基于大数据的住房空置率分析方法及应用研究

        ■ 项目特色

        ⒈研究意义

        住房空置率是反映房地产市场供需状况和衡量城市居民居住水平的重要指标，可为政府住房政策的制定、住房供给者的投资以及住房需求者的消费提供重要的参考。但我国目前住房空置率调查仍处于起步阶段，部分地方政府和研究机构有所尝试，但都因为标准问题或基础数据问题，使得调查结果难以得到各方认可。因此，迫切需要一种可靠、权威的住房空置率统计方法。

        ⒉研究方法

        本次研究将大数据技术与传统住房设施数据结合，以居民家庭用水数据为基础，通过分析家庭用水量变化特征，识别出空置住房，并将其标示到具体空间上，识别出住房空置率较高的小区和区域，为制定精准、有效的住房政策和房地产调控政策提供依据。以深圳为例，研究基础数据包括账户号、用水类型、用水量、地址、立户日期和抄表日期等基础属性，其中居民家庭类用水共80.8850 万条。

        ⒊研究过程

        首先，异常户识别。除用水量0 到1t 外，其他用水量与户数点符合正态分布，而0 到1t 处的户数发生突变，在数据分布上属于离群值，因此我们以1 吨确定为异常用水边界。其次，地理编码。由于数据中上报的地址信息是文本形式，需要将这些文本转化为地理坐标经纬度，以进行之后的空间分析，于是我们采用了一种全新的基于高德地图、百度地图、腾讯地图三大网络平台的地理编码方法。再者，坐标纠偏。将经过地理编码后的空间数据由三大网络平台的火星坐标转换成地球坐标。最后，住房空置率分析。经测算深圳市住房空间率为4.67%，并进行格网分析与热点分析，统计每个网格内的住房空置率，验证住房空置率的可信度。