城市居住用地空间配置决策支持模型研究<br/>——基于不同类型家庭居住选址偏好差异的量化分析与应用

城市居住用地空间配置决策支持模型研究
——基于不同类型家庭居住选址偏好差异的量化分析与应用

2016-11-15张英杰郑思齐张索迪

东南大学学报(哲学社会科学版) 2016年5期

关键词：居住用地区位住房

张英杰，郑思齐，张索迪

（1.北京林业大学经济管理学院，北京100083；2.清华大学恒隆房地产研究中心，清华大学建设管理系，北京100084）

城市居住用地空间配置决策支持模型研究
——基于不同类型家庭居住选址偏好差异的量化分析与应用

张英杰1，郑思齐2，张索迪2

（1.北京林业大学经济管理学院，北京100083；2.清华大学恒隆房地产研究中心，清华大学建设管理系，北京100084）

以家庭的选址行为偏好规律分析为核心出发点，首先在北京市域1911个微观区块尺度上，以北京市2010年交通出行调查中的居民微观数据为基础，采用离散选择模型方法量化了不同类型居民的选址偏好差异；进一步在此基础上进行了两项应用拓展，其一是城市整体居住用地的供需比较分析，度量了家庭偏好和真实用地供给情况的空间差异；其二是针对不同产权类型的保障性住房，通过比较自有住房家庭和租赁住房家庭的选址偏好差异，给出适宜供给公共租赁住房和自住型商品房的具体区位参考结果。研究发现，自有住房家庭更加注重生活品质，而租房家庭对公共交通便利性和就业可达性的偏好显著性更强。

居住选址；偏好分析；保障房选址；城市管理；城市规划

一、引言

传统的城市管理与规划模式因为无法精确把握城市主体的微观需求，缺乏对城市主体微观行为规律的重视和考虑，逐渐显露出其自身的局限性。“新型城镇化”战略强调积极稳妥推进城镇化，着力提高居民的生活质量和幸福感，这预示中国城市化的发展目标已经开始从数量型增长向质量型发展转变，“以人为本”的导向日益突出。相比之下，我国城市管理与规划由于受到早期计划经济体制的影响，在过去很长一段时期内一直延续的是由政府主导的“自上而下”的模式，具有执行力强，决策和实施过程紧凑，在资源配置上便于全局协调等突出优势，在一定程度上符合我国快速城镇化和资源紧缺的国情。然而，随着城市利益集团的多元化和居民对于城市生活的要求和期望的提高，这种模式因为更加侧重于“供给端”的物质实体，而在一定程度上忽视“需求端”的微观主体偏好，使得其结果往往并不是城市中的微观主体所真正期望和需求的。由此所导致的失败案例并不鲜见：例如，某些地方政府投入大量资金和土地修建的“新城”或城市新区很难吸引到企业或城市居民的入住，变成了名副其实的“鬼城”①具体实例可见：http：//www.xinhuanet.com/city/zt/csht/1.htm和http：//house.hexun.com/2014-09-01/168061472.htm l。；再例如，多地在大规模保障房建设后，因为无人愿意居住而出现的严重空置问题②具体实例可见：http：//news.163.com/16/0108/11/BCQ7PLG000014Q4P.htm l和http：//house.qq.com/a/20150928/011717.htm。。由此可见，传统“自上而下”的城市管理与规划思路和方法并不能很好地匹配城市建设的供给和需求，不仅没有有效满足城市内微观主体的真实需求，而且可能会造成公共资源的浪费。

这就意味着，当前的城市管理与规划体系需要进一步加深对需求端——城市微观主体——的偏好特点的理解。居民的选址偏好有其自身的规律性，而且内部的不同细分群体也会有一定的差异性，只有理解并把握其中的客观规律，才能有效提高城市管理、规划和服务供给的针对性和差异性，让我国的城镇化真正实现“人”的城镇化。

