城市土地是人类社会经济活动的主要载体，其作为重要的生产要素，价格机制发挥着合理配置和有效利用的关键作用，同时也是促进经济发展，维护社会和谐的重要保障^{[1, 2]}。城市居住地价作为地价的重要组成部分，其空间异质性对居住用地的供应、规划以及房地产开发建设等方面都有显著的影响。因此，加强城市居住地价研究，尤其是针对其空间分布特征及其变异规律的探讨，是政府科学制定土地资源管理政策和企业投资开发决策的重要依据^[3]。

国外学者凭借相对完善的土地市场环境对城市土地价格的空间布局特征及其影响因素进行了较为深入的研究。Asabere等分析了达矛斯土地价值的影响因素，发现地段形状和交通流量是关键性因素^[4]。Witte借助多元回归模型对城市间的居住价格进行了差异性测度，结果显示居住价格与收入之间的显著正相关^[5]。Ayse^[6]、David^[7]等分别就特征居住价格模型的规范、参数估计和空间属性系数的精度评定进行了探讨。由于受区位、配套设施和地块本身特征等方面因素的综合影响，居住地价表现出较强的空间特性，普通的OLS方程、Hedonic等模型不能准确反映地价的空间异质及变异特性，忽视了各个影响因素对地价贡献度的空间非平稳性。Brunsdon等^[8]基于空间变异系数回归模型，并依据局部多项式光滑的思想提出了地理加权回归模型(Geographically Weighted Regression，GWR)。GWR模型可以对数据的空间特性进行了分析，揭示各影响因素对地价的内在作用机制。Farber与Yates^[9]、Gao X和Asami^[10]、Noresah^[11]、Mansour ^[12]等学者分别借助GWR模型和一般回归模型对土地市场进行分析，探究地价的空间格局及其驱动因素，发现较之传统回归模型，GWR模型能显著提升拟合效果和解释能力。近年来，国内学者的研究主要集中于地价的空间分布特征和时空演变^[13-15]、地价影响因素的判别^{[16, 17]}、研究的模型与方法^{[18, 19]}三个方面。单玉红等^[20]运用GWR模型，剖析了武汉市居住地价空间特征及其驱动因素的区位影响力。曹天邦等^[21]以南京市为例，通过GWR揭示了不同影响因素对居住地价贡献的时空变化规律。李志等^[22]运用GWR模型对南京市居住地价影响因素及其边际作用效率进行了研究。罗罡辉等^[23]构建居住地价与地块面积之间的GWR模型，并与Hedonic模型对比，研究显示GWR模型在地价影响因素分析方面的优越性。

纵观上述既有学者的研究，部分成果涉及地价的影响因素，但大部分是基于特定因素的选取，对于地块本身内在因素的研究还较少，特别是缺乏城市规划与地价之间互动关系的分析。因此，本文采用2010—2014年合肥市居住用地出让数据，构建居住用地内外部微观因素与地价之间的GWR模型，探讨不同影响因素以及规划编制对居住地价的内在作用机制，揭示居住地价空间的变化规律与差异性，其成果有助于发挥市场经济体制对土地供应的调控作用，平衡地价影响因素的空间分布，从而在城市存量规划的现实背景下，使城市用地向最有效利用方向发展，以获取最佳的土地使用效益。

合肥市处于我国中部地区，是长江经济带中的重要成员，起到承东启西的作用。同时，合肥又地处江淮之间，具有沟通南北的作用。随着交通设施的改善，合肥将成为国家东西铁路干线、南北公路干线和内河航运干线的重要交结点，区域地位将不断提升。其次，合肥位于安徽省的几何中心，也是省域交通组织的中心，负担着带动全省发展的职能。

近年来，合肥市的经济快速增长，1978—2014年年均经济增长率为18.75%，2014年合肥市GDP达到5157.97亿元。其经济发展的显著特征是由快速的工业化带动服务业同步推进。合肥市的土地市场也在蓬勃发展，居住用地的出让更多地反映的是市场选择，因而满足了对研究区域居住用地价格客观性的要求。为确保研究结论的科学性与研究区域的一致性，本文选取合肥市主城区为研究对象，主要包括新站区、瑶海区、庐阳区、蜀山区、包河区、高新区、经开区和滨湖新区8个行政区。

