26.基于Geodatabase的存量商品住房价格测算研究—以深圳市景田片区为例(终稿)

1、基于Geodatabase的全楼房存量商品住房数据库构建及价格测算研究以深圳市景田片区为例 韩念龙 刘金福 种晓丽 唐勇 梁凯 梁凯（深圳市房地产评估发展中心 广东省深圳市 518000）摘要：深圳市房地产市场经过多年的发展，逐渐步入以存量商品住房交易为主的阶段，但存量商品住房交易中存在“阴阳合同”、房屋价格不透明等问题，一方面导致了政府相关部门无法掌握存量商品住房交易的真实信息，影响政府宏观调控政策的制定；另一方面使得市民在置业过程中无法获取房屋的真实价格信息，影响其购房或投资决策。本研究以深圳市景田片区为例，通过建立该区住房数据间的映射关系，基于Geodatabase构建全存量商品住房楼房

2、数据库，实现多种不同来源类型住房数据的的关联、存储及管理。；基于该区的楼房比价关系，通过建立全存量商品住房楼房价格测算模型，以市场当期交易的案例数据作为样本，进行对片区内所有存量商品住房进行价格测算研究。研究实现了片区内所有存量商品住房的“一房一价”，测算结果在一定程度上反映了该区域存量商品住房的真实价格。同时，结合测算结果分析景田片区楼房价格与其属性及空间分布特征之间的联系。关键字： Geodatabase；比价系数；全楼房存量商品住房价格测算一、 引言深圳市是我国最早建立房地产市场，同时也是房地产市场化程度最高的城市1，房地产是深圳市国民经济发展的重要产业，其住房价格一直是社会普遍关注的问

3、题。在新建商品住房方面，由于政府部门建有完备的新房预售备案系统，对于新建商品住房的交易价格数据等信息能有详尽的掌握，而在二手住房方面，仍存在着交易房屋价格不透明、政府部门不能掌握二手住房的真实成交价格等问题。另外，由于深圳市受土地资源匮乏的约束，新建商品住房比例呈持续减少趋势，逐渐形成了以二手住房交易为主的市场结构，因此加强对二手住房价格的研究显得日趋重要。与单宗房地产评估不同，针对片区所有的房地产价格评估不仅需要强大详实的数据库基础，同时也需要集成多种来源的数据2。国内外一些学者进行存量住房的批量评估研究3,4，皆是建立在完备的数据库基础之上。本文将基于Geodatabase集成研究区内的建

4、筑物空间分布数据、存量住房属性数据、房屋及楼房间比价系数数据、以及房屋成交样本价格数据，构建片区的楼房地理信息关系型基于Geodatabase构建存量商品住房数据库。，通过建立价格测算模型，展开对深圳市景田片区内所有存量商品住房（全楼房）的价格测算研究，以期实现 “一房一价”的目标，从而为房地产市场中的交易各方提供相对合理的存量住宅交易市场交易价格指导，同时避免因为信息不对称带来的各种问题。二、研究区介绍景田片区的概念来源于深圳市规划标准分区为基准划定的深圳市标准分区，该标准分区是在全市区域范围内，以城市规划的功能分区为依据，结合现有行政辖区、规划道路网及自然界限进行划分“三级、两类”标准分区

5、。景田片区处于福田区西北部，南起深南大道，北接北环大道，西至香梅路，东至新洲路。该区的功能定位以居住为主，兼有商业、办公及金融等功能，是一个配套设施齐全的综合住宅区，而且片区内近年来暂无新楼盘的开发，住房交易以存量商品住房为主5。根据深圳市建筑物普查数据统计，片区内共有楼栋约六百六十余栋，。由于该片区内还分布有布尾村、梅富村及新狮村三个城中村住宅区，但而本次测算对象不包括城中村私宅，因此除去这部分未进行产权登记的私宅后，研究区域的测算楼栋数为约四百六十栋，需测算存量商品住房套数约为三万六千套。三、数据基础全存量商品住房楼房价格测算的实现需要建立在全面和详实准确的数据基础之上，。本研究这其中主要

