多尺度视角下城市住宅价格空间格局与影响机制研究

城市住宅价格的空间分异受到多重资源因素的影响,其影响机制在不同尺度上表现出的空间分异格局各不相同.以2015—2018年16个季度成都市中心城区商品住宅小区住宅价格为基本数据,利用空间自相关分析法、多尺度视角分析法探索成都市住宅价格空间分异格局,利用地理加权回归模型(GWR)构建成都市住宅价格特征变量指标体系,分析导致住宅价格空间差异的影响机制,研究发现:在2015—2018年16个季度中,成都市住宅价格先持续上升后出现小幅下降,中心城区各区住宅价格空间自相关性高,表明近年来住宅价格空间邻近联动性强.500 m×500 m栅格尺度下成都市中心城区住宅价格分布不均衡,住宅价格总体呈现中心区域高、边缘区域低分布格局,且南北住宅价格存在一定差异,中心城区住宅价格局部呈现"多中心+边缘化"的空间分布格局.多尺度视角分析法不仅能够考虑尺度效应及分区效应对住宅价格空间格局的影响,而且能够定量分析多资源因素对住宅价格的影响机制,解析多资源因素指标对住宅价格空间分异产生的影响.     

北京市住宅价格空间分异特征及影响因素分析

住宅价格空间分异性能体现社会空间异质性,理解当前住宅价格空间格局分异特征及影响因素对北京这类超大城市进行相关规划有重要意义.利用空间插值方法分析北京二手房住宅价格空间格局,采用地理加权回归模型分析住宅价格空间分布影响因素.结果发现:北京市住宅价格的空间分布呈现圈层结构,高值区集中在四环路内,低值区集中在六环路外,但城市...     

基于GWR模型的房价空间影响因素研究——以海口市海甸岛为例

探究住宅价格空间分异原因及影响机制,对维护房地产市场稳定发展,提升城市规划和居住满意度有着重要意义.本文以海口市海甸岛为研究区,基于POI数据及商品住宅小区的房价数据,从内生因素、区位特征、邻里特征3个维度选取9个解释变量,构建GWR模型分析各变量对海甸岛房价的影响效应.研究表明房龄、重点学校及生活服务设施等因素对海甸...     

基于街景影像多特征融合的广州市越秀区街道空间品质评估

全面准确地描述街景影像的多层次特征在基于街景影像对街道空间品质进行评估的研究中具有重要意义。以广州市越秀区为例,获取前后左右各视角街景影像中手工设计的特征（SURF特征、HOG特征）和基于深度学习的特征（语义特征）,基于单一特征和多特征融合采用支持向量机（Support Vector Machine, SVM）、随机森林（Random Forest, RF）训练各视角的评估模型。结果表明,以基于SVM建立的单特征模型为例,基于HOG特征（73.03%）、语义特征（72.28%）的模型平均精度优于SURF特征（56.00%）,基于SVM前后左右各视角模型的最优分类精度为82.8%（前）、81.7%（后）、76.6%（左）、76.6%（右）,而基于RF各视角模型的最优分类精度为82.8%（前）、85.0%（后）、78.1%（左）、70.3%（右）。前后视角的模型精度略优于左右视角。各视角最优模型均为多特征融合模型,最优模型平均分类精度和Kappa系数可达80.6%和0.62。利用街景影像评估街道空间品质时,各算法之间性能差异微弱,而特征选择及组合方式是提升精度的关键。越秀区街道空间品质存在明显空间分异,其西南部的街道空间品质亟待提升。本研究构建了基于街景影像多特征融合的大规模高精度街道空间品质测度方法,实现了对越秀区街道空间品质的评估,研究结果可为相关部门进行街道环境综合整治提供参考。     

基于路网距离的重庆市小区价格空间分异与影响因素研究

小区住宅价格影响深远,关系着城市的吸引力和竞争力,对其空间分布特征和影响机制展开研究具有实际意义.以重庆市主城区为研究区,探究小区房价空间分布模式和规律,对比基于真实路径距离和欧式直线距离构建地理加权回归模型的模拟效果和估计精度,从而揭示各影响因素对小区房价的影响程度和区域差异.结果表明:①重庆市主城小区价格具有空间正相关性,且呈多中心、片区式分布;②城市中心、地铁和购物是影响住宅价格较为重要的因子,地形因素不显著;③各变量的影响在不同空间位置有显著差异,城市中心、地铁、写字楼和江景空间分异现象明显,公交和绿化率标准差较小;④由路网距离度量影响因素能够提供优于直线的真实空间距离,模型解释力更高.     

