CN117196736A - 基于位置及场景的图数一体化智能评估系统 - Google Patents
基于位置及场景的图数一体化智能评估系统 Download PDFInfo
- Publication number
- CN117196736A CN117196736A CN202311462168.XA CN202311462168A CN117196736A CN 117196736 A CN117196736 A CN 117196736A CN 202311462168 A CN202311462168 A CN 202311462168A CN 117196736 A CN117196736 A CN 117196736A
- Authority
- CN
- China
- Prior art keywords
- price
- house
- test
- source
- value
- 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.)
- Granted
Links
- 238000011156 evaluation Methods 0.000 title claims abstract description 31
- 238000000034 method Methods 0.000 claims abstract description 29
- 238000007689 inspection Methods 0.000 claims abstract description 22
- 238000012937 correction Methods 0.000 claims abstract description 8
- 238000005259 measurement Methods 0.000 claims abstract description 8
- 230000000052 comparative effect Effects 0.000 claims abstract description 6
- 238000012360 testing method Methods 0.000 claims description 50
- 238000000546 chi-square test Methods 0.000 claims description 34
- 230000002159 abnormal effect Effects 0.000 claims description 13
- FFBHFFJDDLITSX-UHFFFAOYSA-N benzyl N-[2-hydroxy-4-(3-oxomorpholin-4-yl)phenyl]carbamate Chemical compound OC1=C(NC(=O)OCC2=CC=CC=C2)C=CC(=C1)N1CCOCC1=O FFBHFFJDDLITSX-UHFFFAOYSA-N 0.000 claims description 3
- 230000008030 elimination Effects 0.000 claims description 3
- 238000003379 elimination reaction Methods 0.000 claims description 3
- 239000000284 extract Substances 0.000 claims description 3
- 238000013210 evaluation model Methods 0.000 claims description 2
- 238000004364 calculation method Methods 0.000 abstract description 5
- 238000011835 investigation Methods 0.000 abstract description 3
- 238000010586 diagram Methods 0.000 description 5
- 238000000605 extraction Methods 0.000 description 2
- 238000012986 modification Methods 0.000 description 2
- 230000004048 modification Effects 0.000 description 2
- 238000012935 Averaging Methods 0.000 description 1
- 230000009286 beneficial effect Effects 0.000 description 1
- 238000010276 construction Methods 0.000 description 1
- 238000011161 development Methods 0.000 description 1
