基于Geodatabase的存量商品住房价格测算

韩念龙，刘金福，种晓丽，唐 勇，梁 凯

（1.深圳市房地产评估发展中心，广东 深圳 518000）

深圳市是我国最早建立房地产市场，同时也是房地产市场化程度最高的城市之一[1]，房地产是深圳市国民经济发展的重要产业，其住房价格一直是社会普遍关注的问题。在新建商品住房方面，由于政府部门建有完备的新房预售备案系统，对于新建商品住房的交易价格数据等信息能有详尽地掌握。而在二手住房方面，仍存在着房屋交易价格不透明、政府部门不能掌握二手住房的真实成交价格等问题。另外，由于深圳市受土地资源匮乏的约束，新建商品住房比例呈持续减少趋势，逐渐形成了以二手住房交易为主的市场结构，因此加强对二手住房价格的研究日趋重要。

与单宗房地产评估不同，片区所有的房地产价格评估不仅需要强大详实的数据库基础，同时也需要集成多种来源的数据[2]。国内外一些学者进行存量住房的批量评估研究[3,4]，皆是建立在完备的数据库基础之上。本文基于Geodatabase构建存量商品住房数据库，通过建立价格测算模型，对存量商品住房的价格进行测算研究，以实现“一房一价”的目标，从而为房地产市场中的各方提供合理的市场交易价格指导。

1 研究区介绍

景田片区的概念来源于《深圳市规划标准分区》为基准划定的深圳市标准分区，该标准分区是在全市区域范围内，以城市规划的功能分区为依据，结合现有行政辖区、规划道路网及自然界线进行划分。景田片区处于福田区西北部，南起深南大道，北接北环大道，西至香梅路，东至新洲路。该区的功能定位以居住为主，兼有商业、办公及金融等功能，是一个配套设施齐全的综合住宅区，该片区内近年来暂无新楼盘开发，住房交易以存量商品住房为主[5]。根据深圳市建筑物普查数据统计，片区内共有楼栋约660栋。该片区内分布有布尾村、梅富村及新狮村3个城中村住宅区，本次测算对象不包括城中村私宅，因此除去这部分未进行产权登记的私宅，研究区域的测算楼栋数约460栋，存量商品住房套数约36 000套。

2 数据基础

存量商品住房价格测算的实现需要全面和详实准确的数据基础。本研究主要利用2部分数据：①深圳市景田片区的住房数据，包括建筑物空间分布数据及存量商品住房产权数据；②楼栋及房屋间的比价系数数据。研究表明，造成住宅价格出现差异的因素主要包括位置、户型和小区配套等，楼栋及房屋间比价系数模型则是通过这些差异建立的。

2.1 住房数据

住房数据包括建筑物空间分布数据以及存量商品住房产权数据。其中，建筑物空间分布数据记录建筑物的基底边界、形状、分布等信息，是一种要素类数据。存量商品住房产权数据包括楼栋和房屋的属性数据，楼栋属性信息包括楼栋编号、楼栋名称、所在宗地、楼栋总层数、竣工日期、使用年限等信息；房屋属性数据包含房屋编号、房号、房屋性质、房屋用途、所在楼层、所在楼栋、建筑面积和使用面积等信息。通过这些属性信息可以了解楼房特征与价格的内在联系，同时也是构建各楼栋、楼房间比价关系的数据基础。

2.2 比价系数

存量商品住房价格测算的基础是建立房地产的比价关系。比价关系是指一定的房地产集合内，通过实地调研、估价师经验以及相应的技术手段将每套房地产通过一定的数量关系联系起来，从而得到确定该集合内的房地产价格比价关系体系[5]。景田片区的比价关系建立首先需要对该区住宅进行全面了解，分析比较各房屋特征属性的优劣，建立片区内的小区楼栋房屋的基础信息资料库。由于房地产价格受众多因素影响（如楼栋内部因素主要有楼层、朝向、户型、采光、装修等；小区内因素主要有楼栋位置、安静程度、景观类型等；小区间还受区位条件、交易便捷度、楼盘品质等因素影响），不同特征属性造成了房地产价格不同形式的差异，因此可采用线性函数来表达房地产价格与特征属性的关系[6]：

