基于GIS的某市择房分析含参考文献 论文 原创.docx
《基于GIS的某市择房分析含参考文献 论文 原创.docx》由会员分享，可在线阅读，更多相关《基于GIS的某市择房分析含参考文献 论文 原创.docx（10页珍藏版）》请在冰豆网上搜索。
基于GIS的某市择房分析含参考文献论文原创
摘要：
随着时代的发展,人们对住房条件的要求也越来越高,选择一个良好的住房成为许多人日益重视的问题。
人们往往对住房价格、周边的环境、所处地段、上班是否方便、是否靠近学校等都提出了要求。
本文实例主要以潮州市区择房为例，首先总结前人经验，得到择房因素以及权重。
再对潮州市区各个信息点数据进行预处理，抽取择房分析时需要的要素构成新的图层；通过ArcGIS，针对择房影响因素，对数据抽取得到的图层进行空间缓冲区分析以及叠置分析，最后进行属性分级，得到综合因素较优越的居住小区供择房者选择。
关键词：
GIS；空间分析；市区择房
目录
1.研究背景和意义………………………………………………………………………
（1）
1.1国内外研究现状………………………………………………………………………
（1）
1.2研究意义………………………………………………………………………………
（2）
2.择房影响因素分析………………………………………………………………………
（2）
2.1择房影响因素选取原则………………………………………………………………
（2）
2.2择房影响因素选取方法及说明………………………………………………………
（2）
3.实证研究…………………………………………………………………………………（4）
3.1研究区概况……………………………………………………………………………（4）
3.2数据获取及处理………………………………………………………………………（4）
3.3GIS空间分析…………………………………………………………………………（5）
3.4住房适宜性等级分析…………………………………………………………………（7）
3.5小结……………………………………………………………………………………（8）
4.总结……………………………………………………………………………………（8）
参考文献……………………………………………………………………………………（9）
致谢………………………………………………………………………………………（10）
基于GIS的潮州市区择房分析
1.研究背景和意义
1.1国内外研究现状
1.1.1国外研究现状
国外基于GIS空间分析的应用方面比国内早得多,且已趋近成熟并开始商业化运作。
最早实现商业空间分析与GIS结合的是Batty和Xie,他们利用GIS实现了著名的劳瑞模型（Lowry-Typemod-els）。
在国外，许多学者在GIS的发展过程中都曾对空间分析有过细致研究，其中，Unwin的《空间分析入门》（1981年）是较早论述空间分析的著作，将空间分析局限于对点、线、面、曲面地图要素的参数描述和图形表示，部分地涉及到统计分析内容和地图分析的方法，但从现在空间分析内涵来看，不够全面。
Ripley的《空间统计学》主要从统计学出发研究地理对象的空间分布与描述[1]。
自90年代后,空间分析的主要理论开始逐步成熟,形成了多元统计、地统计、人工智能、空间机理动力学复杂系统等建模方法,专用的空间分析技术平台软件如SpaceStat、S-Plus等相继推出。
RobertHaining的《社会与环境科学中的空间数据分析》（1990年）认为空间分析由三大部分组成：
统计分析、地图分析以及数学模型[2]。
Goodchild的《GIS环境下的空间分析》（1994年）对空间分析的框架作了较为系统的研究，他将空间分析分为两大类，即“产生式（productmode）分析”和“查询式（querymode）分析”。
