CN105590239A - 一种房地产价格计算方法及系统 - Google Patents

一种房地产价格计算方法及系统 Download PDF

Info

Publication number
CN105590239A
CN105590239A CN201510996983.3A CN201510996983A CN105590239A CN 105590239 A CN105590239 A CN 105590239A CN 201510996983 A CN201510996983 A CN 201510996983A CN 105590239 A CN105590239 A CN 105590239A
Authority
CN
China
Prior art keywords
price
standard
data
property
house
Prior art date
Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
Pending
Application number
CN201510996983.3A
Other languages
English (en)
Inventor
郝欣
Current Assignee (The listed assignees may be inaccurate. Google has not performed a legal analysis and makes no representation or warranty as to the accuracy of the list.)
Beijing Yunfang Data Technology Co Ltd
Original Assignee
Beijing Yunfang Data Technology Co Ltd
Priority date (The priority date is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the date listed.)
Filing date
Publication date
Application filed by Beijing Yunfang Data Technology Co Ltd filed Critical Beijing Yunfang Data Technology Co Ltd
Priority to CN201510996983.3A priority Critical patent/CN105590239A/zh
Publication of CN105590239A publication Critical patent/CN105590239A/zh
Pending legal-status Critical Current

Links

Classifications

    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06Q—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES; SYSTEMS OR METHODS SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES, NOT OTHERWISE PROVIDED FOR
    • G06Q30/00—Commerce
    • G06Q30/02—Marketing; Price estimation or determination; Fundraising
    • G06Q30/0283—Price estimation or determination
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06Q—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES; SYSTEMS OR METHODS SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES, NOT OTHERWISE PROVIDED FOR
    • G06Q50/00—Information and communication technology [ICT] specially adapted for implementation of business processes of specific business sectors, e.g. utilities or tourism
    • G06Q50/10—Services
    • G06Q50/16—Real estate
    • G06Q50/167—Closing

Landscapes

  • Business, Economics & Management (AREA)
  • Strategic Management (AREA)
  • Development Economics (AREA)
  • Engineering & Computer Science (AREA)
  • Accounting & Taxation (AREA)
  • Theoretical Computer Science (AREA)
  • Marketing (AREA)
  • Finance (AREA)
  • Tourism & Hospitality (AREA)
  • Physics & Mathematics (AREA)
  • General Business, Economics & Management (AREA)
  • General Physics & Mathematics (AREA)
  • Economics (AREA)
  • General Health & Medical Sciences (AREA)
  • Health & Medical Sciences (AREA)
  • Human Resources & Organizations (AREA)
  • Entrepreneurship & Innovation (AREA)
  • Primary Health Care (AREA)
  • Game Theory and Decision Science (AREA)
  • Management, Administration, Business Operations System, And Electronic Commerce (AREA)

Abstract

本发明涉及一种房地产价格计算方法及系统，其中方法包括：步骤1：接收需计算的房产相关数据，与数据库中的相关数据进行匹配；步骤2：判断是否存在匹配的相关数据，如果是，执行步骤3；否则，执行步骤4；步骤3：通过匹配的相关数据得到需计算的房产价格，结束；步骤4：通过基准价修正法计算得到需计算的房产价格，结束。本发明不需要人工参与，节省了大量的人工和时间，根据小区案例自身的规律得出，一方面人工操作量小，另一方面数据更准确；自适应模型的运用，是挖掘小区自身的规律，哪怕不熟悉的小区，有特殊情况的房子，计算的准确性都很高；计算准确，将计算的准确性提升了一倍以上，能适用于所有城市房屋的价格计算。