式中，P表示商品住房价格；xk表示影响价格的各特征因素；βk表示各特征属性影响价格的程度；βk xk表示各特征影响价格的方式。

构建比价系数所选取的因素包括平面价格差异因素及垂直价格差异因素。平面价格差异因素是指在楼栋内部，相同楼层下不同特征因素造成的价格差异；垂直价格差异因素则是指在高层住宅中价格随着楼层上升逐步增大的变化规律。本文中，平面价格差异因素选取景观、朝向、户型、噪音废气、采光通风及面积作为特征因素；垂直价格差异因素则包括楼宇总层数、所在楼层及景观；楼栋间则选取户型结构、楼宇类型、周边环境、所处位置作为特征因素。不同类型的房地产，通过以上方法来构建房屋及楼栋间的比价关系。

在实际测算过程中需要建立标准房地产的概念。标准房地产（简称标准房）是指在一幢楼栋内拥有最多共通属性或最多数目的典型房地产，它代表了本楼栋的房地产价格水平。在每幢楼栋乃至小区都建立每个住宅单元之间的比价关系，在实际测算过程中只需要测算每个楼栋的标准房价格，就可以实现该楼栋其他住宅的价格测算，可以极大地简化测算流程。

3 存量商品住房数据库建立与价格测算

首先对住房数据进行预处理，然后构建不同数据间的映射关系，基于Geodatabase建立存量商品住房数据库，实现不同来源数据的关联及管理，最后进行存量商品住房的价格测算。

3.1 数据预处理

景田片区存量商品住房价格测算，需首先采集该区的房屋真实交易价格数据作为原始样本，每月通过地产中介、房屋买卖双方访问、政府部门获取等方式采集市场当期真实房屋成交价格数据。本次研究的测算数据采集时间为2012年6月，数据经过核实与筛选，最终获取价格样本数据100多例。同时，针对该片区中存量商品住房数据中部分楼栋的建筑年代、产权状态或层高等属性信息缺失情况，通过查询楼房相关资料进行补充，完善房屋及楼栋的属性信息是后期价格特征分析的基础。

3.2 数据库构建

Geodatabase定义空间数据在DBMS中的存储管理访问方式，支持在标准的数据库管理系统表中存储和管理地理信息，同时将地理要素的空间信息和属性信息集成到同一个关系型数据库中，实现了所有数据的中心化管理[7]。基于Geodatabase的存量商品住房数据库的构建包括要素类和属性类数据的集成，其关键是在建筑物空间数据、存量商品住房属性数据、比价系数数据以及房屋成交价格数据之间建立关联。建筑物空间数据存储建筑物楼栋的空间信息，与存量商品住房中的楼栋属性表是一对一的关系。房屋价格成交数据、房屋比价数据与存量商品住房的房屋属性数据是一对一的关系，而存量商品住房中的楼栋与房屋属性数据之间是一对多的关系，彼此之间通过主键和外键实现关联。通过上述关系，从而实现建筑物空间数据、存量商品住房属性数据、比价系数数据和房屋成交价格数据的有效集成。

数据关系映射的目的主要是将不同来源、不同编码的各类数据进行关联，如将交易案例价格数据与存量住房属性数据进行挂接、存量住房属性数据与建筑物空间数据的对接等，该过程是实现各类数据集成的关键。其中，要素类数据建筑物空间数据与存量商品住房的楼栋属性数据进行关联的方式是为二者建立一致的楼栋编号；房屋属性与楼栋属性数据的关联是房屋数据通过自身的楼栋编码bldg_no关联到其所在楼宇的信息；房屋属性数据、房屋比价系数数据与房屋交易案例价格数据则是通过各自唯一房屋编号house_no进行关联。同理，楼栋属性与楼栋比价系数也通过唯一的楼栋编码bldg_no关联，如图1所示。

基于以上的存量商品住房数据库构建方法，进行深圳市景田片区存量商品住房Geodatabase数据库构建。该数据库存储景田片区的建筑物空间分布数据，月度房屋成交的价格案例数据，400多条楼栋属性数据，30 000多套房屋属性数据以及对应的比价系数数据，实现了建筑物空间数据、存量商品住房属性数据以及交易样本价格数据的有效集成和统一管理。