- 238000005516 engineering process Methods 0.000 description 1
- 230000001788 irregular Effects 0.000 description 1
- 238000005070 sampling Methods 0.000 description 1
- 238000012795 verification Methods 0.000 description 1
- 230000000007 visual effect Effects 0.000 description 1
- 238000012800 visualization Methods 0.000 description 1
Landscapes
- Management, Administration, Business Operations System, And Electronic Commerce (AREA)
Abstract
本发明公开了基于位置及场景的图数一体化智能评估系统，包括；GIS数图互访数据库,以及功能模块；GIS数图互访数据库中包含了房源信息：房源的影像、位置状况信息、交通状况信息、环境状况信息、配套设施状况信息、房源价格信息；功能模块包括样点房源管理、估价分组管理、可比实例管理、标准房管理、修正体系管理、房源地图评估、估价模型检验七个功能模块；经过功能模块测算得到最终估价结果；最终估价结果录入GIS数图互访数据库；本发明无需实地到现场进行考察，可以同时对多个对象估值，提高了估价工作的效率；估价过程所用参数不单一；并且经过多次修正；且对最终估价结果进行多次检验，确保了获得的结果精确性更高。
Description
技术领域
本发明属于房地产智能估价技术领域，具体是基于位置及场景的图数一体化智能评估系统。
背景技术
影响房地产价值的核心与主导因素是其所处地理位置，传统房地产估价难以直观呈现估价对象影像及相关属性信息，更难以直观呈现影响估价对象价值的因素。
另外每次房地产估价对估价对象实物、权益、区位状况等信息的获取，都得现场查勘或询问获取，且当次房地产估价所参考依据过去同类型估价所依据的信息数据受限，带来估价对象价值测算中估价参数只能有限借助个别估价师的经验确认。
房地产估价行业的高质量发展，催生房地产估价需求不断升级；房地产估价越来越多元化、立体化、个性化、精细化、高端化，来源更分散、数量更多，并要求更高，带来的问题是传统房地产估价难以适应，并且目前尚无成熟有效，基于位置及场景的图数一体化智能评估系统，所以房地产估价工作效率不高，估价结果精准性、可视性受限。
发明内容
本发明的目的在于提供基于位置及场景的图数一体化智能评估系统，包括GIS数图互访数据库,以及功能模块；
GIS数图互访数据库中包含了房源信息，其中房源信息包括：房源的影像、位置状况信息、交通状况信息、环境状况信息、房源价格信息；
功能模块包括样点房源管理模块、估价分组管理模块、可比实例管理模块、标准房管理模块、修正体系管理模块、房源地图评估模块、估价模型检验模块；
样点房源管理功能模块对GIS数图互访数据库所包含的房源信息进行提取、编辑、转换、数图一体归类，利用检验模型选取出样点房源数据，/>检验模型定义如下：
对房源信息中房源价格进行卡方检验过程，卡方检验过程包括；
过程1，若卡方检验符合正态分布，则通过卡方检验后的房源价格进入到异样点剔除检验，异样点剔除检验具体规则为：对所有通过卡方检验后的房源价格，掉其中最小值后求平均值/>，然后取出卡方检验后的房源价格中的最大值/>与最小值/>，并用最大值与最小值/>分别减去该平均值/>获得两个绝对值；两个绝对值分别与对应/>进行比较，绝对值≥/>，则对卡方检验后的房源价格中的最大值/>与最小值/>以及两者对应房源信息再次删除，删除后重复异样点剔除检验，直到绝对值＜/>，最终剩下的房源信息则为样点房源信息；
过程2，若卡方检验不符合正态分布，则用均值-方差检验对房源信息中的房源价格再次提取，取出满足均值-方差检验的房源价格集合X，再次进入卡方检验，直到进入过程1；
异样点剔除检验公式如下所示：
；
；
其中为遍历所有通过卡方检验后的房源价格中的最大值；
其中为遍历所有通过卡方检验后的房源价格中的最小值；
为对所有通过卡方检验后的房源价格，去掉/>值所求得的价格平均值；
为对所有通过卡方检验后的房源价格，去掉/>值所求得的价格标准差；
n为所有的实测频数之和；
为显著性水平定值0.05；
K为选取到的组合的数量；
房源地图评估功能模块对可比实例进行比较法测算、收益法测算、保存比较价值结果与相应收益价值估价结果，并将比较价值结果与相应收益价值估价结果加权平均计算生成估价结果集合；
估价结果集合与待估价房源实际市场价值集合导入估价模型检验功能模块进行评估水平检验、离散系数检验、价格差额比例检验得到最终估价结果；
最终估价结果与对应房源信息返回、录入GIS数图互访数据库。
具体的：
