大数据支撑下的城市土地定级更新工作思路

笪鹏益

【摘要】大数据时代的到来对传统规划设计工作提出挑战，也带来了效率显著提升的机遇，文章以合肥市新一轮住宅用地定级更新为例，对大数据在城市土地定级更新中主要植入环节进行介绍，对影响因素因子分析、土地级别初划与确定中大数据分析方法进行阐述，提出了大数据在土地更新事前资料收集、事中辅助作业、事后协助评估的工作思路，以期为自然资源统一管理后的土地定级与基准地价更新工作提供借鉴参考。

【关键词】大数据;土地定级;基准地价

【DOI】10.12334/j.issn.1002-8536.2021.28.033

1、基本概况

土地定级是根据城镇土地的经济、自然属性及其在社会经济活动中的地位、作用，对城镇土地使用价值进行综合分析，揭示城镇内部土地质量的地域差异，评定城镇土地级别的活动。基于城镇土地定级的商服、住宅、工业三类用地的基准地价是我国公示地价体系的核心组成部分，一般每3-5年调整一次。土地定级反映了不同类型用地在城市各板块的价值差异[1]。

合肥市新一轮土地定级与基准地价更新调整主要满足了三个方面的要求，一是实现空间性规划及重点片区、重大项目建设对土地价值提升的要求，特别是适应土地利用总体规划调整、五大近期重点发展片区规划及轨道交通、公共服务中心体系等重大专项规划。二是自然资源机构改革、精细化管理的要求，加强主城区统筹、完善级别因素因子体系，实现地价管理能力的提升。三是适应稳地价和稳预期的要求，以“三稳”为目标，建立稳中有增、与市场相适应、以基准地价为调控杠杆的地价标准。

2、大数据支撑下土地定级更新的研究思路

根据《城镇分等定级规程》（GB/T18507-2014）的要求，土地定级主要分为以下几个技术程序：一是编制以土地利用现状、规划为基本要素的工作底图，并调查收集土地定级资料;二是建立土地定级评价指标体系，确定影响土地级别的因素因子及其权重;三是定级资料的定量化处理，主要对点线状影响因素因子根据其影响方式和强度，确定其影响半径;四是通过土地定级单元的划分和定级单元内作用分值计算，初步划分土地级别的;五是土地级别的验证与调整，并最终明确土地级别，为基准地价的制定提供先决条件。

在以上步骤中，传统方法中资料调查、定量化处理、土地级别验证等步骤主要依靠问卷和现场调查，一方面资料收集成本人力成本高，另一方面受样本量的限制难以实现精细化，更加依赖于主观判断。经实践，笔者发现大数据方法在土地定级的数据调查、数据分析、后期验证三个主要环节中也可具有强的应用性，如：①通过获取公服、商业、公共交通等POI（兴趣点）数据，叠合城市近期建设规划数据，支撑定级影响因子的分析;②借助热力分析支撑中心体系和繁华度的识别，辅助进行土地级别的初步判断;③通过互联网获得房价数据并进行重分类，支撑土地定级的验证。

3、大数据支撑影响因素因子分析

3.1影响因素确定

住宅用地定级中，基础设施完善度和公用设施完善度起到至关重要的作用，政务、商服繁华影响度、道路通达度、公交便捷度、对外交通便利度、环境质量优劣度、绿地覆盖度、景观条件优劣度对住宅用地质量也有一定影响，另外加入了能充分反映住宅用地质量的居住人口密度因素和城市规划影响度因素。

3.2定级因子确定[2]

基础设施完善度因子选取了供电、供水、排水、供气、供暖五个因子，并结合规划供暖分区进行了修正。

商服繁华影响度因子选取了商服中心和政务中心两个因子，并结合在建、拟建商业综合体进行了修正。

公交便捷度选取了地面公交和轨道交通这两个因子，并对规划6-9号线轨道交通枢纽站点进行了修正。

对外交通便利度选择了汽车站、火车站、港口、高速公路出入口、机场因子进行调查，并对高速公路出入口进行了规划修正。

公用设施完备度选择了大学、中学、小学、幼儿园、医院、农贸市场、公园广场、体育馆、图书馆、文化宫、博物馆、大型超市，并结合优质中小学学区，和规划大型公服设施进行了修正。

