CN112184495A - 存量低效土地监测系统及应用其的分析平台 - Google Patents
存量低效土地监测系统及应用其的分析平台 Download PDFInfo
- Publication number
- CN112184495A CN112184495A CN201910615331.9A CN201910615331A CN112184495A CN 112184495 A CN112184495 A CN 112184495A CN 201910615331 A CN201910615331 A CN 201910615331A CN 112184495 A CN112184495 A CN 112184495A
- Authority
- CN
- China
- Prior art keywords
- land
- plot
- evaluation
- price
- index
- Prior art date
- Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
- Granted
Links
- 238000004458 analytical method Methods 0.000 title claims abstract description 56
- 238000012544 monitoring process Methods 0.000 title claims abstract description 48
- 238000011156 evaluation Methods 0.000 claims abstract description 74
- 238000011161 development Methods 0.000 claims abstract description 60
- 238000003860 storage Methods 0.000 claims abstract description 56
- 238000000034 method Methods 0.000 claims abstract description 44
- 238000013210 evaluation model Methods 0.000 claims abstract description 34
- 230000008569 process Effects 0.000 claims abstract description 19
- 238000012300 Sequence Analysis Methods 0.000 claims abstract description 16
- 238000004364 calculation method Methods 0.000 claims description 17
- 239000011159 matrix material Substances 0.000 claims description 15
- 238000012163 sequencing technique Methods 0.000 claims description 10
- 230000008901 benefit Effects 0.000 claims description 9
- 238000004519 manufacturing process Methods 0.000 claims description 7
- 238000010276 construction Methods 0.000 claims description 5
- 238000012732 spatial analysis Methods 0.000 claims description 3
- 230000004083 survival effect Effects 0.000 claims description 3
- 238000012795 verification Methods 0.000 claims description 3
- 230000009286 beneficial effect Effects 0.000 abstract description 3
- 230000006872 improvement Effects 0.000 description 10
- 238000010586 diagram Methods 0.000 description 5
- 238000012937 correction Methods 0.000 description 4
- 238000007726 management method Methods 0.000 description 4
- 238000011160 research Methods 0.000 description 4
- 238000001514 detection method Methods 0.000 description 3
- 230000000694 effects Effects 0.000 description 3
- 230000007246 mechanism Effects 0.000 description 3
- 238000013461 design Methods 0.000 description 2
- 230000006870 function Effects 0.000 description 2
- 238000005192 partition Methods 0.000 description 2
- 238000004445 quantitative analysis Methods 0.000 description 2
- 238000010187 selection method Methods 0.000 description 2
- 230000009466 transformation Effects 0.000 description 2
- 238000009435 building construction Methods 0.000 description 1
- 238000007405 data analysis Methods 0.000 description 1
- 230000007812 deficiency Effects 0.000 description 1
- 238000009826 distribution Methods 0.000 description 1