S.Salhi和M.D.HGamal（2003年）提出一个基于遗传算法的区位-配置选址模型，用于解决连续性的区位-配置问题（设施不考虑容量限制问题）。
此外，Kuang-HanHsieha等（2004年）提出基于Kohoene的自组织特征地图（SOFMs）的直线距离来解决没有容量限制的区位-配置问题。
1.1.2国内研究现状
我国地理信息系统方面的工作自80年代初开始。
到20世纪90年代,随着地理信息的快速发展,空间分析理论和技术得到了快速发展,如李德仁等的《地理信息系统导论》、郭仁忠的《空间分析》、张成才等的《GIS空间分析理论与方法》、刘湘南等的《GIS空间分析原理与方法》、黎夏等的《GIS与空间分析—原理与方法》、朱长青等的《空间分析建模与原理》等分别从空间信息的获取和传输的角度研究了空间分析的理论和技术方法,形成了空间聚类、空间关联、小波、分形分维、不确定空间分析和空间知识发现与数据挖掘等分析技术，并在国家空间信息基础设施建设、数字地球、数字区域、土地资源规划与管理、城市规划等不同领域得到了广泛的应用[2]。
1994年，杨吾扬教授利用中心地理论对北京市大城市零售业和服务业的形成机制进行了研究，提出西单在21世纪将会是北京的超级商业中心，王府井、前门等将构成北京的市级商业中心[3]。
2002年，许学强等学者运用GIS技术，对广州市大型零售商店、大型综合超市、购物中心和仓储式商场布局进行研究，分析了广州市大型零售商店的空间布局现状及影响因素，结合定性分析，研究广州市大型零售店的未来空间布局与发展走向[4]。
2003年,宋晓东等人也以上海浦东大型零售商店为对象,探索了GIS在商业设施规划中的应用,其中利用Arcview中的计算密度工具（calculatedensity）,计算浦东新区商业设施分布密度,使商业网点选址分析上升到一个新的阶段[5]。
2008年陈颖彪等通过GIS空间分析方法,借助广州市城市空间数据,实现了基于GIS模型的城市商业空间Buffer分析、最佳路径分析、资源配置分析,同时分析了城市商业空间影响的主要驱动力机制及形成因素。
2009年孟祥锐在《GIS在城市择房中的应用分析》一文中综合购房者多方面需求因素，对商品房的信息进行研究分析。
2012年沈意浪的《基于GIS空间叠置分析的城市择房研究》提出基于栅格数据的空间叠置分析，选取了部分主要影响因素来作为典型例子得出择房分析最终的结果。
从国内相关研究看，基于GIS的空间分析法正逐渐成熟。
1.2研究意义
GIS空间分析往往涉及对基于同一地理坐标系统的空间信息进行查询和分析的工作，以回答一系列复杂的与空间有关的问题。
本课题研究的意义在于将理论知识和实际问题相结合，深入利用GIS强大的空间分析功能,通过GIS技术与数学模型结合、区位-配置模型等的结合，综合运用GIS及其空间分析的有关知识，以潮州市区为对象，解决居民在择房过程中遇到的实际问题。
GIS空间分析技术的应用为城市居民择房分析提供了新的思路和方法，弥补了传统研究方法的不足，不仅为择房者提供了科学、形象和直观的数据和信息，而且提供理论依据和决策支持，帮助择房者更好选择适合自己的住房，同时也使GIS的功能得到更好的现实发挥，实现科技服务于人类，造福于人类的最初构想。
2.择房影响因素分析
2.1择房影响因素选取原则[3]
在现实生活中，影响择房的因素复杂多样，各个因素在择房中的影响程度不尽相同。
在市场营销学中，购房的行为属于复杂型购买行为，房产品牌差异大、购买风险大，因此购房者需要对各种因素进行学习和了解。
而那些与地理相关的因素，比如与交通或其它信息点的距离等，可以将其空间关系在GIS分析中形象地展示出来，例如用栅格图形分级表示与交通要道的距离；择房分析影响因素的构建原则，要能够以人类生态学的角度综合评价居住环境的适宜性，这里所指的环境，包括了社会经济环境，因此影响因素选择的原则要注意它的综合性、层次性、合理性以及现实性。
