1. 研究目的与意义
研究背景：
住房是居民进行休息、工作、学习和娱乐等的重要场所，居民生活中的许多活动均需要在住房中进行。可以说，住房是每个人生活都必不可少的物质资源。在仍处于社会主义初级阶段的我国，房产仍是许多家庭的核心资产，房价的变动牵动着许多家庭的心。同时，房地产业是个复杂系统，其产业链延伸范围广，涉及到建筑、建材、化工、机械、电力、金融、物业等多个行业，在促进经济增长、拉动内需、促进就业、优化产业结构等方面均有很大作用。由于上述原因，对政府来说，房地产市场是需要重点监测的领域，出台合理调控政策对保障国民经济健康稳定发展有重大意义。因此，把握房地产市场发展形势，了解房价变化规律显得尤为重要。
我国自上世纪八十年代进行住房市场化改革以来，房地产市场也伴随着我国经济的快速增长，以及住房制度改革的逐年深入，呈现出高速发展的态势。根据国家统计局数据，全国房地产住宅投资由 2001 年的 4217.7亿元增长至 2019 年的 97070.75 亿元，住宅商品房平均销售价格也由 2001 年的2017 元/平方米增至 2019 年的 9287 元/平方米。
2. 研究内容和预期目标
研究内容：
通过Python爬取苏州市的住宅小区的房价信息以及道路的街景照片数据，深度学习模型提取街景数据中的街景感知信息，并利用Stata软件空间回归模型、多元线性回归模型、空间滞后模型、空间误差模型等模型，综合利用POI数据和街景大数据等多源数据，探究社区属性、商业区位、交通区位、服务区位和街景感知等类型变量对苏州市住宅价格的影响规律。
预期目标：
3. 研究的方法与步骤
研究方法：
（1）文献分析法：广泛搜集查阅近年来房价影响因素领域的国内外文献，梳理总结了近年来关于住宅价格影响因素、回归分析理论等相关理论研究，总结相关研究现状，了解相关理论基础，进而为本文实证分析打下理论基础。
（2）统计分析法：利用Python 爬虫搜集网络上公开的房价、道路的街景照片数据。利用Python深度学习模型分析街景照片中的城市六感知信息，通过语义分割来计算图像中每个视觉元素的面积比。
4. 参考文献
参考文献：
[1]宋伟轩,毛宁,陈培阳,袁亚琦,汪毅.基于住宅价格视角的居住分异耦合机制与时空特征——以南京为例[J].地理学报,2017,72(04):589-602.
[2]徐晶鑫,李俊峰.基于GWR模型的南京市住宅价格影响因素与机制研究[J].测绘与空间地理信息,2020,43(09):45-51.
5. 计划与进度安排
（1）接受任务，内容理解，指导教师讲解、讨论、阅读指导教师规定的文献，撰写开题报告（2024.2.21-2024.2.28）。
（2）收集相关参数，通过网络、期刊进行相关资料搜集（2024.2.29-2024.3.15）；
（3）数据处理和入库：对数据进行预处理，包括地理投影变换和苏州房价的相关信息，并将数据导入数据库（2024.3.16-2024.3.31）；
以上是毕业论文开题报告，课题毕业论文、任务书、外文翻译、程序设计、图纸设计等资料可联系客服协助查找。