Description

一种房地产价格计算方法及系统
技术领域
本发明涉及一种房地产价格计算方法及系统，属于信息技术领域。
背景技术
现有技术中，通常房地产价格计算都是通过EXCEL文件做公式的方式计算得出。在2000年左右，有人逐渐将这种计算方法，做到软件上，通过计算机软件计算出价格。而利用计算机软件进行价格计算，也经历了一个发展过程，其计算方法也在不断更新完善，从最早的基准价修正法，一直发展到现在的基于大数据、自适应模型的房地产价格计算方法。
基准价修正法，主体思路是，“(标准房+基准价)+修正体系”。
先在每个小区内选择一套房子作为标准房，这套房子的房屋条件就是标准房的房屋条件(例如面积71平方米、朝向为南北朝向、建成年代为2010年建成，等等)。选完标准房后，需要给这个房子确定一个价格，用于其他房子的价格计算，即基准价。修正体系，就是价格修正值，例如71平方米的房子跟120平方米的房子比，价格能比120平方米的单价高10％，这个10％就是修正值。
评估计算方法是这样的：有一套房要计算价格(即值多少钱)，首先找到了基准价，再将要计算价格的房屋条件和标准房的房屋条件，进行对比，将不一样的房屋条件，在基准价的基础上乘以修正值，来得出要计算价格房子的价格。
但基准价修正法存在以下缺点：
标准房、基准价、修正体系都是人工确定的，一方面需要使用者对每个小区都很熟悉(很难实现)，另一方面标准房、基准价、修正体系确定的工作量非常的大。
对不熟悉的城市和不熟悉的小区，价格计算准确性低；对有特殊情况(例如能看到景观)的房子，价格计算准确性低。
发明内容
本发明所要解决的技术问题是，针对现有技术标准房、基准价和修正体系等信息需要花费大量人工确定的缺点，提供一种无需人工确定，并且将计算准确性大幅度提升的利用计算机软件计算的房地产价格计算方法及系统。
本发明解决上述技术问题的技术方案如下：一种房地产价格计算方法，具体包括以下步骤：
步骤1：接收需计算的房产相关数据，与数据库中的相关数据进行匹配；
步骤2：判断是否存在匹配的相关数据，如果是，执行步骤3；否则，执行步骤4；
步骤3：通过匹配的相关数据得到需计算的房产价格，结束；
步骤4：通过基准价修正法计算得到需计算的房产价格，结束。
本发明的有益效果是：不需要人工参与，节省了大量的人工和时间，根据小区案例自身的规律得出，一方面人工操作量小，另一方面数据更准确；自适应模型的运用，是挖掘小区自身的规律，哪怕不熟悉的小区，有特殊情况的房子，计算的准确性都很高；在计算的准确性方面，可以说是质的飞跃，将计算的准确性提升了一倍以上，能适用于所有城市房屋的价格计算。
在上述技术方案的基础上，本发明还可以做如下改进。
进一步，所述步骤4具体包括以下步骤：
步骤4.1：对数据库中的房产数据进行分类，得到多组房产数据分组，每组房产数据分组中选择一个房产作为标准房；
步骤4.2：将需计算的房产相关数据与多个标准房的相关数据依次进行匹配，得到最接近的标准房；
步骤4.3：通过上述最接近的标准房所在的房产数据分组中所有房产的价格确定基准价；
步骤4.4：根据所有房产价格计算得到修正体系数据，根据修正体系数据对基准价进行修正，得到需计算的房产价格。
采用上述进一步方案的有益效果是，通过上述步骤得到了基准价修正法计算需要的所有数据，彻底脱离了人工参与，实现全自动化的应用基准价修正法进行计算房产价格。
进一步，所述步骤4.1具体包括：
步骤4.1.1：将数据库中根据多种相关数据进行分类，得到多组至少一种相关数据为同类的房产数据分组；
步骤4.1.2：在每组房产数据分组中随机选择一个房产作为标准房，以此标准房的相关数据作为此组房产数据的标准数据。
进一步，所述步骤4.3中通过房产数据分组中的所有房产的价格分布规律，运用均值和/或中位数等方法计算基准价。
进一步，所述步骤4.4中采用回归分析的方法计算修正体系数据。
采用上述进一步方案的有益效果是，回归分析是一种统计学上分析数据的方法，目的在于了解两个或多个变量间是否相关、相关方向与强度，并建立数学模型以便观察特定变量来预测研究者感兴趣的变量。回归分析有专门的软件，例如SPSS。
进一步，所述房产相关数据包括面积、建成年份、朝向、地点和楼层等数据。
采用上述进一步方案的有益效果是，此处地点指不同城市和不同城市的不同地点，针对不同城市，或不同城市的不同位置，房产价格也存在很大差异，因此需要指明。
本发明解决上述技术问题的技术方案如下：一种房地产价格计算系统，包括接收匹配模块、判断模块和定价模块；
所述接收匹配模块用于接收需计算的房产相关数据，与数据库中的相关数据进行匹配；
所述判断模块用于判断是否存在匹配的相关数据，如果是，通过匹配的相关数据得到需计算的房产价格；否则，触发定价模块；
所述定价模块通过基准价修正法计算得到需计算的房产价格。
在上述技术方案的基础上，本发明还可以做如下改进。
进一步，所述定价模块包括分组模块、标准房模块、基准价确定模块和修正模块；
所述分组模块用于对数据库中的房产数据进行分类，得到多组房产数据分组，每组房产数据分组中选择一个房产作为标准房；
所述标准房模块用于将需计算的房产相关数据与多个标准房的相关数据依次进行匹配，得到最接近的标准房；
所述基准价确定模块用于通过上述最接近的标准房所在的房产数据分组中所有房产的价格确定基准价；
所述修正模块用于根据所有房产价格计算得到修正体系数据，根据修正体系数据对基准价进行修正，得到需计算的房产价格。
