2. 中国城市规划设计研究院 深圳分院, 深圳 518040;
3. 中山大学 地理科学与规划学院, 广州 510275
2. China Academy of Urban Planning and Design Shenzhen, Shenzhen 518040, China;
3. School of Geography and Planning, Sun Yat-Sen University, Guangzhou 510275, China
党的十九大报告提出,加快建立多主体供给、多渠道保障、租购并举的住房制度,让全体人民住有所居。高房价背景下,要实现城市居民住有所居,需大力发展住房租赁市场[1]。住房租赁的需求主体主要是农民工、大学生和未婚白领[2]。在政策鼓励和城市居民需求共同推动下,我国住房租赁市场快速发展,2017年以来,长租公寓大量涌现[3]。长租公寓是租期在一年及以上,为不同群体提供多样化公共空间配置和标准化物业服务,可更好满足租客社交和归属需求的出租型公寓[3]。长租公寓是贯彻国家住房政策的重要保障,有利于解决城市人口尤其是城市流动人口的住房问题,提高流动人口的居住稳定性,推进以人为核心高质量发展的新型城镇化[4]。长租公寓的已有研究主要关注其运营融资、租赁价格和租赁意向等方面[5-7]。下文将主要围绕与长租公寓相近的住宿业和租赁住房的相关研究展开综述。
国外住宿业相关研究主要关注时空分布及影响因素[8-10]。住宿业主要分布在城市中心区,向交通集散地、商业发达地区、大型旅游景点周边集聚[10-14]。有学者尝试将案例研究理论化,总结出旅游城市住宿业的空间布局模式[15],此外,住宿业还存在单中心模式[16]、集聚模式[17]和多维模式[18]。有学者运用地租理论,发现酒店在城市的空间布局呈等级差异,高档酒店多位于市中心,而经济型酒店多位于外缘城区和城市外环地带[19]。影响因素中,地价、交通、公共服务、景点等是研究重点[15, 20],此外,还包括准入门槛、土地价值、土地使用政策、政治、宗教等因素[15, 21]。
国内住宿业研究对象包括星级酒店、经济型酒店和共享住宿等不同业态。研究尺度有国家[22, 23]、区域[24, 25]、城市[26-30]等,主要集中于城市尺度。研究表明城市住宿业呈现以中心城区为核心的“核心—边缘”结构特征,具有明显的中心集聚—外围扩散趋势[27, 31-34]。此外,上海住宿业的集聚出现了较为明显的分异,经济型酒店和旅馆在中心城区集聚核外形成多个散状集聚核心[29]。北京住宿业空间结构有交通枢纽区位型在内的8种集聚模式,体现出住宿业集聚模式的普遍性与北京的特殊性[26];乌鲁木齐住宿业在空间上存在轨道交通型热点区等4种集聚模式[35]。影响因素研究主要关注交通可达性、商业环境、公共服务[28]。此外,地价[26, 33]、经济发展水平[28, 30]、城市形态[33]、功能分区[33]、行政中心[36]等也受到关注。住宿业空间布局形成机制研究相对较少,包括上海共享住宿分布及动态演化的影响机制[30, 37],重大事件影响下上海住宿业空间格局演化形成机制[38],武汉酒店业空间格局演进机制[28]等。
与长租公寓相近的除了住宿业,还有租赁住房,租赁住房空间布局研究对象主要包括经济适用房、保障性住房、公共租赁住房、商品租赁住房等。中国城市经济适用房的空间布局偏向于城市边缘[39],土地价格是政府考虑的重要因素[40]。保障性住房在空间布局上存在选址偏远、配套服务设施建设滞后、过度集中等问题[41]。公共租赁住房在空间布局上较为偏远,出现了较为明显的集聚特征[42]。商品租赁住房空间布局沿交通线分布趋势较为明显,并在中心城区外围形成多处集中分布地[43]。影响因素方面,租赁住房受到住房效用、住房质量、住房价格、就业机会、通勤时间和生活成本的影响[44, 45]。保障性住房受交通便捷度、公建项目完善度、土地价格的共同影响[46]。此外,城市发展战略导向与轨道交通建设、郊区化是影响商品租赁住房空间布局的主要因素[43]。
综上所述,已有研究表明住宿业和租赁住房有不同的集聚模式,住宿业主要集聚在中心城区,总体呈现从中心城区向外围递减的趋势;不同类型租赁住房呈现城市边缘或中心城区外围的空间集聚性。交通区位条件、公共服务设施、人口密度、商贸业、地价等是多数学者探讨的影响住宿业和租赁住房空间布局的因素。已有研究较少关注长租公寓这种新的住房类型和住宿业态。深圳作为住房租赁试点城市,长租公寓成为深圳住房市场的重要供给部分,为农民工、毕业大学生和未婚白领等群体提供了居住空间。本文聚焦深圳长租公寓的空间布局及影响机制,探讨其空间集聚模式,以及与其他住房或住宿业态的空间集聚模式的异同,有利于丰富新兴住房业态空间集聚模式和中国住房研究,对优化城市租赁住房在城市内部空间的合理配置具有较好的理论和实践意义。
1 研究设计 1.1 研究区域深圳是最早和最多布局长租公寓的城市之一,2017年成为住建部选取的首批开展住房租赁试点的城市,积极响应国家政策,大力发展住房租赁市场。迈点网显示,2021年万科泊寓、庭苑公寓等50多个品牌在深圳开展集中式长租公寓业务,覆盖范围从低端的城中村住房到高端的商务公寓,满足了多层次的居住需求。深圳作为案例地具有较好的代表性和典型性。本文研究范围为深圳全域,含9个行政区和1个功能新区。参考已有研究[47],并结合行政区划和经济密度,将深圳划分为三大地带:中心城区(福田、罗湖、南山)、中间地区(宝安、光明、龙华、龙岗、盐田)、外围地区(坪山、大鹏)(图 1,图 2)。
本文所使用数据主要来源于四方面:一是长租公寓数据,来源于迈点研究院;二是人口数据,主要来源于深圳各区2020年统计年鉴;三是地铁站、超市商城等配套服务设施,来源于大数据网(https://qcsdn.com/);四是2021年5月11日至15日对6家长租公寓的半结构访谈数据。截至2021年4月10日,深圳集中式长租公寓运营主体包括以万科泊寓、金地草莓社区为代表的房地产运营商,以庭苑公寓、魔方公寓为代表的公寓运营商,以华住城家、万豪行政公寓为代表的酒店运营商,以及地产中介机构,其门店数量分别为296、205、32、3,由于地产中介机构样本个数较少,本文选取房地产系、公寓系、酒店系的533家长租公寓为研究对象(表 1)。
