毕业设计论文-GIS在新罗区商品住宅价格研究中的运用.docx

毕业论文题 目：GIS在新罗区商品住宅价格研究中的运用学 院： 资源工程学院 专 业： 测绘工程 学 号： 资源工程学院二一六年六月三日19GIS在新罗区商品住宅价格研究中的运用摘要：由于利用地理信息系统分析房地产价格空间分布规律对房地产的投资有很大的参考价值。因此选择新罗区2015至2016年的商品住房交易数据基础上，利用ARCGIS在地块统计和空间分析技术中的克里格空间插值法得出了新罗区房价的分布图，从而分析新罗区住宅价格的空间分布特征，探讨形成该分布规律的影响因素。研究表明：新罗区房地产在空间上具有明显的集聚特点，楼盘主要集中在中城街道、南城街道、东城街道和曹溪街道四个片区，房价的差异成岛状和带状递减；分析发现，新罗区商品房住宅价格空间分布受地价成本、交通条件、居住环境的影响。关键词：空间分析 GIS 商品房价格 影响因素 新罗区目录1 引言41.1研究背景和意义41.1.1研究背景41.1.2研究意义41.2国内外研究现状综述41.3研究主要内容5 1.4研究思路62 GIS支持下新罗区商品住宅价格空间分布规律62.1新罗区商品住宅空间分布状况急及数据采集62.1.1新罗区概况62.1.2新罗区商品住宅空间分布72.1.3新罗区商品住宅价格概况82.1.4数据的采集82.2新罗区商品房价数字模型构建92.2.1数据的整理92.2.2构建房价模型122.2.3表面预测153 新罗区商品住宅价格空间分布及其影响因素163.1空间分布格局163.2影响新罗区商品住宅价格空间分布的因素163.2.1地价成本173.2.2交通条件173.2.3居住环境174 结论与展望174.1研究结论174.2研究的不足与展望17致谢语18参考文献201 引言1.1研究背景和意义1.1.1研究背景自从人类进入封建社会以来，住房和土地便成为了百姓生活中不可缺少的一部分。新中国成立以后，中国开始实行计划经济制度，此时的一切商品都是按计划来生产分配，单位的房子也是工作单位直接分配。由于计划经济不再适应中国经济的发展，同时中国的经济发展也相对落后，对于房产的需求量相对较少。直到改革开放初期，1987年土地的改革引来了土地购买的潮流。经过三十几年的发展，土地法，规划法的突破，房产开始复苏。在政策的支持下，理论与技术取得突破，房地产开始往市场的方向发展，此时房子的刚性需求也开始逐渐的增加。1997年开始深化房产的改革，这时给房产带来了迅速的发展。朱镕基总理在海南省视察时，发现产生了房地产的经济泡沫，政府开始进行严格的管控，很多企业退出了市场。1998年的时候，国家取消福利分房，往商品住宅发展。房地产又开始一轮新的大发展，2000年以来农村人口不断涌进城市。白领上班族、给孩子上学、结婚、商品投资等使商品住宅成为重要的国民经济支柱。由于巨大的经济效益和投资回报，许多企业纷纷开始转向投资房地产，引进国外先进技术和科学的管理模式来提高经济效益。甚至当时最具有代表性的改革开放之地深圳，人们称之为深圳速度。随着房地产的快速发展，企业之间的竞争压力也不断增加，企业为了提高房子的销售量，开始完善各种公共设施和相应的配套服务。因此城市的各种商业大厦，购物广场等如雨后春笋般拔地而起，这些不仅促进了中国的经济发展也改善了百姓的生活。而新罗区作为龙岩市的主要城区，对新罗区的商品住房进行研究和分析具有重要的意义，对企业选址以及购房者提供有用的参考价值。1.1.2研究意义通过对新罗区2015-2016年的商品住房信息及其价格参数的采集，借助地理信息系统中的空间分析技术，对新罗区的房价进行综合研究。可以获取新罗区房产价格的分布特征和规律以及价格的分布属性和信息特征。从而为消费者提供购买消息，为企业选择投资方案，为政府制定相应的房产政策提供依据。1.2国内外研究现状综述 地理信息系统在商品住宅的研究起源于西方，二十世纪的20年代和30年代中，西方开始研究价格特征在商品中的运用。