进一步，所述修正模块中采用回归分析的方法计算修正体系数据。
进一步，所述房产相关数据包括面积、建成年份、朝向、地点和楼层等数据。
附图说明
图1为本发明实施例1所述的一种房地产价格计算方法流程图；
图2为本发明实施例1所述的一种房地产价格计算系统结构框图；
图3为本发明实施例2所述的一种房地产价格计算系统结构框图。
附图中，各标号所代表的部件列表如下：
1、匹配模块，2、判断模块，3、定价模块，31、分组模块，32、标准房模块，33、基准价确定模块，34、修正模块。
具体实施方式
以下结合附图对本发明的原理和特征进行描述，所举实例只用于解释本发明，并非用于限定本发明的范围。
如图1所示，为本发明实施例1所述的一种房地产价格计算方法，具体包括以下步骤：
步骤1：接收需计算的房产相关数据，与数据库中的相关数据进行匹配；
步骤2：判断是否存在匹配的相关数据，如果是，执行步骤3；否则，执行步骤4；
步骤3：通过匹配的相关数据得到需计算的房产价格，结束；
步骤4：通过基准价修正法计算得到需计算的房产价格，结束。
本发明实施例2中，在实施例1的基础上，所述步骤4具体包括以下步骤：
步骤4.1：对数据库中的房产数据进行分类，得到多组房产数据分组，每组房产数据分组中选择一个房产作为标准房；
步骤4.2：将需计算的房产相关数据与多个标准房的相关数据依次进行匹配，得到最接近的标准房；
步骤4.3：通过上述最接近的标准房所在的房产数据分组中所有房产的价格确定基准价；
步骤4.4：根据所有房产价格计算得到修正体系数据，根据修正体系数据对基准价进行修正，得到需计算的房产价格。
本发明实施例3中，在实施例2的基础上，所述步骤4.1具体包括：
步骤4.1.1：将数据库中根据多种相关数据进行分类，得到多组至少一种相关数据为同类的房产数据分组；
步骤4.1.2：在每组房产数据分组中随机选择一个房产作为标准房，以此标准房的相关数据作为此组房产数据的标准数据。
本发明实施例4中，在实施例2或3的基础上，所述步骤4.3中通过房产数据分组中的所有房产的价格分布规律，运用均值和/或中位数等方法计算基准价。
本发明实施例5中，在实施例2、3或4的基础上，所述步骤4.4中采用回归分析的方法计算修正体系数据。
本发明实施例6中，在实施例1-5任一实施例的基础上，所述房产相关数据包括面积、建成年份、朝向、地点和楼层等数据。
如图2所示，为本发明实施例1所述的一种房地产价格计算系统，包括接收匹配模块1、判断模块2和定价模块3；
所述接收匹配模块1用于接收需计算的房产相关数据，与数据库中的相关数据进行匹配；
所述判断模块2用于判断是否存在匹配的相关数据，如果是，通过匹配的相关数据得到需计算的房产价格；否则，触发定价模块3；
所述定价模块3通过基准价修正法计算得到需计算的房产价格。
如图3所示，本发明实施例2中，在实施例1的基础上，所述定价模块3包括分组模块31、标准房模块32、基准价确定模块33和修正模块34；
所述分组模块31用于对数据库中的房产数据进行分类，得到多组房产数据分组，每组房产数据分组中选择一个房产作为标准房；
所述标准房模块32用于将需计算的房产相关数据与多个标准房的相关数据依次进行匹配，得到最接近的标准房；
所述基准价确定模块33用于通过上述最接近的标准房所在的房产数据分组中所有房产的价格确定基准价；
所述修正模块34用于根据所有房产价格计算得到修正体系数据，根据修正体系数据对基准价进行修正，得到需计算的房产价格。
本发明实施例3中，在实施例2的基础上，所述修正模块34中采用回归分析的方法计算修正体系数据。
本发明实施例4中，在实施例1、2或3的基础上，所述房产相关数据包括面积、建成年份、朝向、地点和楼层等数据。
以下以具体示例说明本发明，包括以下：
有案例(要出售/出租的房屋信息，或已经出售/出租完的房屋信息)的小区，通过大数据的方法，利用自适应模型，从众多案例中找出跟要计算的房屋最相似的案例(例如面积相同或相近)，并通过这些案例的价格分布规律来最终确定评估价格。
无案例的小区，通过“基准价修正法“计算。(标准房、基准价、修正体系已经不用通过人工的方式确定)
即优先使用自适应模型，利用案例进行计算。自适应模型无法出值的，利用“基准价修正法“计算。
系统后台数据工作流程：
第一步，先通过案例数据，计算出标准房数据。
(1)利用案例数据，将面积、建成年代、朝向等数据进行归类；
例如：建成年代，2000年-2005年是一类的。
(2)在每一类的数据中，随机选择其中一条数据，作为标准房的房屋条件。
第二步，利用案例数据，计算出基准价数据。
(1)根据自适应模型，从众多案例中找出跟要计算的房屋最相似的案例(例如面积相同或相近，建成年代相近等等)；
例如：建成年代选取正负3年的，如标准房是2011年的，那找到的案例就是2008-2014年的。
(2)通过这些案例的价格分布规律，运用均值、中位数等方法，来计算出基准价。
第三步，通过回归分析的方法，计算出修正体系数据。
注：回归分析是一种统计学上分析数据的方法，目的在于了解两个或多个变量间是否相关、相关方向与强度，并建立数学模型以便观察特定变量来预测研究者感兴趣的变量。回归分析有专门的软件，例如SPSS。
至此，“基准价修正法“计算需要的数据都得出了。而自适应模型需要的数据，只是设置一些查找近似案例的参数。
以上所述仅为本发明的较佳实施例，并不用以限制本发明，凡在本发明的精神和原则之内，所作的任何修改、等同替换、改进等，均应包含在本发明的保护范围之内。

