CN107704577B - 不动产大数据分析*** - Google Patents
不动产大数据分析*** Download PDFInfo
- Publication number
- CN107704577B CN107704577B CN201710918774.6A CN201710918774A CN107704577B CN 107704577 B CN107704577 B CN 107704577B CN 201710918774 A CN201710918774 A CN 201710918774A CN 107704577 B CN107704577 B CN 107704577B
- Authority
- CN
- China
- Prior art keywords
- data
- house
- real estate
- module
- information
- 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.)
- Active
Links
- 238000007405 data analysis Methods 0.000 title claims abstract description 47
- 238000000605 extraction Methods 0.000 claims abstract description 8
- 238000002360 preparation method Methods 0.000 claims abstract description 8
- 238000004140 cleaning Methods 0.000 claims abstract description 6
- 238000004364 calculation method Methods 0.000 claims description 14
- 238000011161 development Methods 0.000 claims description 3
- 238000012546 transfer Methods 0.000 claims description 2
- 238000000547 structure data Methods 0.000 claims 2
- 238000001514 detection method Methods 0.000 claims 1
- 238000005538 encapsulation Methods 0.000 claims 1
- 239000000523 sample Substances 0.000 description 23
- 230000000875 corresponding effect Effects 0.000 description 6
- 238000004458 analytical method Methods 0.000 description 4
- 238000010586 diagram Methods 0.000 description 4
- 238000005065 mining Methods 0.000 description 4
- 230000015572 biosynthetic process Effects 0.000 description 3
- 230000004927 fusion Effects 0.000 description 3
- 238000011160 research Methods 0.000 description 3
- 230000000694 effects Effects 0.000 description 2
- 238000005516 engineering process Methods 0.000 description 2
- 238000009396 hybridization Methods 0.000 description 2
- 238000007726 management method Methods 0.000 description 2
- 238000000034 method Methods 0.000 description 2
- 238000012216 screening Methods 0.000 description 2
- 241000495825 Rallus elegans Species 0.000 description 1
- 230000001174 ascending effect Effects 0.000 description 1
- 230000002596 correlated effect Effects 0.000 description 1
- 238000007418 data mining Methods 0.000 description 1
- 230000001419 dependent effect Effects 0.000 description 1
- 239000000284 extract Substances 0.000 description 1
- 230000014509 gene expression Effects 0.000 description 1
- 238000012986 modification Methods 0.000 description 1
- 230000004048 modification Effects 0.000 description 1
- 230000037211 monthly cycles Effects 0.000 description 1
- 238000007781 pre-processing Methods 0.000 description 1
