基于Geodatabase的存量商品住房價格測算

韓念龍，劉金福，種曉麗，唐 勇，梁 凱

（1.深圳市房地產評估發展中心，廣東 深圳 518000）

深圳市是我國最早建立房地產市場，同時也是房地產市場化程度最高的城市之一[1]，房地產是深圳市國民經濟發展的重要產業，其住房價格一直是社會普遍關注的問題。在新建商品住房方面，由于政府部門建有完備的新房預售備案系統，對于新建商品住房的交易價格數據等信息能有詳盡地掌握。而在二手住房方面，仍存在著房屋交易價格不透明、政府部門不能掌握二手住房的真實成交價格等問題。另外，由于深圳市受土地資源匱乏的約束，新建商品住房比例呈持續減少趨勢，逐漸形成了以二手住房交易為主的市場結構，因此加強對二手住房價格的研究日趨重要。

與單宗房地產評估不同，片區所有的房地產價格評估不僅需要強大詳實的數據庫基礎，同時也需要集成多種來源的數據[2]。國內外一些學者進行存量住房的批量評估研究[3,4]，皆是建立在完備的數據庫基礎之上。本文基于Geodatabase構建存量商品住房數據庫，通過建立價格測算模型，對存量商品住房的價格進行測算研究，以實現“一房一價”的目標，從而為房地產市場中的各方提供合理的市場交易價格指導。

1 研究區介紹

景田片區的概念來源于《深圳市規劃標準分區》為基準劃定的深圳市標準分區，該標準分區是在全市區域范圍內，以城市規劃的功能分區為依據，結合現有行政轄區、規劃道路網及自然界線進行劃分。景田片區處于福田區西北部，南起深南大道，北接北環大道，西至香梅路，東至新洲路。該區的功能定位以居住為主，兼有商業、辦公及金融等功能，是一個配套設施齊全的綜合住宅區，該片區內近年來暫無新樓盤開發，住房交易以存量商品住房為主[5]。根據深圳市建筑物普查數據統計，片區內共有樓棟約660棟。該片區內分布有布尾村、梅富村及新獅村3個城中村住宅區，本次測算對象不包括城中村私宅，因此除去這部分未進行產權登記的私宅，研究區域的測算樓棟數約460棟，存量商品住房套數約36 000套。

2 數據基礎

存量商品住房價格測算的實現需要全面和詳實準確的數據基礎。本研究主要利用2部分數據：①深圳市景田片區的住房數據，包括建筑物空間分布數據及存量商品住房產權數據；②樓棟及房屋間的比價系數數據。研究表明，造成住宅價格出現差異的因素主要包括位置、戶型和小區配套等，樓棟及房屋間比價系數模型則是通過這些差異建立的。

2.1 住房數據

住房數據包括建筑物空間分布數據以及存量商品住房產權數據。其中，建筑物空間分布數據記錄建筑物的基底邊界、形狀、分布等信息，是一種要素類數據。存量商品住房產權數據包括樓棟和房屋的屬性數據，樓棟屬性信息包括樓棟編號、樓棟名稱、所在宗地、樓棟總層數、竣工日期、使用年限等信息；房屋屬性數據包含房屋編號、房號、房屋性質、房屋用途、所在樓層、所在樓棟、建筑面積和使用面積等信息。通過這些屬性信息可以了解樓房特征與價格的內在聯系，同時也是構建各樓棟、樓房間比價關系的數據基礎。

2.2 比價系數

存量商品住房價格測算的基礎是建立房地產的比價關系。比價關系是指一定的房地產集合內，通過實地調研、估價師經驗以及相應的技術手段將每套房地產通過一定的數量關系聯系起來，從而得到確定該集合內的房地產價格比價關系體系[5]。景田片區的比價關系建立首先需要對該區住宅進行全面了解，分析比較各房屋特征屬性的優劣，建立片區內的小區樓棟房屋的基礎信息資料庫。由于房地產價格受眾多因素影響（如樓棟內部因素主要有樓層、朝向、戶型、采光、裝修等；小區內因素主要有樓棟位置、安靜程度、景觀類型等；小區間還受區位條件、交易便捷度、樓盤品質等因素影響），不同特征屬性造成了房地產價格不同形式的差異，因此可采用線性函數來表達房地產價格與特征屬性的關系[6]：

