房产信息的处理及展示方法、系统与流程

本发明涉及可视化技术领域，具体涉及一种房产信息的处理及展示方法、系统。

背景技术：

目前，房产信息备受人们的关注，尤其是对于交通线路附近的房价信息。但是，现很少有成熟的技术能够针对交通线路附近的房价信息进行预测分析，即使部分技术能够为人们提供房产预测结果，但其准确度差，考虑因素单一，与人们期待的效果相差甚远，对于欲根据交通线路获取房产信息的个人或企业，由于无法获取直观、有效的房产预测信息，会产生诸多困扰。

如何针对交通线路附近区域有效预测房产信息，且提高可视化展示效果，是本领域技术人员亟需解决的问题。

技术实现要素：

针对现有技术中的缺陷，本发明提供一种房产信息的处理及展示方法、系统，能够针对交通线路附近区域有效预测房产信息，且提高可视化展示效果。

第一方面，本发明提供一种房产信息的处理及展示方法，该方法包括：

获取采样点的时间信息、位置信息和房价信息，以及获取该采样点的人口学历信息、人口密度信息和企业分布信息，位置信息为交通线路附近的指定区域；

根据位置信息、房价信息、人口学历信息、人口密度信息和企业分布信息进行训练，获取与时间信息相应的房产回归模型；

根据预获取的目标地点的人口学历信息、人口密度信息和企业分布信息，以及房产回归模型，确定目标地点的房价预测信息；

根据房价显示规则，将目标地点的房价预测信息转化为颜色信息，进行显示。

进一步地，本实施例房产信息的处理及展示方法还包括：获取采样点的人口年龄信息；

根据位置信息、房价信息和人口年龄信息进行训练，获取与时间信息相应的房产与年龄分析回归模型；

根据预获取的目标地点的人口年龄信息，以及房产与年龄分析回归模型，确定目标地点的第一房价预测信息；

根据房价显示规则，将目标地点的第一房价预测信息转化为不同颜色，进行显示。

进一步地，本实施例房产信息的处理及展示方法还包括：获取采样点的教育机构分布信息；

根据位置信息、房价信息和教育机构分布信息进行训练，获取与时间信息相应的房产与教育分析回归模型；

根据预获取的目标地点的教育机构分布信息，以及房产与教育分析回归模型，确定目标地点的第二房价预测信息；

根据房价显示规则，将目标地点的第二房价预测信息转化为不同颜色，进行显示。

进一步地，本实施例房产信息的处理及展示方法还包括：根据目标地点的房价预测信息、目标地点的第一房价预测信息和目标地点的第二房价预测信息，确定目标地点的综合信息房价预测结果；

根据房价显示规则，将目标地点的综合信息房价预测结果转化为综合房价颜色信息，进行显示。

基于上述任意房产信息的处理及展示方法实施例，进一步地，房产回归模型、房产与年龄分析回归模型或房产与教育分析回归模型均为tree-ensemble模型。

第二方面，本发明实施例提供一种房产信息的处理及展示系统，该系统包括信息获取模块、回归模型确定模块、房价预测模块和房价显示模块。信息获取模块用于获取采样点的时间信息、位置信息和房价信息，以及获取该采样点的人口学历信息、人口密度信息和企业分布信息，位置信息为交通线路附近的指定区域；回归模型确定模块用于根据位置信息、房价信息、人口学历信息、人口密度信息和企业分布信息进行训练，获取与时间信息相应的房产回归模型；房价预测模块用于根据预获取的目标地点的人口学历信息、人口密度信息和企业分布信息，以及房产回归模型，确定目标地点的房价预测信息；房价显示模块用于根据房价显示规则，将目标地点的房价预测信息转化为颜色信息，进行显示。

进一步地，信息获取模块还用于获取采样点的人口年龄信息；回归模型确定模块还用于根据位置信息、房价信息和人口年龄信息进行训练，获取与时间信息相应的房产与年龄分析回归模型；房价预测模块还用于根据预获取的目标地点的人口年龄信息，以及房产与年龄分析回归模型，确定目标地点的第一房价预测信息；房价显示模块还用于根据房价显示规则，将目标地点的第一房价预测信息转化为不同颜色，进行显示。

进一步地，信息获取模块还用于获取采样点的教育机构分布信息；回归模型确定模块还用于根据位置信息、房价信息和教育机构分布信息进行训练，获取与时间信息相应的房产与教育分析回归模型；房价预测模块还用于根据预获取的目标地点的教育机构分布信息，以及房产与教育分析回归模型，确定目标地点的第二房价预测信息；房价显示模块还用于根据房价显示规则，将目标地点的第二房价预测信息转化为不同颜色，进行显示。

