城市住宅及其价格与区域商服业的空间关联性量化研究是人文- 经济地理学的重要研究内容。影响城市住宅的地理区位条件主要包含商业服务繁华程度、公共物品投放水平、区域环境质量等[1 ] ,且区位差异所导致的城市公共设施数量和水平往往内化为住宅价格[2 ] 。开展区位条件对住宅及其价格空间分异格局关联影响分析,有利于协调社会空间格局,优化城市住宅空间结构规划管理[3 ] ,因此成为国内外人文经济地理学者的热点研究课题[4 ,5 ,6 ] 。城市住宅和零售业的用地分布都是塑造城市空间格局的重要参数,研究零售业与住宅布局的相互依赖关系可为城市人地系统调控提供科学指导。例如,吴郁文等将广州市人口中心与商业重心进行空间叠加,发现人口中心与商业中心存在明显的正相关关系[7 ] ;陈阳等基于GWR模型发现了杭州商圈商业规模与服务人口不匹配的现状[8 ] 。商业地产与住宅地产也是房地产市场中的两个重要组成部分,只有将商住空间协调布局,才能实现宜居城市环境[9 ] 。因此,开展商住空间关联性的量化研究,对于优化城市功能,服务城市规划决策具有重要意义[10 ] 。同时,在住宅空间属性的基础上,进一步探讨住宅价格与零售业之间的空间关联规律有利于提高城市房价预测水平,有效开展房产市场的宏观调控[11 ] 。例如,李志认为CBD的商业网点对住宅地均价的边界增值作用最大,远离CBD对住宅价格的影响微弱[12 ] ,但也有实证研究表明CBD对住宅价格的影响并不仅是简单的负向梯度递减,更蕴含着空间递减的非均衡性和边际递减的规律性[13 ] ,例如,不同规模的商业中心对周边住宅价格的影响程度存在差异,即大规模购物中心对住宅价格具有正影响作用[14 ] 。
传统的住宅空间信息研究多采用部门统计数据[15 ,16 ] 和问卷调查数据[17 ] ,不仅耗时耗力而且主观性较强。兴趣点（Point of Interest, 简称POI）作为重要的城市空间地理大数据[18 ] ,可以实时描述地理实体的空间和属性信息,如名称、地址和坐标等,具有样本量大、涵盖信息细致等优势[19 ] ,基于POI的研究已经在城市基础设施[20 ,21 ] 、商业空间布局[14 ] 、住宅分布格局[22 ] 等领域取得系列成果。同时,通过地理信息系统（GIS）数学运算分析地理空间数据中隐藏的模式[23 ] ,有助于更好地理解城市空间结构[24 ,25 ] 。目前,对商业和住宅密度的相互依赖特性依然有待深入解析,因此,通过运用POI与GIS等信息技术,开展城市住宅及其价格与区域商服业的空间关联性的量化研究,有助于创新城市人文- 经济地理研究方法,并实现研究成果的决策关联。以中国东北地区重要的中心城市沈阳市为案例,以市内9区为研究区域,基于POI数据并运用GIS空间分析技术,定量评估零售业和居民住宅聚集度的空间分布规律,分析零售业与住宅的空间相关性特征,揭示住宅价格与零售业空间异质性的关系,以期为优化沈阳市商住空间布局,促进城市可持续发展提供决策支持。
1 研究区域及数据选择
1.1 研究区概况
沈阳市是全国著名老工业城市,位于东北亚经济圈和环渤海经济圈中心[26 ] 。现辖10区（和平、沈河、皇姑、大东、铁西区、浑南、苏家屯、于洪、辽中、沈北新区）、2县（法库、康平）、1市（新民）。其中,康平、法库、新民和辽中距离中心城区较远,其城市建设具有相对独立性,因此本研究区域确定为其余9个区,总面积3 470 km²。目前,沈阳正处于城市化加速发展的转型时期[27 ] ,城市空间结构发生明显变化,商服业迅速发展并进一步向城市中心聚集。因此,以沈阳市作为案例区开展城市住宅与零售业空间布局关联性研究存在现实意义。
1.2 数据来源及处理
城市住宅 POI 数据包含住宅名称、地址、经纬度等属性信息,主要是将住宅小区以点数据形式存储,简化住宅本身面积、楼盘数量等信息带来的复杂状况,有助于有效分析零售业空间区位对住宅分布及住宅价格带来的影响[22 ] 。利用Geosharp1.0采集2017年住宅和零售业POI数据,基于高德地图POI分类标准,将住宅区POI数据划分为5个大类,即住宅区、别墅、住宅小区、宿舍、社区中心。考虑到社区中心是城镇居民自治组织事业单位办公地点,无居住属性,因此将其他4类作为研究对象,合并后统称为“住宅”。经过去重、筛选等处理过程,共提取出5 368条有效住宅POI信息（表1 ）。
根据中心地理论[28 ] ,基于不同等级规模的商业对居民提供不同的服务范围的原则,将零售业POI数据按照规模和辐射范围进行筛选归类：① 商场和特色商业街（以下合称“商场商厦”）,以经营个人和家庭用品等综合类商品为主,是规模较大、辐射范围较广的零售业类型;② 超市,是满足顾客日常生活所需商品的零售业类型,多以家庭为主要销售单位,大多选址在居民区;③ 便民商店(以下简称“便利店”),主要是超市中消耗率比较高的日常消费品,具有即时性、应急性的特点。上述零售业的POI数据经过清洗后获得15 669条有效信息（表1 ）。平均房价数据采集于安居客、房天下等房产交易机构,包括新房和二手房在内的1 280个有效数据,通过将价格与住宅所在空间位置进行匹配,获得房价空间信息。
2 研究方法
2.1 核密度估计法
核密度估计(Kernel Density Estimation, KDE)的基本原理是以样点为中心,通过核函数计算出样点在指定半径范围内对栅格单元中心点的密度贡献值,采用 Silverman 等[29 ] 的二次核函数计算：
f ˆ x , y = 3 n h 2 π ∑ t = 1 n 1 - x - x t 2 + y - y t 2 h 2 2 (1)
式中, f ˆ x , y (x, y) 处的核密度值;h 为搜索半径,即带宽;xt 、yt 为样点t 的坐标;n 为与位置(x, y) 的距离小于等于h 的样点个数;x 、y 为带宽范围内待估算栅格中心点坐标。 x - x t 2 + y - y t 2 i 之间欧氏距离的平方。为了从整体上把握零售业和住宅核密度的分布,且能忽略掉局部密度值不必要的高低起伏信息,经多次计算比较,选择2 000 m作为住宅和零售业核密度估计的统一带宽。
2.2 相关性分析
相关系数表示2个空间变量的相关性[9 ] ,阈值范围为（- 1,1）,计算公式为：
Cor r ij = ∑ k = 1 n z ik - μ i z jk - μ j m - 1 δ i δ j
式中,Corrij 为相关系数,通常认为|Corrij |≥0.5时,变量之间相关性显著[9 ] ;i 、j 为栅格图层;μ 为图层像元均值;m 为像元个数;zik 为i 图层第k 个像元值;zik 为j 图层第k 个像元值;δ 为标准偏差。
3 结果与分析
3.1 零售业与住宅密度圈层分布特征基本吻合
基于核密度分析法分别对沈阳市内9区的住宅和零售业POI进行密度制图,并按照自然间断点分级法对密度图像进行分类,发现零售业的整体空间聚集特征与住宅相似,呈现中心城区块状聚集、外围城区多中心离散的分布格局（图1 ）。
图1 沈阳市市内区2017年住宅（a）与零售业（b）核密度
Fig.1 Residences’(a) and retails’(b) kernel density distribution in the nine districts of Shenyang in 2017
1） 中心城区连片聚集特征。沈阳住宅和零售业密度整体上都形成以中心城区为高点,向外围城区阶梯式下降的圈层模式。全市住宅与零售业聚集度的峰值区十分接近,均位于和平、铁西（老城区）和沈河3个中心城区,且核密度值由此向外围逐级扩散呈面状成片发展(图1 a、图1 b)。高密度区主要包括“胜利北街- 南京北街”附近街区、“胜利北街- 建设东路”附近街区以及“天后宫路- 热闹路”附近街区,以上街区内住宅的核密度值达到（26.3~33.1）,零售业的核密度值达到（87.4~109.3）。相比之下,皇姑、大东两区的聚集度略微偏低,住宅和零售业核密度值分别在（11.3~26.2）、（35.0~87.3）范围内波动。大东区的住宅聚集区以“天后宫路- 小北关街”和“滂江街道”附近街区为典型,位于全市最繁华的中街商圈东端,地铁一号线在此设站进一步提升了区域交通便利度。皇姑区住宅和零售业的高密度区紧邻沈河区北部的崇山西路- 哈尔滨路- 塔湾街- 黄河南大街附近。
2） 外围城区小规模聚集中心散布。于洪、浑南、苏家屯、沈北新区4个外围城区住宅密度普遍低于中心城区,平均核密度值自内向外逐级扩散衰减。次一级的商业中心和住宅中心在苏家屯、沈北新区以及铁西区境内的沈阳经济技术开发区呈“极核”状散布（图2 ）,且商业中心和住宅中心的位置基本吻合,体现出城市住宅与零售业逐渐郊区化的现象。于洪区住宅与零售业密度的高值区沿着东南部的行政边界呈现带状分布,且距离东南部的行政边界越远,核密度值越低。于洪区毗邻沈阳中心城区,半环市内5区边界,是最具活力的经济增长板块。随着各大商业综合体、综合商业街等商住项目的正式运营,逐渐形成了初具规模的区域性商住中心。浑南区住宅与零售业的聚集特征存在明显差异：西南部住宅均匀展布,但密度值较低且波动不明显（图2 a）;与商业中心（图2 b）相比可以发现住宅的扩张态势超越了零售业发展进程,特别是2015年迁入沈阳市政府以及辽宁自贸区沈阳片区启动,政治、经济、人口等因素共同驱动住宅扩增。
图2 沈阳市市内9区2017年次级住宅中心（a）与次级商业中心（b）核密度
Fig.2 Comparison between secondary residences centers(a) and commercial centers(b) distribution in the nine districts of Shenyang in 2017
3.2 零售业与住宅空间关联性
沈阳市零售业与住宅相关系数达到0.951（图3 ）,但不同类型零售业与住宅的相关系数存在差异。各类零售业与住宅核密度之间的相关系数排名为：便利店 0.940、超市0.937、商场商厦0.694。其中,超市和便利店的空间聚集形态与市内所有零售业基本一致,二者的聚集中心组团蔟集在市内五区,核密度值分别达到“9.5~14.7”“68.3~87.0”。便利店与住宅的相关性最强,这得益于“便民”特征,投资成本小,商家准入门槛低（图3 a）,而超市得益于以家庭生活消费为目标市场（图3 b）;商场商厦与住宅密度的相关特征不及超市和便利店,其集聚区域相对单一,主要分布在商业活动密集的和平、沈河区 (图3 c)。皇姑、铁西、大东区等虽然是人口密集的老区,但是商场商厦的聚集效应低,布局分散,未能形成体系。
图3 沈阳市市内9区2017年各类零售业核密度
Fig. 3 Various retail sectors’ kernel density distribution in the nine districts of Shenyang in 2017
总体上,零售商业服务于家庭,商业的区位分布通常与住宅分布特征具有较强的相关性,零售业与住宅的密度梯度出现“商住联动”现象。零售业离不开住宅所提供的人流,住宅的发展和迁移,预示着消费市场的迁移,从而为宜居板块内零售业的形成和聚集提供了契机,催生了满足消费者就近消费心理的“社区商业”。沈阳商业综合体正在促成许多区域的繁华中心[30 ] ,随着万科城、金地琥珀天地等大型商业综合体的兴建运营,社区商业逐渐成为商业发展新契机。
3.3 大型零售业服务半径分析
根据《零售业态分类》标准[31 ] 及其他研究成果[32 ] ,大型商场主要商圈半径为3 km左右。以研究区购物中心为中心点,将3 km作为沿道路网步行到购物中心的最大距离,在此距离内的区域视为购物中心服务区。大型零售业服务区分布具有明显的不均衡特征,呈现在中心5个城区的重叠度较高、市内5区边界以外数量骤然下降的态势。没有包含在购物中心服务范围内的住宅占比全部住宅的15%,包含铁西经济技术开发区、于洪丁香湖公园附近、大东区北侧边界以北、浑南区水秀湖广场等住宅群（图4 ）,由于周边没有与之配套的大型购物中心,因此适宜成为大型零售业网点规划布局的首选。
图4 沈阳市市内9区2017年购物中心服务区及其外部住宅
Fig.4 Shopping center service areas and their exterior residences in the nine districts of Shenyang in 2017
3.4 住宅价格与零售业的空间叠置关系
地统计分析的趋势分析是根据空间抽样数据拟合一个数学曲面,用该数学曲面模拟房价空间分布的空间变化情况。本研究将住宅的空间坐标点（x,y ）作为自变量,每个住宅的价格作为因变量来考查房价在空间上得变化趋势（图5 ）。图5 表明沈阳市住宅房价在南北方向和东西方向上均呈现出两边低、中间高的倒“U”型分布态势。房价存在以城市中心为高点,逐步向外扩散衰减的“圈层”分布态势,这与零售业密度的分布规律相符。东西方向两端最低点处的房价大体相同,东部略高于西部;南北方向的南部房价低值点明显高于北部房价的低值点,浑河沿岸出现了明显的房价凸起。该研究结果与李广娣等[33 ] 的研究具有高度一致性,即沈阳市住房价格的空间分布特征是由中心区域呈环状向外围逐渐递减,并呈现出南高北低的趋势。
图5 沈阳市市内9区2017年住宅价格趋势分析X 轴表示东西方向,Y 轴表示南北方向,Z 轴反映房价的高低。绿色散点是房价数据点在“XZ ”平面方位上的投影,蓝色散点是房价数据点在“YZ ”平面方位上的投影。绿色弧线和蓝色弧线为房价拟合曲线在“XZ ”平面与“YZ ”平面上的投影
Fig.5 House prices’ spatial trend in nine districts of Shenyang in 2017
房价与零售业核密度空间叠加分析显示零售业密度的高值区也是高价住宅的聚集区（图6 ）,高价住宅普遍簇集在沈河、和平、铁西、皇姑、大东5个区的商业中心附近,外围城区的次级商业中心也有一定数量的高价住宅,但聚集程度和平均价格普遍低于市内5区。在零售业核密度接近于零的郊区,出现了一些小的房价凸起。例如,位于铁西沈阳经济技术开发区的东方银座·莱茵城以及浑南区的富力塞戈维拉等住宅价格高于市内5区,定价脱离了对商服繁华程度的依赖。居民收入的增加和出行条件的改善激发了城市居民对优美安静的居住环境的追求,依傍公园、河湖等“绿色”空间成为局部住宅价格的高值区。
图6 沈阳市市内9区2017年住宅价格与零售业核密度叠加
Fig.6 Residences’ and retail’s kernel density overlying map in the nine districts of Shenyang in 2017
4 结论
沈阳市住宅和零售业密度的圈层分布特征均呈现中心城区块状聚集、外围城区多中心离散的分布格局。住宅和零售业高度密集在和平、铁西、沈河3个中心城区,且以“胜利北街- 南京北街”“胜利北街- 建设东路”等附近街区为代表。其他外围城区核密度自内向外扩散衰减,但存在小规模聚集中心。浑南区住宅扩张态势超越了区内零售业的发展进程,零售业与住宅在空间相关系数达到0.95。大型零售业与住宅密度的相关特性（0.694）及超市和便利店与住宅密度的相关性（分别是0.937、0.940）,铁西区经济技术开发区等住宅群附近缺少大型零售业服务,适宜作为购物中心的选址区。沈阳市住宅价格呈现明显的倒“U”型分布态势,体现出由中心向四周阶梯式递减的“圈层”分布模式。大型商业中心也是高价住宅的聚集区,次级商业中心周围房价偏低,生态环境较好的郊区地段存在房价的局部凸起。
住宅与零售业空间聚集性的关联关系分析仍有一些问题有待在后续研究中进一步深化。一是全面考察区位影响因素：住宅及房价的分布受到区域交通、生态环境、公共物品投放等多种区位因素的影响,除了商服繁华程度以外,还需要加强各类因素对住宅影响的作用机制研究。二是深化时空演变特征挖掘：积极探索多维GIS动态模型,实现住宅分布的时空演变模拟分析及趋势预测。三是加强区域对比性研究：不同的地理位置和经济条件形成了结构各异的城市空间,未来将与其他省会城市进行横向比较,发现商住空间分布的一般性和差异性规律。
The authors have declared that no competing interests exist.