3.3 价格测算模型及流程

图1 数据关系映射方式

基于存量商品住房数据库，构建景田片区的存量商品住房价格测算模型并进行价格测算（图2）。

图2 存量商品住房价格测算模型

1）筛选真实住宅交易价格信息，以该部分交易案例的价格数据样本作为景田片区存量商品住房价格测算的原始数据。

2）依据房屋间的比价系数，测算出这些住宅交易案例样本数据所对应的楼栋标准房价格。其计算公式为交易均价除以各自的比价系数，即交易案例的标准房价格=案例成交价格/案例比价系数。

3）对成交案例修正后的标准房价格求简单均价，将其作为成交案例所属楼栋的标准房唯一价格。

4）通过楼栋编码筛选出景田片区中未成交的楼栋数据，结合已修正的楼栋标准房价格及楼栋间的比价系数，测算出未成交楼房所对应的楼栋标准房价格。结合已成交案例对应的楼栋标准房价格，得到楼栋所有对应标准房的价格。

5）将所有楼房修正的楼栋的标准房价格求平均，得到全部楼栋的标准房唯一价格，通过房屋间的比价系数，测算片区内全部房屋价格，测算结果涵盖了景田片区的所有存量商品住房的房屋价格。其中，每套房屋的测算价格=标准房价格×每套房屋比价系数。

图3 景田片区楼栋均价空间分布

通过存量商品住房测算结果得出景田片区的楼栋均价，其空间分布展示如图3所示，通过该图可以迅速了解景田片区的楼栋空间分布及均价情况。根据本次景田片区存量商品住房测算价格统计显示，景田片区的存量商品住房均价为23 261 元/m2，而深圳市当期（即2012年6月）的新建商品住房价格为17 299 元 / m2[8]，景田片区的存量商品住房均价相对全市均价要高出34.5%，这说明景田片区的居住、生活和教育等各方面配套相对比较完备，其价格在一定程度上体现了该片区住宅的价值，及受市场认可的程度。从图3还可以看出，在景田片区西侧紧挨着香梅路的楼盘，由于邻近深圳市的香蜜湖豪宅片区，周边居住环境适宜且配套完善，因而相对整个片区而言均价较高；位于景田片区东侧紧邻新洲路的楼房，由于受到交通要道新洲路的噪声影响较大，均价相对普遍较低。根据楼高、楼龄等属性特征对测算价格进行分类统计发现，1997年及以前竣工的楼栋，虽然无交通噪声影响，但在片区内仍处于较低价位，例如香蜜二村和市政生活区。而在2006年及以后竣工的楼盘如东方玫瑰园、万科金色家园和缇香名苑等楼盘均价在片区中处于较高水平，一方面楼龄是影响片区楼栋价格的重要因素；另一方面也说明后期建设的小区品质相对较高。

4 结 语

本文通过建立景田片区的建筑物空间数据、房屋属性数据、比价关系数据以及样本成交价格数据之间的数据映射关系，基于Geodatabase构建存量商品住房数据库，进行存量商品住房价格测算研究。测算结果覆盖整个片区的所有存量商品住房价格，实现存量商品住房的“一房一价”，通过案例采集验证测算，研究的存量商品住房价格较为接近市场交易的真实价格，从而为该区域的房地产市场交易各方提供合理的住房交易价格指导以及相关信息服务。同时，通过测算研究结果，初步了解片区存量商品住房的总体价格水平，同时，通过空间位置、楼盘属性等特征分析片区典型楼盘均价的成因。今后的研究将进一步加强测算模型、算法改进和结果验证，使测算价格更加科学准确，更能反映市场真实情况。

[1]王锋.房地产预警理论与实践[M].北京:中国建筑工业出版社,2010

[2]耿继进,张晖.基于GIS的房地产批量评估数据库构建研究——以深圳市为例[J].遥感技术与应用,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]耿继进,何素芳.房地产计税价格批量评估实证研究[J].地理空间信息,2011,9(3):27-31

[5]耿继进,李妍,朱奎花,等.城市房地产整体估价——以深圳为例[M].北京:中国金融出版社,2012

[6]深圳市房地产评估发展中心.深圳市存量房计税价格评估报告[R].深圳:深圳市房地产评估发展中心,2013

[7]熊丽华,杨峰.基于ArcSDE的空间数据库技术的应用研究[J].计算机应用,2004(3):90-96

[8]《深圳市房地产年鉴》编辑委员会.深圳市房地产年鉴[Z].深圳:深圳报业集团出版社,2013