论文部分内容阅读
摘要：租房已成为解决城市居住问题的重要手段之一，同一个城市不同区域之间的租金价格有明显差异，通过对重庆市九大主城区租房数据进行空间特征分析，结果发现：（1）重庆市主城区租房需求集中在城市中心和发展成熟的副中心。（2）重庆市主城区租金单价分布呈现“一个中心，三个组团，并向外递减”特点。为缓解中心城区租房的过度集中，提出加大交通建设投资、加大外围区域教育投入以及发展外围各区优势产业等建议。
关键词：重庆市;租金;Arcgis;空间特征分析
中图分类号：F293.35 文献标识码：A
文章编号：1001-9138-（2021）05-0068-74 收稿日期：2021-04-15
作者简介：任科卉，重庆大学管理科学与房地产学院，硕士研究生。
徐鹏鹏，重庆大学管理科学与房地产学院，副教授。
1 引言
住房一直是备受关注的民生问题，从微观层面来讲，它涉及到个人的安全与尊严，是人们的刚性需求，从宏观层面来讲，它关系到国家社会稳定与经济发展。实现“让全体人民住有所居”是新时期的一大目标，应加速推进住房租赁市场规范化发展，全面落实租购并举。随着城镇化进程不断加快，人口流动性不断增强，租房需求不断上涨，租房已成为解决城市居住问题的重要手段之一。
现阶段我国住房租赁市场发展还不够成熟，与多数发达国家相比，我国城镇居民租赁比例明显偏低。根据第五次、第六次全国人口普查数据显示，2000-2010年城镇家庭租房比例维持在21%左右，远远低于瑞士（57%）、德国（55%）、韩国（45%）、日本（39%）、美国（36%）等发达经济体。2015年以来，国家高度重视租赁市场，中央和地方出台了一系列政策，提出要构建“购租并举”的住房新体制，不断强调住房租赁市场的重要性，积极推动住房租赁市场的发展。中央层面，住建部等相关部委相继出台《关于加快培育和发展住房租赁市场的指导意见》（2015年1月）、《关于在人口净流入的大中城市加快发展住房租赁市场的通知》（2017年7月）、《利用集体建设用地建设租赁住房试点方案》（2017年8月）等文件，从租赁用地供给、培育专业化住房租赁企业、支持租赁融资、推进租赁同权等方面推动租购并举。在2020年9月7日，住建部发布的《住房租赁条例（征求意见稿）》中，提出各级政府应建立住房租赁指导价格发布制度，发挥政府部门的引导作用，促进住房租赁市场健康发展。
保障租约和租金的稳定，是稳定租户逾期的重要前提。租金是影响住房租赁市场发展最核心的要素之一，而住房租赁价格与空间地理位置密切相关，同一个城市不同区域之间的租金价格有着明显的差异，了解租金的异质性空间分布对于住房租赁市场的管理、区域租金基准价格的制定、租金增长幅度的控制等都具有重要的意义。目前大多数学者集中研究住宅价格的空间分布与影响因素，较少学者系统地从空间角度切入研究城市租金的分布状况以及产生原因，且已有的少部分对租金价格的研究集中于北京、南京、上海等地。
近年来，重庆市的经济活力明显增强，城市形象显著提升，城镇化进程不断加快，外来人口规模不断扩大，租房需求不断增加。本文以重庆市主城区为研究区域，通过网络爬虫技术搜集和整理2020年8月重庆市主城区住宅租房价格数据，用SPSS软件进行原始数据的处理分析，将所搜集的各点数据在Arcgis软件矢量地图中描绘出，运用反距离权重法与核密度分析，得到重庆市主城区住宅租房价格的空间特征，通过分析重庆市主城区租金的空间分布特征，提出相应规划建议。研究对重庆市住宅租房价格空间格局的研究具有很大意义，有助于市政府建立和发布住房租赁指导价格，对住宅租赁市场进行管理，也有助于租房利益主体——租客与房东两方明晰重庆市租房价格情况，进一步提高租金的透明度。
2 数据采集与处理
2.1 研究对象的选择
