|
【摘要】近年来，关于中国部分城市房地产建设过热、出现多座“空城”（也称“鬼城”）的争论此起彼伏，但关于城市住房空置率的研究一直缺乏准确有效的手段。百度大数据实验室通过一套创新的算法，对数以亿计的智能手机用户定位数据进行挖掘和分析，从而计算出住宅小区的人口密度。该团队对全国所有城市进行了研究，发现了20个住房空置程度较为严重的城市。研究发现，一些住房空置率较高的地区，仅在旅游淡季出现明显的空置，并不能界定为“空城”。而对于一些著名的“空城”，其不同区域的住房空置情况与人们通常认为的情况也有所差异。另外，研究还以两个城市为案例，进一步分析了两地的总人口变化、居住地与工作地的人员流动情况以及人口迁徙情况。该项研究对于宏观经济管理和新型城镇化建设都有重要的参考意义。 一、如何界定“空城”——城镇化研究的痛点问题 中国正在经历人类历史上速度和规模空前的城镇化进程。从2000年到2015年，我国城镇化率从36.2%上升至56.1%。2011年到2013年，中国使用的混凝土总量超过了美国整个20世纪的用量。快速城镇化在给人民带来更高生活质量和更多就业机会的同时也带来了“城市病”。例如，一些地方在城市建设中存在“摊大饼”的问题，“新城”变“空城”的现象引起了社会关注。 2010年，美国《时代周刊》的一篇报道将内蒙古自治区鄂尔多斯市康巴什新区称为“鬼城”。之后，关于中国多地超前建设成为“鬼城”的报道此起彼伏，甚至有人推出了中国“鬼城”排行榜。然而，上述报道多有夸大或不实成分，既难以证实也难以证伪。例如，有媒体报道，山东乳山市的住房空置情况严重，而也有媒体报道，乳山市居民数量增加，已经摘掉了“空城”的帽子。一些报道通过拍摄照片或统计夜晚亮灯情况的方式描述城市住房空置的情况，可信度较低。此外，尽管“空城”的外在表现大致相同，但形成“空城”的内在原因可能差别很大。例如，近年来我国旅游业发展迅速，为了满足游客的需求，拥有旅游资源的城市兴建了很多度假小区。这些小区在旅游旺季人口较多，而在旅游淡季人口较少，这种现象在全球都是很常见的。因此需要对旅游目的地城市和一般城市加以区分。这就提出了问题：中国“空城”的实际情况到底如何？ 二、大数据为分析“空城”问题带来转机 李克强总理多次强调，推进城镇化的重点不在“地”，不在“楼”，而在“人”，城市化要避免“摊大饼”。国土资源部2014年的调研发现，全国391个城市的新区规划人均城市建设用地197平方米，已建成区人均城市建设用地达到161平方米，远远超过了人均100平方米的国家标准。国土资源部曾专门下发文件，要求推进土地节约集约利用，对城市新区用地进行严格管控。 住房空置率是衡量城市房地产行业健康程度的重要指标，但是准确计算住房空置率十分困难。按照住建部的标准，正常的城市人口密度水平为每平方公里建成区容纳1万人，即人均100平方米。但是，选取城区人口与建成区比值的研究方法，只能大致反映城市人口密度的平均水平，无法到达更微观的区域层面，更难以找出“空城”形成的原因。而记录住宅灯光的方法误差较大，并且不能反映旅游业淡旺季带来的入住率季节性变化。 大数据技术为客观地认识和分析“空城”问题带来了转机。广泛使用的智能手机以及运用LBS（基于位置服务）技术的移动应用，生成了大量长时间尺度和高分辨率的独立轨迹数据。而百度的定位数据具有全国空间尺度、长时间尺度、高定位精度等特点，使得该研究具有极高的代表性。定位数据直接与“人”相关联，可以反映疑似“空城”区域人口的活跃度、人口数量变化和人口迁徙等指标，使得研究结果具有较高的可靠性。百度大数据实验室科学家吴海山博士率领的团队，通过分析上述数据首次对中国的“空城”进行了量化研究。 本研究采用了两种类型的数据集合，包括百度匿名用户的定位数据以及百度地图上的兴趣点（POI）数据，时间跨度从2014年9月到2015年4月。鉴别空置住宅区域的基本方向是：只有小规模人口居住的住宅小区。因此需要计算两个变量：用户的归属地和居住区的位置。 对于用户的归属地的计算，百度大数据实验室采用了广泛使用的基于密度的聚类算法DBSCAN，该算法可以简述为：许多联系紧密的点被组合在一起作为集群，而低密度区域的点被视为噪点。对于居住区的位置，百度大数据实验室采用了目前国内覆盖面最广的百度地图POI数据，并使用划分网格的方法，解决了POI点与住宅区域的对应问题。 基于上述两个变量，界定空置区域的具体标准是：对于每个住宅POI，选择以该点为中心的500X500米方格作为呈现单位，并将其划分为25个100X100米的网格作为分析单位。中国的人均容积率是1，居住面积为30平方米，因此每个100X100米网格可以容纳333人。百度用户约占中国总人口的57%，因此平均每个网格可容纳188名百度用户。百度大数据实验室将“空置”标准界定为低于该标准人口的四分之一，因此如果25个网格中人口最多的6个网格人口总和少于300，则定义这个区域为房屋空置区域（因为POI点不一定位于小区中心，如果选择全部网格人口之和则数据会被扭曲）。研究排除了别墅区以及新近建成的住宅区，因为上述区域人口密度较低是正常现象。 
