针对房价这一热点问题,为了更好帮助政府部门制定土地经济计划做好房屋价值评估工作、开发商投资企划、居民选择居所以及规划师对城市房屋价值及其影响因素的深入了解,本研究采用多源数据,包括从房天下网站爬取的二手小区均价及其相关属性数据、武汉市测绘研究院提供的各类空间基础数据以及自身搜集的武汉市路网和POI数据,以武汉都市发展区小区作为研究对象,选取了经过文献综述之后得到的建筑品质、小区品质和区位三个大类,24个小类作为影响因素,并采用设置虚拟变量、基于路网的有效辐射距离等方式将其定量化后,采用不同的组合方式分别带入多元线性回归模型、支持向量回归（SVR）模型以及人工神经网络模型,并通过比较不同变量组合带入不同模型后的评估结果得到武汉都市发展区小区房价的主要影响因素及其影响程度,以及不同影响因素情况下模型的表现优劣,并通过残差分析进一步发掘武汉都市发展区小区房价的潜在影响因素,最终通过综合比较三种小区房屋价值评估模型,充分结合其优缺点为武汉都市发展区小区房屋价值评估方法提供意见和建议,研究过程中采用Microsoft Excel 2013和IBM SPSS 25作为统计分析工具,机器学习相关模型基于Matlab2018a的回归工具箱,涉及空间数据的处理和可视化则基于Arc GIS10.3。研究结果表明,1)武汉都市发展区小区房价主要可以用13种影响因素进行回归拟合,按其影响大小分别是:物业费用（包含了部分年代产生的影响）、环线、是否别墅、重点小学和初中的有效辐射距离、平均每栋户数、省级示范性幼儿园有效辐射距离（仅有助于回归,在解释意义上并不显著）、大区、五公顷以上工厂有效辐射距离、一本院校有效辐射距离、公园广场有效辐射距离、高速公路出入口有效辐射距离、绿化率以及地铁站点有效辐射距离。常理认为的商业中心有效辐射距离、火车站有效辐射距离由于对小区房价的拟合不及环线等因素,没有通过多元线性回归模型的共线性检验。2)武汉都市发展区的小区房价和各个影响因素之间的线性关系较为明显,基于人工神经网络的小区房价评估模型的拟合优度最高,其次是基于支持向量回归（SVR）的评估模型,最后是基于多元线性回归的评估模型。通过了多元线性回归模型显著性检验的影响因素都应该纳入房价评估模型,且不能对数据进行降维处理,通过残差分析发现三个模型均对武汉市金融中心（武汉天地）和政治中心（湖北省政府）周边区域的小区房价评估偏低,在未来的模型改进中可以添加相应的影响因素,同时还对残差值较大的个案进行归纳总结于分析。3)多元线性回归模型解释性强,对专业知识要求较高,支持向量回归（SVR）模型和人工神经网络模型更加方便快捷,拟合优度较高,但是非常依赖于影响因素的选取和数据质量。在武汉都市发展区小区房价评估实践中可以将基于多元线性回归和基于机器学习的评估模型相结合,采用多元线性回归模型来得到相关影响因素及其影响程度,并通过残差分析进一步挖掘潜在的影响因素,同时采用拟合优度较高的基于机器学习的评估模型来进行评估,并为实践提供参考。