基于ArcGIS的房地产价格空间分布研究

首先以深圳市福田区部分普通住宅的房地产价格为数据基础,利用空间分布分析中的最近邻距离分析法确定了各住宅的空间分布情况,即呈簇状分布状态;然后,运用空间自相关理论和方法,选用Moran,指数对研究区域的房价自相关关系进行测度和实证分析,从而得到深圳市景田区部分住宅房地产价格的空间自相关性情况;最后,利用ArcGIS中的地统计分析工具对整个区域的房地产价格进行了拟合,得到研究区域房价的空间分布情况。     

基于房产网站数据的商品住宅价格空间分布研究——以成都市为例

从安居客房产网站自动获取成都市的商品住宅资料,利用GIS方法分析成都市商品住宅价格的空间分布特征,得出了成都市商品房价格空间分布结果和发展趋势。     

方差分量估计建立整体估价价格体系的新方法

随着房地产市场的发展,房地产估价的研究逐渐深入。如何更好地、科学地、快速地对大量房地产价格进行评估已成为现实的问题。一般的平差模型对已有数据的利用率不高,当存在多类观测值时,不同观测值的随机模型的确定是否合理会严重影响结果的精度。基于房地产整体估价的思想,提出了方差分量估计建立价格体系的新方法。通过对两类观测值进行试验,一类通过比价系数求得价格差建立观测方程;一类由价格直接建立观测方程。结果分析表明,新方法能够实现不同观测值的权值自动调整,精度更高,可靠性更强。     

Mapping fine‐scale urban housing prices by fusing remotely sensed imagery and social media data

The accurate mapping of urban housing prices at a fine scale is essential to policymaking and urban studies, such as adjusting economic factors and determining reasonable levels of residential subsidies. Previous studies focus mainly on housing price analysis at a macro scale, without fine‐scale study due to a lack of available data and effective models. By integrating a convolutional neural network for united mining (UMCNN) and random forest (RF), this study proposes an effective deep‐learning‐based framework for fusing multi‐source geospatial data, including high spatial resolution (HSR) remotely sensed imagery and several types of social media data, and maps urban housing prices at a very fine scale. With the collected housing price data from China's biggest online real estate market, we produced the spatial distribution of housing prices at a spatial resolution of 5 m in Shenzhen, China. By comparing with eight other multi‐source data mining techniques, the UMCNN obtained the highest housing price simulation accuracy (Pearson R = 0.922, OA = 85.82%). The results also demonstrated a complex spatial heterogeneity inside Shenzhen's housing price distribution. In future studies, we will work continuously on housing price policymaking and residential issues by including additional sources of spatial data.     

基于相关性分析的GRNN在房地产估价中的应用

介绍了广义回归神经网络的原理,利用深圳市景田区房地产数据建立价格预测模型。为减少房地产估价过程中人为因素的影响,先从选取的12种影响因子分别对房地产价格做相关性分析,然后选出影响因子显著的6个作为网络输入。通过与传统的BP神经网络作比较,优化网络输入后的GRNN的预测效果更好,更有利于房地产市场的估计分析。     

梯度推移理论和GIS在北京城区住宅地价时空推移规律中的应用

将GIS技术与区域经济学中的梯度推移理论相结合,研究了北京城区住宅地价的时空推移规律。结果表明,北京市住宅地价具有很强的空间相关性,区域因素对地价的影响较大。该梯度推移趋势主要与土地供应、轨道交通的建设、奥运会的影响及城区功能的转变等因素相关。     

房产价格时空演变分析

以时空数据模型及房产价格为研究对象,在同时满足基于特征和事件的空间时态数据模型基础上,结合数据库、统计分析、数据挖掘等技术创建基于位置(栅格)和对象(矢量)相结合的时空数据模型,实现了对马鞍山市房产价格的查询和管理.     

兰州市商品住宅价格的空间分异规律

针对住宅价格在城市空间中的分布规律问题,该文以兰州市主城区2015年在售的187个商品住宅样本均价为基本数据,运用空间自相关法对兰州市住宅价格的空间异质性和集聚性进行分析,并利用趋势面分析和空间反距离权重插值法对住宅价格的空间分布格局进行研究。结果表明:兰州市住宅价格总体上呈显著的空间正自相关性,少数地区存在差异性;住宅价格发展不平衡,价格"东高西低";住宅价格由各区行政中心向四周逐级递减,呈多极核分布特征;价格等值线"东密西疏",住宅价格变化幅度空间差异较大。分析发现,区位条件、交通条件及居住环境是影响兰州市商品住宅价格的主要因素。     

房地产计税价格批量评估实证研究

结合批量评估的技术思路,以深圳市二手住宅计税价格批量评估为例,构建了以长期趋势法,成本法为基本原理,结合地理信息技术(GIS)的批量评估模型,并提出研究结论与未来发展设想.     

手持激光雷达扫描系统在农村房地一体测量中的应用

农村房屋不动产登记是国家深化农村集体产权制度改革的重要基础性工作.房地一体测量成果是农村房屋不动产登记的基础数据,如何快速有效地采集大比例尺农村地籍及房屋数据,提高农村房屋不动产登记的效率,降低数据采集的成本,是测绘地理信息行业的使命和挑战.本文通过在广东、江苏的实际项目中使用手持激光雷达扫描采集农村房屋及附属的地籍空...     