核密度估计是空间平滑方法的一种,反映空间点数据的相对集中程度,常用于探查点数据的空间布局趋势和特征[48]。最邻近距离用于探索点数据的空间分散与集聚态势,通过测量评价区任一点与最邻近点之间的距离,计算所有最邻近距离的平均值,将其与随机分布的最邻近距离相比较,得出最邻近指数R。R小于1时,属于集聚模式;R大于1时,属于离散模式;R等于1时,属于随机分布[49]。
1.3.2 通过空间自相关分析长租公寓的空间集聚程度与空间关联性空间自相关包括全局和局部空间自相关,全局空间自相关采用Moran's I指数,用来判断长租公寓是否存在空间集聚现象。局部空间自相关指数Getis-OrdGeneralGi*(简称Gi*(d))用来进一步分析空间集聚的具体位置,即长租公寓空间布局的热点区与冷点区。若Gi*(d)显著为正,属高值空间集聚,即热点区;若显著为负,则为冷点区[50]。
1.3.3 应用多元回归模型探讨长租公寓空间布局的影响因素因变量为各街道长租公寓密度,自变量结合地租理论、新消费者理论及已有研究进行选取。地租理论强调土地租金是平均利润之外的剩余价值[19],基于土地和房屋建设的属性,长租公寓的需求特征与空间布局符合地租理论。新消费者理论强调消费者所得效用不仅来自产品,还包括产品所拥有的特征及附着的服务[51]。消费群体对于长租公寓具有不同的消费偏好,关注公共交通、基础设施、商业配套、人际交往、生活质量等[7]。综上,并参考其他住宿业态和租赁住房的相关研究,长租公寓空间布局要考虑客源、交通通达性、区位因素即周边的商业服务设施等[42, 51, 52]。结合数据的可获取性,本文选择常住人口和非户籍人口密度作为人口因素;地铁和公交站密度作为交通因素;超市商城、餐饮店、银行和医疗点密度作为区位因素,共3类因素8个自变量(表 2)。
地理加权回归模型能结合空间相关性和线性回归揭示多变量之间的数量关系。该模型认为空间数据随着空间位置的变化,影响因素的回归系数也在变化,即不同区域影响因素的解释力是不同的[30]。本文选用地理加权回归进一步探讨长租公寓空间布局主要影响因素作用的空间异质性。
2 深圳长租公寓的空间布局特征 2.1 深圳长租公寓整体空间布局特征深圳中间地区的宝安、龙华和龙岗区长租公寓布局规模较大,达371家,占比69.6%;中心城区有145家,占比27.21%;外围地区的坪山、大鹏新区和中间地区的盐田、光明区布局较少,仅有17家,占比3.19%(表 1)。
2.1.1 总体呈现“2大集聚区+多个组团”的空间布局结构最邻近距离分析得出R=0.398452 < 1,Z检验值为-26.57,在0.001的显著性水平下通过检验,表明深圳长租公寓呈现出典型的集聚分布特征。从核密度分析看,深圳长租公寓空间布局呈现出“2大集聚区+多个组团”的空间结构。2大集聚区位于中间地区且紧邻中心城区,包括以宝安区新安街道为核心的集聚区,以龙华区龙华、民治街道和龙岗区坂田街道交界处为核心的集聚区。多个组团位于中间地区和中心城区。整体而言,深圳长租公寓空间布局呈现中心城区边缘的空间集聚性(图 1)。
2.1.2 呈现“3大热点区与2大冷点区”的空间集聚现象深圳长租公寓全局Moran's I值为0.2088,Z值4.3596,且通过1%显著性水平检验,说明深圳长租公寓空间布局在街道层面表现出空间集聚特征。局部自相关分析得出深圳长租公寓有3大热点区和2大冷点区,3大热点区分别为宝安区和南山区交界的区域、龙华区和龙岗区交界的区域、罗湖区和福田区交界的区域;2大冷点区分布在中间地区和外围地区,具体指光明区和宝安区石岩街道,以及龙岗区和坪山区、盐田区交界区域(图 2)。再次证实深圳长租公寓空间布局的高集聚区主要位于中心城区边缘。
2.2 深圳不同运营主体长租公寓的空间布局特征 2.2.1 三类长租公寓布局的集聚区出现较为明显的空间分异房地产系长租公寓主要布局在龙华区和宝安区,占比56.42%。公寓系长租公寓主要分布在宝安区和龙岗区,占比53.17%。酒店系长租公寓主要分布在中心城区,占比53.13%,尤其是南山区,布局规模近三分之一(表 1)。最邻近距离分析得出深圳房地产系、公寓系和酒店系长租公寓的最邻近指数分别为0.36766、0.497261、0.79538,均 < 1,Z检验值分别为-20.81、-13.77、-2.21,且均通过1% 显著性水平检验,表明深圳三类长租公寓均呈现出典型的集聚分布特征(表 3)。三类长租公寓的核密度分析表明,房地产系、公寓系和酒店系长租公寓的集聚区出现明显的空间分异。房地产系长租公寓集聚区位于中间地区的龙华区和龙岗区交界的龙华、民治和坂田街道,公寓系长租公寓集聚区位于中间地区的宝安区新安街道,酒店系长租公寓集聚区位于中心城区的南山区南头和粤海街道(图 1)。
根据深圳三类长租公寓的冷热区分布图(图 2),与核密度估计一致,酒店系、公寓系及房地产系长租公寓热点区呈中心城区向外扩展态势。其中,酒店系长租公寓的热点区主要分布在中心城区;公寓系长租公寓热点区主要分布于紧邻中心城区的中间地区;房地产系长租公寓热点区较公寓系略向外扩展,即向距离中心城区更远的中间地区扩展。
酒店系长租公寓热点区主要分布在中心城区,尤其是南山区,租金相对较高。公寓系长租公寓热点区主要分布于紧邻中心城区的中间地区,2大热点区分别是宝安区和南山区交界的新安和南头街道、龙华区和龙岗区交界的民治和坂田街道。公寓系长租公寓热点区相较于酒店系,呈现出向中心城区外围扩展态势。房地产系长租公寓热点区较公寓系略向外扩展,除了位于中心城区及紧邻中心城区的热点区,另一热点区出现在离中心城区更远的宝安区福永和西乡街道。房地产系长租公寓的房源90%来自于城中村,收购改造价格相对较低,在交通及配套设施的支持下,其热点区可远离中心城区。
