【作者】

趙慧敏、闞長(zhǎng)城、龍瀛

清華大學(xué)恒隆房地產(chǎn)研究中心

【原文信息】

Zhao, H., Kan, C., & Long, Y. (2025). Housing Vacancy Rate Estimation in High-Rise Residential Communities: An Experiment Utilizing Multi-Sourced Data in Beijing. Cities, 166, 106197.

【論文鏈接】

https://www.sciencedirect.com/science/article/abs/pii/S0264275125004883

內(nèi)容導(dǎo)讀

龍瀛教授團(tuán)隊(duì)的研究論文“Housing Vacancy Rate Estimation in High-Rise Residential Communities: An Experiment Utilizing Multi-Sourced Data in Beijing”（《高層住宅居住區(qū)的住房空置率估算：基于多源數(shù)據(jù)的北京實(shí)驗(yàn)》），在SCI期刊Cities在線發(fā)表。Cities目前為JCR Q1期刊。

在快速的城市化進(jìn)程中，高層住宅已成為主要的住房類型，這一趨勢(shì)預(yù)計(jì)將持續(xù)并加劇。然而，部分高層居住區(qū)存在嚴(yán)重的住房空置現(xiàn)象，導(dǎo)致城市空間資源利用效率低下和浪費(fèi)嚴(yán)重。準(zhǔn)確確定居住區(qū)尺度的住房空置率（Housing Vacancy Rate , HVR）對(duì)于改善資源分配至關(guān)重要。傳統(tǒng) HVR 評(píng)估 方法往往面臨空間覆蓋范圍有限和分辨率不足的挑戰(zhàn)，特別是在高層城市環(huán)境中。本研究比較了居住區(qū)尺度估算HVR的幾種方法，包括使用基于位置的服務(wù)（Location-based Services, LBS）數(shù)據(jù)、手機(jī)信令數(shù)據(jù)和三種類型的夜間燈光數(shù)據(jù)。這些方法被應(yīng)用于北京五環(huán)內(nèi)的5737個(gè)住宅小區(qū)。為了驗(yàn)證這些方法的準(zhǔn)確性，在103個(gè)具有代表性的居住區(qū)進(jìn)行了實(shí)地調(diào)查，利用Wi-Fi 探針估算家庭數(shù)量。結(jié)果表明，LBS數(shù)據(jù)具有最高的準(zhǔn)確性（相關(guān)系數(shù)：0.76），突顯了其大規(guī)模HVR評(píng)估的有效性和潛力。LBS數(shù)據(jù)的全球可訪問(wèn)性也進(jìn)一步證明了其在 HVR 估算方面的可遷移性。

圖1：研究框架示意圖

研究方法

1. 居住區(qū)邊界確定：綜合利用AOI、土地利用、POI及遙感影像等多源數(shù)據(jù)，精確界定了居住區(qū)邊界。通過(guò)設(shè)定嚴(yán)格的篩選標(biāo)準(zhǔn)，排除了2022年仍在建的項(xiàng)目、傳統(tǒng)低矮自建房（如胡同區(qū)）以及學(xué)校、商業(yè)等非住宅功能區(qū)，最終確定了5737個(gè)居住區(qū)作為研究單元。

2. 住房容量計(jì)算：為計(jì)算各小區(qū)的理論住房容量，研究利用百度地圖的三維建筑數(shù)據(jù)，在假定標(biāo)準(zhǔn)層高為3米的基礎(chǔ)上，計(jì)算出總建筑面積，再結(jié)合安居客平臺(tái)提供的戶型面積數(shù)據(jù)，最終估算出每個(gè)居住區(qū)的住房容量。

3. 家庭數(shù)量計(jì)算：為估算實(shí)際家庭數(shù)量，研究采用了五種數(shù)據(jù)集、兩種技術(shù)路徑。第一種路徑利用百度LBS和聯(lián)通手機(jī)信令的人口數(shù)據(jù)，通過(guò)除以區(qū)域平均家庭戶規(guī)模來(lái)推算戶數(shù)；第二種路徑則利用三套夜間燈光遙感數(shù)據(jù)，以382個(gè)城市中心小區(qū)的燈光亮度為基準(zhǔn)，標(biāo)定出單個(gè)家庭的“標(biāo)準(zhǔn)亮度值”，再以此為單位換算出各小區(qū)的實(shí)際居住戶數(shù)。