- 230000007613 environmental effect Effects 0.000 description 1
- 238000007689 inspection Methods 0.000 description 1
- 238000011835 investigation Methods 0.000 description 1
- 238000012986 modification Methods 0.000 description 1
- 230000004048 modification Effects 0.000 description 1
- 238000011002 quantification Methods 0.000 description 1
- 238000012502 risk assessment Methods 0.000 description 1
- 238000012954 risk control Methods 0.000 description 1
- 238000004088 simulation Methods 0.000 description 1
- 238000012706 support-vector machine Methods 0.000 description 1
- 238000012360 testing method Methods 0.000 description 1
- 238000012549 training Methods 0.000 description 1
Images
Classifications
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06Q—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES; SYSTEMS OR METHODS SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES, NOT OTHERWISE PROVIDED FOR
- G06Q50/00—Information and communication technology [ICT] specially adapted for implementation of business processes of specific business sectors, e.g. utilities or tourism
- G06Q50/10—Services
- G06Q50/16—Real estate
- G06Q50/165—Land development
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06Q—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES; SYSTEMS OR METHODS SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES, NOT OTHERWISE PROVIDED FOR
- G06Q10/00—Administration; Management
- G06Q10/06—Resources, workflows, human or project management; Enterprise or organisation planning; Enterprise or organisation modelling
- G06Q10/063—Operations research, analysis or management
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06Q—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES; SYSTEMS OR METHODS SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES, NOT OTHERWISE PROVIDED FOR
- G06Q10/00—Administration; Management
- G06Q10/06—Resources, workflows, human or project management; Enterprise or organisation planning; Enterprise or organisation modelling
- G06Q10/063—Operations research, analysis or management
- G06Q10/0637—Strategic management or analysis, e.g. setting a goal or target of an organisation; Planning actions based on goals; Analysis or evaluation of effectiveness of goals
Landscapes
- Business, Economics & Management (AREA)
- Human Resources & Organizations (AREA)
- Engineering & Computer Science (AREA)
- Strategic Management (AREA)
- Economics (AREA)
- Tourism & Hospitality (AREA)
- Entrepreneurship & Innovation (AREA)
- General Business, Economics & Management (AREA)
- Theoretical Computer Science (AREA)
- Physics & Mathematics (AREA)
- Marketing (AREA)
- General Physics & Mathematics (AREA)
- Educational Administration (AREA)
- Development Economics (AREA)
- Game Theory and Decision Science (AREA)
- Operations Research (AREA)
- Quality & Reliability (AREA)
