、确定每种所述特征值与房屋租金的影响系数;
24、将所述影响系数小于预设阈值的所述特征值删除,得到第二数据集合;
25、使用逐步回归法对所述第二数据集合进行特征筛选,得到第三数据集;
26、根据所述第三数据集合构建所述房源租金地理加权回归模型。
27、可选地,根据所述网格区域内的所述交通数据、所述商圈数据、所述就业数据和所述城市配套兴趣点数据确定所述网格区域的目标区位评分指标,包括:
28、根据所述房屋租赁数据构建区位评分模型;其中,所述区位评分模型包括交通评分标准、商圈评分标准、就业评分标准和城市配套评分标准;
29、根据所述网格区域内的所述交通数据、所述商圈数据、所述就业数据、所述城市配套兴趣点数据和所述区位评分模型,确定所述网格区域的所述目标区位评分指标。
30、可选地,所述城市配套兴趣点数据包括:景观设施数据、医疗设施数据、文化设施数据、教育设施数据、生活服务设施数据、就业设施数据和嫌恶设施数据。
31、第二方面,本申请提供了一种房源租赁定价装置,所述装置包括:
32、获取模块,用于获取目标城市的房屋租赁数据,以及获取所述目标城市的交通数据、商圈数据、就业数据以及城市配套兴趣点数据;
33、网格化处理模块,用于将所述目标城市的地图进行网格化处理,得到多个网格区域;
34、区位评分确定模块,用于对每个所述网格区域作如下处理:根据所述网格区域内的所述交通数据、所述商圈数据、所述就业数据和所述城市配套兴趣点数据确定所述网格区域的目标区位评分指标;其中,所述目标区位评分指标包括交通评分、商业配套评分、就业评分、景观评分和嫌恶评分;
35、提取模块,用于从所述房屋租赁数据中提取待租赁房源的建筑特征;其中,所述建筑特征包括房屋面积、房屋朝向、房屋户型、楼层比、是否独卫以及室内配套设施信息的至少一种;
36、定价模块,用于根据所述待租赁房源对应的目标区位评分指标和所述建筑特征对所述待租赁房源的租金进行定价。
37、第三方面,本申请提供了一种电子设备,包括处理器、通信接口、存储器和通信总线,其中,处理器,通信接口,存储器通过通信总线完成相互间的通信;
38、存储器,用于存放计算机程序;
39、处理器,用于执行存储器上所存放的程序时,实现第一方面任一项实施例所述的房源租赁定价方法的步骤。
40、第四方面,本申请提供了一种计算机可读存储介质,其上存储有计算机程序,所述计算机程序被处理器执行时实现如第一方面任一项实施例所述的房源租赁定价方法的步骤。
41、本申请实施例提供的上述技术方案与现有技术相比具有如下优点:本申请实施例提供的该方法,获取目标城市的房屋租赁数据,以及获取目标城市的交通数据、商圈数据、就业数据以及城市配套兴趣点数据,将目标城市的地图进行网格化处理,得到多个网格区域,对每个网格区域通过该网格区域内的交通数据、商圈数据、就业数据和城市配套兴趣点数据确定该网格区域的目标区位评分指标,其中,目标区位评分指标包括交通评分、商业配套评分、就业评分、景观评分和嫌恶评分,从房屋租赁数据中提取待租赁房源的建筑特征,其中,建筑特征包括房屋本文档来自技高网...
【技术保护点】
1.一种房源租赁定价方法,其特征在于,所述方法包括:
2.根据权利要求1所述的方法,其特征在于,根据所述待租赁房源对应的目标区位评分指标和所述建筑特征对所述待租赁房源的租金进行定价,包括:
3.根据权利要求2所述的方法,其特征在于,根据所述待租赁房源对应的目标区位评分指标、所述建筑特征和目标距离对所述待租赁房源的租金进行定价,包括:
4.根据权利要求3所述的方法,其特征在于,所述目标租金包括整租租金和合租租金;根据所述目标距离对所述第一租金进行修正,得到所述待租赁房源的目标租金,包括:
5.根据权利要求3所述的方法,其特征在于,根据所述房屋租赁数据和各个所述网格区域对应的所述目标区位评分指标构建房源租金地理加权回归模型,包括:
6.根据权利要求1所述的方法,其特征在于,根据所述网格区域内的所述交通数据、所述商圈数据、所述就业数据和所述城市配套兴趣点数据确定所述网格区域的目标区位评分指标,包括:
7.根据权利要求1所述的方法,其特征在于,所述城市配套兴趣点数据包括:景观设施数据、医疗设施数据、文化设施数据、教育
8.一种房源租赁定价装置,其特征在于,所述装置包括:
9.一种电子设备,其特征在于,包括处理器、通信接口、存储器和通信总线,其中,处理器,通信接口,存储器通过通信总线完成相互间的通信;
10.一种计算机可读存储介质,其上存储有计算机程序,其特征在于,所述计算机程序被处理器执行时实现如权利要求1-7任一项所述的房源租赁定价方法的步骤。
...【技术特征摘要】
1.一种房源租赁定价方法,其特征在于,所述方法包括:
2.根据权利要求1所述的方法,其特征在于,根据所述待租赁房源对应的目标区位评分指标和所述建筑特征对所述待租赁房源的租金进行定价,包括:
3.根据权利要求2所述的方法,其特征在于,根据所述待租赁房源对应的目标区位评分指标、所述建筑特征和目标距离对所述待租赁房源的租金进行定价,包括:
4.根据权利要求3所述的方法,其特征在于,所述目标租金包括整租租金和合租租金;根据所述目标距离对所述第一租金进行修正,得到所述待租赁房源的目标租金,包括:
5.根据权利要求3所述的方法,其特征在于,根据所述房屋租赁数据和各个所述网格区域对应的所述目标区位评分指标构建房源租金地理加权回归模型,包括:
6.根据权利要求...
【专利技术属性】
技术研发人员:董蓉蓉,陈晓炜,张思一,王雪芙,彭炎勇,黄福彬,李梦,
申请(专利权)人:深圳市小泊科技有限公司,
类型:发明
国别省市:
还没有人留言评论。发表了对其他浏览者有用的留言会获得科技券。