不动产大数据在城市更新潜力空间评估中的应用

doi:10.13474/j.cnki.11-2246.2020.0393

测绘通报 ›› 2020, Vol. 0 ›› Issue (12): 71-74,82.doi: 10.13474/j.cnki.11-2246.2020.0393

• 国土空间规划支撑能力建设 • 上一篇下一篇

不动产大数据在城市更新潜力空间评估中的应用

汪洋¹, 唐华¹, 潘进¹, 李洋², 褚峤², 刘雨晴²

1. 南京市国土资源信息中心, 江苏南京 210005;
2. 北京清华同衡规划设计研究院有限公司, 北京 100085

收稿日期:2020-09-17 修回日期:2020-10-26 出版日期:2020-12-25 发布日期:2021-01-06
通讯作者: 唐华。E-mail:79016763@qq.com E-mail:79016763@qq.com
作者简介:汪洋(1983-),男,硕士,主要研究方向为GIS和自然资源信息化建设。E-mail:9777852@qq.com
基金资助:
江苏省测绘科研项目基金（JSCHKY201607）

Application of real estate big data in spatial evaluation model of urban renewal potential

WANG Yang¹, TANG Hua¹, PAN Jin¹, LI Yang², CHU Qiao², LIU Yuqing²

1. Nanjing Land Resources Information Center, Nanjing 210005, China;
2. Beijing Tsinghua Tongheng Urban Planning&Design Institute, Beijing 100085, China

Received:2020-09-17 Revised:2020-10-26 Online:2020-12-25 Published:2021-01-06

摘要/Abstract

摘要： 我国在发展新常态与城市精细化治理背景下，对城市更新精准施策与量化评估提出了更高的要求。城市更新过程与人、地、房的相互作用紧密相关。不动产登记数据包含丰富的人、地、房空间属性信息，能够在城市的建成环境评估过程中发挥重要作用，现有城市更新评估模型几乎均未使用这一数据支持。本文从大数据量化评估视角出发，在文献研究的基础上，利用不动产登记大数据构建城市更新潜力评估体系，建立评估方法，并以南京市为应用案例，在街道（乡、镇）尺度上，对评估对象区域进行城市更新潜力的量化评估，实现精细化尺度的空间分析，辅助城市更新方向与选址，引导精准施策。

关键词: 城市更新, 不动产, 大数据, 潜力评估, 模型

Abstract: China’s development in the era of new normalcy and refinement of urban governance lift the demand for more accurate policy-making based on quantitative evaluations. While the process of urban renewal is closely related to the interaction of people, land and buildings, real-estate big data, which contains rich information about the people-land-building relationships, may provide a strong support for the quantitative evaluations related to urban renewal. However, few existing evaluation model has yet addressed the usage of this data. This paper proposes an evaluation model of urban renewal potential based on real estate big data. The model is applied to Nanjing on the Jiedao level, demonstrating the model’s ability in identifying Jiedaos’ suitability and directions for urban renewal, which contributes to more accurate policy-making in the urban development process.

Key words: urban renewal, real estate, big data, potential assessment, model

中图分类号:

P208

汪洋, 唐华, 潘进, 李洋, 褚峤, 刘雨晴. 不动产大数据在城市更新潜力空间评估中的应用[J]. 测绘通报, 2020, 0(12): 71-74,82.

WANG Yang, TANG Hua, PAN Jin, LI Yang, CHU Qiao, LIU Yuqing. Application of real estate big data in spatial evaluation model of urban renewal potential[J]. Bulletin of Surveying and Mapping, 2020, 0(12): 71-74,82.