Claims (10)

1.一种房地产价格计算方法，其特征在于，具体包括以下步骤：
步骤1：接收需计算的房产相关数据，与数据库中的相关数据进行匹配；
步骤2：判断是否存在匹配的相关数据，如果是，执行步骤3；否则，执行步骤4；
步骤3：通过匹配的相关数据得到需计算的房产价格，结束；
步骤4：通过基准价修正法计算得到需计算的房产价格，结束。
2.根据权利要求1所述的一种房地产价格计算方法，其特征在于，所述步骤4具体包括以下步骤：
步骤4.1：对数据库中的房产数据进行分类，得到多组房产数据分组，每组房产数据分组中选择一个房产作为标准房；
步骤4.2：将需计算的房产相关数据与多个标准房的相关数据依次进行匹配，得到最接近的标准房；
步骤4.3：通过上述最接近的标准房所在的房产数据分组中所有房产的价格确定基准价；
步骤4.4：根据所有房产价格计算得到修正体系数据，根据修正体系数据对基准价进行修正，得到需计算的房产价格。
3.根据权利要求2所述的一种房地产价格计算方法，其特征在于，所述步骤4.1具体包括：
步骤4.1.1：将数据库中根据多种相关数据进行分类，得到多组至少一种相关数据为同类的房产数据分组；
步骤4.1.2：在每组房产数据分组中随机选择一个房产作为标准房，以此标准房的相关数据作为此组房产数据的标准数据。
4.根据权利要求2所述的一种房地产价格计算方法，其特征在于，所述步骤4.3中通过房产数据分组中的所有房产的价格分布规律，运用均值和/或中位数等方法计算基准价。
5.根据权利要求2所述的一种房地产价格计算方法，其特征在于，所述步骤4.4中采用回归分析的方法计算修正体系数据。
6.根据权利要求1-5任一项所述的一种房地产价格计算方法，其特征在于，所述房产相关数据包括面积、建成年份、朝向、地点和楼层数据。
7.一种房地产价格计算系统，其特征在于，包括接收匹配模块、判断模块和定价模块；
所述接收匹配模块用于接收需计算的房产相关数据，与数据库中的相关数据进行匹配；
所述判断模块用于判断是否存在匹配的相关数据，如果是，通过匹配的相关数据得到需计算的房产价格；否则，触发定价模块；
所述定价模块通过基准价修正法计算得到需计算的房产价格。
8.根据权利要求7所述的一种房地产价格计算系统，其特征在于，所述定价模块包括分组模块、标准房模块、基准价确定模块和修正模块；
所述分组模块用于对数据库中的房产数据进行分类，得到多组房产数据分组，每组房产数据分组中选择一个房产作为标准房；
所述标准房模块用于将需计算的房产相关数据与多个标准房的相关数据依次进行匹配，得到最接近的标准房；
所述基准价确定模块用于通过上述最接近的标准房所在的房产数据分组中所有房产的价格确定基准价；
所述修正模块用于根据所有房产价格计算得到修正体系数据，根据修正体系数据对基准价进行修正，得到需计算的房产价格。
9.根据权利要求8所述的一种房地产价格计算系统，其特征在于，所述修正模块中采用回归分析的方法计算修正体系数据。
10.根据权利要求7-9任一项所述的一种房地产价格计算系统，其特征在于，所述房产相关数据包括面积、建成年份、朝向、地点和楼层等数据。
CN201510996983.3A 2015-12-25 2015-12-25 一种房地产价格计算方法及系统 Pending CN105590239A (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN201510996983.3A CN105590239A (zh) 2015-12-25 2015-12-25 一种房地产价格计算方法及系统

