基于互联网房产数据的住宅容积率多尺度时空特征_以广州市为例

地理研究GEOGRAPHICAL RESEARCH 第35卷第4期2016年4月V ol.35,No.4April,2016基于互联网房产数据的住宅容积率多尺度时空特征——以广州市为例李少英1，吴志峰1，李碧莹2，刘轶伦3,4，陈晓越1（1.广州大学地理科学学院，广州510006；2.合富辉煌房地产顾问有限公司，广州510000；3.华南农业大学资源环境学院，广州510642；4.国土资源部建设用地再开发重点实验室，广州510642）摘要：基于网络爬虫技术获取房产时空数据，结合时间序列和空间自相关分析方法，在“小区—街道—区级”多尺度上探索广州市住宅容积率时空模式与演化规律。

结果表明：①近三十年广州市居住空间呈现中心城区集聚开发—向南、北方向近郊区拓展—往南、北、东方向远郊区外扩的演变过程，容积率呈现波动式增长态势。

②随着房地产的快速发展，住宅容积率逐渐呈现显著的空间自相关特征，体现了住宅开发与规划有序性的提高。

③区级尺度上容积率呈现较强的自相关性，越秀区与天河区为HH 集聚区，从化区为LL 集聚区。

街道尺度上容积率呈现出显著的空间不均衡性，区位交通条件较好的街道成为容积率HH 集聚区，而LL 集聚区主要分布于生态旅游重镇。

关键词：互联网房产数据；容积率；时空特征；多尺度；广州市DOI:10.11821/dlyj2016040141引言改革开放以来，伴随着中国的经济发展与城市化进程，人口不断向大城市集聚，住宅需求量随之提高，有限的土地供给与持续增长的住宅需求之间的矛盾逐渐显现[1-2]。

提高城市用地容积率、促进住宅用地垂直空间利用成为解决该矛盾的必然选择[3]。

容积率是反映土地开发强度与土地利用效益高低的一项重要指标，已被广泛应用于国内外城市的土地利用规划控制中[4]。

住宅容积率越高，则其开发强度越大，土地利用率也越高。

但过高的容积率会影响城市景观和居住环境质量[5]。

因此，合理确定容积率控制指标已成为当前城市规划研究的难点问题。

目前关于容积率的研究主要集中于：①基于高分辨率遥感影像的建筑容积率估算方法[6-9]；②规划容积率的确定方法，例如经济约束条件下的容积率[10,11]、环境约束条件下的容积率[12]等方法研究；③容积率与经济之间的关系，例如崔寒清以全国九个大型城市为实证对象，对城市用地容积率与城市GDP 之间的关系进行研究，揭示了城市用地容积率与GDP 之间呈现明显的正相关关系[13]；冷炳荣等以兰州市为例，对转型时期中国土地收稿日期：2015-11-17;修订日期：2016-02-23基金项目：国家自然科学基金项目（41401432）；广东省教育厅青年创新人才项目（2014KQNCX107，2014KTSCX090）；广州市科技和信息化局国际科技交流与合作专项资助项目（2012J5100044）；广东省高等学校国际暨港澳台科技合作创新平台项目（2014KGJHZ009）；深圳市数字城市工程研究中心开放课题（KF-2015-01-035）作者简介：李少英（1987-），女，广东汕头人，博士，讲师，研究方向为GIS 与城市研究。

E-mail:lsy_0130@ 通讯作者：吴志峰（1969-），男，湖南湘潭人，博士，教授，博士生导师，研究方向为城市遥感与城市化复杂地表过程。

E-mail:gzuwzf@770-780页网络出版时间：2016-04-20 13:33:05网络出版地址：/kcms/detail/11.1848.P.20160420.1333.028.html4期李少英等：基于互联网房产数据的住宅容积率多尺度时空特征容积率与地价的关系进行实证研究[1]。

已有研究较少利用实际数据对住宅容积率的空间格局与分布模式进行研究。

李雪铭等利用2010年大连市地籍调查数据，通过泰尔指数模型对其住宅容积率的空间差异进行实证研究，为城市住宅空间规划提供重要的参考[5]。

但该研究是基于单个年份数据进行研究，在容积率时间尺度变化分析方面较为局限。

另外，该研究主要对城市片区内部以及片区之间容积率的差异进行分析，缺乏从更微观的视角对不同地域单元容积率的空间差异性进行探测。

住宅容积率往往是政府规划、开发商和公众之间博弈的结果，受涉及时空特征的多因素影响，如经济、自然、政策、区位等[3]。

因此，从时间和空间维度研究住宅容积率特征，对于研究容积率的复杂影响因素与机理、引导城市合理规划具有重要的意义。

通过时间维度上容积率整体变化趋势研究，能够揭示城市不同发展阶段容积率的变化规律，并探讨具有阶段性特征的宏观影响因素。

在空间维度上对不同地域单元容积率的空间依赖性和异质性进行研究，对于剖析具有空间特征的微观影响因素、评价城市规划实施有效性具有重要的意义。

基于此，本文尝试利用互联网房产时空大数据，结合时间序列分析与空间自相关模型，在多尺度上对城市住宅容积率的时空分异特征研究，以探讨其时空差异的机理与影响因素。

空间自相关分析是研究地理对象空间差异与空间依赖性的重要方法[14,15]，已被广泛应用于城镇群空间结构研究[16]、土地利用变化空间自相关研究[17,18]、经济空间格局演化分析[19,20]、住宅价格空间分异[21]、粮食占有量时空格局[22]等研究中。