6、包括利用两部分个方面的数据。：一是深圳市景田片区的住房数据，包括了建筑物空间分布数据以及存量商品住房产权数据，详实准确的住房数据是景田片区全楼房价格测算实现的数据基础；二是楼栋及房屋间的比价系数数据数据。由于研究表明，造成住宅价格出现差异的因素主要包括房屋价格差异原因体现在楼栋分布位置不同、房屋条件不一户型不一或小区配套等方面，因此全楼房价格测算需要建立楼栋及房屋间的比价系数模型则是通过这些因素差异建立，通过比价系数将每套房屋通过一定的数量关系联系起来，从而实现所有存量商品住房价格测算。 3.1住房数据住房数据包括建筑物空间分布数据以及存量商品住房产权数据包括了要素及属性两类数据。其中，建筑物

7、空间分布数据记录建筑物的基底边界、形状、分布等信息，是一种要素类数据。而存量商品住房产权数据是一类主要包括了楼栋和房屋的属性数据,楼栋属性信息主要包括楼栋编号、楼栋名称、所在宗地、楼栋总层数、竣工日期、使用年限等信息，房屋属性数据其内容包含了房屋编号、房号、房屋性质、房屋用途、所在楼层、所在楼栋、建筑面积和使用面积等信息。通过这些属性信息可以了解楼房特征与价格的内在联系，同时也是构建各楼栋、楼房间比价关系的数据基础。3.2比价系数全存量商品住房楼房价格测算的基础是建立房地产的比价关系，。比价关系是指一定的房地产集合内，通过实地调研、估价师经验以及相应的技术手段将每套房地产通过一定的数量关系联系

8、起来，从而得到确定该集合内的房地产价格比价关系体系5。景田片区的比价关系建立首先需要对该区住宅进行全面了解，分析比较各房屋特征属性的优劣，建立片区内的小区-楼栋-房屋的基础信息资料库。由于房地产价格受众多特征因素影响，如楼栋内部主要有楼层、朝向、户型、采光、装修等因素，小区内主要有楼栋位置、安静程度、景观类型等因素，小区间还受区位条件、交易便捷度、楼盘品质等因素影响，不同特征属性造成了房地产价格不同形式的差异，因此可采用线性函数形式表达来表达房地产价格与特征属性的关系6。P表示房地产商品住房价格，表示影响价格的各特征因素，表示各特征属性影响价格的程度，表示各特征影响价格的方式。不同类型的房地产

9、，通过以上方法来构建房屋间的比价关系。同理，楼栋间的比价关系也基于此方法可构建。在实际测算过程中需要建立标准房地产的概念。标准房地产（简称标准房），是指在一幢楼栋内拥有最多共通属性或最多数目的典型房地产，它代表了本楼栋的房地产价格水平。由于在每幢楼栋，乃至小区都建立每个住宅单元之间的比价关系，在实际测算过程中只需要测算每个楼栋的标准房价格，就可以实现该楼栋其它住宅单元的价格测算，。采用标准房可以极大地减少测算对象的数量，简化测算流程。四、全存量商品住房楼房数据库建立与价格测算本章首先对住房数据进行预处理，通过前期数据处理，然后构建不同数据间的映射关系，基于Geodatabase建立全存量商品住

10、房楼房价格测算数据库，实现不同来源数据的关联及管理，并在此最后在基础上进行全存量商品住房的楼房价格测算研究。4.1数据准备及预处理景田片区全楼房存量商品住房价格测算，需要采集该区的房屋真实交易价格数据作为原始样本。以景田片区为例，每月通过地产中介、房屋买卖双方访问、政府部门获取等方式采集市场当期真实房屋成交价格数据，本次研究的测算数据采集时间为2012年6月，数据经过核实与筛选，最终获取价格样本数据约一百多例。同时，针对该片区中存量商品住房数据中部分楼栋的建筑年代、产权状态或层高等属性信息缺失情况，通过资料查询楼房相关资料进行属性补充，完善以便以此作为研究房屋及楼栋的属性信息是后期价格特征分类

