A Fast Fusion Model for Multi-source Heterogeneous Real Estate Data Driven by Feature Similarity

LI Linhui; WANG Yu; LIU Yueyan; LI Lei; HUANG Jincheng; ZHOU Yi; CAO Songlin

doi:10.13203/j.whugis20220742

您当前的位置：

首页 >

文章列表页 >

A Fast Fusion Model for Multi-source Heterogeneous Real Estate Data Driven by Feature Similarity

Cartography and GIS | 更新时间：2026-11-05

- A Fast Fusion Model for Multi-source Heterogeneous Real Estate Data Driven by Feature Similarity
- Geomatics and Information Science of Wuhan University Vol. 50, Issue 7, Pages: 1447-1454(2025)
- 作者机构：
  
  1.武汉市房产测绘中心，湖北武汉，430015
  2.中国地质大学（武汉）公共管理学院，湖北武汉，430074
- 作者简介：
- 基金信息：
- DOI：10.13203/j.whugis20220742
  CLC： P208;P273
- Received：19 March 2023，
  
  Published：05 July 2025
- 稿件说明：
移动端阅览
李琳慧,王宇,刘越岩，等.特征相似度驱动的不动产多源异构数据快速融合模型[J].武汉大学学报（信息科学版）,2025,50(7):1447-1454.

LI Linhui,WANG Yu,LIU Yueyan,et al.A Fast Fusion Model for Multi-source Heterogeneous Real Estate Data Driven by Feature Similarity[J].Geomatics and Information Science of Wuhan University,2025,50(7):1447-1454.
李琳慧,王宇,刘越岩，等.特征相似度驱动的不动产多源异构数据快速融合模型[J].武汉大学学报（信息科学版）,2025,50(7):1447-1454. DOI：10.13203/j.whugis20220742

LI Linhui,WANG Yu,LIU Yueyan,et al.A Fast Fusion Model for Multi-source Heterogeneous Real Estate Data Driven by Feature Similarity[J].Geomatics and Information Science of Wuhan University,2025,50(7):1447-1454. DOI：10.13203/j.whugis20220742

摘要

多源异构数据快速融合是不动产统一登记过程中数据整合与建库面临的难点问题。现有的不动产多源异构数据融合方法无法准确构建空间实体间的关联关系，且对数据规模庞大的不动产数据存在时间成本过高的问题。通过引入特征相似度技术，提出了一种多层级快速融合模型，实现不动产多源异构数据的批量融合。首先，在对不动产多源异构数据进行电子化和矢量化的基础上，引入相似度因子对多源异构数据进行评估；然后，设计了一种基于综合相似度加权算法的网络模型，计算不动产多源异构数据在各相似度因子分布方向上的综合相似度；最后，采用相似度阈值参数和限定范围参数进一步提高多源异构数据融合的精度和效率。以不动产数据为例，对快速融合模型进行定量化分析，实验结果表明，相比于其他方法，所提模型时间成本低，每千幢的平均融合时间约为1 s，融合准确率达到93.50%，能有效提升不动产多源异构数据的融合精度与效率。

Abstract

Objectives

Fast fusion of multi-source heterogeneous data of real estate is a difficult problem faced by data integration and database construction in the process of unified real estate registration. The exi‑sting multi-source heterogeneous data fusion methods of real estate are unable to accurately construct the relationship describing the spatial entities

and the time cost is too high for the real estate data with huge data scale.

Methods

By introducing feature similarity technology

we propose a multi-level fast fusion model to realize batch fusion of real estate multi-source heterogeneous data. First

on the basis of electronization and vectorization of real estate multi-source heterogeneous data

similarity factor is introduced to evaluate real estate multi-source heterogeneous data. Then

a network model based on comprehensive similarity weighting algorithm is designed to calculate the comprehensive similarity of real estate multi-source heterogeneous data in the distribution direction of each similarity factor. Finally

similarity threshold parameters and limited range parameters are used to further improve the accuracy and efficiency of multi-source heterogeneous data fusion.

Results and Conclusions

We take real estate data as an example to conduct quantitative analysis of the fast fusion model. The experimental results show that compared with other methods

the proposed model consumes less time and costs

the average fusion time per thousand houses is 1 s

and the fusion accuracy reaches 93.50%

which can effectively improve the fusion accuracy and efficiency of multi-source heterogeneous data of real estate.

关键词

Keywords

references

李仕峰 . 多源异构数据时空融合关键技术研究与应用［J］. 地理空间信息， 2021 ， 19 （ 10 ）： 19 - 21 .

