大数据视角下的保障性住房布局探究——以苏州工业园区为例.docx

大数据视角下的保障性住房布局探究 以苏州工业园区为例孙经纬摘要： 保障性住房空间布局一直是相关规划急需解决的核心问题， 而从目前各地相关规划实践来看，由于 缺乏科学具体的分析途径，保障性住房布局的经济性和公平性的矛盾难以得到有效解决。本文以苏州工业 园区为例，通过 POI 等大数据方法，结合核密度、潜能、交通可达性等模型，对居住用地进行土地价值分 析、设施公平性分析以及交通可达性分析，以此解决经济性和公平性矛盾，为保障性住房空间布局提供科 学合理的分析步骤及方法。关键词：大数据 POI 保障性住房 空间布局1. 引言我国住房制度改革后， 商品房成为住房供应主体， 为了解决中低收入家庭居住难题， 我 国于“十二五”期间逐步加大保障性住房建设力度，保障性住房覆盖率从 7% (2010 年)快 速升至 22% (2015 年)，共计 5000 万套(包含棚改房) 1。虽然各地保障性住房建设如火如 荼，却暴露出郊区化、集中化等一系列选址布局问题，造成了中低收入家庭就业机会减少、 交通出行不便、 公共服务设施不足、 社会分化严重等现象， 因此如何科学合理地布局保障性 住房成为保障性住房相关规划的急需解决的核心问题。保障性住房布局面对的难题实质上是经济性和公平性相互矛盾的掣肘。 一方面， 为了保 证土地开发的经济效益， 利润较低的保障性住房被规划于城市边缘或者其他偏远地区， 造成 了居民难以享受公共服务， 引发社会矛盾； 另一方面， 如果将保障性住房安置于城市中心等 优质地段，则违背市场规律，造成建设和管理成本的上升，空间资源难以得到高效利用。从各地保障性住房规划的相关经验来看， 保障性住房空间布局尚无成熟的操作体系， 很 多情况下只是行政指令的执行， 编制往往流于形式。 这一方面是现有行政体制下土地财政使 然， 另一方面在于规划受制于缺乏分析数据和途径， 难以形成科学具体的建议。 多数规划关 注总量及原则，不能具体落实到“地块”，或者采取独立城区方式，动辄几千户体量；数据1 资料来源：上海易居房地产研究院， 2014-2015 年度保障房年报。支撑方面往往注重供需测算，但是公共服务设施、交通节点等关键要素未充分考虑。2012 年左右，大数据技术开始兴起，为保障性住房规划提供突破布局困境提供了有力 支撑。大数据不仅为规划提供了必要的住房相关数据， 而且通过相关处理能够辅助空间决策。 本文通过对苏州工业园区的住房结构进行大数据处理，尝试破解园区保障性布局难题。2. 保障性住房布局相关研究2.1 保障性住房布局的影响因素尽管影响保障性住房选址布局的因素有很多， 但是就住房本质而言， 保障性住房的选址 布局是满足入住者的基本居住空间需求以及改善城市现状布局问题出发点的。因此保障性住 房布局既要从低收入群体的需求出发， 又要从城市土地供给出发。 目前从这两点出发的相关 研究已经较为完善，张永波(2007)通过对北京保障性住房空间布局研究发现就业、交通、 公共设施水平成为影响保障房空间选择的主要因素； 刘长伟 (2014) 在权衡供求双方利益原 则下，将交通条件、配套设施状况、居住环境、就业条件以及土地成本归纳为影响保障性住 房选址的主要因素；党云晓(2014)通过对北京经济适用房布局的分析，认为土地价格、交 通情况、 拆迁压力等对经济适用住房项目选址有一定的影响。 从各学者的研究来看， 主要的 影响因素为土地价格、交通条件、配套设施、就业空间等。2.2 保障性住房传统规划布局方法现有保障性住房布局方法主要集中在区域或城市层面的布局建议和模式， 包括混合居住 模式， 通过小型化保障性住房地块与其他类型地块相互交织， 形成“大混小聚”的空间格局， 解决目前社会空间分异的问题(杨红平， 2012)；公共交通导向开发模式，将公交系统与住 房建设同步规划和实施， 构建高效的公共交通接驳转运系统， 提升保障性住房吸引力 (孙忆 敏， 2008)；职住平衡模式，结合城市产业布局保障性住房，靠近中低收入阶层工作服务区 域，使得居住与就业在合理的通勤距离内(刘长伟， 2014)。此类方法从交通、社会、就业 等多角度提出原则性的空间布局要求， 但是并没有针对具体的地块选择提出选址意见， 因此 如何构建具体的布局模型仍是急需解决的问题。保障性住房区位选择既需要考虑人群的宜居性， 又要兼顾土地经济价值， 避免选择商业 价值很高的地块，所以需要建立完善的评估体系。