【城市轨道交通与房地产价格的关系研究国内外文献综述3700字】

城市轨道交通与房地产价格的关系研究国内外文献综述在文献数据库中检索到相关文献847篇，按照年份统计如下图：图1-1文献年份统计在相关文献847篇中统计关键词出现频次，在Python中使用WordCloud库住房价格空间效应住房价格空间效应联图1-2文献关键词词云工业革命对英国乃至世界社会生产力的影响是广泛而深远的，1863年世界上第一条地铁在英国伦敦建成通车，标志着城市轨道交通在世界上诞生。21世纪初，全球便已有115座城市建成地铁，线路的总里程超过7000千米。模型即为特征价格模型，文章的理论往往结合具体的城市为研究对象。MarianoGallo基于特征价格模型估计目前和未来两种情况下交通系统对Naples市房地产值的影响是显著的，相应的外部效益估计约为72亿欧元，约占房地产资产总值土耳其现有铁路线路使用hedonic模型(特征价格模型),来计算到火车站的距其增加了城市地区的可达性。SeungwooChin,MatthewE.Kahn和HyungsikRogerMoon通过首尔新开通的地铁数据对比了基于多元特征价格模型的方法和Sadayuki提出了一种新的参数方法来估计多个异质性场地如公共交通站点等的出租房屋数据的，研究聚集的火车和地铁车站对其附近的租金价格的正面影响。GebeyewT.Deyas和MintesnotG.Woldeamanuel评估了AALRT(TheAddisAbabaLightRailTransit)对系统周围社区的经济影响。结对圣地亚哥新地铁线的研究结果表明，在圣地亚哥建造新的4号和4A号线，使附近公寓价格平均上涨3.3%,而车站位置附近的公寓价格上涨了平均4.6%。同税收入增加，政府税收收入将至少增长7.5%,这有可能被指定用于地铁线路的投资。GerritJ.Knaap,复杂、最动荡、最不透明的国际金融市场。NimaNorouzi和MaryamFani找到一回归分析，在RStudioIDE的R语言环境中，预测一个城市的住宅销售价格和家人满意的模型。VladimirVargas-Calderón等则使用波哥大市2016年至2018年收集的57516份房地产出版物数据集进行评估。根据卖家在房地产市场网站上发布使用特征价格模型的学者如许基伟使用特征价格模住宅价格的空间差异性，他基于南京地铁3号线的数据证明轨道交通建设对周边房价起着重要作用，且不同站点、不同距离的增值效应不同。马莉以西安地铁3离增涨而逐渐扩大，呈现倒U形分布。同时与城市CBD的距离也道交通对其的影响。李彧以南京地铁2号线一期工程为例建立特征价格模型，地铁开通后的半年内，0.5千米范围内的房价最大涨幅为8.2%,影响范围是1.5千米，且距离地铁1.5千米以内住宅价格与地铁的距离成负相关。都沁军以石家庄地铁1号线为研究对象，利用特征价格模型的对数和半对数形，分析得出地铁口对周边900米范围内的房地产价格影响呈倒U型，增值效果最明显的范围是700至900米的范围内，平均增幅为48.3%。程学庆等以成都地铁为研究对象，选取特征价格模型对数函数形式，得出的结论是范围内离地铁站距离每减少100米，房价每平方米增加548.8元。另外一部分学者使用差分方法与其他方法对地铁和房地产价格之前的影响得出城市轨道交通建设所带来的空间效应在500至1000m的范围内影响最大的BP神经网络(BackPropagation)是目前应用最为广泛的神经网络，国内学者用BP神经网络进行科学预测的案例也较多。神经网络对于房地产价格的预测色预测模型与BP神经网络的组合模型来预测西安市2018至2020年的房价。于帅选取南宁市房地产数据，分别建立多元线性回归模型和BP神经网络模型，对自回归滑动平均模型ARMA模型(Autoregressivemovingaveragemodel)是研究时间序列的重要方法，由自回归模型(AR模型)与移动平均模型(MA模型)为基础混合构成。尤豫心等使用一种基于ARIMA-BP组合模型的房地产价为数据源，建立ARMA