根据本发明人的一些具体实施方式，卡方检验定义如下公式所示：
；
其中，k为提取的房源信息按房源价格所处区间不同而生成的集合的数量，第一区间；
为第i个组合中包含的房源数量，称为实测频数，其中/>；
n为所有的实测频数之和；
为提取的房源落入第i个组合的理论频数，其中/>；
为i个组合中包含的房源价格进行卡方检验后的所有观察值的集合，其中/>。
均值-方差检验，均值-方差检验公式如下所示：
；
其中，为提取的所有房源价格的平均值；
为提取的所有房源价格的方差；
X为新的房源价格集合。
评估功能模块包括线状收益标准价估价模型与线状比较标准价估价模型，其公式定义如下：
线状收益标准价=样点房源租价×100/F×路线乘数；
待估价房源收益价值=路线租价×F/100×路线乘数；
线状比较标准价=样点房源售价×100/F；
待估价房源比较价值=路线比较标准价×F/100；
其中，样点房源租价、样点房源售价、路线租价、路线乘数、路线比较标准价包含于可比实例所对应的房源信息；
F为待估价房源的状况赋分，其取值范围为：120≥F≥80。
评估水平检验定义公式如下所示：
；
其中为待测估价区域总体的估价水平；
为收集到的所有待估价房源实际市场价值的集合。
离散系数检验公式定义如下：
；
其中，COD为离散系数检验结果；
n为所有的实测频数之和；
M为估价结果集合中的中值。
价格差额比例检验公式定义如下：
；
其中，PRD为价格差额比例检验结果；
n为所有的实测频数之和；
为收集到的所有待估价房源实际市场价值的集合。
与现有技术相比，本发明的有益效果是：
1、估价过程基于云计算与大数据系统，无需按照传统方式现场勘察询问，对房源估价的工作效率有明显的提高。
2、房源信息提取检验过程中包含卡方检验，均值-方差检验、异样点剔除检验，三者之间有一定的联系性，由于房地产样本数量通常较多，首先对其进行卡方检验，卡方检验方便简洁，可面对样本数量大的状况，对大批量数据进行检验并缩小样本范围，再经过均值-方差检验对其中具有差异的样本进行剔除，然后使用基于T检验所提出的本发明中异样点剔除检验对样本进一步检验剔除，使样本的提取结果更加精确。
3、对估计结果的检验分别有评估水平检验、离散系数检验结果、价格差额比例检验，三者为并列关系，当同时满足三个检验，才会输出最终结果，结果更加可靠。
4、估价结果与对应房源信息返回录入GIS系统，支持用户在线查看，可视强。
附图说明
为了便于本领域技术人员理解，下面结合附图对本发明作进一步的说明。
图1为基于位置及场景的图数一体化智能评估系统功能架构图；
图2为检验模型流程图；
图3为线状收益标准价估价与线状比较标准价估价模型图。
具体实施方式
下面详细描述本发明的具体实施方式，所述具体实施方式的流程在附图中示出，其中自始至终相同标号表示相同参数。下面通过参考附图描述的实施方式是示例性的，仅用于解释本发明，而不能理解为对本发明的限制。
本实施方式为基于位置及场景的图数一体化智能评估系统；
如图1所示，提供基于位置及场景的图数一体化智能评估系统功能架构图，包括：样点房源管理、估价分组管理、可比实例管理、标准房管理、修正体系管理、房源地图评估、估价模型检验七个功能模块以及检验、评估水平检验、离散系数（COD）检验、价格差额比例（PRD）检验功能。
具体步骤如下：
第一步：样点房源管理功能模块对GIS数图互访数据库包含房源信息提取、编辑、转换、数图一体归类，利用检验模型进行卡方检验、均值-方差检验、异样点剔除检验选取出样点房源；
如图2所示，检验模型流程图，包括：卡方检验、均值-方差检验、异样点剔除检验；
具体地：对房源信息中房源价格进行卡方检验；卡方检验定义如下公式所示：
；
其中，k为提取的房源信息按房源价格所处区间不同而生成的集合的数量，第一区间；
为第i个组合中包含的房源数量，称为实测频数，其中/>；
n为所有的实测频数之和；
为提取的房源落入第i个组合的理论频数，其中/>；
为i个组合中包含的房源价格进行卡方检验后的所有观察值的集合，其中/>；
过程1.若卡方检验符合正态分布，则通过卡方检验后的房源价格进入到异样点剔除检验，异样点剔除检验具体规则为：去掉其中最小值后求平均值/>，然后取出卡方检验后的房源价格中的最大值/>与最小值/>，并用最大值/>与最小值/>分别减去该平均值/>获得两个绝对值；两个绝对值分别与对应/>进行比较，绝对值≥，则对卡方检验后的房源价格中的最大值/>与最小值/>以及两者对应房源信息再次删除，删除后重复异样点剔除检验，直到绝对值＜/>，最终剩下的房源信息则为样点房源信息；
过程2，若卡方检验不符合正态分布，则用均值-方差检验对房源信息中的房源价格再次提取，取出满足均值-方差检验的房源价格集合X，再次进入卡方检验，直到进入过程1；
异样点剔除检验公式如下所示：
；
；
其中为遍历所有通过卡方检验后的房源价格中的最大值；
其中为遍历所有通过卡方检验后的房源价格中的最小值；
为对所有通过卡方检验后的房源价格，去掉/>值所求得的价格平均值；
为对所有通过卡方检验后的房源价格，去掉/>值所求得的价格标准差；