王承慧(2010)通过用地适居性评估、商 业价值评估、地块可操作性三点将土地商业价值较高的地块和地块可操作性较差的地块提出， 得出保障性住房适用性布局。 该类方法代表了具体地块选择的总体思路， 即在保障公平 性和经济性的基础上挑选适宜的地块。 但是在构建公平性和经济性评估体系时， 各类指标的 可视化面临很大的困难， 一方面地块较多且零碎， 叠合各类信息工作量太大； 另一方面指标 体系制定存在很大的主观性，难以准确反映土地价值、公共服务便捷性等要素。因此，如何 让评估体系“落地”是保障性住房布局规划研究的未来重要方向。2.3 “大数据”在居住研究中的应用随着网络数据挖掘、 采集和分析， 及数据可视化技术的日渐成熟， 城市规划越来越重视 “大数据”对城市时空特征研究变革的重要意义， 特别是“大数据”对于城市景观的网络化、 数据化的直观映射，逐渐应用到对于城市空间的研究当中。其中POI (Point of Interest， 信息点)作为目前较为流行的分析方法，涵盖了城市基础设施、小区、商铺等各类空间点的 位置信息和属性信息， 一方面为城市空间研究提供了处理对象， 一方面可以利用多种可视化 形式展示分布热点、密度、趋势等分布趋势，能够较为准确地反映土地价值、公公服务设施 便捷性等城市空间特征。POI 数据不仅可以通过 API (Application Programming Interface,应用程序编程接口) 从网络较为便捷的获取， 而且可以结合基础性的规划资料进行二次分析， 其便捷性和可操作 性为保障性住房布局 “落地”提供了重要契机。 常见的基于 POI 的城市空间研究方法主要集 中在通过分布密度分析及可视化反映城市基础设施的细部特征(王爽， 2015)，但是 POI 所 包含信息较为丰富，可以进一步挖掘反映城市空间特征，为规划决策提供更大的支撑作用。3. 基于 POI 大数据的保障性住房布局方法3.1 百度 POI、 365 房价数据抓取及处理百度 POI 数据包括名称、类别、经度纬度、价格等公开信息，目前百度地图 Web 服务 API 为开发者提供 http 接口， 即开发者通过 http 形式发起检索请求， 获取返回 json 或xml 格式的检索数据。本文通过编译 http 请求抓取百度POI 数据(xls 格式)，在去除重复项后 转换成 shp 文件导入 arcgis 中，形成可编辑、可视化的 POI 分布图。为了直观反映地价信息， 本文进一步抓取了 365 地产家居网信息， 以此直观反映土地价 值。 365 地产家居网数据主要包括小区名称、类型、价格、经度纬度等信息，房产类型分为 新房、二手房、租房三种。抓取及处理方法同百度 POI 数据类似，最终导入 arcgis 中，形成房价点分布图。3.2 房价核密度分析365 地产家居网数据属于点对象，并不能直接描述房价变化规律，所以本文采取核密度 估计方法， 将点对象转化为点群密度变化的平面。 核密度估计主要被应用于对随机变量的密 度函数进行计算，首先将网格置于研究区域及点群分布之上;，然后用一个移动的三维函数 观察每个单元，计算搜索半径内每个点的权重值;，最后通过求每个位置的圆表面的权重值之和计算得到格网单元的密度值。核密度估计方法公式如下：其中 (s)表示位置s 处点的密度， r 示核密度估计的搜索半径， k 表示点 i 在与点 s距离 d 处的权重。 k 通常被建模为一个 d 与 r 比值的函数，一般为距离衰减函数。本文中is is点 i 的权重为房价点 i 的房价， r 为研究区域的地块平均半径。3.3 公共服务设施公平性分析3.3.1 潜能模型本文采用潜能模型测算用地与设施的空间可达性，并以此评价公共服务设施的公平性。 Hansen 在 1959 年提出运用地理学潜能模型作为可达性度量方法， 用以测算城市设施的空间 可达性。 潜能模型代表了服务提供点与服务接受点之间的势能强弱， 反映了服务接受点能够 获得公共服务的可能性大小。潜能模型一般公式如下： ，其中： 式中： A 表示居民点 i 至所有公共服务设施的空间可达性； M 表示公共服务设施 j 的服i j务能力； Dij 表示居民点 i 与公共服务设施 j 之间的出行阻抗(距离或时间)；表示出行摩擦系数； V 表示人口规模影响因子； P 表示居民点 k 的人口数。j k3.2.2 潜能模型计算步骤(1)在研究区域内确定研究单元。选用园区内小区 POI 点代替。(2) 选定出行极限时间或距离。