居住小區價格與公共服務網絡可達性的相關性研究①

梁 譽, 朱衛鋒

1(華中科技大學 自動化學院, 武漢 430074)2(中國科學院金華科技園管理委員會, 金華 321000)

居住小區價格與公共服務網絡可達性的相關性研究①

梁 譽1, 朱衛鋒2

1(華中科技大學 自動化學院, 武漢 430074)2(中國科學院金華科技園管理委員會, 金華 321000)

提出了居住小區公共服務網絡的概念, 考慮居住小區與各類公共服務節點之間的最短路徑、最快路徑、次短路徑和次快路徑等四個指標, 以皮爾遜積矩相關系數評估各類公共服務節點可達性與居住小區住房價格的相關性, 建立了計算模型, 從而識別出對居住小區住房價格影響較大的因素, 以武漢市居住小區公共服務網絡為例進行了實證分析. 結果表明, 本方法能夠效識別對居住小區價格有重要影響的公共服務要素, 為居住小區規劃和公共服務優化配置提供決策支持.

公共服務網絡; 居住小區價格; 公共服務可達性; 相關性

1 引言

城市公共交通在人們的生活和經濟社會中扮演重要的角色. 居住小區通過公共交通網絡獲取不同服務節點的服務, 以滿足人們的衣食住行等需求. 居住小區出行的可達性與便利性不但直接影響到居住小區的房產價格, 更加直接影響到整個城市的活力和競爭力.研究居住小區到各服務節點的可達性與便利性, 不僅有利于居民選擇可達性與便利性較高的居住小區, 而且對居住小區規劃選址、交通網絡規劃建設具有重要作用.

目前, 有不少學者研究居住小區房價與公共服務可達性之間的關系. Chin[1](2006)等通過研究新加坡的房價與學校的關系時, 發現住房與名校之間的可達性對房價有重要的影響. Armstrong[2](2009)等通過研究馬薩諸塞州東部區域軌道交通與住宅價格的關系, 發現軌道交通站點0.5英里以內比0.5英里以外的房價高10.1%. Martinez[3](2009)等在研究葡萄牙里斯本市區公共交通與房價的關系時, 發現在地鐵、鐵路、公路中地鐵最能提高住房價格. 郝前進[4](2007)等通過研究上海住宅到CBD距離、軌道交通可達性、公共交通可達性, 提出“軌道交通通車”情況對住宅價格有顯著的影響,而且越遠離CBD, 對住宅價格的影響程度越大; “公共交通方便”對住宅價格的影響主要集中在外環內區域,外環線以外區域并不顯著, 但是該文在定義CBD時存在著主觀性. 王松濤[5](2007)等以教育、醫療、體育、文化、商業、綠地公園等6 大類公共服務設施的可達性對商品住房價格的影響進行研究時, 發現北京市家庭主要考慮的因素包括了綠地公園、文化設施、重點高中和球類場館的“最短距離”, 每接近重點高中、球類場館、文化設施、綠地公園100m, 則商品住房價格分別上升56.9 元/平方米、42.3 元/平方米、65.8 元/平方米、69.1 元/平方米, 但是該文中的可達性指標是空間兩點之間的直線距離, 未能反映實際的網絡距離.盧茜[6](2010)等通過分析公路交通可達性與上海郊區新城房價之間的關系, 提出住宅的價格與郊區到城市中心邊緣區之間的最短距離和最快路徑存在顯著的線性相關性; 距離越近房價越高, 反之越低; 相對于距離成本, 時間成本對房價影響更大, 但是該模型缺乏考慮多模網絡. 李郇[7](2010)等研究了廣州市政府對基礎設施的投資與住宅價格的關系, 發現廣州居民對于中心區位、良好的交通通達性、大規模的小區和水景景觀具有持續上升的偏好. 許萍[8](2012)等通過對沈陽地鐵2號線的分析, 得出以下結論: 地鐵站點對房地產價格的平均影響范圍是820米; 在2千米范圍內, 每靠近地鐵站1米, 則建筑平米的價格增加0.00752%.李琦[9](2012)等通過研究武漢地鐵一號線, 發現武漢地鐵一號線對沿線住宅價格的增值效益在站點500米內達到最大, 500米內比500米外對住宅單價和總價的增值分別到達10.1%、8.7%. 魏鑫[10](2013)等通過研究成都一號線, 發現從一環到三環外每靠近地鐵站點1米,住宅單價每平方米分別上漲0.91元、1.16元、1.21元.何浪[11](2014)等通過對廈門公共設施可達性對住宅價格的影響研究發現, 當中小學教學質量沒有區別時,最近中小學與住宅的距離對住宅價格不產生影響, 而重點中學和省示范性小學對住宅價格影響顯著, 但是該文的分析樣本偏少, 只分析了106個住宅, 路網道路也沒有進行分類. 吳文佳[12](2014)等通過對北京市景觀可達性與住宅價格的空間關聯研究發現, 次中心與住宅價格關聯最為顯著, 綠地、水景、山景與住宅價格存在一定程度關聯, 但次中心的評判和選擇有一定主觀性.

