基于GIS核密度估算的廈門樓盤空間可視化研究

肖惠珍 李麗真

摘? 要：隨著房地產(chǎn)業(yè)的高速發(fā)展，商品房價格不斷攀升，房地產(chǎn)市場成為社會各界熱議的話題。文章基于廈門天地圖的2002年到2018年商品房樓盤專題數(shù)據(jù)空間可視化，分析樓盤建設(shè)的空間分布變化情況，通過GIS的核密度估計（KDE）方法將廈門市近幾年來的樓盤空間分布密度直觀地呈現(xiàn)，利用空間數(shù)據(jù)分析和挖掘，分析近年來廈門房地產(chǎn)的發(fā)展趨勢以及對周邊區(qū)域的影響情況。研究結(jié)果表明：廈門島內(nèi)的樓盤開發(fā)主要集中在以仙岳路和廈禾路兩側(cè)，延伸到區(qū)政府周圍。島外各區(qū)樓盤的開發(fā)情況主要是在區(qū)政府周圍并沿主要干道向外擴散分布。總體上，廈門市的樓盤密度與交通密度、學(xué)校、醫(yī)院、商場的吸附作用聚集分布。

關(guān)鍵詞：核密度;房地產(chǎn)數(shù)據(jù);數(shù)據(jù)可視化;空間分析

中圖分類號：TP311? ? ? ? ?文獻標(biāo)志碼：A? ? ? ? ?文章編號：2095-2945（2019）27-0044-03

Abstract： With the rapid development of the real estate industry， commercial housing prices continue to rise， the real estate market has become a hot topic of discussion from all walks of life. Based on the spatial visualization of the special data of commercial housing from 2002 to 2018， this paper analyzes the spatial distribution and change of the construction of commercial housing from 2002 to 2018 based on the map of heaven and earth in Xiamen. Through the kernel density estimation （KDE）method of GIS， the spatial distribution density of real estate in Xiamen in recent years is presented intuitively， and the spatial data analysis and mining are used. This paper analyzes the development trend of Xiamen real estate in recent years and its impact on the surrounding areas. The results show that the development of buildings in Xiamen Island is mainly concentrated on both sides of Xianyue Road and Xiamen Road， extending around the district government. The development of buildings outside the island is mainly distributed around the district government and along the main trunk roads. On the whole， the density of real estate and traffic density， the adsorption of schools， hospitals and shopping malls in Xiamen are aggregated and distributed.

Keywords： kernel density; real estate data; data visualization; spatial analysis

引言

2018年上半年，房地產(chǎn)半年調(diào)控192次，各地上演搶人大戰(zhàn)，棚改貨幣政策退出，全民搖號買房，停止企業(yè)購房，房貸利率全面提高，房企高負(fù)債率，6月不動產(chǎn)登記全國聯(lián)網(wǎng)，個稅改革增加住房租金抵扣，長租房10年180萬租金等關(guān)于房地產(chǎn)的話題一直受到人們的普遍關(guān)注和熱議。目前，國內(nèi)專家人士對房地產(chǎn)方面的研究大部分都是基于各方面指標(biāo)和統(tǒng)計數(shù)據(jù)探討廈門市房地產(chǎn)的現(xiàn)狀和未來發(fā)展趨勢。鮮有文章從空間分布特點進行分析，本文研究重點主要從空間可視化的角度將廈門市15年來的數(shù)據(jù)通過空間分布規(guī)律直觀地展示出來，將數(shù)據(jù)通過地圖來渲染，可以更直觀、宏觀地掌握城市樓盤和價格的分布情況。

本文基于廈門天地圖樓盤專題數(shù)據(jù)和其他統(tǒng)計數(shù)據(jù)，采用直接可視化和KDE兩種方法對廈門市商品房的空間分布進行了分析。著重研究商品住宅價格的空間變化規(guī)律，研究成果可以為廈門市商品住宅市場健康發(fā)展提供借鑒，為城市規(guī)劃部門及政府相關(guān)機構(gòu)制定政策提供參考，為開發(fā)商投資選址提供依據(jù)，為消費者購房提供判斷準(zhǔn)則。

1 研究區(qū)概況

廈門市地處我國東南沿?！＝ㄊ|南部、九龍江入海處，背靠漳州、泉州平原，瀕臨臺灣海峽，面對金門諸島，背依閩粵贛廣闊的經(jīng)濟腹地，“一帶一路”的發(fā)展中占據(jù)重要的戰(zhàn)略地位。區(qū)域面積由廈門島、鼓浪嶼、內(nèi)陸九龍江北岸的沿海部分地區(qū)以及同安等構(gòu)成，陸地面積1699.39平方公里（2018年特區(qū)統(tǒng)計年鑒），海域面積300多平方公里。廈門作為我國五大經(jīng)濟特區(qū)之一，人流、物流、商流會聚，是福建省經(jīng)濟發(fā)展的龍頭城市，同時又是最佳的人居城市和國內(nèi)最佳旅游城市，這里自然環(huán)境優(yōu)美、人文氣息濃厚、文化既多元又極具個性，氣候宜人，是吸引各地人口聚集的美麗濱海城市，因此，廈門近幾年的房價一直居高不下，并呈現(xiàn)不斷上漲的趨勢。