重庆市是我国西南地区重要的中心城市，也是我国面积最大、人口最多、行政辖区划分最多的直辖市，是长江中上游地区重要的交通枢纽以及经济商业中心。因为区域面积较大、人口较多，重庆市形成了独特的城乡结合二元结构。重庆主城划分为九区，即渝中区、江北区、南岸区、九龙坡区、沙坪坝区、大渡口区、北碚区、渝北区、巴南区，形成了以都市功能核心区为中心，都市功能拓展区为辅，协同发展的模式。随着重庆经济的快速发展，近年来吸引了不少人才向重庆聚集，重庆市每年外来人口流入量在逐年攀升，2019年重庆市外来人口达到182.05万人，外来人口的增长在一定程度上带动了住房租赁市场的发展。
我国商品住宅的种类多样，为了能够代表研究区域住宅租金空间分布的基本格局，同时满足爬取租房数量的要求，本研究选取租房市场上交易量较大的普通商品住房作为研究对象，数据来源于房地产交易网站链家。租赁价格的支付形式包括按月支付、按季度支付以及按年支付，本研究选择按月支付的形式计算租金单价。
2.2 数据采集
本研究通过网络爬虫软件分区域爬取链家网站上重庆市主城区的租房数据，发现重庆市城市发展新区（包括万州区、黔江区、涪陵区等地）的租房数据很少，这些新区相比都市区经济水平较落后、离市中心距离较远，租房的需求量较少。故本文只爬取重庆市九大主城区租房数据，抓取的关键词为“租房名称、租金、面积、楼层、房屋类型以及经纬度”。部分租房信息见表1。
本文采集重庆市主城区租房数据共16444条数据，各区域爬取的数据分布见表2，九龙坡区、渝北区、渝中区、南岸区、江北区以及沙坪坝区等六个区域的租房数据量较大，占比均在12%～16%区间内，而大渡口区、北碚区和巴南区的租房信息较少，数据占比均小于8%。
2.3 数据初步处理分析
通过SPSS软件对原始数据进行初步处理，即计算重庆市主城区各区域单位面积的平均租金价格，得到各区域的租金均价情况见图1，图1中显示重庆市九大区域整体租房均价在20～35元/月·平方米区间内，其中，有三个区域的租房均价超过30元/月·平方米，即渝中区、江北区以及渝北区，这三个区域生产总值均位于全市前四。其中渝中区的住宅租金单价均值最高，达到34.81元/月·平方米，江北區和渝北区的住宅租金单价均值次之，分别为32.96元/月·平方米、30.44元/月·平方米，巴南区的住宅租金单价均值较低为20.96元/月·平方米，地区生产总值位于全市第十一，而北碚区的住宅租金单价均值最低为20.08元/月·平方米，该区域虽为重庆市九大主城区之一，而其生产总值仅位于全市第十九。 3 空间结构分析
在处理分析完原始数据的基础上，进行重庆市主城区租房空间分析，运用的空间分析方法包括反距离权重插值分析与核密度分析。研究首先通过规划云平台获得重庆市九大主城区地图，运用Arcgis软件加载重庆市九大主城区的地图，作为空间分析的底图。然后导入带有租金单价的数据库，通过转化形成空间数据库，该数据库在Arcgis软件中表现为点要素，最后形成重庆市主城区租房数据分布图，如图2所示。通过观察，发现租房数据主要集中在渝中区域附近，沙坪坝区、北碚区以及南岸区内部也形成租房数据集聚群。租房数据分布呈现“一个大中心，三个分中心”，一个大中心涵盖渝中区全区域、巴南区西北方向、南岸区西部、江北区西部、九龙坡区东北方向、渝北区西南方向以及北碚区东南方向;三个分中心主要分布在北碚区偏西方向，沙坪坝区中部以及南岸区中部。
3.1 反距离权重插值法
空间插值理论是基于tobler地理学定律发展起来的，该理论假设在空间中地理距离小的数据相似度更高。反距离权重（IDW）插值假定每个测量点都存在局部影响，这种影响会随着距离的增加而减弱，测量点距离越近，关系就会越密切，数据也会更加相似。