3 深圳长租公寓空间布局的影响机制将前文提及的8个变量引入多元回归模型。结果发现,对长租公寓整体空间布局具有显著影响的因素由大到小依次为:地铁站、超市商城、常住人口、银行(负)4个因素,解释力度为62.9%。此外,房地产系长租公寓受地铁站、常住人口、餐饮店、超市商城、银行(负)的影响;公寓系长租公寓受地铁站、常住人口、超市商城、银行(负)的影响;酒店系长租公寓受地铁站、公交站、常住人口、银行、餐饮店(负)的影响。三类长租公寓影响最大因素均为地铁,但在区位因素上存在一定差异,银行对房地产系和公寓系长租公寓呈负向影响,对酒店系长租公寓呈正向影响,餐饮店对房地产系长租公寓的影响为正,对酒店系长租公寓的影响为负(表 4)。具体分析如下:
长租公寓空间布局首先考虑交通便捷性。访谈中发现,有5家长租公寓将交通因素作为首要因素。中心城区地理位置最优越,基础设施最完善,交通最便利,但受限于房源少、运营成本高等因素,长租公寓并未在此形成较大规模。而靠近中心城区的中间地区,地铁和公交建设愈加完善,房源价格明显低于中心城区,在此形成长租公寓布局的2大集聚区,一是靠近南山区的宝安新安街道,二是靠近罗湖区和福田区的龙岗坂田街道和龙华民治街道。其中,新安街道有罗宝线、环中线、机场线三条地铁线共10个地铁站。深圳地铁集团统计数据显示,在上班高峰,进站人数最多的前十个地铁站点均位于中间地区。外围地区的坪山区和大鹏新区,地铁尚未开通,其长租公寓布局规模均在10家以内。
地理加权回归分析进一步显示,地铁对深圳长租公寓的影响存在空间异质性,地铁的影响整体上呈现从东至西递减的规律性,其中地铁对外围地区的影响较大(图 3),尤其是大鹏新区,没有地铁站点布局,整个大鹏新区只有1家长租公寓。在深圳,地铁是极为重要的通勤方式,日均客运量超500万人次,公交分担率超55%。深圳533家长租公寓中,距离最近地铁站点在100 m以内、100—300 m、300—500 m、500—1000 m、1000—2000 m、大于2000 m的分别有36、76、131、160、79和51家,距离地铁站1000及500 m范围内占比分别为75.61% 及45.59%,可见长租公寓的空间布局对于交通便捷度,尤其是地铁站点通达性的依赖度较高。
超市商城和银行对深圳长租公寓的空间布局具有明显影响,其中具有正向影响的是超市商城。访谈中也发现区位因素中考虑最多的是超市商城。地理加权回归分析进一步显示,超市商城的影响整体上从西至东递减(图 3)。长租公寓周边需配套生活服务设施,以满足租客的日常生活所需,超市商城是长租公寓布局的重要因素。银行对长租公寓的负向影响整体上从西至东递减(图 3)。此外,银行对不同类型长租公寓的影响具有差异性,其对房地产系和公寓系为负向影响,而对于酒店系则具有正向影响。银行布局较密集的地方大多位于城市、区域或街道中心,处于地租相对更高的地区。
3.3 人口因素对长租公寓布局具有正向作用常住人口对深圳长租公寓的空间布局具有正向作用。其中对房地产系长租公寓布局的影响大于公寓系和酒店系。地理加权回归分析进一步显示,人口因素影响整体上从北至南递减,对中心城区布局长租公寓影响较小(图 3)。年轻人是长租公寓租赁的主要消费群体,深圳是全国人口最年轻的城市之一。2016—2020年,深圳常住人口分别增加了87.3、91.96、78.81、44.28和52.98万人,应届毕业生是重点流入群体。此外,随着深圳城中村的拆迁和改造,长租公寓未来将成为外来务工人员的重要住房选择。人口因素是长租公寓布局的基础因素,深圳长租公寓两大集聚区均位于紧邻中心城区的高人口密度地区。
3.4 产业园区是长租公寓布局的促进因素访谈中发现,部分长租公寓的空间布局会考虑邻近产业园区,降低通勤时间。长租公寓客源的重要指标除了常住人口,还包括产业园区的规模。长租公寓客源以农民工、毕业大学生和未婚白领为主,选择附近有产业园区的区域经营长租公寓,将会带来大量的地缘性租客。由于大部分长租公寓具有交通便捷性,因此邻近产业园区的重要性低于交通便捷性。交通不理想的情况下,就需重点考虑周边是否有产业园区。根据深圳贸易工业局的统计数据,2020年深圳各区产业园区规模如下,宝安1926个、龙岗1091个、龙华894个、南山313个、坪山198个、福田79个、光明75个、罗湖50个、盐田25个、大鹏20个,宝安、龙岗和龙华区的产业园区数量为3911个,占全市(共4651)的84%,与长租公寓的规模(占比69.6%)相对一致。上世纪90年代后,随着深圳经济的快速发展及罗湖、福田区用地的相对饱和,在南山、宝安区相继形成了一批产业园区;随着富士康的进驻,龙华区也承接了大量的新兴制造需求;此外,龙岗区坂田街道拥有包括华为在内的362家国家级高新技术企业。
3.5 地租因素影响长租公寓运营商选址决策访谈中发现,地租也是影响长租公寓空间布局的因素之一。根据地租理论,中心城区的地租明显高于非中心城区,深圳土地价格基本由市中心向外围递减。城中村是深圳住房租赁市场的主要房源,以各区城中村租金为例,2020年福田89.16、罗湖70.08、南山80.4、盐田53.77、宝安52.27、龙岗48.09、龙华47.45、光明34.6、坪山34.36、大鹏43.36元/m2。结合地租因素,深圳长租公寓的两大集聚区均未位于中心城区,而是紧邻中心城区。宝安、龙岗和龙华区不仅靠近中心城区,且城中村体量大,地租较低,便于长租公寓大规模布局。
3.6 深圳长租公寓空间布局的影响机制本文运用地租理论和新消费者理论,从供求视角,结合经济发展三大地带和五类影响因素构建深圳长租公寓空间布局的影响机制(图 4)。深圳中心城区是需求较高,供给相对较低的地带,中心城区发展最早,配套服务设施完备、常住人口密度高、交通尤其是地铁通达性高,布局着一定规模的长租公寓,但土地面积、房源成本和房源数量阻碍了长租公寓的大规模发展。靠近中心城区的中间地区成为更多租客的落脚地,是需求和供给双高地带,如宝安区新安街道、龙华区民治街道和龙岗区坂田街道,较低的地租、临近中心城区的地理位置、较好的商业服务配套设施、众多的产业园区,使其成为孕育长租公寓的理想区域。离中心城区较远的外围地区,虽地租较低,土地面积广阔,但常住人口密度低,交通尤其是地铁通达性低,需求和供给都较低,是长租公寓布局的低地。结合已有研究结论[27, 31-34, 39, 41, 43],发现住宿业、长租公寓、商品租赁住房、经济及保障性租赁住房的空间布局集聚区分别位于中心城区、中心城区边缘、中心城区外围地区、城市外围地区,即呈现由中心城区向外围地区扩散态势(图 4)。
