本發明公開了一種基于大數據的房屋價格自動評估方法。該方法考慮了在典型場景下影響房屋價格的多項特征變量，通過自動收集相關數據、數據清洗、分類、量化后建立了房屋特征變量?價格信息數據庫；同時提出了一種基于改進的KNN近鄰算法的房屋價格估算模型，該模型通過循環比較測試房屋對象和數據庫中樣本房屋對象的相似度最終得到測試房屋對象的估算價格，該方法為房屋價格的評估提供了科學的理論支撐。

技術領域

本發明涉及信息技術領域，尤其涉及一種基于大數據的房屋價格自動評估方法。

背景技術

我國現階段的房屋價格評估方法是利用市場比較法對單個房產項目進行人為的評估和定價。房屋價格的個案評估無法保證高效率、低成本的評估工作；同時，個案評估因評估師們對房地產價值的影響因素和修正幅度的判斷不同，從而會造成評估結果不具有一致性和連貫性；此外，個案評估還容易引起違反職業道德的評估腐敗等問題。

進入到二十一世紀后，我國的房地產行業的發展呈現出一派繁榮的景象，這也進一步推動了房地產估價行業的快速發展。而隨著房產稅各項安排的逐步落地，房產評估將得到更大范圍以及更多領域的使用。在這樣的背景下，傳統的個案評估不再適合我國現階段房地產市場發展的要求，高質量的、自動的批量評估方法與系統將成為我國房地產市場發展的重要保障。然而批量評估需要大量數據與科學的計算方法的保障，如果沒有足夠的數據量與數據質量作為支撐，會導致價格的測算在實際的實踐中具有相當大的難度。

發明內容

為了克服上述現有技術的不足，本發明提供一種基于大數據的房屋價格自動評估方法與系統，可有效解決上述問題。本發明具體采用的技術方案如下：

一種基于大數據的房屋價格自動評估方法包括以下步驟：

1)通過網頁抓取和GIS技術自動收集各小區的房屋交易信息及其房屋特征數據，所述房屋交易信息為房屋的價格信息，所述房屋特征數據包括建筑特征、小區特征和位置坐標；

2)將所有收集到的數據進行清洗分類，并對房屋特征數據進行量化后得到房屋的特征變量數據，建立房屋特征變量-價格信息數據庫；

3)基于改進的KNN近鄰算法計算測試房屋對象的價格，具體計算過程包括：

3-1)循環計算測試房屋對象和數據庫中每個樣本房屋對象的特征變量相似度，所述相似度計算使用歐幾里得距離d，計算公式如下：

其中n為房屋的特征變量數量，a_i和b_i分別表示測試房屋a和樣本房屋b的第i個特征；

3-2)使用TopK算法改進最近鄰查找，首先隨機建立一個大小為k的堆，堆中元素的值初始化為0；之后將數據庫中所有樣本房屋對象與測試房屋對象的d值逐個與堆中元素的值進行比較，若大于則將該d值放入堆中，若不大于則繼續遍歷，直到遍歷結束得到測試房屋對象的k個最鄰近樣本房屋對象；

3-3)對上一步得到的k個最鄰近樣本房屋對象進行加權計算得到測試房屋對象的價格估值P，計算分兩種情況：當d存在零值時，P取k個最鄰近樣本房屋對象的算術平均值；當d不存在零值時，P為最鄰近樣本房屋對象的價格乘權的總和與對應權值總和的比值，具體計算公式如下：

其中w_m為第m個最鄰近樣本房屋對象的權值，其價格為p_m，其相似度為d_m；

4)輸出房源價格評估結果。