房地产产业对中国经济发展而言是基石和推动力,随着房地产交易行为日益活跃,对房地产估价的需求也随之增大。近年来主流的估价方法为特征价格法,该方法以价格由商品的特征决定作为基础原理,结合数理模型,对价格进行综合评估。有大量研究使用特征价格法对住宅进行评估,建模时选用的特征较多,需要人工实地考察采集住宅特征,在实际应用中成本较高。有研究者提出以小区作为房价评估的切入点,小区是一定区域内住宅的集合,特征相较住宅更少且更宏观,易于采集。对小区进行总体的均价判断有助于全面地了解区域内的房价水平和发展趋势,并从侧面反映出小区内住宅个体的价格水平。目前有关小区均价的研究较少,主要使用特征价格法中常用的多元线性回归的方式进行数据的建模与分析,这种方式依赖于数据线性假定与固定的拟合函数设置,容易造成较大误差。通过总结前人工作,引入移动最小二乘法对小区特征数据的内在规律进行挖掘分析,主要进行了以下几方面工作:(1)小区特征数据集构建。在特征价格法的理论框架内,在住宅常用特征中对小区可用特征进行了筛选提炼,提出使用经纬度数据替代传统的区位特征,减少特征维度。选取北京市东城区与西城区作为实证研究区域,以网络为媒介,使用自动化采集特征数据的方式收集研究区域内2018年全年的小区特征与均价数据,通过数据整合、清洗、归一化等数据预处理流程,共得到908个小区的10486例7维数据样本作为用于建模分析的数据集。(2)小区均价预测模型研究。首次在特征价格法中引入具有较高拟合精度的移动最小二乘法以替代多元线性回归,对算法所使用的基函数、权函数进行了讨论和选择,并在原始算法的基础上提出了动态影响半径设置方法,以解决小区均价预测场景下数据分布不均造成的预测异常等问题。与多元线性回归所构建的模型进行对比研究,结果表明使用移动最小二乘法所构建模型的预测结果有着较高的稳定性和准确度,同时模型易于解释有效性,值得推广应用。(3)设计实现可视化原型系统。根据完成的数据集与模型,围绕功能需求研究提出原型系统架构、数据流转逻辑、底层数据库设计、界面实现方法等,实现小区查找、筛选、均价预测、数据呈现等功能,并对系统功能进行了测试,从软件工程的角度为模型应用提供直观参考。