共查询到17条相似文献，搜索用时 156 毫秒
1.
兰州市商品住宅价格的空间分异规律 总被引：1，自引：0，他引：1
针对住宅价格在城市空间中的分布规律问题,该文以兰州市主城区2015年在售的187个商品住宅样本均价为基本数据,运用空间自相关法对兰州市住宅价格的空间异质性和集聚性进行分析,并利用趋势面分析和空间反距离权重插值法对住宅价格的空间分布格局进行研究。结果表明:兰州市住宅价格总体上呈显著的空间正自相关性,少数地区存在差异性;住宅价格发展不平衡,价格"东高西低";住宅价格由各区行政中心向四周逐级递减,呈多极核分布特征;价格等值线"东密西疏",住宅价格变化幅度空间差异较大。分析发现,区位条件、交通条件及居住环境是影响兰州市商品住宅价格的主要因素。 相似文献
2.
3.
针对住宅价格在城市空间中的分布规律问题,该文以兰州市主城区2015年在售的187个商品住宅样本均价为基本数据,运用空间自相关法对兰州市住宅价格的空间异质性和集聚性进行分析,并利用趋势面分析和空间反距离权重插值法对住宅价格的空间分布格局进行研究。结果表明:兰州市住宅价格总体上呈显著的空间正自相关性,少数地区存在差异性;住宅价格发展不平衡,价格“东高西低”;住宅价格由各区行政中心向四周逐级递减,呈多极核分布特征;价格等值线“东密西疏”,住宅价格变化幅度空间差异较大。分析发现,区位条件、交通条件及居住环境是影响兰州市商品住宅价格的主要因素。 相似文献
4.
5.
西安市商品住宅价格空间格局的演化研究 总被引：1，自引：0，他引：1
针对目前城市住宅价格空间格局演化研究不足,尤其是内在驱动机制研究较少的现状,利用2000年、2004年、2008年及2013年4年节点数据,采用空间自相关指数并结合空间变异函数,分析西安市商品住宅价格空间格局演化特征及其驱动机制,为城市住房政策的制定提供参考。结果表明:住宅价格呈现出显著的空间自相关,热点和冷点区发生转移;住宅价格的空间变异程度不断加大,空间分异格局中的随机成分不断降低,结构化分异越来越显著;住宅价格高值区呈现出由双中心向多中心、多圈层演化的趋势;从城市规划引领、居住空间扩张和交通条件改善3个方面探讨住宅价格空间格局演化的驱动机制。 相似文献
6.
李琳 《测绘与空间地理信息》2016,(2):119-122
利用成都市主城区银行网点数据,运用GIS空间数据分析方法,对银行业空间分布、集聚分布及形成机制等进行研究。结果表明:成都市银行业呈同心圆环状向心分布格局,并向西和向南聚集明显;成都市银行业空间呈现倒"U"形集聚特征,距离为6.5 km处集聚趋势最强;成都市已形成了多个银行集聚区,这些集聚区呈现"中心高度集聚,周围零散分布"的趋势,主要分布在三环内的西北和正南方向。不同的集聚区其形成机制不同,成都市银行业集聚区形成除受交通因素影响外,还主要受商业、商务、居住等因素影响,其中商业-商务中心综合作用、商业中心-居住综合作用是主要的影响因素。 相似文献
7.
针对北京市主城区房地产价格长区间的空间分布变化及其成因进行研究,为北京市房价的空间分布规律提供参考.采用空间相关性分析方法中的平均最近邻分析、全局Moran'sI指数、Moran散点图和LISA集聚图等分析工具结合空间自相关理论对北京市主城区房地产价格的空间分布变化进行分析,通过克里金插值分析方法验证房价的空间特征,分析空间分布的变化及其成因.得出北京市主城区房地产价格20152019年,空间集聚特征不变,正向空间自相关增强,价格中心由单中心变为中心—副中心的多中心形式,区位因素和交通可达性条件是影响房价空间分布变化的重要因素. 相似文献
8.
9.
卢才武张明江松吴珺华 《测绘科学》2018,(10):60-66
针对目前西部二线城市住宅价格的空间分布研究较少的问题,该文从地质统计学角度出发,以西安市主城区452处的住宅价格数据为例,利用空间自相关、变异函数、克里金空间插值等理论方法,对住宅价格的空间分布特征及其影响因素进行了研究。研究发现,西安市主城区内住宅价格整体呈现空间正相关性,在各向同性上,住宅价格的最优拟合模型为指数模型,但在不同方向上变异程度不尽相同。目前,西安市主城区住宅价格的空间结构呈现一个极值中心,两个次级核心组团,两个新新组团的局面,价格整体南高北低、东高西低。究其原因,历史背景、新一轮城市规划和特定的景观环境及文化底蕴等要素均影响住宅价格的空间分布。 相似文献
10.