2.2择房影响因素选取方法及说明
根据黄宇、罗志勇的城市居住适宜性评价指标体系（表1）,居民对于择房因素的主观评价指标应该包括以下五部分：
自然环境（噪音污染、空气质量等）、人文环境（高等学府、名胜古迹等）、生活设施（超市、医院等）、交通设施（公交站台和地铁站台）、安全设施（紧急避难所、110警亭等）[6]。
表1城市居住适宜性评价指标体系
准则层指标
对策层指标
指标内容
自然环境
地势平坦
利用DEM对城市高程进行分级
空气质量
远离工厂烟囱
环境污染
远离污染型企业
噪音污染
远离主要道路
景观绿化
距市政公园很近
人文环境
高等学府
距高等学府很近
名胜古迹
距名胜古迹很近
区域特色
距高档社区很近
学校
距学校很近
生活设施
医院
距医院很近
超市
距超市很近
文体设施
距文体设施很近
交通设施
公交站台
距公交站台很近
地铁站台
距地铁站台很近
安全设施
110警亭
距110警亭很近
紧急避难所
距紧急避难所很近
远离流动人口密集区
远离火车站和长途汽车站
本文根据笔者所掌握的资料和潮州市区的实际情况选取一部分评价指标，作为居民择房因素，如表2所示。
表2居民择房因素
准则层指标
对策层指标
指标内容
自然环境
噪音污染
远离主要道路
人文环境
名胜古迹
距名胜古迹很近
学校
靠近学校
生活设施
购物点
靠近购物点
由于不同人群对住房以及其周边环境要求不同，笔者手中的数据，即潮州市区的信息点数据，有些影响因素的研究现实意义不大，比如“地势平坦”和“空气质量”等等，由于研究区域较小，故差别不大的影响因素不在考虑范围之内。
又如“高等学府”这个因素，整个潮州市只有韩山师范学院一个高等学府，反而会影响结论的合理性。
因此，选择对策层指标所对应的潮州市区信息点较多的因素，作为潮州市区择房因素，并且按照原来的比例重新进行分配，因此影响择房因素比较多，本文对距交通要道距离、距学校距离、是否临近名胜古迹景区以及是否处于商业中心服务范围这四个因素进行分析。
3.实证研究
3.1研究区概况
潮州市地处中国南疆，广东省最东部，与福建省相邻，西连揭阳，南接汕头，北通梅州，濒临南海，是广东的“东大门”，素有“省尾国角”之称。
现辖潮安县、饶平县和湘桥区、枫溪区。
（通常我们所讲的潮州市区，就是指湘桥区部分地区，包括潮州大道以西到韩江以东一带地区）全市总面积3613.9平方公里，其中海域面积533平方公里，海（岛）岸线长136公里，属亚热带海洋性季风气候，气候温和，雨量充沛，终年常绿，四季宜耕。
全年平均气温21.4℃。
全市地势北高南低。
山地、丘陵占全市总面积的65%，主要分布在饶平县和潮安县北部。
主要山脉有粤闽交界的武夷山系一一峰宏山脉支脉和潮梅交界的莲花山系一一凤凰山脉。
凤凰山脉主峰凤凰大髻、海拔1497.8米。
韩江自西北向东南斜贯潮州城区和潮安县，是广东省第二大河流。
3.2数据获取及处理
3.2.1数据源分析
用ArcGis加载潮州市区底图，建立矢量数据图层：
高中分布图层、购物点分布图层、名胜古迹分布图层以及主要交通干道图层。
观察图形，可以发现主要是由两个图层组成，分别是点状图层：
潮州市区信息点（图层名：
school、shop、scenicspot）；线状图层：
潮州市区主要交通干线（图层名：
ST）。
观察各个图层的属性表，如表3所示。
表3各图层数据字典
属性表名
序号
字段含义
字段名称
类型
school、
shop、
scenicspot
1
点的序列号
FID
ObjectID
2
图层要素类型
Shape
Geometry
3
信息点名称
Name
Text（长度：
50）
4
信息点类型
Type
Text（长度：
50）
ST
1
点的序列号
FID
ObjectID
2
图层要素类型