綜上所述, 不少學者已經得到了一些關于居住小區價格與公共交通可達性關聯的研究成果, 但是往往偏向從宏觀角度研究居住小區房價與可達性的關聯,忽略了很多具有物理意義的具體要素, 如網絡距離、步行距離、城市機動車道路雙向性等. 同時, 也較少考慮到不同類型的公共服務節點與居住小區的可達性對居住小區房價的影響是不一樣的. 本文為了更加貼近實際情況, 基于現實中的物理網絡建立人行網絡、公交網絡、地鐵網絡, 在此基礎上構建公共服務網絡, 研究城市住宅小區價格與公共服務網絡可達性之間的關聯關系, 通過計算居住小區到每一類公共服務節點的可達性指標值與居住小區價格的相關性值, 分析每一類公共服務節點對居住小區價格的影響, 從而建立更加有效的居住小區價格的預測模型, 為政府部門的各類公共服務節點的優化配置提供決策支持.

2 居住住小區價格與公共服務網絡可達性的相關性計算方法

2.1 居住小區公共服務網絡的定義

居住小區公共服務網絡主要包括居住小區、公共服務節點、公交站、地鐵站、人行道、公交線路、地鐵線路等要素, 其網絡結構如圖1所示. 其中, 公共服務節點主要包括步行街、超市、銀行網點、醫院、幼兒園、小學、初中、高中、公安局、酒店、餐館等, 居住小區可以通過步行、公交、地鐵等單一或者組合的方式到達公共服務節點獲取公共服務節點提供的服務.

圖1 居住小區公共服務網絡示意圖

2.2 計算模型

通過計算居住小區價格與公共服務網絡可達性的相關性, 找出對居住小區價格影響較大的公共服務節點類型. 考慮到步行與公交地鐵相比速度更慢, 而城市的邊緣或者處于交通盲點的區域需要更長的步行距離和時間, 同時這些區域的居住小區相對其他區域的居住小區價格更低, 因此建立公共服務網絡時, 增加了步行道路. 由于在現實中交通可達性經常會受擁堵、施工、交通事故等因素影響, 所以在本文中可達性不但考慮最優路徑(把距離作為阻抗時, 最優路徑為最短路徑; 而把時間作為阻抗時, 最優路徑為最快路徑), 還考慮次優路徑(把距離作為阻抗時, 次優路徑為次短路徑; 而把時間作為阻抗時, 次優路徑為次快路徑). 具體模型構建如下:

①參數說明:p∈Pi,k

I:居住小區的集合;

i:居住小區,i∈I;

K: 公共服務節點類型的集合;

k:公共節點類型,k∈K;

Mk:k類型的公共服務節點的集合;

mk:k類型的公共服務的某個節點,mk∈Mk;

Pi,k: 居住小區i與k類型的公共服務節點之間的所有路徑的集合;

p: 居住小區i與k類型的公共服務節點之間路徑,p∈Pi,k;

pd: 居住小區i與k類型的所有的公共服務節點之間的最短路徑,

: 居住小區與k類型的公共服務節點之間除最短路徑pd外的所有路徑的集合;

pt: 居住小區i與k類型的所有的公共服務節點之間的最短路徑,

: 居住小區i與k類型的公共服務節點之間除最短路徑pt外的所有路徑的集合;

Cj:與節點j直接連接的節點(包括居住小區、公交站、地鐵站)的集合;

RDs,t:居住小區公共服務網絡中直接相連的兩個節點s與e之間路段的距離, 節點s主要包括居住小區、公交站、地鐵站, 而節點e主要包括公交站、地鐵站、公共服務節點;

RTs,t:居住小區公共服務網絡中直接相連的兩個節點s與e之間路段的時間, 節點s主要包括居住小區、公交站、地鐵站, 而節點e主要包括公交站、地鐵站、公共服務節點;

SPDk: 該值為每一個居住小區與k類型的公共服務節點中最短路徑的公共服務節點的距離, 因此該參數為I維的列向量;