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN201510996983.3A CN105590239A (zh) 2015-12-25 2015-12-25 一种房地产价格计算方法及系统

Publications (1)

Publication Number Publication Date
CN105590239A true CN105590239A (zh) 2016-05-18

Family

ID=55929804

Family Applications (1)

Application Number Title Priority Date Filing Date
CN201510996983.3A Pending CN105590239A (zh) 2015-12-25 2015-12-25 一种房地产价格计算方法及系统

Country Status (1)

Country Link
CN (1) CN105590239A (zh)

Cited By (7)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN107798636A (zh) * 2017-04-11 2018-03-13 平安科技（深圳）有限公司 楼盘信息处理方法、装置、计算机设备及存储介质
CN108921597A (zh) * 2018-06-12 2018-11-30 李俊鹏 基于房地产大数据的房产价格自动评估系统及方法
CN109493147A (zh) * 2018-12-05 2019-03-19 北京邮电大学 基于多层级模型融合的房产自动评估方法及系统
CN109523306A (zh) * 2018-10-23 2019-03-26 上海舍汇信息技术有限公司 一种多因素房产估值系统及其估值方法
CN109741097A (zh) * 2018-12-26 2019-05-10 复旦大学 一种基于产品服务周期的自适应价格计算方法
CN110097385A (zh) * 2018-01-27 2019-08-06 深圳市鹏信资产评估土地房地产估价有限公司 一种在线获取房产评估信息的系统及方法
CN110097384A (zh) * 2018-01-27 2019-08-06 深圳市鹏信资产评估土地房地产估价有限公司 一种用户快速获取房产评估信息的方法

Citations (6)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN101599162A (zh) * 2009-06-17 2009-12-09 浙江天正信息科技有限公司 房屋交易计税价格计算系统
CN102254277A (zh) * 2011-06-27 2011-11-23 中国建设银行股份有限公司 一种用于房地产估值的数据处理系统与方法
CN102831541A (zh) * 2012-08-14 2012-12-19 上海克而瑞信息技术有限公司 房屋价值自动评估方法及装置
CN103345718A (zh) * 2013-07-15 2013-10-09 北京拓世寰宇网络技术有限公司 一种二手房房价评估方法
CN103578057A (zh) * 2012-08-10 2014-02-12 北京奥齐都市网络科技有限公司 基于人工神经网络统计学模型的房地产价值估算方法
CN103886477A (zh) * 2012-12-22 2014-06-25 中国科学院深圳先进技术研究院 基于市场比较法的存量房批量估价方法