本文首先在Arcgis中加载重庆市租房价格点数据，然后在反距离权重法中添加点要素和需要插值的租金价格字段，并进行环境设置——处理插值的范围与图层重庆市主城区一致。最后形成反距离权重插值法下的重庆市主城区租金空间图（见图3）。可以看出在靠近渝北区西南方向、渝北区与江北区交界处、南岸区西北方向、江北区与南岸区交界处的区域租金价格较高，即渝北区、江北区、南岸区以及渝中区，各区域间的交汇处和渝北区西南方向的租金价格较高。
3.2 核密度分析
采用核密度分析对重庆市九大主城区租金单价进行点要素的核密度计算，核密度分析是根据输入要素的数据计算整个区域的数据聚集状况。它根据点要素计算单位面积的数值，每个计算点的上方都有一个曲面，该曲面在点位置处表面值最高，随着与点距离越来越远，表面值逐渐减小，在距离大于等于搜索面积时的曲面表面值为零。
通过Arcgis软件中分析工具下的核密度分析，对重庆市主城区租金单价的分布情况进行分析，将处理后的点要素作为对象，进行核密度的计算与分析，生成核密度分析图，见图4。颜色越深，代表该区域的租金单价越高，通过观察核密度分析图，发现重庆市主城区租金单价分布呈现“一个中心，三个组团，并向外递减”特点。一个中心即渝中区与其相邻区域的交接处，渝中区位于城市中心，是就业地、商圈等集聚地，租金单价较高，与其相邻区域的租金也较高，同时随着距离中心城区越远，租金单价逐渐降低;三个组团包括沙坪坝区、北碚区以及巴南区。这三个区域内部形成各自高租金的聚集区，沙坪坝高租金集聚地位于区域西部靠近三峡广场位置、部分靠近大学城的位置，北碚区高租金集聚地位于中部偏西方向西南大学附近，巴南区集聚地位于西部靠近万达广场附近。
4 小结
4.1 空间分布结论与分析
对重庆市住宅租房数据以及租金单位价格的空间分析得到以下发现：
（1）重庆市主城区租房需求集中在城市中心和发展成熟的副中心
重庆市主城区各区域的租房需求差异较大，主城区租房需求集中在城市中心和发展成熟的副中心，呈现“一个大中心，三个分中心”的分布特点。一个大中心涵盖渝中区全区域、巴南区西北方向、南岸区中部、江北区西部、九龙坡区东北方向、渝北区西南方向以及北碚区东南方向，三个分中心主要分布在北碚区偏西方向，沙坪坝区中部以及南岸区中部。由于重庆市山岭重丘的自然环境，就业地集中在中心城区，中心城区的租房需求较大，而外围城区由于距离就业地通勤距离较长且商务办公、文化娱乐和公共服务等综合功能较弱，租房需求较小。同时在中心城区外的北碚、沙坪坝和南岸区等地也形成了一定规模的租房聚集区。
（2）重庆市主城区租金单价分布呈现“一个中心，三个组团，并向外递减”特点
重庆市主城区各区域的租金差异较大，整体而言渝中区、江北区和渝北区的租金单价较高，从空间角度分析发现重庆市主城区较高的租金单价集中在都市区西南方向，其分布呈现“一个中心，三个组团，并向外递减”特点。一个中心即渝中区与其相邻区域的交接处。高租金聚集地与租房需求的特点相似，与商圈、交通设施等有关。渝中区作为重庆市经济、文化与政治的中心，该区域经济发展水平高，就业机会多，综合功能与资源配置完备，吸引着众多外来人口聚集，同时该区域也是就业的集中地，租金也就相对较高，中心城区内越靠近商圈租金价格越高。与渝中区交接的相鄰区域，由于距离中心较近，通勤时间较少，该区域的租金价格也比较高。而外围城区就业吸引力较低，即使有商圈，其租金价格也不高，例如渝北区和巴南区偏离中心的外部区域。
三个组团包括沙坪坝区、北碚区以及巴南区。这三个区域内部分别形成了一定规模的高租金集中地，通过地图发现，沙坪坝区内部形成的高租金聚集地分别分布在以三峡广场为中心的区域以及大学城附近的区域。三峡广场是重庆最具特色的商业文化广场之一，也是沙坪坝区商业发展的重大平台，该商圈内包含众多商业业态，如各大商场、酒店以及金融机构。而大学城包含重庆大学、四川美术学院、重庆医科大学以及重庆科技学院等众多院校。北碚区的高租金聚集地主要位于西南大学附近。巴南区高租金聚集在巴南万达广场与旭辉城附近，该区域包含大型购物中心如旭辉乐活城与万达广场，也包含巴渝小学与重庆德普外国语学校。
