新浪博客

城市轨道交通与沿线土地利用相互关系研究——以上海轨道交通11号线南北段为例

2012-12-16 18:18阅读:
城市轨道交通与沿线土地利用相互关系研究——以上海轨道交通11号线南北段为例
随着经济的发展,城市轨道交通的大量建设,轨道交通与沿线土地利用相互关系的重要性显得越来越重要。论文通过分析总结国内外对于城市轨道交通与沿线土地利用 相互关系的研究成果,为论文的研究寻找到突破口;以轨道交通与土地利用的相关理论为基础,结合经济学原理和数学原理等,对城市轨道交通与沿线土地利用相互 关系问题进行了系统研究。
根据城市轨道交通的特点,分析归纳了轨道交通对城市空间形态、土地利用性质和土地价值的影响;探讨了灰色系统云与加权马儿可夫链模型各自的方法及适应性;提出了基于灰色系统云的加权马儿可夫链组合预测模型,并且根据具体实例进行计算验证,得出轨道交通的建设加剧了城市土地利用性质的空间分异,改变了沿线居住、公共设施及工业、商业功能区的分布;对不同性质的土地利用,轨道交通的影响方式与程度不同
从轨道交通可达性、区位理论及级差地租理论出发,建立了半对数特征价格模型,在此基础上针对具体实例,选取了相关自变量;分别从轨道交通对土地利用的时间和空间效应、轨道站点的显著影响区半径范围、轨道交通对沿线住宅的增值作用
角度研究了轨道交通对土地价值方面的影响关系。
针对城市土地利用影响轨道交通的走向与布局,运用土地容积率和居住用地量的概念,探讨了城市轨道交通客流与沿线居住用地的互馈关系;剖析了土地利用对轨道交通客流量的需求关系,根据现有居住开发面积求出城市轨道交通的基础客流,并着重阐述了对轨道客流量增长的变化预估,预测了近期年的轨道日均客流增长量,进一步体现沿线土地利用与客流量的关系。
在城市轨道交通与沿线土地利用协调关系的研究中,采用数据包络分析(DEA)模型构造了评价两者协调关系模型。利 用模型对实例进行了研究,得出轨道交通与沿线土地利用相互关系的发展规律,即近年来两者之间呈现“相对协调——不协调——相对协调”的发展态势;通过关键 因素识别、对无效决策单元进行诊断,探讨了制约两者协调发展的主要因素,揭示了非DEA有效年份城市轨道交通与沿线土地利用未能实现协调发展的原因及改进 方向;并对同期各案例的轨道交通与沿线土地利用协调关系进行比较,得出各自协调关系的不足之处;立足于城市可持续发展的理念,为城市轨道交通与沿线土地利用协调发展提出具体建议。
论文对城市轨道交通与沿线土地利用相互关系进行了研究,成果对城市空间结构调整、城市交通规划制定及交通政策分析等具有一定的指导意义和参考价值。
上海市轨道交通11号线南段起于浦东新区龙阳路站,止于滴水湖边临港新城站,设11个车站,全线长约60公里。虽然轨道交通在规划、建设、运营等不同时段,从供求市场信息及买卖双方心理信息来说,轨道交通对周边的房价的影响不尽相同。为使研究简单明了,假设各阶段的影响一致(如无无特殊说明,以下实例均如此考虑),论文选取的起始影响时间为房价开始有较大波动的时间,即2008年一季度,研究的样本数据取自2007年一季度至2009年三季度。
对于选入的自变量:区位特征中楼盘到站点的距离X1是以4km为研究的范围;轨道交通站点到CBD的时间X2,则以站点到CBD网络的时间可达性来表示(CBD选取了上海市的人民广场,陆家嘴,南京西路,淮海中路,徐家汇和虹桥经济开发区等6个地点);时间变量X3,将物业交易时间未落在有轨道交通影响的时间段定为基准时间1,直到落在受影响时间段内,则随时间增长在基准时间上进行累加邻里特征中的景观环境变量X4,采用到滴水湖的实际距离。建立半对数特征价格模型如下:
城市轨道交通与沿线土地利用相互关系研究——以上海轨道交通11号线南北段为例 城市轨道交通与沿线土地利用相互关系研究——以上海轨道交通11号线南北段为例 (32)
公式中:p——住宅单价(元/m2);x1——到站点的距离(m);x2——站点可达性(min);t2j——站点到CBDj的时间(min);x3——时间变量;x4——到滴水湖距离(m);α0——常数;ε——随即误差。
房价的数据主要是来自搜房网、房居客、豆丁网和上海市商品房市场期刊、富阳周报等,基于数据的可行性与便利性,选用了24个建筑面积在70~120m2的多层毛坯二手住宅楼盘从2007年一季度到2009年三季度不同时段的单价,其余楼盘到站点和滴水湖的距离来自售房信息、电子地图和GoogleEarth地图测距,站点到各CBD的时间来自Explore Shanghai。
文中采集到的房价交易数据是从2007年一季度至2009年三季度, 由于受市场供求关系的影响,不同时期的住宅价格会有所波动,而在采用模型时将不考虑时间因素和市场供求因素对住宅价格的影响,因此有必要对所统计的房地产 价格引入住宅指数对其进行价格转换,将不同时期的住宅价格转化为同时期的住宅价格,使采集到的不同时期的住宅价格数据具有可比性。运用市场比较法对其进行 修正,即将2007年一季度的上海二手房住宅指数(来源:上海市二手房指数办公室)定为单位1,对其他各期的住宅指数与之相比得到调整后的相对指数,从而 得到调整后的房价P′。对样本数据部分变量进行描述性统计,如表3-6。
表3-6部分变量描述性统计

样本数
最小值
最大值
平均值
标准差
P(元/ m2)
24*11
2013
9523
5466.020
834.080
X1(m)
24
100
4000
1704.360
371.110
X2(min)
11
33.5
150
91.750
82.377
X3
11
1
8
3.545
2.621
X4(m)
24
50
3860
1498.210
331.160
相对住宅指数
11
1
1.491
1.340
0.181
P′(元/ m2)
24*11
2013
6386.989
4079.119
721.288

3.3.4实例计算及验证


根据半对数特征价格模型,将调整后的楼盘价格及取对数后4个自变量在Excel中进行多元回归,利用最小二乘法估计待定参数,得到回归方程。
P′=8742.59-292.14lnx1-187.51lnx2 578.63lnx3-371.02lnx4
其中回归统计、方差分析、模型的回归系数如表3.2所示。从表中判定系数R2及修正R2均大于0.7可知,半对数模型对因变量的解释能力较强。从方差分析的F显著性检验值小于0.001,说明全体自变量总体上对因变量的影响大。从各自变量回归系数的t显著性检验值均小于0.05可以看出每个特征变量都是房价的重大影响因素。X1、X2、X4的系数为负,表明房价与地铁距离、站点的可达性、到滴水湖的距离成反比,X3系数为正,表明地铁对房价具有持续增长的影响。
表3-7模型的统计检验

Coefficients
t
Sig t


常数
8742.59
160.227
0.003
R Square
0.806
X1
-292.14
-7.346
0.022
Adj R Square
0.783
X2
-187.51
-1.862
0.014
标准误差
696.708
X3
578.63
2.659
0.031
F

我的更多文章

下载客户端阅读体验更佳

APP专享