参考文献
文献选项
[1]
邹利林 , 杨俊 , 胡学东 . 中国城市住宅价格时空演变研究进展与展望
[J]. 地理科学进展 , 2013 , 32 (10 ): 1479 -1489 .
https://doi.org/10.11820/dlkxjz.2013.10.006
Magsci
[本文引用: 1]
摘要
城市住宅价格时空演变历来是城市地理学和城市经济学关注的核心内容之一。住宅价格在空间、时间分布上具有内在规律性,探索这一规律信息及其影响机制,有助于政府制定合理的房价调控和土地利用政策。本文在总结中国城市住宅价格时空演变动力机制与模式、影响因素以及技术方法等方面研究进展的基础上,指出在研究内容与研究方法方面仍存在不足,有待深化。研究结论如下:未来中国城市住宅价格时空演变研究应立足于经济转型与制度改革的特殊背景,重视住宅价格时空演变理论框架的构建;加强宏观因素对住宅价格影响的定量研究以及探索住宅价格低值集聚的内外因素,全面考察各类因素对住宅价格的影响;强化GIS 技术对城市住宅价格时空演变特征信息的挖掘,并探索多维空间在时间序列上的动态GIS 模型,实现对住宅价格时空演变与分布的模拟分析与趋势预测;拓展城市住宅价格时空演变的普及性应用,并将研究成果与城市住宅价格监测成果形成动态互补性应用。
[Zou Lilin Yang Jun Hu Xuedong Research on temporal-spatial changes of urban residential housing price in China: Progress and prospects
. Progress in Geography , 2013 , 32 (10 ): 1479 -1489 .]
https://doi.org/10.11820/dlkxjz.2013.10.006
Magsci
[本文引用: 1]
摘要
城市住宅价格时空演变历来是城市地理学和城市经济学关注的核心内容之一。住宅价格在空间、时间分布上具有内在规律性,探索这一规律信息及其影响机制,有助于政府制定合理的房价调控和土地利用政策。本文在总结中国城市住宅价格时空演变动力机制与模式、影响因素以及技术方法等方面研究进展的基础上,指出在研究内容与研究方法方面仍存在不足,有待深化。研究结论如下:未来中国城市住宅价格时空演变研究应立足于经济转型与制度改革的特殊背景,重视住宅价格时空演变理论框架的构建;加强宏观因素对住宅价格影响的定量研究以及探索住宅价格低值集聚的内外因素,全面考察各类因素对住宅价格的影响;强化GIS 技术对城市住宅价格时空演变特征信息的挖掘,并探索多维空间在时间序列上的动态GIS 模型,实现对住宅价格时空演变与分布的模拟分析与趋势预测;拓展城市住宅价格时空演变的普及性应用,并将研究成果与城市住宅价格监测成果形成动态互补性应用。
[2]
张文忠 . 城市居民住宅区位选择的因子分析
[J]. 地理科学进展 , 2001 ,20 (3 ): 267 -274 .
https://doi.org/10.11820/dlkxjz.2001.03.009
Magsci
[本文引用: 1]
摘要
地表热辐射方向性是基于多角度热红外遥感数据反演组分温度的基本问题 ,论文分析了国内外近来从等效比辐射率和热辐射模型两个角度研究非同温热辐射方向性所取得的进展和存在的问题 ,并指出今后应继续基本概念的探讨 ,加强遥感基础实验和热辐射理论模型简化和验证工作 ,进一步探讨基于热红外多角度遥感数据反演组分温度的新方法。
[Zhang Wenzhong An analysis of the factors that influence the urban residential location selection
. Progress in Geography , 2001 ,20 (3 ): 267 -274 .]
https://doi.org/10.11820/dlkxjz.2001.03.009
Magsci
[本文引用: 1]
摘要
地表热辐射方向性是基于多角度热红外遥感数据反演组分温度的基本问题 ,论文分析了国内外近来从等效比辐射率和热辐射模型两个角度研究非同温热辐射方向性所取得的进展和存在的问题 ,并指出今后应继续基本概念的探讨 ,加强遥感基础实验和热辐射理论模型简化和验证工作 ,进一步探讨基于热红外多角度遥感数据反演组分温度的新方法。
[3]
张文忠 , 刘旺 , 李业锦 . 北京城市内部居住空间分布与居民居住区位偏好
[J]. 地理研究 , 2003 , 22 (6 ): 751 -759 .
[本文引用: 1]
[Zhang Wenzhong Liu Wang Li Yejin Housings’ spatial distribution and residents' preference on housing location in Beijing
. Geographical Research , 2003 , 22 (6 ): 751 -759 .]
[本文引用: 1]
[4]
Trojanek R Glusza M Tanaś J The effect of urban green spaces on house prices in Warsaw
[J]. International Journal of Strategic Property Management , 2018 , 22 (5 ): 358 -371 .
https://doi.org/10.3846/ijspm.2018.5220
URL
[本文引用: 1]
[5]
Chugunov D Polterovich V Rubinshtein A Impact of school quality and neighborhoods on housing prices in Moscow
[J]. Journal of the New Economic Association , 2013 ,17 (1 ):87 -112 .
[本文引用: 1]
[6]
瞿诗进 ,胡守庚 ,李全峰 ,等 .城市住宅地价影响因素的定量识别与时空异质性——以武汉市为例
[J]. 地理科学进展 , 2018 , 37 (10 ): 1371 -1380 .
[本文引用: 1]
[Qu Shijin Hu Shougeng Li Quanfeng et al . Quantitative evaluation of the impacts of driving factors on urban residential land price and analysis of their spatio-temporal heterogeneity: A case study of Wuhan City
. Progress in Geography , 2018 , 37 (10 ): 1371 -1380 .]
[本文引用: 1]
[7]
吴丹贤 , 周素红 . 基于日常购物行为的广州社区居住- 商业空间匹配关系
[J]. 地理科学 , 2017 , 37 (2 ): 228 -235 .
[本文引用: 1]
[Wu Danxian Zhou Suhong The matching pattern of housing-shopping space based on residents’ daily shopping behaviors: A case study of communities in Guangzhou, China
. Scientia Geographica Sinica , 2017 , 37 (2 ): 228 -235 .]
[本文引用: 1]
[8]
陈阳 ,岳文泽 ,高佳斌 .城市商业综合体商圈划分及其对住宅的增值效应——以杭州主城区为例
[J].经济地理 , 2017 , 37 (11 ): 68 -75 .
[本文引用: 1]
[Chenyang , Yue Wenze Gao Jiabin. Identifying commercial complex trade areas and its value-added impact on housing: The case of Hangzhou
. Economic Geography , 2017 , 37 (11 ):68 -75 .]
[本文引用: 1]
[9]
石忆邵 , 郭惠宁 .上海南站对住宅价格影响的时空效应分析
[J]. 地理学报 , 2009 , 64 (2 ): 167 -176 .
[本文引用: 3]
[Shi Yishao Guo Huining Temporal-spatial impacts of the Shanghai south railway station on housing prices
. Acta Geographica Sinica , 2009 , 64 (2 ): 167 -176 .]
[本文引用: 3]
[10]
熊昌盛 ,谭荣 ,岳文泽 .快速城市化背景下不同建设用地扩张的驱动差异探讨:以浙江省义乌市为例
[J].自然资源学报 ,2018 ,33 (12 ): 2124 -2135 .
[本文引用: 1]
[Xiong Changsheng Tan Rong Yue Wenze Discussion on different driving factors of diversified construction land expansion in rapid urbanization area: A case study of Yiwu City
. Journal of Natural Resources , 2018 , 33 (12 ):2124 -2135 .]
[本文引用: 1]
[11]
杨剩富 ,胡守庚 ,徐枫 ,等 .特殊自然地物对城市住宅地价和房价的影响——以武汉市为例
[J].资源科学 ,2016 ,38 (4 ): 738 -749 .
https://doi.org/10.18402/resci.2016.04.15
Magsci
[本文引用: 1]
摘要
揭示微观影响因素对城市住宅地价和房价的影响作用关系,是提高城市地价和房价预测水平,有效进行土地和房地产市场宏观调控的基础工作。本文采用地理加权回归模型（GWR）定量测度与分析特殊自然地物湖、江、山体对城市住宅地价和房价的影响及其空间分异特征,并尝试根据影响因素作用的差异解释住宅地价和房价空间分布特征形成的部分原因。结果表明:①住宅地价和房价与各自然地物之间呈现空间非平稳的影响作用关系;②湖对住宅地价和房价的平均边际价值分别为0.11元/m<sup>2</sup>、0.52元/m<sup>2</sup>,江均为0.15元/m<sup>2</sup>;在区域分布上,住宅地价和房价高值区受湖和江的影响更显著,面积较大的湖泊（如东湖）因受周边商服繁华程度、供给能力等因素影响对住宅地价和房价的作用存在各向异性;城市的山体或因坡度小、分布零散及周边特殊用地结构如黄鹤楼等保护性建筑限制了区域土地的商业开发,使其对住宅地价和房价影响作用不显著;③住宅地价与房价受湖影响的作用变化趋势并未呈现空间一致性,而是切合了区域住宅地价和房价的价格走势,且变化幅度与价格高低呈正相关;住宅地价和房价受江影响的边际作用力大小差别不大,空间上表现为梯度和圈层两种不同的变化趋势。
[Yang Shengfu Hu Shougeng Xu Feng et al . Influence on urban residential land and housing prices by special natural features inWuhan
. Resources Science , 2016 , 38 (4 ): 738 -749 .]
https://doi.org/10.18402/resci.2016.04.15
Magsci
[本文引用: 1]
摘要
揭示微观影响因素对城市住宅地价和房价的影响作用关系,是提高城市地价和房价预测水平,有效进行土地和房地产市场宏观调控的基础工作。本文采用地理加权回归模型（GWR）定量测度与分析特殊自然地物湖、江、山体对城市住宅地价和房价的影响及其空间分异特征,并尝试根据影响因素作用的差异解释住宅地价和房价空间分布特征形成的部分原因。结果表明:①住宅地价和房价与各自然地物之间呈现空间非平稳的影响作用关系;②湖对住宅地价和房价的平均边际价值分别为0.11元/m<sup>2</sup>、0.52元/m<sup>2</sup>,江均为0.15元/m<sup>2</sup>;在区域分布上,住宅地价和房价高值区受湖和江的影响更显著,面积较大的湖泊（如东湖）因受周边商服繁华程度、供给能力等因素影响对住宅地价和房价的作用存在各向异性;城市的山体或因坡度小、分布零散及周边特殊用地结构如黄鹤楼等保护性建筑限制了区域土地的商业开发,使其对住宅地价和房价影响作用不显著;③住宅地价与房价受湖影响的作用变化趋势并未呈现空间一致性,而是切合了区域住宅地价和房价的价格走势,且变化幅度与价格高低呈正相关;住宅地价和房价受江影响的边际作用力大小差别不大,空间上表现为梯度和圈层两种不同的变化趋势。
[12]
李志 ,周生路 ,张红富 ,等 .基于GWR模型的南京市住宅地价影响因素及其边际价格作用研究
[J].中国土地科学 ,2009 , 23 (10 ): 20 -25 .
[本文引用: 1]
[Li Zhi Zhou Shenglu Zhang Hongfu et al . Exploring the factors impacting on the residential land price and measuring their marginal effects based on geographically weighted regression model: A case study of Nanjing
. China Land Science , 2009 , 23 (10 ): 20 -25 .]
[本文引用: 1]
[13]
郝前进 , 陈杰 .到CBD距离-交通可达性与上海住宅价格的地理空间差异
[J].世界经济文汇 ,2007 (1 ): 22 -35 .
[本文引用: 1]
[Hao Qianjin Chen Jie Geographical spatial differences of distance to CBD, traffic accessibility and Shanghai Housing Price
. World Economic Papers , 2007 (1 ): 22 -35 .]
[本文引用: 1]
[14]
Sirpal R Empirical modeling of the relative impacts of various sizes of shopping centers on the values of surrounding residential properties
[J]. Journal of Real Estate Research ,1994 ,9 (4 ):487 -506 .
[本文引用: 2]
[15]
庞瑞秋 ,赵梓渝 ,王唯 ,等 .住房制度改革以来长春市新建住宅的空间布局研究
[J].地理科学 , 2013 , 33 (4 ): 435 -442 .
Magsci
[本文引用: 1]
摘要
<p>依据房价网和搜狐焦点长春地产等网络数据,借助反权重分析方法及GIS 技术平台,对1991~2011 年长春市新建的住宅分布格局进行分析,得出长春市住宅空间分布特征:① 住宅的郊区化趋势日趋明显;② 住宅沿城市主干道轴向布局和以城市绿地及水面为中心环状布局特征鲜明;③ 住宅价格总体上呈单中心多极核圈层分布;④ 价格重心相对于城市原有的几何中心南移等。同时,在对新建住宅空间布局的影响因素进行分析的基础上,进一步分析了这种空间布局的效应:城市人口空间分布的郊区化、职住分离加剧、城市交通压力的增加以及城市商业空间的郊区化和多中心化。</p>
[Pang Ruiqiu Zhao Ziyu Wang Wei et al . The spatial layout of residence since the reform of housing system in Changchun
. Scientia Geographica Sinica , 2013 , 33 (4 ): 435 -442 .]
Magsci
[本文引用: 1]
摘要
<p>依据房价网和搜狐焦点长春地产等网络数据,借助反权重分析方法及GIS 技术平台,对1991~2011 年长春市新建的住宅分布格局进行分析,得出长春市住宅空间分布特征:① 住宅的郊区化趋势日趋明显;② 住宅沿城市主干道轴向布局和以城市绿地及水面为中心环状布局特征鲜明;③ 住宅价格总体上呈单中心多极核圈层分布;④ 价格重心相对于城市原有的几何中心南移等。同时,在对新建住宅空间布局的影响因素进行分析的基础上,进一步分析了这种空间布局的效应:城市人口空间分布的郊区化、职住分离加剧、城市交通压力的增加以及城市商业空间的郊区化和多中心化。</p>
[16]
吴文佳 ,张晓平 ,李媛芳 .北京市景观可达性与住宅价格空间关联
[J].地理科学进展 ,2014 , 33 (4 ): 488 -498 .
https://doi.org/10.11820/dlkxjz.2014.04.006
Magsci
[本文引用: 1]
摘要
随着城市居民对住宅环境要求的不断提高，城市景观对城市住宅价格分异影响日趋显著。分析景观对住宅价格分异格局的影响，可为城市住宅空间结构的规划提供依据，为规划与管理部门提供决策参考。以北京城区二手房小区为样本，基于ArcGIS空间分析方法和特征价格模型，探讨景观因素对北京市住宅价格空间分异格局的影响。以主流房地产交易网站二手商品房报价资料为基础数据，共采集到2012 年1 月北京市城六区有效住宅小区样本3174 个，对住宅样点进行空间化处理，并建立住宅空间信息数据库。运用密度分析、空间插值等方法，分析北京市住宅空间分布特征与价格空间分异格局。核密度分布图显示：北京市住宅空间分布呈现显著的向心化与离心化并存现象，总体上以天安门为中心向周边呈衰减趋势，在地铁转换站点形成了多个集聚次中心。在此基础上，从住宅属性、交通因素、区位特征等方面选择主要解释变量，构建地理加权回归模型，对住宅价格影响因素进行分析，重点探讨景观可达性（如绿地、水景、山景等）与住宅价格的关联。结果表明：次中心与住宅价格关联最为显著，绿地、水景、山景与住宅价格存在一定程度关联。其中，山景和高绿化率对住宅价格增效明显；由于水质较差，北京城六区内河流与住宅价格存在负相关；污水处理以及丧葬场所等污染源与住宅价格也存在显著负相关。远离污染源、靠近宜人景观、低容积率、高绿化率是居民选择住宅的需求。
[Wu Wenjia Zhang Xiaoping Li Yuanfang Spatial correlation analysis of landscape accessibility and residential housing price in Beijing
.Progress in Geography ,2014 , 33 (4 ): 488 -498 .]
https://doi.org/10.11820/dlkxjz.2014.04.006
Magsci
[本文引用: 1]
摘要
随着城市居民对住宅环境要求的不断提高，城市景观对城市住宅价格分异影响日趋显著。分析景观对住宅价格分异格局的影响，可为城市住宅空间结构的规划提供依据，为规划与管理部门提供决策参考。以北京城区二手房小区为样本，基于ArcGIS空间分析方法和特征价格模型，探讨景观因素对北京市住宅价格空间分异格局的影响。以主流房地产交易网站二手商品房报价资料为基础数据，共采集到2012 年1 月北京市城六区有效住宅小区样本3174 个，对住宅样点进行空间化处理，并建立住宅空间信息数据库。运用密度分析、空间插值等方法，分析北京市住宅空间分布特征与价格空间分异格局。核密度分布图显示：北京市住宅空间分布呈现显著的向心化与离心化并存现象，总体上以天安门为中心向周边呈衰减趋势，在地铁转换站点形成了多个集聚次中心。在此基础上，从住宅属性、交通因素、区位特征等方面选择主要解释变量，构建地理加权回归模型，对住宅价格影响因素进行分析，重点探讨景观可达性（如绿地、水景、山景等）与住宅价格的关联。结果表明：次中心与住宅价格关联最为显著，绿地、水景、山景与住宅价格存在一定程度关联。其中，山景和高绿化率对住宅价格增效明显；由于水质较差，北京城六区内河流与住宅价格存在负相关；污水处理以及丧葬场所等污染源与住宅价格也存在显著负相关。远离污染源、靠近宜人景观、低容积率、高绿化率是居民选择住宅的需求。
[17]
曾文 . 转型期城市居民生活空间研究
[D]. 南京:南京师范大学 , 2015 .