- Primary Health Care (AREA)
- General Health & Medical Sciences (AREA)
- Health & Medical Sciences (AREA)
- Management, Administration, Business Operations System, And Electronic Commerce (AREA)
Abstract
本发明公开了存量低效土地监测系统，包括基础地理信息数据库、评价指标体系，评价指标体系通过基础地理信息数据库内的数据计算得出各指标得分，各指标得分通过层次分析法确定权重，并得出地块效率得分，根据地块效率得分将地块进行排序，选出低效土地。本发明能够及时发现低效土地，有助于合理规划土地储备。本发明还公开了应用存量低效土地监测系统的分析平台,主要包括开发时序分析模块,开发时序分析模块集成有土地存量监测模型、土地收储价格评估模型和出让价格动态评估模型，本发明公开的分析平台，能够对土地储备进行分析，使得土地开发时序能够有序进行。
Description
技术领域
本发明涉及软件应用技术领域，特别涉及存量低效土地监测系统及应用其的分析平台。
背景技术
城市土地储备是政府运用市场机制，通过收购土地所有权或使用权，并按照土地利用总体规划和城市规划，对土地进行前期开发整理与储备，以调控城市建设用地需求的管理制度和运行机制。该机制是政府宏观调控的重要手段，对土地资源的利用具有着重要的指导性作用。
为了合理规划土地储备规模，需要对城市土地存量进行监测,其中低效土地是重点监测对象,低效土地是指城镇中布局散乱、利用粗放、用途不合理的存量建设用地,低效土地主要包括住宅低效土地和商服低效土地,对低效土地的评价判别是所有存量用地的基础，也是土地存量监测的难题。
此外，现有的土地储备工作中存在着一些问题，如：土地开发时序规划不足，导致土地开发顺序混乱。
发明内容
针对应用需求和现有技术的不足，本发明提供了一种存量低效土地监测系统，该系统能够提供土地存量监测、低效土地判别等功能，以帮助合理规划土地储备。
本发明还提供了一种应用该监测系统的分析平台，该平台能够对土地储备进行分析，使得土地开发时序能够有序进行。
为地储备计划的实施提供有力支持。
为实现上述目的，本发明提供以下技术方案。
存量低效土地监测系统，包括基础地理信息数据库、评价指标体系，所述评价指标体系包括住宅用地评价指标和商服用地评价指标，其中，所述住宅用地评价指标包括潜在开发容量、建筑密度、建造时间、安全隐患和入住率，所述商服用地评价指标包括潜在开发容量、建筑密度、土地产出率和客流量，所述基础地理信息数据库内包括供住宅用地评价指标和商服用地评价指标计算所需的相关数据，所述住宅用地评价指标和商服用地评价指标通过基础地理信息数据库内的数据计算得出各指标得分，各指标得分通过层次分析法确定权重，并得出地块效率得分，根据地块效率得分将地块进行排序，选出低效土地。
本发明的有益效果为：本发明通过建立监测系统，监测系统运行时，先输入土地类别，即商服用地或住宅用地，根据土地类别，选择相应的评价指标，评价指标再从基础地理信息数据库内选择需要的数据，评价指标计算得出各指标得分，各指标得分通过层次分析法确定权重，并得出地块效率得分，根据地块效率得分将地块进行排序，能够对区域内的土地进行监测，并进行判别是否为低效土地，能够及时发现低效土地，有助于合理规划土地储备，而且通过层次分析法，每个层次中的每个因素对结果的影响程度都是量化的，非常清晰明确，把定性方法与定量方法有机地结合起来，使复杂的系统分解，能将人们的思维过程数学化、系统化，而且所需定量数据信息较少，能够便于运算确定低效土地，有助于土地存量监测和低效土地判别，以帮助合理规划土地储备。
作为本发明的一种改进，潜在开发容量＝地块规划容积率-地块现状容积率，
所述地块规划容积率的计算方法为：
式中：C规划Bi为第i块地的规划容积率，Li是第i块地块面积，S规划i是对应于第i块地块上规划建筑面积；
所述地块现状容积率的计算方法为：
式中：CBi为第i块地的现状容积率，Li是第i块地块面积，S总i是对应于第i块地块上总建筑面积；
所述建筑密度的计算方法为：
式中：FBi为第i块地的建筑密度，Li是第i块地块面积，S基i是对应于第i块地块上基底建筑面积；
所述入住率的计算方法为：
式中：Fpas为各待估地块内入住人口数量，Yi为处于该地块内的常住人口，C为入住率，S总i为该地块上总建筑面积；
所述客流量的计算方法为：F客pas＝∑Y客i，
式中：F客pas为各待估地块内客流量，Y客i为地块内单个栅格内的客流量数，
所述土地产出率的计算方法为：
式中：LOR为该地块的土地产出率，GDP总为该地块所有公司的GDP产出总量，GDPi表示该地块第i家公司GDP产值，S表示该地块面积。通过上述改进，能够具体计算出各项评价指标，对各项指标进行量化。
作为本发明的一种改进，所述层次分析法的操作步骤为：a.将住宅用地评价指标和商服用地评价指标中的各个指标进行分层并绘出层次结构图；b.构造成对比较矩阵，计算各层次指标的权重值；c.对每个成对比较矩阵计算最大特征值及其对应的特征向量，利用一致性指标、随机一致性指标和一致性比率做一致性检验。若检验通过，特征向量即为权向量；若不通过，需要重新构造成对比较矩阵；d.计算最下层对最上层总排序的权向量,利用总排序一致性比率进行检验。若通过，则可按照总排序权向量表示的结果进行决策，否则重新构造一致性比率。计算权重值的步骤为：
a,列出成对比较矩阵
对成对比较矩阵求积：
b求Mi的n次方根：令
c对向量W进行归一化处理，即
计算一致性比率的步骤为：
其中：λ为成对比较矩阵的最大特征根，n为n阶一致阵的唯一非零特征根，CI为一致性指标，RI为随机一致性指标，CR为一致性比率，
当一致性比率
时，认为的a不一致程度在容许范围之内，有满意的一致性，通过一致性检验；
计算总排序一致性比率的步骤为：
计算最下层对最上层总排序的权向量,利用总排序一致性比率，
通过上述改进，能够对各指标得分确定权重，并得出地块效率得分。
作为本发明的一种改进：地块效率得分的计算方法为：
(WBi*SEBi)
式中，S总代表用地效率总得分，SEBi代表单个影响因子的量化值，WBi代表对应各影响因子影响土地利用效率的权重大小。
一种应用所述的存量低效土地监测系统的分析平台,分析平台主要包括开发时序分析模块,所述开发时序分析模块集成有用于监测存量土地的土地存量监测模型、用于对存量土地收购价格进行评估的土地收储价格评估模型和用于对存量土地的出让价格进行预测的出让价格动态评估模型，所述土地存量监测模型所监测的存量土地包括城中村、依法回收的土地、收购的国有土地、零星用地以及通过所述存量低效土地监测系统监测出的低效土地，所述开发时序分析模块根据土地收储价格评估模型得到的收储价格和出让价格动态评估模型得到的出让价格，通过层次分析法进行评估得到存量土地的潜力排序，根据排序得出开发时序。