基于贝叶斯逻辑回归模型研究百度街景图像微观建成环境因素对街面犯罪的影响

街面犯罪对公众的生活安全构成一定的威胁。以往对于公共盗窃和寻衅滋事等街面犯罪的研究往往停留在社区甚至更宏观的层面,难以向微观尺度深入,它们忽略了通过环境设计预防犯罪（Crime Prevention Through Environmental Design, CPTED）理论中所主张的地址级的建成环境的精确特征。地址级的微观建成环境被广泛认为对各类犯罪的发生有着直接或间接的影响,然而对微观建成环境的度量一直是一个挑战。先前的大多数研究都是通过调查样本来表征建成环境,会受到两方面的限制：① 建成环境特征描述不完整的限制;② 数据在空间覆盖方面具有稀疏性的限制。百度街景图像作为一个新的数据来源,可以被用来提取地址级的微型环境的建成特征,从而使犯罪研究可以聚焦在更微观的尺度中。本研究使用深度学习全卷积图像分割算法从百度街景图像中提取地理位置的环境变量,共选取树木、通车道路、人行道等8种变量来表现研究区微观建成环境的差异。在控制了与街面犯罪有关的其他因素后,采用贝叶斯逻辑回归模型来评估微观建成环境影响因素对公共盗窃和寻衅滋事案件的影响。结果表明加入了微观建成环境物理特征之后的模型表现更好。对比寻衅滋事案件,树木多的隐蔽地方更容易发生公共盗窃案件,通车道路、人行道多的地方更不易发公共盗窃案件,这也说明了更隐秘的地方公共盗窃案多发。总的来说,全卷积深度学习图像分割算法可以有效地提取街景衍生变量,这些变量为微观空间尺度的犯罪分析增加了新的维度。本研究不仅对于犯罪地理文献具有贡献,而且为基于CPTED原则的犯罪预防提供了新的视角。     

南京市住宅价格影响因素分析

住宅价格影响因素的研究对于购房者购买住房及政府制定相关政策具有重要影响。然而,目前对于住宅价格问题的研究大多从宏观角度进行,而从微观角度入手的相对较少。此外,对住宅价格的研究通常需要建立多元回归方程,但这样会造成多重共线性问题,导致伪回归,不能准确地分析各因素对住宅价格的影响。针对该问题,本文从微观角度出发,运用定量与定性相结合的方法,建立特征价格模型,并且选择逐步回归法对其进行修正,将其中显著性不强、经济意义不明显的变量逐步剔除,从而更准确地探究影响住宅价格的主要因素。本文以南京市住宅价格为实验数据,并初步选择12个影响因素对该方法进行验证。结果表明,该方法能够有效地剔除二级商业中心、建筑类型、生活配套设施3个显著性不强的影响因素,保留重点学校等9个影响较大的因素。本文方法更为精准地分析了住宅价格的影响因素,为购房者购买住房及政府制定相关政策提供了一定的理论基础。     

基于街景图像的旅游地街道空间视觉品质评价方法

街道空间是旅游者在旅游地的主要接触空间,良好的街道视觉品质对旅游产业的可持续发展至关重要,而如何建构视觉品质评价方法则需要进一步探索。本文以厦门市鼓浪屿作为研究区域,首先建立街道空间视觉品质量化模型,采用人工模拟旅游者行进的方式采集街景数据,进行成像参数校正和图像编码;其次,采用全卷积网络进行图像语义分割和视觉要素提取,获得街道环境视觉参数;最后,根据量化模型将视觉参数聚合到地理要素中,建立地理信息数据库进行街道空间视觉品质评价。结果表明：(1)鼓浪屿街道空间视觉品质存在明显的空间分异性;(2)建筑密度、街道宽度与植被小品是塑造街道空间视觉品质的基础视觉要素;(3)植物类公园、主要交通枢纽、主要商业设施的分布对街道空间视觉品质产生显著影响。本文为街道视觉品质评价工作提供了可供迁移应用的数据采集方式和研究方法,基于全卷积网络的街景图像语义分割精度较高,能够为街景图像以及其他类型的图像数据分析提供参考。在管理实践上,本文可以为旅游地街道空间的管理与规划、资源整合与配置、人流引导与调控等工作提供有价值的借鉴。     

