發布時間：2020-05-18所屬分類：建筑師職稱論文瀏覽：1次
摘 要： [摘要]獲得精細尺度城市房價制圖對城市發展研究及相關政策制定至關重要。然而由于過去的房價預測方法沒有對多源數據進行融合，單一數據源有偏性使得房價制圖及預測無法達到精細尺度。本文擬從多源空間數據融合的角度出發，通過深度學習的方法建立耦合卷積神
[摘要]獲得精細尺度城市房價制圖對城市發展研究及相關政策制定至關重要。然而由于過去的房價預測方法沒有對多源數據進行融合，單一數據源有偏性使得房價制圖及預測無法達到精細尺度。本文擬從多源空間數據融合的角度出發，通過深度學習的方法建立耦合卷積神經網絡和隨機森林擬合模型的武漢市城市房價預測模型，在精細尺度上模擬武漢市房價分布。實驗表明預測模型可以有效地對武漢市房價做出預測，同時表明融合高分辨率遙感影像和社交媒體數據的模型能夠得到比傳統使用單一數據源的網絡得到精度更高的預測結果。
[關鍵詞]多源空間數據融合;深度學習;房價預測;空間分布;城市精細模擬
0引言
中國經濟和民生的首要問題就是居民住房高需求與高房價之間的矛盾問題。武漢作為湖北省的省會，是華中地區最大的城市，隨著長江經濟帶的確定和重點建設，武漢經濟愈加迅猛發展，城市建設力度大。研究武漢市的房價分布，對武漢市房價未來發展做出精細預測，對確定武漢市土地利用情況[1-2]，合理住宅補貼水平[3-5]，制定合理社會經濟政策有著重大意義。
有學者利用空間數據單一數據源對房價進行預測，但會因數據有偏性[6]使得房價制圖及預測研究無法達到較為精細的尺度。隨著空間大數據迅猛發展，“社交感知”和“城市計算”逐漸興起[7]，多源數據融合已成為解決傳統遙感影像在城市規劃應用中存在的問題、提升遙感影像應用能力的重要手段[8]。
利用卷積神經網絡等深度學習框架，構建利用遙感影像和社交媒體數據融合的多源數據融合模型，挖掘高分辨率遙感影像數據和社交媒體數據的多源空間地理信息，以精細模擬武漢市房價空間分布，實現武漢城市房價預測，填補在精細尺度上開展城市房價空間分布研究的空缺。
1研究區概況和數據準備
1.1研究區社會經濟概況
武漢地處江漢平原東部、長江中游。武漢的地理位置剛好在全國中東部地區的地理中心部位，即胡煥庸線以東，人口最密集，經濟最發達區域的中心位置，是湖北省省會、中部六省唯一的副省級市和特大城市，也是長江經濟帶核心城市。總面積8494.41km2，2017年常住人口1091.4萬人。
1.2數據說明
LocalSpaceViewer(LSV)三維數字地球軟件，它集成了GoogleEarth、天地圖等影像和三維地形在線服務，可以獲取武漢地區5米級的高分辨率遙感影像數據。
隨著互聯網技術發展，在線房地產市場提供大量有關房地產交易、房屋價格等實時住房信息[9]。
通過使用Chrome瀏覽器自帶的開發者工具，分析待爬蟲網頁的組織結構，為爬蟲提供參考。使用Python的requests、bs4模塊實現網絡爬蟲。requests模塊主要用于發送及響應網絡請求，而bs4模塊主要用于解析網頁。此外，使用pandas模塊可將爬取的數據導出為csv文件，易于查看使用。從房天下網中獲得武漢房價數據，共44134條，每條信息包括小區名稱、樓層、朝向、建筑面積、建筑年代、地址、單位價格、總價格等內容。基于百度API接口可批量實現地址解析，得到經緯度信息，由此整合得到的房價數據的主要信息如表1所示。再經過數據清洗去除異常數據，并將非數字的數據量化，以便用于數學分析。
將所有房價數據依據其經緯度信息添加到武漢地區的行政區劃圖中，可以得到房價數據的空間分布情況，如圖1(a)所示。目前在中國的房地產市場上，影響房價的主要因素有交通、醫療等方面的便利程度[10]。因此，本研究選取若干和房價密切相關的地物，在百度坐標拾取系統中獲取帶經緯度信息的POI數據，包括地鐵站154條，公交車站875條，商場337條，學校655條，醫療設施647條。所有POI數據的分布如圖1(b)所示。在OpenStreetMap上可獲取武漢地區的路網信息，如圖1(c)所示。圖1輔助數據圖
2研究方法
2.1輔助數據預處理
本研究中的輔助空間數據集主要由基于百度POIs，OpenStreetMap路網數據和基礎地理信息數據計算生成的距離或密度數據集構成。選取對房價影響最大的因素，主要是交通、醫療設施和生活的便利程度等[10]。從百度POIs提取了和房價密切相關的地物，如公交站、地鐵站、中小學、生活服務設施和醫療設施等。另外，同時考慮交通和環境條件對房價的影響[11]，路網密度同樣納入考慮
基于之前網絡爬蟲得到的百度POI數據以及OSM路網數據可在ArcGIS里進行核密度分析，依照高斯核函數的MISE準則，自動判定最佳的核密度分析半徑生成密度數據，并將計算結果可視化，如圖2所示。
2.2基于卷積神經網絡房價分布制圖