[本文引用: 1]
[Zeng Wen Study on urban residents’ living space during the transition period
.Nanjing:Nanjing Normal University , 2015 .]
[本文引用: 1]
[18]
陈蔚珊 ,柳林 ,梁育填 .基于POI数据的广州零售商业中心热点识别与业态集聚特征分析
[J].地理研究 ,2016 , 35 (4 ): 703 -716 .
[本文引用: 1]
[Chen Weishan Liu Lin Liang Yutian Retail center recognition and spatial aggregating feature analysis of retail formats in Guangzhou based on POI data
. Geographical Research , 2016 , 35 (4 ): 703 -716 .]
[本文引用: 1]
[19]
薛冰 ,肖骁 ,李京忠 ,等 . 基于POI大数据的城市零售业空间热点分析——以辽宁省沈阳市为例
[J].经济地理 , 2018 , 38 (5 ): 36 -43 .
[本文引用: 1]
[Xue Bing Xiao Xiao Li Jingzhong et al . POI-based analysis on retail’s spatial hot blocks at a city level: A case study of Shenyang, China
. Economic Geography , 2018 , 38 (5 ): 36 -43 .]
[本文引用: 1]
[20]
孙宗耀 ,翟秀娟 ,孙希华 ,等 .基于POI数据的生活设施空间分布及配套情况研究——以济南市内五区为例
[J]. 地理信息世界 , 2017 , 24 (1 ): 65 -70 .
[本文引用: 1]
[Sun Zongyao Zhai Xiujuan Sun Xihua et al . Study on spatial distribution and matching situation of living facilities based on POI —Taking five districts of Ji’nan as a case
. Geomatics World , 2017 , 24 (1 ): 65 -70 .]
[本文引用: 1]
[21]
禹文豪 ,艾廷华 .核密度估计法支持下的网络空间POI点可视化与分析
[J].测绘学报 ,2015 ,44 (1 ):82 -90 .
https://doi.org/10.11947/j.AGCS.2015.20130538
Magsci
[本文引用: 1]
摘要
<p>城市空间POI点的分布模式、分布密度在基础设施规划、城市空间分析中具有重要意义, 表达该特征的核密度法(kernel density estimation)由于顾及了地理学第一定律的区位影响,比其他密度表达方法(如样方密度、基于Voronoi图密度)占优.然而,传统的核密度计算方法往往基于二维延展的欧氏空间,忽略了城市网络空间中设施点的服务功能及相互联系发生于网络路径距离而非欧氏距离的事实.本研究针对该缺陷,给出了网络空间核密度计算模型,分析了核密度方法在置入网络结构中受多种约束条件的扩展模式,讨论了衰减阈值及高度极值对核密度特征表达的影响.通过实际多种POI点分布模式(随机型、稀疏型、区域密集型、线状密集型)下的核密度分析试验,讨论了POI基础设施在城市区域中的分布特征、影响因素、服务功能.</p>
[Yu Wenhao Ai Tinghua The visualization and analysis of POI features under network space supported by kernel density estimation
. Acta Geodaetica et Cartographica Sinica , 2015 , 44 (1 ): 82 -90 .]
https://doi.org/10.11947/j.AGCS.2015.20130538
Magsci
[本文引用: 1]
摘要
<p>城市空间POI点的分布模式、分布密度在基础设施规划、城市空间分析中具有重要意义, 表达该特征的核密度法(kernel density estimation)由于顾及了地理学第一定律的区位影响,比其他密度表达方法(如样方密度、基于Voronoi图密度)占优.然而,传统的核密度计算方法往往基于二维延展的欧氏空间,忽略了城市网络空间中设施点的服务功能及相互联系发生于网络路径距离而非欧氏距离的事实.本研究针对该缺陷,给出了网络空间核密度计算模型,分析了核密度方法在置入网络结构中受多种约束条件的扩展模式,讨论了衰减阈值及高度极值对核密度特征表达的影响.通过实际多种POI点分布模式(随机型、稀疏型、区域密集型、线状密集型)下的核密度分析试验,讨论了POI基础设施在城市区域中的分布特征、影响因素、服务功能.</p>
[22]
彭思伟 . 基于POI数据的南京商品房价格空间分布与驱动机制实证研究
[J].建筑与文化 ,2017 (3 ): 64 -68 .
[本文引用: 2]
[Peng Siwei A study on the spatial distribution and dynamic characteristics of commercial housing price in Nanjing based on POI data
. Architecture & Culture , 2017 (3 ): 64 -68 .]
[本文引用: 2]
[23]
Lu Chengpeng Xue Bing Lu Chenyu et al . Sustainability investigation of resource-based cities in Northeastern China
[J]. Sustainability , 2016 , 8 : 1058 .
https://doi.org/10.3390/su8101058
URL
[本文引用: 1]
[24]
Can A GIS and spatial analysis of housing and mortgage markets
[J]. Journal of Housing Research , 1998 , 99 (1 ): 61 -86 .
[本文引用: 1]
[25]
Sanzana P Gironas J Braud I et al . A GIS-based urban and peri-urban landscape representation toolbox for hydrological distributed modeling
[J]. Environmental Modelling and Software , 2017 91 ): 168 -185 .
[本文引用: 1]
[26]
任婉侠 ,耿涌 ,薛冰 .中国老工业城市能源消费碳排放的驱动力分析——以沈阳市为例
[J]. 应用生态学报 ,2012 ,23 (10 ): 2829 -2835 .
Magsci
[本文引用: 1]
摘要
开展人为因素对区域生态环境影响作用的量化分析，是国际可持续发展领域的研究热点.本文以典型的老工业城市——沈阳市为例，基于IPCC能源消费碳排放计算方法，对1978—2009年城市能源消费碳排放进行核算，并应用基于Kaya等式和岭回归的STIRPAT模型，对影响碳排放量的人文驱动因素进行时间序列分析.结果表明： 研究期间，沈阳市碳排放变化经历了3个阶段，先缓升再略降随后快速增加，2009年的碳排放总量是1978年的46倍；人口规模是影响沈阳市碳排放量增加的主要驱动因子，碳排放量与人口数量呈同比例变化；城市化显著影响碳排放量，是仅次于人口数量的另一个主要驱动因子；人均GDP与碳排放量呈正相关关系，经济发展与碳排放之间不存在Kuznets曲线假说；能源强度降低即技术进步因素是碳排放量降低的主要因素.
[Ren Wanxia Geng Yong Xue Bing Driving forces of carbon emission from energy consumption in China old industrial cities: A case study of Shenyang City, Northeast China
. Chinese Journal of Applied Ecology , 2012 , 23 (10 ): 2829 -2835 . ]
Magsci
[本文引用: 1]
摘要
开展人为因素对区域生态环境影响作用的量化分析，是国际可持续发展领域的研究热点.本文以典型的老工业城市——沈阳市为例，基于IPCC能源消费碳排放计算方法，对1978—2009年城市能源消费碳排放进行核算，并应用基于Kaya等式和岭回归的STIRPAT模型，对影响碳排放量的人文驱动因素进行时间序列分析.结果表明： 研究期间，沈阳市碳排放变化经历了3个阶段，先缓升再略降随后快速增加，2009年的碳排放总量是1978年的46倍；人口规模是影响沈阳市碳排放量增加的主要驱动因子，碳排放量与人口数量呈同比例变化；城市化显著影响碳排放量，是仅次于人口数量的另一个主要驱动因子；人均GDP与碳排放量呈正相关关系，经济发展与碳排放之间不存在Kuznets曲线假说；能源强度降低即技术进步因素是碳排放量降低的主要因素.
[27]
张黎明 ,薛冰 ,姜淼 ,等 .老工业区城市功能的生态化路径评价——以沈阳为例
[J].生态科学 ,2014 ,33 (3 ):467 -473 .
Magsci
[本文引用: 1]
摘要
城市是由经济、社会和环境三个子系统共同组成的复合型生态经济功能体, 其可持续发展的目标就是走向生态化, 实现经济、社会、环境系统呈正反馈关系。以沈阳为例, 采用雷达图综合评价方法, 定量研究沈阳市2000—2010年的城市功能的生态化过程, 并提出了对策建议。在参考国内外生态城市建设等指标体系的基础上, 遴选了26个评价指标, 并基于雷达图进行定性和定量评价。结果表明, 过去近十年中, 沈阳市经济功能、社会功能和环境功能都有一定程度的提升, 但是在速率上具有差异性。在三个子功能系统的作用下, 沈阳市城市功能系统生态化水平也得到一定的提高。沈阳市应该加大基础设施与环境建设的投入, 大力发展循环经济与低碳经济
[Zhang Liming Xue Bing Jiang Miao et al . Ecologicalization route of urban function in old industrial area-case of Shenyang, China
. Ecological Science , 2014 , 33 (3 ): 467 -473 .]
Magsci
[本文引用: 1]
摘要
城市是由经济、社会和环境三个子系统共同组成的复合型生态经济功能体, 其可持续发展的目标就是走向生态化, 实现经济、社会、环境系统呈正反馈关系。以沈阳为例, 采用雷达图综合评价方法, 定量研究沈阳市2000—2010年的城市功能的生态化过程, 并提出了对策建议。在参考国内外生态城市建设等指标体系的基础上, 遴选了26个评价指标, 并基于雷达图进行定性和定量评价。结果表明, 过去近十年中, 沈阳市经济功能、社会功能和环境功能都有一定程度的提升, 但是在速率上具有差异性。在三个子功能系统的作用下, 沈阳市城市功能系统生态化水平也得到一定的提高。沈阳市应该加大基础设施与环境建设的投入, 大力发展循环经济与低碳经济
[28]
沃尔特•克里斯塔勒 . 德国南部的中心地原理 [M].常正义译.北京 :商务印书馆 ,1998 .
[本文引用: 1]
[Christallerr Walter. Die Zentralen Orte in Süddeutschland . Translated by Chang Zhengyi.Beijing : The Commercial Press , 1998 .]
[本文引用: 1]
[29]
Silverman B W Density estimation for statistics and data analysis
[M]. New York: Chapman and Hall ,1986 .
[本文引用: 1]
[30]
范鑫 . 沈阳地区商业综合体的建筑设计研究
[D].沈阳:沈阳建筑大学 ,2014 .
[本文引用: 1]
[Fan Xin Commercial complex in Shenyang architectural design research
. Shenyang: Shenyang Jianzhu University , 2014 .]
[本文引用: 1]
[31]
零售业态分类GB/T 18106-2004 [S]. 北京 : 中国标准出版社 , 2004 .
[本文引用: 1]
[Classification of Retail Formats(GB/T 18106-2004). Beijing : Standards Press of China , 2004 .]
[本文引用: 1]
[32]
李花 ,张志斌 ,王伟军 .兰州市大中型超市的空间分布格局及其影响因素
[J].经济地理 ,2016 ,36 (9 ):85 -93 .
[本文引用: 1]
[Li Hua Zhang Zhibin Wang Weijun Spatial distribution and patterns and influential factors of large and medium supermarkets in Lanzhou
. Economic Geography , 2016 , 36 (9 ):85 -93 .]
[本文引用: 1]
[33]
李广娣 , 沈昊婧 .城市住房价格的空间分布格局研究——以沈阳市为例
[J].现代城市研究 ,2014 (2 ):80 -84 .
[本文引用: 1]
[Li Guangdi Shen Haojing Research on spatial distribution pattern of urban housing prices: A case study in Shenyang
. Modern Urban Research , 2014 (2 ):80 -84 .]
[本文引用: 1]
中国城市住宅价格时空演变研究进展与展望
1
2013
... 城市住宅及其价格与区域商服业的空间关联性量化研究是人文- 经济地理学的重要研究内容.影响城市住宅的地理区位条件主要包含商业服务繁华程度、公共物品投放水平、区域环境质量等[1 ] ,且区位差异所导致的城市公共设施数量和水平往往内化为住宅价格[2 ] .开展区位条件对住宅及其价格空间分异格局关联影响分析,有利于协调社会空间格局,优化城市住宅空间结构规划管理[3 ] ,因此成为国内外人文经济地理学者的热点研究课题[4 ,5 ,6 ] .城市住宅和零售业的用地分布都是塑造城市空间格局的重要参数,研究零售业与住宅布局的相互依赖关系可为城市人地系统调控提供科学指导.例如,吴郁文等将广州市人口中心与商业重心进行空间叠加,发现人口中心与商业中心存在明显的正相关关系[7 ] ;陈阳等基于GWR模型发现了杭州商圈商业规模与服务人口不匹配的现状[8 ] .商业地产与住宅地产也是房地产市场中的两个重要组成部分,只有将商住空间协调布局,才能实现宜居城市环境[9 ] .因此,开展商住空间关联性的量化研究,对于优化城市功能,服务城市规划决策具有重要意义[10 ] .同时,在住宅空间属性的基础上,进一步探讨住宅价格与零售业之间的空间关联规律有利于提高城市房价预测水平,有效开展房产市场的宏观调控[11 ] .例如,李志认为CBD的商业网点对住宅地均价的边界增值作用最大,远离CBD对住宅价格的影响微弱[12 ] ,但也有实证研究表明CBD对住宅价格的影响并不仅是简单的负向梯度递减,更蕴含着空间递减的非均衡性和边际递减的规律性[13 ] ,例如,不同规模的商业中心对周边住宅价格的影响程度存在差异,即大规模购物中心对住宅价格具有正影响作用[14 ] . ...
中国城市住宅价格时空演变研究进展与展望
1
2013
... 城市住宅及其价格与区域商服业的空间关联性量化研究是人文- 经济地理学的重要研究内容.影响城市住宅的地理区位条件主要包含商业服务繁华程度、公共物品投放水平、区域环境质量等[1 ] ,且区位差异所导致的城市公共设施数量和水平往往内化为住宅价格[2 ] .开展区位条件对住宅及其价格空间分异格局关联影响分析,有利于协调社会空间格局,优化城市住宅空间结构规划管理[3 ] ,因此成为国内外人文经济地理学者的热点研究课题[4 ,5 ,6 ] .城市住宅和零售业的用地分布都是塑造城市空间格局的重要参数,研究零售业与住宅布局的相互依赖关系可为城市人地系统调控提供科学指导.例如,吴郁文等将广州市人口中心与商业重心进行空间叠加,发现人口中心与商业中心存在明显的正相关关系[7 ] ;陈阳等基于GWR模型发现了杭州商圈商业规模与服务人口不匹配的现状[8 ] .商业地产与住宅地产也是房地产市场中的两个重要组成部分,只有将商住空间协调布局,才能实现宜居城市环境[9 ] .因此,开展商住空间关联性的量化研究,对于优化城市功能,服务城市规划决策具有重要意义[10 ] .同时,在住宅空间属性的基础上,进一步探讨住宅价格与零售业之间的空间关联规律有利于提高城市房价预测水平,有效开展房产市场的宏观调控[11 ] .例如,李志认为CBD的商业网点对住宅地均价的边界增值作用最大,远离CBD对住宅价格的影响微弱[12 ] ,但也有实证研究表明CBD对住宅价格的影响并不仅是简单的负向梯度递减,更蕴含着空间递减的非均衡性和边际递减的规律性[13 ] ,例如,不同规模的商业中心对周边住宅价格的影响程度存在差异,即大规模购物中心对住宅价格具有正影响作用[14 ] . ...
城市居民住宅区位选择的因子分析
1
2001
... 城市住宅及其价格与区域商服业的空间关联性量化研究是人文- 经济地理学的重要研究内容.影响城市住宅的地理区位条件主要包含商业服务繁华程度、公共物品投放水平、区域环境质量等[1 ] ,且区位差异所导致的城市公共设施数量和水平往往内化为住宅价格[2 ] .开展区位条件对住宅及其价格空间分异格局关联影响分析,有利于协调社会空间格局,优化城市住宅空间结构规划管理[3 ] ,因此成为国内外人文经济地理学者的热点研究课题[4 ,5 ,6 ] .城市住宅和零售业的用地分布都是塑造城市空间格局的重要参数,研究零售业与住宅布局的相互依赖关系可为城市人地系统调控提供科学指导.例如,吴郁文等将广州市人口中心与商业重心进行空间叠加,发现人口中心与商业中心存在明显的正相关关系[7 ] ;陈阳等基于GWR模型发现了杭州商圈商业规模与服务人口不匹配的现状[8 ] .商业地产与住宅地产也是房地产市场中的两个重要组成部分,只有将商住空间协调布局,才能实现宜居城市环境[9 ] .因此,开展商住空间关联性的量化研究,对于优化城市功能,服务城市规划决策具有重要意义[10 ] .同时,在住宅空间属性的基础上,进一步探讨住宅价格与零售业之间的空间关联规律有利于提高城市房价预测水平,有效开展房产市场的宏观调控[11 ] .例如,李志认为CBD的商业网点对住宅地均价的边界增值作用最大,远离CBD对住宅价格的影响微弱[12 ] ,但也有实证研究表明CBD对住宅价格的影响并不仅是简单的负向梯度递减,更蕴含着空间递减的非均衡性和边际递减的规律性[13 ] ,例如,不同规模的商业中心对周边住宅价格的影响程度存在差异,即大规模购物中心对住宅价格具有正影响作用[14 ] . ...