从已有研究来看，“需求导向型城市管理与规划”的相关理念已经受到了学术界和业界的普遍关注，针对需求端家庭居住选址偏好的量化分析手段也日益成熟，不过二者之间仍缺乏有机结合，尚未形成系统的城市管理决策支持模型。从理念和方法体系的角度来看，学者们探讨了当前城市规划管理与居民需求之间的错位［1］，并在制度层面讨论了如何加强城市规划对“需求端”个体利益的考量［2］，也做出了一定的应用性尝试［3-5］。不过，多数研究还是更加侧重对体系的搭建和方法的设计，鲜有研究能够与针对行为主体需求特征的实证分析相结合。从行为主体选址偏好的量化分析角度来看，相关的分析方法已经比较成熟。一般采用离散选择模型分析居民的选址行为，借助选址概率的分析剥离出微观主体对不同区位特征的偏好强度。不过这类实证研究需要较高精度的微观数据作为支撑，而受到客观数据质量的约束，目前针对中国城市内部的居民选址行为量化分析已有一定的实证分析，也得出了较为一致的基本规律——其中，李铁立［6］对影响因素进行了系统的梳理，郑思齐等［7，8］应用排序离散选择模型进行了分析，而王媛媛［9］、青静娴［10］，党云晓等［11］以及张园［12］的实证分析中，应用多元离散选择模型或嵌套选择模型识别了城市家庭的居住选址偏好特征。不过，这些定量分析的主要结论仍然没有被整合纳入对城市居住用地空间配置决策的有效支撑中；而且针对不同细分群体的偏好差异相关研究仍有待深化。

综上所述，已有研究在构建具有实际应用价值的城市管理与规划需求端决策支持模型方面，有以下两点有待继续完善和拓展。第一，需求导向的规划理念和体系虽然比较完善，但缺乏需求端微观主体偏好特征信息的有效支撑，二者之间的脱节限制了分析的视野和成果的应用潜力，尚未形成明确的城市居住用地空间配置决策支持模型；第二，针对行为主体选址偏好的实证分析因为受到客观微观数据可得性的限制，对细分类型家庭选址偏好差异的研究有待深入。

在上述背景下，本文定位于通过微观实证分析，揭示城市中家庭的居住选址偏好规律，并将其应用于构建辅助实践中城市居住用地空间配置的决策支持模型，为需求导向型的居住用地（特别是不同产权类型的保障房用地）的空间配置决策，提供一个可供参考的分析框架。具体而言，文章首先着眼于需求端的量化分析，揭示城市中居民的选址行为规律，量化识别其偏好特征；本文在北京市1911个微观区块的尺度上，以北京市2010年交通出行调查中的居民微观数据为基础，量化识别全体家庭对典型区位特征的居住选址平均偏好，以及自有住房家庭和租房家庭的选址偏好差异性。其次，将全体家庭平均偏好的分析结论应用于居住用地的供需比较分析——综合需求强度的空间分布和实际的居住用地供应现状，对城市整体的居住用地供给状态进行量化评估。最后，以不同产权类型的保障房空间选址决策为例，依托自有住房和租赁住房家庭对同一地块的需求强度相对大小，判断更加适宜建设公共租赁住房或自住型商品房的具体区位。

二、分析框架与数据基础

本文的核心分析思路是开展需求端的家庭居住选址行为分析，在利用选址模型挖掘主体偏好特点的基础上，结合各类区位特征的空间分布，提出支撑一般性居住用地，以及不同产权类型保障房用地空间配置决策的支持模型。本文的实证分析和应用展示均以北京为案例，选用的微观区块是北京市城市规划设计研究院在实际规划工作中所设定的全市域1911个交通分析小区（Traffic Analysis Zone，TAZ）。其中城市的中心地带的交通小区划分更细密，越向外围单个区块面积越大，这与城市人口密度分布是一致的，可以使对于微观个体选址行为的模拟更为精确。本篇的数据分析和处理均基于1911个TAZ的空间单元，重点关注北京市建成区空间范围内城六区（西城区、东城区、海淀区、朝阳区、丰台区、石景山区）共1067个交通小区，分别分析、测算和度量每个交通小区所对应的自变量指标的数值。

首先，本研究建立了居民选址的实证分析模型。本文选址模型的理论基础采用的是基于效用最大化理论的离散选择模型。决策者i在J个选项中的任意选择都将获得一定水平的效用，一般的，将决策者i从选项j中获得的效用称为Uij，（j=1…J）。该效用是由可观测部分与随机效用部分两部分构成的，即：Uij=Vij+εij。其中，Vij为第i个决策者选择第j个选项的可观测效用，包括选择项本身的属性（如在不同的居住区位公共服务设施与就业可达性的差异等）与决策者的个体特征（如家庭收入水平、年龄结构）。εij为第i个决策者选择第j个选项的随机效用部分，包括难以观测到的效用与观测误差的影响，通常将其看作是随机项：这样一来，通过对εij是满足独立同分布的随机变量的假设，便可以得到决策者i选择第j项的概率表达式：