参考文献

[1] 丁凡, 伍江. 城市更新相关概念的演进及在当今的现实意义[J]. 城市规划学刊, 2017(6):87-95.
[2] 董鉴泓. 第一个五年计划中关于城市建设工作的若干问题[J]. 城市与区域规划研究, 2013, 6(1):184-193.
[3] 吴炳怀. 我国城市更新理论与实践的回顾分析及发展建议[J]. 现代城市研究,1999(5):46-48.
[4] 刘彦随. 现代人地关系与人地系统科学[J]. 地理科学,2020,40(8):1221-1234.
[5] 王景丽, 刘轶伦, 马昊翔,等. 开放大数据支持下的深圳市城市更新改造潜力评价[J]. 地域研究与开发, 2019,38(3):72-77.
[6] 莫琳君, 肖映辉. 不同目标导向下的城市更新研究[J]. 福建建筑, 2010(1):32-34.
[7] 李子静. 基于潜力评价的城市更新方法研究[D]. 南京:东南大学,2019.
[8] 王德文. 更新地块改造潜力与改造成效评价研究[J]. 中国房地产, 2018(10):17-20.
[9] 林允琦. 适于老镇区的用地更新潜力评估研究及应用[C]//活力城乡美好人居——2019中国城市规划年会论文集(02城市更新). 重庆:中国城市规划学会,2019.
[10] 谭艳霞. 基于公共服务设施评价的城市更新空间布局研究——以深圳为例[J]. 中国建设信息化, 2017(24):78-80.
[11] 邓神志, 叶昌东, 劳海宾. 基于更新改造潜力评价的城市更新模式及实施机制研究[J]. 城市, 2016(5):7-12.
[12] 龚健雅,张翔,向隆刚,等.智慧城市综合感知与智能决策的进展及应用[J].测绘学报,2019,48(12):1482-1497.
[13] 刘艳;赵民.城市更新项目的评价方法探究.城市建筑[J].2006(12):18-20.
[14] 左海龙, 罗红霞. 多源空间数据融合的城市精细化管理[J]. 测绘通报, 2019(12):108-111.
[15] 马潇雅, 刘远刚, 赵翔. 城市公共服务设施优化配置模型研究的近期进展与展望[J]. 测绘通报, 2020(2):9-16.

不动产大数据在城市更新潜力空间评估中的应用

Application of real estate big data in spatial evaluation model of urban renewal potential

可视化

摘要/Abstract

引用本文

使用本文

参考文献

相关文章 15

编辑推荐

Metrics

本文评价

[1]	柳林, 孙毅, 李万武. 基于CNN海上钻井平台检测模型的构建及训练算法分析[J]. 测绘通报, 2022, 0(7): 26-32,99.
[2]	孔瑞瑶, 谢涛, 马明, 孔瑞林. CatBoost模型在水深反演中的应用[J]. 测绘通报, 2022, 0(7): 33-37.
[3]	史健存, 杨泽发, 吴立新. 优化先验模型参数的矿区多轨InSAR三维形变监测[J]. 测绘通报, 2022, 0(7): 71-77.
[4]	席广永, 高俊, 邹东尧, 邵肖亚. 温变环境下RSSI测距温度改正建模[J]. 测绘通报, 2022, 0(7): 83-86.
[5]	周烨, 刘云波, 郑丽波, 龙泱君. 多平台点云数据的单木参数提取精度分析[J]. 测绘通报, 2022, 0(7): 168-172.
[6]	苏小霞, 黎仁杰, 吴静, 程朋根, 王保国. 城市生态系统安全评估研究进展与未来发展趋势[J]. 测绘通报, 2022, 0(6): 25-31.
[7]	窦世卿, 郑贺刚, 徐勇, 陈治宇, 苗林林, 宋莹莹. 基于U-Net3+的高分遥感影像建筑物提取[J]. 测绘通报, 2022, 0(6): 40-44.
[8]	李慧敏, 罗大伟, 窦世卿. 利用腾讯位置大数据进行多尺度人口空间化估算[J]. 测绘通报, 2022, 0(6): 93-97.
[9]	万忠明, 王亚文, 范子义. 无人机倾斜摄影技术在边坡监测中的应用[J]. 测绘通报, 2022, 0(6): 170-172.
[10]	张晋赫, 秦育罗, 张在岩, 宋伟东, 朱洪波. 复杂场景下农村道路裂缝分割方法[J]. 测绘通报, 2022, 0(5): 74-78,88.
[11]	王道杰, 陈倍, 孙健辉. 机载LiDAR点云密度对DEM精度的影响[J]. 测绘通报, 2022, 0(5): 140-144,169.
[12]	徐福斌, 曲相屹, 王健, 刘秀涵. 基于LiDAR点云的复杂钢结构模型重建[J]. 测绘通报, 2022, 0(5): 170-173.
[13]	兰峰, 张帆, 高云龙, 黄先锋. 顾及地物类别的倾斜摄影三维模型简化方法[J]. 测绘通报, 2022, 0(4): 44-50.
[14]	刘卓, 李佳, 张翔, 郭磊, 刘艳阳, 徐浩栋, 顾云杨, 陈重华. 利用TanDEM-X影像和ICESat-2高程数据获取南极高精度数字高程模型[J]. 测绘通报, 2022, 0(4): 72-76.
[15]	毕瑞, 甘淑, 袁希平, 李绕波, 高莎. 不同地形环境下无人机航线规划及三维建模分析[J]. 测绘通报, 2022, 0(4): 83-89,129.