随着科技信息革命的发展，特别是计算机的发展使得各个领域都实现了突破，这时地理信息系统也不例外。其相关理论和模型也取得不断的完善，经过多次研究和验证并开始运用在各个领域当中。通过数据的分析建立价格模型，这技术成为西方国家企业在进行投资时必须参考的一部分。中国的发展相对较晚，但是迅速，在价格模型空间分析方面的技术获得很大的进展和突破。Matas Gmez Martnez通过研究Albacete 的区域房价的趋势,采用克里格法对房价特征价格模型进行了估计1。陈震以昆明市为例，运用了克里格的插值法和空间分析技术对昆明市的房产进行研究和分析，揭示了昆明市商品住宅在空间上的价格分布规律，建立价格模型，探索影响昆明的房产价格因素和动因2。刘小春利用地理信息系统（GIS）构建房产价格的特征模型，并对模型进行系统开发和建设，改进价格模型的空间理论，完善价格评估向导，很好的体现房产的价格分布和消费者购买的意向3。张一铭以大连市为例，利用地理信息系统（GIS）的技术研究大连市的房产价格指数测算，选取多种数据，进行空间划分，对研究的指数进行编制得出价格的水平分析，同时用ARCGIS中Voronoi方法减少偏僻地块的偏差，提出合适我国的房产价格分析理论和指数测算4。王琳琳等人采集分析了滨州的房地产价格数据，通过地理信息系统（GIS）的地统计分析和空间正态分布情况及方向变异分析，采用克里格插值方法技术得到了滨州市的住宅价格分布状况5。丁雪莹等人用空间分析技术对长沙市商品房产价格空间格局分布进行分析得出长沙市房产价格空间格局特征及发展趋势和表面预测，分析影响其价格因素6。孙宇等人用马尔科夫转换技术，根据厦门市2006年至2012年1月的商品住宅房产均价的分析，构建理论空间价格模型，预测2012年4月份厦门市商品房的价格。研究结果显示不仅对商品住宅的价格有准确的预测，并且数据非常的直观7。汪洋等人以扬州市为研究对象，采用GIS技术进行空间分异和模式演变研究，分析中得出扬州市住宅均价呈现空间方向区域变化及空间格局价格变化的驱动因子8。李妮在西安市房子住宅研究中运用克里格的研究方法，分析中得出西安市的商品住宅价格结构空间的演化，发现西安市的商品住宅呈现峰脊形式变化9。1.3研究主要内容通过收集新罗区商品住宅的均价数据，结合地理信息系统空间分析和地统计分析技术，构建新罗区的商品价格空间结构模型。分析新罗区商品住宅价格的空间分布结构和趋势，房产价格变化的因素和驱动因子。给消费者和投资者提供合理的建议，为政府的规划提供参考依据。论文的研究内容大致如下：1、新罗区的商品住宅均价数据采集2、地理信息系统（GIS）的空间分析技术理论知识3、建立新罗区商品住宅价格分析模型4、分析新罗区产生空间价格差异的影响因素和驱动因子本文主要有四部分：第一部分：引言，研究背景，目的和意义、研究的现状、阐述研究的重要性，研究的主要内容和思路方法，基于GIS的空间分析方法、探索性空间数据分析方法、地统计分析。第二部分：新罗区的空间价格分布规律，新罗区的概况、房产均价概述、模型的构建。数据的整理和采集、数据分析、构建新罗区房产价格模型、预测。第三部分：新罗区空间价格的影响因素，城市的居住环境、综合配套、地皮成本、交通条件。第四部分：结论和期望，研究的结论以及研究的不足之处和改进方法1.4研究思路文章的技术流程如图1-1 数据的采集与整理房价空间分布研究样点数据的探索性空间分析房价空间分布信息数据库绘制新罗区商品住宅价格空间分布图构建房价预测数字模型，表面预测房价分布空间分析新罗区商品房价空间分布格局与其影响因素图1-1技术流程图2 GIS支持下新罗区商品住宅价格空间分布规律2.1新罗区商品住宅空间分布状况急及数据采集2.1.1新罗区概况新罗区地处福建省老革命根据地龙岩市，新罗区是龙岩市的主城区，根据最新的数据显示，新罗区的常住人口有68万人，户籍人口48万人，面积2678平方公里。