图一：山东乳山住房空置情况
三、大数据揭示“空城”真相 通过上述方法，百度大数据实验室检测到了20个城市住宅空置率比较高的区域，并根据旅游淡旺季的人口变化，将这20个城市中的旅游城市和真正的“空城”进行了区分。例如，乳山（山东省）、如皋（江苏省）、兴化（江苏省）、文昌（海南省）、东港（山东省）和琼海（海南省）等均有较丰富的旅游资源。乳山空置的住房大多在海边（如图一），很多人在旅游旺季来此度假而在淡季离开属于正常情况，并不能说明房地产建设过热，不能界定为“空城”。而之前被媒体炒作为“空城”代表的鄂尔多斯市，一直被指责其新城（康巴什新区）的超前建设，但从百度研究的结论来看，其旧城区东胜区的人口流失反而更为明显（如图二）。 
图二：鄂尔多斯市东胜区住房空置情况
类似的情况还出现在天津，很多人认为天津滨海新区住房空置情况较为严重，但研究发现，位置并不偏僻、拥有学区房与地铁站的津南区，其空置情况也比较严重。另外，转型中的资源型城市山东东营和内蒙古通辽科尔沁区，也出现了较多的住房空置的情况。考虑到该研究可能对房地产价格造成的影响，百度没有公布20个城市的具体排名。 为了进一步分析住房空置的原因，百度大数据实验室还选择了旅游目的地乳山和非旅游目的地康巴什新区作为案例，来分析其人口变化以及居住地与工作地的人员流动情况。两地都是住房空置率较高的地区。①从总人数来看，在研究周期内两地的人口都没有增长，可见住房空置的状况都没有明显改善，但两地的人口数量变化规律呈现出显著差异。作为旅游城市，乳山在工作日和周末没有明显的人口周期性变化，而在国庆和春节假期人口大幅上升；康巴什的情况恰恰相反，工作日人口多、周末人口少、长假期间人口大幅下降的情况非常明显（如图三）。 
图三：康巴什和乳山的人口数量变化情况对比
可见，在分析住房空置问题时对旅游城市和非旅游城市进行区分是十分必要的。②从工作地-居住地分析来看，居住在乳山市区而到乳山银滩工作的人口数量，相当于居住在乳山银滩而到乳山市区工作的人口的两倍；类似的，居住在东胜区而到康巴什新区工作的人口数量，相当于居住在康巴什新区而到东胜区工作的人口的两倍。可见，人们更愿意在配套完善的老城区居住，而像乳山银滩和康巴什新区这样的新开发地区，在进行房地产开发的同时也应该大力完善教育、医疗、娱乐等配套设施，才能吸引更多人口入住。③从人口迁徙来看，百度大数据实验室采用了一个创新的算法，排除了人口迁徙期间途径城市对分析其最终目的地带来的干扰，从而计算出，国庆期间乳山和康巴什的最大人流量分别来自威海和榆林。这一方法对于分析城市经济活力和城市间的经济联系，以及政府部门进行交通、旅游规划都有重要的参考价值。
四、推动公共数据开放和政企数据合作，助力大数据治国理政 李克强总理指出：“推进城镇化，核心是人的城镇化，关键是提高城镇化质量，目的是造福百姓和富裕农民。”人是一切社会经济活动的主体，推进新型城镇化不能一味追求速度和规模，而应全面把握新型城镇化的内涵和实质，以人的城镇化为核心，而不是一场“造城运动”。因此，对城镇化问题的研究，其出发点和落脚点也应该放在“人”上。 移动互联网的普及和大数据技术的发展给围绕“人”的调查研究提供了新的思路。百度大数据实验室的“空城”研究就是大数据服务于宏观经济管理和城市规划的领先探索。目前，上文提到的工作地-居住地分析和人口迁徙分析，已经从实验室走向实际应用，为一些地方政府决策提供了参考。当然，作为一项探索性的研究，“空城”研究仍有进一步完善的空间，例如，由于得不到住宅小区的区域形状数据，只能用网格来模拟住宅小区，一定程度上对研究的精细化程度产生了制约。如果规划、国土等公共部门能够将其掌握的数据向社会开放，相关创新研究和应用的广度和深度都将得到进一步的提升。 百度大数据实验室的“空城”研究被美国权威杂志《麻省理工科技评论》评为2015年度最佳研究之一，得到《华尔街时报》、《华盛顿邮报》、美国国家公共广播电台等媒体的广泛关注，并被《参考消息》等国内权威媒体广泛转载。百度研究院院长、著名人工智能科学家吴恩达（Andrew Ng）表示，“现在是时候让机器学习来实现数据驱动城市规划了”。 展望未来，结合新型城镇化发展、信息惠民工程实施和智慧城市建设，大数据具有广泛的应用前景。建议以优化提升民生服务、激发社会活力、促进市场化应用为重点，大力推动公共部门数据开放和政企数据合作，引导鼓励企业和社会机构开展创新应用研究，深入发掘公共服务数据价值，在城乡建设、健康医疗、劳动就业、社会保障、交通旅游等领域开展大数据应用示范，进一步优化公共资源配置，提升公共服务水平。 
|