城市居民住宅区位选择的因子分析
1
2001
... 城市住宅及其价格与区域商服业的空间关联性量化研究是人文- 经济地理学的重要研究内容.影响城市住宅的地理区位条件主要包含商业服务繁华程度、公共物品投放水平、区域环境质量等[1 ] ,且区位差异所导致的城市公共设施数量和水平往往内化为住宅价格[2 ] .开展区位条件对住宅及其价格空间分异格局关联影响分析,有利于协调社会空间格局,优化城市住宅空间结构规划管理[3 ] ,因此成为国内外人文经济地理学者的热点研究课题[4 ,5 ,6 ] .城市住宅和零售业的用地分布都是塑造城市空间格局的重要参数,研究零售业与住宅布局的相互依赖关系可为城市人地系统调控提供科学指导.例如,吴郁文等将广州市人口中心与商业重心进行空间叠加,发现人口中心与商业中心存在明显的正相关关系[7 ] ;陈阳等基于GWR模型发现了杭州商圈商业规模与服务人口不匹配的现状[8 ] .商业地产与住宅地产也是房地产市场中的两个重要组成部分,只有将商住空间协调布局,才能实现宜居城市环境[9 ] .因此,开展商住空间关联性的量化研究,对于优化城市功能,服务城市规划决策具有重要意义[10 ] .同时,在住宅空间属性的基础上,进一步探讨住宅价格与零售业之间的空间关联规律有利于提高城市房价预测水平,有效开展房产市场的宏观调控[11 ] .例如,李志认为CBD的商业网点对住宅地均价的边界增值作用最大,远离CBD对住宅价格的影响微弱[12 ] ,但也有实证研究表明CBD对住宅价格的影响并不仅是简单的负向梯度递减,更蕴含着空间递减的非均衡性和边际递减的规律性[13 ] ,例如,不同规模的商业中心对周边住宅价格的影响程度存在差异,即大规模购物中心对住宅价格具有正影响作用[14 ] . ...
北京城市内部居住空间分布与居民居住区位偏好
1
2003
... 城市住宅及其价格与区域商服业的空间关联性量化研究是人文- 经济地理学的重要研究内容.影响城市住宅的地理区位条件主要包含商业服务繁华程度、公共物品投放水平、区域环境质量等[1 ] ,且区位差异所导致的城市公共设施数量和水平往往内化为住宅价格[2 ] .开展区位条件对住宅及其价格空间分异格局关联影响分析,有利于协调社会空间格局,优化城市住宅空间结构规划管理[3 ] ,因此成为国内外人文经济地理学者的热点研究课题[4 ,5 ,6 ] .城市住宅和零售业的用地分布都是塑造城市空间格局的重要参数,研究零售业与住宅布局的相互依赖关系可为城市人地系统调控提供科学指导.例如,吴郁文等将广州市人口中心与商业重心进行空间叠加,发现人口中心与商业中心存在明显的正相关关系[7 ] ;陈阳等基于GWR模型发现了杭州商圈商业规模与服务人口不匹配的现状[8 ] .商业地产与住宅地产也是房地产市场中的两个重要组成部分,只有将商住空间协调布局,才能实现宜居城市环境[9 ] .因此,开展商住空间关联性的量化研究,对于优化城市功能,服务城市规划决策具有重要意义[10 ] .同时,在住宅空间属性的基础上,进一步探讨住宅价格与零售业之间的空间关联规律有利于提高城市房价预测水平,有效开展房产市场的宏观调控[11 ] .例如,李志认为CBD的商业网点对住宅地均价的边界增值作用最大,远离CBD对住宅价格的影响微弱[12 ] ,但也有实证研究表明CBD对住宅价格的影响并不仅是简单的负向梯度递减,更蕴含着空间递减的非均衡性和边际递减的规律性[13 ] ,例如,不同规模的商业中心对周边住宅价格的影响程度存在差异,即大规模购物中心对住宅价格具有正影响作用[14 ] . ...
北京城市内部居住空间分布与居民居住区位偏好
1
2003
... 城市住宅及其价格与区域商服业的空间关联性量化研究是人文- 经济地理学的重要研究内容.影响城市住宅的地理区位条件主要包含商业服务繁华程度、公共物品投放水平、区域环境质量等[1 ] ,且区位差异所导致的城市公共设施数量和水平往往内化为住宅价格[2 ] .开展区位条件对住宅及其价格空间分异格局关联影响分析,有利于协调社会空间格局,优化城市住宅空间结构规划管理[3 ] ,因此成为国内外人文经济地理学者的热点研究课题[4 ,5 ,6 ] .城市住宅和零售业的用地分布都是塑造城市空间格局的重要参数,研究零售业与住宅布局的相互依赖关系可为城市人地系统调控提供科学指导.例如,吴郁文等将广州市人口中心与商业重心进行空间叠加,发现人口中心与商业中心存在明显的正相关关系[7 ] ;陈阳等基于GWR模型发现了杭州商圈商业规模与服务人口不匹配的现状[8 ] .商业地产与住宅地产也是房地产市场中的两个重要组成部分,只有将商住空间协调布局,才能实现宜居城市环境[9 ] .因此,开展商住空间关联性的量化研究,对于优化城市功能,服务城市规划决策具有重要意义[10 ] .同时,在住宅空间属性的基础上,进一步探讨住宅价格与零售业之间的空间关联规律有利于提高城市房价预测水平,有效开展房产市场的宏观调控[11 ] .例如,李志认为CBD的商业网点对住宅地均价的边界增值作用最大,远离CBD对住宅价格的影响微弱[12 ] ,但也有实证研究表明CBD对住宅价格的影响并不仅是简单的负向梯度递减,更蕴含着空间递减的非均衡性和边际递减的规律性[13 ] ,例如,不同规模的商业中心对周边住宅价格的影响程度存在差异,即大规模购物中心对住宅价格具有正影响作用[14 ] . ...
The effect of urban green spaces on house prices in Warsaw
1
2018
... 城市住宅及其价格与区域商服业的空间关联性量化研究是人文- 经济地理学的重要研究内容.影响城市住宅的地理区位条件主要包含商业服务繁华程度、公共物品投放水平、区域环境质量等[1 ] ,且区位差异所导致的城市公共设施数量和水平往往内化为住宅价格[2 ] .开展区位条件对住宅及其价格空间分异格局关联影响分析,有利于协调社会空间格局,优化城市住宅空间结构规划管理[3 ] ,因此成为国内外人文经济地理学者的热点研究课题[4 ,5 ,6 ] .城市住宅和零售业的用地分布都是塑造城市空间格局的重要参数,研究零售业与住宅布局的相互依赖关系可为城市人地系统调控提供科学指导.例如,吴郁文等将广州市人口中心与商业重心进行空间叠加,发现人口中心与商业中心存在明显的正相关关系[7 ] ;陈阳等基于GWR模型发现了杭州商圈商业规模与服务人口不匹配的现状[8 ] .商业地产与住宅地产也是房地产市场中的两个重要组成部分,只有将商住空间协调布局,才能实现宜居城市环境[9 ] .因此,开展商住空间关联性的量化研究,对于优化城市功能,服务城市规划决策具有重要意义[10 ] .同时,在住宅空间属性的基础上,进一步探讨住宅价格与零售业之间的空间关联规律有利于提高城市房价预测水平,有效开展房产市场的宏观调控[11 ] .例如,李志认为CBD的商业网点对住宅地均价的边界增值作用最大,远离CBD对住宅价格的影响微弱[12 ] ,但也有实证研究表明CBD对住宅价格的影响并不仅是简单的负向梯度递减,更蕴含着空间递减的非均衡性和边际递减的规律性[13 ] ,例如,不同规模的商业中心对周边住宅价格的影响程度存在差异,即大规模购物中心对住宅价格具有正影响作用[14 ] . ...
Impact of school quality and neighborhoods on housing prices in Moscow
1
2013
... 城市住宅及其价格与区域商服业的空间关联性量化研究是人文- 经济地理学的重要研究内容.影响城市住宅的地理区位条件主要包含商业服务繁华程度、公共物品投放水平、区域环境质量等[1 ] ,且区位差异所导致的城市公共设施数量和水平往往内化为住宅价格[2 ] .开展区位条件对住宅及其价格空间分异格局关联影响分析,有利于协调社会空间格局,优化城市住宅空间结构规划管理[3 ] ,因此成为国内外人文经济地理学者的热点研究课题[4 ,5 ,6 ] .城市住宅和零售业的用地分布都是塑造城市空间格局的重要参数,研究零售业与住宅布局的相互依赖关系可为城市人地系统调控提供科学指导.例如,吴郁文等将广州市人口中心与商业重心进行空间叠加,发现人口中心与商业中心存在明显的正相关关系[7 ] ;陈阳等基于GWR模型发现了杭州商圈商业规模与服务人口不匹配的现状[8 ] .商业地产与住宅地产也是房地产市场中的两个重要组成部分,只有将商住空间协调布局,才能实现宜居城市环境[9 ] .因此,开展商住空间关联性的量化研究,对于优化城市功能,服务城市规划决策具有重要意义[10 ] .同时,在住宅空间属性的基础上,进一步探讨住宅价格与零售业之间的空间关联规律有利于提高城市房价预测水平,有效开展房产市场的宏观调控[11 ] .例如,李志认为CBD的商业网点对住宅地均价的边界增值作用最大,远离CBD对住宅价格的影响微弱[12 ] ,但也有实证研究表明CBD对住宅价格的影响并不仅是简单的负向梯度递减,更蕴含着空间递减的非均衡性和边际递减的规律性[13 ] ,例如,不同规模的商业中心对周边住宅价格的影响程度存在差异,即大规模购物中心对住宅价格具有正影响作用[14 ] . ...
城市住宅地价影响因素的定量识别与时空异质性——以武汉市为例
1
2018
... 城市住宅及其价格与区域商服业的空间关联性量化研究是人文- 经济地理学的重要研究内容.影响城市住宅的地理区位条件主要包含商业服务繁华程度、公共物品投放水平、区域环境质量等[1 ] ,且区位差异所导致的城市公共设施数量和水平往往内化为住宅价格[2 ] .开展区位条件对住宅及其价格空间分异格局关联影响分析,有利于协调社会空间格局,优化城市住宅空间结构规划管理[3 ] ,因此成为国内外人文经济地理学者的热点研究课题[4 ,5 ,6 ] .城市住宅和零售业的用地分布都是塑造城市空间格局的重要参数,研究零售业与住宅布局的相互依赖关系可为城市人地系统调控提供科学指导.例如,吴郁文等将广州市人口中心与商业重心进行空间叠加,发现人口中心与商业中心存在明显的正相关关系[7 ] ;陈阳等基于GWR模型发现了杭州商圈商业规模与服务人口不匹配的现状[8 ] .商业地产与住宅地产也是房地产市场中的两个重要组成部分,只有将商住空间协调布局,才能实现宜居城市环境[9 ] .因此,开展商住空间关联性的量化研究,对于优化城市功能,服务城市规划决策具有重要意义[10 ] .同时,在住宅空间属性的基础上,进一步探讨住宅价格与零售业之间的空间关联规律有利于提高城市房价预测水平,有效开展房产市场的宏观调控[11 ] .例如,李志认为CBD的商业网点对住宅地均价的边界增值作用最大,远离CBD对住宅价格的影响微弱[12 ] ,但也有实证研究表明CBD对住宅价格的影响并不仅是简单的负向梯度递减,更蕴含着空间递减的非均衡性和边际递减的规律性[13 ] ,例如,不同规模的商业中心对周边住宅价格的影响程度存在差异,即大规模购物中心对住宅价格具有正影响作用[14 ] . ...
城市住宅地价影响因素的定量识别与时空异质性——以武汉市为例
1
2018
... 城市住宅及其价格与区域商服业的空间关联性量化研究是人文- 经济地理学的重要研究内容.影响城市住宅的地理区位条件主要包含商业服务繁华程度、公共物品投放水平、区域环境质量等[1 ] ,且区位差异所导致的城市公共设施数量和水平往往内化为住宅价格[2 ] .开展区位条件对住宅及其价格空间分异格局关联影响分析,有利于协调社会空间格局,优化城市住宅空间结构规划管理[3 ] ,因此成为国内外人文经济地理学者的热点研究课题[4 ,5 ,6 ] .城市住宅和零售业的用地分布都是塑造城市空间格局的重要参数,研究零售业与住宅布局的相互依赖关系可为城市人地系统调控提供科学指导.例如,吴郁文等将广州市人口中心与商业重心进行空间叠加,发现人口中心与商业中心存在明显的正相关关系[7 ] ;陈阳等基于GWR模型发现了杭州商圈商业规模与服务人口不匹配的现状[8 ] .商业地产与住宅地产也是房地产市场中的两个重要组成部分,只有将商住空间协调布局,才能实现宜居城市环境[9 ] .因此,开展商住空间关联性的量化研究,对于优化城市功能,服务城市规划决策具有重要意义[10 ] .同时,在住宅空间属性的基础上,进一步探讨住宅价格与零售业之间的空间关联规律有利于提高城市房价预测水平,有效开展房产市场的宏观调控[11 ] .例如,李志认为CBD的商业网点对住宅地均价的边界增值作用最大,远离CBD对住宅价格的影响微弱[12 ] ,但也有实证研究表明CBD对住宅价格的影响并不仅是简单的负向梯度递减,更蕴含着空间递减的非均衡性和边际递减的规律性[13 ] ,例如,不同规模的商业中心对周边住宅价格的影响程度存在差异,即大规模购物中心对住宅价格具有正影响作用[14 ] . ...
基于日常购物行为的广州社区居住- 商业空间匹配关系
1
2017
... 城市住宅及其价格与区域商服业的空间关联性量化研究是人文- 经济地理学的重要研究内容.影响城市住宅的地理区位条件主要包含商业服务繁华程度、公共物品投放水平、区域环境质量等[1 ] ,且区位差异所导致的城市公共设施数量和水平往往内化为住宅价格[2 ] .开展区位条件对住宅及其价格空间分异格局关联影响分析,有利于协调社会空间格局,优化城市住宅空间结构规划管理[3 ] ,因此成为国内外人文经济地理学者的热点研究课题[4 ,5 ,6 ] .城市住宅和零售业的用地分布都是塑造城市空间格局的重要参数,研究零售业与住宅布局的相互依赖关系可为城市人地系统调控提供科学指导.例如,吴郁文等将广州市人口中心与商业重心进行空间叠加,发现人口中心与商业中心存在明显的正相关关系[7 ] ;陈阳等基于GWR模型发现了杭州商圈商业规模与服务人口不匹配的现状[8 ] .商业地产与住宅地产也是房地产市场中的两个重要组成部分,只有将商住空间协调布局,才能实现宜居城市环境[9 ] .因此,开展商住空间关联性的量化研究,对于优化城市功能,服务城市规划决策具有重要意义[10 ] .同时,在住宅空间属性的基础上,进一步探讨住宅价格与零售业之间的空间关联规律有利于提高城市房价预测水平,有效开展房产市场的宏观调控[11 ] .例如,李志认为CBD的商业网点对住宅地均价的边界增值作用最大,远离CBD对住宅价格的影响微弱[12 ] ,但也有实证研究表明CBD对住宅价格的影响并不仅是简单的负向梯度递减,更蕴含着空间递减的非均衡性和边际递减的规律性[13 ] ,例如,不同规模的商业中心对周边住宅价格的影响程度存在差异,即大规模购物中心对住宅价格具有正影响作用[14 ] . ...
基于日常购物行为的广州社区居住- 商业空间匹配关系
1
2017
... 城市住宅及其价格与区域商服业的空间关联性量化研究是人文- 经济地理学的重要研究内容.影响城市住宅的地理区位条件主要包含商业服务繁华程度、公共物品投放水平、区域环境质量等[1 ] ,且区位差异所导致的城市公共设施数量和水平往往内化为住宅价格[2 ] .开展区位条件对住宅及其价格空间分异格局关联影响分析,有利于协调社会空间格局,优化城市住宅空间结构规划管理[3 ] ,因此成为国内外人文经济地理学者的热点研究课题[4 ,5 ,6 ] .城市住宅和零售业的用地分布都是塑造城市空间格局的重要参数,研究零售业与住宅布局的相互依赖关系可为城市人地系统调控提供科学指导.例如,吴郁文等将广州市人口中心与商业重心进行空间叠加,发现人口中心与商业中心存在明显的正相关关系[7 ] ;陈阳等基于GWR模型发现了杭州商圈商业规模与服务人口不匹配的现状[8 ] .商业地产与住宅地产也是房地产市场中的两个重要组成部分,只有将商住空间协调布局,才能实现宜居城市环境[9 ] .因此,开展商住空间关联性的量化研究,对于优化城市功能,服务城市规划决策具有重要意义[10 ] .同时,在住宅空间属性的基础上,进一步探讨住宅价格与零售业之间的空间关联规律有利于提高城市房价预测水平,有效开展房产市场的宏观调控[11 ] .例如,李志认为CBD的商业网点对住宅地均价的边界增值作用最大,远离CBD对住宅价格的影响微弱[12 ] ,但也有实证研究表明CBD对住宅价格的影响并不仅是简单的负向梯度递减,更蕴含着空间递减的非均衡性和边际递减的规律性[13 ] ,例如,不同规模的商业中心对周边住宅价格的影响程度存在差异,即大规模购物中心对住宅价格具有正影响作用[14 ] . ...