研究数据分为两个部分，第一部分为研究区的居住用地交易案例，数据均来源于合肥市土地市场网(http://www.hftd.gov.cn/hftd/default.aspx)，共收集了研究区2010—2014年居住用地交易样点数据171例，包括宗地样点的出让时间、空间位置、面积、容积率、建筑密度以及单价等属性信息。第二部分为社会经济背景及地理数据，主要包括研究区域的道路、基础及公共服务设施数据；该部分数据主要来自于《合肥市城市基本公共服务设施专项规划(2014—2020)》和《合肥市公共交通专项规划(2013—2020)》等规划。

为满足分析和建模的要求，需要对研究数据进行必要的修正和剔除异样点。以2010—2014年合肥市土地交易价格指数对个案地均价按公式“i地块修正地价(2014年) =交易日地块价格×易日地块年地价指数/交易日地价指数”进行均一化处理。由于居住用地价格的空间分异集中体现的是土地资源的市场选择，因此需要对宗地出让的非市场行为进行剔除，最终得到123例居住宗地样本参与分析，并借助ArcGIS 10.2对数据进行处理，建立地价的空间数据库。

地价数据的空间特征评估是依据统计学原理和图表图形相结合的方法，对其空间属性信息进行分析、判别，进而引导确定性模型的结构和解法，包括数据的结构分析、趋势分析及空间插值等步骤，主要是借助GIS的空间数据探索性分析(Exploratory Spatial Data Analysis，ESDA)来完成，以揭示数据的空间依赖与空间异质性现象^[24]。

(1) 空间结构分析。在GIS地统计分析中，只有在样本数据中存在某种趋势时，才可能利用空间插值方法进行预测，因此在收集到宗地价格样点数据后需要对其进行空间结构分析。在ESDA中Q—QPlot分析是验证地价数据正态分布情况比较有效的方法。通过地价指数将合肥市2010—2014年的样点地价数据修正到2014年，对所有2014年时点的修正地价进行数据结构分析表明：经过对数转换后的样点地价概率分布基本呈正态分布(图 1)。

图 1(Fig. 1)

图 1 居住地价的Q-Q PLOT分布图 Fig.1 Normal Q-Q Plot of Residential Land Price

(2) 全局趋势分析。将空间属性数据投射到一个东西方向和一个南北方向的正交平面上，并用一个多项式来拟合，则会出现数据空间分布在某特定方向上确定的形状(指数函数曲线，二次函数曲线等)，这种确定的函数曲线被称为数据分布的全局趋势。全局趋势分析图中的每一个竖棒代表一个样点的值和位置，若该线是平直的，则表明没有趋势存在。分析可见合肥市居住地价趋势在EW和SN向明显的呈现二阶函数趋势(图 2)，揭示了合肥市居住地价在两个方向上都存在由边缘到中心是先升高，再达到最高值，然后逐渐下降的趋势，与包善驹、陆林^[15]的分析相一致，因此可以利用空间插值方法进行地价数据的表面预测。

图 2(Fig. 2)

图 2 居住地价全局趋势分析图 Fig.2 Trend Analysis of Residential Land Price

(3) 空间自相关分析。空间自相关分析是研究数据空间依赖性的数学表征方式，它能测度全局区域观测点的某一属性值与邻近观测点该属性值之间的关联程度。在GIS中可以采用Moran's I指数来衡量居住地价样点之间的空间相互关系，即居住地价在点i与i+d (d为两点距离)处的地价值X_i与X_i+d具有某种程度的自相关。Moran's I值的计算见式(1)。其中：N为研究的宗地数目，i、j为具体的宗地案例；X_i和X_j为居住地价信息在i和j的观测值；W(i, j)为空间权重矩阵，表现了两个具体地块之间的空间关联性，两者之间距离越近则其地价越相似。计算得出合肥市居住地价的空间自相关指数Moran's I为0.7112，属于正的显著相关，在空间上呈现集聚状态，并存在一定的差异。

空间数据的探索性分析表明合肥市2010—2014年的居住地价样点在空间上具有空间相关性和空间非稳定性特征，从而为构建数字地价模型及GWR模型奠定了基础。

通过对研究区域空间数据的探索性分析，可以将居住地价作为一种区域变量进行研究。反比距离加权(Inverse Distance Weighted，IDW)是一种常用的空间插值方法，它以插值点与样点间的距离为权重进行加权平均^[25]。设空间内已知点i坐标为(X_i, Y_i, Z_i)，i=1, 2, 3, …, n，离散分布在待插入点j的领域内，利用IDW对点j的P_j值进行空间插值计算，具体公式如(2)，此处P_j为待插入点j的居住地价，d_ij为待插入点j与领域内第i个点之间的距离，据此构建了合肥市2010—2014年居住地价数字模型图(图 3)。