本文以迈点研究院、大数据网(https://qcsdn.com/)、深圳统计年鉴和半结构访谈为主要数据来源,运用多种数理统计方法和空间分析法对深圳长租公寓的空间布局及影响机制进行研究,研究结论如下:
深圳长租公寓空间布局呈现出空间集聚性、距离衰减性、类型分异性特征。具体表现在紧邻中心城区的空间集聚性,从中心城区边缘向外围递减的距离衰减性。长租公寓与星级酒店、共享住宿等住宿业的空间集聚不同,并非展现出中心城区集聚模式和从中心城区向外围递减的趋势[27, 31-34];同时也不同于商品租赁住房,也未在中心城区外围地区集聚[43]。此外,酒店系、公寓系、房地产系三类长租公寓的集聚区出现较为明显的空间分异,热点区呈中心城区向外扩展态势的类型分异性,其集聚区分别出现在中心城区、中心城区边缘、中心城区外围地区,表明不同类型长租公寓的承租能力、房源、目标市场呈现明显的多元化、差异化的发展趋势。
深圳长租公寓的空间布局由供需双方共同决定,受交通、人口、区位、产业园区和地租因素的共同影响。进一步研究表明,地铁的影响从东至西递减,超市商城的影响从西至东递减,银行的负向影响从西至东递减,常住人口的影响从北至南递减。深圳长租公寓空间布局与商品租赁住房相比,更强调了交通尤其是地铁的重要性[43];与保障性住房相比,凸显了交通便捷度、区位因素的影响[47];与住宿业相比,受行政中心和旅游景点的影响较小[20, 36]。城市中间地区是需求和供给双高地带,相对较低的地租、交通通达性高、临近中心城区、较好的配套服务设施、众多的产业园区,长租公寓集聚区布局于此。已有研究及本研究相关结论表明,城市住宿业、长租公寓、商品租赁住房、经济及保障性租赁住房空间集聚区依次由中心城区向外围地区扩散,其集聚区分别位于中心城区、中心城区边缘、中心城区外围地区、城市外围地区[27, 31-34, 39, 41, 43]。
长租公寓的健康发展有助于保障不同群体的住房需求和完善中国住房供给体系。结合研究结论,提出以下建议:①注重发挥长租公寓对城市发展和空间结构的促进和塑造作用,优化轨道交通布局,提升公共交通尤其是地铁在郊区和边缘地带的可达性,降低通勤成本和时间,租赁需求有效延至城市外围地区。②房源获取是长租行业最大难题,优质地段拿房成本高,偏远位置房屋空置又无法避免,未来随着深圳城中村的拆迁和改造,长租公寓将成为外来务工人员的重要住房选择。政府应鼓励改造闲置工业、商业及仓储等物业,增加长租公寓供应,有效缓解供需矛盾。③长租公寓的空间布局还受限于周边配套服务设施,政府应完善相关配套设施,缩小地区间差距,同时加大政策支持力度。④对于不同类型长租公寓的空间布局,房地产系长租公寓可增加在中心城区、重要城市功能区的布局,酒店系长租公寓可向交通便利、有稳定客源的城市外围布局。
本研究仍有一些不足之处,有待进一步探讨。一是部分长租公寓门店的开业时间很难确定,时间维度上的分析相对不足。二是未来可引入分散式长租公寓,并深入到社区尺度开展研究。三是未将街道层面的产业园区密度和地租纳入到回归模型中,只是通过区级层面的相关数据和访谈数据来探讨两者对长租公寓空间布局的影响。
[1] |
唐琳, 冯长春, 肖亮, 等. 北京市居民租赁住房可支付能力及空间分异研究[J]. 人文地理, 2019, 34(3): 91-98. [Tang Lin, Feng Changchun, Xiao Liang, et al. Research on the affordability of rental housing in Beijing[J]. Human Geography, 2019, 34(3): 91-98.] |
[2] |
Liu R, Li T, Greene R. Migration and inequality in rental housing: Affordability stress in the Chinese cities[J]. Applied Geography, 2020, 115. DOI:10.1016/j.apgeog.2019.102138 |
[3] |
陈秋竹, 邓若翰. 长租公寓"租金贷": 问题检视、成因探析及规制路径[J]. 南方金融, 2019(4): 91-98. [Chen Qiuzhu, Deng Ruohan. "Rent loan" of the long-term apartment: Problem inspection, cause analysis and regulatory path[J]. South China Finance, 2019(4): 91-98.] |
[4] |
程晗蓓, 刘于琪, 田明, 等. 居住不稳定性" 对中国大城市流动人口健康的影响研究[J]. 地理研究, 2021, 40(1): 185-198. [Cheng Hanbei, Liu Yuqi, Tian Ming, et al. The effects of residential instability on migrants' health in urban China[J]. Geographical Research, 2021, 40(1): 185-198.] |
[5] |
Chen J, Wu F, Lu T. The financialization of rental housing in China: A case study of the asset-light financing model of long-term apartment rental[J]. Land Use Policy, 2021, 112. DOI:10.1016/j.landusepol.2021.105442 |
[6] |
喻燕. 长租公寓租赁价格特征因素及其重要性研究——以深圳市600家长租公寓为例[J]. 理论月刊, 2020(10): 73-79. [Yu Yan. Study on the characteristic factors and importance of long-term apartment rental price: A case study of 600 parents renting apartments in Shenzhen[J]. Theory Monthly, 2020(10): 73-79.] |