城市商业综合体商圈划分及其对住宅的增值效应——以杭州主城区为例
1
2017
... 城市住宅及其价格与区域商服业的空间关联性量化研究是人文- 经济地理学的重要研究内容.影响城市住宅的地理区位条件主要包含商业服务繁华程度、公共物品投放水平、区域环境质量等[1 ] ,且区位差异所导致的城市公共设施数量和水平往往内化为住宅价格[2 ] .开展区位条件对住宅及其价格空间分异格局关联影响分析,有利于协调社会空间格局,优化城市住宅空间结构规划管理[3 ] ,因此成为国内外人文经济地理学者的热点研究课题[4 ,5 ,6 ] .城市住宅和零售业的用地分布都是塑造城市空间格局的重要参数,研究零售业与住宅布局的相互依赖关系可为城市人地系统调控提供科学指导.例如,吴郁文等将广州市人口中心与商业重心进行空间叠加,发现人口中心与商业中心存在明显的正相关关系[7 ] ;陈阳等基于GWR模型发现了杭州商圈商业规模与服务人口不匹配的现状[8 ] .商业地产与住宅地产也是房地产市场中的两个重要组成部分,只有将商住空间协调布局,才能实现宜居城市环境[9 ] .因此,开展商住空间关联性的量化研究,对于优化城市功能,服务城市规划决策具有重要意义[10 ] .同时,在住宅空间属性的基础上,进一步探讨住宅价格与零售业之间的空间关联规律有利于提高城市房价预测水平,有效开展房产市场的宏观调控[11 ] .例如,李志认为CBD的商业网点对住宅地均价的边界增值作用最大,远离CBD对住宅价格的影响微弱[12 ] ,但也有实证研究表明CBD对住宅价格的影响并不仅是简单的负向梯度递减,更蕴含着空间递减的非均衡性和边际递减的规律性[13 ] ,例如,不同规模的商业中心对周边住宅价格的影响程度存在差异,即大规模购物中心对住宅价格具有正影响作用[14 ] . ...
城市商业综合体商圈划分及其对住宅的增值效应——以杭州主城区为例
1
2017
... 城市住宅及其价格与区域商服业的空间关联性量化研究是人文- 经济地理学的重要研究内容.影响城市住宅的地理区位条件主要包含商业服务繁华程度、公共物品投放水平、区域环境质量等[1 ] ,且区位差异所导致的城市公共设施数量和水平往往内化为住宅价格[2 ] .开展区位条件对住宅及其价格空间分异格局关联影响分析,有利于协调社会空间格局,优化城市住宅空间结构规划管理[3 ] ,因此成为国内外人文经济地理学者的热点研究课题[4 ,5 ,6 ] .城市住宅和零售业的用地分布都是塑造城市空间格局的重要参数,研究零售业与住宅布局的相互依赖关系可为城市人地系统调控提供科学指导.例如,吴郁文等将广州市人口中心与商业重心进行空间叠加,发现人口中心与商业中心存在明显的正相关关系[7 ] ;陈阳等基于GWR模型发现了杭州商圈商业规模与服务人口不匹配的现状[8 ] .商业地产与住宅地产也是房地产市场中的两个重要组成部分,只有将商住空间协调布局,才能实现宜居城市环境[9 ] .因此,开展商住空间关联性的量化研究,对于优化城市功能,服务城市规划决策具有重要意义[10 ] .同时,在住宅空间属性的基础上,进一步探讨住宅价格与零售业之间的空间关联规律有利于提高城市房价预测水平,有效开展房产市场的宏观调控[11 ] .例如,李志认为CBD的商业网点对住宅地均价的边界增值作用最大,远离CBD对住宅价格的影响微弱[12 ] ,但也有实证研究表明CBD对住宅价格的影响并不仅是简单的负向梯度递减,更蕴含着空间递减的非均衡性和边际递减的规律性[13 ] ,例如,不同规模的商业中心对周边住宅价格的影响程度存在差异,即大规模购物中心对住宅价格具有正影响作用[14 ] . ...
上海南站对住宅价格影响的时空效应分析
3
2009
... 城市住宅及其价格与区域商服业的空间关联性量化研究是人文- 经济地理学的重要研究内容.影响城市住宅的地理区位条件主要包含商业服务繁华程度、公共物品投放水平、区域环境质量等[1 ] ,且区位差异所导致的城市公共设施数量和水平往往内化为住宅价格[2 ] .开展区位条件对住宅及其价格空间分异格局关联影响分析,有利于协调社会空间格局,优化城市住宅空间结构规划管理[3 ] ,因此成为国内外人文经济地理学者的热点研究课题[4 ,5 ,6 ] .城市住宅和零售业的用地分布都是塑造城市空间格局的重要参数,研究零售业与住宅布局的相互依赖关系可为城市人地系统调控提供科学指导.例如,吴郁文等将广州市人口中心与商业重心进行空间叠加,发现人口中心与商业中心存在明显的正相关关系[7 ] ;陈阳等基于GWR模型发现了杭州商圈商业规模与服务人口不匹配的现状[8 ] .商业地产与住宅地产也是房地产市场中的两个重要组成部分,只有将商住空间协调布局,才能实现宜居城市环境[9 ] .因此,开展商住空间关联性的量化研究,对于优化城市功能,服务城市规划决策具有重要意义[10 ] .同时,在住宅空间属性的基础上,进一步探讨住宅价格与零售业之间的空间关联规律有利于提高城市房价预测水平,有效开展房产市场的宏观调控[11 ] .例如,李志认为CBD的商业网点对住宅地均价的边界增值作用最大,远离CBD对住宅价格的影响微弱[12 ] ,但也有实证研究表明CBD对住宅价格的影响并不仅是简单的负向梯度递减,更蕴含着空间递减的非均衡性和边际递减的规律性[13 ] ,例如,不同规模的商业中心对周边住宅价格的影响程度存在差异,即大规模购物中心对住宅价格具有正影响作用[14 ] . ...
... 相关系数表示2个空间变量的相关性[9 ] ,阈值范围为（- 1,1）,计算公式为： ...
... 式中,Corrij 为相关系数,通常认为|Corrij |≥0.5时,变量之间相关性显著[9 ] ;i 、j 为栅格图层;μ 为图层像元均值;m 为像元个数;zik 为i 图层第k 个像元值;zik 为j 图层第k 个像元值;δ 为标准偏差. ...
上海南站对住宅价格影响的时空效应分析
3
2009
... 城市住宅及其价格与区域商服业的空间关联性量化研究是人文- 经济地理学的重要研究内容.影响城市住宅的地理区位条件主要包含商业服务繁华程度、公共物品投放水平、区域环境质量等[1 ] ,且区位差异所导致的城市公共设施数量和水平往往内化为住宅价格[2 ] .开展区位条件对住宅及其价格空间分异格局关联影响分析,有利于协调社会空间格局,优化城市住宅空间结构规划管理[3 ] ,因此成为国内外人文经济地理学者的热点研究课题[4 ,5 ,6 ] .城市住宅和零售业的用地分布都是塑造城市空间格局的重要参数,研究零售业与住宅布局的相互依赖关系可为城市人地系统调控提供科学指导.例如,吴郁文等将广州市人口中心与商业重心进行空间叠加,发现人口中心与商业中心存在明显的正相关关系[7 ] ;陈阳等基于GWR模型发现了杭州商圈商业规模与服务人口不匹配的现状[8 ] .商业地产与住宅地产也是房地产市场中的两个重要组成部分,只有将商住空间协调布局,才能实现宜居城市环境[9 ] .因此,开展商住空间关联性的量化研究,对于优化城市功能,服务城市规划决策具有重要意义[10 ] .同时,在住宅空间属性的基础上,进一步探讨住宅价格与零售业之间的空间关联规律有利于提高城市房价预测水平,有效开展房产市场的宏观调控[11 ] .例如,李志认为CBD的商业网点对住宅地均价的边界增值作用最大,远离CBD对住宅价格的影响微弱[12 ] ,但也有实证研究表明CBD对住宅价格的影响并不仅是简单的负向梯度递减,更蕴含着空间递减的非均衡性和边际递减的规律性[13 ] ,例如,不同规模的商业中心对周边住宅价格的影响程度存在差异,即大规模购物中心对住宅价格具有正影响作用[14 ] . ...
... 相关系数表示2个空间变量的相关性[9 ] ,阈值范围为（- 1,1）,计算公式为： ...
... 式中,Corrij 为相关系数,通常认为|Corrij |≥0.5时,变量之间相关性显著[9 ] ;i 、j 为栅格图层;μ 为图层像元均值;m 为像元个数;zik 为i 图层第k 个像元值;zik 为j 图层第k 个像元值;δ 为标准偏差. ...
快速城市化背景下不同建设用地扩张的驱动差异探讨:以浙江省义乌市为例
1
2018
... 城市住宅及其价格与区域商服业的空间关联性量化研究是人文- 经济地理学的重要研究内容.影响城市住宅的地理区位条件主要包含商业服务繁华程度、公共物品投放水平、区域环境质量等[1 ] ,且区位差异所导致的城市公共设施数量和水平往往内化为住宅价格[2 ] .开展区位条件对住宅及其价格空间分异格局关联影响分析,有利于协调社会空间格局,优化城市住宅空间结构规划管理[3 ] ,因此成为国内外人文经济地理学者的热点研究课题[4 ,5 ,6 ] .城市住宅和零售业的用地分布都是塑造城市空间格局的重要参数,研究零售业与住宅布局的相互依赖关系可为城市人地系统调控提供科学指导.例如,吴郁文等将广州市人口中心与商业重心进行空间叠加,发现人口中心与商业中心存在明显的正相关关系[7 ] ;陈阳等基于GWR模型发现了杭州商圈商业规模与服务人口不匹配的现状[8 ] .商业地产与住宅地产也是房地产市场中的两个重要组成部分,只有将商住空间协调布局,才能实现宜居城市环境[9 ] .因此,开展商住空间关联性的量化研究,对于优化城市功能,服务城市规划决策具有重要意义[10 ] .同时,在住宅空间属性的基础上,进一步探讨住宅价格与零售业之间的空间关联规律有利于提高城市房价预测水平,有效开展房产市场的宏观调控[11 ] .例如,李志认为CBD的商业网点对住宅地均价的边界增值作用最大,远离CBD对住宅价格的影响微弱[12 ] ,但也有实证研究表明CBD对住宅价格的影响并不仅是简单的负向梯度递减,更蕴含着空间递减的非均衡性和边际递减的规律性[13 ] ,例如,不同规模的商业中心对周边住宅价格的影响程度存在差异,即大规模购物中心对住宅价格具有正影响作用[14 ] . ...
快速城市化背景下不同建设用地扩张的驱动差异探讨:以浙江省义乌市为例
1
2018
... 城市住宅及其价格与区域商服业的空间关联性量化研究是人文- 经济地理学的重要研究内容.影响城市住宅的地理区位条件主要包含商业服务繁华程度、公共物品投放水平、区域环境质量等[1 ] ,且区位差异所导致的城市公共设施数量和水平往往内化为住宅价格[2 ] .开展区位条件对住宅及其价格空间分异格局关联影响分析,有利于协调社会空间格局,优化城市住宅空间结构规划管理[3 ] ,因此成为国内外人文经济地理学者的热点研究课题[4 ,5 ,6 ] .城市住宅和零售业的用地分布都是塑造城市空间格局的重要参数,研究零售业与住宅布局的相互依赖关系可为城市人地系统调控提供科学指导.例如,吴郁文等将广州市人口中心与商业重心进行空间叠加,发现人口中心与商业中心存在明显的正相关关系[7 ] ;陈阳等基于GWR模型发现了杭州商圈商业规模与服务人口不匹配的现状[8 ] .商业地产与住宅地产也是房地产市场中的两个重要组成部分,只有将商住空间协调布局,才能实现宜居城市环境[9 ] .因此,开展商住空间关联性的量化研究,对于优化城市功能,服务城市规划决策具有重要意义[10 ] .同时,在住宅空间属性的基础上,进一步探讨住宅价格与零售业之间的空间关联规律有利于提高城市房价预测水平,有效开展房产市场的宏观调控[11 ] .例如,李志认为CBD的商业网点对住宅地均价的边界增值作用最大,远离CBD对住宅价格的影响微弱[12 ] ,但也有实证研究表明CBD对住宅价格的影响并不仅是简单的负向梯度递减,更蕴含着空间递减的非均衡性和边际递减的规律性[13 ] ,例如,不同规模的商业中心对周边住宅价格的影响程度存在差异,即大规模购物中心对住宅价格具有正影响作用[14 ] . ...
特殊自然地物对城市住宅地价和房价的影响——以武汉市为例
1
2016
... 城市住宅及其价格与区域商服业的空间关联性量化研究是人文- 经济地理学的重要研究内容.影响城市住宅的地理区位条件主要包含商业服务繁华程度、公共物品投放水平、区域环境质量等[1 ] ,且区位差异所导致的城市公共设施数量和水平往往内化为住宅价格[2 ] .开展区位条件对住宅及其价格空间分异格局关联影响分析,有利于协调社会空间格局,优化城市住宅空间结构规划管理[3 ] ,因此成为国内外人文经济地理学者的热点研究课题[4 ,5 ,6 ] .城市住宅和零售业的用地分布都是塑造城市空间格局的重要参数,研究零售业与住宅布局的相互依赖关系可为城市人地系统调控提供科学指导.例如,吴郁文等将广州市人口中心与商业重心进行空间叠加,发现人口中心与商业中心存在明显的正相关关系[7 ] ;陈阳等基于GWR模型发现了杭州商圈商业规模与服务人口不匹配的现状[8 ] .商业地产与住宅地产也是房地产市场中的两个重要组成部分,只有将商住空间协调布局,才能实现宜居城市环境[9 ] .因此,开展商住空间关联性的量化研究,对于优化城市功能,服务城市规划决策具有重要意义[10 ] .同时,在住宅空间属性的基础上,进一步探讨住宅价格与零售业之间的空间关联规律有利于提高城市房价预测水平,有效开展房产市场的宏观调控[11 ] .例如,李志认为CBD的商业网点对住宅地均价的边界增值作用最大,远离CBD对住宅价格的影响微弱[12 ] ,但也有实证研究表明CBD对住宅价格的影响并不仅是简单的负向梯度递减,更蕴含着空间递减的非均衡性和边际递减的规律性[13 ] ,例如,不同规模的商业中心对周边住宅价格的影响程度存在差异,即大规模购物中心对住宅价格具有正影响作用[14 ] . ...
特殊自然地物对城市住宅地价和房价的影响——以武汉市为例
1
2016
... 城市住宅及其价格与区域商服业的空间关联性量化研究是人文- 经济地理学的重要研究内容.影响城市住宅的地理区位条件主要包含商业服务繁华程度、公共物品投放水平、区域环境质量等[1 ] ,且区位差异所导致的城市公共设施数量和水平往往内化为住宅价格[2 ] .开展区位条件对住宅及其价格空间分异格局关联影响分析,有利于协调社会空间格局,优化城市住宅空间结构规划管理[3 ] ,因此成为国内外人文经济地理学者的热点研究课题[4 ,5 ,6 ] .城市住宅和零售业的用地分布都是塑造城市空间格局的重要参数,研究零售业与住宅布局的相互依赖关系可为城市人地系统调控提供科学指导.例如,吴郁文等将广州市人口中心与商业重心进行空间叠加,发现人口中心与商业中心存在明显的正相关关系[7 ] ;陈阳等基于GWR模型发现了杭州商圈商业规模与服务人口不匹配的现状[8 ] .商业地产与住宅地产也是房地产市场中的两个重要组成部分,只有将商住空间协调布局,才能实现宜居城市环境[9 ] .因此,开展商住空间关联性的量化研究,对于优化城市功能,服务城市规划决策具有重要意义[10 ] .同时,在住宅空间属性的基础上,进一步探讨住宅价格与零售业之间的空间关联规律有利于提高城市房价预测水平,有效开展房产市场的宏观调控[11 ] .例如,李志认为CBD的商业网点对住宅地均价的边界增值作用最大,远离CBD对住宅价格的影响微弱[12 ] ,但也有实证研究表明CBD对住宅价格的影响并不仅是简单的负向梯度递减,更蕴含着空间递减的非均衡性和边际递减的规律性[13 ] ,例如,不同规模的商业中心对周边住宅价格的影响程度存在差异,即大规模购物中心对住宅价格具有正影响作用[14 ] . ...