Patent Citations (6)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN101599162A (zh) * 2009-06-17 2009-12-09 浙江天正信息科技有限公司 房屋交易计税价格计算系统
CN102254277A (zh) * 2011-06-27 2011-11-23 中国建设银行股份有限公司 一种用于房地产估值的数据处理系统与方法
CN103578057A (zh) * 2012-08-10 2014-02-12 北京奥齐都市网络科技有限公司 基于人工神经网络统计学模型的房地产价值估算方法
CN102831541A (zh) * 2012-08-14 2012-12-19 上海克而瑞信息技术有限公司 房屋价值自动评估方法及装置
CN103886477A (zh) * 2012-12-22 2014-06-25 中国科学院深圳先进技术研究院 基于市场比较法的存量房批量估价方法
CN103345718A (zh) * 2013-07-15 2013-10-09 北京拓世寰宇网络技术有限公司 一种二手房房价评估方法

Cited By (8)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN107798636A (zh) * 2017-04-11 2018-03-13 平安科技（深圳）有限公司 楼盘信息处理方法、装置、计算机设备及存储介质
WO2018188509A1 (zh) * 2017-04-11 2018-10-18 平安科技（深圳）有限公司 楼盘信息处理方法、装置、计算机设备及存储介质
CN110097385A (zh) * 2018-01-27 2019-08-06 深圳市鹏信资产评估土地房地产估价有限公司 一种在线获取房产评估信息的系统及方法
CN110097384A (zh) * 2018-01-27 2019-08-06 深圳市鹏信资产评估土地房地产估价有限公司 一种用户快速获取房产评估信息的方法
CN108921597A (zh) * 2018-06-12 2018-11-30 李俊鹏 基于房地产大数据的房产价格自动评估系统及方法
CN109523306A (zh) * 2018-10-23 2019-03-26 上海舍汇信息技术有限公司 一种多因素房产估值系统及其估值方法
CN109493147A (zh) * 2018-12-05 2019-03-19 北京邮电大学 基于多层级模型融合的房产自动评估方法及系统
CN109741097A (zh) * 2018-12-26 2019-05-10 复旦大学 一种基于产品服务周期的自适应价格计算方法

Similar Documents

Publication Publication Date Title
CN105590239A (zh) 一种房地产价格计算方法及系统
Yazdanie et al. Advancing urban energy system planning and modeling approaches: Gaps and solutions in perspective
Antuchevičiene et al. Multiple criteria construction management decisions considering relations between criteria
Suh et al. Framework for hybrid life cycle inventory databases: a case study on the Building for Environmental and Economic Sustainability (BEES) database
Bhattacharjee et al. Spatial interactions in hedonic pricing models: the urban housing market of Aveiro, Portugal
Kang Development of a systematic model for an assessment tool for sustainable buildings based on a structural framework
Higgins et al. Modelling intervention options to reduce GHG emissions in housing stock—A diffusion approach
De Jonge Cost effectiveness of sustainable housing investments
Xu et al. Integrating the empirical models of benchmark land price and GIS technology for sustainability analysis of urban residential development
Macpherson et al. Using Malmquist Indices to evaluate environmental impacts of alternative land development scenarios
Wiik et al. A Norwegian zero emission neighbourhood (ZEN) definition and a ZEN key performance indicator (KPI) tool
Baynes et al. The Australian industrial ecology virtual laboratory and multi-scale assessment of buildings and construction
Lai et al. Analysis and benchmarking of carbon emissions of commercial buildings
St-Jacques et al. Spatially and temporally sensitive consumption-based emission factors from mixed-use electrical grids for building electrical use
CN103412865B (zh) 网站项目的通知方法和系统
CN103699963A (zh) 核电项目安装工程量计算方法和系统
Webb et al. Sustainability quantification and valuation. II: Probabilistic framework and metrics for sustainable construction
Li et al. Targeting Building Energy Efficiency Opportunities: An Opensource Analytical & Benchmarking Tool.
Pickard et al. Validating land change models based on configuration disagreement
Kang et al. Dynamic lifecycle assessment in building construction projects: focusing on embodied emissions
CN105956782A (zh) 电网设备购置决策评估方法
Yunnan Effects of urban land supply policy on real estate in China: An econometric analysis
Blackwood et al. Sustainable urban development in practice: the SAVE concept
CN106803192A (zh) 一种房地产的环境和周围配套的影响评估方法
Mohammadi et al. A comprehensive review of existing urban energy models in the built environment

Legal Events

Date Code Title Description
C06 Publication
PB01 Publication
C10 Entry into substantive examination
SE01 Entry into force of request for substantive examination
RJ01 Rejection of invention patent application after publication

Application publication date: 20160518

RJ01 Rejection of invention patent application after publication