基于街景图像的城市环境评价研究综述

城市环境评价研究传统上采用基于现场调研的方法,难以在大范围、精细化的尺度上进行评估。街景图像具有覆盖面广、能提供街道层级景观信息,且数据采集成本低的优势,为城市环境评价研究提供了大样本数据源和新的研究思路。人工智能技术的不断突破和其在各领域的应用,使得在大范围空间尺度上,基于街景图像进行城市环境评价研究成为可能。本文首先对城市环境评价常用的3种数据源（街景图像、遥感影像和地理标记社交媒体数据）进行对比分析,归纳街景图像在城市环境评价中的优势;然后,从方法学的角度把基于街景图像进行城市环境评价过程中使用的方法分为4大类别（基于图像分析的方法、基于统计分析的方法、基于人工智能的方法和基于空间分析的方法）;接着,从城市物理环境、社会环境、经济环境、美学环境,综述了街景图像在城市环境评价中的应用研究进展;最后,对现有研究成果进行了总结并对未来研究方向提出展望。     

基于多源数据的惠州商品住宅房价分布及影响因素研究

我国商品房价格近年来不断上涨,促使房价变动的因素以及它们的影响程度日益变成社会热点。以惠州市商品房价格为研究对象,利用GIS的空间分析和可视化功能,结合各种可获得的数据,通过对商品房平均售价进行反距离权重插值和空间自相关分析,并结合地理加权回归分析,对影响房价分布的因素进行探究,结果显示:①惠州市房价总体上呈现出多中心分布的特点,商品房价格从这些峰值中心向周围递减;②惠州市的房价呈现空间上集聚分布的模式,商品房住宅价格空间分异是地理区位、城市规划、环境景观与房屋属性等各种因素综合作用的结果;③影响惠州市商品房价的因素主要是商圈距离、公园或广场距离、物业费等因素。     

武汉市中心城区住宅价格空间分布格局及其影响因素研究

利用网页爬虫技术从安居客网站抓取了武汉市中心城区2016年7月共3 188个小区的平均房价数据。运用GIS空间分析方法和GWR模型对武汉市中心城区房价空间分布模式及其影响因素进行探讨。研究发现武汉市中心城区的房价具有聚类分布特征;新盘房价与片区位置(汉口、武昌、汉阳)、环线位置(内环、二环、中环)、距湖泊距离、距商圈距离、小区附近学校个数显著相关;楚河汉街商圈对二手房房价的影响力度高于其他商圈,东湖和沙湖对二手房房价的影响效应也很显著。     

顾及人群集聚和情绪强度的城市综合活力评价及影响因素

城市活力的科学定量评估,能够为城市规划和协调发展提供重要依据,针对城市活力容易忽略居民情感的现状,本文选用百度热力图数据与微博情感分析结果,分别衡量人群集聚强度和情绪强度,并结合TOPSIS方法,提出一种顾及人群集聚和情绪强度的综合活力评估框架。从城市物理环境、经济环境和生态环境3个维度,选择8个关键影响因子,结合地理探测器空间分析方法,探讨影响因子对城市活力空间异质性的影响。结果表明：① 融合人群集聚强度和情绪强度的综合活力评估方法,能够较好反映城市活力空间分异格局;通过对典型样本区域分析,验证了本文提出的城市综合活力评价框架的有效性;② 城市POI密度对城市综合活力的解释力最显著,而植被覆盖度因子对城市综合活力的解释力最弱;但是植被覆盖度因子与其他因子的交互作用,对于城市活力空间异质性的影响力提升最为显著,表明植被覆盖度因子并不是直接作用于城市活力的空间异质性,而是通过耦合空间可达性、POI密度以及建筑密度等影响因子,间接影响城市综合活力的空间分异。     

