一种利用城市公共基础设施预测空间地价的方法与流程

本发明涉及城市地价预测领域，更具体地，涉及一种利用城市公共基础设施预测空间地价的方法。

背景技术：

当前，我国正处于快速城镇化时期，各地区投入大量资金推进城市基础设施和公共服务设施建设。与此同时，各城市积极编制各类城市规划方案，用于指导城市建设。目前城市地价预测基本上是以历史地价、政府规划、交通状况为依据做定性的预测，预测结果不够准确，误差较大。而且，在城市规划编制和基础设施建设投资决策过程中，对于规划方案实施后可能带来的建设效果，缺乏系统的、客观的、可量化的分析方法和技术手段。

技术实现要素：

本发明为克服上述现有技术所述的至少一种缺陷，提供一种预测结果更为准确、误差更小的利用城市公共基础设施预测空间地价的方法。

为解决上述技术问题，本发明的技术方案如下：

一种利用城市公共基础设施预测空间地价的方法，所述方法包括以下步骤：

S1：收集目标城市的公共基础设施地理位置和已知地价监测点；

S2：根据已知地价监测点到公共基础设施的距离构建地价预测模型；

S3：将已知地价监测点的地价输入到地价预测模型，计算得到各个公共基础设施对地价的影响权重；

S4：根据某一空间点到各个公共基础设施的距离以及各个公共基础设施对地价的影响权重计算该空间点的地价。

在一种优选的方案中，各个公共基础设施对地价的影响权重为正数或负数。

在一种优选的方案中，所述公共基础设施包括轨道交通线路、轨道交通站点、中学、小学、医院、诊所、城市公园、自然公园、行政办公机构、工业区、一般废物处理设施和工业废物处理设施中的一种或多种。

在一种优选的方案中，所述方法具体包括以下步骤：

（1）、收集目标城市的公共基础设施地理位置和已知地价监测点；

（2）、利用GIS空间分析方法，对以上公共基础设施计算研究区域对应的空间指数，包括欧式距离、密度；

（3）、对空间指数进行归一化处理，得到对应的特征；

（4）、利用已知地价监测点对（3）中得到的特征进行采样，得到已知地价点对应的模型特征；

（5）、将（4）得到的地价和模型特征，输入随机森林算法，构建训练模型；

（6）、对（5）得到的训练模型进行训练，得到训练后的预测模型；

（7）、将（3）中得到的特征，输入预测模型，进行预测，得到每个空间点的地价；

（8）、生成一个（-1,1）的正态分布的数组，得到噪音；

（9）、将（8）中生成的噪音，随机注入某一训练特征，与其余训练特征共同组成“某一特征加入噪音后的训练特征”；

（10）、将（9）得到的“某一特征加入噪音后的训练特征”和地价输入随机森林算法，进行训练，得到“某一特征的误差预测模型”；

（11）、将（9）得到的“某一特征加入噪音后的训练特征”，输入用（10）得到的“某一特征的误差预测模型”，得到“某一特征的误差预测地价”；

（12）、将（11）得到的“某一特征的误差预测地价”与已知地价做差后取绝对值，得到“某一特征的地价误差”；

（13）、重复（8）~（12），得到每个特征的“地价误差”；

（14）、将（13）得到的“地价误差”进行归一化处理，得到每个特征的影响权重。

在一种优选的方案中，步骤（2）中，所述公共基础设施包括轨道交通站点，对轨道交通站点计算研究区域对应的空间指数，包括：利用现有地图产品的出行时间计算技术，计算从研究区域到达某一预设的点所需时间。

与现有技术相比，本发明技术方案的有益效果是：本发明提供一种利用城市公共基础设施预测空间地价的方法，收集目标城市的公共基础设施地理位置和已知地价监测点；根据已知地价监测点到公共基础设施的距离构建地价预测模型；将已知地价监测点的地价输入到地价预测模型，计算得到各个公共基础设施对地价的影响权重；根据某一空间点到各个公共基础设施的距离以及各个公共基础设施对地价的影响权重计算该空间点的地价。本发明首先计算各个公共基础设施对地价的影响权重，包括对地价影响的正负和大小，之后定量的对某一空间点的地价进行预测，预测结果更为准确，误差更小。通过本发明能够对基础设施和公共服务设施建成后土地价格变化进行测算，为城市规划决策和重大设施投资决策提供依据。

