原雯 王君 申鸿怡 王新民

1. 北京大学前沿交叉学科研究院, 北京 100871; 2. 北京大学数学科学学院, 北京 100871;

作为国民经济中重要的物质生产部门, 建筑业与国家经济的发展、人民生活的改善息息相关。作为建筑业的关键指标之一, 房屋竣工面积[1]常用于能源消耗和房地产价格估计等课题。曹爱丽等[2]采用趋势拟合与相关分析, 研究城郊温差与城市人口、GDP、能源消耗量、建成区面积和房屋竣工面积等各项城市发展指标的关系。王北星等[3]用人均生产总值、商品房竣工面积和竣工房屋造价等定义经济发展因子, 建立吉林省商品房价格影响因素的因子分析决策模型。因此, 对房屋竣工面积的估计和测算具有重要的现实意义。

除通过国家统计报表得到官方数据外, 有研究者采用其他技术手段对建筑面积进行估算。匡文慧等[4]采用基于知识规则的遥感影像分类方法以及空间网格技术, 通过建立网格内城市建筑用地面积所含的阴影面积比例与容积率的关系, 计算每个网格的建筑容积率, 进而估算城市不同土地利用类型的建筑面积。

信息技术的高速发展使得互联网承载着大量多领域、多维度和多粒度的数据。随着大数据时代的到来, 人们希望深入挖掘网络数据中的信息, 为决策提供支持, 因此大规模异构数据的高效采集及获取方法受到广泛关注。在互联网领域, 爬虫一般指在众多公开网站或网页上抓取数据的相关技术, 能够按照一定的规则, 自动地抓取万维网信息, 能够在信息超载时有效地提高获取效率。……