- 238000012545 processing Methods 0.000 description 1
- 230000001737 promoting effect Effects 0.000 description 1
- 230000000717 retained effect Effects 0.000 description 1
- 238000007789 sealing Methods 0.000 description 1
- 238000012163 sequencing technique Methods 0.000 description 1
- 239000013589 supplement Substances 0.000 description 1
Images
Classifications
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F16/00—Information retrieval; Database structures therefor; File system structures therefor
- G06F16/20—Information retrieval; Database structures therefor; File system structures therefor of structured data, e.g. relational data
- G06F16/22—Indexing; Data structures therefor; Storage structures
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F16/00—Information retrieval; Database structures therefor; File system structures therefor
- G06F16/20—Information retrieval; Database structures therefor; File system structures therefor of structured data, e.g. relational data
- G06F16/21—Design, administration or maintenance of databases
- G06F16/215—Improving data quality; Data cleansing, e.g. de-duplication, removing invalid entries or correcting typographical errors
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F16/00—Information retrieval; Database structures therefor; File system structures therefor
- G06F16/20—Information retrieval; Database structures therefor; File system structures therefor of structured data, e.g. relational data
- G06F16/24—Querying
- G06F16/245—Query processing
- G06F16/2455—Query execution
- G06F16/24553—Query execution of query operations
- G06F16/24554—Unary operations; Data partitioning operations
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F16/00—Information retrieval; Database structures therefor; File system structures therefor
- G06F16/20—Information retrieval; Database structures therefor; File system structures therefor of structured data, e.g. relational data
- G06F16/24—Querying
- G06F16/245—Query processing
- G06F16/2458—Special types of queries, e.g. statistical queries, fuzzy queries or distributed queries
- G06F16/2462—Approximate or statistical queries
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F16/00—Information retrieval; Database structures therefor; File system structures therefor
- G06F16/20—Information retrieval; Database structures therefor; File system structures therefor of structured data, e.g. relational data
- G06F16/25—Integrating or interfacing systems involving database management systems
