摘要
区位条件作为级差地租产生的重要原因，是土地资源在国土空间规划调控和城市选址投资中的主要价值体现。文章以武汉市中心城区商业、商务用地为研究对象，聚焦土地区位价值，从设施配置、人口分布等方面构建评价指标体系，结合混合衰减模型的空间量化表达方式和遗传算法的全局搜索能力，自适应构建特征价格模型下的商业、商务土地价值反演模型。研究发现：第一，遗传算法逼近求解，证实土地价值指数评价指标体系的合理性，以及商业、商务土地价值指标体因子选取的差异性。第二，商业、商务用地现状价值高区具有沿“两江四岸”十字发展轴的分布特征，且二环线附近具有较为清晰的高、低值空间分异。第三，规划实施对商业、商务用地的土地价值提升效果显著，尤其是商业用地价值的提升更依赖规划要素的实施；在空间上，各区域空间发展潜力具有差异性，汉阳、后湖区域具有较好的商业发展前景，光谷东则应侧重商务。

作   者

龚   睿   武汉市自然资源保护利用中心工程师

付雄武   武汉市自然资源保护利用中心高级工程师

陈   渝   武汉市自然资源保护利用中心工程师

沈   平   武汉市自然资源保护利用中心工程师

张伟铭   武汉市自然资源保护利用中心助理工程师

吴   春   武汉市自然资源保护利用中心高级工程师

土地价格是城市土地市场运行的重要反馈指标，能够反映土地市场的供求关系和城市经济生活，是优化土地资源配置、引导土地节约集约利用不可或缺的要素。伴随土地市场供需变化与城市投资选址相互作用的动态发展进程，土地区位价值作为级差地租产生的重要原因，成为土地价格的主要影响因素之一。因此，不同于基准地价、标定地价等以区片为单元的静态城市地价评估体系，或市场比较法、成本逼近法等高成本的宗地调查方法，在“十四五”规划纲要提出的高质量发展背景下，如何精细化、定量化把握城市土地价值的演变规律，量化地研究土地的区位价值与各类规划要素间的相互作用关系，已成为促进土地节约集约利用和优化城市各类用地布局的新要求、新挑战。

土地价格被认为是土地综合属性及其与周边自然环境、社会经济等交互作用的复杂市场化表现，不同区域的土地价格变化被不同的影响因素推动。大量学者尝试探索土地价值与各类环境要素间的关系，但由于缺少现状、规划相关数据支撑，大多研究以居住用地为对象，且成果应用集中在现状房价预测分析方向，难以实现规划层面的土地价值指导及贴现潜力挖掘等应用。部分学者探索了单一指标与土地价值的相互作用，如谭莉君利用房价增值，度量轨道交通产生的外部效益；梁容从土地定级评价和基准地价评估入手，优化公共设施配套用地布局和规模；科尔韦尔（Colwell）和蒙内克（Munneke）探索CBD 等商业、商务中心与土地价值的相互作用关系等。这些研究虽然深度分析了土地价值变化规律，但忽略了土地价值变化过程中复杂因子间的相互作用。在研究方法上，国内外学者采用多种量化方法构建土地价值评价指标体系。崔娜娜等人基于特征价格模型，研究土地价值的空间分布特征和变化规律，以构建土地价值影响因子体系]。但因样本与变量、变量与变量之间的非线性关系难以被依赖于先验性知识的加权求和框架所描述，模拟精度难以达到预期。随着计算机技术的发展，神经网络、随机森林等方法，被应用于精准模拟土地的价值变化规律，其成果具有较高的准确性。但同时，机器学习方法的黑匣属性大大降低了成果的可解释性与应用扩展性，成果应用场景受到限制。

为加强规划指引、探索经营性用地节约集约利用影响评价体系，本研究以武汉市中心城区商业用地、商务用地为研究对象，聚焦土地规划预期价值，即城市土地在规划许可条件实现后的城市土地区位价值，通过遗传算法与单因子混合衰减模型相结合的方式，形成特征价格模型下的商业、商务用地价值反演模型及空间分布区位图，自适应量化交通、设施、人口等影响因素与商业、商务用地价值间的作用关系，同时，直观地展示研究范围内规划土地价值的空间分异特征。