n为所有的实测频数之和；
为显著性水平定值0.05；
K为选取到的组合的数量；
过程2.若卡方检验不符合正态分布，则用均值-方差检验对房源信息中的房源价格再次提取，取出满足均值-方差检验的房源价格集合X:，其中，/>为提取的所有房源价格的平均值，/>为提取的所有房源价格的方差，集合X满足上述条件时，集合X再次进入卡方检验，直到进入过程1。
第二步：估价分组管理功能模块对样点房源按区域、价格、类型进行分类。
第三步：可比实例管理功能模块对分类好的样点房源，按可比性选取3到6个房源作为可比实例。
第四步：标准房管理功能模块对可比实例信息编辑、查询、测算价格并保存。
第五步：修正体系管理功能模块对房地产估价参数新建、删除、保存、查询。
第六步：房源地图评估功能模块对可比实例进行比较法测算、收益法测算，保存比较价值、相应收益价值估价结果，生成估价结果集合；
如图3所示，提供一种房地产估价可视性建设模型图，包括：线状收益标准价估价模型与线状比较标准价估价模型；
具体地：
从可比实例所对应的房源信息中获得相关估价参数：样点房源租价、样点房源售价、路线租价、路线乘数、路线比较标准价；测算出线状全部房源比较价值、相应收益价值加权平均计算估价结果为标准价，然后进入估价模型检验功能模块。
其中测算方法包括：
线状收益标准价=样点房源租价×100/F×路线乘数；
待估价房源线状收益价值=路线租价×F/100×路线乘数；
线状比较标准价=样点房源售价×100/F；
待估价房源线状比较价值=线状比较标准价×F/100；
其中，样点房源租价、样点房源售价、路线租价、路线乘数包含于可比实例所对应的房源信息；
F为待估价房源的状况赋分，其取值范围为：120≥F≥80。
第七步：估价结果集合与待估价房源实际市场价值集合导入估价模型功能模块进行评估水平检验、离散系数检验和价格差额比例检验，评估水平检验结果/>满足在0.85~1.2之间、离散系数（COD）检验结果0~15、价格差额比例（PRD）检验结果满足在0.98~1.03之间，生成最终估价结果；
评估水平检验定义公式如下所示：
；
其中为待测估价区域总体的估价水平；
为收集到的所有待估价房源实际市场价值的集合；
离散系数检验公式定义如下：
；
其中，COD为离散系数检验结果；
n为所有的实测频数之和；
M为估价结果集合中的中值；
价格差额比例检验公式定义如下：
；
其中，PRD为价格差额比例检验结果；
n为所有的实测频数之和；
为收集到的所有待估价房源实际市场价值的集合。
经过检验后的最终估价结果与对应房源信息返回、录入GIS数图互访数据库。
本发明基于大数据与云计算技术，无需借鉴专业估价师的同时也无需实地到现场进行考察，且可以同时对多个对象估值，提高了估价工作的效率。
本发明用多种检验选取可比实例，可比实例更加有代表性。
本发明中估价过程所用参数不单一，更加多元化、精细化、立体化；并且经过多次修正。
本发明对最终估价结果进行多次检验，确保了获得的结果精确性更高。
具体估价案例
一、从述GIS数图互访数据库获取房源信息基本情况，如下表1所示：
表1.房源信息基本情况表
其中，进深比由房源的形状确定，0.4-0.5对应房源的形状规则，0.3-0.4对应房源的形状基本规则，其他都为不规则。
二、用检验模型进行检验，剔除样点房源中不符合条件（即异样点）的房源信息，获取的样点房源信息,如下表2所示：
表2.样点房源信息基本情况表
三、估价分组模块与可比实例模块对上述样点房源随机选取3~6个可比实例，此处取6个，可比实例如下表3所示：
四、修正体系管理功能模块以及房源地图评估功能模块对可比实例修正并测算，如下步骤与图表所示：
第一步：根据成交日期对可比实例价格进行修正，如下表4所示：
第二步：进一步按照楼层、面积、临街等情况进行修正，获得标准价，如下表5所示：
第三步：将标准价修正结果求平均值作为线状比较标准价，即：（22976+23031+22603+23457+21776+22863）/6=22784；
待估房源价格即为线状比较标准价×房源数据各项参数赋值，如下表6所示：
五、上述待估房源价格测算结果导入估价模型功能检验模块进行检验，如下表7、表8、表9所示：
检验各项结果均满足规定范围值，表内各项参数返回、录入GIS数图互访数据库，后续可视化呈现于GIS数图软件。
以上所述的具体实施例，对本发明的目的、技术方案和有益效果进行了进一步详细说明，所应理解的是，以上所述仅为本发明的具体实施例而已，并不用于限制本发明，凡在本发明的精神和原则之内，所做的任何修改、等同替换、改进等，均应包含在本发明的保护范围之内。
Claims (8)
1.基于位置及场景的图数一体化智能评估系统，其特征在于，包括GIS数图互访数据库,以及功能模块；
所述GIS数图互访数据库中包含了房源信息，其中房源信息包括：房源的影像、位置状况信息、交通状况信息、环境状况信息、房源价格信息；
所述功能模块包括样点房源管理模块、估价分组管理模块、可比实例管理模块、标准房管理模块、修正体系管理模块、房源地图评估模块、估价模型检验模块；