环境质量优劣度和绿地覆盖度选择了是大气污染、水污染、噪声污染和公园景观因子，并结合近期重要污染源搬迁改善和规划具有一定规模的城市公园进行了修正。

以上定级因子中，商服中心、公交站点、中小学、幼儿园、医院、农贸市场、体育馆、图书馆、文化宫、博物馆、大型超市的现状分布情况收集难度较大，均可通过获取POI数据获得，人口密度往往无法精确到社区层面，可以通过手机移动信令数据以及热力数据辅助获得。

3.3因素因子权重确定

根據多轮专家打分，确定合肥市城区住宅用地土地定级影响因素因子权重。

3.4定量化处理

以50*50m的网格为定级单元，根据收集的各类资料，以近期规划+现状要素进行模拟定级，铁路、高速公路、河流、山体为阻隔线后进行定级单元作用分值计算。一般而言，城市的人口分布、以商服中心因子的大数据处理为例：通过对各个商服中心节假日的客流密度对比可以得到市民对各商服中心购物、娱乐、休闲的意向程度，从而判断各商服中心的影响力，因此客流密度可作为商服繁华影响度的基础影响数据分析其对土地质量的相对影响程度。

基于获取的微信宜出行大数据，借助 GIS 分析软件的 Kernel Density 分析模块，得到规划范围人口热力图，通过用户数量渲染地图颜色，从而实时展示该地区的人口密度，通过获取百度地图中各个商服中心区域内不同时间段的用户（人口）数量可计算得出该商服中心的流动人口密度。具体过程如下：（1）确定各商服中心调查区范围;（2）获取每个调查区内周五及周六下午五点至九点各整点共计十个时间点人口数量;（3）对获取到的各商服中心人口数据进行整理得到各商服中心流动人口密度，从而获取各商服中心相对影响力。

将经过整理各调查区单位时间段内的人口数量，按其所在的商服中心进行汇总统计，得出各个商服中心流动人口数据统计表。各商服中心规模指数用流动人口密度公示计算。按照一级商服中心服务半径 40000m;二级商服中心服务半径 30000m;三级商服中心服务半径 20000m;四级商服中心服务半径 15000m，基于 GIS软件的空间分析模块进行影响模擬（见下图）。

4、大数据支撑土地级别划分与确定

4.1土地级别初步划分

依据是各定级单元（网格）的因素因子作用分值及其作用总分值在空间分布上的变化规律，基于充分反映评价区内土地区位条件和社会经济效益的地域差异的出发点，以土地质量的突变处形成土地级别界线。

按照综合土地级别初步划分步骤，绘制住宅用地理论级别界线图，结合行政区边界、城市规划中快速路网布局、现状宗地界线等实际情况，初步划定住宅用地土地级别（见下图）。

4.2土地级别的验证

按初步划分的住宅用地土地级别，选取各级地房地出租、出售和商品房开发样点资料分别测算各级地住宅用地平均地价。

通过大数据抓取市区不同区域二手房与新房销售总价（单价乘住房面积），见下图，将销售总价与居住区占地面积相比，并按照住宅用地级别个数进行级别划分，验证住宅用地定级并修正定级范围。

4.3土地级别的最终确定

基于上述分析和修正，再通过主观判断进行最终修正，经征求属地意见并修改后确定最终土地级别。

结语：

以服务地价精细化管理为导向的城镇土地定级，应体现近期建设规划与重大项目建设对土地价值提升，住宅用地基准地价体现与市场价格挂钩动态调整，商服、工业用地基准地价体现政策控制与项目招商的需要。在实现土地定级的精准化要求下，应积极应用新技术获得数据和分析数据，合肥市新一轮土地定级与基准地价更新特别增加了规划数据、房屋交易数据与土地供应数据的综合应用，以不同区块服务配套能级高低、基础设施投入强度、人口与产业聚集程度、环境因素正反面影响、特殊影响因素，重新评定土地级别。基准地价编制项目属于原国土领域的传统项目，在规划与国土融合为一家之后，规划的思维和大数据分析方法将更加有利于促进土地定级与基准地价更新工作的精准和效率提升。

参考文献：

[1]陈诚.瑞昌市城区土地定级与基准地价变化研究[D].江西农业学，2018.

[2]云彤.基于特尔菲法的城镇土地定级与基准地价更新调整研究——以五原县城区为例[J].内蒙古大学学报（自然科学版），2019，50（03）：280-286.