离散选择模型拥有多种类型，当假设决策者效用的随机项服从独立同极值分布（也被称为Gum⁃bel分布或第一类极值）的前提下，McFadden［13，14］证明了每一种备选方案的选择概率表达式：

在上述基本理论的支撑下，我们用式（3）所示的效用方程分别表征居民（R）选址在区块i居住为其各自所带来的效用。

向量XR表示影响一系列影响居民选址的客观因素（例如各个区块的交通便利程度，居民所关注的周边各类公共服务设施的可达性等因素），待估计的关键参数βR体现了选择主体对于各类影响因素的偏好大小，可以解释不同主体的需求特点；同时这些参数也是进一步估算居民对城市内各个区位需求强度的关键参数。

本文实证研究的北京市家庭微观样本信息来源于《北京市2010年交通出行调查》①北京市定期开展居民出行调查工作，以居民家庭户为调查单位，调查内容为居民调查日的出行目的、出行时间、出行距离、交通方式、乘车路线、交通费用及停车情况等一日出行信息。同时调查中也获得了大量的家庭基本信息（如家庭规模、收入、交通工具、就业人口、住房属性等）和个体信息（年龄、受教育程度、职业等）。这些信息可以帮助规划者摸索居民出行特征和需求变化规律，为今后的城市规划（特别是交通规划）的制定提供定量数据基础。2010年的调查在全市域共获得有效样本家庭46900个。，在对全体居民选址偏好进行研究的同时，对于居民家庭住房特征中的住房所有权形式予以特别关注，将家庭按照住房的租买状态差异分为两类不同的子样本，并分别计算各自的区位选择偏好。基于对居民和需求特征的量化分析，我们可以得出不同主体对于城市内不同区位（本研究即各个TAZ）的需求强度，而现实各类用地实际的分布情况直接反映了城市规划的实际供给结果，由此我们可以从供需对比分析的角度切入，进一步构建辅助居住用地空间配置的决策支持模型。

具体而言，在整体居住用地的供需关系比较方面。从需求角度来看，在上述实证分析所得到一系列的居民偏好参数的基础上，结合每个TAZ上各类区位特征的空间分布情况，我们借助式（4），以各主体选址概率的估计值作为需求强度的度量指标，估算得到其对每个TAZ的需求强度大小。从供给角度来看，我们以当前各个TAZ内部居住用地的实际供应面积占研究范围内该类用地供应总面积的比重，作为表征该区块内两类用地的供给强度指标，以SupplyR，i表示在编号为i的TAZ上居住用地供给强度。由此可见，表征供需两端强度的指标均为比例，某一个TAZ该比例的数值越大，则表征这一区位的需求或供给强度越大。

在不同产权类型保障房用地的空间配置决策方面。类似公式（4）可以得到自有住房家庭和租赁住房家庭对同一区块的综合偏好强度相对大小，如公式（5）所示。基于此，某一区块上该指数越大，则意味着更加适宜建设公共租赁住房；该指数越小，则表示更加适宜建设自住型商品房。

三、家庭居住选址偏好量化分析

借鉴以往的实证研究经验，本研究选定了典型的区位特征，作为分析家庭居住选址偏好的关键自变量。主要变量名称、表征含义和描述性统计如表1所示，其样本量为城六区TAZ的数量。

表1影响居民居住区位选择的主要自变量（样本量：1067）

（1）全体家庭的平均偏好特征

针对全体样本，居民家庭对于各居住区位影响因素的偏好情况参数估计结果见表2的第一列，根据t值可以判断偏好参数估计结果在95%置信区间下均表现显著，部分在99%置信区间下表现显著。用可达性度（空间距离）量各类的区位特征，如教育、医疗、生活服务设施、交通可达性、绿化条件、市政设施条件，负号说明远离该特征使得该区块对于居民的效用降低，居民家庭对于以上影响因素的偏好估计值为负值，体现了居民对于该特征的偏好。结合显著性结果，即居民家庭对公共服务、市政设施、生活服务设施完备、交通可达性、就业可达性良好等均表现出明显偏好。

表2居民家庭居住区位选择偏好参数估计结果

为了度量居民家庭对不同区位特征的偏好敏感性差异，引入了边际选择概率，即自变量每增大一个标准差，居民选择概率的变化，根据计算结果，居民对于就业可达性最为敏感，就业可达性每增大一个标准差，居民对于同一区位变动前后的选择概率增大0.592；对于市政设施条件的敏感度最低，到市政设施服务范围的距离每增大一个标准差，居民对于同一区位变动前后的选择概率仅减少0.063。

