2024年12月19日，由北京中指信息技术研究院主办，中国房地产指数系统、中国物业服务指数系统承办的“2024中国房地产大数据年会暨2025中国房地产市场趋势报告会”在北京召开。
房地产大数据的应用已从“浅尝”逐渐步入“深用”阶段，以往的研究主要集中在三个方面：利用多维度数据动态展示市场发展情况；深化对消费者行为规律的挖掘；以及利用大数据进行房地产风险评估。
近两年，我们正在做的两项研究：（1）通过大数据和AI技术，更精确量化房地产市场的库存和需求，如通过网上交易平台图片识别空关住房（购买后不自住也不出租的空置住房），揭示其规模和对市场的影响。（2）利用大数据和文本分析技术，可以更深入理解居民对“好房子”的需求，比如对居住痛点进行识别，为房地产项目提供更精准的市场定位和改进方向。
未来，我们希望可以通过最新的AI技术实现对房地产市场预期的量化测度，或许能够为更准确地把握市场情况提供很多有益的思考维度。
建筑运营阶段的碳排放是全球碳排放的主要来源。基于新加坡住户用水用电数据的研究表明，绿色建筑认证后，住宅用水量和用电量反而显著增加，与预期的减碳效果相反。原因可能是绿色认证导致房价上涨，进而增加屋主财富，促使消费增加，包括水电消费。住宅租户和商业地产没有这种现象，因为没有财富效应。基于研究成果，对新加坡的绿色认证提出了两项政策建议：一是在住宅小区进行入户节能改造以减弱财富效应；二是定期核验绿色认证建筑的实际能耗。未来希望在中国利用地产能耗数据研究极端天气对商业地产能耗的影响。
城市公共品定价是一个长期以来的研究命题，房地产数据在评估公共品价值的研究中十分重要。基于城市空间微观数据，运用特征价格模型，我们分析了轨道交通对房价的影响。研究发现，随着住房距离轨道交通站点越来越远，房价会呈现梯度下降的趋势。同时，轨道交通对土地、二手房、租金的溢价率会存在差异。利用类似的方法，还可以研究学校、空气质量、水质等公共品的定价问题。在房地产市场发展的新阶段，公共品定价可能也会出现新的趋势，是未来值得研究的问题。
我分享的研究主要是基于大数据对中国城市进行描述性分析。
第一，基于劳动力市场的中国城市边界究竟在哪儿？我们基于地图数据来划定通勤都市区的边界，中国在2017年一共有537个人口超过50万的都市区，国际对比研究发现，中国的都市区相对较小，大城市还有进一步成长的空间。
第二，中国居住隔离到底是什么样的程度？基于中国网格级分教育、分收入的人口数据，我们研究发现，中国居住隔离的程度比美国低，但呈上升趋势，居住隔离指数较高的城市主要分布在华北和东北区域。
未来计划研究城市内部空间梯度、互联网与商业生态等问题。希望未来能够建立建筑数据库和土地利用管制数据库，以促进城市规划等相关研究。
随着数字平台的迅速渗透，消费者从线下出行转向线上搜索，消费搜寻成本大幅降低，消费习惯和城市空间支付意愿发生了显著变化。我们探索了数字平台经济如何塑造商业设施的空间分布，以及房地产市场如何在平台经济的浪潮中转型。
我们构建了消费者定向搜索模型，识别了北京市的商户平台注册、商户迁移、住房交易记录以及微观路网可达性，对平台经济、商业地产与高质量发展展开系统研究。结果显示，数字平台驱动商家向低可达性但更聚集的区域迁移，填补了商圈内的“空白地带”；同时，远离城市核心区域的消费者因信息便利获益，其消费者剩余的提升也反映在住房价格梯度变化中。
未来，基于消费大数据与物流大数据的深度融合，我们可以研究线上消费行为与线下出行模式的联合分布规律，并通过智能物流网络建设实现平台经济与低空经济的协同创新。
精彩评论