式中，P表示商品住房價格；xk表示影響價格的各特征因素；βk表示各特征屬性影響價格的程度；βk xk表示各特征影響價格的方式。

構建比價系數所選取的因素包括平面價格差異因素及垂直價格差異因素。平面價格差異因素是指在樓棟內部，相同樓層下不同特征因素造成的價格差異；垂直價格差異因素則是指在高層住宅中價格隨著樓層上升逐步增大的變化規律。本文中，平面價格差異因素選取景觀、朝向、戶型、噪音廢氣、采光通風及面積作為特征因素；垂直價格差異因素則包括樓宇總層數、所在樓層及景觀；樓棟間則選取戶型結構、樓宇類型、周邊環境、所處位置作為特征因素。不同類型的房地產，通過以上方法來構建房屋及樓棟間的比價關系。

在實際測算過程中需要建立標準房地產的概念。標準房地產（簡稱標準房）是指在一幢樓棟內擁有最多共通屬性或最多數目的典型房地產，它代表了本樓棟的房地產價格水平。在每幢樓棟乃至小區都建立每個住宅單元之間的比價關系，在實際測算過程中只需要測算每個樓棟的標準房價格，就可以實現該樓棟其他住宅的價格測算，可以極大地簡化測算流程。

3 存量商品住房數據庫建立與價格測算

首先對住房數據進行預處理，然后構建不同數據間的映射關系，基于Geodatabase建立存量商品住房數據庫，實現不同來源數據的關聯及管理，最后進行存量商品住房的價格測算。

3.1 數據預處理

景田片區存量商品住房價格測算，需首先采集該區的房屋真實交易價格數據作為原始樣本，每月通過地產中介、房屋買賣雙方訪問、政府部門獲取等方式采集市場當期真實房屋成交價格數據。本次研究的測算數據采集時間為2012年6月，數據經過核實與篩選，最終獲取價格樣本數據100多例。同時，針對該片區中存量商品住房數據中部分樓棟的建筑年代、產權狀態或層高等屬性信息缺失情況，通過查詢樓房相關資料進行補充，完善房屋及樓棟的屬性信息是后期價格特征分析的基礎。

3.2 數據庫構建

Geodatabase定義空間數據在DBMS中的存儲管理訪問方式，支持在標準的數據庫管理系統表中存儲和管理地理信息，同時將地理要素的空間信息和屬性信息集成到同一個關系型數據庫中，實現了所有數據的中心化管理[7]。基于Geodatabase的存量商品住房數據庫的構建包括要素類和屬性類數據的集成，其關鍵是在建筑物空間數據、存量商品住房屬性數據、比價系數數據以及房屋成交價格數據之間建立關聯。建筑物空間數據存儲建筑物樓棟的空間信息，與存量商品住房中的樓棟屬性表是一對一的關系。房屋價格成交數據、房屋比價數據與存量商品住房的房屋屬性數據是一對一的關系，而存量商品住房中的樓棟與房屋屬性數據之間是一對多的關系，彼此之間通過主鍵和外鍵實現關聯。通過上述關系，從而實現建筑物空間數據、存量商品住房屬性數據、比價系數數據和房屋成交價格數據的有效集成。

數據關系映射的目的主要是將不同來源、不同編碼的各類數據進行關聯，如將交易案例價格數據與存量住房屬性數據進行掛接、存量住房屬性數據與建筑物空間數據的對接等，該過程是實現各類數據集成的關鍵。其中，要素類數據建筑物空間數據與存量商品住房的樓棟屬性數據進行關聯的方式是為二者建立一致的樓棟編號；房屋屬性與樓棟屬性數據的關聯是房屋數據通過自身的樓棟編碼bldg_no關聯到其所在樓宇的信息；房屋屬性數據、房屋比價系數數據與房屋交易案例價格數據則是通過各自唯一房屋編號house_no進行關聯。同理，樓棟屬性與樓棟比價系數也通過唯一的樓棟編碼bldg_no關聯，如圖1所示。

基于以上的存量商品住房數據庫構建方法，進行深圳市景田片區存量商品住房Geodatabase數據庫構建。該數據庫存儲景田片區的建筑物空間分布數據，月度房屋成交的價格案例數據，400多條樓棟屬性數據，30 000多套房屋屬性數據以及對應的比價系數數據，實現了建筑物空間數據、存量商品住房屬性數據以及交易樣本價格數據的有效集成和統一管理。

3.3 價格測算模型及流程

圖1 數據關系映射方式

基于存量商品住房數據庫，構建景田片區的存量商品住房價格測算模型并進行價格測算（圖2）。

圖2 存量商品住房價格測算模型

1）篩選真實住宅交易價格信息，以該部分交易案例的價格數據樣本作為景田片區存量商品住房價格測算的原始數據。

2）依據房屋間的比價系數，測算出這些住宅交易案例樣本數據所對應的樓棟標準房價格。其計算公式為交易均價除以各自的比價系數，即交易案例的標準房價格=案例成交價格/案例比價系數。

