大数据背景下居住用地价格驱动力分析——以苏州工业园区为例.pdfVIP

2000人交流群432529468，仅限注规考试！！ 大数据背景下居住用地价格驱动力分析 ——以苏州工业园区为例 魏新来 摘要:居住用地价格的驱动力一般包括景观环境、配套设施及避让区域等。结合大数据背景，对苏州工业园 区2015 年 3 月份的二手房数据进行快速采集与处理，按照相关系数进行影响强弱的分类，并研究各驱动力 因素适宜的评价标准。分析结果显示，园区内居住用地价格主要受稀缺景观、商业中心及交通条件的影响， 休憩绿地与工业用地因素影响较弱，配套商服和教育资源因素几乎无影响。通过统计居住用地与驱动力要 素距离，对各类驱动力因素的影响距离进行划分，为分析驱动力影响距离提供参考依据。 关键词:大数据 居住用地价格 驱动力 苏州工业园区 1 引言 在商业地产分析中，对影响居住用地价格的驱动力因素已有较多定性、定量的评估方法， 驱动力主要包括环境条件、地块条件、交通便捷性及配套完善度等。驱动力与居住用地价格 [1-5] 的相关性研究已有相对较长的时间 ，各类研究主要包括分析价格与各因素的相关分析， 筛选主要的影响因素并构建回归分析模型，完成价格预测或分析其空间差异性等。 在数据获取方面，早期研究主要通过调研采样或获取相关单位的房屋出让数据为主。随 着互联网科技的发展,地产门户网站得到越来越多售房者及购房者的青睐，如果通过大数据 手段对这些信息进行合适的采集与处理，便能快速地为研究区域居住用地价格提供较为真 实、详尽的数据。 在分析成果方面，之前的研究主要讨论了影响居住用地价格的驱动力因素种类、回归模 型的选择与构建方法及对居住用地价格的预测等，较少涉及驱动力因素的量化参考方面。例 如，与景观湖泊的距离在多少米内对居住用地价格有明显的影响。该类量化参考对评估驱动 力因素的作用也具有不可忽视的作用，并能为城市规划阶段分析居住用地价值提供判断参 考。 因此，本次分析即以大数据作为背景，对居住用地价值的驱动力因素进行分析，并通过 分析结论提出驱动力因素的量化参考。 2000人交流群432529468，仅限注规考试！！ 2 数据来源 为了排除同一套房源在不同平台上重复发布，本次分析以搜房网数据为唯一采集来源， 且通过房源编号信息作为唯一编号，对数据进行建库管理。其基本流程如下（图1）： 平台数据 采集 原始数据 查重、入库 可用数据 图1 数据处理流程 本次数据为搜房网2015 年3 月份数据，包含苏州工业园区范围内约8000 套二手房源的 相关信息，部分内容如下（表1）： 表1 二手房出售信息资料 总价/万 建筑面积 房源编号 小区名称 横坐标 纵坐标 元 m2 141 108 大湖城邦 120.690361 31.300283 100 81 和乔丽晶 120.686630 31.30