本发明的另一有益效果为：本发明通过建立分析平台，通过土地存量监测模型监测存量土地，通过土地收储价格评估模型得到存量地块的收储价格，根据出让价格动态评估模型得到存量地块的出让价格，通过层次分析法进行评估得到存量土地的潜力排序，根据排序得出开发时序，通过开发时序分析模块对收储地块各开发片的存量土地开发时序进行建议，使得土地开发时序能够有序进行。
作为本发明的一种改进，所述分析平台还包括储备规划分析模块和收储可行性分析模块，所述储备规划分析模块用于对区域土地的收购储备和出让进行统筹安排；所述收储可行性分析模块用于制定土地储备计划。
作为本发明的一种改进，所述土地收储价格评估模型的建立包括以下步骤：a.从房屋交易案例中选取可比交易案例，建立可比交易案例库；b.从房屋交易案例中选取可比案例；c.对可比案例进行修正；d.确定待征收房屋的价格；e.确定房屋征收总价；f.确定土地收储总成本；所述出让价格动态评估模型的建立包括以下步骤：a.选择样本案例并通过评估指标体系建立样本案例的参数及对应价格；b.通过SVM学习建立样本评估指标值与其所属类别的分类判别模型；c.取每一类中样本价格的平均值作为该类的价格预测值，输入待出让土地各评估指标值后，根据分类判别模型确定其所属类别，从而给出预测价格；所述开发时序分析模块的建立包括以下步骤：a.根据土地收储价格评估模型得到的收储价格和出让价格动态评估模型得到的出让价格建立土地收储潜力评价因子体系，评价因子包括收储难易度和收储效益；b对每个因子影响进行量化，求其得分；c.对每个地块进行空间分析，结合层次分析法，评估其收储潜力，得到存量地块的潜力排序；d.通过存量地块的潜力排序得出地块开发时序。通过上述改进，能够对土地储备进行分析，使得土地开发时序能够有序进行。
附图说明
图1为检测系统的整体框图。
图2为分析平台的整体框图。
图3是本发明的土地存量检测模型的整体框图。
图4是本发明的土地收储价格评估模型的整体框图。
图5是本发明的出让价格动态评估模型的整体框图。
具体实施方式
结合附图对本发明进一步阐释。
参见图1所示的存量低效土地监测系统，包括基础地理信息数据库、评价指标体系，评价指标体系包括住宅用地评价指标和商服用地评价指标，其中，住宅用地评价指标包括潜在开发容量、建筑密度、建造时间、安全隐患和入住率，潜在开发容量用于反映土地利用集约程度，建筑密度用于反映土地集约利用程度，建造时间用于反映房屋建造年代，安全隐患用于反映房屋安全指数，入住率用于反映地块人口活力，其中，潜在开发容量的计算方法为：
潜在开发容量＝地块规划容积率-地块现状容积率，
所述地块规划容积率的计算方法为：
式中：C规划Bi为第i块地的规划容积率，Li是第i块地块面积，S规划i是对应于第i块地块上规划建筑面积，相关数据从规划图中获取。
所述地块现状容积率的计算方法为：
式中：CBi为第i块地的现状容积率，Li是第i块地块面积，S总i是对应于第i块地块上总建筑面积。
建筑密度的计算方法为：
式中：FBi为第i块地的建筑密度，Li是第i块地块面积，S基i是对应于第i块地块上基底建筑面积；基底建筑面积S基i通过GIS叠加分析，并统计得出。
建造时间通过规划审批数据或住宅房屋产权数据来进行确定；
安全隐患通过危房调查结果或者火灾发生数据进行确定；
入住率的计算方法为：Fpas＝∑Yi，
式中：Fpas为各待估地块内入住人口数量，Yi为处于该地块内的常住人口，C为入住率，S总i为该地块上总建筑面积。
商服用地评价指标包括潜在开发容量、建筑密度、土地产出率和客流量，潜在开发容量用于反映土地利用集约程度，建筑密度用于反映土地集约利用程度，土地产出率用于反映商业区的经济水平，客流量用于反应商业区的市场效益，其中，潜在开发容量的计算方法为：
潜在开发容量＝地块规划容积率-地块现状容积率，
所述地块规划容积率的计算方法为：
式中：C规划Bi为第i块地的规划容积率，Li是第i块地块面积，S规划i是对应于第i块地块上规划建筑面积，相关数据从规划图中获取。
所述地块现状容积率的计算方法为：
式中：CBi为第i块地的现状容积率，Li是第i块地块面积，S总i是对应于第i块地块上总建筑面积。
建筑密度的计算方法为：
式中：FBi为第i块地的建筑密度，Li是第i块地块面积，S基i是对应于第i块地块上基底建筑面积；
客流量的计算方法为：F客pas＝∑Y客i，
式中：F客pas为各待估地块内客流量，Y客i为地块内单个栅格内的客流量数，利用百度app数据获取的区域实时人口分布,通过用户数量以点状数据显示该区域各个时段人口流量的大小；
土地产出率的计算方法为：
式中：LOR为该地块的土地产出率，GDP总为该地块所有公司的GDP产出总量，GDPi表示该地块第i家公司GDP产值，S表示该地块面积。GDP产值数据来源于统计局最新经济普查数据或第三次经济普查数据。
基础地理信息数据库内包括供住宅用地评价指标和商服用地评价指标计算所需的相关数据，基础地理信息数据库内的数据来源于土地储备管理业务过程中直接产生的业务数据以及通过采集模块采集互联网中的辅助数据，住宅用地评价指标和商服用地评价指标通过基础地理信息数据库内的数据计算得出各指标得分，各指标得分通过层次分析法确定权重，并得出地块效率得分，根据地块效率得分将地块进行排序，选出低效土地。
层次分析法的操作步骤为：a.将住宅用地评价指标和商服用地评价指标中的各个指标进行分层并绘出层次结构图；b.构造成对比较矩阵，计算各层次指标的权重值；c.对每个成对比较矩阵计算最大特征值及其对应的特征向量，利用一致性指标、随机一致性指标和一致性比率做一致性检验。若检验通过，特征向量即为权向量；若不通过，需要重新构造成对比较矩阵；d.计算最下层对最上层总排序的权向量，利用总排序一致性比率进行检验。若通过，则可按照总排序权向量表示的结果进行决策，否则重新构造一致性比率。通过上述改进，能够对各指标得分确定权重，并得出地块效率得分。
计算权重值的步骤为：
a,列出成对比较矩阵，
对成对比较矩阵求积：
b求Mi的n次方根：令
c对向量W进行归一化处理，即
其中：本实施例中住宅用地评价指标中各指标的成对比较矩阵为：
商服用地评价指标中各指标的成对比较矩阵为：
计算一致性比率的步骤为：
其中：λ为成对比较矩阵的最大特征根，n为n阶一致阵的唯一非零特征根，CI为一致性指标，RI为随机一致性指标，CR为一致性比率。
当一致性比率
时，认为的a不一致程度在容许范围之内，有满意的一致性，通过一致性检验。
计算最下层对最上层总排序的权向量,利用总排序一致性比率，计算总排序一致性比率的步骤为：