图 3(Fig. 3)

图 3 合肥市居住地价数字模型图 Fig.3 Digital Residential Land Price Model of Hefei

竞租理论认为地价是区位的函数，在一定程度上反映出经济要素的空间集聚必然带来外部效应的改变，形成区域的地价峰值中心。从图 3可以看出，合肥市的居住地价呈现出多中心的空间结构，在空间上地价的变化存在连续性，同时也表现出明显的跳跃性和突变。地价峰值区以城市老城区、天鹅湖及滨湖塘西河公园为中心呈现圈层式扩散，扩散的方向以西南部为主，北向和东向次之。老城区是城市传统的商务集聚中心，对居住地价的辐射影响比较明显。以天鹅湖为中心的城市西部居住地价峰值区毗邻合肥市政府所在地，同时也是居住环境较好的区域，配套设施相对完善。以滨湖塘西河公园为中心的南部居住地价峰值区域内分布着优质的教育、医疗和商业配套资源，安徽省政府也即将搬迁至此区域。地价的低谷区集中在经开区、蜀山工业园以及城市的高压走廊沿线区域，地价等值线也相对比较稀疏。

总体而言，合肥市居住地价分布呈现出空间上的向心性，多中心的结构已经形成，区位、商业繁华度、教育资源等因素对地价的空间布局形态影响较大，地价的高值区表现出临商业圈、临行政中心与临湖的特点。行政中心所在地一般是经济区位优越，公共服务设施完善的区域。以老城为中心，城市各个方向的地价增长强弱趋势不等，向西南增长的趋势最强，其次是北向，城市向东地价增长的趋势最弱。随着南部滨湖区域成熟度的提升，老城中心与南部滨湖区域之间有可能形成地价峰值区的集聚轴。

地理加权回归方法(GWR)是对传统回归模型的扩展，嵌入了研究数据的空间位置特性，使得参与分析的因子能够进行局域计算，其模型可表示为式(3)。

式(3) 中(u_i, v_i)是第i个样本点的空间坐标；β_k(u_i, v_i)表示连续函数β_k(u_i, v_i)在i的值，ε_i为随机误差^[8]。GWR可以借助GIS、Surfer等软件平台，在空间上可视化反映每个样点对应的回归参数，直观地刻画自变量对因变量影响力的具体情况。

实际运用GWR中，首先需要确定权重函数和影响带宽，权重函数可以根据式(4) 进行计算。

其中b为带宽，点j的权重根据与已观测点i的距离确定，距离越远，权重则越小。带宽b可以依据交叉确认法(CV)来进行选择，具体可表达为式(5)。其中${{\hat y}_{ \ne i}}\left( b \right)$是y_i的拟合值，应用过程中可针对一系列b值，计算相应的CV值并选择出最优带宽。

居住地价受区位、配套设施和地块本身特征等方面因素的综合影响，文章借鉴已有研究的成果，将影响因素分为内外在因素两个类别，外在因素选取商服中心、大学、中小学、公园、医院、主干路、交通站点及游憩中心；内在因素选取宗地面积、容积率^①、建筑密度、建筑高度、绿地率，初步拟定了13个因子作为居住地价的影响因素。在此基础上采用SPSS的主成分分析法计算相关因素矩阵与累计贡献率，剔除了共线性及贡献率小的变量，并借助ArcGIS 10.2中的New closest facility工具量化各因素，确定了具体的自变量及其量化标准(见表 1)。设修正过的居住地价为y_i，第i点的坐标为(u_i, v_i)，则合肥市居住地价影响因素的GWR模型可表示为式(6)。

表 1(Tab. 1

表 1 影响因素选择与量化表 Tab.1 Selection and Quantization of the Affecting Factors 影响因素 参数表示 量化标准 参数预期 符号 商服中心 Dshop 地块至大型生活服务 市场的最短距离 - 大学 Dcol 地块至二本以上 大学的最短距离 + 中小学 Dsch 地块至市示范中 小学的最短距离 - 外在因素 公园 Dpark 地块至公园的最短距离 - 医院 Dhosp 地块至大型医院 的最短距离 - 主干路 Droad 地块至城市主干路 的最短距离 - 交通站点 Dtraf 地块至交通站点 的最短距离 - 内在因素 宗地面积 Area 各宗地的具体面积 + 容积率 Far 各宗地的容积率 +