东连漳平市，西接上杭县，北邻连城县、永安市，东南与南靖县交界，西南与永定区毗邻。新罗区环境优美，气候宜人，属于亚热带季风气候，温度适中，年温度为1620摄氏度，年降水量为1500-1900毫米。矿产资源丰富，有60余种矿产资源。森林资源种类繁多，有鸡血藤、枸杞、红菇等多种中草药。新罗区是龙岩重要的政治、经济、文化交流中心，旅游资源丰富，交通发达，有4处的高速出入口，文化浓厚，素有采茶灯、江山睡美人、无人村、郭公文化节、东肖暴动纪念地等各种具有特色的文化。新罗区是龙岩最发达的主城区，重工业繁多，有龙净环保公司，龙工集团等大型工业，制造业潜力巨大。2.1.2新罗区商品住宅空间分布在新罗区城区中，楼盘主要分布在新罗区的中城街道、曹溪街道、东城街道、南城街道。这四个板块是新罗区楼盘最集中的地方。新罗区从2008年到现在发展迅速，也形成明显的板块分布，每一个板块的聚焦点又有所不同。新罗区具体的分布模块如图2-1图2-1 新罗区商品住宅分布板块中城街道：新罗区的中心地段，这里繁华热闹，是最早的经济、贸易、教育集聚地。辖区在市区的中心，是主要侨乡，也是主要商业区和文化中心。人口众多，小区集中，有龙达花园、龙州时代广场、御景园、汇盛花园、鹭虹花园、中银大厦、津花园等多处楼盘。东城街道：东城街道是较早城区，也是新罗区经济较为发达的一个板块，医疗发达，交通便利。有滨河花园、水岸宏庭、华府华庭等楼盘。南城街道：主要驻扎在西南社区，经济发展强势，固定资产可达10.6亿。第三产业发展繁荣，在莲花山半山腰，环境优美，森林覆盖率可达90%以上。曹溪街道：曹溪街道也是新罗的主要城区之一，离龙岩市中心5公里，平均海拔800米左右。生态环境良好，森林茂盛，风景宜人，野趣盎然，以树怪、水美著称。教育资源丰富，是闽西职业学院所在地，靠近龙岩学院。这里经济发达，龙岩的高速出口就在这里，万达广场，万宝广场等多个大型购物商场都在于此集聚。分布有中航紫金云熙、龙岩万达广场、月山小区、阳光莲景苑、恒宝城市广场等商业楼盘和小区。2.1.3新罗区商品住宅价格概况据蓝房网数据研究中心的统计数据显示，新罗区中心城区在2015年（1月-11月）总共成交了524套，第一个季度成交45套，第二个季度成交106套，第三季度成交147套，第四季度（不包含12月）成交了226套。2015年（1月-11月）成交的总面积为60396.0，第一季度为3422.33，第二季度为7139.85，第三季度为16723.5，第四季度（不包含12月）为16386.53。具体如图2-2。自九月、十月的连续上升后，十一月龙岩商品住宅房成交有所下滑。据蓝房网统计数据显示，从成交走量来看，11月龙岩中心城区总成交92套，与10月份成交套数相比，减少了42套，环比下滑了31.34%，总成交面积为8973.43，与10月份成交面积相比，增加了1560.33，环比上涨了21.05%。图2-2近11个月龙岩中心城区商业成交情况对比2.1.4数据的采集首次进行数据采集是通过搜房网和蓝房网收集新罗区的楼盘名字，并利用安装于平板电脑的HI-Q软件定位获取楼盘的经纬度。将收集到的数据整理成excel表格，主要的分布范围为新罗区的中城街道，南城街道，东城街道、曹溪街道。再次收集获取2015到2016的商品住宅均价及具体地理坐标。分析可得数据具有代表性，选择的数据主要分布在中心城区，有利于结果的准确性。最后通过ARCGIS软件中建立商品住宅的详细信息，主要有楼盘名字、价格、经纬度等信息。如图2-3新罗区房地产样点分布图所示图2-3 新罗区房地产样点分布图2.2新罗区商品房价数字模型构建借助ARCGIS10.1软件，根据采集的新罗区54个楼盘样点数据进行分析，对数据进行规律性的研究，深入认识数据，寻找适合模型来进行表面预测。2.2.1数据的整理1、检验数据分布在地统计中，要提出假设时，要求数据具有一定的相同的变异性。