进一步地，本实施例房产信息的处理及展示系统还包括综合信息房价预测模块，综合信息房价预测模块用于根据目标地点的房价预测信息、目标地点的第一房价预测信息和目标地点的第二房价预测信息，确定目标地点的综合信息房价预测结果；房价显示模块还用于根据房价显示规则，将目标地点的综合信息房价预测结果转化为综合房价颜色信息，进行显示。

基于上述任意房产信息的处理及展示系统实施例，进一步地，回归模型确定模块的房产回归模型、房产与年龄分析回归模型或房产与教育分析回归模型均为tree-ensemble模型。

由上述技术方案可知，本发明房产信息的处理及展示方法、系统，通过获取交通线路附近各个采样点的人口学历信息、人口密度信息、企业分布信息和房价信息，进行训练，获取与时间信息相对应的房产回归模型。结合目标地点的人口学历信息、人口密度信息和企业分布信息，即可得到该地点的房价预测信息。该方法及系统基于大量采样点的数据，并采用训练方式获得房产回归模型，获得的房产预测信息准确度高，且数据处理效率高。

并且，该方法及系统还能够将房产预测信息根据房价显示规则进行可视化显示，有利于提高信息的辨识度。

因此，本发明房产信息的处理及展示方法、系统，能够针对交通线路附近区域有效预测房产信息，且提高可视化展示效果，有利于提高用户体验。

附图说明

为了更清楚地说明本发明具体实施方式或现有技术中的技术方案，下面将对具体实施方式或现有技术描述中所需要使用的附图作简单地介绍。在所有附图中，类似的元件或部分一般由类似的附图标记标识。附图中，各元件或部分并不一定按照实际的比例绘制。

图1示出了本发明所提供的一种房产信息的处理及展示方法流程图；

图2示出了本发明所提供的一种房产信息的处理及展示系统的结构示意图。

具体实施方式

下面将结合附图对本发明技术方案的实施例进行详细的描述。以下实施例仅用于更加清楚地说明本发明的技术方案，因此只是作为示例，而不能以此来限制本发明的保护范围。

需要注意的是，除非另有说明，本申请使用的技术术语或者科学术语应当为本发明所属领域技术人员所理解的通常意义。

第一方面，本发明实施例提供一种房产信息的处理及展示方法，结合图1，该方法包括：

步骤S1，获取采样点的时间信息、位置信息和房价信息，以及获取该采样点的人口学历信息、人口密度信息和企业分布信息，位置信息为交通线路附近的指定区域，如获取交通线路附近1公里的区域，在三年时间内的房价，同时获取在此区域内的人口学历状况、人口密度值和企业位置；

步骤S2，根据位置信息、房价信息、人口学历信息、人口密度信息和企业分布信息进行训练，获取与时间信息相应的房产回归模型，在此，房产回归模型是采用回归模型，处理某区域的人口学历信息、人口密度信息和企业分布信息，获得该区域的房价信息，且区域即为上述交通线路附近的指定区域。在具体应用时，房产回归模型的输入量可以为样本训练点的位置信息、房价信息、人口学历信息、人口密度信息和企业分布信息，且样本训练点为多个，该房产回归模型的输出量为样本训练点的房价；该房产回归模型的输入量还可以为目标地点的位置信息、房价信息、人口学历信息、人口密度信息和企业分布信息，该房产回归模型的输出量还可以为目标地点的房价信息，如预测房价；

步骤S3，根据预获取的目标地点的人口学历信息、人口密度信息和企业分布信息，以及房产回归模型，确定目标地点的房价预测信息，如每平方米的房价；

步骤S4，根据房价显示规则，将目标地点的房价预测信息转化为颜色信息，进行显示，在此，每平方米的房价越高，则设置的颜色的饱和度越大，例如橙、红颜色的饱和度依次升高，可以用橙色表示每平方米的价格为5000元，用红色表示每平方米的价格为9000元。

由上述技术方案可知，本实施例房产信息的处理及展示方法，通过获取交通线路附近各个采样点的人口学历信息、人口密度信息、企业分布信息和房价信息，进行训练，获取与时间信息相对应的房产回归模型。结合目标地点的人口学历信息、人口密度信息和企业分布信息，即可得到该地点的房价预测信息。该方法基于大量采样点的数据，并采用训练方式获得房产回归模型，获得的房产预测信息准确度高，且数据处理效率高。

并且，该方法还能够将房产预测信息根据房价显示规则进行可视化显示，有利于提高信息的辨识度。

因此，本实施例房产信息的处理及展示方法，能够针对交通线路附近区域有效预测房产信息，且提高可视化展示效果，有利于提高用户体验。

为了进一步提高本实施例房产信息的处理及展示方法的准确度，在此，该方法还能够结合多方面信息，如人口年龄信息、教育机构分布信息、空气质量指数等，进行综合预测，以获取更准确、有效的房价预测信息。具体地，在结合人口年龄信息进行分析预测时，具体实现过程如下：