[7] |
杨高, 刘柳颖, 周春山. 广州长租公寓租赁意向的影响机制——基于计划行为理论的扎根研究[J]. 热带地理, 2021, 41(3): 562-572. [Yang Gao, Liu Liuying, Zhou Chunshan. The influencing mechanism for long-term apartment rental intention in Guangzhou: A ground-based study based on the theory of planned behavior[J]. Tropical Geography, 2021, 41(3): 562-572.] |
[8] |
Shoval N, Cohen-Hattab K. Urban hotel development patterns in the face of political shifts[J]. Annals of Tourism Research, 2001, 28(4): 908-925. DOI:10.1016/S0160-7383(00)00083-9 |
[9] |
Chou T Y, Hsu C L, Chen M C. A fuzzy multi-criteria decision model for international tourist hotels location selection[J]. International Journal of Hospitality Management, 2008, 27(2): 293-301. DOI:10.1016/j.ijhm.2007.07.029 |
[10] |
Gutiérrez J, García-Palomares J C, Romanillos G, et al. The eruption of Airbnb in tourist cities: Comparing spatial patterns of hotels and peer-to-peer accommodation in Barcelona[J]. Tourism Management, 2017, 62: 278-291. DOI:10.1016/j.tourman.2017.05.003 |
[11] |
Wall G, Dudycha D, Hutchinson J. Point pattern analyses of accommodation in Toronto[J]. Annals of Tourism Research, 1985, 4(12): 603-618. |
[12] |
Rogerson J M. Reconfiguring South Africa's hotel industry 1990-2010:Structure, segmentation, and spatial transformation[J]. Applied Geography, 2013, 36: 59-68. DOI:10.1016/j.apgeog.2012.06.004 |
[13] |
Heo C Y, Blal I, Choi M. What is happening in Paris? Airbnb, hotels, and the Parisian market: A case study[J]. Tourism Management, 2017, 70: 78-88. |
[14] |
Yang Y, Mao Z. Location advantages of lodging properties: A comparison between hotels and Airbnb units in an urban environment[J]. Annals of Tourism Research, 2020, 81. DOI:10.1016/j.annals.2020.102861 |
[15] |
Ashworth G J, Tunbridge J E. The Tourist Historic City[M]. London: Belhaven Press, 1990: 14-35.
|
[16] |
Shoval N. The geography of hotels in cities: An empirical validation of a forgotten model[J]. Tourism Geographies, 2006, 8(1): 56-75. DOI:10.1080/14616680500392499 |
[17] |
Baum J A C, Haveman H A. Love thy neighbor? Differentiation and agglomeration in the Manhattan hotel industry, 1898-1990[J]. Administrative Science Quarterly, 1997, 42(2): 304-338. DOI:10.2307/2393922 |
[18] |
Cheng M M, Carmel F. Algorithmic management: The case of Airbnb[J]. International Journal of Hospitality Management, 2019, 83: 33-36. DOI:10.1016/j.ijhm.2019.04.009 |
[19] |
Egan D J. Towards a theory of intraurban hotel location[J]. Urban Studies, 2000, 37(3): 611-621. DOI:10.1080/0042098002140 |
