杭州房价连续数据获取方法的精度比较研究

在城市规划编制中,获取连续的城市地价或者房价数据对城市经济分析具有重要意义。现有的方法基本上都是通过对部分样本数据的空间插值来获取,但是,不同于气温、降水以及污染物扩散等自然现象,房价除了受到区位影响外,还受到市场、利率、政策、心理预期等众多不确定性因素的影响。因此,对城市连续性房价数据的获取精度一直是相关研究的关键问题。本研究以杭州市100个楼盘中95个楼盘的销售均价为基础数据,以ArcGIS为数据处理平台,分别采用反距离加权法、普通克里格法、样条函数法对杭州市主城区房价空间分布进行插值,并通过没有参与插值的5个楼盘的实际价格与插值结果进行误差分析,对4种不同插值方法在房价空间插值中的表现进行评价。研究结果表明,在4种(样条函数法包含两种不同的插值方法)插值方法中,张力样条函数法的精度最高。     

中小城市住宅价格空间分布及影响因素分析——以赣州市为例

针对房价增长过快的问题,该文以赣州市2017年的房产交易数据为研究对象,通过计算Moran’s I指数和Getis-Ord G指数分析了房价的空间相关性和空间异质性,并筛选出地块属性、商服繁华因素、交通因素、公共设施因素以及环境因素,结合灰色关联模型对中小城市房价的影响因素进行了分析。结果表明:赣州市房价在总体上呈现显著的空间相关性,且大部分住宅在空间上表现出集聚特征,小部分住宅由于在空间上存在异质性,表现出离散特征;房价自相关的阈值范围为5.2 km;房价的热点区主要分布在万象城,城市中央公园附近,冷点区主要分布在沙河镇区域;灰色关联模型分析表明,小区绿化率,市中心对房价的影响最大,容积率、交通枢纽、医院对房价的影响次之;学校、商场、公园、建筑面积以及河流对房价的影响较弱。     

郑州市主城区住宅价格空间分布格局及其影响因素研究

本文以郑州市主城区为例,以房地产租售网络平台和百度地图获取的住宅价格和位置数据为基础,运用克里金插值分析、核密度分析、空间自相关分析、缓冲区分析等GIS空间分析方法,研究其住宅价格空间分布格局及影响因素,为房价调控和基础设施建设布局提供依据。结果表明:(1)郑州市主城区住宅价格空间分布有显著的分片区特点,区域差异较大,呈现东北高、西南低的分布特征;(2)主城区东北部房价总体偏高,区域差异较大,西南部房价整体偏低,分布较为均匀,住宅价格之间表现出较强的空间自相关性;(3)住宅价格空间分布格局受到人口分布与经济发展,主要道路及河流水系分布,超市商城、教育设施、医疗设施配套及城市规划等多重因素的综合影响。     

基于ArcGIS的房地产价格空间分布研究

首先以深圳市福田区部分普通住宅的房地产价格为数据基础,利用空间分布分析中的最近邻距离分析法确定了各住宅的空间分布情况,即呈簇状分布状态;然后,运用空间自相关理论和方法,选用Moran,指数对研究区域的房价自相关关系进行测度和实证分析,从而得到深圳市景田区部分住宅房地产价格的空间自相关性情况;最后,利用ArcGIS中的地统计分析工具对整个区域的房地产价格进行了拟合,得到研究区域房价的空间分布情况。     

南京市房地产价格时空变化研究

改革开放以来,住房商品化的新体制基本确立,使以住宅为主的房地产业成为国民经济的支柱产业,房地产价格也成为当今热点。城市房地产价格在空间、时间分布上具有较强关联性和特殊性。据此,以南京市房地产价格为例,研究不同因素对房地产价格变动的影响,从而建立有效的分析评估机制。结果表明,从时间分析角度,政策对南京房价的影响较大,政府颁布的不同购房政策是房价波动的重要因素;从空间分析角度,南京房价分布主要为圈层式结构,中心城区等值线密集且分布均匀,而四周等值线逐渐变得稀疏且分布不均。影响房价的主要因素为距市中心远近,中小学、高校、医院、景区和地铁位置。通过这些影响因素,建立了Hedonic模型,揭示了南京市房价的空间分布格局。     

西安市住宅价格空间结构和分异规律分析

利用ESDA方法对西安市城区的291个普通住宅项目均价数据进行研究,通过计算Moran指数和半变异函数分析了其空间自相关性和变异性,并进行了趋势分析。应用Kriging空间插值方法对西安市普通住宅价格空间分布进行了模拟。研究结果表明:西安市房价存在显著的空间自相关性,大部分住宅价格呈空间集聚格局,少部分因存在空间异质性而呈离散分布;房价变异函数表现出各向异性,不同方向有不同结构特征,空间自相关尺度为14.2km;西安市房价空间分异规律明显,房价分布格局受城市功能区划和交通影响较大。     

