为了明确城市公共交通可达性对房价影响,基于步行可达性、公交可达性和地铁可达性3种城市公共交通指标,应用多种机器学习算法构建房价预测模型,根据2021年西安市公共交通路网数据,探究其交通可达性对房价的影响.首先,采集西安市主城区的房屋属性数据、城市交通数据以及城市空间数据并进行数据预处理;其次,基于空间句法理论分别建立步行可达性、公交可达性和地铁可达性3种交通可达性指标;最后,以构建的特征指标代入随机森林(RF)、梯度提升迭代决策树(GBDT)、轻量梯度提升机(LGBM)以及特征价格模型(HPM)这4种机器学习算法建立房价预测模型,确定出最优房价预测模型并探究城市公共交通可达性对房价的影响.并以西安市地铁三号线为例应用缓冲区分析和RF算法,分析运营前后地铁可达性对房价的影响.结果表明:在房价预测模型搭建方面,RF算法的房价预测精度为89.2％,均方根误差为1 766.89,该算法满足实时性要求,符合研究预期,且优于其他模型;在房价影响因素分析方面,基于空间句法计算的交通可达性特征在模型中的重要性百分比为23.8％,说明交通因素对房价具有重要影响.因此,城市公共交通的发展在一定程度上能够提高区域经济活力,加快房地产经济发展,为促进经济社会协调和可持续发展起到了重要的作用.
NETL
NSTL
万方数据
维普