所述样点房源管理功能模块对GIS数图互访数据库所包含的房源信息进行提取、编辑、转换、数图一体归类，利用检验模型选取出样点房源数据，/>检验模型定义如下：
对房源信息中房源价格进行卡方检验过程，卡方检验过程包括；
过程1，若卡方检验符合正态分布，则通过卡方检验后的房源价格进入到异样点剔除检验，异样点剔除检验具体规则为：对所有通过卡方检验后的房源价格，去掉其中最小值后求平均值/>，然后取出卡方检验后的房源价格中的最大值/>与最小值/>，并用最大值/>与最小值/>分别减去该平均值/>获得两个绝对值；两个绝对值分别与对应进行比较，绝对值≥/>，则对卡方检验后的房源价格中的最大值/>与最小值/>以及两者对应房源信息再次删除，删除后重复异样点剔除检验，直到绝对值＜，最终剩下的房源信息则为样点房源信息；
过程2，若卡方检验不符合正态分布，则用均值-方差检验对房源信息中的房源价格再次提取，取出满足均值-方差检验的房源价格集合X，再次进入卡方检验，直到进入过程1；
异样点剔除检验公式如下所示：
；
；
其中为遍历所有通过卡方检验后的房源价格中的最大值；
其中为遍历所有通过卡方检验后的房源价格中的最小值；
为对所有通过卡方检验后的房源价格，去掉/>值所求得的价格平均值；
为对所有通过卡方检验后的房源价格，去掉/>值所求得的价格标准差；
n为所有的实测频数之和；
为显著性水平定值0.05；
K为选取到的组合的数量；
所述房源地图评估功能模块对可比实例进行比较法测算、收益法测算、保存比较价值结果与相应收益价值估价结果，并将比较价值结果与相应收益价值估价结果加权平均计算生成估价结果集合；
所述估价结果集合与待估价房源实际市场价值集合导入估价模型检验功能模块进行评估水平检验、离散系数检验和价格差额比例验，得到最终估价结果；
所述最终估价结果与对应房源信息返回、录入GIS数图互访数据库。
2.根据权利要求1所述的基于位置及场景的图数一体化智能评估系统，其特征在于，所述卡方检验定义如下公式所示：
；
其中，k为提取的房源信息按房源价格所处区间不同而生成的集合的数量，第一区间；
为第i个组合中包含的房源数量，称为实测频数，其中/>；
n为所有的实测频数之和；
为提取的房源落入第i个组合的理论频数，其中/>；
为i个组合中包含的房源价格进行卡方检验后的所有观察值的集合，其中/>。
3.根据权利要求1所述的基于位置及场景的图数一体化智能评估系统，其特征在于，所述均值-方差检验，均值-方差检验公式如下所示：
；
其中，为提取的所有房源价格的平均值；
为提取的所有房源价格的方差；
X为新的房源价格集合。
4.根据权利要求1所述的基于位置及场景的图数一体化智能评估系统，其特征在于，所述评估功能模块包括线状收益标准价估价模型与线状比较标准价估价模型，其公式定义如下：
线状收益标准价=样点房源租价×100/F×路线乘数；
待估价房源收益价值=路线租价×F/100×路线乘数；
线状比较标准价=样点房源售价×100/F；
待估价房源比较价值=路线比较标准价×F/100；
其中，样点房源租价、样点房源售价、路线租价、路线乘数、路线比较标准价包含于可比实例所对应的房源信息；
F为待估价房源的状况赋分。
5.根据权利要求4所述的基于位置及场景的图数一体化智能评估系统，其特征在于，所述F为待估价房源的状况赋分，其取值范围为：120≥F≥80。
6.权利要求1所述的基于位置及场景的图数一体化智能评估系统，其特征在于，所述评估水平检验定义公式如下所示：
；
其中为待测估价区域总体的估价水平；
为收集到的所有待估价房源实际市场价值的集合。
7.根据权利要求1所述的基于位置及场景的图数一体化智能评估系统，其特征在于，所述离散系数检验公式定义如下：
；
其中，COD为离散系数检验结果；
n为所有的实测频数之和；
M为估价结果集合中的中值。
8.根据权利要求1所述的基于位置及场景的图数一体化智能评估系统，其特征在于，所述价格差额比例检验公式定义如下：
；
其中，PRD为价格差额比例检验结果；
n为所有的实测频数之和；
为收集到的所有待估价房源实际市场价值的集合。
Priority Applications (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202311462168.XA CN117196736B (zh) | 2023-11-06 | 2023-11-06 | 基于位置及场景的图数一体化智能评估系统 |
Applications Claiming Priority (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202311462168.XA CN117196736B (zh) | 2023-11-06 | 2023-11-06 | 基于位置及场景的图数一体化智能评估系统 |
Publications (2)
| Publication Number | Publication Date |
|---|---|