Shape
Geometry
3
公交线路名称
名称
Text（长度：
50）
3.2.2数据预处理
根据表1“居民择房因素”中的指标内容，整理得到所需数据种类（种类信息来自于信息点中的Type字段）及其明细，如表4所示。
其中，只有第一行数据关系到线要素，即已有数据中的“ST”图层，其余的数据都要从点要素图层中提取。
从第二行开始，表格第一列为提取要素的依据，第二列为根据此依据得出的择房因素，第三列为可代表这些因素的相对应的信息点类型（体现在表4中的Type字段），第四列为每个择房因素对应抽取的信息点组成的新图层名，第五列对应的是每个因素的权重。
其中，择房因素之一的购物点，所对应的信息点类型有超市、购物相关场所、购物中心等。
表4信息点抽取明细表
依据（指标内容）
择房因素
抽取的信息点类型（Type字段）
新图层名
远离主要道路
主要交通干线
ST
距学校很近
学校
中学
school
距购物点很近
购物点
超市、购物相关场所、购物中心
shop
距名胜古迹很近
名胜古迹
景点、名胜古迹
scenicspot
3.3GIS空间分析
根据潮州市区各个地段的住房条件的优劣情况，对研究区域的住房适宜性进行评价。
利用GIS技术对已有数据进行空间分析，根据最终生成的叠置图层中的“class”字段属性值对住房适宜性进行分级，并输出住房适宜性分级图。
3.3.1缓冲区分析
根据住房条件对住房适宜性的具体影响情况，确定缓冲区的半径，并建立相应的缓冲区。
（1）交通主干道噪音污染影响范围的建立。
以交通主干道为基线建立半径为150米的缓冲区。
在此范围内住房受到交通噪音污染影响的程度比较大，不适宜居住。
（2）购物中心影响范围的建立。
以购物中心为圆心建立半径为300米的缓冲区。
在此范围内日常购物比较方便，适宜居住。
（3）学校影响范围的建立。
以学校为圆心建立半径为350米的缓冲区。
在此范围内小孩上学比较便捷，适宜居住。
（4）名胜古迹影响范围建立。
以名胜古迹为圆心建立半径为400米的缓冲区。
在此范围内环境比较幽雅，有利于休闲、游憩，适宜居住。
3.3.2属性赋值
在交通主干道缓冲区图层的属性表中添加“ST”字段，全部赋值为-1，表示该因素是居住的不利因素（图1）。
图1交通主干道缓冲区图层赋值
分别在购物中心、学校、名胜古迹等影响因素的缓冲区图层的属性表中添加“shop”、“school”、“scenicspot”字段，全部赋值为1，表示这些因素是居住的有利因素。
3.3.3叠置分析
将交通主干道、购物中心、学校、名胜古迹的缓冲区图层进行叠置，生成影响因素叠置图层。
在“属性赋值”步骤中添加的字段自动添加到叠置图层的属性表中。
3.3.4计算与分级
在影响因素叠置图层的属性表中添加“class”字段，使用“字段计算器”得出该字段的属性值，计算公式为“class=[school]+[shop]+[scenicspot]+[ST]”。
计算得出“class”字段的属性值有5种，分别是-1、0、1、2、3。
应用“class”字段值进行分级显示。
住房条件等级及对应的“class”字段属性值如表5所示。
表5住房适宜性等级及对应的“class”字段属性值
住房适宜性等级
对应的“class”字段值
第五等级
-1
第四等级
0
第三等级
1
第二等级
2
第一等级
3
3.3.5制图输出
将住房适宜性分级情况进行符号化显示，添加图名、指南针、比例尺和图例，制作并输出潮州市区住房适宜性分级图（图2）。
图2潮州市区住房适宜性分级图
3.4住房适宜性等级分析
根据潮州市区住房适宜性分级图对潮州市区住房适宜性进行以下分析。
（1）第一等级。
住房适宜性为第一等级的地段位于环城北路附近，该地段远离交通主干道，噪音污染很小，且附近分布着许多名胜古迹，环境条件十分优越，附近还分布着学校和购物点，生活相当便捷。