本文将空间自相关分析方法引入住宅容积率空间格局与分异特征研究中，在“小区—街道—区级”多尺度上探测容积率差异的空间依赖性与异质性。

以广州市为研究案例，基于网络爬虫技术获取的住宅小区数据，对住宅容积率的时空特征与分异规律进行探索性分析，以揭示广州市居住容积率差异的时空演变特征，剖析影响容积率时空规律的复杂因素，为城市规划与建设提供参考。

2数据来源与研究方法2.1数据来源与处理基于Scrapy 网络爬虫平台，通过py-thon 语言编程，开发了房地产网络数据抓取程序，快速获取了搜房网的广州市住宅小区数据，包括经纬网坐标、竣工年份、容积率等相关属性信息。

由于别墅住宅的平均容积率远小于非别墅住宅，本次研究只对非别墅类住宅进行研究。

获取的广州市住宅小区数量1868个，去除属性数据缺失的小区及别墅类小区，剩下有效数据共1684个。

利用ArcGIS 10.0对抓取的文本数据进行空间化处理，得到广州市住宅小区空间分布数据（图1）。

图1广州市住宅小区空间分布图Fig.1The spatial distribution of residential quarters in Guangzhou771地理研究35卷本文的研究空间尺度包括住宅小区尺度、街道（镇级）尺度和区级（县级）尺度。

小区尺度研究以各住宅小区（点）的容积率为研究对象；而街道尺度和区级尺度研究分别以街道行政区（面）和区级行政区为研究单元，以2014年最新行政区划为基准统计各单元的平均容积率。

其中，区级行政单元共11个，包括天河区、越秀区、荔湾区、海珠区、黄埔区、白云区、番禺区、南沙区、增城区、从化区、花都区；街道行政区共166个单元。

2.2研究方法2.2.1空间权重矩阵为了揭示地理对象之间的空间联系，首先需要定义空间对象的相互邻接关系。

空间自相关分析的关键步骤之一是构建n×n 归一化空间权重矩阵W ，以表示n 个对象的区位或者所属区域的邻近关系，其基本形式为：W =éëêêêùûúúúw 11w 12…w 1n w 21w 22…w n …………w n 1w n 2…w nn （1）式中：w ij 表示区域i 与j 的邻接程度。

常用的空间权重矩阵构建方法主要有以下三种：（1）邻接权重矩阵。

当区域i 与j 相邻接时，w ij 设为1，否则为0。

邻接权重矩阵又分为Queen 邻接和Rook 邻接两种规则。

Queen 规则认为两区域具有公共边界或公共顶点时确定为邻接关系；Rook 规则认为只有当两区域具有公共边界时才确定为邻接关系。

（2）距离权重矩阵。

当区域i 与j 的距离小于d 时，w ij 设为1，否则为0。

其中，d 为设置的距离阈值。

（3）K -nearest 权重矩阵。

K -nearest 矩阵保证每个观测对象都有K 个邻居，当区域j 属于区域i 的最近K 个邻居之一时，w ij 设为1，否则为0。

2.2.2全局空间自相关全局空间自相关用于探测整个研究区域空间自相关程度，常用的测度指标为Moran's I 指数，计算公式如下[20]：I =∑i =1n ∑j ≠in w ij (()x i -x ˉ()x j-x ˉ)S 2∑i =1n ∑j ≠i n w ij （2）式中：I 为Moran's I 指数；x i 和x j 分别为区域i 和j 的观测值；x ˉ为观测值的平均值；s 为观测值的方差；w ij 为空间权重矩阵。

Moran's I 指数反映空间邻接或邻近区域单元属性值的相似程度，取值范围在[-1，1]之间，I 小于0表示负相关，等于0表示不相关；大于0表示正相关。

Geoda 软件采用蒙特卡洛随机模拟方法对Moran's I 指数进行显著性检验，获得判断显著性的参数P 值[23]。

P 值大小反映了观测数据为空间随机分布的可能性。

2.2.3局部空间自相关Moran's I 指数是对空间自相关的全局评估，存在忽略了空间过程潜在不稳定性问题。

而局部空间自相关可以反映每一局部单元与邻近单元的相关程度，用于识别局部空间位置的高值集聚和低值集聚。

常用LISA （Local Index of Spatial Auto-correlation ）指标进行测度，计算公式如下[20]：I i =(x i -x ˉ)2S 2∑j w ij (x j -x ˉ)（3）7724期李少英等：基于互联网房产数据的住宅容积率多尺度时空特征式中：I i 为LISA 指标。

若I i 显著为正，则表示区域单元周围相似值的空间集聚；若I i 显著为负，则表示该区域单元周围非相似值的空间集聚。

3结果分析3.1住宅容积率时间序列变化特征通过住宅小区竣工数量时间序列分析广州市住宅房产开发总体变化趋势。

图2a 显示，1994年以前广州市房地产开发量较少，而1994年以后房地开发量总体呈现增长的趋势，随着国家住房分配制度的取消与按揭政策的实施，房地产市场得到快速发展。

但在2001年和2009年出现了明显的低谷。

2001年住宅竣工数量比2000年减少了50%左右，主要为20世纪90年代末房地产泡沫破灭后对房地产的负面影响的体现；而受2008年金融危机的影响，2009年住宅小区竣工数量显著下降。

从住宅平均容积率曲线看，20世纪90年代以来呈波动式线性增长趋势（图2a ）。