假定出行极限时间为 30 min，公交车作为出行方式(10km/h)，出行距离为 5km。(3)以研究单元的地块质心为中心，以出行极限时间为半径建立搜寻域，找出搜寻域内某类设施， 将该类设施进行潜能计算并相加， 得到的结果即表示该研究单元的空间可达性。(4) 将各类设施按照一定的权重进行空间叠合分析， 得出公共服务设施公平性分布图。3.4 交通可达性评价根据潜能模型测算出来的公共服务设施公平性分布图反映了居住点获取公共服务的可 达性，但是没有充分出行、就业、购物等活动的便利程度，需要引入交通可达性进行进一步 修正。本文采用空间阻隔模型，即将用地与公交站点(或地铁站点)的空间阻隔(出行时间表示)作为可达性的数值，阻隔越小，可达性越好。小区的交通可达性公式如下 :其中， t ij是 i 小区到 j 站点的出现时间， J 为站点总数。4. 苏州工业园区案例分析4.1 苏州工业园区保障性住房建设背景概况， 仍有不少低收入群体-未来根据总体规划推演， 未来仍需要多少保障性住房- 所以需要进一步挑选地块苏州工业园区是于 1994 年 2 月经国务院批准设立，位于苏州市区东部，行政区划 278 平方公里。 2013 年园区就业人口达到 69.5 万人，其中中低收入者(低于 3000 元/月)达到 26.5 万人。根据苏州工业园区住房保障发展规划研究，未来中低收入者新增住房需求主 要通过租商品房、动迁房、公租房以及寄宿房满足，其中 2020 年公租房新增需求地块面积 约为 17 公顷。因此如何在苏州工业园区总体规划(2012-2030)划定的规划居住用地的 基础上挑选公租房地块成为园区住房保障下一步重点工作。图 4- 1 苏州工业园区现状和规划居住用地分布4.2 保障性住房布局分析步骤保障性住房布局的影响因素为土地价格、 交通条件、 配套设施和就业空间， 其中由于交 通条件是影响保障性住房居民就业机会可达性的重要原因， 因此出于简化需要， 将就业空间 并入交通条件， 即高交通可达性的地块就业机会更多。 为了保障土地利用经济性， 首先通过 评估土地价值分布， 剔除高地价的地块； 其次通过公共设施公平性评价， 选取公共设施可达 性较高的地块；最后通过交通可达性修正，确定最终的保障性住房地块。4.2.1 苏州工业园区房价分析根据阿隆索地租模型， 地租其实是反映了企业或个人对土地边际产出的预期， 因此房价 的高低从一定程度上反映了土地的经济价值。 其次房价数据处于实时更新状态， 更能反映市 场对于土地价值的判断， 所以将房价作为土地价值的判断依据。 而为了保证土地开发的经济 性， 保障性住房布局应与房价的分布相契合。 通过抓取 365 地产家居网苏州工业园区的房价 信息，获得园区新建房、二手房以及租房实时价格，经过核密度分析后形成房价分布图。图 4-2 苏州工业园区房价分布通过房价分布图可以看出园区高房价地区主要集中在环金鸡湖地区， 以及园区第十中学 周边，而胜浦、斜塘、唯亭、娄葑等其他地区房价较低。从园区空间结构来看，高房价地区 位于园区 CBD 和行政中心，所以保障性住房布局应尽量避开环金鸡湖地区和第十中学周边， 以满足土地开发经济性要求。4.2.2 公共服务设施公平性评价公共服务设施类型较多包括教育、医疗、公园、图书馆等，相比而言，为了简化评价步骤， 选取教育和医疗作为公共服务设施评价的主要要素。 通过抓取百度 POI 园区教育、 医疗 相关数据，经过相关处理导入 arcgis 中，形成公共服务设施提供点，以各居住地块作为接 受点，通过潜能模型测算出园区公共服务设施公平性评价图。图 4-3 苏州工业园区医疗设施公平性评价 图 4-4 苏州工业园区教育设施公平性评价通过医疗设施公平性评价可以看出， 胜浦片区的南部以及唯亭片区的中北部存在医疗服 务不足的问题； 而从教育设施公平性评价可以看出， 胜浦片区和唯亭片区西部教育设施较为 缺乏。 目前胜浦片区除去胜浦医院外， 仅存在少数诊所和卫生站， 而教育资源只有园区第六 中学和少数小学， 所以医疗和教育公平性评价较低。 唯亭片区西部存在同样的情况， 中小学 资源较为匮乏，只有唯亭学校和一两所小学幼儿园，唯亭中北部只有一个卫生站。因此，为 了保障中低收入者公共服务，保障性住房布局应尽量避免上述地区。4.2.3 交通可达性修正通过上述房价分析和公共设施公平性评价， 可以大致确定保障性住房布局范围为娄葑片 区、斜塘片区、科教创新区、唯亭片区西部和中心合作区(除去环金鸡湖地区和第十中学周 边) 。