3）對成交案例修正后的標準房價格求簡單均價，將其作為成交案例所屬樓棟的標準房唯一價格。

4）通過樓棟編碼篩選出景田片區中未成交的樓棟數據，結合已修正的樓棟標準房價格及樓棟間的比價系數，測算出未成交樓房所對應的樓棟標準房價格。結合已成交案例對應的樓棟標準房價格，得到樓棟所有對應標準房的價格。

5）將所有樓房修正的樓棟的標準房價格求平均，得到全部樓棟的標準房唯一價格，通過房屋間的比價系數，測算片區內全部房屋價格，測算結果涵蓋了景田片區的所有存量商品住房的房屋價格。其中，每套房屋的測算價格=標準房價格×每套房屋比價系數。

圖3 景田片區樓棟均價空間分布

通過存量商品住房測算結果得出景田片區的樓棟均價，其空間分布展示如圖3所示，通過該圖可以迅速了解景田片區的樓棟空間分布及均價情況。根據本次景田片區存量商品住房測算價格統計顯示，景田片區的存量商品住房均價為23 261 元/m2，而深圳市當期（即2012年6月）的新建商品住房價格為17 299 元 / m2[8]，景田片區的存量商品住房均價相對全市均價要高出34.5%，這說明景田片區的居住、生活和教育等各方面配套相對比較完備，其價格在一定程度上體現了該片區住宅的價值，及受市場認可的程度。從圖3還可以看出，在景田片區西側緊挨著香梅路的樓盤，由于鄰近深圳市的香蜜湖豪宅片區，周邊居住環境適宜且配套完善，因而相對整個片區而言均價較高；位于景田片區東側緊鄰新洲路的樓房，由于受到交通要道新洲路的噪聲影響較大，均價相對普遍較低。根據樓高、樓齡等屬性特征對測算價格進行分類統計發現，1997年及以前竣工的樓棟，雖然無交通噪聲影響，但在片區內仍處于較低價位，例如香蜜二村和市政生活區。而在2006年及以后竣工的樓盤如東方玫瑰園、萬科金色家園和緹香名苑等樓盤均價在片區中處于較高水平，一方面樓齡是影響片區樓棟價格的重要因素；另一方面也說明后期建設的小區品質相對較高。

4 結 語

本文通過建立景田片區的建筑物空間數據、房屋屬性數據、比價關系數據以及樣本成交價格數據之間的數據映射關系，基于Geodatabase構建存量商品住房數據庫，進行存量商品住房價格測算研究。測算結果覆蓋整個片區的所有存量商品住房價格，實現存量商品住房的“一房一價”，通過案例采集驗證測算，研究的存量商品住房價格較為接近市場交易的真實價格，從而為該區域的房地產市場交易各方提供合理的住房交易價格指導以及相關信息服務。同時，通過測算研究結果，初步了解片區存量商品住房的總體價格水平，同時，通過空間位置、樓盤屬性等特征分析片區典型樓盤均價的成因。今后的研究將進一步加強測算模型、算法改進和結果驗證，使測算價格更加科學準確，更能反映市場真實情況。

[1]王鋒.房地產預警理論與實踐[M].北京:中國建筑工業出版社,2010

[2]耿繼進,張暉.基于GIS的房地產批量評估數據庫構建研究——以深圳市為例[J].遙感技術與應用,2012,27(3):479-486

[3]Mccluskey W J,Deddis W,Mannis A,et al.Interactive Application of Computer Assisted Mass Appraisal and Geographic Information System[J].Journal of Property Valuation and Investment,1997,15(5):448-465

[4]耿繼進,何素芳.房地產計稅價格批量評估實證研究[J].地理空間信息,2011,9(3):27-31

[5]耿繼進,李妍,朱奎花,等.城市房地產整體估價——以深圳為例[M].北京:中國金融出版社,2012

[6]深圳市房地產評估發展中心.深圳市存量房計稅價格評估報告[R].深圳:深圳市房地產評估發展中心,2013

[7]熊麗華,楊峰.基于ArcSDE的空間數據庫技術的應用研究[J].計算機應用,2004(3):90-96

[8]《深圳市房地產年鑒》編輯委員會.深圳市房地產年鑒[Z].深圳:深圳報業集團出版社,2013