南昌市二手房价格影响因子的空间异质性

以安居客网站爬取的2018年10月894个南昌市住宅小区二手房价格为研究对象,利用地理加权回归模型探讨了建筑特征、邻里特征、区位特征等方面各影响因子对住宅价格的作用差异。研究结果表明:1)地理加权回归(GWR)模型的拟合结果优于OLS模型,将回归系数结果空间可视化发现南昌市二手房价格影响因子具有空间异质性。2)不同因子对价格影响程度不同,其中对南昌市二手房价格影响较大的因子是房龄、绿化率以及与CBD的距离。3)同一因子对住房价格的影响在不同空间也具有差异性。其中主要是绿化率、容积率、重点学校、购物中心及地铁对新开发区的二手房价格影响比较大,对老城区影响较小;商务中心区和三甲医院对南昌县二手房价的影响最大;而房龄和旅游景点对老城区影响比较大。     

北京市房地产价格空间分布变化研究

针对北京市主城区房地产价格长区间的空间分布变化及其成因进行研究,为北京市房价的空间分布规律提供参考.采用空间相关性分析方法中的平均最近邻分析、全局Moran'sI指数、Moran散点图和LISA集聚图等分析工具结合空间自相关理论对北京市主城区房地产价格的空间分布变化进行分析,通过克里金插值分析方法验证房价的空间特征,分析空间分布的变化及其成因.得出北京市主城区房地产价格20152019年,空间集聚特征不变,正向空间自相关增强,价格中心由单中心变为中心—副中心的多中心形式,区位因素和交通可达性条件是影响房价空间分布变化的重要因素.     

基于地理加权模型的农村居民点空间格局及影响因子分析——以湖北省麻城市为例

以湖北省麻城市2009年和2015年农村居民点为研究对象,采用区位指数和核密度测算法对农村居民点空间分布形态进行分析,运用传统最小二乘法和地理加权模型从全域和局部角度分析自然地貌、社会经济、生态限制等因素影响农村居民点空间演变的作用机制。研究得出:麻城市2009—2015年农村居民点用地面积增长率达6.92%,斑块主要以分散式外延扩张为主,空间结构演变总体上呈现沿沪汉蓉快速铁路和武麻公路向四周扩散的连续分布特征。从全域上看,农村居民点分布格局与坡度、公路、建制镇、风景名胜区、河流呈空间负相关关系;从局部影响程度来看,最大正向影响因子为人均收入和高程,负向影响因子主要是坡度和河流,其他影响因子随地理位置变化正负向影响均存在。     

2012 年我国房价变化及空间差异分析简

选取全国100 个大中城市房屋销售价格为主要数据来源,以箱线图、直方图和空间分布GRID 图为工具,分析了2012年样点城市的房价变化情况及不同区域城市之间的空间差异.结果表明,我国大部分地区房价在2012 年呈平稳形势,涨跌幅度西北部地区高于东南部地区,但因后者基数大,导致二者的房价差距依旧明显.     

兰州市商品住宅价格的空间分异规律

针对住宅价格在城市空间中的分布规律问题,该文以兰州市主城区2015年在售的187个商品住宅样本均价为基本数据,运用空间自相关法对兰州市住宅价格的空间异质性和集聚性进行分析,并利用趋势面分析和空间反距离权重插值法对住宅价格的空间分布格局进行研究。结果表明:兰州市住宅价格总体上呈显著的空间正自相关性,少数地区存在差异性;住宅价格发展不平衡,价格"东高西低";住宅价格由各区行政中心向四周逐级递减,呈多极核分布特征;价格等值线"东密西疏",住宅价格变化幅度空间差异较大。分析发现,区位条件、交通条件及居住环境是影响兰州市商品住宅价格的主要因素。     

集成地理探测器与随机森林模型的城市人口分布格网模拟

精细尺度的城市人口分布信息是城市资源配置和综合管理的重要依据。本文以广州市越秀区、荔湾区、天河区、海珠区、白云区及黄埔区作为研究区域，基于人口统计、夜间灯光、兴趣点及土地利用等多源数据，利用地理探测器识别人口分布的影响因子，运用随机森林模型开展人口分布空间格网模拟研究。研究结果表明，与传统的相关分析相比，地理探测器能够更为准确地识别人口空间分布的重要影响因子。基于随机森林模型的人口分布格网模拟结果与街道（镇）实际人口的相关系数为0.774，平均相对误差约为30%。相比基于线性回归模型的模拟结果，随机森林模型的精度有明显提高。     

