地理基础模型嵌入住房区位表征与房价预测的实证检验——以深圳二手房交易数据为例

陈静

无锡城市职业技术学院工程管理系，江苏无锡，214153；

摘要：本文基于深圳市2020年30244条二手房成交记录，检验地理基础模型嵌入替代商圈变量进行住房价格预测的效果。在建筑面积、楼层、建成年代和梯户比例等房屋属性基础上，构建含商圈、无区位信息和AlphaEarth嵌入三组模型，并采用岭回归、随机森林、XGBoost和LightGBM进行比较。结果显示，三种树模型均能利用嵌入改善预测，其中随机森林表现最好。这表明，预训练卫星嵌入能够提供与住房价格相关的空间信息，为住房估价中的区位表征提供新的数据来源。

关键词：住房价格；邻域质量；卫星嵌入；地理基础模型；机器学习

参考文献

[1]郭金函,马子迎,边经卫,等.基于街景图像的厦门本岛环境特征对住宅价格的影响研究[J].地球信息科学学报,2022,24(11):2128-2140.DOI:10.12082/dqxxkx.2022.220538.

[2]姚尧,任书良,王君毅,等.卷积神经网络和随机森林的城市房价微观尺度制图方法[J].地球信息科学学报,2019,21(2):168-177.DOI:10.12082/dqxxkx.2019.180508.

[3]李莹,王楠楠,仝照民,等.基于随机森林的街道品质对房价的非线性影响研究——以广州市为例[J].热带地理,2023,43(8):1547-1562.DOI:10.13284/j.cnki.rddl.003724.

[4]BROWN C F, KAZMIERSKI M R, PASQUARELLA V J, et al. AlphaEarth Foundations: An embedding field model for accurate and efficient global mapping from sparse label data[EB/OL]. (2025-07-29)[2026-09-07]. https://arxiv.org/abs/2507.22291.