综上可以发现租房需求分布与租金单价分布相似，需求越集中的区域，租金单价也越高。通勤时间、商圈以及教育资源对租房需求与租金单价都有一定推动作用。
4.2 规划建议
通过空间分析发现重庆市租房需求过度集中在城市中心以及城市个别的副中心，这会导致核心区域的人口密度过高，造成城市交通压力，也会限制重庆市外围城区的发展，为此提出以下建议： （1）加大交通建设投资，以提升通勤能力
交通是城市发展的重要动力，重庆市核心区域拥堵问题日渐突出，对于各大商圈、就业集中地区而言，拥堵已成为常态。故应加大重庆市发展新区的交通设施建设，构建内联外通的交通网络，提高交通覆盖率、可达性，缩短各区域之间的通行时间。除了大力发展城市轨道交通，还需加大公共交通服务设施的建设，使得公共交通分担一部分轨道交通承载压力。缩短轨道站点与周邊公共交通的换乘距离，为市民提供更为便捷的交通条件。对于有固定通勤需求的人群，可开发城市特需公交与定制公交等多样化交通服务。以推动租房人群向外围区域迁移，缓解都市功能核心区交通和人口承载压力，并促进外围城区租房市场的发展。
（2）加大外围区域教育投入，通过教育资源带动租房需求
推动优质教育资源向核心区外迁移或延伸，缓解都市功能核心区交通和人口承载压力。目前我国中小学教育阶段的教学质量受到广大家长的重视，不少家庭的居住地址会随着学生所在学校位置的变动而变动，这就使得好的教育资源附近的学区房租金偏高。因此，合理的配置教育资源，通过在外围城区设立分校等措施让优质教育资源流动起来，可以带动外围城区的租房需求，缓解核心区域的租房需求和过高的租金。目前许多大学生由于考研等原因，在校外租房的意愿很强烈，因此让高等教育资源向外围城区流动，可以有效的带动外围城区相关生活配套设施的建设，完善外围城区的生活圈，不仅可以提高租房需求，也可以带动地区的发展。
（3）加强外围各区优势产业发展，增加就业机会
发掘外围城区优势产业，并将其发扬壮大，可以有效带动区域经济的增长，促进外围城区更好的发展，从而让外围城区对人才更具吸引力。并且，随着相关产业的发展，可以带动就业岗位需求的增加，能有效引导人口向外围城区流动，达到分散核心城区人口聚集压力的目的。人们为了工作生活的便利，自然会增加对外围城区租房的需求，达到带动相关区域住房租赁市场发展的目的，同时在一定程度上可以缓解核心区域租金居高不下的困境，使得各个区域的住房租赁市场能够协调稳定健康的发展。
参考文献：
1.苏亚艺 朱道林 耿槟.北京市住宅租金空间结构及其影响因素.经济地理.2014.34（04）
2.李卫民 李同昇 武鹏.南京市住宅租金空间分异特征与影响因素分析.测绘科学.2018.43（05）
3.沈豪.南京市住宅小区租金空间分布特征研究.市场周刊.2019.01
4.毕天平 彭彦祥 卢皓.基于GIS的沈阳市房地产价格空间分异研究.工程经济.2018.28（12）
5.宋伟轩 马雨竹 陈艳如.南京城区住宅售租价格时空分异与影响因素.地理科学进展.2018.37（09）
6.唐承佳 林真真 付珊珊.基于python爬虫数据的枣庄市二手房价空间分析.枣庄学院学报.2018.35（05）
7.吴昊 刘凌波 余洋.基于网络开放数据的武汉市住宅价格空间分布特征分析.城市建筑.2018.08
8.曹阳 蔡为民 何一凡.基于GWR模型的沈阳市住宅租金空间分异性研究.东南大学学报（哲学社会科学版）.2017.19（S2）
9.李颖丽 刘勇 刘秀华.重庆市主城区住房价格影响因子的空间异质性.资源科学.2017.39（02）
关键词：重庆市;租金;Arcgis;空间特征分析