获取采样点的人口年龄信息；

根据位置信息、房价信息和人口年龄信息进行训练，获取与时间信息相应的房产与年龄分析回归模型，在此，房产与年龄分析回归模型是采用回归模型，处理某区域的人口学历信息、人口密度信息、企业分布信息和人口年龄信息，获得该区域的房价信息，且区域即为上述交通线路附近的指定区域，房产与年龄分析回归模型的输入量可以为样本训练点的位置信息、房价信息、人口学历信息、人口密度信息、企业分布信息和人口年龄信息，且样本训练点为多个，该房产回归模型的输出量为样本训练点的房价；该房产与年龄分析回归模型的输入量还可以为目标地点的位置信息、房价信息、人口学历信息、人口密度信息、企业分布信息和人口年龄信息，该房产回归模型的输出量还可以为目标地点的房价信息，如预测房价；

根据预获取的目标地点的人口年龄信息，以及房产与年龄分析回归模型，确定目标地点的第一房价预测信息，在此，第一房价预测信息是基于位置信息、房价信息、人口学历信息、人口密度信息、企业分布信息和人口年龄信息等方面信息，获得的预测的房价；

根据房价显示规则，将目标地点的第一房价预测信息转化为不同颜色，进行显示，在此，每平方米的房价越高，则设置的颜色的饱和度越大，例如橙、红颜色的饱和度依次升高，可以用橙色表示每平方米的价格为5000元，用红色表示每平方米的价格为9000元。

在此，该方法能够结合人口的年龄结构，根据房产与年龄分析回归模型，确定第一房价预测信息。不同年龄阶段的人群对住房的需求不同，该方法能够针对不同年龄阶段的人群对住房的需求，推测房价信息。

具体地，在结合教育机构分布信息进行分析预测时，具体实现过程如下：获取采样点的教育机构分布信息；

根据位置信息、房价信息和教育机构分布信息进行训练，获取与时间信息相应的房产与教育分析回归模型；

根据预获取的目标地点的教育机构分布信息，以及房产与教育分析回归模型，确定目标地点的第二房价预测信息在此，房产与教育分析回归模型是采用回归模型，处理某区域的人口学历信息、人口密度信息、企业分布信息和教育机构分布信息，获得该区域的房价信息，且区域即为上述交通线路附近的指定区域，房产与教育分析回归模型的输入量可以为样本训练点的位置信息、房价信息、人口学历信息、人口密度信息、企业分布信息和教育机构分布信息，还可以包括人口年龄信息，且样本训练点为多个，该房产回归模型的输出量为样本训练点的房价；该房产与教育分析回归模型的输入量还可以为目标地点的位置信息、房价信息、人口学历信息、人口密度信息、企业分布信息和教育机构分布信息，该房产回归模型的输出量还可以为目标地点的房价信息，如预测房价；

根据房价显示规则，将目标地点的第二房价预测信息转化为不同颜色，进行显示，在此，每平方米的房价越高，则设置的颜色的饱和度越大，例如橙、红颜色的饱和度依次升高，可以用橙色表示每平方米的价格为5000元，用红色表示每平方米的价格为9000元。

在此，该方法能够结合教育机构的分布情况，根据房产与教育分析回归模型，确定第二房价预测信息。每个群体对教育机构的需求程度不同，教育机构的分布会影响人们对附近区域住房的具体选择。该方法能够结合教育机构的分布状况，对房价信息进行预测，为人们提供更全面的参考信息。

并且，本实施例房产信息的处理及展示方法还包括：根据目标地点的房价预测信息、目标地点的第一房价预测信息和目标地点的第二房价预测信息，确定目标地点的综合信息房价预测结果，如根据同一地点的房价预测信息和第一房价预测信息，即可获得第一差价，该差价为人口年龄结构对该地点的房价带来的变化，根据同一地点的房价预测信息和第二房价预测信息，即可获得第二差价，该差价为教育机构分布对该地点的房价带来的变化，结合该地点的房价预测信息、第一差价和第二差价，即可获得该地点的综合信息房价预测结果；

根据房价显示规则，将目标地点的综合信息房价预测结果转化为综合房价颜色信息，进行显示。

在此，该方法还能够结合空气质量指数、户型等信息对房价进行预测，为用户提供全面的信息参考，同时也为用户提供综合多种因素而推测的房价信息，方便用户选择。

此外，本实施例房产信息的处理及展示方法，上述房产回归模型、房产与年龄分析回归模型和房产与教育分析回归模型均为tree-ensemble模型。该方法采用具有自适应能力和学习能力的tree-ensemble模型，数据处理量大，且准确度高。