基于GWR模型的南京市住宅地价影响因素及其边际价格作用研究
1
2009
... 城市住宅及其价格与区域商服业的空间关联性量化研究是人文- 经济地理学的重要研究内容.影响城市住宅的地理区位条件主要包含商业服务繁华程度、公共物品投放水平、区域环境质量等[1 ] ,且区位差异所导致的城市公共设施数量和水平往往内化为住宅价格[2 ] .开展区位条件对住宅及其价格空间分异格局关联影响分析,有利于协调社会空间格局,优化城市住宅空间结构规划管理[3 ] ,因此成为国内外人文经济地理学者的热点研究课题[4 ,5 ,6 ] .城市住宅和零售业的用地分布都是塑造城市空间格局的重要参数,研究零售业与住宅布局的相互依赖关系可为城市人地系统调控提供科学指导.例如,吴郁文等将广州市人口中心与商业重心进行空间叠加,发现人口中心与商业中心存在明显的正相关关系[7 ] ;陈阳等基于GWR模型发现了杭州商圈商业规模与服务人口不匹配的现状[8 ] .商业地产与住宅地产也是房地产市场中的两个重要组成部分,只有将商住空间协调布局,才能实现宜居城市环境[9 ] .因此,开展商住空间关联性的量化研究,对于优化城市功能,服务城市规划决策具有重要意义[10 ] .同时,在住宅空间属性的基础上,进一步探讨住宅价格与零售业之间的空间关联规律有利于提高城市房价预测水平,有效开展房产市场的宏观调控[11 ] .例如,李志认为CBD的商业网点对住宅地均价的边界增值作用最大,远离CBD对住宅价格的影响微弱[12 ] ,但也有实证研究表明CBD对住宅价格的影响并不仅是简单的负向梯度递减,更蕴含着空间递减的非均衡性和边际递减的规律性[13 ] ,例如,不同规模的商业中心对周边住宅价格的影响程度存在差异,即大规模购物中心对住宅价格具有正影响作用[14 ] . ...
基于GWR模型的南京市住宅地价影响因素及其边际价格作用研究
1
2009
... 城市住宅及其价格与区域商服业的空间关联性量化研究是人文- 经济地理学的重要研究内容.影响城市住宅的地理区位条件主要包含商业服务繁华程度、公共物品投放水平、区域环境质量等[1 ] ,且区位差异所导致的城市公共设施数量和水平往往内化为住宅价格[2 ] .开展区位条件对住宅及其价格空间分异格局关联影响分析,有利于协调社会空间格局,优化城市住宅空间结构规划管理[3 ] ,因此成为国内外人文经济地理学者的热点研究课题[4 ,5 ,6 ] .城市住宅和零售业的用地分布都是塑造城市空间格局的重要参数,研究零售业与住宅布局的相互依赖关系可为城市人地系统调控提供科学指导.例如,吴郁文等将广州市人口中心与商业重心进行空间叠加,发现人口中心与商业中心存在明显的正相关关系[7 ] ;陈阳等基于GWR模型发现了杭州商圈商业规模与服务人口不匹配的现状[8 ] .商业地产与住宅地产也是房地产市场中的两个重要组成部分,只有将商住空间协调布局,才能实现宜居城市环境[9 ] .因此,开展商住空间关联性的量化研究,对于优化城市功能,服务城市规划决策具有重要意义[10 ] .同时,在住宅空间属性的基础上,进一步探讨住宅价格与零售业之间的空间关联规律有利于提高城市房价预测水平,有效开展房产市场的宏观调控[11 ] .例如,李志认为CBD的商业网点对住宅地均价的边界增值作用最大,远离CBD对住宅价格的影响微弱[12 ] ,但也有实证研究表明CBD对住宅价格的影响并不仅是简单的负向梯度递减,更蕴含着空间递减的非均衡性和边际递减的规律性[13 ] ,例如,不同规模的商业中心对周边住宅价格的影响程度存在差异,即大规模购物中心对住宅价格具有正影响作用[14 ] . ...
到CBD距离-交通可达性与上海住宅价格的地理空间差异
1
2007
... 城市住宅及其价格与区域商服业的空间关联性量化研究是人文- 经济地理学的重要研究内容.影响城市住宅的地理区位条件主要包含商业服务繁华程度、公共物品投放水平、区域环境质量等[1 ] ,且区位差异所导致的城市公共设施数量和水平往往内化为住宅价格[2 ] .开展区位条件对住宅及其价格空间分异格局关联影响分析,有利于协调社会空间格局,优化城市住宅空间结构规划管理[3 ] ,因此成为国内外人文经济地理学者的热点研究课题[4 ,5 ,6 ] .城市住宅和零售业的用地分布都是塑造城市空间格局的重要参数,研究零售业与住宅布局的相互依赖关系可为城市人地系统调控提供科学指导.例如,吴郁文等将广州市人口中心与商业重心进行空间叠加,发现人口中心与商业中心存在明显的正相关关系[7 ] ;陈阳等基于GWR模型发现了杭州商圈商业规模与服务人口不匹配的现状[8 ] .商业地产与住宅地产也是房地产市场中的两个重要组成部分,只有将商住空间协调布局,才能实现宜居城市环境[9 ] .因此,开展商住空间关联性的量化研究,对于优化城市功能,服务城市规划决策具有重要意义[10 ] .同时,在住宅空间属性的基础上,进一步探讨住宅价格与零售业之间的空间关联规律有利于提高城市房价预测水平,有效开展房产市场的宏观调控[11 ] .例如,李志认为CBD的商业网点对住宅地均价的边界增值作用最大,远离CBD对住宅价格的影响微弱[12 ] ,但也有实证研究表明CBD对住宅价格的影响并不仅是简单的负向梯度递减,更蕴含着空间递减的非均衡性和边际递减的规律性[13 ] ,例如,不同规模的商业中心对周边住宅价格的影响程度存在差异,即大规模购物中心对住宅价格具有正影响作用[14 ] . ...
到CBD距离-交通可达性与上海住宅价格的地理空间差异
1
2007
... 城市住宅及其价格与区域商服业的空间关联性量化研究是人文- 经济地理学的重要研究内容.影响城市住宅的地理区位条件主要包含商业服务繁华程度、公共物品投放水平、区域环境质量等[1 ] ,且区位差异所导致的城市公共设施数量和水平往往内化为住宅价格[2 ] .开展区位条件对住宅及其价格空间分异格局关联影响分析,有利于协调社会空间格局,优化城市住宅空间结构规划管理[3 ] ,因此成为国内外人文经济地理学者的热点研究课题[4 ,5 ,6 ] .城市住宅和零售业的用地分布都是塑造城市空间格局的重要参数,研究零售业与住宅布局的相互依赖关系可为城市人地系统调控提供科学指导.例如,吴郁文等将广州市人口中心与商业重心进行空间叠加,发现人口中心与商业中心存在明显的正相关关系[7 ] ;陈阳等基于GWR模型发现了杭州商圈商业规模与服务人口不匹配的现状[8 ] .商业地产与住宅地产也是房地产市场中的两个重要组成部分,只有将商住空间协调布局,才能实现宜居城市环境[9 ] .因此,开展商住空间关联性的量化研究,对于优化城市功能,服务城市规划决策具有重要意义[10 ] .同时,在住宅空间属性的基础上,进一步探讨住宅价格与零售业之间的空间关联规律有利于提高城市房价预测水平,有效开展房产市场的宏观调控[11 ] .例如,李志认为CBD的商业网点对住宅地均价的边界增值作用最大,远离CBD对住宅价格的影响微弱[12 ] ,但也有实证研究表明CBD对住宅价格的影响并不仅是简单的负向梯度递减,更蕴含着空间递减的非均衡性和边际递减的规律性[13 ] ,例如,不同规模的商业中心对周边住宅价格的影响程度存在差异,即大规模购物中心对住宅价格具有正影响作用[14 ] . ...
Empirical modeling of the relative impacts of various sizes of shopping centers on the values of surrounding residential properties
2
1994
... 城市住宅及其价格与区域商服业的空间关联性量化研究是人文- 经济地理学的重要研究内容.影响城市住宅的地理区位条件主要包含商业服务繁华程度、公共物品投放水平、区域环境质量等[1 ] ,且区位差异所导致的城市公共设施数量和水平往往内化为住宅价格[2 ] .开展区位条件对住宅及其价格空间分异格局关联影响分析,有利于协调社会空间格局,优化城市住宅空间结构规划管理[3 ] ,因此成为国内外人文经济地理学者的热点研究课题[4 ,5 ,6 ] .城市住宅和零售业的用地分布都是塑造城市空间格局的重要参数,研究零售业与住宅布局的相互依赖关系可为城市人地系统调控提供科学指导.例如,吴郁文等将广州市人口中心与商业重心进行空间叠加,发现人口中心与商业中心存在明显的正相关关系[7 ] ;陈阳等基于GWR模型发现了杭州商圈商业规模与服务人口不匹配的现状[8 ] .商业地产与住宅地产也是房地产市场中的两个重要组成部分,只有将商住空间协调布局,才能实现宜居城市环境[9 ] .因此,开展商住空间关联性的量化研究,对于优化城市功能,服务城市规划决策具有重要意义[10 ] .同时,在住宅空间属性的基础上,进一步探讨住宅价格与零售业之间的空间关联规律有利于提高城市房价预测水平,有效开展房产市场的宏观调控[11 ] .例如,李志认为CBD的商业网点对住宅地均价的边界增值作用最大,远离CBD对住宅价格的影响微弱[12 ] ,但也有实证研究表明CBD对住宅价格的影响并不仅是简单的负向梯度递减,更蕴含着空间递减的非均衡性和边际递减的规律性[13 ] ,例如,不同规模的商业中心对周边住宅价格的影响程度存在差异,即大规模购物中心对住宅价格具有正影响作用[14 ] . ...
... 传统的住宅空间信息研究多采用部门统计数据[15 ,16 ] 和问卷调查数据[17 ] ,不仅耗时耗力而且主观性较强.兴趣点（Point of Interest, 简称POI）作为重要的城市空间地理大数据[18 ] ,可以实时描述地理实体的空间和属性信息,如名称、地址和坐标等,具有样本量大、涵盖信息细致等优势[19 ] ,基于POI的研究已经在城市基础设施[20 ,21 ] 、商业空间布局[14 ] 、住宅分布格局[22 ] 等领域取得系列成果.同时,通过地理信息系统（GIS）数学运算分析地理空间数据中隐藏的模式[23 ] ,有助于更好地理解城市空间结构[24 ,25 ] .目前,对商业和住宅密度的相互依赖特性依然有待深入解析,因此,通过运用POI与GIS等信息技术,开展城市住宅及其价格与区域商服业的空间关联性的量化研究,有助于创新城市人文- 经济地理研究方法,并实现研究成果的决策关联.以中国东北地区重要的中心城市沈阳市为案例,以市内9区为研究区域,基于POI数据并运用GIS空间分析技术,定量评估零售业和居民住宅聚集度的空间分布规律,分析零售业与住宅的空间相关性特征,揭示住宅价格与零售业空间异质性的关系,以期为优化沈阳市商住空间布局,促进城市可持续发展提供决策支持. ...
住房制度改革以来长春市新建住宅的空间布局研究
1
2013
... 传统的住宅空间信息研究多采用部门统计数据[15 ,16 ] 和问卷调查数据[17 ] ,不仅耗时耗力而且主观性较强.兴趣点（Point of Interest, 简称POI）作为重要的城市空间地理大数据[18 ] ,可以实时描述地理实体的空间和属性信息,如名称、地址和坐标等,具有样本量大、涵盖信息细致等优势[19 ] ,基于POI的研究已经在城市基础设施[20 ,21 ] 、商业空间布局[14 ] 、住宅分布格局[22 ] 等领域取得系列成果.同时,通过地理信息系统（GIS）数学运算分析地理空间数据中隐藏的模式[23 ] ,有助于更好地理解城市空间结构[24 ,25 ] .目前,对商业和住宅密度的相互依赖特性依然有待深入解析,因此,通过运用POI与GIS等信息技术,开展城市住宅及其价格与区域商服业的空间关联性的量化研究,有助于创新城市人文- 经济地理研究方法,并实现研究成果的决策关联.以中国东北地区重要的中心城市沈阳市为案例,以市内9区为研究区域,基于POI数据并运用GIS空间分析技术,定量评估零售业和居民住宅聚集度的空间分布规律,分析零售业与住宅的空间相关性特征,揭示住宅价格与零售业空间异质性的关系,以期为优化沈阳市商住空间布局,促进城市可持续发展提供决策支持. ...
住房制度改革以来长春市新建住宅的空间布局研究
1
2013
... 传统的住宅空间信息研究多采用部门统计数据[15 ,16 ] 和问卷调查数据[17 ] ,不仅耗时耗力而且主观性较强.兴趣点（Point of Interest, 简称POI）作为重要的城市空间地理大数据[18 ] ,可以实时描述地理实体的空间和属性信息,如名称、地址和坐标等,具有样本量大、涵盖信息细致等优势[19 ] ,基于POI的研究已经在城市基础设施[20 ,21 ] 、商业空间布局[14 ] 、住宅分布格局[22 ] 等领域取得系列成果.同时,通过地理信息系统（GIS）数学运算分析地理空间数据中隐藏的模式[23 ] ,有助于更好地理解城市空间结构[24 ,25 ] .目前,对商业和住宅密度的相互依赖特性依然有待深入解析,因此,通过运用POI与GIS等信息技术,开展城市住宅及其价格与区域商服业的空间关联性的量化研究,有助于创新城市人文- 经济地理研究方法,并实现研究成果的决策关联.以中国东北地区重要的中心城市沈阳市为案例,以市内9区为研究区域,基于POI数据并运用GIS空间分析技术,定量评估零售业和居民住宅聚集度的空间分布规律,分析零售业与住宅的空间相关性特征,揭示住宅价格与零售业空间异质性的关系,以期为优化沈阳市商住空间布局,促进城市可持续发展提供决策支持. ...
北京市景观可达性与住宅价格空间关联
1
2014
... 传统的住宅空间信息研究多采用部门统计数据[15 ,16 ] 和问卷调查数据[17 ] ,不仅耗时耗力而且主观性较强.兴趣点（Point of Interest, 简称POI）作为重要的城市空间地理大数据[18 ] ,可以实时描述地理实体的空间和属性信息,如名称、地址和坐标等,具有样本量大、涵盖信息细致等优势[19 ] ,基于POI的研究已经在城市基础设施[20 ,21 ] 、商业空间布局[14 ] 、住宅分布格局[22 ] 等领域取得系列成果.同时,通过地理信息系统（GIS）数学运算分析地理空间数据中隐藏的模式[23 ] ,有助于更好地理解城市空间结构[24 ,25 ] .目前,对商业和住宅密度的相互依赖特性依然有待深入解析,因此,通过运用POI与GIS等信息技术,开展城市住宅及其价格与区域商服业的空间关联性的量化研究,有助于创新城市人文- 经济地理研究方法,并实现研究成果的决策关联.以中国东北地区重要的中心城市沈阳市为案例,以市内9区为研究区域,基于POI数据并运用GIS空间分析技术,定量评估零售业和居民住宅聚集度的空间分布规律,分析零售业与住宅的空间相关性特征,揭示住宅价格与零售业空间异质性的关系,以期为优化沈阳市商住空间布局,促进城市可持续发展提供决策支持. ...
北京市景观可达性与住宅价格空间关联
1
2014
... 传统的住宅空间信息研究多采用部门统计数据[15 ,16 ] 和问卷调查数据[17 ] ,不仅耗时耗力而且主观性较强.兴趣点（Point of Interest, 简称POI）作为重要的城市空间地理大数据[18 ] ,可以实时描述地理实体的空间和属性信息,如名称、地址和坐标等,具有样本量大、涵盖信息细致等优势[19 ] ,基于POI的研究已经在城市基础设施[20 ,21 ] 、商业空间布局[14 ] 、住宅分布格局[22 ] 等领域取得系列成果.同时,通过地理信息系统（GIS）数学运算分析地理空间数据中隐藏的模式[23 ] ,有助于更好地理解城市空间结构[24 ,25 ] .目前,对商业和住宅密度的相互依赖特性依然有待深入解析,因此,通过运用POI与GIS等信息技术,开展城市住宅及其价格与区域商服业的空间关联性的量化研究,有助于创新城市人文- 经济地理研究方法,并实现研究成果的决策关联.以中国东北地区重要的中心城市沈阳市为案例,以市内9区为研究区域,基于POI数据并运用GIS空间分析技术,定量评估零售业和居民住宅聚集度的空间分布规律,分析零售业与住宅的空间相关性特征,揭示住宅价格与零售业空间异质性的关系,以期为优化沈阳市商住空间布局,促进城市可持续发展提供决策支持. ...