01

规划导向下商业、商务用地价值研究

1.1  研究总体思路

商业、商务土地价值研究以“梳理指标体系—现状土地价值反演—指标权重优化—规划土地价值指数模拟”为基本思路。首先，构建评价指标体系及现状、规划双因子数据库。其次，引入遗传算法，设置参数及约束条件，在单因子层面，通过迭代搜索方式寻找最优因子混合衰减模型和权重的染色体组合；在总体层面，利用遗传算法优化指标体系及权重，基于特征价格模型框架构建现状商业、商务土地价值反演模型。最后，同步推进德尔菲法，依据专家经验值，对现状反演模型中的规划因子权重进行评估及微调，得到强调规划引导作用的规划土地价值预测模型，输入规划数据集，模拟出武汉市中心城区商业、商务规划土地价值指数（图1）。

图1  研究框架

Fig.1 Research framework

资料来源：笔者自绘

1.2  商业、商务用地价值指标体系构建

我国城市管理体系常依据《城市用地分类与规划建设用地标准》（GB 50137—2011），对城市建设用地进行分类，将商业服务设施用地分为商业设施用地、商务设施用地、娱乐康体用地、公共设施营业网点用地及其他服务设施用地5类。本研究中的商业、商务用地依据该标准划分，一是商业用地，即商业设施用地（B1），指以餐饮、市场等商业铺面为主的商业服务设施用地；二是商务用地，即商务设施用地（B2），指以商务办公楼为主的商业服务设施用地。

目前，国内外尚未出台明确的商业、商务用地价值评价标准，但大体上形成一定的共识。本研究参考《城镇土地分等定级规程》（GB/T 18507—2014）和《城镇土地估价规程》（GB/T 18508—2014）中关于商业服务用地定级因子框架，通过相关文献，对中心地理论、商圈理论、集聚效应等商业区位理论、商业用地内部发展需求，以及国内外土地价值研究案例进行研究，结合行业权威专家对指标体系的优化意见，构建包含繁华程度、交通条件、基础设施状况、自然资源与人文景观环境、人口密度5大类因素、10类一级影响因子、19类二级因子的商业、商务用地价值评价指标体系（表1）。在此基础上，以武汉市中心区为研究范围，梳理城市多源异构现状、规划数据，作为因子数据源，完成重采样、标准化处理等清洗步骤。规划因子数据多基于武汉市总体规划、详细规划、主体功能区、强度分区等各类信息梳理，现状因子数据源则包含POI、用地现状、人口及星级酒店等数据。

表1  商业、商务用地三级评价指标体系

Tab.1Three-level evaluation index system for commercial and business land

资料来源：笔者自绘

1.3  样本采集及数据清洗

当前，城市商业、商务用地样本量较少，采集难度较高，为此，本文以研究范围内在售商铺和写字楼等类型楼盘价格作为衡量商业、商务用地价值的实验样本数据。样本涵盖2021年6月—2022年2月商业、商务用地内多时段、多源楼盘的类型、层高、单价、面积及区位条件等信息。通过修正系数及楼盘均价标准化处理，强化楼盘价格对区位条件变化的敏感度，弱化楼盘固有属性对楼盘价格的影响。最终，经去重及人工甄别，采集楼盘样本数据共计2510条。

1.4  单因子混合衰减量化模型预设

本研究以样本点的泰森多边形作为各影响因素的空间影响范围，采用反距离插值法，对样本点的各价值因子进行量化，具体公式为：

式中，Z为插值点的因子估计值，Z_i为第i个点的实际值，D_i为插值点到第i个数据点的距离（公式2），p是插值点到第i个数据点距离的幂。

作为土地价值反演模拟的基础，本研究借鉴傅里叶分解的思想，采用多衰减模型组合方式，将单因子在空间上的衰减分解为多种衰减模型（基函数）的线性组合，从而丰富不同因子的空间衰减规律描述，充分模拟各类因子随空间距离变化对土地价值指数产生的复杂影响。鉴于不同因子的空间辐射范围和强度不同，共选取指数衰减、幂函数衰减、对数衰减、周期函数衰减等共21种经典的空间距离衰减函数，对单因子进行空间衰减量化，并在土地价值建模过程中，基于满足不同衰减速率、兼顾凹凸性、减少冗余三大组合原则，从模型精度视角自适应选取每一种因子的衰减模型。经过多次数据实验，混合衰减模型基函数选择最终确定为cos(x)、log0.2(x)、log0.4(x)、log0.5(x)、log0.6(x)、log0.7(x)、log0.8(x)、log0.9(x)和 0.1x，共计9种。

