吴海山百度 吴海山:基于多源百度大数据的中国住宅区空置率分析
2015年9月19-21日,“2015中国城市规划年会”在贵州贵阳会展中心召开,本届年会主题为“新常态:传承与变革”。“大数据与规划评估”自由论坛由贵阳市城乡规划局、北京清华同衡规划设计研究院有限公司、贵阳市城乡规划设计研究院联合承办。
来自百度研究院大数据实验室的数据科学家吴海山博士介绍了百度大数据用于分析住宅空置率的实验性研究。该研究的数据基础是基于百度地图的百度LBS数据和百度POI数据。吴博士表示,百度LBS数据采用国内外先进的SDK定位技术,有较高的定位精度,且百度地图占手机地图端70%的市场,日活跃用户达6亿,每天定位量240亿次,覆盖安装用户的90%,具有用户覆盖范围广的特点。
基于高精度、广覆盖的百度LBS数据,吴博士首先用可视化的方式展示了春节和平时的人口分布,在非常精细化的尺度上呈现春节期间,哪里人变多,哪里人变少,体现了百度LBS大数据的高精度特征;接着详细介绍了住宅空置情况的识别方法。
在挖掘用户移动轨迹的基础上,检测用户的居住地和工作地的位置;对全国划分百米网格,在此基础上统计人口总数;为排除自身属性即为没有活动的地方,比如刚盖好的楼盘等,通过设定阈值,把这些地方去除;采用百度POI数据,对住宅区进行检测;在识别的住宅区的基础上,通过网格外扩的方式进一步统计网格人口总数,取外扩5*5个网格中人数最多的6个网格,如果网格人口总数小于300,则认为是住宅空置区。
通过实验性研究,吴博士重点展示了乳山、鄂尔多斯等城市的住宅空置情况,发现在鄂尔多斯的空置在新城没有那么多空置情况,在老城反而有不少空置情况。此外,吴博士通过追踪各空城长时间的人口流动,将空城进行分类,例如有些是旅游城市,有些则旅游不多,如乳山一到周末人就多,周一到周五有明显的周期,体现了旅游城市的特点,通过该方法分析中国20多个城市,吴博士也发现一些有趣的现象,比如在有些一线城市,城市边缘有较高的空置率。
而关于住宅空置率高的原因,吴博士提出与规划设计有一定的关系,以康巴新城为例,通过住宅空置结果与该城职住、POI结合分析,发现该城POI设施的布局不合理。最后,吴博士提出判断鬼城未来趋势的两种方法,一种是根据人口变化趋势,另一种方法是通过就业率,如果人口变化处于上升趋势,或者就业率处于上升的区域,未来可能摆脱鬼城的局面。