基于贝叶斯时空模型的城管事件时空变化分析

城市管理事件具有显著的地域特征和周期性特征,挖掘城管事件中隐含的时空规律和潜在影响因子对城市管理具有重要指导意义。然而,目前针对城管事件时空变化及影响因素驱动效应的研究仍较为少见。本文基于贝叶斯时空模型,针对西北某地H市P区的街面秩序类、市容环境类以及宣传广告类城管事件在一周之中的时空演变特征进行建模分析,并探究了影响城管事件案发风险的潜在影响因子。研究发现：① 在空间上,3类城管事件的相对风险分布存在差异,街面秩序类事件集中在城市的居住功能区和商业功能区,而市容环境类集中在城市的居住功能区,宣传广告类主要集中在城市的商业功能区,空间风险后验概率估计表明,以上2个区域是城管事件的热点区域。② 在时间上,每逢周二、周五以及周六,城管事件的相对风险较为突出,但总体上没有明显的单调性。每天的8—10时和14—15时是城管事件高发的时段,其相对风险远高于其他时段。③ 城市建成环境对城管事件的潜在影响存在差异。研究区域内餐饮、交通、生活服务等城市基础设施与城管事件的关联最为紧密,且都表现为正相关。④ 城管事件的案发风险呈现出明显的时空异质性,渐进性的建模过程表明在分析城管事件数据时考虑空间与时间效应的影响是合理且有必要的。研究表明,贝叶斯时空模型的分析结果满足城管部门日常工作中关于城管事件智能分析与重点管控的需求。     

北京市二手房价格时空演变特征

城市住宅价格时空格局及演变特征是衡量城市房地产市场发展均衡性的重要指标。针对海量的互联网实时房产数据,本文构建了一种长时序时空大数据挖掘方法。首先,利用挂牌数据和成交数据,进行了泛在网络地产数据的可用性验证;其次,提出了“混合像元”的多尺度栅格模型,以构建基于栅格系统的房产统计特征描述,形成了多源网络房产数据融合方法;然后分别采用莫兰指数和地理探测器分析房价的空间自相关性和分异性,并基于P-Bshade和邻近栅格时空插值算法解决了稀疏房产数据的融合与插值问题,构建了长时序房地产时空栅格数据库;最后,以北京六环范围内为研究区域,通过栅格区划算法进行了二手房价格时空演变格局的挖掘分析。     

融合多源大数据的武汉城市空置区域评估与分析

在城市不断发展与扩展的同时,许多建成区可能会出现空置,表现为人口、企业稀少,生产水平严重低下,对城市空置区域的评估能够反映当前城市内部各区域发展状况,能够作为城市改造更新的依据。本文提出了一个以空置指数来量化评估城市内部层面空置现象,并对其影响因素进行探究的方法。根据“空城”的外在特征：建筑水平与社会活动水平,空置指数通过较高分辨率夜光遥感影像（Luojia1-01）和土地覆盖信息得到;同时依据城市空间活力营造原则,通过社会感知数据与路网数据量化产生空置现象的内在影响因素;并通过随机森林模型对空置指数精细化以及对影响因素重要性排序。以武汉市城区为例,用该方法对空置指数可视化,可识别出空置现象严重的区域,主要为老旧城区、工厂库房、单一功能的公共设施区域等,同时道路的可达性与人流密度对空置现象影响较大,且建立的随机森林模型精度 R^2 可达84.6%,对空置指数通过随机森林拟合后,其可视化分辨率由130 m优化至25 m。本研究结果可为城市中空置现象的改进提供依据。     

青岛市区土地与住房价格关系及其对策研究

我国房地产市场快速发展,房价迅速飙升,超出了广大群众的承受范围,严重影响着群众的生活质量,以及整个社会的和谐.该文充分利用所掌握的青岛市近年来房地产行业的大量翔实的原始数据,客观真实地揭示土地价格与住房价格二者的关系,以便为国家房地产市场调控提供可靠的科学依据,促进我国房地产市场行业发展.     

卷积神经网络和随机森林的城市房价微观尺度制图方法

随着中国城市化进程的加快,城市人口的大规模集聚带来了住房紧张的问题,房价政策制定的时效性与正确性也时刻吸引着社会的关注,因此在微观尺度下对房价进行精细化制图变得愈发重要。由于数据可获取性和现有模型精度的限制,目前已有研究均较少涉及微观尺度。本研究通过将房价数据和遥感影像相融合,构建了一种基于卷积神经网络（CNN）和随机森林（RF）的遥感影像挖掘模型,以实现在不考虑其他数据的情况下,精确、合理地进行房价的微观尺度制图。本文以武汉市作为研究区,在仅有房价数据和遥感影像的情况下,利用本文所构建的模型成功得到武汉市中心城区5 m精度的精细房价图。此外,还利用其他数据源以及挖掘技术与本文所构模型进行了对比分析。结果显示,本文所构建的模型获得了最高的房价模拟拟合优度（R²=0.805）,相比传统方法中的最高拟合优度（R²=0.653）其精度提升了23.28%,其制图结果可为政府部门规划决策及武汉市经济分布研究提供基础支撑。