表 1 影响因素选择与量化表 Tab.1 Selection and Quantization of the Affecting Factors

基于ArcGIS 10.2的软件平台，选取调整型空间核回归和CV法对研究区数据进行分析和计算，得到当局部估计相邻点数为26时，CV值最小，此时R²与校正R²分别为0.9568与0.7076，模型拟合效果较好。影响因素的描述性统计见表 2，该表详细给出了各因素对居住地价影响程度的平均值、最小值、最大值、标准差、下四分位数、上四分位数等数据，同时各因素对地价的影响力存在着显著的空间差异，其中容积率、宗地面积对合肥市居住地价表现出较为显著的影响力。容积率和宗地面积是地价影响的内在因素，反映的是城市规划职能机构对城市发展的微观控制，具体体现在城市总规和控规两个编制层次中。而医院、大学和主干路也表现出对居住地价的拉动作用。

表 2(Tab. 2

表 2 GWR模型计算结果 Tab.2 Statistics of GWR Model's Results 因素 平均值 最小值 最大值 标准差 下四分位值 中值 上四分位值 商服中心 -0.0554 -0.3316 0.0814 0.0779 -0.001 -0.0046 -0.0985 大学 0.1229 -0.4183 0.8295 0.2866 0.2069 0.0627 -0.0003 中小学 -0.0591 -0.2812 0.2371 0.1280 0.0492 -0.0739 -0.1231 公园 0.0784 -0.2065 0.3892 0.1052 0.1558 0.0597 -0.0027 医院 -0.1215 -0.7299 0.3402 0.2306 -0.0358 -0.0862 -0.1692 主干路 0.1544 -0.8945 0.7630 0.4412 0.4853 0.2043 0.0958 交通站点 -0.0045 -0.3161 0.2093 0.1209 0.0794 0.0455 -0.1103 宗地面积 -0.2805 -2.4797 3.2720 0.8406 0.0202 -0.3064 -0.7369 容积率 -56.2430 -207.4606 144.6727 84.4700 11.3780 -49.8160 -145.2300

表 2 GWR模型计算结果 Tab.2 Statistics of GWR Model's Results

(1) 公用设施的影响。总体上商服中心影响回归系数的平均值和中值均为负数，即随着居住地块与商业服务中心的距离减小，居住地价会有所提升，同时空间上也表现出影响力的区域差异。图 4a中在天鹅湖万达商圈，地价受商业服务中心的影响呈现出正相关性，而在城市西北部区域，表现出负相关影响的最大，以此区域为中心，边际增值效率逐渐降低。大学对居住地价的影响较小，这与大学在全国统招有关。城市西部基本无大学分布，因而图 4b呈现出正回归系数最高值的分布。图 4c中大部分地区显示居住地价与中小学的负相关性，这缘于中小学教育是重要的学习阶段，“学区房”作为其衍生品，已成为一种稀缺资源，对居住地价的提升有显著的效果。作为居住环境品质的公园能为城市居民提供良好的自然景观和休憩场所，图 4d反映出公园对居住地价影响力的空间差异明显，城市西部区域密集分布着蜀山森林公园、合肥野生动物园、四季花海等城市公园，其对居住地价的回归系数呈现出正值，表现出距公园越近，地价越低的作用机制，这与该地区居住配套不尽完善，靠近城市郊区不无关系。医院对居住地价的影响在空间层面上总体上表现出负相关关系，即距离优质医疗资源的越近，居住地价越高。而在城市的西北部，靠近合肥市两大水库的区域，由于无无大中型医院的分布，居住地价与医院之间的作用机制表现出正相关性(图 4e)。

图 4(Fig. 4)

图 4 公用设施对居住地价影响的区位差异 Fig.4 Regional Differences in the Impact of Public Facilities on Residential Land Price

