存量房交易空间位置数据获取与空间点模式分析.docVIP

存量房交易空间位置数据获取与空间点模式分析 　　摘要摘要：以2016年某月存量房交易数据为例，通过使用公共地理编码服务，清理和规范化地址数据并获得空间参照数据。以整理后的数据为基础，利用R交互式编程环境，以核密度分析和六边形分析两种方法，对存量房交易数据进行空间点模式分析。结果表明，利用地理编码服务获取的数据能够满足空间分析需要；在R语言环境中可以方便快速地完成空间数据获取、分析和展示的全过程，极大提高了空间分析效率；武汉市存量房交易密度大体上呈环线分布，汉口比武昌热，汉口存在一个密集交易中心，武昌则呈现多点开花的态势。 　　关键词关键词：地理编码；R语言；空间分析；点模式分析；核密度分析 　　DOIDOI：10.11907/rjdk.162298 　　中图分类号：TP391文献标识码：A文章编号文章编号2017）001014403 　　引言 　　随着城市土地供应和新建商品房供应的日趋减少，房地产市场重心将逐步由一级市场转移到二、三级市场。但目前的房产市场分析局限于新建商品房市场，对存量房交易市场的研究未予以足够重视。存量房交易市场分析研究滞后的原因在于交易数据地址信息不规范，缺乏相应的空间数据，无法在此基础上开展空间分析。另外，市场分析的空间分析过度依赖于GIS系统的建设，导致技术和需求契合不足，造成分析工作滞后。 　　本文探索了利用公共地理编码服务，完善存量房交易数据的空间信息；同时脱离GIS系统，利用R交互式编程环境，进行存量房交易热点空间分布的点模式分析。这对于利用交易地址信息、快速整理数据、建立分析模型和交互式图形具有较好的参照意义。同时，基于本文方法，可以进一步挖掘时空数据的变迁，并促进存量房、商品房等相关市场的关联研究。 　　1数据获取 　　数据分析的主要工作量来自于数据准备，即数据的选取、清理和整理，以满足数据分析需要。 　　1.1地址数据来源 　　武汉市存量房交易合同打印是存量房交易的前置条件，房屋坐落数据是由交易双方根据房屋产权证证载坐落进行填写，其中可能出现少量填写错误及文字编码不规范的情况。为进行市场分析，保证样本的随机性和代表性，本文选取2016某一交易月的存量房交易全月成交数据共7 805条作为分析样本。 　　1.2空间参照数据获取 　　样本数据只包含有地址信息，没有包含空间分析所需要的空间参照坐标信息。本文利用公开的地址编码服务，获得和完善分析数据的空间参照数据。 　　1.2.1地址编码 　　地址编码（Geocoding）[1]是将地点的描述信息（地址或建筑物名称）转化地球表面位置（坐标）的过程。地址编码分为正向地址编码和反向地址编码两种。正向地址编码是指从地址描述转换成位置信息的过程，反向地址编码则是从位置信息转换成地址或建筑物名称的过程。 　　用于描述地点的位置信息的准确度分为不同的级别，主要取决于查询条件的准确和详细程度。通常情况下会提供建筑物中心点、街道中心点、邮政编码区域中心点坐标等不同准确度的查询结果。 　　1.2.2高德地图的地理编码服务 　　由于地图基础数据较为详实，API使用简便，本文采用高德地图提供的地址编码服务作为空间数据完善的工具。以查询雄楚大街199号的空间位置为例，调用高德地理编码服务后得到的是json形式的响应报文，响应报文内容包括格式化地址即湖北省武汉市洪山区雄楚大街199号，地址所在省、市、区、城市编码（电话区号）、区域编码、平面坐标（114.339802，30.515439，以逗号分隔的字符串表示），精度级别[2]（门牌号）等空间参照数据。 　　1.2.3利用R获取空间数据 　　为了获取7 805个交易样本的空间参照数据，本文通?^使用R的RCurl包程序化调用地理编码服务，从而批量完成交易样本数据的空间参照数据完善任务。程序包括以下步骤：①将地址数据规范化；②生成查询URL，同时转换为utf8编码；③对API调用的结果进行解析，获取平面坐标、精度信息和标准化地址。对7 805条样本数据进行空间数据解析结果统计，地理编码能达到门牌号、兴趣点、交叉路口的样本数据占总样本的91%，足以支撑空间数据分析。 　　2空间点模式分析 　　2.1空间数据分类及点模式 　　空间数据通常分为3类[3]：①点参照数据（Point-Referenced Data），即有取样点的空间位置是相对固定的，类似于气象观测站获得的数据；②平面数据（Areal Data），即取样点为有固定边界的数据，如行政区数据；③点模式数据（Point Pattern Data），即取样点不再是固定而是随机的，存量房交易数据就属于点模式数据。 　　点模式分析主要是研究特定事件随机发生的地理位置关系，空间值域D是在某一特定区域内特定事件发生的点