第二方面，本发明实施例提供一种房产信息的处理及展示系统，结合图2，该系统包括信息获取模块1、回归模型确定模块2、房价预测模块3和房价显示模块4。信息获取模块1用于获取采样点的时间信息、位置信息和房价信息，以及获取该采样点的人口学历信息、人口密度信息和企业分布信息，位置信息为交通线路附近的指定区域；回归模型确定模块2用于根据位置信息、房价信息、人口学历信息、人口密度信息和企业分布信息进行训练，获取与时间信息相应的房产回归模型；房价预测模块3用于根据预获取的目标地点的人口学历信息、人口密度信息和企业分布信息，以及房产回归模型，确定目标地点的房价预测信息；房价显示模块4用于根据房价显示规则，将目标地点的房价预测信息转化为颜色信息，进行显示。

由上述技术方案可知，本实施例房产信息的处理及展示系统，通过获取交通线路附近各个采样点的人口学历信息、人口密度信息、企业分布信息和房价信息，进行训练，获取与时间信息相对应的房产回归模型。结合目标地点的人口学历信息、人口密度信息和企业分布信息，即可得到该地点的房价预测信息。该系统基于大量采样点的数据，并采用训练方式获得房产回归模型，获得的房产预测信息准确度高，且数据处理效率高。

并且，该系统还能够将房产预测信息根据房价显示规则进行可视化显示，有利于提高信息的辨识度。

因此，本发明房产信息的处理及展示系统，能够针对交通线路附近区域有效预测房产信息，且提高可视化展示效果，有利于提高用户体验。

为了进一步提高本实施例房产信息的处理及展示系统的准确度，在此，该系统还能够结合多方面信息，如人口年龄信息、教育机构分布信息、空气质量指数等等，进行综合预测，以获取更准确、有效的房价预测信息。具体地，信息获取模块1还用于获取采样点的人口年龄信息；回归模型确定模块2还用于根据位置信息、房价信息和人口年龄信息进行训练，获取与时间信息相应的房产与年龄分析回归模型；房价预测模块3还用于根据预获取的目标地点的人口年龄信息，以及房产与年龄分析回归模型，确定目标地点的第一房价预测信息；房价显示模块4还用于根据房价显示规则，将目标地点的第一房价预测信息转化为不同颜色，进行显示。

在此，该系统能够结合人口的年龄结构，根据房产与年龄分析回归模型，确定第一房价预测信息。不同年龄阶段的人群对住房的需求不同，该系统能够针对不同年龄阶段的人群对住房的需求，推测房价信息。

具体地，在结合教育机构分布信息进行分析预测时，信息获取模块1还用于获取采样点的教育机构分布信息；回归模型确定模块2还用于根据位置信息、房价信息和教育机构分布信息进行训练，获取与时间信息相应的房产与教育分析回归模型；房价预测模块3还用于根据预获取的目标地点的教育机构分布信息，以及房产与教育分析回归模型，确定目标地点的第二房价预测信息；房价显示模块4还用于根据房价显示规则，将目标地点的第二房价预测信息转化为不同颜色，进行显示。

在此，该系统能够结合教育机构的分布情况，根据房产与教育分析回归模型，确定第二房价预测信息。每个群体对教育机构的需求程度不同，教育机构的分布会影响人们对附近区域住房的具体选择。该系统能够结合教育机构的分布状况，对房价信息进行预测，为人们提供更全面的参考信息。

并且，本实施例房产信息的处理及展示系统还包括综合信息房价预测模块3，综合信息房价预测模块3用于根据目标地点的房价预测信息、目标地点的第一房价预测信息和目标地点的第二房价预测信息，确定目标地点的综合信息房价预测结果。房价显示模块4还用于根据房价显示规则，将目标地点的综合信息房价预测结果转化为综合房价颜色信息，进行显示。

在此，该系统还能够结合空气质量指数、户型等信息对房价进行预测，为用户提供全面的信息参考，同时综合信息房价预测模块3也为用户提供综合多种因素而推测的房价信息，方便用户根据房价显示模块4的信息进行选择。

此外，回归模型确定模块2的房产回归模型、房产与年龄分析回归模型或房产与教育分析回归模型均为tree-ensemble模型。该系统采用具有自适应能力和学习能力的tree-ensemble模型，数据处理量大，且准确度高。

最后应说明的是：以上各实施例仅用以说明本发明的技术方案，而非对其限制；尽管参照前述各实施例对本发明进行了详细的说明，本领域的普通技术人员应当理解：其依然可以对前述各实施例所记载的技术方案进行修改，或者对其中部分或者全部技术特征进行等同替换；而这些修改或者替换，并不使相应技术方案的本质脱离本发明各实施例技术方案的范围，其均应涵盖在本发明的权利要求和说明书的范围当中。