(2) 交通条件的影响。交通条件对居住地价具有显著的影响，可达性较好的地段往往居住价格相对较高。图 5a中显示在城市的东北部区域，离主干路越近，地价相应提高；而在其反向区域，地价呈现出相反的作用机制，这表明随着汽车保有量的增加，交通拥堵呈现常态化，主干路虽然为城市带来了便捷的交通条件，但同时也汇聚了空气污染和噪声污染，从而使该影响因素对地价的作用表现为正相关。交通站点主要指的是合肥各客运站点、火车站、公交站点等设施，图 5b中大部分城区呈现出负的相关性，大致以大房郢水库为中心，向外边际作用逐渐减小；在城市的北部和南部出现回归系数的最大正值区，导致距离交通站点对居住地价呈现出正相关的影响，这与该区域尚处于建设之中有一定的关系。

图 5(Fig. 5)

图 5 交通条件对居住地价影响的区位差异 Fig.5 Regional Differences in the Impact of Traffic Condition on Residential Land Price

(1) 宗地面积的影响。宗地面积对地价影响总体上呈现出负相关(表 2)，这与最初的预期有所出入，与吕萍、甄辉^[17]的研究相一致。可能的解释是呈现出负相关的区域大多位于城市近郊区(图 6a)，虽然城市空间扩张引致了居住区位的外围拓展，但城市中心区依然是新增居住需求的首选区位，此外该区域是近年来合肥市发展的都市新区，土地开发可能涉及大面积的拆迁事宜，市场开发商更加关注土地的其他条件。而在城市的二环内，居住地价与宗地面积之间表现出明显的正相关，这与该区域土地开发较成熟，配套设施相对完善，大面积的土地整合利用是产生规模效应的有效措施有关。

图 6(Fig. 6)

图 6 地块条件对居住地价影响的区位差异 Fig.6 Regional Differences in the Impact of Land Condition on Residential Land Price

(2) 容积率的影响。容积率是控制性详细规划中地块的强制性控制指标，其直接关联于土地开发的价值实现。该因素对居住地价的贡献度[-208.0259, 145.0971]之间，跨度较大，可以判断容积率的贡献度值最大，表明该因素的空间分异最为显著。图 6b中大部分区域呈现出居住地价与容积率的负相关，即随着容积率的提高，居住地价相应地降低，尤其是在城市的西部和北部出现了回归系数负的高值区。主要原因是这些区域靠近大蜀山、天鹅湖以及城市水源地，一方面，城市规划职能机构通过容积率来控制区域的空间密度和建筑高度；另一方面，城市居民对良好生态环境的向往替代了容积率对地价的增值效应。而沿金寨路向西南的轴向区域，容积率对地价的作用表现出正相关，因而在这些区域只要适当调整规划就能够实现更多的土地价值。

在空间上，居住地价的影响因素均存在明显的空间分异和空间变异现象，如医院与地价之间总体上呈现出负相关的关系，但在无大中型医院的区域内，表现出相反的作用机制。城市规划作为一项公共政策，可以通过具体的规划编制对公用设施的空间分布或宗地面积等指标的赋值予以确定和落实。而各项公用设施的规划配置主要体现在城市总体规划和控制性详细规划两个法定规划的编制层次中，如教育设施的有效供给是根据居住的人口密度以及设施的服务半径等原则，来进行区域的规划配置，如需调整还须经过严格的法定程序。即使能调整到位，往往也会跨度较长的时间过程，而此时地价的空间格局可能已经时过境迁。所以，根据地价的空间格局，对城市规划区内具体的设施布局进行优化，既不现实，也不实用。相比之下，对地块内在因素的调整显得更易于操作。

在宗地面积对地价影响呈负相关的区域，如滨湖新区和新站区，规划编制应将“密路网、小社区”的规划模式融入到传统规划模式中，保留现状的主次干路，使临近的道路与主干路形成二分路^②，同时根据不同区域需要在干路网之间增加地方街道。图 6a中可以看出新站区宗地面积对地价的影响力相对较大，更倾向于较小的地块切分，据此可针对性地将区域中现有的170—635 m住区尺度进行划分，以达到提高路网密度，缩小居住地块面积的目的。已有研究发现^[26]，50—70 m基层住区最有利于行人活动的集聚，80—110 m是能兼顾车行和步行的住区尺度。因此，规划设计将居住地块面积界定在0.25—1.21 hm²的参考范围，不仅可以提高微循环能力，增加城市宜人的街道空间；而且能促进更多土地价值的实现。