11、分析的基础。本研究基于Oracle 10g数据库，通过整合存量住房数据、比价关系数据以及采集的成交价格数据，基于房屋编码、楼栋编码进行数据之间的关联，建立景田片区的全楼房价格测算基础数据库。另外，。4.2基于Geodatabase的全楼房存量商品住房数据库构建空间数据库模型（Geodatabase）定义空间数据在DBMS中的存储管理访问方式，支持在标准的数据库管理系统表中存储和管理地理信息。，同时Geodatabase其将地理要素的空间信息和属性信息集成在同一个关系型数据库中，克服以往数据模型将两库分离存储带来的诸多弊端，实现了所有数据的中心化管理7。基于Geodatabase的全楼房存量商品

12、住房数据库的构建包括要素类和属性类数据的集成，其关键是在建筑物空间数据、存量商品住房属性数据、比价系数数据以及房屋成交价格数据之间建立关联。建筑物空间数据存储建筑物楼栋的空间信息，与存量商品住房中的楼栋属性表是一对一的关系。房屋价格成交数据、房屋比价数据与存量商品住房的房屋属性数据是一对一的关系，而存量商品住房中的楼栋与房屋属性数据之间是一对多的关系，彼此之间通过主键和外键实现关联。通过上述关系，从而实现建筑物空间数据、存量商品住房属性数据、比价系数数据和房屋成交价格数据的有效集成。数据关系映射的目的主要是将不同来源、不同编码的各类数据进行关联，如将房地产交易案例价格数据与房地产存量住房属性特

13、征数据进行挂接，存量住房房地产属性数据与建筑物空间数据的对接等，该过程是实现各类数据集成的关键步骤。其中，要素类数据要素类建筑物空间数据与存量商品住房的楼栋属性表数据之间通过建立的一致的楼栋编号进行关联的方式是两者建立了一致的楼栋编号。；房屋属性与楼栋属性数据的关联，是表是通过上一级的关键字实现关联到楼栋属性表，即房屋数据通过自身的楼栋编码bldg_no关联到其所在楼宇的信息，从而实现两者间的关联。；房屋属性表数据、房屋比价系数表数据与房屋交易案例价格表数据则是通过各自唯一房屋编号house_no进行互相之间的关联。同理，楼栋属性与楼栋比价系数也通过唯一的楼栋编码bldg_no关联，如下图所示

14、。图2.房屋样本成交价格、楼宇与房屋属性及比价系数属性表关系映射方式基于以上的全存量商品住房楼房数据库构建方法，采用ArcSDE和Oracle 10g进行了深圳市景田片区全楼存量商品住房Geodatabase数据库构建，该数据库存储景田片区的建筑物空间分布数据，月度房屋成交的价格案例数据，四百多条楼栋属性数据，三万多套房屋属性数据以及对应的比价系数数据，基于Geodatabase的全楼房数据库实现了建筑物空间数据、存量商品住房地产属性数据、空间数据以及交易价格样本价格数据的有效集成和统一管理。4.3全存量商品住房楼房价格测算模型及流程基于全楼房存量商品住房数据库，构建景田片区的全楼房存量商品住

15、房价格测算模型并进行价格测算研究，其测算研究流程如下。a) 筛选真实住宅交易价格信息，以该部分交易案例的价格数据作为样本作为景田片区全楼房存量商品住房价格测算的原始数据。b) 依据房屋间的比价系数，测算出这些住宅交易案例样本数据所对应的楼栋标准房价格。其计算公式为交易均价除以各自的比价系数，从而得到每一个交易案例修正后的标准房价格。，即交易案例的标准房价格=案例成交价格/案例比价系数。c) 对成交案例修正后的标准房价格求简单均价，将其作为成交案例所属楼栋的标准房唯一价格。d) 另一方面，通过楼栋编码筛选出景田片区中未成交的楼栋数据，结合已修正的楼栋标准房价格及楼栋间的比价系数，测算出未成交楼房