基于卷積神經網絡房價分布制圖整體流程如圖3所示。使用Arcgis對百度POIs，OSM路網和基礎地理信息數據進行空間分析，生成核密度圖，建立空間輔助數據集，結合遙感影像數據集，設定最大取樣窗口為50像素，步長為25像素，取樣后得到超過20000條數據的包含遙感數據和多源空間數據的多尺度融合數據集。
選取經過數據清洗和量化的房價數據信息用于房價預測來進行試驗。將除房價以外的建筑面積、建筑年代等數據項作為備選的自變量，使用假設檢驗法經過多次迭代可求得最佳的自變量組合。
本文使用Yao提出的模型[12]。本文使用的卷積神經網絡總共有10層，包括5個卷積層，3個極大池化層，一個全連接層以及末端的Soft-max層。隨機選取其中80%作為訓練數據，其余20%作為測試數據，用于訓練精度驗證和參數調整。CNN訓練完成后，由隨機森林擬合模型替換原有softmax層，用于擬合真實房價數據，將卷積神經網絡生成的特征輸入隨機森林模型，構建CNN特征與實際房價分布之間的擬合模型。最終輸出預測房價結果，得到房價空間制圖。
2.3精度評價和不確定性分析
本研究采用了若干精度評價指標，對神經網絡預測得到的房價結果進行定量評價，來定量評估本研究提出的模型最終房價制圖的準確性。
3實驗結果與分析
3.1基于不同數據融合模型的房價制圖結果及精度對比
本研究設計3組不同方法和實驗，方法A為僅輸入遙感影像數據集，方法B為僅輸入輔助空間數據集，方法C為聯合挖掘包括高分辨率遙感影像和輔助空間數據的多尺度融合數據集。
表2顯示了三種方法得到的房價擬合精度。由該表中數據可知，三種方法皮爾森相關系數均大于0.6，可以認為預測模型有效。比較可得，使用融合了遙感影像和輔助空間數據的多尺度融合數據集對網絡進行訓練，得到的制圖結果精度在各項指標上都表現最好。單一數據源的空間變量結構和紋理信息少，挖掘遙感影像和多源空間數據的高層語義及上下文特征進行融合對預測結果有非常大的貢獻。聯合挖掘多源空間數據可以避免特征拼合因維度不一致而導致的過擬合問題，也能夠獲得到精度最高的空間分辨率城市房價空間分布制圖結果。
同時，我們可以發現僅使用遙感影像比僅使用輔助空間數據的預測精度略高，說明傳統的挖掘遙感影像地物空間信息的方法比單一挖掘空間數據特征能夠提供更多潛在的空間結構和高維語義特征。
3.2精細尺度武漢房價空間分布結果及分析
對研究區的城市區域逐像元(空間分辨率：5m)計算房價(單位：元/平方米)，結果如圖4所示。總體來說，房價很高的區域主要集中于武昌區，江岸區及江灘沿岸，武昌區和洪山區接壤區域，而這些主城區區域的總體擬合精度也基本達到了90%以上。對房價預測結果進行分析，可以看到武漢市房價具有明顯的多中心格局和分片區特點，房價受交通、生態環境、基礎設施等條件影響顯著。主城區房價呈明顯的多中心格局，位于漢口江灘沿岸的永清片區，武昌積玉橋片區和楚河漢街中央文化區，是高房價集聚的熱點中心，漢口、武昌片區房價普遍高于漢陽片區。
高房價聚集區均地處《城市發展規劃2006-2020》規定的城市區域中心，同時商圈為這些區域房價升高做出重大貢獻，如光谷商業圈周邊配套設施不斷升級，楚河漢街文化中心不斷發展等。值得關注的是，武漢是教育大市，洪山區附近位于大學生活動范圍內，人流量大，經濟活動豐富，也是一個房價較高的聚集中心。不可忽略的是長江、東湖等水域提供了開敞空間功能和美好空間環境，其附近同樣房價高昂。
4結束語
本文基于多源空間數據融合的思想，綜合挖掘高分辨率遙感影像和社交媒體數據攜帶的多源空間信息與房價之間的關系，構建一個有效的深度學習卷積神經網絡精細尺度下武漢市住房價格空間分布模型，并耦合隨機森林擬合模型，最終得到武漢市房價精細分布制圖結果，揭示武漢市房價空間分布特征。
實驗證明，本文的模型可以在精細尺度上對武漢市房價做出有效預測，單一數據源的空間變量結構和紋理信息少，聯合挖掘遙感影像和多源空間數據的高層語義及上下文特征進行融合對預測結果有非常大的貢獻。最后，得到精細尺度武漢市房價空間分布制圖，武漢市房價具有明顯的多中心格局和分片區特點，房價受交通、生態環境、基礎設施等條件影響顯著。
可以注意到，研究中對遙感影像采用直接采樣輸入訓練的方式，可能丟失遙感影像攜帶的社會地理信息，導致預測精度下降。在以后的研究中，應考慮充分利用遙感影像的社會地理信息，對遙感影像進行如提取功能區、提取建筑物后輸入網絡訓練，以得到更高的預測精度及更精細尺度制圖結果。
相關期刊推薦：《北京測繪》是具有實用性、超前性、信息量大、特點鮮明、融科技、信息、生產為一體的科技刊物。不僅是廣大測繪工作者的學習園地，而且是了解測繪科技發展與市場動態的窗口。它以科學技術是第一生產力為指導，以推動科學技術成果轉化為生產力為目標，以宣傳和貫徹黨在測繪科技方面的路線、方針、政策及北京市地方法規，并緊密結合城市測繪生產、管理、科研、教學等開展學術交流、介紹測繪體制改革的經驗為宗旨，為測繪各界傳播高、新科技信息提供全方位的服務。
SCISSCIAHCI