进行检验。若通过，则可按照总排序权向量表示的结果进行决策，否则重新构造一致性比率。
利用层次分析法确定每个指标的权重Wi，然后各影响指标量化值加权求和得到地块的总效率得分并排序，取排名后20％-30％的即为低效土地评价结果。
地块效率得分的计算方法为：
式中，S总代表用地效率总得分，SEBi代表单个影响因子的量化值，WBi代表对应各影响因子影响土地利用效率的权重大小。
通过将每个地块的用地效率总得分S总进行排序，然后确定取排名后20％-30％确定低效土地。
本发明通过建立监测系统，监测系统运行时，先输入土地类别，即商服用地或住宅用地，根据土地类别，选择相应的评价指标，评价指标再从基础地理信息数据库内选择需要的数据，评价指标计算得出各指标得分，各指标得分通过层次分析法确定权重，并得出地块效率得分，根据地块效率得分将地块进行排序，能够对区域内的土地进行监测，并进行判别是否为低效土地，能够及时发现低效土地，有助于合理规划土地储备，而且通过层次分析法，每个层次中的每个因素对结果的影响程度都是量化的，非常清晰明确，把定性方法与定量方法有机地结合起来，使复杂的系统分解，能将人们的思维过程数学化、系统化，而且所需定量数据信息较少，能够便于运算确定低效土地，有助于土地存量监测和低效土地判别，以帮助合理规划土地储备。
参见图2所示的一种应用所述的存量低效土地监测系统的分析平台,分析平台主要包括开发时序分析模块,所述开发时序分析模块集成有用于监测存量土地的土地存量监测模型、用于对存量土地收购价格进行评估的土地收储价格评估模型和用于对存量土地的出让价格进行预测的出让价格动态评估模型，所述土地存量监测模型所监测的存量土地包括城中村、依法回收的土地、收购的国有土地、零星用地以及通过所述存量低效土地监测系统监测出的低效土地，所述开发时序分析模块根据土地收储价格评估模型得到的收储价格和出让价格动态评估模型得到的出让价格，通过层次分析法进行评估得到存量土地的潜力排序，根据排序得出开发时序。
分析平台还包括储备规划分析模块、收储可行性分析模块，所述储备规划分析模块用于对区域土地的收购储备和出让进行统筹安排；所述收储可行性分析模块用于制定土地储备计划。
参见图3所示，土地存量检测模型所监测的存量土地包括城中村、依法回收的土地、收购的国有土地、零星用地以及通过存量低效土地监测系统监测出的低效土地。
土地收储价格评估模型对土地存量监测模型检测到的存量土地进行收储价格评估，土地收储价格评估模型的建立包括以下步骤：a.从房屋交易案例中选取可比交易案例，建立可比交易案例库；b.从房屋交易案例中选取可比案例；c.对可比案例进行修正；d.确定待征收房屋的价格；e.确定房屋征收总价；f.确定土地收储总成本。
其中在步骤a中，房屋交易案例的交易数据，需要根据可比案例选择规程选出可比交易案例，从可比交易案例库中准确选取3个或3个以上的可比交易案例，若交易实例数量不够，可跨区域或用地类型进行选择，但注意需增加区域或类型的修正，可比案例选择规程为：选取的交易可比案例应与比准案例,在结构、用途、规模、新旧程度、档次、权利性质等相同或相似；可比交易案例的成交单价相互间的价格差异一般不宜超过20％，可比交易案例应为正常交易价格或可修正为正常交易价格，成交日期与估价时点接近，一般为估价时点的前3个月内，最长不得超过估价时点前12个月，可比交易案例应至少包括下列内容：交易双方目的，房屋基本状况，成交价格，成交日期等。
在步骤b中，将可比交易案例和待评估地块根据邻近分析，选择出可比案例。
在步骤c中，可比案例根据评估指标体系将指标定量化，评估指标体系为各地区国有土地上房屋征收评估技术规程，房屋征收规程根据市场比较法以及指标定量化得出修正分析模型，修正分析模型对可比案例进行交易情况、交易日期和区域因素修正。
在步骤d中，根据修正分析模型和指标定量化得出待征收房屋价格。
在步骤e中，待征收房屋价格根据建筑面积，得到房屋征收总价。
在步骤f中，再根据房屋征收总价、管线改造成本、道路改造成本得到土地收储总成本。
参见图4所示，出让价格动态评估模型用于对土地存量监测模型检测到的存量土地的出让价格进行评估，出让价格动态评估模型的建立包括以下步骤：a.选择样本案例并通过评估指标体系建立样本案例的参数及对应价格；其中评估指标为：繁华程度、交通条件、基础公用设施状况、环境状况、人口状况、城市规划；b.通过SVM学习建立样本评估指标值与其所属类别的分类判别模型，SVM为支持向量机，c.取每一类中样本价格的平均值作为该类的价格预测值，输入待出让土地各评估指标值后，根据分类判别模型确定其所属类别，从而给出预测价格；其中SVM模型的建立需要对样例进行学习。现有的土地出让信息，如土地评价指标与出让价格，不能直接用于模型训练，要将其预处理得到有标记信息的示例，即“样本案例”。
参见图5所示，开发时序分析模块的建立包括以下步骤：a.根据土地收储价格评估模型得到的收储价格和出让价格动态评估模型得到的出让价格建立土地收储潜力评价因子体系，评价因子包括收储难易度和收储效益；其中居住用地的收储难易度指标包括拆迁总量、经济损失、周边配套、人口年龄、邻避设施，居住用地的收储效益指标包括土地改造费用和土地收储效益，其中商服用地的收储难易度指标包括拆迁总量、经济损失、土地产出率和客流量，收储效益包括土地改造费用和土地收储效益；b对每个因子影响进行量化，求其得分；c.对每个地块进行空间分析，结合层次分析法，评估其收储潜力，得到存量地块的潜力排序；d.通过存量地块的潜力排序得出地块开发时序。通过上述改进，能够对土地储备进行分析，使得土地开发时序能够有序进行，开发时序分析模块根据土地的收购价格和出让价格通过层次分析法进行评估得到存量土地的潜力排序，根据排序得出开发时序。
分析平台还包括储备规划分析模块和收储可行性分析模块，储备规划分析模块用于对区域土地的收购储备和出让进行统筹安排；收储可行性分析模块用于制定土地储备计划。储备规划分析模块包括前期研究模型、储备分析模型、储备规划模型、近期规划模型和规划实施模型，前期研究模型包括对土地现状的分析，对城市自然发展门槛以及城市规划发展导向的分析，根据对土地现状的分析得到土地利用状况情况，根据对城市自然发展门槛以及城市规划发展导向的分析得到土地利用规划情况和城乡规划情况，储备分析模型根据土地利用状况情况、土地利用规划情况和城乡规划情况进行叠置分析，得到可储备经营性用地总量及分区情况，储备规划模型根据可储备经营性用地总量及分区情况通过供需分析，得到储备重点区域和专项储备研究，近期规划模型根据储备重点区域和专项储备研究得到近期土地储备安排，规划实施模型根据近期土地储备安排得出近期储备规划图则和规划建议。