- G06F16/254—Extract, transform and load [ETL] procedures, e.g. ETL data flows in data warehouses
-
- 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
Landscapes
- Engineering & Computer Science (AREA)
- Theoretical Computer Science (AREA)
- Physics & Mathematics (AREA)
- Databases & Information Systems (AREA)
- General Physics & Mathematics (AREA)
- General Engineering & Computer Science (AREA)
- Data Mining & Analysis (AREA)
- Business, Economics & Management (AREA)
- Computational Linguistics (AREA)
- Probability & Statistics with Applications (AREA)
- Software Systems (AREA)
- Tourism & Hospitality (AREA)
- Economics (AREA)
- Fuzzy Systems (AREA)
- Health & Medical Sciences (AREA)
- Mathematical Physics (AREA)
- General Health & Medical Sciences (AREA)
- Human Resources & Organizations (AREA)
- Marketing (AREA)
- Primary Health Care (AREA)
- Strategic Management (AREA)
- General Business, Economics & Management (AREA)
- Quality & Reliability (AREA)
- Management, Administration, Business Operations System, And Electronic Commerce (AREA)
Abstract
本发明提供一种不动产大数据分析***,包括数据源模块、数据准备模块、数据形成模块、数据分析模块及数据应用模块;数据源模块包括不动产登记库、互联网模块、物联网模块及政务大数据模块;数据准备模块用于对土地信息、房屋信息、权利人信息进行字段抽取,并对土地交易数据、房屋数据、人口数据进行数据采集及预处理;数据形成模块用于清洗评估并重组土地数据集、房产数据集、房企数据集、权利人财产数据集、权利人信用数据集及空间位置数据集;数据分析模块包括至少一个专题数据分析模型。
Description
技术领域
本发明具体涉及一种不动产大数据分析***。
背景技术
不动产登记数据是在国土资源部门统一监督指导下进行全国土地、房屋、草原、林地、海域等不动产登记所形成的数据,数据记录了不动产权利人、不动产位置、状态、编号等详细信息,实现了个人信息与房、地、林等不动产信息的精准关联,合理有效的挖掘分析不动产数据可以揭示出其内涵的人、土地、房地产之间的复杂关系网络,为政府部门进行土地供应、房地产管理等工作提供决策支持,是一种高价值的国土资源数据类型。但是不动产登记数据作为国土资源部门数据的一种,其关注的是不动产领域的权属变更信息,登记数据也较少涉及到社会经济属性,这就降低了不动产登记数据深度挖掘的潜力,无法挖掘人、土地市场、房地产场等社会经济领域的相互关系,不利于不动产数据参与重要的社会经济生活领域宏观决策。
要充分发掘不动产登记数据的内在价值必须结合不动产相关的社会经济大数据。现代社会经济活动高度依赖互联网,人类的相关活动在互联网上留下了大量的痕迹数据,这些数据正在以极快的速度增长着,并且它们是开放免费的。同时,一些开放数据组织机构出于促进大数据产业发展,帮助研究团体和个人获得数据的目的,向社会免费公开所收集的数据。采用一定的技术手段获取这些带有社会经济属性的数据,将它们与不动产数据相结合,构建不动产大数据加以分析、挖掘,在大大节约成本的同时,也充分释放出不动产数据的内在经济、社会效益。综上所述,目前急需一种不动产大数据分析***。
发明内容
本发明的目的在于针对现有技术的不足,提供一种不动产大数据分析***,该不动产大数据分析***可以很好地解决上述问题。
为达到上述要求,本发明采取的技术方案是:提供一种不动产大数据分析***,该不动产大数据分析***包括数据源模块、数据准备模块、数据形成模块、数据分析模块及数据应用模块;数据源模块包括不动产登记库、互联网模块、物联网模块及政务大数据模块;数据准备模块用于对土地信息、房屋信息、权利人信息进行字段抽取,并对土地交易数据、房屋数据、人口数据进行数据采集及预处理;数据形成模块用于清洗评估并重组土地数据集、房产数据集、房企数据集、权利人财产数据集、权利人信用数据集及空间位置数据集;数据分析模块包括至少一个专题数据分析模型。
该不动产大数据分析***具有的优点如下:
不动产登记数据和不动产相关的互联网社会经济数据在类型、结构、来源等方面存在很大的差异。将结构型不动产登记数据与非结构型的互联网社会经济数据相结合,必须制定相应的数据清洗方案,解决因业务口径不同而产生的数据标准不统一、类型不匹配、格式不一致、语义不一致等问题。通过互联网和物联网等方式获取的数据本身还呈现出数据价值密度低等问题,只有通过开展信息的清洗与抽取、时空匹配、信息融合,才能将这些具有现势性特性的数据与结构化的不动产登记数据相结合,实现国土大数据的实时接入、时空关联和内容融合,为后续的分析决策提供依据。在此基础上,进行数据挖掘从海量的数据中获得不动产登记大数据蕴藏的人、土地市场、房地产市场等方面的知识与模式,将这些知识、模式提炼总结,用来对国土资源部门工作进行指导与支持。