转型期城市居民生活空间研究
1
2015
... 传统的住宅空间信息研究多采用部门统计数据[15 ,16 ] 和问卷调查数据[17 ] ,不仅耗时耗力而且主观性较强.兴趣点（Point of Interest, 简称POI）作为重要的城市空间地理大数据[18 ] ,可以实时描述地理实体的空间和属性信息,如名称、地址和坐标等,具有样本量大、涵盖信息细致等优势[19 ] ,基于POI的研究已经在城市基础设施[20 ,21 ] 、商业空间布局[14 ] 、住宅分布格局[22 ] 等领域取得系列成果.同时,通过地理信息系统（GIS）数学运算分析地理空间数据中隐藏的模式[23 ] ,有助于更好地理解城市空间结构[24 ,25 ] .目前,对商业和住宅密度的相互依赖特性依然有待深入解析,因此,通过运用POI与GIS等信息技术,开展城市住宅及其价格与区域商服业的空间关联性的量化研究,有助于创新城市人文- 经济地理研究方法,并实现研究成果的决策关联.以中国东北地区重要的中心城市沈阳市为案例,以市内9区为研究区域,基于POI数据并运用GIS空间分析技术,定量评估零售业和居民住宅聚集度的空间分布规律,分析零售业与住宅的空间相关性特征,揭示住宅价格与零售业空间异质性的关系,以期为优化沈阳市商住空间布局,促进城市可持续发展提供决策支持. ...
转型期城市居民生活空间研究
1
2015
... 传统的住宅空间信息研究多采用部门统计数据[15 ,16 ] 和问卷调查数据[17 ] ,不仅耗时耗力而且主观性较强.兴趣点（Point of Interest, 简称POI）作为重要的城市空间地理大数据[18 ] ,可以实时描述地理实体的空间和属性信息,如名称、地址和坐标等,具有样本量大、涵盖信息细致等优势[19 ] ,基于POI的研究已经在城市基础设施[20 ,21 ] 、商业空间布局[14 ] 、住宅分布格局[22 ] 等领域取得系列成果.同时,通过地理信息系统（GIS）数学运算分析地理空间数据中隐藏的模式[23 ] ,有助于更好地理解城市空间结构[24 ,25 ] .目前,对商业和住宅密度的相互依赖特性依然有待深入解析,因此,通过运用POI与GIS等信息技术,开展城市住宅及其价格与区域商服业的空间关联性的量化研究,有助于创新城市人文- 经济地理研究方法,并实现研究成果的决策关联.以中国东北地区重要的中心城市沈阳市为案例,以市内9区为研究区域,基于POI数据并运用GIS空间分析技术,定量评估零售业和居民住宅聚集度的空间分布规律,分析零售业与住宅的空间相关性特征,揭示住宅价格与零售业空间异质性的关系,以期为优化沈阳市商住空间布局,促进城市可持续发展提供决策支持. ...
基于POI数据的广州零售商业中心热点识别与业态集聚特征分析
1
2016
... 传统的住宅空间信息研究多采用部门统计数据[15 ,16 ] 和问卷调查数据[17 ] ,不仅耗时耗力而且主观性较强.兴趣点（Point of Interest, 简称POI）作为重要的城市空间地理大数据[18 ] ,可以实时描述地理实体的空间和属性信息,如名称、地址和坐标等,具有样本量大、涵盖信息细致等优势[19 ] ,基于POI的研究已经在城市基础设施[20 ,21 ] 、商业空间布局[14 ] 、住宅分布格局[22 ] 等领域取得系列成果.同时,通过地理信息系统（GIS）数学运算分析地理空间数据中隐藏的模式[23 ] ,有助于更好地理解城市空间结构[24 ,25 ] .目前,对商业和住宅密度的相互依赖特性依然有待深入解析,因此,通过运用POI与GIS等信息技术,开展城市住宅及其价格与区域商服业的空间关联性的量化研究,有助于创新城市人文- 经济地理研究方法,并实现研究成果的决策关联.以中国东北地区重要的中心城市沈阳市为案例,以市内9区为研究区域,基于POI数据并运用GIS空间分析技术,定量评估零售业和居民住宅聚集度的空间分布规律,分析零售业与住宅的空间相关性特征,揭示住宅价格与零售业空间异质性的关系,以期为优化沈阳市商住空间布局,促进城市可持续发展提供决策支持. ...
基于POI数据的广州零售商业中心热点识别与业态集聚特征分析
1
2016
... 传统的住宅空间信息研究多采用部门统计数据[15 ,16 ] 和问卷调查数据[17 ] ,不仅耗时耗力而且主观性较强.兴趣点（Point of Interest, 简称POI）作为重要的城市空间地理大数据[18 ] ,可以实时描述地理实体的空间和属性信息,如名称、地址和坐标等,具有样本量大、涵盖信息细致等优势[19 ] ,基于POI的研究已经在城市基础设施[20 ,21 ] 、商业空间布局[14 ] 、住宅分布格局[22 ] 等领域取得系列成果.同时,通过地理信息系统（GIS）数学运算分析地理空间数据中隐藏的模式[23 ] ,有助于更好地理解城市空间结构[24 ,25 ] .目前,对商业和住宅密度的相互依赖特性依然有待深入解析,因此,通过运用POI与GIS等信息技术,开展城市住宅及其价格与区域商服业的空间关联性的量化研究,有助于创新城市人文- 经济地理研究方法,并实现研究成果的决策关联.以中国东北地区重要的中心城市沈阳市为案例,以市内9区为研究区域,基于POI数据并运用GIS空间分析技术,定量评估零售业和居民住宅聚集度的空间分布规律,分析零售业与住宅的空间相关性特征,揭示住宅价格与零售业空间异质性的关系,以期为优化沈阳市商住空间布局,促进城市可持续发展提供决策支持. ...
基于POI大数据的城市零售业空间热点分析——以辽宁省沈阳市为例
1
2018
... 传统的住宅空间信息研究多采用部门统计数据[15 ,16 ] 和问卷调查数据[17 ] ,不仅耗时耗力而且主观性较强.兴趣点（Point of Interest, 简称POI）作为重要的城市空间地理大数据[18 ] ,可以实时描述地理实体的空间和属性信息,如名称、地址和坐标等,具有样本量大、涵盖信息细致等优势[19 ] ,基于POI的研究已经在城市基础设施[20 ,21 ] 、商业空间布局[14 ] 、住宅分布格局[22 ] 等领域取得系列成果.同时,通过地理信息系统（GIS）数学运算分析地理空间数据中隐藏的模式[23 ] ,有助于更好地理解城市空间结构[24 ,25 ] .目前,对商业和住宅密度的相互依赖特性依然有待深入解析,因此,通过运用POI与GIS等信息技术,开展城市住宅及其价格与区域商服业的空间关联性的量化研究,有助于创新城市人文- 经济地理研究方法,并实现研究成果的决策关联.以中国东北地区重要的中心城市沈阳市为案例,以市内9区为研究区域,基于POI数据并运用GIS空间分析技术,定量评估零售业和居民住宅聚集度的空间分布规律,分析零售业与住宅的空间相关性特征,揭示住宅价格与零售业空间异质性的关系,以期为优化沈阳市商住空间布局,促进城市可持续发展提供决策支持. ...
基于POI大数据的城市零售业空间热点分析——以辽宁省沈阳市为例
1
2018
... 传统的住宅空间信息研究多采用部门统计数据[15 ,16 ] 和问卷调查数据[17 ] ,不仅耗时耗力而且主观性较强.兴趣点（Point of Interest, 简称POI）作为重要的城市空间地理大数据[18 ] ,可以实时描述地理实体的空间和属性信息,如名称、地址和坐标等,具有样本量大、涵盖信息细致等优势[19 ] ,基于POI的研究已经在城市基础设施[20 ,21 ] 、商业空间布局[14 ] 、住宅分布格局[22 ] 等领域取得系列成果.同时,通过地理信息系统（GIS）数学运算分析地理空间数据中隐藏的模式[23 ] ,有助于更好地理解城市空间结构[24 ,25 ] .目前,对商业和住宅密度的相互依赖特性依然有待深入解析,因此,通过运用POI与GIS等信息技术,开展城市住宅及其价格与区域商服业的空间关联性的量化研究,有助于创新城市人文- 经济地理研究方法,并实现研究成果的决策关联.以中国东北地区重要的中心城市沈阳市为案例,以市内9区为研究区域,基于POI数据并运用GIS空间分析技术,定量评估零售业和居民住宅聚集度的空间分布规律,分析零售业与住宅的空间相关性特征,揭示住宅价格与零售业空间异质性的关系,以期为优化沈阳市商住空间布局,促进城市可持续发展提供决策支持. ...
基于POI数据的生活设施空间分布及配套情况研究——以济南市内五区为例
1
2017
... 传统的住宅空间信息研究多采用部门统计数据[15 ,16 ] 和问卷调查数据[17 ] ,不仅耗时耗力而且主观性较强.兴趣点（Point of Interest, 简称POI）作为重要的城市空间地理大数据[18 ] ,可以实时描述地理实体的空间和属性信息,如名称、地址和坐标等,具有样本量大、涵盖信息细致等优势[19 ] ,基于POI的研究已经在城市基础设施[20 ,21 ] 、商业空间布局[14 ] 、住宅分布格局[22 ] 等领域取得系列成果.同时,通过地理信息系统（GIS）数学运算分析地理空间数据中隐藏的模式[23 ] ,有助于更好地理解城市空间结构[24 ,25 ] .目前,对商业和住宅密度的相互依赖特性依然有待深入解析,因此,通过运用POI与GIS等信息技术,开展城市住宅及其价格与区域商服业的空间关联性的量化研究,有助于创新城市人文- 经济地理研究方法,并实现研究成果的决策关联.以中国东北地区重要的中心城市沈阳市为案例,以市内9区为研究区域,基于POI数据并运用GIS空间分析技术,定量评估零售业和居民住宅聚集度的空间分布规律,分析零售业与住宅的空间相关性特征,揭示住宅价格与零售业空间异质性的关系,以期为优化沈阳市商住空间布局,促进城市可持续发展提供决策支持. ...
基于POI数据的生活设施空间分布及配套情况研究——以济南市内五区为例
1
2017
... 传统的住宅空间信息研究多采用部门统计数据[15 ,16 ] 和问卷调查数据[17 ] ,不仅耗时耗力而且主观性较强.兴趣点（Point of Interest, 简称POI）作为重要的城市空间地理大数据[18 ] ,可以实时描述地理实体的空间和属性信息,如名称、地址和坐标等,具有样本量大、涵盖信息细致等优势[19 ] ,基于POI的研究已经在城市基础设施[20 ,21 ] 、商业空间布局[14 ] 、住宅分布格局[22 ] 等领域取得系列成果.同时,通过地理信息系统（GIS）数学运算分析地理空间数据中隐藏的模式[23 ] ,有助于更好地理解城市空间结构[24 ,25 ] .目前,对商业和住宅密度的相互依赖特性依然有待深入解析,因此,通过运用POI与GIS等信息技术,开展城市住宅及其价格与区域商服业的空间关联性的量化研究,有助于创新城市人文- 经济地理研究方法,并实现研究成果的决策关联.以中国东北地区重要的中心城市沈阳市为案例,以市内9区为研究区域,基于POI数据并运用GIS空间分析技术,定量评估零售业和居民住宅聚集度的空间分布规律,分析零售业与住宅的空间相关性特征,揭示住宅价格与零售业空间异质性的关系,以期为优化沈阳市商住空间布局,促进城市可持续发展提供决策支持. ...
核密度估计法支持下的网络空间POI点可视化与分析
1
2015
... 传统的住宅空间信息研究多采用部门统计数据[15 ,16 ] 和问卷调查数据[17 ] ,不仅耗时耗力而且主观性较强.兴趣点（Point of Interest, 简称POI）作为重要的城市空间地理大数据[18 ] ,可以实时描述地理实体的空间和属性信息,如名称、地址和坐标等,具有样本量大、涵盖信息细致等优势[19 ] ,基于POI的研究已经在城市基础设施[20 ,21 ] 、商业空间布局[14 ] 、住宅分布格局[22 ] 等领域取得系列成果.同时,通过地理信息系统（GIS）数学运算分析地理空间数据中隐藏的模式[23 ] ,有助于更好地理解城市空间结构[24 ,25 ] .目前,对商业和住宅密度的相互依赖特性依然有待深入解析,因此,通过运用POI与GIS等信息技术,开展城市住宅及其价格与区域商服业的空间关联性的量化研究,有助于创新城市人文- 经济地理研究方法,并实现研究成果的决策关联.以中国东北地区重要的中心城市沈阳市为案例,以市内9区为研究区域,基于POI数据并运用GIS空间分析技术,定量评估零售业和居民住宅聚集度的空间分布规律,分析零售业与住宅的空间相关性特征,揭示住宅价格与零售业空间异质性的关系,以期为优化沈阳市商住空间布局,促进城市可持续发展提供决策支持. ...
核密度估计法支持下的网络空间POI点可视化与分析
1
2015
... 传统的住宅空间信息研究多采用部门统计数据[15 ,16 ] 和问卷调查数据[17 ] ,不仅耗时耗力而且主观性较强.兴趣点（Point of Interest, 简称POI）作为重要的城市空间地理大数据[18 ] ,可以实时描述地理实体的空间和属性信息,如名称、地址和坐标等,具有样本量大、涵盖信息细致等优势[19 ] ,基于POI的研究已经在城市基础设施[20 ,21 ] 、商业空间布局[14 ] 、住宅分布格局[22 ] 等领域取得系列成果.同时,通过地理信息系统（GIS）数学运算分析地理空间数据中隐藏的模式[23 ] ,有助于更好地理解城市空间结构[24 ,25 ] .目前,对商业和住宅密度的相互依赖特性依然有待深入解析,因此,通过运用POI与GIS等信息技术,开展城市住宅及其价格与区域商服业的空间关联性的量化研究,有助于创新城市人文- 经济地理研究方法,并实现研究成果的决策关联.以中国东北地区重要的中心城市沈阳市为案例,以市内9区为研究区域,基于POI数据并运用GIS空间分析技术,定量评估零售业和居民住宅聚集度的空间分布规律,分析零售业与住宅的空间相关性特征,揭示住宅价格与零售业空间异质性的关系,以期为优化沈阳市商住空间布局,促进城市可持续发展提供决策支持. ...
基于POI数据的南京商品房价格空间分布与驱动机制实证研究
2
2017
... 传统的住宅空间信息研究多采用部门统计数据[15 ,16 ] 和问卷调查数据[17 ] ,不仅耗时耗力而且主观性较强.兴趣点（Point of Interest, 简称POI）作为重要的城市空间地理大数据[18 ] ,可以实时描述地理实体的空间和属性信息,如名称、地址和坐标等,具有样本量大、涵盖信息细致等优势[19 ] ,基于POI的研究已经在城市基础设施[20 ,21 ] 、商业空间布局[14 ] 、住宅分布格局[22 ] 等领域取得系列成果.同时,通过地理信息系统（GIS）数学运算分析地理空间数据中隐藏的模式[23 ] ,有助于更好地理解城市空间结构[24 ,25 ] .目前,对商业和住宅密度的相互依赖特性依然有待深入解析,因此,通过运用POI与GIS等信息技术,开展城市住宅及其价格与区域商服业的空间关联性的量化研究,有助于创新城市人文- 经济地理研究方法,并实现研究成果的决策关联.以中国东北地区重要的中心城市沈阳市为案例,以市内9区为研究区域,基于POI数据并运用GIS空间分析技术,定量评估零售业和居民住宅聚集度的空间分布规律,分析零售业与住宅的空间相关性特征,揭示住宅价格与零售业空间异质性的关系,以期为优化沈阳市商住空间布局,促进城市可持续发展提供决策支持. ...
... 城市住宅 POI 数据包含住宅名称、地址、经纬度等属性信息,主要是将住宅小区以点数据形式存储,简化住宅本身面积、楼盘数量等信息带来的复杂状况,有助于有效分析零售业空间区位对住宅分布及住宅价格带来的影响[22 ] .利用Geosharp1.0采集2017年住宅和零售业POI数据,基于高德地图POI分类标准,将住宅区POI数据划分为5个大类,即住宅区、别墅、住宅小区、宿舍、社区中心.考虑到社区中心是城镇居民自治组织事业单位办公地点,无居住属性,因此将其他4类作为研究对象,合并后统称为“住宅”.经过去重、筛选等处理过程,共提取出5 368条有效住宅POI信息（表1 ）. ...
基于POI数据的南京商品房价格空间分布与驱动机制实证研究
2
2017
... 传统的住宅空间信息研究多采用部门统计数据[15 ,16 ] 和问卷调查数据[17 ] ,不仅耗时耗力而且主观性较强.兴趣点（Point of Interest, 简称POI）作为重要的城市空间地理大数据[18 ] ,可以实时描述地理实体的空间和属性信息,如名称、地址和坐标等,具有样本量大、涵盖信息细致等优势[19 ] ,基于POI的研究已经在城市基础设施[20 ,21 ] 、商业空间布局[14 ] 、住宅分布格局[22 ] 等领域取得系列成果.同时,通过地理信息系统（GIS）数学运算分析地理空间数据中隐藏的模式[23 ] ,有助于更好地理解城市空间结构[24 ,25 ] .目前,对商业和住宅密度的相互依赖特性依然有待深入解析,因此,通过运用POI与GIS等信息技术,开展城市住宅及其价格与区域商服业的空间关联性的量化研究,有助于创新城市人文- 经济地理研究方法,并实现研究成果的决策关联.以中国东北地区重要的中心城市沈阳市为案例,以市内9区为研究区域,基于POI数据并运用GIS空间分析技术,定量评估零售业和居民住宅聚集度的空间分布规律,分析零售业与住宅的空间相关性特征,揭示住宅价格与零售业空间异质性的关系,以期为优化沈阳市商住空间布局,促进城市可持续发展提供决策支持. ...