SPGDk: 居住小區與k類型的公共服務節點之間的次最短路徑與最短路徑的距離差的向量, 該參數為I維的列向量;

FPTk: 居住小區與k類型的公共服務節點之間的最快路徑的時間的向量, 該參數為I維的列向量;

FPGTk: 居住小區與k類型的公共服務節點之間的次快路徑與最快路徑的時間差的向量, 該參數為I維的列向量;

② 路徑計算:

居住小區公共服務網絡中, 節點j與居住小區i之間的最短路徑的距離為(j), 其中節點j包括K類公共服務節點、公交站點、地鐵站點. 當i=j時, 即為居住小區i與居住小區i之間最短路徑的距離當i≠j時, 其中MIN{}為獲取集合中的最小值, 最短路徑的距離為:

居住小區公共服務網絡中, 節點j與居住小區i之間的次短短路徑的距離為(j), 其中節點j包括K類公共服務節點、公交站點、地鐵站點. 當i=j時, 即為居住小區i與居住小區i之間次短路徑的距離(j)=0; 當i≠j時, 其中SMIN{}為獲取集合中的第二小的值, 次短路徑的距離為:

居住小區公共服務網絡中, 節點j與居住小區i之間的最快路徑的時間為(j), 其中節點j包括K類公共服務節點、公交站點、地鐵站點. 當i=j時, 即為居住小區i與居住小區i之間次快路徑的時間當

i≠j時, 其中MIN{}為獲取集合中的最小值, 最快路徑的時間為:

居住小區公共服務網絡中, 節點j與居住小區i之間的次快短路徑的時間, 其中節點j包括K公共服務節點、公交站點、地鐵站點, 居住小區i與居住小區i之間次快路徑的時間為, 當i≠j時,其中SMIN{}為獲取集合中的第二小的值, 次短路徑的距離為:

居住小區i到k類型的公共服務節點的最短路徑的距離:

居住小區i到k類型公共服務節點的次短路徑的距離:

居住小區i到k類型的公共服務節點的次最短路徑與最短路徑的距離差:

居住小區i到k類型的公共服務節點的最快路徑的時間:

居住小區i到k類型的公共服務節點的次快路徑的時間:

居住小區i到k類公共服務節點的次快路徑與最快路徑的時間差:

③ 相關系數計算:

本文將分別計算居住小區價格X與每一類公共服務可達性指標值Y(SPDk、SPGDk、FPTk、FPGTk)之間的相關系數 , 這兩變量間的皮爾遜相關系數可通過以下公式計算:

皮爾遜相關系數是是一個介于 1 和 -1 之間的值, 當值為正值時表示正相關, 當值為負值時表示負相關. 通常上, 當相關系數的絕對值在0至0.2之間時,認為變量極弱相關或無相關; 當居住小區價格與可達性指標值之間的相關系數的絕對值在0.2至0.4之間時,認為居住小區價格與可達性指標值之間是弱相關; 當居住小區價格與可達性指標值之間的相關系數的絕對值在0.4至0.6之間時, 認為居住小區價格與可達性指標值之間是中等程度相關; 當居住小區價格與可達性指標值之間的相關系數的絕對值在0.6至0.8之間時,認為居住小區價格與可達性指標值之間是強相關; 當居住小區價格與可達性指標值之間的相關系數的絕對值在0.8至1之間時, 認為居住小區價格與可達性指標值之間是極強相關.

3 實例分析

武漢市居住小區公共服務網絡包括居住小區、公共交通道路、公共交通站點、公共服務節點. 其中公共交通站點主要公交站點、地鐵站點; 公共服務節點主要包括步行街、超市、銀行網點(主要是銀行的營業網點、不包含只有ATM取款機的銀行服務網點)、醫院(主要是三甲綜合醫院)、幼兒園、小學、初中、高中、公安局、酒店、餐館等公共服務節點. 本文通過ArcGIS建立網絡數據集, 得到最近設施點網絡分析圖層, 分別基于時間阻抗計算最快路徑與次快路徑, 基于網絡距離計算最短路徑與次短路徑.

3.1 基礎數據準備

地理空間數據來自百度地圖的數據. 地理空間數據主要三類: 居住小區、公共服務節點、公共交通網絡.

1) 居住小區

居住小區主要是源于百度地圖提供的武漢市的居住小區信息(主要包括居住小區的地址、名稱、經度、緯度), 共采集了3694個主要居住小區的信息. 居住小區的價格信息主來是來自2016年1月搜房網的售房價格數據, 該房價是以小區為單位, 當該小區為新房源時, 則采用銷售均價; 而當該小區為舊房源時, 采用的是二手房交易價格.