这里是潮州市区住房适宜性最好的地区，是择房的首选地段。
（2）第二等级。
住房适宜性为第二等级的地段有三处。
一处位于第一等级地段的南北两侧，另一处位于潮州西湖南门附近，还有一处位于新洋路、绿榕北路和潮枫路围成的三角形区域的中部。
这些地段主要受到购物中心、学校、名胜古迹中的两个因素的影响，小部分受到四个因素的共同影响，属于较好的择房地段。
（3）第三等级。
住房适宜性为第三等级的地段分布最广，主要分布在中部及南部地区，在东部地区的分布比西部地区多。
这体现出潮州市区内部区域的发展差异，即东部或南部是较先发展的地区，新城区正在向西部或北部发展。
这些地段主要受到购物中心、学校、名胜古迹中的一个因素的影响，或者受到购物中心、学校、名胜古迹中的两个因素级交通主干道这一因素的共同影响，属于中等的择房地段。
（4）第四等级。
住房适宜性为第四等级的地段分散分布在市区各地，都分布在交通主干道两侧。
这些地段受到购物中心、学校、名胜古迹中的一个因素级交通主干道这一因素的共同影响，住房适宜性较差，应该尽量避免在这些地段购房。
（5）第五等级。
住房适宜性为第五等级的地段分散分布在市区各地，都分布在交通主干道两侧。
这些地段主要受到交通主干道这一因素的影响，噪音污染比较严重；这些地段距离购物中心、学校、名胜古迹等设施比较远，在此处居住时日常生活将非常不舒适，是择房时务必避开的地段。
3.5小结
通过上面的实验分析，本文得出了一些作为备选社区的地段，择房者可以根据自己的偏好从优选地段的小区中选择某一个，再通过实地勘测去了解小区的实际情况，比如小区治安、物业管理质量等各个方面的具体情况，最后再做出购房决定。
4.总结
利用ArcGis软件选择的居民区，体现了以人为本的思想，充分考虑了环境优雅无污染，符合城市总体规划的生态要求，环境噪音影响小，又考虑到了文化设施的功能性。
因此选择结果符合城市居住适宜性评价指标体系的要求，具有较高的准确性和科学性。
GIS的空间分析有着广阔的应用前景和深远的实际意义，ARCGIS、ARCVIEW等专业软件和网络技术的快速发展为GIS的空间分析注入更多新的思路，使得地理数据在各个领域得到更加快速、准确的分析，同时，未来几年，随着科技的不断进步，数据分析的成本也会不断下降。
可以预见，在不久的将来，GIS空间分析技术更加成熟，应用成本继续降低，应用范围更加广阔，必将成为GIS技术的新方向，在人们的生产、生活中起到更为重要的作用[7]。
在现实情况下,随着经济水平的提高，人民的生活水平也随之逐步提高，择房的影响因素朝着多元化发展，例如房地产价格、交通便利与否、是否是闹市区、离工作地点远近等。
购房者可根据自身的实际情况出发，自己设计条件，寻找符合要求的区域。
正文中文献的页末注释和本页的参考文献参照附件16的要求修改
参考文献
[1]黎夏,刘凯.GIS与空间分析——原理与方法[M].北京:
科学出版社,2007,08:
204-210,133-135,151-152.
[2]刘耀林.从空间分析到空间决策的思考[J].武汉:
武汉大学学报（信息科学版）,2007,（11）.
[3]杨吾扬.北京市零售商业与服务业中心和网点的过去、现在和未来[J].地理学报，1994,49（4）:
9-15.
[4]许学强,周素红,林耿.广州市大型零售商店布局分析[J].城市规划,2002,26（7）:
23-28.
[5]朱华岚,吴健平.基于组件的上海市商业地理信息系统开发[J].遥感技术与应用,2002,17（3）:
167-171.
[6]黄宇,罗智勇,杨武年.基于GIS的城市居住适宜性评价研究[J].测绘科学,2008,33
（1）:
126-129.
[7]孟祥锐.GIS在城市择房中的应用分析[J].长春:
长春师范学院学报（自然科学版）,2009,28（6）:
61-62.
升级会员 