北京: 清華最新研究:北京住房空置率到底有多少?

2025-07-16 | 來源: 知識分子 | 轉到微信 | 有0人參與評論 | 字體: 放大縮小 | 收藏 | 打印

課題組同時建議，政府部門可以利用LBS數據建立一個動態的城市住房監測平台，追蹤人口流動和居住模式的變化，以提前發現空置趨勢，預測潛在的住房問題，從而做出更敏捷、更科學的決策。

如何鎖定空置房？

在高樓林立、人口稠密的高層住區，傳統的調查方法面臨巨大挑戰——研究者無法像觀察獨棟住宅那樣，通過建築外觀或院落狀態來判斷其內部成百上千個單元的居住情況。

現有研究在數據覆蓋范圍、空間分辨率和方法普適性上存在局限，導致在居住區尺度的HVR估算上存在顯著的研究空白。

國際上很多國家都開展了空置住房普查工作，但中國並無官方的空置住房普查數據。此外，如美國人口普查局（ACS）的數據雖然權威性高，但存在空間粒度粗（通常為城市或行政區級別）、時間頻率低（數年一次）的缺陷。

針對實地調查與問卷的方式，雖然通過抽樣問卷或夜間亮燈觀察等辦法可獲取精細的一手數據，但人力及時間成本高昂，難以大規模推廣，且觀測結果易受短期行為和主觀判斷影響。

另一類傳統數據方法是使用水電消耗數據，通過分析家庭水電用量判斷入住狀態，准確度較高。但此類數據涉及用戶隱私，數據可得性極差，限制了其在學術研究中的廣泛應用。

目前，新興大數據測量的方法正在被使用，包括：夜光遙感數據 (Nighttime Light Data)、高分辨率影像與街景 (High-Res Imagery & Street View)和LBS與手機信令數據 (LBS & Mobile Signaling Data)。

夜光遙感數據利用DMSP/OLS, NPP/VIIRS, 珞珈一號等衛星捕捉城市夜間燈光強度反演人類活動，實現了大范圍觀測。但其空間分辨率（130m-1000m）對於居住區級研究仍顯粗糙，且易受街道照明等非住宅光源的噪聲幹擾。最新的吉林一號數據雖分辨率高達0.92米，但獲取成本高，難以普適。

民進黨元老1年內至少3訪北京期待前沿科技合作

iPhone 17系列開賣北京上海旗艦店大排長龍

許多發展中國家支持北京香山論壇挑戰西方價值觀

高分辨率影像與街景通過深度學習識別房屋的空置/廢棄特征，在獨棟房屋應用效果較好，但無法穿透高層建築的“黑箱”，不適用於集合住宅為主的城市。

LBS與手機信令數據基於用戶定位和通信記錄識別常住人口，理論上精度高。但其在HVR研究中的應用尚處起步階段，數據獲取門檻高，且缺乏公認的驗證標准來評估其估算結果的准確性。

因此，現有研究缺少一種能夠兼顧宏觀尺度覆蓋性、微觀尺度精確性和方法有效性驗證的HVR估算范式，尤其是在高層住宅密集的城市環境中。

既往研究中使用的核心數據源展示

為估算實際家庭數量，課題組采用了五種數據集、兩種技術路徑。第一種路徑利用百度LBS和手機信令的人口數據，通過除以區域平均家庭戶規模來推算戶數；第二種路徑則利用三套夜間燈光遙感數據（吉林一號夜光遙感數據、珞珈一號夜光遙感數據、NPP/VIIRS夜光遙感數據），以382個城市中心居住區的燈光亮度為基准，標定出單個家庭的“標准亮度值”，再以此為單位換算出各居住區的實際居住戶數。

研究采用統一公式“HVR = 1? 家庭數量/住房容量”，為每個居住區分別計算出基於五種不同數據源的HVR結果，以便後續進行交叉對比與驗證。

“Wi-Fi探針”驗證准確度

面對五種數據源得出的不同結果，研究團隊引入了一種實地驗證方法來建立“地面真值”（Ground Truth）基准，以解決何種數據源最接近真實情況這一關鍵問題。