在地价与宗地面积之间表现出正相关的东南轴向区域，该区域包含了瑶海区和包河区的部分用地，基于“小封闭，大开放”的扩大住区布局理念，规划可将现有已建城市道路作为居住区的内部道路，同时适当增加未建路网间距，增大地块出让面积，实行住区的单元开发。由于道路间距增大可能带来的“负效应”，可以根据因地制宜、分类施策的原则，积极推行住区的街区制，把小区的封闭，改成组团的封闭，由封闭小区安防走向封闭组团(缩小街区尺度)安防、再走向楼宇安防，从而将住区的景观空间融合到城市系统中，被更多的市民所享用；又将城市的公共活动引入住区，满足居民多样化的需求。综上，城市规划编制不能拘泥于固有的地块范围划定原则，应充分借助地价的杠杆作用，确定片区适宜的路网间距，为宗地面积的科学赋值提供重要的理论支撑。

地价的高低直接影响到用地的投入产出效益，而容积率作为土地开发强度控制的关键参数，合理确定其赋值需重点考虑地价的影响，同时兼顾政府和土地开发者的权益。图 6b中城市的西部和北部呈现出地价与容积率的负相关性，针对该区域的容积率赋值就应该是基于正常利润率下的“最低经济容积率”。根据投入产出之间的关系，最低经济容积率值测定可采用

其中P₁—P₆分别指的是地价、拆迁安置费用、土地征用费、基础设施投入、开发用费和建安成本，S为单位房产销售价格，R为基本利润率^[27]，由此得出负相关区域不同售价下居住地块的Z_far值。而在表现出正相关的区域(沿金寨路向西南的轴向片区)，规划居住用地的容积率下限应以Z_far值为基准，并在满足人均居住用地控制指标、合肥地区日照系数等约束条件的情况下确定容积率的上限。因此，控规针对地块开发容量的控制，应遵循地价与容积率的运作规律，实施城市不同区位容积率的差异化赋值，引导地价空间结构向更优方向演变，同时保障房地产市场的健康发展。

此外，还可从用地性质的确定方面着手，基于地价的空间依赖效应，选择区位条件优越、发展潜力巨大的地块规划为白地，如临近滨湖新区商务核心区的具体地块；或无法通过规划预期严格规定地块属性的界定为灰地，如新站区毗邻待建地铁4号线东方大道站的部分用地。

白地和灰地的确定都是基于动态的发展思维，弹性控制用地条件的规划方法，前者只有一次用地性质置换，而后者允许多次功能的置换过程^[28]。置换过程受外部环境地价因素的驱动，而对应具体地块就是用地条件改变和土地价值的提升；另外多次置换过程需要对具体地块的使用年限、建筑单体设计等方面做出严格的规定。以上的操作模式并不直接对地块的指标提出控制要求，更多体现的是弹性控制的规划思路。两者都是基于地价的动态性，对特殊地块的开发建设提出指引。虽适用性有所局限，仅是间接地对具体地块提出规划条件，但是实现了规划刚性和弹性并举，发挥了市场配置资源的作用，达到用地节约集约和土地价值提升的目的。

(1) 基于IDW对合肥市2010—2014年居住地价插值计算，结果显示合肥市居住地价呈现出空间上的向心性，多中心的结构已经形成，地价的峰值区表现为圈层式分布，临商业圈、临行政中心与临湖的特征明显。

(2) 基于GWR模型对合肥市居住地价的影响因素进行定量分析，研究发现不同影响因素对地价的影响力存在显著的空间差异，较之外在因素，内在因素的空间非平稳性要更为明显，其中容积率对居住地价的边际作用效率最大，其次就是宗地面积。

(3) 无论是影响地价的内在因素还是外在因素，各因素的空间分布或赋值都直接与城市规划存在着密不可分的关系。据此提出以下建议：① 通过城市规划引导各影响因素的空间分布，从而在城市存量规划的现实背景下，使城市用地向最有效利用方向发展，以获取最佳的土地使用效益。② 在经济分析的基础上编制城市规划，尤其是针对不同空间位置地块面积和容积率的差异化赋值，既能发挥土地的级差效益，也能重塑城市的空间结构。③ 建立动态的数字地价模型，根据城市地价的时空变化规律，科学把握土地的储备和出让时机。

注释：

① 从出让方的政府角度出发，在环境容量允许的条件下，提高地块的容积率，可以最大限度地利用和节约土地资源；对于购买方的开发商来说，提高地块的建筑面积，可以实现更多的经济剩余，因此容积率取值时以最大值进行分析。

② 二分路指的是两条平行且反向的单行道。