该不动产大数据分析***建立可以有力地补充国土行业数据在社会、经济表现方面的短板,与不动产数据本身形成有机体,成为国土管理的核心数据集。同时,以大数据技术为支持的数据获取、融合、挖掘技术,可以更好的发挥不动产数据和大数据的价值,提升数据资源的可利用性。
附图说明
此处所说明的附图用来提供对本申请的进一步理解,构成本申请的一部分,在这些附图中使用相同的参考标号来表示相同或相似的部分,本申请的示意性实施例及其说明用于解释本申请,并不构成对本申请的不当限定。在附图中:
图1示意性地示出了根据本申请一个实施例的不动产大数据分析***的示意图。
图2示意性地示出了根据本申请一个实施例的不动产大数据分析***的“人”样本筛选流程图
图3示意性地示出了根据本申请一个实施例的不动产大数据分析***的“房”样本筛选流程图
图4示意性地示出了根据本申请一个实施例的不动产大数据分析***的购房者来源计算流程图。
具体实施方式
为使本申请的目的、技术方案和优点更加清楚,以下结合附图及具体实施例,对本申请作进一步地详细说明。
在以下描述中,对“一个实施例”、“实施例”、“一个示例”、“示例”等等的引用表明如此描述的实施例或示例可以包括特定特征、结构、特性、性质、元素或限度,但并非每个实施例或示例都必然包括特定特征、结构、特性、性质、元素或限度。另外,重复使用短语“根据本申请的一个实施例”虽然有可能是指代相同实施例,但并非必然指代相同的实施例。
为简单起见,以下描述中省略了本领域技术人员公知的某些技术特征。
根据本申请的一个实施例,提供一种不动产大数据分析***,如图1所示,包括数据源模块、数据准备模块、数据形成模块、数据分析模块及数据应用模块;数据源模块包括不动产登记库、互联网模块、物联网模块及政务大数据模块。
根据本申请的一个实施例,该不动产大数据分析***的数据准备模块用于对土地信息、房屋信息、权利人信息进行字段抽取,并对土地交易数据、房屋数据、人口数据进行数据采集及预处理。
根据本申请的一个实施例,该不动产大数据分析***的数据形成模块用于清洗评估并重组土地数据集、房产数据集、房企数据集、权利人财产数据集、权利人信用数据集及空间位置数据集。
根据本申请的一个实施例,该不动产大数据分析***的数据分析模块包括至少一个专题数据分析模型。
根据本申请的一个实施例,该不动产大数据分析***的土地信息抽取的字段包括位置、用途、等级、规划指标、变化原因、内容。
根据本申请的一个实施例,该不动产大数据分析***的规划指标包括面积、容积率、建筑密度、建筑限高。
根据本申请的一个实施例,该不动产大数据分析***的房屋信息抽取的字段包括层属性表字段、户属性表字段、房地产权属性表字段及分摊土地面积。
根据本申请的一个实施例,该不动产大数据分析***的权利人信息抽取的字段包括权利人属性表字段、查封属性表字段、抵押属性表字段。
根据本申请的一个实施例,该不动产大数据分析***的土地交易数据包括土地转让、转包、互换信息及土地现状信息。
根据本申请的一个实施例,该不动产大数据分析***的房屋数据包括新房数据、二手房数据即租房数据,所述房企数据包括房企资产信息、房企购地信息、房企开发信息及房企销售信息。
根据本申请的一个实施例,该不动产大数据分析***的人口数据包括人口基本属性数据、纳税数据、消费数据及信贷数据。
根据本申请的一个实施例,该不动产大数据分析***在使用时可以先在不动产数据库中提取关键字段、之后利用不动产爬虫软件抓取网络关键信息、再后进行关键字段与关键信息的配对,最后将数据清洗入库。
根据本申请的一个实施例,该不动产大数据分析***对人的样本提取方法如下:如图2所示,对样本区“人”,即权利人数据进行筛选。由于不动产登记工作正在进行,并未实现完全统一登记,因此数据会有缺失情况。还需要注意的是一处房产被多个权利人共有时,房产与权利人之间存在所有权关系,在筛选样本时将保留共有产权人的登记信息。
根据本申请的一个实施例,该不动产大数据分析***关键字段与关键信息配对的方法如下:探测不动产因子与大数据因子的相关性。对于区域空间分布格局形成的主要因素,由Q值度量:
式中,Q为探测值,m是研究区域内属性个数,n为区域属性特征个数,整个区域σ2U为影响力的方差,Q取值为[0,1],P值越接近0,表明不动产数据与大数据的关联度小;Q值越大则说明不动产数据与大数据的关联度大;Q=1,则两者完全关联。
具体应用
(1)“人”数据计算
不动产登记数据中如果一处房产由多个产权人共有,则会根据产权人数量进行相应次数的登记。在关于“人”的数据计算中,共有产权人被认为是房产购买的参与者,共有产权人将会参与所有计算。
1)性别结构计算
在人、房样本数据中一个权利人代码对应一个不动产单元号,因此每条记录都被视为一次购买行为。统计样本数据中不同性别出现的次数进行计算来获得购房的性别结构,相应的SQL语句如下:
SELECT性别,COUNT(性别)FROM样本数据GROUP BY性别;
2)年龄结构计算
全部购房者年龄结构:
基于现有的“人”,即购房者,统计不同年龄下的购房数量,对应的SQL语句为:
SELECT年龄,COUNT(年龄)FROM样本数据GROUP BY年龄
此外,对于购房者年龄结构还有另外两种表达,分别是购房者拥有套数和购房套次。
按照套数购房者年龄结构:
套数是指截至获取样本数据的时间内,同一个权利人购买房屋的数量,在样本数据中表现为同一权利人代码出现的次数,统计不同年龄房屋套数的分布情况,提取套数对应的SQL语句如下:
SELECT R2.年龄,R2.房屋套数,COUNT(*)人数FROM
(SELECT R.*,R1.年龄FROM(SELECT权利人代码,COUNT(*)房屋套数FROM样本数据GROUP BY权利人代码)R,(SELECT DISTINCT权利人代码,年龄FROM样本数据)R1
WHERE R1.权利人代码=R.权利人代码)R2
GROUP BY R2.年龄,R2.房屋套数;