... 城市住宅 POI 数据包含住宅名称、地址、经纬度等属性信息,主要是将住宅小区以点数据形式存储,简化住宅本身面积、楼盘数量等信息带来的复杂状况,有助于有效分析零售业空间区位对住宅分布及住宅价格带来的影响[22 ] .利用Geosharp1.0采集2017年住宅和零售业POI数据,基于高德地图POI分类标准,将住宅区POI数据划分为5个大类,即住宅区、别墅、住宅小区、宿舍、社区中心.考虑到社区中心是城镇居民自治组织事业单位办公地点,无居住属性,因此将其他4类作为研究对象,合并后统称为“住宅”.经过去重、筛选等处理过程,共提取出5 368条有效住宅POI信息（表1 ）. ...
Sustainability investigation of resource-based cities in Northeastern China
1
2016
... 传统的住宅空间信息研究多采用部门统计数据[15 ,16 ] 和问卷调查数据[17 ] ,不仅耗时耗力而且主观性较强.兴趣点（Point of Interest, 简称POI）作为重要的城市空间地理大数据[18 ] ,可以实时描述地理实体的空间和属性信息,如名称、地址和坐标等,具有样本量大、涵盖信息细致等优势[19 ] ,基于POI的研究已经在城市基础设施[20 ,21 ] 、商业空间布局[14 ] 、住宅分布格局[22 ] 等领域取得系列成果.同时,通过地理信息系统（GIS）数学运算分析地理空间数据中隐藏的模式[23 ] ,有助于更好地理解城市空间结构[24 ,25 ] .目前,对商业和住宅密度的相互依赖特性依然有待深入解析,因此,通过运用POI与GIS等信息技术,开展城市住宅及其价格与区域商服业的空间关联性的量化研究,有助于创新城市人文- 经济地理研究方法,并实现研究成果的决策关联.以中国东北地区重要的中心城市沈阳市为案例,以市内9区为研究区域,基于POI数据并运用GIS空间分析技术,定量评估零售业和居民住宅聚集度的空间分布规律,分析零售业与住宅的空间相关性特征,揭示住宅价格与零售业空间异质性的关系,以期为优化沈阳市商住空间布局,促进城市可持续发展提供决策支持. ...
GIS and spatial analysis of housing and mortgage markets
1
1998
... 传统的住宅空间信息研究多采用部门统计数据[15 ,16 ] 和问卷调查数据[17 ] ,不仅耗时耗力而且主观性较强.兴趣点（Point of Interest, 简称POI）作为重要的城市空间地理大数据[18 ] ,可以实时描述地理实体的空间和属性信息,如名称、地址和坐标等,具有样本量大、涵盖信息细致等优势[19 ] ,基于POI的研究已经在城市基础设施[20 ,21 ] 、商业空间布局[14 ] 、住宅分布格局[22 ] 等领域取得系列成果.同时,通过地理信息系统（GIS）数学运算分析地理空间数据中隐藏的模式[23 ] ,有助于更好地理解城市空间结构[24 ,25 ] .目前,对商业和住宅密度的相互依赖特性依然有待深入解析,因此,通过运用POI与GIS等信息技术,开展城市住宅及其价格与区域商服业的空间关联性的量化研究,有助于创新城市人文- 经济地理研究方法,并实现研究成果的决策关联.以中国东北地区重要的中心城市沈阳市为案例,以市内9区为研究区域,基于POI数据并运用GIS空间分析技术,定量评估零售业和居民住宅聚集度的空间分布规律,分析零售业与住宅的空间相关性特征,揭示住宅价格与零售业空间异质性的关系,以期为优化沈阳市商住空间布局,促进城市可持续发展提供决策支持. ...
A GIS-based urban and peri-urban landscape representation toolbox for hydrological distributed modeling
1
2017
... 传统的住宅空间信息研究多采用部门统计数据[15 ,16 ] 和问卷调查数据[17 ] ,不仅耗时耗力而且主观性较强.兴趣点（Point of Interest, 简称POI）作为重要的城市空间地理大数据[18 ] ,可以实时描述地理实体的空间和属性信息,如名称、地址和坐标等,具有样本量大、涵盖信息细致等优势[19 ] ,基于POI的研究已经在城市基础设施[20 ,21 ] 、商业空间布局[14 ] 、住宅分布格局[22 ] 等领域取得系列成果.同时,通过地理信息系统（GIS）数学运算分析地理空间数据中隐藏的模式[23 ] ,有助于更好地理解城市空间结构[24 ,25 ] .目前,对商业和住宅密度的相互依赖特性依然有待深入解析,因此,通过运用POI与GIS等信息技术,开展城市住宅及其价格与区域商服业的空间关联性的量化研究,有助于创新城市人文- 经济地理研究方法,并实现研究成果的决策关联.以中国东北地区重要的中心城市沈阳市为案例,以市内9区为研究区域,基于POI数据并运用GIS空间分析技术,定量评估零售业和居民住宅聚集度的空间分布规律,分析零售业与住宅的空间相关性特征,揭示住宅价格与零售业空间异质性的关系,以期为优化沈阳市商住空间布局,促进城市可持续发展提供决策支持. ...
中国老工业城市能源消费碳排放的驱动力分析——以沈阳市为例
1
2012
... 沈阳市是全国著名老工业城市,位于东北亚经济圈和环渤海经济圈中心[26 ] .现辖10区（和平、沈河、皇姑、大东、铁西区、浑南、苏家屯、于洪、辽中、沈北新区）、2县（法库、康平）、1市（新民）.其中,康平、法库、新民和辽中距离中心城区较远,其城市建设具有相对独立性,因此本研究区域确定为其余9个区,总面积3 470 km².目前,沈阳正处于城市化加速发展的转型时期[27 ] ,城市空间结构发生明显变化,商服业迅速发展并进一步向城市中心聚集.因此,以沈阳市作为案例区开展城市住宅与零售业空间布局关联性研究存在现实意义. ...
中国老工业城市能源消费碳排放的驱动力分析——以沈阳市为例
1
2012
... 沈阳市是全国著名老工业城市,位于东北亚经济圈和环渤海经济圈中心[26 ] .现辖10区（和平、沈河、皇姑、大东、铁西区、浑南、苏家屯、于洪、辽中、沈北新区）、2县（法库、康平）、1市（新民）.其中,康平、法库、新民和辽中距离中心城区较远,其城市建设具有相对独立性,因此本研究区域确定为其余9个区,总面积3 470 km².目前,沈阳正处于城市化加速发展的转型时期[27 ] ,城市空间结构发生明显变化,商服业迅速发展并进一步向城市中心聚集.因此,以沈阳市作为案例区开展城市住宅与零售业空间布局关联性研究存在现实意义. ...
老工业区城市功能的生态化路径评价——以沈阳为例
1
2014
... 沈阳市是全国著名老工业城市,位于东北亚经济圈和环渤海经济圈中心[26 ] .现辖10区（和平、沈河、皇姑、大东、铁西区、浑南、苏家屯、于洪、辽中、沈北新区）、2县（法库、康平）、1市（新民）.其中,康平、法库、新民和辽中距离中心城区较远,其城市建设具有相对独立性,因此本研究区域确定为其余9个区,总面积3 470 km².目前,沈阳正处于城市化加速发展的转型时期[27 ] ,城市空间结构发生明显变化,商服业迅速发展并进一步向城市中心聚集.因此,以沈阳市作为案例区开展城市住宅与零售业空间布局关联性研究存在现实意义. ...
老工业区城市功能的生态化路径评价——以沈阳为例
1
2014
... 沈阳市是全国著名老工业城市,位于东北亚经济圈和环渤海经济圈中心[26 ] .现辖10区（和平、沈河、皇姑、大东、铁西区、浑南、苏家屯、于洪、辽中、沈北新区）、2县（法库、康平）、1市（新民）.其中,康平、法库、新民和辽中距离中心城区较远,其城市建设具有相对独立性,因此本研究区域确定为其余9个区,总面积3 470 km².目前,沈阳正处于城市化加速发展的转型时期[27 ] ,城市空间结构发生明显变化,商服业迅速发展并进一步向城市中心聚集.因此,以沈阳市作为案例区开展城市住宅与零售业空间布局关联性研究存在现实意义. ...
1
1998
... 根据中心地理论[28 ] ,基于不同等级规模的商业对居民提供不同的服务范围的原则,将零售业POI数据按照规模和辐射范围进行筛选归类：① 商场和特色商业街（以下合称“商场商厦”）,以经营个人和家庭用品等综合类商品为主,是规模较大、辐射范围较广的零售业类型;② 超市,是满足顾客日常生活所需商品的零售业类型,多以家庭为主要销售单位,大多选址在居民区;③ 便民商店(以下简称“便利店”),主要是超市中消耗率比较高的日常消费品,具有即时性、应急性的特点.上述零售业的POI数据经过清洗后获得15 669条有效信息（表1 ）.平均房价数据采集于安居客、房天下等房产交易机构,包括新房和二手房在内的1 280个有效数据,通过将价格与住宅所在空间位置进行匹配,获得房价空间信息. ...
1
1998
... 根据中心地理论[28 ] ,基于不同等级规模的商业对居民提供不同的服务范围的原则,将零售业POI数据按照规模和辐射范围进行筛选归类：① 商场和特色商业街（以下合称“商场商厦”）,以经营个人和家庭用品等综合类商品为主,是规模较大、辐射范围较广的零售业类型;② 超市,是满足顾客日常生活所需商品的零售业类型,多以家庭为主要销售单位,大多选址在居民区;③ 便民商店(以下简称“便利店”),主要是超市中消耗率比较高的日常消费品,具有即时性、应急性的特点.上述零售业的POI数据经过清洗后获得15 669条有效信息（表1 ）.平均房价数据采集于安居客、房天下等房产交易机构,包括新房和二手房在内的1 280个有效数据,通过将价格与住宅所在空间位置进行匹配,获得房价空间信息. ...
Density estimation for statistics and data analysis
1
1986
... 核密度估计(Kernel Density Estimation, KDE)的基本原理是以样点为中心,通过核函数计算出样点在指定半径范围内对栅格单元中心点的密度贡献值,采用 Silverman 等[29 ] 的二次核函数计算： ...
沈阳地区商业综合体的建筑设计研究
1
2014
... 总体上,零售商业服务于家庭,商业的区位分布通常与住宅分布特征具有较强的相关性,零售业与住宅的密度梯度出现“商住联动”现象.零售业离不开住宅所提供的人流,住宅的发展和迁移,预示着消费市场的迁移,从而为宜居板块内零售业的形成和聚集提供了契机,催生了满足消费者就近消费心理的“社区商业”.沈阳商业综合体正在促成许多区域的繁华中心[30 ] ,随着万科城、金地琥珀天地等大型商业综合体的兴建运营,社区商业逐渐成为商业发展新契机. ...
沈阳地区商业综合体的建筑设计研究
1
2014
... 总体上,零售商业服务于家庭,商业的区位分布通常与住宅分布特征具有较强的相关性,零售业与住宅的密度梯度出现“商住联动”现象.零售业离不开住宅所提供的人流,住宅的发展和迁移,预示着消费市场的迁移,从而为宜居板块内零售业的形成和聚集提供了契机,催生了满足消费者就近消费心理的“社区商业”.沈阳商业综合体正在促成许多区域的繁华中心[30 ] ,随着万科城、金地琥珀天地等大型商业综合体的兴建运营,社区商业逐渐成为商业发展新契机. ...
1
2004
... 根据《零售业态分类》标准[31 ] 及其他研究成果[32 ] ,大型商场主要商圈半径为3 km左右.以研究区购物中心为中心点,将3 km作为沿道路网步行到购物中心的最大距离,在此距离内的区域视为购物中心服务区.大型零售业服务区分布具有明显的不均衡特征,呈现在中心5个城区的重叠度较高、市内5区边界以外数量骤然下降的态势.没有包含在购物中心服务范围内的住宅占比全部住宅的15%,包含铁西经济技术开发区、于洪丁香湖公园附近、大东区北侧边界以北、浑南区水秀湖广场等住宅群（图4 ）,由于周边没有与之配套的大型购物中心,因此适宜成为大型零售业网点规划布局的首选. ...
1
2004
... 根据《零售业态分类》标准[31 ] 及其他研究成果[32 ] ,大型商场主要商圈半径为3 km左右.以研究区购物中心为中心点,将3 km作为沿道路网步行到购物中心的最大距离,在此距离内的区域视为购物中心服务区.大型零售业服务区分布具有明显的不均衡特征,呈现在中心5个城区的重叠度较高、市内5区边界以外数量骤然下降的态势.没有包含在购物中心服务范围内的住宅占比全部住宅的15%,包含铁西经济技术开发区、于洪丁香湖公园附近、大东区北侧边界以北、浑南区水秀湖广场等住宅群（图4 ）,由于周边没有与之配套的大型购物中心,因此适宜成为大型零售业网点规划布局的首选. ...
兰州市大中型超市的空间分布格局及其影响因素
1
2016
... 根据《零售业态分类》标准[31 ] 及其他研究成果[32 ] ,大型商场主要商圈半径为3 km左右.以研究区购物中心为中心点,将3 km作为沿道路网步行到购物中心的最大距离,在此距离内的区域视为购物中心服务区.大型零售业服务区分布具有明显的不均衡特征,呈现在中心5个城区的重叠度较高、市内5区边界以外数量骤然下降的态势.没有包含在购物中心服务范围内的住宅占比全部住宅的15%,包含铁西经济技术开发区、于洪丁香湖公园附近、大东区北侧边界以北、浑南区水秀湖广场等住宅群（图4 ）,由于周边没有与之配套的大型购物中心,因此适宜成为大型零售业网点规划布局的首选. ...
兰州市大中型超市的空间分布格局及其影响因素
1
2016
... 根据《零售业态分类》标准[31 ] 及其他研究成果[32 ] ,大型商场主要商圈半径为3 km左右.以研究区购物中心为中心点,将3 km作为沿道路网步行到购物中心的最大距离,在此距离内的区域视为购物中心服务区.大型零售业服务区分布具有明显的不均衡特征,呈现在中心5个城区的重叠度较高、市内5区边界以外数量骤然下降的态势.没有包含在购物中心服务范围内的住宅占比全部住宅的15%,包含铁西经济技术开发区、于洪丁香湖公园附近、大东区北侧边界以北、浑南区水秀湖广场等住宅群（图4 ）,由于周边没有与之配套的大型购物中心,因此适宜成为大型零售业网点规划布局的首选. ...
城市住房价格的空间分布格局研究——以沈阳市为例
1
2014
... 地统计分析的趋势分析是根据空间抽样数据拟合一个数学曲面,用该数学曲面模拟房价空间分布的空间变化情况.本研究将住宅的空间坐标点（x,y ）作为自变量,每个住宅的价格作为因变量来考查房价在空间上得变化趋势（图5 ）.图5 表明沈阳市住宅房价在南北方向和东西方向上均呈现出两边低、中间高的倒“U”型分布态势.房价存在以城市中心为高点,逐步向外扩散衰减的“圈层”分布态势,这与零售业密度的分布规律相符.东西方向两端最低点处的房价大体相同,东部略高于西部;南北方向的南部房价低值点明显高于北部房价的低值点,浑河沿岸出现了明显的房价凸起.该研究结果与李广娣等[33 ] 的研究具有高度一致性,即沈阳市住房价格的空间分布特征是由中心区域呈环状向外围逐渐递减,并呈现出南高北低的趋势. ...
城市住房价格的空间分布格局研究——以沈阳市为例
1
2014
... 地统计分析的趋势分析是根据空间抽样数据拟合一个数学曲面,用该数学曲面模拟房价空间分布的空间变化情况.本研究将住宅的空间坐标点（x,y ）作为自变量,每个住宅的价格作为因变量来考查房价在空间上得变化趋势（图5 ）.图5 表明沈阳市住宅房价在南北方向和东西方向上均呈现出两边低、中间高的倒“U”型分布态势.房价存在以城市中心为高点,逐步向外扩散衰减的“圈层”分布态势,这与零售业密度的分布规律相符.东西方向两端最低点处的房价大体相同,东部略高于西部;南北方向的南部房价低值点明显高于北部房价的低值点,浑河沿岸出现了明显的房价凸起.该研究结果与李广娣等[33 ] 的研究具有高度一致性,即沈阳市住房价格的空间分布特征是由中心区域呈环状向外围逐渐递减,并呈现出南高北低的趋势. ...
, 肖骁