16、所对应的楼栋标准房价格。结合已成交案例对应的楼栋标准房价格，得到楼栋所有对应标准房的价格。e) 将所有楼房修正的楼栋的标准房价格求平均，得到全部楼栋的标准房唯一价格，通过房屋间的比价系数，测算片区内全部房屋价格，测算结果涵盖了景田片区的三万六千套存量商品住房里每一套房屋的测算价格。其中，每套房屋的测算价格=标准房价格每套房屋比价系数。f) 每套房屋的测算价格=标准房价格每套房屋比价系数g)图3. 全楼房存量商品住房价格测算模型及流程通过全楼房存量商品住房测算结果得出景田片区的楼栋均价，其空间分布展示如图43所示，通过该图可以迅速了解景田片区的楼栋空间分布及均价情况。根据本次景田片区全楼房存量商

17、品住房测算价格统计显示，景田片区的存量商品住宅住房房屋均价为23261元/，而深圳市当期（即2012年6月）的新建商品住房房价格为17299元/78，景田片区的存量商品住房均价房屋价格相对全市均价要高出34.5%，这说明景田片区的居住、生活和教育等各方面配套相对比较完备，其价格在一定程度上体现了该片区住宅的价值，比较受市场的认可。从图上还可以看出，在景田片区西侧紧挨着香梅路一侧的楼房楼盘，由于噪音较小且邻近深圳市的香蜜湖豪宅片区，周边居住环境适宜且配套比较完善，因而相对整个片区而言均价较高；而位于景田片区东侧，紧邻新洲路的楼房，由于较大的受到交通要道新洲路的噪声影响较大，楼房均价相对普遍较低。

18、根据楼高，楼龄等属性特征对测算价格进行分类统计发现，1997年及以前竣工的楼栋，虽然无交通噪声影响，但在片区内仍处以较低价位，较明显的如香蜜二村和市政生活区；而在 2006年及以后竣工的楼盘如东方玫瑰园、万科金色家园及和缇香名苑等等楼盘在片区中均价处于较高水平，说明一方面明楼龄是影响该片区楼栋价格的重要因素，另一方面也说明后期建设的小区品质相对较高。 图2 4 景田片区楼栋均价空间分布五.结论本文通过建立景田片区的建筑物空间数据、房屋属性数据、比价关系数据以及样本成交价格数据之间的数据映射关系，基于Geodatabase构建全存量商品住房楼房价格测算数据库，进行了景田片区存量商品住房价格测算研

19、究。测算结果涵盖覆盖了该区域的整个片区的所有存量商品住房全部房地产价格，实现存量商品住房的“一房一价”存量住房的一房一价，通过案例采集验证研究的测算研究的存量商品住房价格较为接近市场交易的真实价格，从而为该区域的房地产市场交易各方提供合理的住房交易价格指导以及相关信息服务。结果对于房地产住房市场预期及住房交易服务有着积极的引导作用。同时，通过基于测算研究结果，初步了解的价格结果，对该片区的区总体存量商品住房的总体均价价格水平有了大体的掌握，同时，通过空间位置、楼盘属性等特征等方面分析片区典型各个楼盘均价的成因成因。今后的通过结合楼栋的楼龄及空间分布特征等属性，分析价格高低的原因。未来研究将进一步加强注重于更关注于交易案例数据筛选、测算模型及、算法的精度改进以及和测算结果验证等方面，使其测算价格更加科学，更准确，更能进一步更真实反映市场需求真实情况。另外，同时，存量商品住房的价格测算范围可扩大到多个片区乃至全市范围，通过定期测算，逐步实现建立全市的存量住房价格测算，通过定期测算，