1.5  基于遗传算法的现状土地价值模型求解 

遗传算法是一种高效、并行、全局最优的搜索算法，在最优特征空间计算方面应用广泛。相比于深度学习算法，其具有更稳定、更高效、样本需求较少等优势，同时，该方法的高拓展性使其易于与其他研究方法结合，进一步优化成果应用。本研究作为典型的组合优化求解问题，基于遗传算法构建“基因—样本”自适应优化指标体系，以各因子为基因，以各组加权求和指标体系为染色体。按照仿生学原理，染色体每次迭代均会进行基因重组，求解当前土地价值框架下最合适的因子、量化方程、权重组合，并在对样本数据的重复实验过程中，完成指标体系的筛选及优化（图2）。

图2  遗传算法组合优化技术路线

Fig.2 Combinatorial optimization technical route of genetic algorithm of genetic algorithm for combinatorial optimization

资料来源：笔者自绘

搜索单因子最优量化模型的过程，对应的是遗传算法中寻找适应性最强的“染色体”过程。衡量染色体好坏，通过适应度函数来定义，适应度函数的选取，直接影响遗传算法的收敛速度及能否找到最优解。本研究适应度函数的定义公式如下： 

式中，y表示样本中价格分级后的值，即商业、商务土地价值；y表示应用该组解和公式（4）求解的土地价值分级后的值。由于土地价值分级后表示成按位编码形式，计算适应度函数时应用交叉熵公式表示染色体的适应能力。| F(y, y)|的值越大，表示该解不适应商业、商务土地价值评估，需舍弃；反之，则表示该解适应度较高，可留下作为交叉迭代的基础，这一过程可以理解为“进化”。同时，研究设定算法的精确度范围及最大迭代次数。当算法进行多次进化后，一旦结果已经在精确度范围之内，则算法就可以终止。每次遗传算法完成时，保留指标体系和指标体系对应的单因子量化方程组合。

02

规划导向下商业、商务用地价值反演成果

2.1  商业、商务土地现状价值反演模型及因子权重

专家系统中的土地价值由因素加权求和表示，其形式可以用一般线性方程组表示：

本研究中，B0 x0作为单个因子的衰减量化表达，将以混合衰减公式的形式嵌入模型，即公式（5）： 

式中，x₀为本次纳入计算的9种基函数之一；b₀为基函数对应的权重；B₀为单因子总权重，即各分项基函数权重之和(b₀+…+b_q)，表示该因子在本次商业、商务土地价值评价体系下的贡献度。研究设置80%样本为训练集，20%为测试集，以验算集样本与反演结果的召回率作为模型精度判断参数。在给定样本的归一化结果下，反演结果与归一化样本结果差值不高于1%，即认为反演结果预测为正，召回率指正确预测为正的占全部实际为正的比例。通常，当满足回归精度达到0.5 及以上时，证明方程各因子存在线性相关性。最终模型反演精度稳定在商业土地价值0.85、商务土地价值0.78，证实土地价值和各类指标因子间存在线性相关。该方法证实，基于规划导向的因子加权求和方式可评估土地价值的假设是合理的，可结合遗传算法与混合衰减模型构造多元回归方程。