2) 公共服務節點

共采集了2343個公交站點, 166個地鐵站點(包含已建好和規劃在建的地鐵站點), 7條步行街, 759個中大型超市, 1774個銀行網點, 372個就醫點, 759個幼兒園, 749個小學, 369個初中, 97個高中, 38個公安局或分局, 757家中大型酒店, 759家中大型餐館.

3) 公共交通道路

武漢市的公共交通道路主要是包括三種道路, 分別是軌道交通道路、公交道路、步行道路. 軌道交通道路主要包括軌道交通兩個站點之間的實際行駛線路、距離和時間; 公交道路主要包括兩個公交站之間的行駛線路(分別得到上行與下行的線路)、距離和時間;步行道路主要包括居住小區與公交站、幼兒園、小學、初中、高中、步行街、超市、公安局、醫院、銀行、餐館、酒店等公共服務節點的600米以內的步行路徑以及最短步行路徑, 居住小區與地鐵站的1000米以內的步行路徑, 公交站與地鐵站之間的1000米以內的步行路徑, 公交站與幼兒園、小學、初中、高中、步行街、超市、公安局、醫院、銀行、餐館、酒店等公共服務節點的600米以內的步行路徑以及最短步行路徑, 地鐵站與幼兒園、小學、初中、高中、步行街、超市、公安局、醫院、銀行、餐館、酒店等公共服務節點的1000米以內的步行路徑. 在ArcGIS中, 武漢市公共交通道路的分布如圖2所示, 其中紅色的線路表示的是軌道交通線路, 藍色表示的是公交路線, 綠色表示的是步行路線,同時每條線路還包含消耗的時間與距離.

圖2 武漢市公共道路分布圖

3.2 相關性計算

采用第2節的計算方法, 分別求取武漢市居住小區價格與其到公共服務節點可達性指標之間的皮爾遜積矩相關系數, 居住小區到各類公共服務節點的最短路徑距離之和與居住小區房價的皮爾遜積矩相關系數為-0.54346928063381672, 居住小區到各類公共服務節點的最短路徑與次短路徑的距離差之和與居住小區房價的皮爾遜積矩相關系數為-0.39748446922024305,居住小區到各類公共服務節點的最快路徑時間之和與居住小區房價的皮爾遜積矩相關系數為-0.31881292582046622, 居住小區到各類公共服務節點的最快路徑與次快路徑的時間差之和與居住小區房價的皮爾遜積矩相關系數為-0.1808307413080098.

而居住小區價格分別與居住小區和步行街、公安局、餐館、高中、酒店、醫院、小學、銀行、初中、超市、幼兒園的最短路徑距離、最快路徑時間、次短路徑與最短路徑的距離差、次快路徑與最快路徑的時間差相關系數趨勢圖如圖3所示.

圖3 武漢市居住小區價格與各類服務節點的可達性指標值的相關系數趨勢圖

3.3 結果分析及建議

通過計算結果分析, 可以得到以下結論:

1) 武漢市居住小區價格與最短路徑和最快路徑之間都是負相關的關系, 即路徑的距離越長或者消耗的時間越多, 居住小區價格就越低.

2) 最短路徑距離與居住小區價格的相關系數的絕對值比最快路徑時間與居住小區價格的相關系數的絕對值大, 即武漢市居住小區價格對距離的敏感度比時間的敏感度要高.

3) 居住小區價格與最短路徑數據與最快路徑中的步行街的相關性最高而與幼兒園的相關性最低, 從ArcGIS地圖中可以看到, 步行街在武漢市的分布相對集中, 而幼兒園分布則相對均勻分散并且與居住小區價格的相關性很低, 因此像步行街這種大型、集中、高投資額的商業公共設施有更有利于附近的居住小區價格的增值.

4) 居住小區價格與居住小區到各類服務節點的次短路徑和最短路徑的距離差以及居住小區價格與居住小區到各類服務節點的次快路徑和最快路徑的時間差處于弱相關或者極弱相關, 說明次短路徑與次快路徑對居住小區價格影響很小, 或者影響基本可以忽略.

根據上述分析以及結論, 可以提出如下建議:

1) 政府部門在進行城市規劃時, 應該重點考慮與居住小區相關性比較大的要素, 例如武漢市政府應優先考慮步行街、公安局等重要資源的規劃布局, 使大部分小區到步行街、公安局等重要公共服務資源的距離較短, 以此提高居住小區的增值保值功能.