按照套次购房者年龄结构:
套次是以购房者购买房产时间为准计算购房者年龄,统计不同购房者购房次数,计算获得不同年龄购房者购买房屋次数的分布。套次在样本数据中通过将权利人按“登记时间”升序排序的先后次序获得,提取套次年龄结构的SQL语句如下:(其中“年龄”计算方式见公式2)
SELECT H.年龄,H.房屋套次,COUNT(*)人数FROM
(SELECT R.不动产单元号,R.权利人代码,R.年龄,ROW_NUMBER()OVER(PARTITONBY R.权利人代码ODER BY R.产权登记时间)房屋套次FROM样本数据R)H
GROUP BY H.年龄,H.房屋套次;
图4为购房者来源计算流程图,通过权利人代码能获得权力人籍贯地行政区划代码,将行政区划代码转换为权利人所在省、市地区。将权利人区分为省外外地购房者和省内外地购房者(省内非本行政区)。
“房”数据计算的时候同一不动产多个人共有时,对相关登记数据进行去重,只保留其中一条记录,据此进行相关指标计算。
销售指标统计:
基于得到的“房”样本数据,一条记录视为一次销售,按照“登记时间”字段获得不同年份、不同月份的销售指标统计,销售指标包括:销售量、销售面积、销售均价。按月提取销售指标对应的SQL语句如下:
SELECT H.时间,SUM(H.销售量1)月销售量,SUM(H.面积1)月销售面积,SUM(房屋交易价格1)房屋交易总价格,SUM(房屋交易价格1)/SUM(H.面积1)房屋销售均价)FROM;
(SELECT TO_CHAR(T.登记时间,’YYYY-MM’)时间,COUNT(*)销售量1,SUM(T.面积),面积1,SUM(T.房屋交易价格)房屋交易价格1FROM样本数据T GROUP BY T.登记时间)H;
GROUP BY H.时间;
变化分析:
研究中的变化分析以增长率变化为主,主要研究房产市场整体走向及变化趋势,其中月度环比增长率(YHB)计算公式如下:
YHB=(Jm=TMXSL-LMXSL)/LMXSL 公式3
其中,YHB代表月销售环比增长率,TMXSL和LMXSL分别代表当月销售量和上月销售量,季度和年度环比计算同上,将月销售替换为季度和年度就可以计算。
(3)“地”数据计算
基于得到的“地”样本数据,一条样本数据视为一次土地交易,按“成交时间”字段统计不同年份、不同月份土地成交指标。土地成交指标包括成交面积、成交均价、成交面积、成交总价格。按照月提取土地成交指标的SQL语句如下:
SELECT H.时间,SUM(H.成交量1)月成交量,SUM(H.面积1)月成交面积,SUM(成交价格1)月成交总价格,SUM(成交价格1)/SUM(H.成交面积1)月成交均价)FROM;
(SELECT TO_CHAR(T.成交时间,’YYYY-MM’)时间,COUNT(*)成交量1,SUM(T.成交面积),成交面积1,SUM(T.成交价格)成交价格1FROM样本数据T GROUP BY T.成交时间)H;
GROUP BY H.时间;
根据本申请的一个实施例,该不动产大数据分析***对房的样本提取方法如下:如图3所示,对样本区“房”,即房产销售数据进行筛选。同样由于不动产登记工作的进行。“房”样本数据从“房”的角度进行计算,房产共有权利人登记信息将进行去重处理,只保留其中一条记录。
根据本申请的一个实施例,该不动产大数据分析***对房的数据筛选条件:除土地编号字段外,所有字段不为空、不为零;“成交状态”为已成交。
以上所述实施例仅表示本发明的几种实施方式,其描述较为具体和详细,但并不能理解为对本发明范围的限制。应当指出的是,对于本领域的普通技术人员来说,在不脱离本发明构思的前提下,还可以做出若干变形和改进,这些都属于本发明保护范围。因此本发明的保护范围应该以所述权利要求为准。
Claims (6)
1.一种不动产大数据分析***,其特征在于:包括数据源模块、数据准备模块、数据形成模块、数据分析模块及数据应用模块;所述数据源模块包括不动产登记库、互联网模块、物联网模块及政务大数据模块;
所述数据准备模块用于对土地信息、房屋信息、权利人信息进行字段抽取,并对土地交易数据、房屋数据、人口数据进行数据采集及预处理,所述权利人信息中所提取的内容包括:人数据计算、房数据计算和地数据计算;所述权利人信息抽取的字段包括权利人属性表字段、查封属性表字段、抵押属性表字段;所述人口数据包括人口基本属性数据、纳税数据、消费数据及信贷数据;
所述人数据计算包括性别结构数据计算和年龄结构数据计算,通过统计权利人信息中不同性别出现的次数计算获取购房者性别结构,并基于现有的人数据统计不同年龄下的购房数量;
所述房数据计算为通过权利人信息获取权利人籍贯地行政区划代码,并将行政区划代码转换为权利人所在省、市地区,将权利人区分为省外外地购房者和省内外地购房者;当同一不动产具有多个共有人时,只保留其中一条记录,并对各条记录进行销售指标统计,计算月销售环比增长率,具体计算方式为:
YHB=(Jm=TMXSL-LMXSL)/LMXSL,
其中,YHB代表月销售环比增长率,TMXSL和LMXSL分别代表当月销售量和上月销售量;
所述地数据计算具体为,将一条销售记录视为一次土地交易,按成交时间字段统计不同年份、不同月份的土地成交指标;
所述数据形成模块用于清洗评估并重组土地数据集、房产数据集、房企数据集、权利人财产数据集、权利人信用数据集及空间位置数据集;
数据分析模块包括至少一个专题数据分析模型,探测不动产因子与大数据因子的相关性,如下式所示:
其中,Q为探测值,m为研究区域内属性个数,n为区域属性特征个数,整个区域σ2U为影响力的方差,Q取值为[0,1],Q值越接近0,表明不动产数据与大数据的关联度小;Q值越大则说明不动产数据与大数据的关联度大;Q=1,则两者完全关联。
2.根据权利要求1所述的不动产大数据分析***,其特征在于:所述土地信息抽取的字段包括位置、用途、等级、规划指标、变化原因、内容。
3.根据权利要求2所述的不动产大数据分析***,其特征在于:所述规划指标包括面积、容积率、建筑密度、建筑限高。
