[发明专利]一种基于大数据及智能决策机制的工业地块估计方法

摘要

本发明公开了一种基于大数据及智能决策机制的工业地块估计方法。本发明包括如下步骤：步骤1、确认影响土地价格因素；步骤2、因素数据的采集、转化、量化和存储；步骤3、构建模型进行迭代及运算；步骤1所述的确认影响土地价格因素，其中影响因素包括区域因素、交通因素、周边配套因素、政策因素、历史成交情况因素五大类；步骤3所述的构建模型进行迭代及运算包括建立特征工程、建立模型和采用XGBoost算法分析土地单价。本发明结合目前最新的大数据及智能估计算法，对土地的价格进行评估，并取得了良好的效果。

主权项

1.一种基于大数据及智能决策机制的工业地块估计方法，其特征在于包括如下步骤：步骤1、确认影响土地价格因素；步骤2、因素数据的采集、转化、量化和存储；步骤3、构建模型进行迭代及运算；步骤1所述的确认影响土地价格因素，其中影响因素包括区域因素、交通因素、周边配套因素、政策因素、历史成交情况因素五大类；所述的区域因素是指地块所在区域的经济、工业、就业、城市建设等发展情况及趋势；所述的周边交通因素是指土地所处位置的交通便利性；所述的周边配套因素是指影响土地价格的一般、普遍、共同的因素，包括公共交通、文体设施、商业体、医院、学校、餐饮、酒店、政府机构；所述的政策因素是指政府的各项政策、规划限制、土地等级及基准地价；所述的历史成交情况因素是指特定地域周边土地的成交情况，包括成交时间、成交面积、溢价率、交易速度；步骤2所述的因素数据的采集、转化、量化和存储，具体实现如下：从各项独立的数据源采集数据因素数据，并将采集到的数据进行转化和量化，并存储；所述的转化是指通过人为操作，对关于周边交通因素、周边配套因素中的数据进行提取和规划；所述的量化是指通过操作对政策因素中的数据进行等级划分；步骤3所述的构建模型进行迭代及运算，具体实现如下：3‑1.建立特征工程；3‑2.建立模型；3‑3、采用XGBoost算法分析土地单价；步骤3‑1所述的建立特征工程，具体如下：将影响工业土地价格的特征大致分为两大类：一是工业地块特有信息；二是工业地块所属行政区域的统计指标信息，具体如下：(1)工业地块特有信息根据工业地块所在的地理位置和经纬度信息，获得其相应的地块特有信息，包含周边配套、周边交通、政策影响以及历史成交情况这四大块因素，共计18个特征，包括政府机构、公交、医院、学校、美食、商场、酒店、高速口、地铁口、火车站、土地等级、基准地价、政策规划、已成交月份数、成交所在年份；(2)工业地块区域的统计指标信息通过对公开数据和统计年鉴的信息进行ETL梳理，根据工业地块所属的行政区域划分，按区县级、市级、省级分别汇总关于人口信息、国民经济、工业发展、就业信息、城市建设、公用设施和科教文卫七大类的统计指标信息；然而工业地块所属行政区域关于这七个大类所属下的一系列具体化的统计指标个数较多，特征数量较大，为克服这些具体化的统计指标之间的相关性、重叠性，通过因子分析FA对每个二级特征中的多个细粒度统计指标进行降维和简化数据，用较少的特征来表示较多的原始特征；因子分析中的公共因子是不可直接观测但又客观存在的共同影响因素，每一个变量都能够表示成公共因子的线性函数与特殊因子之和，即Xi＝ai1F1+ai2F2+…+aimFm+εi,(i＝1,2,…,p)式中，F1,F2,…,Fm称为公共因子，εi称为Xi的特殊因子；ai1,ai2,…,aim称为公共因子之间线性组合系数；Xi称为细粒度统计指标。