收储可行性分析模块包括现状分析模型、发展定位模型、用地方案模型、空间设计模型、项目实施模型、实施评估模型，现状分析模型主要分析做地项目所在地的社会经济条件、自然地理条件、基地的现状和周边环境情况，发展定位模型结合区域分析、现状分析、相关规划衔接综合考虑确定项目的功能定位和发展导向，用地方案模型包括规划思路、原控规评估、用地方案大数据分析和用地方案，空间设计模型包含平面布局、空间结构、3D效果模拟、天际线分析等内容，项目实施模型包括征地拆迁、补偿安置、五通一平、相关配套、环境治理、地块管理、开发时序、实施计划等内容。实施评估模型用于对项目的社会、经济、生态效益进行分析，并进行风险分析和控制。收储可行性分析模块为编制年度土地储备计划的重要依据。
本发明通过应用存量低效土地监测系统监测出的低效土地，再通过监测城中村、依法回收的土地、收购的国有土地、零星用地和低效土地建立土地存量监测模型，通过土地收储价格评估模型得到存量地块的收储价格，根据出让价格动态评估模型得到存量地块的出让价格，通过层次分析法进行评估得到存量土地的潜力排序，根据排序得出开发时序，通过开发时序分析模块对收储地块各开发片的存量土地开发时序进行建议，使得土地开发时序能够有序进行，同时通过储备规划分析模块用于对区域土地的收购储备和出让进行统筹安排；通过收储可行性分析模块制定土地储备计划。
以上所述仅是本发明的较佳实施方式，故凡依本发明专利申请范围所述的构造、特征及原理所做的等效变化或修饰，均包括于本发明专利申请范围内。
Claims (7)
1.存量低效土地监测系统，其特征在于：包括基础地理信息数据库、评价指标体系，所述评价指标体系包括住宅用地评价指标和商服用地评价指标，其中，所述住宅用地评价指标包括潜在开发容量、建筑密度、建造时间、安全隐患和入住率，所述商服用地评价指标包括潜在开发容量、建筑密度、土地产出率和客流量，所述基础地理信息数据库内包括供住宅用地评价指标和商服用地评价指标计算所需的相关数据，所述住宅用地评价指标和商服用地评价指标通过基础地理信息数据库内的数据计算得出各指标得分，各指标得分通过层次分析法确定权重，并得出地块效率得分，根据地块效率得分将地块进行排序，选出低效土地。
2.根据权利要求1所述的存量低效土地监测系统，其特征在于：潜在开发容量＝地块规划容积率-地块现状容积率，
所述地块规划容积率的计算方法为：
式中：C规划Bi为第i块地的规划容积率，Li是第i块地块面积，S规划i是对应于第i块地块上规划建筑面积；
所述地块现状容积率的计算方法为：
式中：CBi为第i块地的现状容积率，Li是第i块地块面积，S总i是对应于第i块地块上总建筑面积；
所述建筑密度的计算方法为：
式中：FBi为第i块地的建筑密度，Li是第i块地块面积，S基i是对应于第i块地块上基底建筑面积；
所述入住率的计算方法为：Fpas＝∑Yi，
式中：Fpas为各待估地块内入住人口数量，Yi为处于该地块内的常住人口，C为入住率，S总i为该地块上总建筑面积；
所述客流量的计算方法为：F客pas＝∑Y客i，
式中：F客pas为各待估地块内客流量，Y客i为地块内单个栅格内的客流量数，
所述土地产出率的计算方法为：
式中：LOR为该地块的土地产出率，GDP总为该地块所有公司的GDP产出总量，GDPi表示该地块第i家公司GDP产值，S表示该地块面积。
3.根据权利要求1所述的存量低效土地监测系统，其特征在于：所述层次分析法的操作步骤为：a.将住宅用地评价指标和商服用地评价指标中的各个指标进行分层并绘出层次结构图；b.构造成对比较矩阵，计算各层次指标的权重值；c.对每个成对比较矩阵计算最大特征值及其对应的特征向量，利用一致性指标、随机一致性指标和一致性比率做一致性检验。若检验通过，特征向量即为权向量；若不通过，需要重新构造成对比较矩阵；d.计算最下层对最上层总排序的权向量，利用总排序一致性比率进行检验。若通过，则可按照总排序权向量表示的结果进行决策，否则重新构造一致性比率；
计算权重值的步骤为：
a对成对比较矩阵求积：
b求Mi的n次方根：令
c对向量W进行归一化处理，即
计算一致性比率的步骤为：
其中：λ为成对比较矩阵的最大特征根，n为n阶一致阵的唯一非零特征根，CI为一致性指标，RI为随机一致性指标，CR为一致性比率，
当一致性比率
时，认为的a不一致程度在容许范围之内，有满意的一致性，通过一致性检验；
计算总排序一致性比率的步骤为：
计算最下层对最上层总排序的权向量，利用总排序一致性比率，
4.根据权利要求3所述的存量低效土地监测系统，其特征在于：地块效率得分的计算方法为：
式中，S总代表用地效率总得分，SEBi代表单个影响因子的量化值，WBi代表对应各影响因子影响土地利用效率的权重大小。
5.一种应用如权利要求1至4任一所述的存量低效土地监测系统的分析平台，其特征在于：分析平台主要包括开发时序分析模块，所述开发时序分析模块集成有用于监测存量土地的土地存量监测模型、用于对存量土地收购价格进行评估的土地收储价格评估模型和用于对存量土地的出让价格进行预测的出让价格动态评估模型，所述土地存量监测模型所监测的存量土地包括城中村、依法回收的土地、收购的国有土地、零星用地以及通过所述存量低效土地监测系统监测出的低效土地，所述开发时序分析模块根据土地收储价格评估模型得到的收储价格和出让价格动态评估模型得到的出让价格，通过层次分析法进行评估得到存量土地的潜力排序，根据排序得出开发时序。
6.根据权利要5的分析平台，其特征在于：所述分析平台还包括储备规划分析模块和收储可行性分析模块，所述储备规划分析模块用于对区域土地的收购储备和出让进行统筹安排；所述收储可行性分析模块用于制定土地储备计划。
7.根据权利要5的分析平台，其特征在于：所述土地收储价格评估模型的建立包括以下步骤：a.从房屋交易案例中选取可比交易案例，建立可比交易案例库；b.从房屋交易案例中选取可比案例；c.对可比案例进行修正；d.确定待征收房屋的价格；e.确定房屋征收总价；f.确定土地收储总成本；所述出让价格动态评估模型的建立包括以下步骤：a.选择样本案例并通过评估指标体系建立样本案例的参数及对应价格；b.通过SVM学习建立样本评估指标值与其所属类别的分类判别模型；c.取每一类中样本价格的平均值作为该类的价格预测值，输入待出让土地各评估指标值后，根据分类判别模型确定其所属类别，从而给出预测价格；所述开发时序分析模块的建立包括以下步骤：a.根据土地收储价格评估模型得到的收储价格和出让价格动态评估模型得到的出让价格建立土地收储潜力评价因子体系，评价因子包括收储难易度和收储效益；b对每个因子影响进行量化，求其得分；c.对每个地块进行空间分析，结合层次分析法，评估其收储潜力，得到存量地块的潜力排序；d.通过存量地块的潜力排序得出地块开发时序。