同时这些数据必须要符合正态分布，倘若没有的话需要进行数据的校正和变换使得数据符合要求，所以分析之前先通过直方图和正态QQPlot图分析具有很重要的意义。通过直方图检验数据分布：地统计分析的假设是数据需要符合正态分布，中间值和平均值要相近，偏度为0，峰度为3；没有这样条件的数据就需要数据变换。新罗区的商品住宅价格样点图如图2-4所示图2-4新罗区房产均价直方图由上图可知道偏度值（Skewness）为0.17369，峰度（Kurtosis）为2.6185，平均值（Mean）为7458.9，中位数（Media）为7300。因此不符合正态分布的数据要求，所以需要对数据进行函数转换，即log转换。如图2-5图2-5新罗区房产均价直方图对数据进行转换以后可知：峰度（Kurtosis）为3.0512，平均值（Mean）为8.8956中位数（Media）为8.8604。由此可知数据近似于正态分布。仅仅直方图来判定数据是否符合正态分布没有可比性和科学性。所以利用正态QQPlot分布图来再次确认数据的正态分布。操作方法：在ArcMap软件中，把研究的shape文件导进去。在ArcMap界面中选择“自定义”命名，选择拓展模块中的Geospatial Analyst进行正态QQPlot图。如图2-6图2-6新罗区房产均价QQPlot图通过图2-6，经过博克斯-考克斯（Box-Cox）变换可以看出经变换后接近一条直线，故符合正态分布。因此所采集的数据探索性的检验和分析可用。2、寻找数据离群值在一组平行测定数据中，有些数据值出现与其他值相差较远，这种值叫离散值，离散值的出现有可能是真实异常值，也可能是由于不正确的测量或记录引起的。如果是前者，则这个点可能就是研究和理解这个现象的最重要的点。反之，若是后者，在生成表面之前，就需要改正或剔除10。下面利用半变异/协方差函数云识别离群值。如图2-7新罗区房产均价半变异/协方差函数图，从图2-7和图2-8可以看出这些数据没有出现与其他值偏差较远的现象，因此可以进行新罗区的房产均价模型构建和数据的表面预测。图2-7新罗区房产均价半变异图2-8新罗区房产均价协方差函数图3、全局趋势分析趋势面分析是将空间样点数据通过数学的方法拟合一个空间曲面，从而大致反映其空间分布的变化情况。如图2-9新罗区房产均价趋势分析图可以看到，新罗区住宅价格由北往南和由西向东方向都出现上升趋势，说明住宅价格在主城区东南方向最高。在避免全局趋势带来的影响下，可以通过二次多项式剔除趋势曲线变化。图2-9新罗区房产均价趋势分析4、探索性分析小结经过数据结构分析、全局趋势分析、方向性分析等，得到新罗区商品住宅房价样点数据近似正态分布，无离群值，存在空间自相关性。因此，符合地统计分析的假设前提，可以进行预测。2.2.3构建房价模型通过ARCGIS10.1的地统计分析模块中的地统计向导（Geostistical Wizard） 来实现。1、在Geospatial Analyst的运用中选择地统计向导，选择全局确定性法，数字字段选择新罗区房产价格均价数字段，符合以下标准的模型是最优的，标准平均值（Mean Standardized）接近0，均方差预测误差（Root-Mean-Square）最小，平均标准误差（Average Mean Error）最接近于均方差根预测误差，标准均方差根预测误差（Root-Mean-Square Standardized）最接近于110。Cross Validation对话框（见图2-15）中横坐标为测量值，纵坐标为预测值。预测效果良好。2.2.4表面预测经过上面的分析，可以生成新罗区商品住宅房价分布图（如图2-15所示），生成的等值区内，根据采样点凸显新罗区楼价现状，按照样点分布比例分商品房价格区段生成预测图。由于新罗区有大片的山区，为了使价格分布更加合理，所以要把山区的部分剔除步骤如下：用新罗区的商品住宅分布图来裁剪，在菜单栏中选择视图，在下拉的菜单中选择数据框属性弹出对话框。在选择范围的对话框中选择固定范围，图层的制定要素里选择研究数据。