（2）自有住房和租赁住房家庭的偏好差异性

租房家庭和自有住房家庭的居住选址偏好差异性比较结果见表2的第2和第3列，第4列为二者参数估计结果差异性是否显著的U统计量［16］。表中U检验的绝对值均大于Uα=99%=2.33，这意味着两种类型家庭对于同一种区位因素的偏好差异表现显著。

一方面，租房家庭对于交通、就业可达性有着更强烈的需求和偏好——租房家庭中，对于地铁便利程度（ln_D_SUBWAY）的偏好参数估计结果为-0.249，而自有住房家庭为-0.151；对于就业便利性程度（ln_JOB_DENSITY）的偏好参数估计结果在租房家庭和自有住房家庭中分别为0.581和0.319。这与租房家庭更加关注区位可达性以及职住便利的预期相一致。

另一方面，自有住房家庭更加注重生活质量，对公共服务设施和生活便利设施的完备程度表现出更强的偏好：无论是医疗（ln_D_HOSPITAL）、教育（ln_D_SCHOOL）、环境（ln_D_GREEN），还是商业配套设施（ln_D_SUPERMKT）方面，自有住房家庭的偏好参数估计结果均显著强于租赁住房家庭。这可能与当前中国城市家庭获得房屋产权后，可以享受到更多的公共服务有关，例如在一些重点小学的学区自有住房落户就可以入读重点小学等。

四、居住用地空间配置决策支持模型

单纯的偏好参数估计结果及其对比分析，有助于更加客观地把握家庭居住选址行为的内在规律，但尚不足以支撑城市管理和规划实践中的居住用地空间配置决策。本部分基于上述估计得到的关键偏好参数，以及实际的城市中各类区位特征的空间分布状态，从整体居住用地供需水平比较量化分析，以及不同产权类型保障房空间选址适宜性量化两个角度，展示支撑居住用地空间配置决策的具体操作方法。

（1）城市整体居住用地的供需比较水平量化分析

从整体居住用地空间配置角度来看，本文提出的决策支持模型，可以量化给出城市全局的居住用地供需比较水平。具体而言，根据上述分析所估算出的居民对各个TAZ的需求强度，及实际各类型用地的供应情况①在北京市城市用地类型代码中，R1-4表示居住用地。，我们绘制了居住用地需求强度与供给强度②北京市城市规划设计研究院在2010年土地利用现状图中，提取了各个TAZ中现状居住用地的面积，作为供给用地实际分布的计算数据源。实际上，在居住选址模型中，选择概率对应的应该是“楼面面积”（而非“地面面积”）的概念，因为家庭使用的是实际的楼面面积。这两者之间存在一个建筑密度（容积率）的关系。本文利用中指数据库的“招拍挂”土地交易信息，统计出容积率在空间上的变化规律，以此将地面面积的空间分布调整为楼面面积的空间分布（以下关于偏好和实际用地的分析均是基于楼面面积的概念），进而计算各TAZ中居住用地面积分别占中心城区居住用地总面积的比例，并用该比例绘制累积分布函数，表征实际的居住用地供给和需求在空间上的相对关系。的联合累积概率分布图。

借助这一量化分析结果，可以帮助城市管理部门全面认识当前城市居住用地的供需水平，有效识别居住用地供需缺口。以北京市为例，居住用地供给短缺的情况主要分布在四环内与东五环沿线，一方面在部分就业（次）中心周围没有提供充足的居住用地供给，造成了居住需求不能被满足的状况；另一方面，居住用地现状与偏好需求的缺口在内城区集中，与城市中心集中了大量的优质公共服务有关。北京市超过60%的“重点小学”和“三甲医院”集中于三环内［17］，为了靠近这些优质的公共服务资源，许多居民对于内城区位具有很强的支付意愿，但这些优势区位上居住用地和住房供给的严重不足造成了这种供需缺口。

（2）不同产权类型保障性住房的空间选址适宜性量化分析

从保障房用地的空间配置决策角度来看，“十三五”期间的住房保障将同时兼顾租赁性质的公租房，以及产权性质的自住型商品房或“棚改”安置房。以北京市为例，笔者在调研中发现，当前城市管理部门的决策难点在于无法有效确定在有限的土地资源中，哪些地块用以建设公租房，哪些地块用以建设或要求商品房开发商配建自住型商品房。已有关于保障房空间选址的决策支持模型或分析方法研究中，如李宗华等［18］，汪冬宁等［19］，和张祚等［20］，也尚未涉及这一问题。