Priority Applications (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN201910615331.9A CN112184495B (zh) | 2019-07-09 | 2019-07-09 | 存量低效土地监测系统及应用其的分析平台 |
Applications Claiming Priority (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN201910615331.9A CN112184495B (zh) | 2019-07-09 | 2019-07-09 | 存量低效土地监测系统及应用其的分析平台 |
Publications (2)
| Publication Number | Publication Date |
|---|---|
| CN112184495A true CN112184495A (zh) | 2021-01-05 |
| CN112184495B CN112184495B (zh) | 2024-02-27 |
Family
ID=73919641
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| CN201910615331.9A Active CN112184495B (zh) | 2019-07-09 | 2019-07-09 | 存量低效土地监测系统及应用其的分析平台 |
Country Status (1)
| Country | Link |
|---|---|
| CN (1) | CN112184495B (zh) |
Cited By (2)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN113762746A (zh) * | 2021-08-25 | 2021-12-07 | 深圳市规划国土发展研究中心 | 一种存量用地再开发的规划识别方法及装置 |
| CN115511253A (zh) * | 2022-08-05 | 2022-12-23 | 广州市城市规划勘测设计研究院 | 一种地块开发容量评估方法、装置、设备及介质 |
Citations (4)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN101702213A (zh) * | 2009-11-12 | 2010-05-05 | 上海众恒信息产业有限公司 | 一种土地储备管理系统及方法 |
| CN105005690A (zh) * | 2015-07-07 | 2015-10-28 | 同济大学建筑设计研究院(集团)有限公司 | 一种基于灰关联-层次分析法的海绵城区潜力指数的评价方法 |
| CN108681816A (zh) * | 2018-05-17 | 2018-10-19 | 山东省土地调查规划院 | 一种土地利用综合监管系统和方法 |
| CN109360018A (zh) * | 2018-09-27 | 2019-02-19 | 郑州轻工业学院 | 一种基于人工神经网络的模糊宗地地价评估方法 |
-
2019
- 2019-07-09 CN CN201910615331.9A patent/CN112184495B/zh active Active
Patent Citations (4)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN101702213A (zh) * | 2009-11-12 | 2010-05-05 | 上海众恒信息产业有限公司 | 一种土地储备管理系统及方法 |
| CN105005690A (zh) * | 2015-07-07 | 2015-10-28 | 同济大学建筑设计研究院(集团)有限公司 | 一种基于灰关联-层次分析法的海绵城区潜力指数的评价方法 |
| CN108681816A (zh) * | 2018-05-17 | 2018-10-19 | 山东省土地调查规划院 | 一种土地利用综合监管系统和方法 |
| CN109360018A (zh) * | 2018-09-27 | 2019-02-19 | 郑州轻工业学院 | 一种基于人工神经网络的模糊宗地地价评估方法 |
Non-Patent Citations (4)
| Title |
|---|
| 刘鹏等: "基于GIS的城市建设用地资源潜力评价初探", 地理与地理信息科学 * |
| 李燕萍等: "面向大数据时代的城市规划研究响应于应对方略", 城市发展与研究 * |
| 金晓斌, 周寅康, 徐婷, 杜超, 许彦曦: "城市土地储备潜力评价研究", 地理与地理信息科学, no. 04 * |
| 鲍艳等: "层次分析法在土地开发中的适宜性评价", 西安科技大学学报 * |
Cited By (3)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN113762746A (zh) * | 2021-08-25 | 2021-12-07 | 深圳市规划国土发展研究中心 | 一种存量用地再开发的规划识别方法及装置 |
| CN115511253A (zh) * | 2022-08-05 | 2022-12-23 | 广州市城市规划勘测设计研究院 | 一种地块开发容量评估方法、装置、设备及介质 |
| CN115511253B (zh) * | 2022-08-05 | 2023-12-29 | 广州市城市规划勘测设计研究院 | 一种地块开发容量评估方法、装置、设备及介质 |
Also Published As
| Publication number | Publication date |
|---|---|
| CN112184495B (zh) | 2024-02-27 |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| Ghosh et al. | Urban ecological security assessment and forecasting using integrated DEMATEL-ANP and CA-Markov models: A case study on Kolkata Metropolitan Area, India | |
| Khrais et al. | The role of neural network for estimating real estate prices value in post COVID-19: a case of the middle east market. | |