公共房产管理时空数据库的建设

本文在基态修正模型的基础上提出了公共房产管理时空数据库建设的理论,简要地介绍了朝鲜(朝鲜民主主义人民共和国)公共房产管理情况,分析了公共房产管理所需时空数据的特性,并且为尽量减少数据冗余、最大限度地发挥管理系统的效率,在空间和属性数据结构中定义了时间字段;然后数据被分为不可变数据和频繁变更数据。基于这一理论,为公共房产管理设计了完整的时空数据库模型,构建了某些地区的数据库。     

南昌市二手房价格影响因子的空间异质性

以安居客网站爬取的2018年10月894个南昌市住宅小区二手房价格为研究对象,利用地理加权回归模型探讨了建筑特征、邻里特征、区位特征等方面各影响因子对住宅价格的作用差异。研究结果表明:1)地理加权回归(GWR)模型的拟合结果优于OLS模型,将回归系数结果空间可视化发现南昌市二手房价格影响因子具有空间异质性。2)不同因子对价格影响程度不同,其中对南昌市二手房价格影响较大的因子是房龄、绿化率以及与CBD的距离。3)同一因子对住房价格的影响在不同空间也具有差异性。其中主要是绿化率、容积率、重点学校、购物中心及地铁对新开发区的二手房价格影响比较大,对老城区影响较小;商务中心区和三甲医院对南昌县二手房价的影响最大;而房龄和旅游景点对老城区影响比较大。     

时态GIS在房屋全生命周期管理信息平台中的设计与应用

房屋全生命周期管理信息平台在一定程度上实现了房屋相关信息资源的共享,为相关部门的规划和决策提供了有效的支持和依据。时态GIS在房屋全生命周期管理信息平台中应用保证了房屋在任意时点的可追溯性,在房地产历史变化研究、房地产市场动态监控以及城市发展规划方面都具有重要的参考意义。     

房产面积测量的系统性研究

房产面积测量具有不确定性。究其原因是专业人员对房产面积的认识有差异,对物业功能属性认识模糊,同时还缺少科学的评判方法。本文突破房产面积的平面概念,对房产面积进行了空间系统性分析,提出容积率条件下的建筑面积是最基本的房屋产权面积,从而剥离出没有土地使用权的建筑面积。通过建立决策规则,对构成物业功能空间各要素在不同组合条件下的具体物业空间作出是否计算建筑面积的评判。本研究已用于指导GB《房产测绘规范》江西省地方细则编制的实践。     

房地产基础测绘对权属登记的重要性分析

当前在全国十几个城市,房屋价格在稳中有降,房屋贷款利率保持进一步下调,这大大减低了老百姓的购买负担。就拿无锡来看,据《2008年第四季度锡房指数报告》,2008年锡城楼市80～100平米中等套型的成交量仍然保持增长趋势。鉴于目前新建商品房建筑形态各异,多样化、复杂化、个性化的建筑风格比比皆是,在进行房屋权属登记时,无疑会造成房屋测绘的难度增大。在此情况下,再次认识房地产基础测绘的重要性,提高房产基础测绘者法律意识,努力提高产品质量,准确提供权属登记所需要的资料,具有非常积极的作用。     

商品房共有建筑面积多级分摊模型研究

随着城市化进程的加速和房地产行业规模的激增,关于房产测绘时共用面积分摊的问题逐渐凸显。本文针对复杂的多功能房屋共有建筑面积分摊问题,运用现有的房产共有建筑面积分摊模型进行了初步分析。     

新疆克拉玛依市商业地价空间分布规律研究

城市地价是一个具有时空性质的多维概念,在空间分布上具有较强的关联性和特殊性。但目前对城市地价空间分布规律方面的研究相对较少,还没有形成系统性的理论与方法依据,本文以克拉玛依市2007年土地调查商业用地数据和地价动态监测数据为依据,以ARCGIS软件为平台,采用地统计学的方法,对克拉玛依市商业用地价格的空间分布进行了研究。研究表明:地统计学的理论与方法对城市地价空间分布进行研究具有独特的优越性;城市商业用地地价的分布在空间上既有连续性,也存在变异性,受区域整体趋势的影响明显高于小范围的变异性,属于强空间自相关;商业用地地价分布整体呈现圈层结构,交通道路对地价的空间分布具有重要影响。     

Incorporating spatial variation in housing attribute prices: a comparison of geographically weighted regression and the spatial expansion method

Hedonic house price models typically impose a constant price structure on housing characteristics throughout an entire market area. However, there is increasing evidence that the marginal prices of many important attributes vary over space, especially within large markets. In this paper, we compare two approaches to examine spatial heterogeneity in housing attribute prices within the Tucson, Arizona housing market: the spatial expansion method and geographically weighted regression (GWR). Our results provide strong evidence that the marginal price of key housing characteristics varies over space. GWR outperforms the spatial expansion method in terms of explanatory power and predictive accuracy.

城市房价空间分布及其影响因素分析

针对城市房价的空间分布规律及其影响因素的研究,该文提出了以南昌市青山湖区房价为研究对象,基于相关理论,搜集整理了2015年07月到10月南昌市青山湖区155个楼盘的均价,利用市场比较法把房价修正到2015年10月份节点上,估算出了155个楼盘点的价格,以GIS技术为研究平台,运用普通克里格插值方法,得到了青山湖区房价的等值线图,根据等值线图得到其空间分布情况,从可达性视角出发,采用结构方程模型构建了青山湖区房价影响因素分析框架,运用SPSS分析出各自变量和因变量之间的关系,即定量分析出了各影响因素对房价格产生的影响程度。     

历史建筑和历史风貌区普查成果的质检技术标准研究

齐全、规范的历史建筑和历史风貌区数据信息对文化遗产保护利用十分重要,而普查作为数据信息获取的有效手段,其成果质量的好坏直接关系历史建筑和历史风貌区本身的价值。本文深入研究并阐述了如何根据成果特点创新地运用质检标准,确定错漏计分与质量评定的方法,从而对历史建筑普查成果进行质量检验,并展望了该质检方法在普查类项目成果的中应用。