中图分类号：F293.35 文献标识码：A
文章编号：1001-9138-（2021）05-0068-74 收稿日期：2021-04-15
作者简介：任科卉，重庆大学管理科学与房地产学院，硕士研究生。
徐鹏鹏，重庆大学管理科学与房地产学院，副教授。
1 引言
住房一直是备受关注的民生问题，从微观层面来讲，它涉及到个人的安全与尊严，是人们的刚性需求，从宏观层面来讲，它关系到国家社会稳定与经济发展。实现“让全体人民住有所居”是新时期的一大目标，应加速推进住房租赁市场规范化发展，全面落实租购并举。随着城镇化进程不断加快，人口流动性不断增强，租房需求不断上涨，租房已成为解决城市居住问题的重要手段之一。
现阶段我国住房租赁市场发展还不够成熟，与多数发达国家相比，我国城镇居民租赁比例明显偏低。根据第五次、第六次全国人口普查数据显示，2000-2010年城镇家庭租房比例维持在21%左右，远远低于瑞士（57%）、德国（55%）、韩国（45%）、日本（39%）、美国（36%）等发达经济体。2015年以来，国家高度重视租赁市场，中央和地方出台了一系列政策，提出要构建“购租并举”的住房新体制，不断强调住房租赁市场的重要性，积极推动住房租赁市场的发展。中央层面，住建部等相关部委相继出台《关于加快培育和发展住房租赁市场的指导意见》（2015年1月）、《关于在人口净流入的大中城市加快发展住房租赁市场的通知》（2017年7月）、《利用集体建设用地建设租赁住房试点方案》（2017年8月）等文件，从租赁用地供给、培育专业化住房租赁企业、支持租赁融资、推进租赁同权等方面推动租购并举。在2020年9月7日，住建部发布的《住房租赁条例（征求意见稿）》中，提出各级政府应建立住房租赁指导价格发布制度，发挥政府部门的引导作用，促进住房租赁市场健康发展。
保障租约和租金的稳定，是稳定租户逾期的重要前提。租金是影响住房租赁市场发展最核心的要素之一，而住房租赁价格与空间地理位置密切相关，同一个城市不同区域之间的租金价格有着明显的差异，了解租金的异质性空间分布对于住房租赁市场的管理、区域租金基准价格的制定、租金增长幅度的控制等都具有重要的意义。目前大多数学者集中研究住宅价格的空间分布与影响因素，较少学者系统地从空间角度切入研究城市租金的分布状况以及产生原因，且已有的少部分对租金价格的研究集中于北京、南京、上海等地。
近年来，重庆市的经济活力明显增强，城市形象显著提升，城镇化进程不断加快，外来人口规模不断扩大，租房需求不断增加。本文以重庆市主城区为研究区域，通过网络爬虫技术搜集和整理2020年8月重庆市主城区住宅租房价格数据，用SPSS软件进行原始数据的处理分析，将所搜集的各点数据在Arcgis软件矢量地图中描绘出，运用反距离权重法与核密度分析，得到重庆市主城区住宅租房价格的空间特征，通过分析重庆市主城区租金的空间分布特征，提出相应规划建议。研究对重庆市住宅租房价格空间格局的研究具有很大意义，有助于市政府建立和发布住房租赁指导价格，对住宅租赁市场进行管理，也有助于租房利益主体——租客与房东两方明晰重庆市租房价格情况，进一步提高租金的透明度。
2 数据采集与处理
2.1 研究对象的选择
重庆市是我国西南地区重要的中心城市，也是我国面积最大、人口最多、行政辖区划分最多的直辖市，是长江中上游地区重要的交通枢纽以及经济商业中心。因为区域面积较大、人口较多，重庆市形成了独特的城乡结合二元结构。重庆主城划分为九区，即渝中区、江北区、南岸区、九龙坡区、沙坪坝区、大渡口区、北碚区、渝北区、巴南区，形成了以都市功能核心区为中心，都市功能拓展区为辅，协同发展的模式。随着重庆经济的快速发展，近年来吸引了不少人才向重庆聚集，重庆市每年外来人口流入量在逐年攀升，2019年重庆市外来人口达到182.05万人，外来人口的增长在一定程度上带动了住房租赁市场的发展。