图2-10新罗区商品房价分布图（去除山区）由上图可知道不同价格的分布的区域不一样，不同颜色对应不同的价格。3 新罗区商品住宅价格空间分布及其影响因素3.1空间分布格局通过对结果的分析以及相关材料显示可以看出新罗区住宅商品价格的空间分布格局具有以下特征：由图2-10新罗区区房价分布图可知，新罗区住宅价格空间格局总体呈现多中心圈层分布和东西条带状分布，不是规则的同心圆状分布。（1）最高一处（13000元/m2）出现中心城区的龙腾中路德兴家和天下，价格在（10000-12000元/m2）依旧集中在新罗区的中心城地段。有皇冠国际名苑、国贸天琴湾等4处楼盘。因拥有便利的交通和完善的商业配套，价格等值线梯度大。（2）从图2-10新罗区主城区房价分布图可以看出市中心出现了三个价格中心，中心城区、龙岩大道两侧、曹溪街道。住房价格随着离市中心距离的递增而降低，同时又可以看出，在距离市中心较远的南端出现了另一个价格中心圈层，以万达广场中心价格逐级递减，这里有中航紫金云熙价格集中在9200元/m2-9800元/m2。（3）新罗区住宅价格从市中心地区到郊区逐渐递减，但各个方向住宅价格的变化幅度并不一致。城市中心-正东方向介个降低速度较慢，而城市中心-正西方向价格递减较快。同时在城市东北方向出现了一小块较高房价地区，以不规则岛状分布。（4）小溪，龙腾北路西北侧的房价在7200元/m2-8900元/m2区域放缓，距离万达的正南方向，房价越低。南城板块房价从曹溪到东肖以带状式扩散衰减，房价主要集中在5500元/m2-6500元/m2。3.2影响新罗区商品住宅价格空间分布的因素新罗区住宅价格的空间分布受多种因素的影响。根据新罗区的实际情况：得到了影响新罗区商品住宅的重要影响因素有：地价成本、交通条件，居住环境，影响因素如下图3-1所示图3-1商品住宅价格影响因素3.2.1地价成本 新罗区商业核心圈主要有万宝广场、大润发、市政府、龙腾中路两侧，这些地方历史发展比较悠久，开发程度成熟，商业发展发达，基础配套设施完善，交通和人口流动方面非常密集，新罗区的地价受商业繁华程度的影响较大。但距离市中心的距离越来越远，土地的等级也会降低，价格也随之下降，导致房价也降低。3.2.2交通条件在新罗区交通比较便捷的区域，很多因素影响着城市商品房。离城市市中心越来越远，交通条件的影响渐渐明显。如双龙路的万达广场和中航紫金云熙靠近福三线高速出口，人流量多，带动商服业的发展，房价也较高，形成了圈状的房价中心。3.2.3居住环境 居住环境的优劣左右消费者的购买行为，优良的居住环境能产生聚集效应，是影响房价的重要因素之一。传统的城市中心区因其具有完善的市政设施和公共配套设施，离中心商业区很近，吸引了大量人群置业投资。但因市中心的交通拥堵和生活噪音等影响生活质量的现象比其他区域更严重，所以价格变化幅度很大。良好的人文环境和自然环境对提升住宅价格的作用也很大。如图2-16新罗区主城区房价分布图中，依云水岸、南中旭日新城、皇冠国际名苑等房价也相对较高，尽管其不是市中心，但房价却与市中心房价并驾齐驱。4 结论与展望4.1研究结论通过房地产网站的房产数据，采用GIS探索性空间插值技术，对新罗区商品房价样点进行克里格空间插值，准确地得到新罗区商品房空间分布信息，分析其分布特征和影响因素。（1）新罗区主城区商品房价随住宅的分布呈现多中心的空间分布格局，有中心城区板块、东城街道、南城街道、西城街道，四个房价中心，房价的差异成岛状和带状递减。对于房价的影响因素，有地价成本、交通条件、居住环境三个方面。（2）从图2-15新罗区主城区房价分布图分析的结果以及结合新罗区自身的特点来看，新罗区房价的主要分布与我国大多数城市房价的空间分布类似，但又具有其独特的一面。新罗区住宅主要集中在市中心板块，万宝广场和京华中心目前处开发阶段，该地区现在最高房价为12000元。所以预测该地区房价有可能在未来几年接近市中心住宅房价（如图2-16）。