2) 對于房地產開發商來說, 在離步行街等重要商業因素較遠的區域開發居住小區時, 為了有效提高居住小區的價格, 應該考慮步行街、酒店、幼兒園等公共服務資源的建設先后順序, 先集中資金進行步行街開發, 當居住小區發展之后, 再進行酒店、幼兒園等資源的開發.

3) 對于購房者來說, 建議選擇附近有步行街等重要公共服務資源且日常生活和出行較為方便的居住小區.

4 小結

通過分析各類公共服務節點與居住小區之間的最短路徑與最快路徑與居住小區房價之間相關性, 找出對居住小區價格具有重要而主要影響的公共服務節點類型, 有利于更準確預測居住小區房價的模型, 同時減少使用相關度很小或者不相關的數據, 從而在不降低或者稍微降低模型精度的情況下避免增加計算量.

分別對不同類型的公共服務節點可達性與城市住宅小區價格進行了相關性分析, 結果發現, 空間距離相對于時間距離對居住小區房價更具影響力; 居住小區與公共服務節點的最優路徑相對于次優路徑對居住小區價格具有更加緊密的聯系; 步行街與居住小區的最短路徑與居住小區價格的相關度較高. 因此, 在規劃和開發居住小區時, 如果配套開發大型而完善的商業公共服務設施, 則有利于居住小區價格的增值.

1 Chin HC, Foong KW. Influence of school accessibility on housing values. Journal of Urban Planning and Development, 2006, 132(3): 120–129.

2 Armstrong RJ, Rodríguez DA. An evaluation of the accessibility benefits of commuter rail in eastern Massachusetts using spatial Hedonic price functions. Transportation, 2006, 33(1): 21–43.

3 Martinez LM, Viegas JM. Effects of transportation accessibility on residential property values hedonic price model in the Lisbon, Portugal, Metropolitan area. Transportation Research Record, 2009, (2115): 127–137.

4 郝前進,陳杰.到CBD距離、交通可達性與上海住宅價格的地理空間差異.世界經濟文匯,2007,(1):22–35.

5 王松濤,鄭思齊,馮杰.公共服務設施可達性及其對新建住房價格的影響——以北京中心城為例.地理科學進展, 2007,26(6):87–94.

6 盧茜,林濤.基于交通可達性的上海郊區新城房價研究.上海師范大學學報(自然科學版),2010,39(4):426–431.

7 李郇,符文穎.城市政府基礎設施投資在住宅市場的資本化考察——基于廣州價格數據的Hedonic模型構建.地理研究, 2010,29(7):1269–1280.

8 許萍.城市地鐵對周邊房地產價格影響分析:以沈陽地鐵2號線為例[學位論文].沈陽:沈陽建筑大學,2012.

9 李琦.城市軌道交通對沿線住宅價格的影響研究——以武漢地鐵一號線為例[碩士學位論文].武漢:華中農業大學,2012.

10 魏鑫.城市軌道交通對沿線住宅價格的影響研究——以成都一號線為例[碩士學位論文].成都:四川農業大學,2013.

11 何浪.公共設施可達性對住宅價格的影響研究——以廈門為例[碩士學位論文].廈門:廈門大學,2014.

12 吳文佳,張曉平,李媛芳.北京市景觀可達性與住宅價格空間關聯.地理科學進展,2014,(4):488–498.

Research on the Correlation between the Residential Area Housing Price and the Accessibility of the Public Service Networks

LIANG Yu1, ZHU Wei-Feng212
(School of Automation, Huazhong University of Science and Technology, Wuhan 430074, China) (Jinhua Science and Technology Park Management Committee, Chinese Academy of Sciences, Jinhua 321000, China)

The concept of residential area public service network is proposed. Four indicators, including the shortest path, the fastest path, the second-rate shortest path and the second-rate fast path that between the residential area and public service nodes, are considered to evaluate the correlation between accessibility of public service nodes and residential area housing price by Pearson product-moment correlation coefficient, and the computation model is built finally. Accordingly the influential factors of residential area housing prices are identified. As an example, the Wuhan residential area public service network is analyzed. The results show that this method can effectively identify the factors that have important effects on residential area housing prices and provide decision supports for the residential area planning and public service optimization allocation.

public service network; residential area housing price; accessibility of the public service; correlation

2016-03-26;收到修改稿時間:2016-04-27

10.15888/j.cnki.csa.005492