4. 住房空置率計(jì)算：在獲得理論“住房容量”與估算的“家庭數(shù)量”后，研究采用統(tǒng)一公式 HVR=1? 住房容量/家庭數(shù)量，為每個(gè)小區(qū)分別計(jì)算出基于五種不同數(shù)據(jù)源的HVR結(jié)果，以便后續(xù)進(jìn)行交叉對(duì)比與驗(yàn)證。

5. 住房空置率驗(yàn)證：為驗(yàn)證上述估算結(jié)果的可靠性，研究開(kāi)展了實(shí)地抽樣驗(yàn)證。團(tuán)隊(duì)選取了103個(gè)代表性小區(qū)，實(shí)地采集Wi-Fi探針數(shù)據(jù)（通過(guò)識(shí)別活躍的路由器數(shù)量）來(lái)估算空置率。最終，以此數(shù)值為基準(zhǔn)，通過(guò)雙變量相關(guān)性分析，對(duì)五種大數(shù)據(jù)方法估算出的空置率結(jié)果進(jìn)行了精度評(píng)估。

圖2：Wi-Fi探針數(shù)據(jù)采集和處理工作流程

研究發(fā)現(xiàn)

1. 五種數(shù)據(jù)源精度對(duì)比：通過(guò)與實(shí)地采集的Wi-Fi探針數(shù)據(jù)比對(duì)，百度LBS數(shù)據(jù)的估算結(jié)果精度最高，其相關(guān)系數(shù)達(dá)到0.76 (p<0.001)，證明其是進(jìn)行居住區(qū)尺度住房空置率（HVR）估算的可靠數(shù)據(jù)源。相比之下，聯(lián)通手機(jī)信令數(shù)據(jù)和吉林一號(hào)夜光遙感數(shù)據(jù)的表現(xiàn)次之，相關(guān)性較弱。這主要源于手機(jī)信令數(shù)據(jù)依賴基站定位，空間精度不足；而夜光遙感數(shù)據(jù)則難以完全排除路燈、車燈等非住宅光源的干擾，且數(shù)據(jù)采集的非同時(shí)性也引入了隨機(jī)誤差。至于珞珈一號(hào)和NPP/VIIRS等空間分辨率更低的夜光遙感數(shù)據(jù)，其估算結(jié)果與實(shí)測(cè)值的相關(guān)性較低（分別為0.46和0.23），表明低分辨率的夜間燈光數(shù)據(jù)不適用于居住區(qū)這一精細(xì)尺度的空置率研究。

2. 北京住房空置率現(xiàn)狀：北京市五環(huán)內(nèi)居住區(qū)整體HVR為13.31%，其中，共有3932個(gè)居住區(qū)HVR小于10%，僅有592個(gè)居住區(qū)HVR大于50%。實(shí)地觀察驗(yàn)證了結(jié)果的可靠性：低空置率居住區(qū)通常車輛密集、居民活動(dòng)頻繁，充滿生活氣息；而高空置率居住區(qū)則表現(xiàn)出明顯的冷清特征，例如部分樓棟正在翻新，或是剛剛竣工交付的新建別墅區(qū)，人車稀少。這些現(xiàn)場(chǎng)觀察到的景象與百度LBS數(shù)據(jù)估算出的空置率高低分布情況高度吻合。

圖2：北京市住房空置率現(xiàn)狀

聲明：本文系轉(zhuǎn)載自互聯(lián)網(wǎng)，請(qǐng)讀者僅作參考，并自行核實(shí)相關(guān)內(nèi)容。若對(duì)該稿件內(nèi)容有任何疑問(wèn)或質(zhì)疑，請(qǐng)立即與鐵甲網(wǎng)聯(lián)系，本網(wǎng)將迅速給您回應(yīng)并做處理，再次感謝您的閱讀與關(guān)注。