利用运筹学方法解决租房问题

Oct 21, 2016

初来北京实习,不可避免需要处理一堆事,然而最麻烦的莫过于租房了。太近贵,太远累,搞个圆规,以公司为圆心,画个半小时地铁通行圈,又觉得分析太粗糙。58同城,赶集上又多是些浑水摸鱼的中介。面对如此杂乱的租房信息,太多的数据反而是一种负担,如果能有一种方法,可以在混乱的信息里提取出适合自己的最有价值的信息,那简直是再好不过了。

其实,在租房的选择过程中,每个人的偏好都很不一样。有的人穷,有的人富。有的人希望安全,有的人希望周边环境好,有的人喜欢住大点,有的人希望住近点。你会发现,不存在适用于所有人的绝对好的房子,这其实是一个匹配的过程,把有着不同需求的人,匹配到最适合于他们自己的房子里。

而有一种叫层次分析法的东西,又叫Analytic Hierarchy Process,经常受到诟病,原因是这种方法比较主观,寻找专家来力图趋向客观有显得不大可行。但是在租房决策中,这种方法的优势恰恰在于它的主观性,不同的人群,不同的需求,可以得出不同的答案。

这个方法主要分四步:

1, 了解你的需求,选指标
2, 填好判断矩阵
3, 整理你搜集到的住房数据
4, 计算得出最适合的5套房子

最终结果图如下:

无评分的点为公司所在位置,气泡越深,评分越高。

下面就来说说这玩意是如何用来指导我选房的

1 我的需求



我的要求很简单,我只考虑每天往来公司的时间,房租的价格,以及房屋的大小。不过这个需求完全可以更多而且更多样。你的需求可以包括周围的餐馆数目,也可以包括房屋的朝向,室友的数目。如果你是一个运动爱好者,你可能会考虑周围健身房及运动场馆的数目,另外,你可能也会将租住类型考虑在内,相同条件下,你会选择整租,而不是合租甚至隔板单间。

2 构建指标体系

这一步,你需要将你的某些抽象的需求,用具体的指标给量化出来。

3 构建判断矩阵

下图为判断矩阵量度表

这个是我构建好的判断矩阵,利用该矩阵,最后一列得出最终的各要素权重。

表一是一个评分准则,表示在你心目中,不同需求所占的分量。该矩阵的每个元素表示该元素对应行与列要素两两相比的评分。如果你觉得在你心目中,房租价格和每天上班的时间一样重要,那么就选1。如果你觉得,相对于价格,你不care住房面积,价格显然比面积重要,那么你就选5.

在构建判断矩阵的时候,对角线总是1,左下角的数据是对称的右上角数据的倒数。在你的判断矩阵建好以后,对其做归一化处理,我们可求得其最大特征根对应的特征向量,在将这个特征向量用作各指标权重之前,我们需要做一致性检验,具体的算法我就不说了,这个用相关的ahp-excel文件可以直接计算,若算出来的CR〈0.10,则该矩阵通过一致性检验,表明算出的权重通过审核。若大于0.10,则上述判断矩阵需要推倒重做。

4 数据准备及处理结果

以下,是我整理的房子的位置信息,简单上个图,并算出到达公司的最短路径。
单击各气泡可显示该地坐标及名称。

在准备数据时,我整理了各个房屋的价格,交通时间(由高德地图获得),房屋面积。 在检索你的租房信息之前,你需要明确你的预算,比如我选的3000,超过3000的数据将不在我的选择范围内。除此之外,如果你是要短租的话,那么很多只能长租的房不适用于你。甚至如果你不幸是个男生,那么很多只要女生的房你也不能选。我在自如上选了30多个房子。在对数据进行归一化处理之后,代入以上得出的权重,就可以算出来每个房子的舒适程度了。一般而言,由于一些不可观测变量的存在,前5个房子应该都适合你。接下来,你需要做的就是实地走访下前3个或者前5个,如果没啥问题的话,整套决策过程就算走完了。

最终我走访了前三家,选择了鸟巢附近的一家。

5 未来工作

看完之后,你肯定说,这个过程中最麻烦的一步,肯定是准备数据和计算。如果能有一个平台可以提供这些数据及运算,那么你唯一需要做的,就是填上你的预算,以及你的判断矩阵, 最后平台自动输出适合你的3个或者5个房子。本来需要一天的工作量,现在可以在10分钟内搞定。

Comments

Not using Html Comment Box  yet?

No one has commented yet. Be the first!

rss
Great! You've successfully subscribed.
Great! Next, complete checkout for full access.
Welcome back! You've successfully signed in.
Success! Your account is fully activated, you now have access to all content.
分享