| CN117196736A true CN117196736A (zh) | 2023-12-08 |
| CN117196736B CN117196736B (zh) | 2024-02-09 |
Family
ID=89003768
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| CN202311462168.XA Active CN117196736B (zh) | 2023-11-06 | 2023-11-06 | 基于位置及场景的图数一体化智能评估系统 |
Country Status (1)
| Country | Link |
|---|---|
| CN (1) | CN117196736B (zh) |
Citations (8)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| KR20050002169A (ko) * | 2003-06-30 | 2005-01-07 | 주식회사 국민은행 | 인터넷을 통한 부동산 시세정보 제공방법 및 시스템 |
| WO2009036506A1 (en) * | 2007-09-18 | 2009-03-26 | Greenway Capital Limited | Apparatus and method for property portfolio management |
| KR101692521B1 (ko) * | 2016-02-29 | 2017-01-17 | 권형달 | 부동산 정보 제공 및 공유 장치 |
| CN107909225A (zh) * | 2017-12-12 | 2018-04-13 | 链家网（北京）科技有限公司 | 一种房产交易中的贷款放款时长预测方法 |
| CN110110062A (zh) * | 2019-04-30 | 2019-08-09 | 贝壳技术有限公司 | 机器智能问答方法、装置与电子设备 |
| CN111047359A (zh) * | 2019-12-16 | 2020-04-21 | 重庆锐云科技有限公司 | 房地产智能估价系统 |
| CN112084240A (zh) * | 2020-09-15 | 2020-12-15 | 浙江新再灵科技股份有限公司 | 一种群租房智能识别、联动治理方法及系统 |
| CN113379124A (zh) * | 2021-06-09 | 2021-09-10 | 北京房江湖科技有限公司 | 基于预测模型的人员稳定性预测方法及装置 |
-
2023
- 2023-11-06 CN CN202311462168.XA patent/CN117196736B/zh active Active
Patent Citations (8)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| KR20050002169A (ko) * | 2003-06-30 | 2005-01-07 | 주식회사 국민은행 | 인터넷을 통한 부동산 시세정보 제공방법 및 시스템 |
| WO2009036506A1 (en) * | 2007-09-18 | 2009-03-26 | Greenway Capital Limited | Apparatus and method for property portfolio management |
| KR101692521B1 (ko) * | 2016-02-29 | 2017-01-17 | 권형달 | 부동산 정보 제공 및 공유 장치 |
| CN107909225A (zh) * | 2017-12-12 | 2018-04-13 | 链家网（北京）科技有限公司 | 一种房产交易中的贷款放款时长预测方法 |
| CN110110062A (zh) * | 2019-04-30 | 2019-08-09 | 贝壳技术有限公司 | 机器智能问答方法、装置与电子设备 |
| CN111047359A (zh) * | 2019-12-16 | 2020-04-21 | 重庆锐云科技有限公司 | 房地产智能估价系统 |
| CN112084240A (zh) * | 2020-09-15 | 2020-12-15 | 浙江新再灵科技股份有限公司 | 一种群租房智能识别、联动治理方法及系统 |
| CN113379124A (zh) * | 2021-06-09 | 2021-09-10 | 北京房江湖科技有限公司 | 基于预测模型的人员稳定性预测方法及装置 |
Non-Patent Citations (3)
| Title |
|---|
| 张婷;吴秀敏;: "绿色食品生产农户履约行为影响因素", 江苏农业科学, no. 12 * |
| 柳向娥;范宝芬;: "比较法在房地产估价实践中的应用问题及其改进对策", 天津城建大学学报, no. 02 * |