2 研究方法

2.1 直接可視化

直接可視化是最簡單和最基本的可視分析方法，通過ArcGIS將廈門市2002年至2018年地樓盤數(shù)據(jù)以點的方式在地圖上一一繪制出來，并根據(jù)樓盤的屬性，以不同的符號展示出來，方法簡單直接。也可以通過對原數(shù)據(jù)的處理得到分級可視化效果圖。

2.2 核密度估計

Kernel Density Estimation（KDE）是GIS分析中運用廣泛的空間分析方法，用于直觀表達離散數(shù)據(jù)的空間連續(xù)表達。KDE又名核密度分析，通過區(qū)域內(nèi)的離散點要素計算生成一個連續(xù)的密度表面，從而直觀展示整個區(qū)域內(nèi)點的集聚狀況。核密度計算的原理是以每個離散點格網(wǎng)為中心，通過設(shè)定半徑的圓搜索并計算其余格網(wǎng)要素的密度值。本質(zhì)上是一個通過離散采樣點進行表面內(nèi)插的過程[2]。具體方法如下[3]：（1）定義一個搜索半徑的移動“窗口”，依次將其中心點與離散點單元格的中心疊加;（2）通過核密度函數(shù)計算出每個空間點對窗口內(nèi)各個柵格獲得的密度貢獻值，本項目中核密度函數(shù)取四次遞減，使得空間點越近的柵格獲得的密度貢獻值越大;（3）對每個柵格的密度值進行賦值，其值為該柵格搜索半徑范圍內(nèi)各個空間點對該柵格的密度貢獻值的累加;（4）輸出每個柵格的密度值。

3 樓盤數(shù)據(jù)可視化與分析

3.1 數(shù)據(jù)整理

數(shù)據(jù)來源于廈門天地圖的2018年12月更新的樓盤專題數(shù)據(jù)抓取樓盤點位圖層，并錄入屬性信息，行政部門的廈門市行政區(qū)劃圖層以及輔助的道路圖層、醫(yī)院、學(xué)校商場等POI數(shù)據(jù)整理入庫。為有效存儲空間數(shù)據(jù)，本文采用Oracle數(shù)據(jù)庫，利用ArcSDE存儲和管理這些空間數(shù)據(jù)。實現(xiàn)基于樓盤地理位置的可視化方法來展示樓盤地理信息的地學(xué)可視化。

3.2 樓盤數(shù)據(jù)可視化

首先利用 GIS 軟件在空間信息處理上的優(yōu)勢進行數(shù)據(jù)處理得到可直接可視化的附加樓盤信息的廈門市樓盤數(shù)據(jù)，根據(jù)年度信息劃分開發(fā)區(qū)域的分布情況，如圖1所示。

從空間分布情況顯示，思明區(qū)和湖里區(qū)的樓盤開發(fā)主要集中在島內(nèi)湖里區(qū)與思明區(qū)行政區(qū)劃界線兩側(cè)，仙岳路以及廈禾路兩側(cè)，延伸到區(qū)政府周圍。島外各區(qū)樓盤的開發(fā)情況主要是在區(qū)政府周圍并沿主要干道向外擴散分布。

從時間上看，2010年以前開發(fā)的樓盤以廈門島內(nèi)為主，海滄區(qū)政府周圍，集美區(qū)東南部靠近馬鑾灣區(qū)域。2010年到2015年期間，主要往集美區(qū)，同安區(qū)和翔安區(qū)開發(fā)，到2018年，樓盤開發(fā)速度加快，并均勻分布在各個區(qū)域。

3.3 樓盤數(shù)據(jù)分析

基于KDE分析工具，根據(jù)樓盤空間數(shù)據(jù)及時間特性進行聚集計算密度熱力圖，疊加POI、地鐵等其他元素的空間關(guān)聯(lián)圖。

廈門市商品房樓盤的核密度圖可視化結(jié)果如圖2所示，樓盤密度最高的是廈門島中部及五緣灣、環(huán)島路形成“T”型聚集，海滄、集美、同安、翔安區(qū)均以區(qū)政府為核心聚集。從最高密度層級看，廈門島中部樓盤密度最大，其次是海滄區(qū)政府的核心高密度區(qū)、同安區(qū)政府的核心高密度區(qū)、集美區(qū)政府為核心的高密度區(qū)以及軟件園三期為核心的高密度區(qū)，翔安區(qū)的樓盤密度較低，沒有第一層級的高密度區(qū)。二級密度區(qū)主要以集美區(qū)為主，以區(qū)政府、軟件園三期、以及動車北站為聚集核心，同時往北延伸到同安的環(huán)東海域，同安區(qū)政府為核心的聚集地。翔安區(qū)主要以區(qū)政府為核心，南北延交通縱向延伸的中級密度區(qū)域。海滄區(qū)主要以區(qū)政府及馬鑾灣為核心的次級密度區(qū)。

