房地产价格受到区位异质、区位自相关和区位分布非线性的影响,使得快速、大量、精准地进行我国城市复杂区位下的住宅价格评估极具挑战。基于趋势面分析和贝叶斯优化,设计构建BO-TSA-XGBoost模型,将估价问题转换为属性空间划分问题,以实现复杂数据环境中房地产批量估价区位信息的识别与学习。选取2020~2021年上海市16个行政区的34 460条二手房交易数据进行实证分析,研究结果表明:BO-TSA-XGBoost模型能在复杂数据环境中准确识别并学习区位信息,有效解决由复杂区位特征导致的评估精度下降问题,并在多种价格区间、多种复杂区位下具有评估效果一致性;趋势面分析和贝叶斯优化算法可显著提升集成学习模型的评估精准度和评估稳健性;BO-TSA-XGBoost模型精准评估的关键在于住宅区位信息的学习。