我国商品住宅的种类多样，为了能够代表研究区域住宅租金空间分布的基本格局，同时满足爬取租房数量的要求，本研究选取租房市场上交易量较大的普通商品住房作为研究对象，数据来源于房地产交易网站链家。租赁价格的支付形式包括按月支付、按季度支付以及按年支付，本研究选择按月支付的形式计算租金单价。
2.2 数据采集
本研究通过网络爬虫软件分区域爬取链家网站上重庆市主城区的租房数据，发现重庆市城市发展新区（包括万州区、黔江区、涪陵区等地）的租房数据很少，这些新区相比都市区经济水平较落后、离市中心距离较远，租房的需求量较少。故本文只爬取重庆市九大主城区租房数据，抓取的关键词为“租房名称、租金、面积、楼层、房屋类型以及经纬度”。部分租房信息见表1。
本文采集重庆市主城区租房数据共16444条数据，各区域爬取的数据分布见表2，九龙坡区、渝北区、渝中区、南岸区、江北区以及沙坪坝区等六个区域的租房数据量较大，占比均在12%～16%区间内，而大渡口区、北碚区和巴南区的租房信息较少，数据占比均小于8%。
2.3 数据初步处理分析
通过SPSS软件对原始数据进行初步处理，即计算重庆市主城区各区域单位面积的平均租金价格，得到各区域的租金均价情况见图1，图1中显示重庆市九大区域整体租房均价在20～35元/月·平方米区间内，其中，有三个区域的租房均价超过30元/月·平方米，即渝中区、江北区以及渝北区，这三个区域生产总值均位于全市前四。其中渝中区的住宅租金单价均值最高，达到34.81元/月·平方米，江北區和渝北区的住宅租金单价均值次之，分别为32.96元/月·平方米、30.44元/月·平方米，巴南区的住宅租金单价均值较低为20.96元/月·平方米，地区生产总值位于全市第十一，而北碚区的住宅租金单价均值最低为20.08元/月·平方米，该区域虽为重庆市九大主城区之一，而其生产总值仅位于全市第十九。 3 空间结构分析
在处理分析完原始数据的基础上，进行重庆市主城区租房空间分析，运用的空间分析方法包括反距离权重插值分析与核密度分析。研究首先通过规划云平台获得重庆市九大主城区地图，运用Arcgis软件加载重庆市九大主城区的地图，作为空间分析的底图。然后导入带有租金单价的数据库，通过转化形成空间数据库，该数据库在Arcgis软件中表现为点要素，最后形成重庆市主城区租房数据分布图，如图2所示。通过观察，发现租房数据主要集中在渝中区域附近，沙坪坝区、北碚区以及南岸区内部也形成租房数据集聚群。租房数据分布呈现“一个大中心，三个分中心”，一个大中心涵盖渝中区全区域、巴南区西北方向、南岸区西部、江北区西部、九龙坡区东北方向、渝北区西南方向以及北碚区东南方向;三个分中心主要分布在北碚区偏西方向，沙坪坝区中部以及南岸区中部。
3.1 反距离权重插值法
空间插值理论是基于tobler地理学定律发展起来的，该理论假设在空间中地理距离小的数据相似度更高。反距离权重（IDW）插值假定每个测量点都存在局部影响，这种影响会随着距离的增加而减弱，测量点距离越近，关系就会越密切，数据也会更加相似。
本文首先在Arcgis中加载重庆市租房价格点数据，然后在反距离权重法中添加点要素和需要插值的租金价格字段，并进行环境设置——处理插值的范围与图层重庆市主城区一致。最后形成反距离权重插值法下的重庆市主城区租金空间图（见图3）。可以看出在靠近渝北区西南方向、渝北区与江北区交界处、南岸区西北方向、江北区与南岸区交界处的区域租金价格较高，即渝北区、江北区、南岸区以及渝中区，各区域间的交汇处和渝北区西南方向的租金价格较高。
3.2 核密度分析