但是由于中低收入者大多以公交出行为主，所以仍需要考虑各地块公共交通可达性。 以百度 POI 公交站点(包括公共汽车、地铁站点)数据作为基点，构建时间阻隔模型，测算 各地块的交通条件，并得出公交可达性较强的地块。图 4-5 苏州工业园区交通可达性评价4.3 保障性住房具体地块选择通过上述经济性、 公平性和交通可达性分析， 并结合园区规划居住用地布局， 可以大致 确定保障性住房用地范围， 主要集中在唯亭西北部、 中新合作区中南部、 科教创新区桑田岛 周边、以及斜塘片区。综合考虑具体的地块开发建设情况，确定保障性住房布局如下：表 4- 1 苏州工业园区保障性住房用地选择位置跨阳路东唯文路北中新大道北星华街西新华路北金尚路东扬青路南建议容积率2.02.02.02.0合计地块面积(公顷)4.325.555.794.1119.77建筑面积(万平方米)8.0612.2512.298.2240.82图 4-6 苏州工业园区保障性住房地块选择5. 总结及展望通过上述分析可以发现苏州工业园区环金鸡湖和第十中学周边房价过高不适宜布局保 障性住房，而胜浦片区和唯亭片区中西部由于公共设施可达性较差难以支撑保障性住房建 设，所以保障性住房适宜布局于娄葑片区、斜塘片区、科教创新区、唯亭片区西部和中心合 作区，综合参考交通可达性修正及相关用地规划布局最终确定保障性住房布置于唯亭西北 部、中新合作区中南部、科教创新区桑田岛周边及斜塘片区地块。综合百度 POI、 365 房价等大数据和传统空间分析方法，进行用地经济性、公平性和交 通可达性处理， 为保障性住房具体地块的选择提供了有力的科学支撑。 大数据在其中的作用 不仅在于为保障性住房规划布局提供了实证分析素材和依据， 而且在于为空间布局规划研究 提供了另一种视角。 原有的研究方法更侧重从现状到原因再反过来优化现状， 而大数据的出 现为从现状直接到现状优化提供了直接的桥梁， 即科学再生产范式的改变。 例如原有的土地 价值的空间分析方法需要挖掘环境、 交通、 区位等多种影响因素及其关系， 而现在只需要通 过房价就可以直观反映， 省去了中间的分析步骤。 所以在大数据的时代， 如何树立大数据的 规划思维，适应新的规划范式才是更为重要的内容。本次研究中， 受限于 POI 数据复杂性， 大数据处理方法仍有不少瑕疵。 例如教育设施可 以分为中学、小学、幼儿园等多种类型，各类的服务半径和能力均有所区别；此外未来地铁 站点的修建也会对周边地块的交通可达性产生一定的影响。总之从现有大数据分析方法还处 于初步探讨阶段，其严谨性和科学性需要规划学者进一步完善。参考文献王承慧,杨靖. 保障性住房建设规划编制方法初探 以南京六合区“三房”建设规划为例J. 现代城市研 究,2010,02:89-95.宋正娜, 陈雯,张桂香,张蕾. 公共服务设施空间可达性及其度量方法J. 地理科学进展,2010,10:1217-1224. 吴波. 基于改进后潜能模型的公共文化服务设施服务强度评价研究J. 规划师,2010,S2:32-35.刘长伟. 城市保障性住房选址布局优化研究D. 中南大学,2014.孙海春,蒋伶. 南京保障性住房布局研究A. 中国城市规划学会、南京市政府.转型与重构2011 中国城市 规划年会论文集C. 中国城市规划学会、南京市政府:,2011:8.党云晓,张文忠,刘志林. 北京经济适用房布局特征及影响因素研究J. 地理研究,2014,05:876-886.张永波,翟健. 北京市保障性住房空间布局探讨A. 中国城市规划学会.和谐城市规划2007 中国城市规 划年会论文集C. 中国城市规划学会:,2007:9.秦萧,甄峰, 熊丽芳,朱寿佳. 大数据时代城市时空间行为研究方法J. 地理科学进展,2013,09:1352-1361. 上海易居房地产研究院.2014-2015 年度保障房年报 .2014:12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,2015,01:82-90. 孙忆敏. 我国大城市保障性住房建设的若干探讨J. 规划师,2008,04:17-20.王爽,李炯. 基于城市网络空间的 POI 分布密度分析及可视化J. 城市勘测,2015,01:21-25.杨红平,宋伟轩. 保障房空间布局中的问题及解决途径 以南京市为例J. 城市问题,2012,03:49-53.作者简介孙经纬，助理规划师，江苏省城市规划设计研究院。