4.根据权利要求1所述的不动产大数据分析***,其特征在于:所述房屋信息抽取的字段包括层属性表字段、户属性表字段、房地产权属性表字段及分摊土地面积。
5.根据权利要求1所述的不动产大数据分析***,其特征在于:所述土地交易数据包括土地转让、转包、互换信息及土地现状信息。
6.根据权利要求1所述的不动产大数据分析***,其特征在于:所述房屋数据包括新房数据、二手房数据及租房数据,所述房企数据集包括房企资产信息、房企购地信息、房企开发信息及房企销售信息。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201710918774.6A CN107704577B (zh) | 2017-09-30 | 2017-09-30 | 不动产大数据分析*** |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201710918774.6A CN107704577B (zh) | 2017-09-30 | 2017-09-30 | 不动产大数据分析*** |
Publications (2)
Publication Number | Publication Date |
---|---|
CN107704577A CN107704577A (zh) | 2018-02-16 |
CN107704577B true CN107704577B (zh) | 2022-03-01 |
Family
ID=61184365
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201710918774.6A Active CN107704577B (zh) | 2017-09-30 | 2017-09-30 | 不动产大数据分析*** |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN107704577B (zh) |
Families Citing this family (6)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN108804672A (zh) * | 2018-06-11 | 2018-11-13 | 北京三正科技股份有限公司 | 一种不动产信息管理方法及装置 |
CN109377158A (zh) * | 2018-09-19 | 2019-02-22 | 淮北矿业股份有限公司 | 一种房产地产一体化管理*** |
CN109191303A (zh) * | 2018-11-08 | 2019-01-11 | 迟祥 | 一种精准计算国土资源与地产价值曲线的方式*** |
TWI748402B (zh) * | 2020-04-09 | 2021-12-01 | 臺灣土地銀行股份有限公司 | 土地建築融資資訊整合平台系統 |
CN115102980B (zh) * | 2022-06-06 | 2024-07-05 | 中国中电国际信息服务有限公司 | 基于物联网的不动产资产数据管理方法、装置及相关介质 |
CN115455369B (zh) * | 2022-11-10 | 2023-04-11 | 江西省地质局地理信息工程大队 | 不动产登记平台的构建方法及装置 |
Citations (4)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
JP2003022314A (ja) * | 2001-07-06 | 2003-01-24 | Recruit Co Ltd | 不動産価格関数推定方法、不動産価格関数推定装置、及び不動産価格関数推定プログラム |
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 |
CN104657805A (zh) * | 2013-11-19 | 2015-05-27 | 林淑贞 | 不动产信息分析管理***及方法 |
CN106354770A (zh) * | 2016-08-22 | 2017-01-25 | 成都众易通科技有限公司 | 一种数据分析*** |
-
2017
- 2017-09-30 CN CN201710918774.6A patent/CN107704577B/zh active Active
Patent Citations (4)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
JP2003022314A (ja) * | 2001-07-06 | 2003-01-24 | Recruit Co Ltd | 不動産価格関数推定方法、不動産価格関数推定装置、及び不動産価格関数推定プログラム |
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 |
CN104657805A (zh) * | 2013-11-19 | 2015-05-27 | 林淑贞 | 不动产信息分析管理***及方法 |
CN106354770A (zh) * | 2016-08-22 | 2017-01-25 | 成都众易通科技有限公司 | 一种数据分析*** |
Non-Patent Citations (1)
Title |
---|
不动产登记大数据分析应用的时代价值;张潆文 等;《不动产登记》;20170905(第25(2017)期);第40页 * |
Also Published As
Publication number | Publication date |
---|---|
CN107704577A (zh) | 2018-02-16 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN107704577B (zh) | 不动产大数据分析*** | |