本文在上述自有住房和租赁住房家庭差异化偏好参数结果估计的基础上，依据公式（5）构造不同产权类型保障房的选址适宜性指数，其在北京市中心城区范围内的空间分布情况如图2所示。该指数绝对值越大，即颜色越深的TAZ，意味着租房家庭对该区位的需求强度与自有住房家庭相比更高，也就更加适宜供给公共租赁住房；反之，则颜色越浅的TAZ就更加适宜供给产权型保障房。当然，实践中该分析方法与城市可用土地资源的客观条件相结合，可以辅助城市管理和规划部门更加客观地从其土地资源库中，筛选出适宜建设不同产权类型保障房的具体地块，辅助提高保障房用地空间配置决策的科学性水平。

图1北京市中心城区内居住用地的需求偏好和实际供给分布曲线

图2北京市中心城区内租赁住房和自有住房家庭需求强度对比空间分布

五、结语

城市管理和规划政策在优化城市空间结构、配置基础设施和公共服务资源、规避和解决城市化过程中的各种外部性问题等方面均扮演着重要的角色。在“新型城镇化”战略从追求数量型增长向注重质量型发展转变的背景下，对城市管理部门认识和把握城市发展的内在规律，提高城市规划与管理政策的科学化水平都提出了新的要求。

本文在北京市全市域1911个交通小区（城六区1067个交通小区）的空间尺度下，以城市经济学中的居住选址理论为基础，并结合城市规划实践经验，构建居住选址模型，测度了公共服务、市政设施、交通可达性、生活服务设施、就业可达性等区位因素对居住选址的影响机制和强度，特别分析了自有住房家庭与租房家庭对上述因素的敏感度差异——研究发现自有住房家庭更加注重生活品质，而租房家庭对公共交通便利性和就业可达性的偏好显著性更强。在此基础上，本文提出了针对城市整体居住用地供需比较量化分析，以及不同产权类型保障房用地选址适宜性的量化分析方法，旨在为城市中居住用地空间配置的相关决策，提供需求端的量化支撑，辅助提高相关决策的科学化水平。

需要承认的是，本文中基于行为主体选址偏好的实证研究仍有待细化，未来更多大数据的挖掘和应用，将极大提高对城市中行为主体偏好分析的精确性。不过，我们希望本文的分析思路和决策支撑模型能够为学术和业界同仁提供一个有价值的参考——虽然本文的研究以北京为案例进行展示，但相关的分析框架完全可以拓展到更多城市。我们相信，学者们针对城市家庭需求特征的深入分析，能够有效支撑“以人为本”的需求导向型用地空间配置决策，从而更加科学地提高城市土地的利用效率，切实提高城市家庭的生活水平。

［1］胡小武.现代城市设计的民生需求错位与人本导向纠谬［J］.上海城市管理，2011（5）：7-10.

［2］曾宪谋.城市规划公众参与制度分析［J］.规划师，2005（11）：18-21.

［3］陈平.依托数字城市技术，创建城市管理新模式［J］.中国科学院院刊，2005（3）：220-222.

［4］李德仁，彭明军，邵振峰.基于空间数据库的城市网格化管理与服务系统的设计与实现［J］.武汉大学学报：信息科学版，2006（6）：471-475.

［5］农昀，周素红.基于个体需求的社区规划编制和实施体系的构建［J］.规划师，2012（1）：12-17.

［6］李铁立.北京市居民居住选址行为分析［J］.人文地理，1997（2）：42-46.

［7］郑思齐，符育明，刘洪玉.利用排序多元Logit模型研究城市居民的居住区位选择［J］.地理科学进展，2004（5）：86-93.

［8］郑思齐，符育明，刘洪玉.城市居民对居住区位的偏好及其区位选择的实证研究［J］.经济地理，2005（2）：194-198.

［9］王媛媛.基于个人决策行为的居住地选择模型及应用研究［D］.清华大学，2005.

［10］青静娴.城市居民居住区位选择研究［D］.重庆大学，2007.

［11］党云晓，张文忠，武文杰.北京城市居民住房消费行为的空间差异及其影响因素［J］.地理科学进展，2011（10）：1203-1209.

［12］张园.面向住房需求特征的城市居民居住联合选择研究［D］.哈尔滨工业大学，2014.