通過空間分析工具進行疊加進行數(shù)據(jù)挖掘，通過疊加交通、學(xué)校、醫(yī)院等樓盤規(guī)劃選址的影響因素，結(jié)合圖3和圖4可以發(fā)現(xiàn)，交通方面，隨著廈門地鐵1號線已開通，地鐵2號線2019年底開通，地鐵3號線已經(jīng)在建，使得廈門地鐵沿線的土地得到優(yōu)化利用，給地鐵周圍的居住、生活、房地產(chǎn)價格都帶來較大的影響。樓盤的聚集區(qū)與交通主要干線、地鐵線、城市快速交通干線的走向及密度基本一致。

疊加學(xué)校、醫(yī)院、大型商場配套設(shè)施可以發(fā)現(xiàn)，由于基礎(chǔ)配套設(shè)施的吸附作用，配套設(shè)施的完善程度和樓盤的密度呈現(xiàn)正相關(guān)趨勢。圖4顯示，POI等配套設(shè)施的分布密度位于樓盤核密度最大的區(qū)域，基本上位于廈門島中部，以區(qū)政府為核心的聚集效應(yīng)，結(jié)合圖4的交通設(shè)施，POI的分布走向與交通密集程度也呈現(xiàn)正相關(guān)。

4 結(jié)束語

基于本文對房地產(chǎn)樓盤的空間可視化分析、核密度分析，結(jié)合影響樓市發(fā)展的交通、教育、醫(yī)療、城市規(guī)劃等因素的疊加分析，對廈門房地產(chǎn)市場現(xiàn)狀及未來的發(fā)展規(guī)劃提供了思路。交通及配套設(shè)施使房地產(chǎn)市場供需關(guān)聯(lián)緊密，影響房地產(chǎn)市場需求結(jié)構(gòu)、總體空間布局與供需平衡。

根據(jù)廈門市樓盤的核密度分析及空間疊加分析表明：

廈門島內(nèi)新樓盤逐漸減少，島內(nèi)樓盤密度較高，主要以仙岳路為中軸向南北兩側(cè)延伸。思明區(qū)樓盤發(fā)展主要以五緣灣區(qū)塊向外輻射，延環(huán)島路致會展片區(qū)。湖里區(qū)主要以鷺江街道和中華街道的老城區(qū)樓盤為主。南北樓盤密度較低主要是由于北部的高崎機場以及南部的園林植物園生態(tài)區(qū)。作為廈門的交通特色以及廈門島的后花園，形成具有廈門特色的區(qū)位優(yōu)勢，也是廈門島內(nèi)房價高的因素之一。

按照我市海灣型城市的發(fā)展戰(zhàn)略，島外房地產(chǎn)市場存在相當(dāng)?shù)陌l(fā)展?jié)摿桶l(fā)展空間。島外以交通密度較高的集美樓市發(fā)展較成熟，以環(huán)東海域向北延伸到同安、翔安。海滄區(qū)以東部地鐵沿線、北部的馬鑾灣區(qū)為樓盤高密度區(qū)。翔安由于連接島內(nèi)的交通要塞僅有翔安隧道，樓盤開發(fā)相對較少，但隨著翔安大嶝機場、地鐵2號線以及翔安大橋的建設(shè)，翔安南部新城的樓盤建設(shè)發(fā)展較快。島外樓盤開發(fā)建設(shè)主要以集美的軟件園三期、海滄的馬鑾灣區(qū)、同安的環(huán)東海域以及翔安的南部新城，可見，島外房地產(chǎn)市場已展示出巨大的發(fā)展?jié)摿Α?/p>

參考文獻：

[1]West M. Kernel Density Estimation and Marginalization Consistency [J]. Biometrika， 1991，78（2）：421-425.

[2]陳春林，陳紅，韓陽.改革開放以來吉林省城市集聚區(qū)的空間演化[J].中國人口·資源與環(huán)境，2011，21（3）：121-124.

[3]Gatrell A C， Bailey T C， Diggle P J. Spatial Point Pattern Analysis and Its Application in Geographical Epidemiology [J]. TranInst.Br. George， 1996，21：256-274.

[4]韋汝虹，金李，方達.基于GIS的中國城市房地產(chǎn)泡沫的空間傳染性分析——以2006～2014年35個大中城市為例[J].長江流域資源與環(huán)境，2018，27（09）：1967-1976.

[5]張瓊.基于GIS和HedonicModel的城市軌道交通對周邊住宅價格的影響研究[D].昆明理工大學(xué)，2016.

[6]邢雪杉，黃楚興.京津軌道交通對河北房地產(chǎn)的空間效應(yīng)分析[J].云南地理環(huán)境研究，2015，27（06）：40-43.

[7]錢茹.基于GIS的區(qū)域房地產(chǎn)項目空間分析與策劃[D].北京：中國地質(zhì)大學(xué)，2014.