LI Shifeng . Research and Application of Key Technologies of Multi-source Heterogeneous Data Spatiotemporal Fusion ［J］. Geospatial Information ， 2021 ， 19 （ 10 ）： 19 - 21 .

DING Y ， YU X ， ZHANG J ， et al . Application of Linear Predictive Coding and Data Fusion Process for Target Tracking by Doppler Through-Wall Radar ［J］. IEEE Transactions on Microwave theory and Techniques ， 2018 ， 67 （ 3 ）： 1244 - 1254 .

SUSPERREGI L ， ARRUTI A ， JAUREGI E ， et al . Fusing Multiple Image Transformations and a Thermal Sensor with Kinect to Improve Person Detection Ability ［J］. Engineering Applications of Artificial Intelligence ， 2013 ， 26 （ 8 ）： 1980 - 1991 .

SHEN H ， WU J ， CHENG Q ， et al . A Spatiotemporal Fusion Based Cloud Removal Method for Remote Sensing Images with Land Cover Changes ［J］. IEEE Journal of Selected Topics in Applied Earth Observations and Remote Sensing ， 2019 ， 12 （ 3 ）： 862 - 874 .

LI K F . Smart Home Technology for Telemedicine and Emergency Management ［J］. Journal of Ambient Intelligence and Humanized Computing ， 2013 ， 4 ： 535 - 546 .

ATAT R ， LIU L ， WU J ， et al . Big Data Meet Cyber-Physical Systems： A Panoramic Survey ［J］. IEEE Access ， 2018 ， 6 ： 73603 - 73636 .

涂伟，曹劲舟，高琦丽，等 . 融合多源时空大数据感知城市动态［J］. 武汉大学学报（信息科学版）， 2020 ， 45 （ 12 ）： 1875 - 1883 .

TU Wei ， CAO Jinzhou ， GAO Qili ， et al . Sensing Urban Dynamics by Fusing Multi-source Spatiotemporal Big Data ［J］. Geomatics and Information Scien‑ce of Wuhan University ， 2020 ， 45 （ 12 ）： 1875 - 1883 .

YU J ， GU S ， WANG J ， et al . The Intelligent Decision-Making Based on Multi-source Heterogeneous Data Fusion in Manufacturing ［C］// The 12th International Conference on Advanced Computational Intelligence ， Dali， China ， 2020 .

莫慧凌，郑海峰，高敏，等 . 基于联邦学习的多源异构数据融合算法［J］. 计算机研究与发展， 2022 ， 59 （ 2 ）： 478 - 487 .

MO Huiling ， ZHANG Haifeng ， GAO Min ， et al . Multi-source Heterogeneous Data Fusion Based on Federated Learning ［J］. Journal of Computer Research and Development ， 2022 ， 59 （ 2 ）： 478 - 487 .

夏伟，蔡文婷，刘阳，等 . 基于联合卡尔曼滤波的配电网多源异构数据融合［J］. 电力系统保护与控制， 2022 ， 50 （ 10 ）： 180 - 187 .

XIA Wei ， CAI Wenting ， LIU Yang ， et al . Multi-source Heterogeneous Data Fusion of a Distribution Network Based on a Joint Kalman Filter ［J］. Power System Protection and Control ， 2022 ， 50 （ 10 ）： 180 - 187 .

汤宇磊，吴杨杨，蒋兴征，等 . 面向自然资源信息提取的多源异构数据融合技术：以汉江流域 NDVI 数据为例［J］. 中国地质调查， 2021 ， 8 （ 2 ）： 74 - 82 .

TANG Yulei ， WU Yangyang ， JIANG Xingzheng ， et al . Multi-source Heterogeneous Data Fusion Technology for Natural Resource Information Extraction： A Case Study of NDVI Data in Hanjiang Basin ［J］. Geological Survey of China ， 2021 ， 8 （ 2 ）： 74 - 82 .

LI X ， WANG J ， TAN J ， et al . A Graph Neural Network-Based Stock Forecasting Method Utilizing Multi-source Heterogeneous Data Fusion ［J］. Multimedia Tools and Applications ， 2022 ， 81 （ 30 ）： 43753 - 43775 .

魏之皓，贾克斌，贾晓未 . 多尺度特征融合的多源异构遥感数据水体提取［J］. 遥感信息， 2021 ， 36 （ 5 ）： 41 - 48 .