[20] |
Arbel A. Some determinants of urban hotel location: The tourists' inclinations[J]. Journal of Travel Research, 1977, 15(3): 18-22. DOI:10.1177/004728757701500305 |
[21] |
Noam S, Cohen-Hattab K. Urban hotel development patterns in the face of political shifts[J]. Annals of Tourism Research, 2001, 28(4): 908-925. DOI:10.1016/S0160-7383(00)00083-9 |
[22] |
文吉. 中国星级酒店空间布局研究[J]. 商业研究, 2004(21): 154-159. [Wen Ji. On Chinese star-hotel spatial distribution[J]. Commercial Research, 2004(21): 154-159. DOI:10.3969/j.issn.1001-148X.2004.21.056] |
[23] |
梅林, 韩蕾. 中国星级酒店空间分布与影响因子分析[J]. 经济地理, 2011, 31(9): 1580-1584. [Mei Lin, Han Lei. The characteristics and the use value of ancient villages and towns in Hunan province[J]. Economic Geography, 2011, 31(9): 1580-1584.] |
[24] |
唐健雄, 何倩. 长株潭城市群酒店业空间布局研究[J]. 经济地理, 2015, 35(11): 78-84. [Tang Jianxiong, He Qian. Spatial layout of lodging industry in Chang-Zhu-Tan urban agglomeration[J]. Economic Geography, 2015, 35(11): 78-84.] |
[25] |
王亚辉, 王亚力, 刘俊雅, 等. 改革开放40年来湖南酒店业的时空演变及其影响因素[J]. 经济地理, 2021, 41(6): 136-146. [Wang Yahui, Wang Yali, Liu Junya, et al. Spatial-temporal evolution of hotel industry in Hunan province and its influencing factors in 1979-2019[J]. Economic Geography, 2021, 41(6): 136-146.] |
[26] |
闫丽英, 韩会然, 陈婉婧, 等. 北京市住宿业空间分布格局及影响因素研究[J]. 经济地理, 2014, 34(1): 94-101. [Yan Liying, Han Huiran, Chen Wanjing, et al. Distribution and influence factors of lodging industry in Beijing city[J]. Economic Geography, 2014, 34(1): 94-101. DOI:10.3969/j.issn.1000-8462.2014.01.015] |
[27] |
陶伟, 古恒宇, 陈昊楠. 路网形态对城市酒店业空间布局的影响研究: 广州案例[J]. 旅游学刊, 2015, 30(10): 99-108. [Tao Wei, Gu Hengyu, Chen Haonan. Guangzhou's spatial distribution under the effect of the urban road network on the hotel industry[J]. Tourism Tribune, 2015, 30(10): 99-108.] |
[28] |
童昀, 马勇, 刘军, 等. 大数据支持下的酒店业空间格局演进与预测: 武汉案例[J]. 旅游学刊, 2018, 33(12): 76-87. [Tong Yun, Ma Yong, Liu Jun, et al. Evolution and prediction of the spatial pattern of hotel industry supported by big data: A case study of Wuhan[J]. Tourism Tribune, 2018, 33(12): 76-87.] |
[29] |
龙飞, 戴学锋, 虞虎. 基于路网形态的上海住宿业空间布局特征[J]. 地理科学, 2021, 41(9): 1569-1577. [Long Fei, Dai Xuefeng, Yu Hu. Spatial layout characteristics of Shanghai accommodation industry based on network form[J]. Scientia Geographica Sinica, 2021, 41(9): 1569-1577.] |
[30] |
李莉, 侯国林, 夏四友. 上海市共享住宿时空格局及影响因素识别[J]. 人文地理, 2021, 36(1): 104-114. [Li Li, Hou Guolin, Xia Siyou. Spatial-temporal pattern and influencing factors of sharing accommodation in Shanghai[J]. Human Geography, 2021, 36(1): 104-114.] |
[31] |