由表2、表3可知，商业、商务用地价值影响因素既有一定的相似性，也有差异性。5大类因素中，自然资源人文景观环境对商业、商务用地价值的影响均不可忽视，尤其是高等院校和湖泊两大因子，对商业用地价值的提升具有重要影响。但权重模拟结果也反映出，商务、商业用地对不同空间因子分布具有不同的价值敏感度。研究发现，商务用地价值的变化对商务中心、综合中心等商业服务繁华程度因子的敏感度更高。这意味着不同用地与商务中心的距离不同，往往会带来在商务土地价值上的大幅差距。此外，对外交通便利度在商务土地价值反演模型单因子权重中占据首位，从侧面说明商务用地布局应考虑用地对外交通可达性、高速公路出入便捷度及周边交通区位条件。而在商业用地价值反演模型中，繁华程度类因子的权重远低于商务用地。不同于商务用地价值高度依赖于与商务中心的距离，商业用地价值评估模型中基础设施类因子的权重最高，说明在各类区位条件中，其价值提升高度依赖周边基础设施的配置完善程度。另外，或许是因为可以带来庞大的消费人群，商业用地价值评价因子中与高等院校的距离也会对土地价值产生巨大影响。该结论进一步证实结合基础设施建设与深入消费人群中心的混合、均衡型分布模式可能更宜于促进商业用地的价值提升。

表2  武汉市规划导向下商业用地土地价值反演模型指标权重

Tab.2 Index weights of the land value inversion model for commercial land under planning-oriented approach of Wuhan 

资料来源：笔者自绘

表3  武汉市规划导向下商务用地土地价值反演模型指标权重

Tab.3  Index weights of the land value inversion model for business land under planning-oriented approach of Wuhan Tab.3  Index weights of the land value inversion model for business land under planning-oriented approach of Wuhan 

资料来源：笔者自绘

2.2  商业、商务土地价值模拟

为强化规划因子的引导作用，本研究结合特尔斐法（专家打分法），对评估体系中的指标进行权重优化。首先，基于城市土地分等定级规程和基准地价分等定级权重，确定一级因子的基本因素取值范围；其次，编制专家打分表并进行专家打分；最后，结合90份有效问卷进行因子权重优化。综合遗传算法反演权重体系与专家打分法权重体系，制定三大权重优化原则（图3）。

图3  权重优化原则

Fig.3 Principle of weight optimization

资料来源：笔者自绘

将优化后的因子权重和规划因子空间数据输入模型，得到以1~100 为区间划分的武汉市中心区商业、商务用地规划土地价值指数。相较于现状土地价值指数的“所见即所得”，规划土地价值指数更加强调该区域在建成后与全市其他区域比较后的相对分值。

在单个地块层面，土地价值指数作为评价宗地在不同设施条件下的相对值，无法体现同一地块规划实施前、后的价值变化测度及规划引导作用。因此，本研究基于公开成交数据，筛选约20宗武汉市一环内处于控制性详细规划动静分区中静区内的商业服务用地作为基准地块集。以基准地块土地价值指数变量的均值作为修正系数，对规划土地价值指数进行修正及Bias偏移，实现规划价值指数与现状价值指数的横向对比。

如图4所示，相较于传统土地分等定级以片区为单元的划分方式，本研究成果以50m×50m的栅格为单位，覆盖研究范围全域，支持任意宗地或区域范围的土地价值指数模拟统计。从空间结构上看，现状价值指数高值区显著聚集在配套设施完善的“两江四岸”十字发展轴沿线区域，与二环外区域存在显著不同。二环外区域规划价值指数的提升说明，区域现状价值受制于现有开发强度和资源配置等条件未被充分挖掘，而通过交通、商业商务中心建设等规划要素的实施，可大幅度缩小城市中心区与周边区域商业、商务土地价值的差距，如光谷东、汉阳及南湖片区的土地价值指数均有较大比例的提升。通过对比发现，相较于商务用地，商业用地价值指数的提升更依赖于规划手段的落地。以土地价值指数极值为例，规划要素实施带来的商业用地价值指数提升比约高达12%，是商务用地价值指数提升比的4倍；商业用地价值指数中位数由58.9提升至68.2，商务用地指数中位数由72.9提升至77.5（表4）。此外，通过对重点区域规划、现状价值的对比分析发现，以谌家矶、二七滨江、中北路等重点区域范围内商业用地为例，现状城市中心如中北路区域，土地价值持平或略有降低；现状未完全形成规划中心的区域，如谌家矶、二七滨江等区域，土地价值提升显著。商务用地则以归元片区和二七滨江为例，通过对比发现，规划落实后，一环内商务用地基本持平，二环外商务用地土地价值提升显著。