其主要的影响因素除了通常的交通、人流量、综合配套设施、经济等影响外，在这样的影响下，新罗区的房价自然就升高。另外一个房价高点是曹溪的万达广场，由于这里的交通发达，在高速出口的旁边，人口分布较多，也因万达的商业圈综合配套完整，吃喝玩乐一体化，又有嘉华酒店，商务办公楼，因此这里的房价也相对较高。（3）位于龙腾路和龙岩大道的两侧，由于这里发展较早，又是新罗区的最直接面貌，旁边的楼盘也相对较高，而在曹溪街道从万达往东肖方向逐步递减。而在南城小溪这里，由于这里虽然交通不是特别发达，但这里的居住环境优美，适合宜居，因此有出现一个房价较高板块。4.2研究的不足与展望本次选择新罗区的商品住宅的房价进行分析，数据的采集是研究的最基础部分，由于采集的数据量有限，覆盖面不均匀，对GIS空间插值产生的结果有一定的影响。以后采集的数据可以更加多一些，分布更广更均匀。本次调查中采集的数据只采集了2015到2016年最新的数据，由于年份跨度较小，只能进行新罗区商品住宅的空间分析，没办法进行时间上的分析。以后可以收集多个年份的新罗区商品住宅的均价。对数据进行时间和空间全面的分析。致谢语本次的研究虽然经历的时间较长，但是很感谢指导我论文的林老师，在我确认研究方向的时候给我正确的思路指导，在数据准备期间，给我耐心的指导，使我的论文有进一步的提高。同时也很感谢同学的帮助，在我查文献的时候给我的建议。跟我一起在图书馆查资料，帮助我一起构思。还有特别感谢集美大学和福建师范大学的学长和学姐在技术上给予的指导和支持。有时候不懂得地方就通过远程进行讲解，很感谢他们给予我们的帮助。回想大学四年的生活如白驹过隙，转眼间我的大学即将结束。这四年来自己成长了很多，老师给予我很多的指导和帮助和得到许多同学的支持，每一次的讲课，批作业都很认真细致。为学生树立好的榜样，这敬业的精神值得我终身学习。The application of GIS in the study of commercial housing price in Xinluo DistrictResources engineering college Surveying and mapping engineering of 12 grade 2012092521 lin Huo Jin Supervisor: Lin Jin TangAbstract:By using geographic information system analysis of real estate price space distribution law of the real estate investment has great reference value. So choose, Xinluo District, from 2015 to 2016, the commodity housing transactions on the basis of the data using ArcGIS in plots statistics and spatial analysis technology in G Rigg space interpolation method the distribution of Xinluo District prices so as to analyze the Xinluo District Housing Price spatial distribution, discusses the formation of the influencing factors of the distribution of. Research shows that: Xinluo District real estate in space has obvious characteristics of the gathering, mainl