共查询到10条相似文献，搜索用时 234 毫秒
1.
《北京测绘》2020,(6)
本文以郑州市主城区为例,以房地产租售网络平台和百度地图获取的住宅价格和位置数据为基础,运用克里金插值分析、核密度分析、空间自相关分析、缓冲区分析等GIS空间分析方法,研究其住宅价格空间分布格局及影响因素,为房价调控和基础设施建设布局提供依据。结果表明:(1)郑州市主城区住宅价格空间分布有显著的分片区特点,区域差异较大,呈现东北高、西南低的分布特征;(2)主城区东北部房价总体偏高,区域差异较大,西南部房价整体偏低,分布较为均匀,住宅价格之间表现出较强的空间自相关性;(3)住宅价格空间分布格局受到人口分布与经济发展,主要道路及河流水系分布,超市商城、教育设施、医疗设施配套及城市规划等多重因素的综合影响。 相似文献
2.
3.
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
4.
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
5.
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
6.
7.
8.
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
9.
10.
针对人口和房价问题的研究多基于地理空间单元,难以从更深层次、更多角度反映两者关系的问题,以武汉市主城区为例,在区县、街道、居民区3个空间尺度与工作和休息这两个时间节点上应用Kriging插值、区位熵、集聚指数等方法分析人口集聚和房价的分布特征及相关性,并在居民区尺度基于土地利用数据这非地理空间单元,对人口集聚和房价关系进行探讨.结果表明,房价与人口集聚分布具有趋同性,但并非完全同步,房价高值往往与人口集聚高值错开而分布在其周围;用地类别中,相对于居住人口,公共管理与公共服务设施用地,绿地与广场用地、公共设施用地类别房价受就业人口集聚影响更为显著. 相似文献