WEI Zhihao ， JIA Kebin ， JIA Xiaowei . Multi-scale Feature Fusion Based Multi-source Heterogeneous Remote Sensing Data Water Body Extraction ［J］. Remote Sensing Information ， 2021 ， 36 （ 5 ）： 41 - 48 .

YANG X ， GUO W ， ZHAO Z . A Multi-source Heterogeneous Data Fusion Method Based on Deep Learning ［C］// The 4th International Industrial Informatics and Computer Engineering Conference ， Sanya， China ， 2019 .

王宏伟，黄春林，侯金亮，等 . 基于数据同化算法融合多源数据估算雪深［J］. 武汉大学学报（信息科学版）， 2016 ， 41 （ 6 ）： 848 - 852 .

WANG Hongwei ， HUANG Chunlin ， HOU Jinliang ， et al . Estimation of Snow Depth from Multi-source Data Fusion Based on Data Assimilation Algorithm ［J］. Geomatics and Information Science of Wuhan University ， 2016 ， 41 （ 6 ）： 848 - 852 .

ZHANG Y ， WANG Y ， DING H ， et al . Deep Well Construction of Big Data Platform Based on Multi-source Heterogeneous Data Fusion ［J］. International Journal of Internet Manufacturing and Services ， 2019 ， 6 （ 4 ）： 371 - 388 .

戴海发，卞鸿巍，王荣颖，等 . 一种改进的多传感器数据自适应融合方法［J］. 武汉大学学报（信息科学版）， 2020 ， 45 （ 10 ）： 1602 - 1609 .

DAI Haifa ， BIAN Hongwei ， WANG Rongying ， et al . An Improved Multi-sensor Data Adaptive Fusion Method ［J］. Geomatics and Information Science of Wuhan University ， 2020 ， 45 （ 10 ）： 1602 - 1609 .

张博，张猛，王非，等 . VGI数据与地形图数据的自动融合研究［J］. 武汉大学学报（信息科学版）， 2019 ， 44 （ 11 ）： 1708 - 1714 .

ZHANG Bo ， ZHANG Meng ， WANG Fei ， et al . Automatic Data Integration Between VGI and Topographic Data ［J］. Geomatics and Information Science of Wuhan University ， 2019 ， 44 （ 11 ）： 1708 - 1714 .

LIU J ， ZHANG X X . Data Integration in Fuzzy XML Documents ［J］. Information Sciences ， 2014 ， 280 ： 82 - 97 .

KHALILI A . An XML-Based Approach for Geo-semantic Data Exchange from BIM to VR Applications ［J］. Automation in Construction ， 2021 ， 121 ： 103425 .

陈朝霞，熊骥华，张珊珊，等 . 基于FME的不动产单元测绘数据技术审查［J］. 测绘地理信息， 2021 ， 46 （ 6 ）： 154 - 157 .

CHEN Chaoxia ， XIONG Jihua ， ZHANG Shanshan ， et al . Technical Review of Real Estate Unit Cadastral Data Based on FME ［J］. Journal of Geomatics ， 2021 ， 46 （ 6 ）： 154 - 157 .

何思宇，赵孔阳 . 基于FME的土地利用现状图缩编技术研究［J］. 测绘与空间地理信息， 2021 ， 44 （ 6 ）： 181 - 185 .

HE Siyu ， ZHAO Kongyang . Research on Downsizing Technology of Land Use Status Map Based on FME ［J］. Geomatics & Spatial Information Technology ， 2021 ， 44 （ 6 ）： 181 - 185 .

李晨超 . 不动产登记数据整合要点探析［J］. 住宅与房地产， 2017 （ 21 ）： 20 - 21 .

LI Chenchao . Analysis of the Real Estate Registration Data Integration Key Points ［J］. Housing and Real Estate ， 2017 （ 21 ）： 20 - 21 .

MCELHANEY R M . Algorithms for Graphics and Image Processing ［J］. Proceedings of the IEEE ， 1983 ， 71 （ 9 ）： 1116 - 1117 .

Views

下载量

CSCD

Alert me when the article has been cited

提交

Tools

Publicity Resources

A Review of Multi-scale Geospatial Data Updating Methods

High-Resolution L-Band InSAR Study of Intense Near-Field Deformation Associated with Shallow Moderate Earthquakes

Spatiotemporal Intelligence： Theory and Applications

Geometric and Frequency-Domain Constrained Single-Step Diffusion for Seabed Terrain Super-Resolution Reconstruction

A Review of GNSS Intentional Interference Detection Technologies for Mass-Market Intelligent Terminals： Research Status and Prospects

Related Author

No data

Related Institution

No data

AI问答

⁰