赵海溶, 陆林. 上海市住宿接待业的空间格局差异及影响因素——基于传统酒店与共享住宿(Airbnb)的比较分析[J]. 经济地理, 2021, 41(11): 232-240. [Zhao Hairong, Lu Lin. Spatial pattern difference and influencing factors of hospitality industry in Shanghai: A comparative analysis based on traditional hotels and shared accommodations (Airbnb)[J]. Economic Geography, 2021, 41(11): 232-240.] |
[32] |
王娟, 李亚娟, 吕丽, 等. 基于互联网数据的住宿业竞争力及其空间格局——以武汉主城区高端酒店为例[J]. 地理科学进展, 2018, 37(10): 1405-1415. [Wang Juan, Li Yajuan, Lv Li, et al. Hotel competitiveness evaluation and spatial pattern based on internet data: A case study of high-end hotels of Wuhan urban area[J]. Progress in Geography, 2018, 37(10): 1405-1415.] |
[33] |
刘雪春, 张志斌, 张翠翠, 等. 兰州市主城区酒店空间分布格局及影响因素[J]. 兰州大学学报(自然科学版), 2017, 53(2): 199-205. [Liu Xuechun, Zhang Zhibing, Zhang Cuicui, et al. Spatial distribution patterns and influential factors of hotel in Lanzhou main city[J]. Journal of Lanzhou University: Natural Sciences, 2017, 53(2): 199-205.] |
[34] |
陈洪星, 杨德刚, 徐红涛, 等. 基于POI的住宿业时空格局演化及与旅游景点的空间关联研究[J]. 干旱区地理, 2020, 43(5): 1382-1390. [Chen Hongxing, Yang Degang, Xu Hongtao, et al. Spatial and temporal evolution of the accommodation industry and spatial association with tourist spots based on POI[J]. Arid Land Geography, 2020, 43(5): 1382-1390.] |
[35] |
赵艳楠, 杨德刚, 张新焕, 等. 乌鲁木齐住宿业空间分布及热点区模式研究[J]. 干旱区地理, 2016, 39(5): 1143-1152. [Zhao Yannan, Yang Degang, Zhang Xinhuan, et al. Spatial distribution characteristics and hot zone patterns of lodging industry in Urumqi[J]. Arid Land Geography, 2016, 39(5): 1143-1152.] |
[36] |
夏汉军, 袁孟琪, 杨智, 等. 常德市住宿业空间结构时空演化特征及影响因素[J]. 经济地理, 2020, 40(6): 156-165. [Xia Hanjun, Yuan Mengqi, Yang Zhi, et al. Temporal and spatial evolution characteristics and influencing factors of accommodation industry in Changde city[J]. Economic Geography, 2020, 40(6): 156-165.] |
[37] |
朱怡帆, 何丹, 程庆, 等. 都市旅游视角下上海市共享住宿空间分布特征及其影响机制[J]. 地理科学进展, 2021, 40(8): 1321-1331. [Zhu Yifan, He Dan, Cheng Qing, et al. Spatial distribution of shared accommodations and its influencing mechanism in Shanghai: From the perspective of urban tourism[J]. Progress in Geography, 2021, 40(8): 1321-1331.] |
[38] |
王朝辉, 陆林, 方婷, 等. 世博建设期上海市旅游住宿产业空间格局演化[J]. 地理学报, 2012, 67(10): 1423-1437. [Wang Chaohui, Lu Lin, Fang Ting, et al. Spatial pattern evolution of Shanghai tourist lodging industry during the World Expo construction period[J]. Acta Geographica Sinica, 2012, 67(10): 1423-1437.] |
[39] |
Dang Y, Liu Z, Zhang W. Land-based interests and the spatial distribution of affordable housing development: The case of Beijing, China[J]. Habitat International, 2014, 44: 137-145. |
[40] |