| 裘佳璐: "在线短租房源的价格影响因素研究", 《中国优秀硕士学位论文全文数据库》 * |
Also Published As
| Publication number | Publication date |
|---|---|
| CN117196736B (zh) | 2024-02-09 |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| CN109992638B (zh) | 地理位置poi的生成方法、装置、电子设备和存储介质 | |
| US20120303536A1 (en) | Property complexity scoring system, method, and computer program storage device | |
| CN110728422A (zh) | 用于施工项目的建筑信息模型、方法、装置和结算系统 | |
| CN114705922A (zh) | 多参数、多算法集成的雷电精细化监测预警算法 | |
| CN113269240A (zh) | 一种雨量站选址信息输出方法、装置、电子设备和介质 | |
| Walter et al. | Measuring the wisdom of the crowd: How many is enough? | |
| CN109242540A (zh) | 一种基于大数据的二手房价格指数计算方法 | |
| CN117557681B (zh) | 一种基于多源测绘数据的高精度地形图生成方法及装置 | |
| JP2012526318A (ja) | 住宅価格指数を生成するシステム | |
| CN117196736B (zh) | 基于位置及场景的图数一体化智能评估系统 | |
| CN110716998A (zh) | 一种精细尺度人口数据空间化方法 | |
| CN111260384A (zh) | 服务订单处理方法、装置、电子设备及存储介质 | |
| CN114202149A (zh) | 一种数字化楼宇信息管理方法、装置、系统及存储介质 | |
| Stark | Quality assessment of volunteered geographic information using open Web map services within OpenAddresses | |
| CN115271332A (zh) | 一种旱情监测方法 | |
| Walter et al. | A two-level approach for the crowd-based collection of vehicles from 3D point clouds | |
| CN113742929A (zh) | 一种针对格点气象实况的数据质量评价方法 | |
| CN112598228A (zh) | 企业竞争力的分析方法、装置、设备及存储介质 | |
| CN115840740B (zh) | 一种用于光伏电站的太阳能资源缺测数据插补方法 | |
| CN117436770B (zh) | 基于bim的建筑工程建设管理方法及系统 | |
| Zhao et al. | Path selection of spatial econometric model for mass appraisal of real estate: evidence from Yinchuan, China | |
| CN115062392A (zh) | 基于bim的临建三维正向设计方法、临建方案设计装置以及系统 | |
| Corvalão et al. | FORECASTING THE REVENUE FROM VALUE ADDED TAXES IN THE STATE OF SANTA CATARINA, BRAZIL: THE GENERAL TO SPECIFIC APPROACH IN DYNAMIC REGRESSION | |
| CN115014191A (zh) | 一种变形监测信息展示系统、方法和存储介质 | |
| CN117112681A (zh) | 道德评价数据库的建立方法、装置、系统以及存储介质 |
Legal Events
| Date | Code | Title | Description |
|---|---|---|---|
| PB01 | Publication | ||
| PB01 | Publication | ||
| SE01 | Entry into force of request for substantive examination | ||
| SE01 | Entry into force of request for substantive examination | ||
| GR01 | Patent grant | ||
| GR01 | Patent grant |