Fleischmann et al. | Measuring urban form: Overcoming terminological inconsistencies for a quantitative and comprehensive morphologic analysis of cities | |
Dark et al. | The modifiable areal unit problem (MAUP) in physical geography | |
Burger et al. | Form follows function? Linking morphological and functional polycentricity | |
Bracken et al. | The generation of spatial population distributions from census centroid data | |
Tiefelsdorf et al. | Semiparametric filtering of spatial autocorrelation: the eigenvector approach | |
Porta et al. | Street centrality and densities of retail and services in Bologna, Italy | |
Amrhein | Searching for the elusive aggregation effect: evidence from statistical simulations | |
Anselin et al. | Testing for spatial error autocorrelation in the presence of endogenous regressors | |
Schneider et al. | Compact, dispersed, fragmented, extensive? A comparison of urban growth in twenty-five global cities using remotely sensed data, pattern metrics and census information | |
Grêt-Regamey et al. | Predicting the scenic beauty value of mapped landscape changes in a mountainous region through the use of GIS | |
Gielen et al. | An urban sprawl index based on multivariate and Bayesian factor analysis with application at the municipality level in Valencia | |
Anand et al. | Urban food insecurity and its determinants: A baseline study of Bengaluru | |
CN109285075A (zh) | 一种理赔风险评估方法、装置及服务器 | |
Bobkova et al. | Towards analytical typologies of plot systems: Quantitative profile of five European cities | |
Mittal et al. | Scenic landscapes, visual accessibility and premium values in a single family housing market: A spatial hedonic approach | |
Petrakis et al. | Mapping perceived social values to support a respondent-defined restoration economy: case study in Southeastern Arizona, USA | |
CN110992111A (zh) | 基于大数据的投保人用户画像挖掘方法 | |
Ayala et al. | Multidimensional deprivation in heterogeneous rural areas: Spain after the economic crisis | |
CN113010578A (zh) | 社区数据分析方法、装置、社区智能交互平台及存储介质 | |
Tosetti et al. | The spatial dimension of health systems | |
Carlow et al. | TOPOI–A method for analysing settlement units and their linkages in an urban–rural fabric | |
Brida et al. | Analyzing the performance of the South Tyrolean hospitality sector: a dynamic approach | |
CN112784116A (zh) | 一种在区块链中识别用户行业身份的方法 | |
Tan et al. | Economic loss assessment of tropical cyclones based on bibliometric data analysis |
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 |