无人机三维空气质量监测研究

针对现有空气监测缺乏污染垂直分布特征的观测及数据采集覆盖范围有限的问题,该文提出了用无人驾驶飞机搭载微型空气质量检测器监测大气污染的方法,首先分析了传统地面监测站的缺点,并阐述了监测设备的构成;然后从无人驾驶飞机大气污染空间采样方案、污染物数据的准确性及可靠性校正、大气污染时空规律几个方面做了研究;最后选择浙江省临安市青山湖街道、上海奉贤区等地区进行了试验。研究结果能有效补充地面监测站的数据缺失,揭示PM2.5、O3等大气污染物的垂直分布、垂直扩散及区域性输送特征,为空气污染预警和防控对策机制的制定提供重要技术依据。     

新疆克拉玛依市商业地价空间分布规律研究

城市地价是一个具有时空性质的多维概念,在空间分布上具有较强的关联性和特殊性。但目前对城市地价空间分布规律方面的研究相对较少,还没有形成系统性的理论与方法依据,本文以克拉玛依市2007年土地调查商业用地数据和地价动态监测数据为依据,以ARCGIS软件为平台,采用地统计学的方法,对克拉玛依市商业用地价格的空间分布进行了研究。研究表明:地统计学的理论与方法对城市地价空间分布进行研究具有独特的优越性;城市商业用地地价的分布在空间上既有连续性,也存在变异性,受区域整体趋势的影响明显高于小范围的变异性,属于强空间自相关;商业用地地价分布整体呈现圈层结构,交通道路对地价的空间分布具有重要影响。     

Mapping fine‐scale urban housing prices by fusing remotely sensed imagery and social media data

The accurate mapping of urban housing prices at a fine scale is essential to policymaking and urban studies, such as adjusting economic factors and determining reasonable levels of residential subsidies. Previous studies focus mainly on housing price analysis at a macro scale, without fine‐scale study due to a lack of available data and effective models. By integrating a convolutional neural network for united mining (UMCNN) and random forest (RF), this study proposes an effective deep‐learning‐based framework for fusing multi‐source geospatial data, including high spatial resolution (HSR) remotely sensed imagery and several types of social media data, and maps urban housing prices at a very fine scale. With the collected housing price data from China's biggest online real estate market, we produced the spatial distribution of housing prices at a spatial resolution of 5 m in Shenzhen, China. By comparing with eight other multi‐source data mining techniques, the UMCNN obtained the highest housing price simulation accuracy (Pearson R = 0.922, OA = 85.82%). The results also demonstrated a complex spatial heterogeneity inside Shenzhen's housing price distribution. In future studies, we will work continuously on housing price policymaking and residential issues by including additional sources of spatial data.     

基于城市引力模型与随机扩散方程的城镇基准地价平衡(英文)

A balance of urban datum land prices is achieved to harmonize regional land prices and make the prices truly reflect different economic development levels and land prices among cities. The current piecewise linear interpolation balance method widely used has two drawbacks that always lead to an unsatisfactory balance among some cities. When the excess of land price in the central city to the surrounding zone reaches a certain degree, land price in the circumjacent city is not only consistent with the local land grade and land use level, but also influenced by the diffusion of land price in the central city. Thus, a new balanced scheme of datum land prices based on the city gravitation model and stochastic diffusion equation is brought forward. Finally, the new method is examined in the practice of datum land price balance in Hubei Province, China.     

Measuring the impact of pollution on property prices in Madrid: objective versus subjective pollution indicators in spatial models

Much work has been done in the context of the hedonic price theory to estimate the impact of air quality on housing prices. Research has employed objective measures of air quality, but only slightly confirms the hedonic theory in the best of cases: the implicit price function relating housing prices to air pollution will, ceteris paribus, be negatively sloped. This paper compares the performance of a spatial Durbin model when using both objective and subjective measures of pollution. On the one hand, we design an Air Pollution Indicator based on measured pollution as the objective measure of pollution. On the other hand, the subjective measure of pollution employed to characterize neighborhoods is the percentage of residents who declare that the neighborhood has serious pollution problems, the percentage being referred to as residents’ perception of pollution. For comparison purposes, the empirical part of this research focuses on Madrid (Spain). The study employs a proprietary database containing information about the price and 27 characteristics of 11,796 owner-occupied single family homes. As far as the authors are aware, it is the largest database ever used to analyze the Madrid housing market. The results of the study clearly favor the use of subjective air quality measures.     

Estimating commercial property prices: an application of cokriging with housing prices as ancillary information

A vast majority of the recent literature on spatial hedonic analysis has been concerned with residential property values, with only very few examples of studies focused on commercial property prices. The dearth of studies can be attributed to some of the challenges faced in the analysis of commercial properties, in particular the scarcity of information compared to residential transactions. In order to address this issue, in this paper we propose the use of cokriging and housing prices as ancillary information to estimate commercial property prices. Cokriging takes into account the spatial autocorrelation structure of property prices, and the use of more abundant information on housing prices helps to improve the accuracy of property value estimates. A case study of Toledo in Spain, a city for which commercial activity stemming from tourism is one of the key elements of the economy in the city, demonstrates that substantial accuracy and precision gains can be obtained from the use of cokriging.