以成都市为研究区,采用Python爬虫工具,试图识别成都市夜经济的时空分布规律与特征,为优化成都市的夜经济发展提出参考.研究表明成都市的夜经济在空间上总体呈现出"中心聚集,连片扩展,多点分布"的四级空间格局,不同级别的热点区域的夜经济场所类型不同,在时间上呈现出周末活跃度最高,工作日活跃度低的总体特征.在此基础上,进一步对比研究成都市本地居民和游客的夜间消费的时空差异.研究发现本地居民参与夜经济的区域较为集中,主要集中在二环以内区域,且活跃时间较短,主要集中在18时至次日2时.外地游客参与夜经济的区域较为分散,主要分布在学校、景区、交通站点区域,且活跃时间略晚于本地居民.基于以上研究结果,提出了成都市夜经济进一步发展的对策和建议. 相似文献
11.
城市房价空间分布及其影响因素分析 总被引：1，自引：0，他引：1
针对城市房价的空间分布规律及其影响因素的研究,该文提出了以南昌市青山湖区房价为研究对象,基于相关理论,搜集整理了2015年07月到10月南昌市青山湖区155个楼盘的均价,利用市场比较法把房价修正到2015年10月份节点上,估算出了155个楼盘点的价格,以GIS技术为研究平台,运用普通克里格插值方法,得到了青山湖区房价的等值线图,根据等值线图得到其空间分布情况,从可达性视角出发,采用结构方程模型构建了青山湖区房价影响因素分析框架,运用SPSS分析出各自变量和因变量之间的关系,即定量分析出了各影响因素对房价格产生的影响程度。 相似文献
12.
西安市住宅价格空间结构和分异规律分析 总被引：1，自引：0，他引：1
利用ESDA方法对西安市城区的291个普通住宅项目均价数据进行研究,通过计算Moran指数和半变异函数分析了其空间自相关性和变异性,并进行了趋势分析。应用Kriging空间插值方法对西安市普通住宅价格空间分布进行了模拟。研究结果表明:西安市房价存在显著的空间自相关性,大部分住宅价格呈空间集聚格局,少部分因存在空间异质性而呈离散分布;房价变异函数表现出各向异性,不同方向有不同结构特征,空间自相关尺度为14.2km;西安市房价空间分异规律明显,房价分布格局受城市功能区划和交通影响较大。 相似文献
13.
14.
针对城市地价定量化研究和空间可视化表达的方法体系已日渐成熟的现状,该文以2008至2014年间,石家庄市主城区土地交易数据作为研究样本,借助ArcGIS、GS+软件平台,分别建立石家庄市城区商业和住宅数字地价模型,并依据模型进行地价数量特征、剖面特征、等值线形态特征分析等一系列空间分析。研究表明:石家庄市城区商业地价分布,整体上呈现出围绕一个传统的一级商业中心和一个新兴的次级商业中心向边缘衰减的圈层结构;住宅地价分布呈现出多峰值、多方向山脊状圈层衰减的结构,且聚集效应不及商业地价明显,衰减趋势较平缓。 相似文献
15.
新疆克拉玛依市商业地价空间分布规律研究 总被引：2，自引：1，他引：1
城市地价是一个具有时空性质的多维概念,在空间分布上具有较强的关联性和特殊性。但目前对城市地价空间分布规律方面的研究相对较少,还没有形成系统性的理论与方法依据,本文以克拉玛依市2007年土地调查商业用地数据和地价动态监测数据为依据,以ARCGIS软件为平台,采用地统计学的方法,对克拉玛依市商业用地价格的空间分布进行了研究。研究表明:地统计学的理论与方法对城市地价空间分布进行研究具有独特的优越性;城市商业用地地价的分布在空间上既有连续性,也存在变异性,受区域整体趋势的影响明显高于小范围的变异性,属于强空间自相关;商业用地地价分布整体呈现圈层结构,交通道路对地价的空间分布具有重要影响。 相似文献
16.
Mapping fine‐scale urban housing prices by fusing remotely sensed imagery and social media data 
下载免费PDF全文
下载免费PDF全文 The accurate mapping of urban housing prices at a fine scale is essential to policymaking and urban studies, such as adjusting economic factors and determining reasonable levels of residential subsidies. Previous studies focus mainly on housing price analysis at a macro scale, without fine‐scale study due to a lack of available data and effective models. By integrating a convolutional neural network for united mining (UMCNN) and random forest (RF), this study proposes an effective deep‐learning‐based framework for fusing multi‐source geospatial data, including high spatial resolution (HSR) remotely sensed imagery and several types of social media data, and maps urban housing prices at a very fine scale. With the collected housing price data from China's biggest online real estate market, we produced the spatial distribution of housing prices at a spatial resolution of 5 m in Shenzhen, China. By comparing with eight other multi‐source data mining techniques, the UMCNN obtained the highest housing price simulation accuracy (Pearson R = 0.922, OA = 85.82%). The results also demonstrated a complex spatial heterogeneity inside Shenzhen's housing price distribution. In future studies, we will work continuously on housing price policymaking and residential issues by including additional sources of spatial data. 相似文献