图4  修正后的现状、规划商业商务土地价值指数分布图

Fig.4 Spatial distribution of revised current and planned commercial and business land value indexes

资料来源：笔者自绘

表4  商业、商务用地土地现状、规划价值指数对比

Tab.4 Comparison of current status and planning value indexes of commercial and business 

资料来源：笔者自绘

2.3  商业、商务土地价值潜力挖掘

为进一步探索商业、商务规划与现状土地价值提升潜力，研究利用规划扣减现状的方式，预测中心城区商业、商务土地价值指数差值，作为规划土地贴现价值潜力指数，直观地呈现商业、商务土地价值指数的空间变化趋势（图5）。研究发现，第一，虽然土地价值指数普遍提升，但中心城区范围内仍存在约5%的负值，推测原因，一是规划商业、商务中心扁平化，规划要素实施的边际收益递减，导致现状土地价值高值区在规划实施后的相对优势降低；二是规划土地价值指数修正尚未考虑规划实施后的土地价值机械增长。第二，相较于一环内核心区域价值指数持平的态势，二环以外区域土地价值提升的幅度较大，推测原因，相较于现状设施完善且发展空间有限的区域，规划实施对二环以外现状土地价值较低区域的贡献度更高。第三，不同片区具备不同的商业、商务用地规划价值潜力，可结合土地价值指数变化特点优化用地发展策略。如汉阳、后湖等区域的商业用地规划潜力价值增幅更为显著，而光谷东片区的商业、商务土地价值虽有提升，但相较之下商务发展的潜力更高，后期规划应结合商务资源开展招商引资和产业布局。

图5  商业、商务用地规划潜力价值分布图

Fig.5 Spatial distribution of planned potential value of commercial and business land

资料来源：笔者根据《深圳市湖贝古村城市更新中的第三方参与研究》改绘

03

总结与展望

本研究以武汉中心城区为例，利用多源异构现状、规划因子数据和商铺、写字楼楼盘样本数据，反演模拟现状、规划商业、商务土地价值指数分布空间趋势。通过遗传算法，完善指标体系构建和权重赋值，发现不同因子对商业、商务用地价值的贡献程度存在较大差异，这种差异一定程度上反映出不同经营性用地价值构成的偏好特征，有利于产业布局优化及设施资源配置。研究模拟的商业、商务土地规划价值指数分布图，弱化了土地价值复杂成因的噪声干扰，以格网为单元，精细、直观地呈现价值高值区“十”字发展轴分布特征和价值指数辐射状降低的变化趋势，可用于辅助城市土地分等定级、土地价值评估指导和方案选址决策。此外，模拟成果以“贴现”的方式直观呈现土地规划价值潜力空间分布趋势，进一步拓宽应用场景，客观反映武汉市不同区域及不同经营性用地价值潜力的空间分异性，为后续相关产业招商引资提供科学数据支撑。

在研究方法上，土地价值框架模拟是对真实世界的简单建模，采样越多，越需要精细建模，但同时也是对土地价值框架的挑战。因此，本研究采用折中方式，以数据为主、人工为辅的方式精细化模拟规划导向下的商业、商务土地价值，通过拟合精度及适应度函数筛选，采用遗传算法逼近求解，从客观上证实土地价值与各个因子之间的线性关系，即该指标体系加权求和框架下的商业、商务土地价值评估是合理的。

研究仍存在不足之处，反演的商业、商务土地价值指数模型，与地价、房价空间分布的总体趋势一致，但由于真实房价、地价的影响因素复杂，无法完全模拟实际情况，尤其是针对极值的模拟效果不佳。下一步可以考虑沿用单因子衰减函数作为输入，使用深度学习模型或强化学习模型代替加权求和，以提升模型的极值模拟准确性；或通过深化现有评价指标体系、提升因子及样本数据的质量，从数据层面提高模型的可靠性。