| CN101853290A (zh) | 基于地理信息系统的气象服务效益评估方法 | |
| Agarski et al. | An approach to multi-criteria environmental evaluation with multiple weight assignment | |
| CN111080356A (zh) | 一种利用机器学习回归模型计算住宅价格影响因素的方法 | |
| Van et al. | Research trends on machine learning in construction management: a scientometric analysis | |
| Morano et al. | Ecosystem services and land take. A composite indicator for the assessment of sustainable urban projects | |
| Ma et al. | Vehicle models for fatigue loading on steel box-girder bridges based on weigh-in-motion data | |
| Bhyan et al. | Systematic literature review of life cycle sustainability assessment system for residential buildings: Using bibliometric analysis 2000–2020 | |
| Fan et al. | Evaluating the performance of inclusive growth based on the BP neural network and machine learning approach | |
| CN112184495A (zh) | 存量低效土地监测系统及应用其的分析平台 | |
| Chen et al. | Exploration and mining evaluation system and price prediction of uranium resources | |
| Hannouf et al. | Cause-effect chains in S-LCA based on DPSIR framework using Markov healthcare model: an application to “working hours” in Canada | |
| Fakhri et al. | Predicting international roughness index based on surface distresses in various climate and traffic conditions using laser crack measurement system | |
| Teliura et al. | Selection methodology of ecological safety priorities of sustainable development goals of urban agglomerations | |
| WO2019119042A1 (en) | Infrastructure asset management system and/or method | |
| Jia et al. | Embodied GHG emissions of high speed rail stations: Quantification, data-driven prediction and cost-benefit analysis | |
| CN112308305A (zh) | 一种基于多模型综合的售电量预测方法 | |
| KR20130083053A (ko) | 악성 해외건설 프로젝트 판별 시스템 | |
| Shijun | Risk management and countering measurements by computer modeling and simulation technology in the approval and early preparation stages of a large international project | |
| Wang et al. | An urban energy performance evaluation system and its computer implementation | |
| Gardner et al. | Driving with Data in the Motor City: Understanding and Predicting Fleet Maintenance Patterns | |
| Wu et al. | Research on the geometric weighting-coupling degree method for the urban ecological environment vulnerability index | |
| Trigkas et al. | Assessing artificial neural networks (ANNS) adequacy against econometric models for decision making approaches in banking industry | |
| Kamarudin et al. | An overview of the application of property market modelling in Malaysia |
Legal Events
| Date | Code | Title | Description |
|---|---|---|---|
| PB01 | Publication | ||
| PB01 | Publication | ||
| SE01 | Entry into force of request for substantive examination | ||
| SE01 | Entry into force of request for substantive examination | ||
| GR01 | Patent grant | ||
| GR01 | Patent grant |