附图说明

图1为本发明利用城市公共基础设施预测空间地价的方法流程图。

图2为轨道交通站点对于城市土地价格影响规律图。

图3为医院对于城市土地价格影响规律图。

图4为城市公园对土地价格影响的规律图。

图5为工业园对于城市土地价格的影响规律图。

图6为各公共基础设施的影响权重图。

具体实施方式

附图仅用于示例性说明，不能理解为对本专利的限制；

为了更好说明本实施例，附图某些部件会有省略、放大或缩小，并不代表实际产品的尺寸；

对于本领域技术人员来说，附图中某些公知结构及其说明可能省略是可以理解的。

下面结合附图和实施例对本发明的技术方案做进一步的说明。

实施例1

如图1所示，一种利用城市公共基础设施预测空间地价的方法，所述方法包括以下步骤：

S1：收集目标城市的公共基础设施地理位置和已知地价监测点；

S2：根据已知地价监测点到公共基础设施的距离构建地价预测模型；

S3：将已知地价监测点的地价输入到地价预测模型，计算得到各个公共基础设施对地价的影响权重；

S4：根据某一空间点到各个公共基础设施的距离以及各个公共基础设施对地价的影响权重计算该空间点的地价。

在具体实施过程中，各个公共基础设施对地价的影响权重为正数或负数。

在具体实施过程中，所述公共基础设施包括轨道交通线路、轨道交通站点、中学、小学、医院、诊所、城市公园、自然公园、行政办公机构、工业区、一般废物处理设施和工业废物处理设施中的一种或多种。

在具体实施过程中，所述方法具体包括以下步骤：

（1）、收集目标城市的公共基础设施地理位置和已知地价监测点；

（2）、利用GIS空间分析方法，对以上公共基础设施计算研究区域对应的空间指数，包括欧式距离、密度；

（3）、对空间指数进行归一化处理，得到对应的特征；

（4）、利用已知地价监测点对（3）中得到的特征进行采样，得到已知地价点对应的模型特征；

（5）、将（4）得到的地价和模型特征，输入随机森林算法，构建训练模型；

（6）、对（5）得到的训练模型进行训练，得到训练后的预测模型；

（7）、将（3）中得到的特征，输入预测模型，进行预测，得到每个空间点的地价；

（8）、生成一个（-1,1）的正态分布的数组，得到噪音；

（9）、将（8）中生成的噪音，随机注入某一训练特征，与其余训练特征共同组成“某一特征加入噪音后的训练特征”；

（10）、将（9）得到的“某一特征加入噪音后的训练特征”和地价输入随机森林算法，进行训练，得到“某一特征的误差预测模型”；

（11）、将（9）得到的“某一特征加入噪音后的训练特征”，输入用（10）得到的“某一特征的误差预测模型”，得到“某一特征的误差预测地价”；

（12）、将（11）得到的“某一特征的误差预测地价”与已知地价做差后取绝对值，得到“某一特征的地价误差”；

（13）、重复（8）~（12），得到每个特征的“地价误差”；

（14）、将（13）得到的“地价误差”进行归一化处理，得到每个特征的影响权重。

在具体实施过程中，步骤（2）中，所述公共基础设施包括轨道交通站点，对轨道交通站点计算研究区域对应的空间指数，包括：利用现有地图产品的出行时间计算技术，计算从研究区域到达某一预设的点所需时间。

下面以东京都为基础建立模型，系统研究日本东京都5万个地价监测点1983-2015年33年以来地价变化轨迹，分析各类城市基础设施和公共服务设施对土地价格变化的影响，识别影响力大小及距离衰退特征、不同设施的影响权重特征以及时间变化特征，建立分析模型，来验证本发明所提出的方法。

如图2所示，通过实证分析，识别出轨道交通站点对土地价格的影响规律。站点的核心影响距离为500米，500米后对土地价格的影响出现拐点，1000米之后轨道交通站点对于城市土地价格的影响力显著弱化。

如图3所示，通过实证分析，识别出医院对于城市土地价格影响规律。医院对于城市土地价格有正向影响，影响距离约为2000米。医院对于城市土地价格的影响存在两个拐点，距离医院约500米左右的地区受到的正向影响最大。500米范围以内，越接近医院，土地价格越低。500米范围以外，越远离医院，土地价格越低。2000米以外，医院对土地价格的影响趋于弱化。

如图4所示，通过实证分析，识别出城市公园对土地价格影响的规律。城市公园对于土地价格的影响力半径约为1500米。1000米以内，城市公园对于土地价格具有明显的正向影响。1500米之后，城市公园对于土地价格的影响力显著减弱。

如图5所示，通过实证分析，识别出工业园对于城市土地价格的影响规律。工业区对于城市土地价格具有负影响作用，影响距离大约为4000米。3000米以后，城市土地价格出现拐点，呈现上升趋势。4000米以后，城市土地价格显著上升。

如图6所示，得到每个特征（公共基础设施）的影响权重。

显然，本发明的上述实施例仅仅是为清楚地说明本发明所作的举例，而并非是对本发明的实施方式的限定。对于所属领域的普通技术人员来说，在上述说明的基础上还可以做出其它不同形式的变化或变动。这里无需也无法对所有的实施方式予以穷举。凡在本发明的精神和原则之内所作的任何修改、等同替换和改进等，均应包含在本发明权利要求的保护范围之内。