党云晓, 张文忠, 刘志林. 北京经济适用房布局特征及影响因素研究[J]. 地理研究, 2014, 33(5): 876-886. [Dang Yunxiao, Zhang Wenzhong, Liu Zhilin. Spatial distribution and analysis of land-based influencing factors of economical housing projects in Beijing[J]. Geographical Research, 2014, 33(5): 876-886.] |
[41] |
刘爱华, 邹哲. 特大城市保障性住房空间布局与优化研究——以天津市为例[J]. 天津行政学院学报, 2016, 18(4): 89-95. [Liu Aihua, Zou Zhe. Study on spatial distribution and optimization of indemnificatory housing in mega cities: A case study of Tianjin[J]. Journal of Tianjin Administration Institute, 2016, 18(4): 89-95.] |
[42] |
段兆雯, 王晓强, 张婷伟, 等. 城市公租房社区生活空间质量研究——以西安市为例[J]. 人文地理, 2019, 34(4): 81-88. [Duan Zhaowen, Wang Xiaoqiang, Zhang Tingwei, et al. Study on the quality of community living space in urban public rental housing: Taking Xi'an as a case[J]. Human Geography, 2019, 34(4): 81-88.] |
[43] |
卢俊文, 袁奇峰, 黄哲, 等. 广州租赁住房的空间分布格局及其成因[J]. 热带地理, 2018, 38(3): 384-393. [Lu Junwen, Yuan Qifeng, Huang Zhe, et al. Spatial pattern and causes of rental housing in Guangzhou[J]. Tropical Geography, 2018, 38(3): 384-393.] |
[44] |
Li T, Shiran S, Dodson J. Metropolitan migration and spatial housing markets: A geographical study in Melbourne[J]. Applied Geography, 2021, 129. DOI:10.1016/j.apgeog.2021.102414 |
[45] |
Nakamura S, Avner P. Spatial distributions of job accessibility, housing rents, and poverty: The case of Nairobi[J]. Journal of Housing Economics, 2020, 51. DOI:10.1016/j.jhe.2020.101743 |
[46] |
丁旭. 保障性住房适建性评价及其空间区位选择——以杭州为例[J]. 城市规划, 2012, 36(9): 70-76. [Ding Xu. Constructability evaluation and location selection of social housing: A case study on Hangzhou[J]. City Planning Review, 2012, 36(9): 70-76.] |
[47] |
罗仁泽, 杨高, 周春山. 快速移民城市的就业空间特征及影响因素——以深圳市为例[J]. 华南师范大学学报(自然科学版), 2020, 52(5): 106-117. [Luo Renze, Yang Gao, Zhou Chunshan. The characteristics and mechanisms of employment space in the fast-migrating city: A case study of Shenzhen[J]. Journal of South China Normal University(Natural Science Edition), 2020, 52(5): 106-117.] |
[48] |
王法辉. 基于GIS的数量方法与应用[M]. 北京: 商务印书馆, 2009: 49-104. [Wang Fahui. Method and Application Based on GIS[M]. Beijing: Commercial Press, 2009: 49-104.]
|
[49] |
Xie Z, Yan J. Kernel density estimation of traffic accidents in a network space[J]. Computers, Environment and Urban Systems, 2008, 32(5): 396-406. |
[50] |
Bo Y, Li X, Xue Z. Spatial data analysis and spatial models[J]. Geographical Research, 1999, 18(2): 49-55. |
[51] |
Lancaster K J. A new approach to consumer theory[J]. Journal of Political Economy, 1966, 74(2): 132-157. |
[52] |
Li H, Wei Y D, Wu Y. Analyzing the private rental housing market in Shanghai with open data[J]. Land Use Policy, 2019, 85: 271-284. |