采用核密度分析对重庆市九大主城区租金单价进行点要素的核密度计算，核密度分析是根据输入要素的数据计算整个区域的数据聚集状况。它根据点要素计算单位面积的数值，每个计算点的上方都有一个曲面，该曲面在点位置处表面值最高，随着与点距离越来越远，表面值逐渐减小，在距离大于等于搜索面积时的曲面表面值为零。
通过Arcgis软件中分析工具下的核密度分析，对重庆市主城区租金单价的分布情况进行分析，将处理后的点要素作为对象，进行核密度的计算与分析，生成核密度分析图，见图4。颜色越深，代表该区域的租金单价越高，通过观察核密度分析图，发现重庆市主城区租金单价分布呈现“一个中心，三个组团，并向外递减”特点。一个中心即渝中区与其相邻区域的交接处，渝中区位于城市中心，是就业地、商圈等集聚地，租金单价较高，与其相邻区域的租金也较高，同时随着距离中心城区越远，租金单价逐渐降低;三个组团包括沙坪坝区、北碚区以及巴南区。这三个区域内部形成各自高租金的聚集区，沙坪坝高租金集聚地位于区域西部靠近三峡广场位置、部分靠近大学城的位置，北碚区高租金集聚地位于中部偏西方向西南大学附近，巴南区集聚地位于西部靠近万达广场附近。
4 小结
4.1 空间分布结论与分析
对重庆市住宅租房数据以及租金单位价格的空间分析得到以下发现：
（1）重庆市主城区租房需求集中在城市中心和发展成熟的副中心
重庆市主城区各区域的租房需求差异较大，主城区租房需求集中在城市中心和发展成熟的副中心，呈现“一个大中心，三个分中心”的分布特点。一个大中心涵盖渝中区全区域、巴南区西北方向、南岸区中部、江北区西部、九龙坡区东北方向、渝北区西南方向以及北碚区东南方向，三个分中心主要分布在北碚区偏西方向，沙坪坝区中部以及南岸区中部。由于重庆市山岭重丘的自然环境，就业地集中在中心城区，中心城区的租房需求较大，而外围城区由于距离就业地通勤距离较长且商务办公、文化娱乐和公共服务等综合功能较弱，租房需求较小。同时在中心城区外的北碚、沙坪坝和南岸区等地也形成了一定规模的租房聚集区。
（2）重庆市主城区租金单价分布呈现“一个中心，三个组团，并向外递减”特点
重庆市主城区各区域的租金差异较大，整体而言渝中区、江北区和渝北区的租金单价较高，从空间角度分析发现重庆市主城区较高的租金单价集中在都市区西南方向，其分布呈现“一个中心，三个组团，并向外递减”特点。一个中心即渝中区与其相邻区域的交接处。高租金聚集地与租房需求的特点相似，与商圈、交通设施等有关。渝中区作为重庆市经济、文化与政治的中心，该区域经济发展水平高，就业机会多，综合功能与资源配置完备，吸引着众多外来人口聚集，同时该区域也是就业的集中地，租金也就相对较高，中心城区内越靠近商圈租金价格越高。与渝中区交接的相鄰区域，由于距离中心较近，通勤时间较少，该区域的租金价格也比较高。而外围城区就业吸引力较低，即使有商圈，其租金价格也不高，例如渝北区和巴南区偏离中心的外部区域。
三个组团包括沙坪坝区、北碚区以及巴南区。这三个区域内部分别形成了一定规模的高租金集中地，通过地图发现，沙坪坝区内部形成的高租金聚集地分别分布在以三峡广场为中心的区域以及大学城附近的区域。三峡广场是重庆最具特色的商业文化广场之一，也是沙坪坝区商业发展的重大平台，该商圈内包含众多商业业态，如各大商场、酒店以及金融机构。而大学城包含重庆大学、四川美术学院、重庆医科大学以及重庆科技学院等众多院校。北碚区的高租金聚集地主要位于西南大学附近。巴南区高租金聚集在巴南万达广场与旭辉城附近，该区域包含大型购物中心如旭辉乐活城与万达广场，也包含巴渝小学与重庆德普外国语学校。
综上可以发现租房需求分布与租金单价分布相似，需求越集中的区域，租金单价也越高。通勤时间、商圈以及教育资源对租房需求与租金单价都有一定推动作用。
4.2 规划建议
通过空间分析发现重庆市租房需求过度集中在城市中心以及城市个别的副中心，这会导致核心区域的人口密度过高，造成城市交通压力，也会限制重庆市外围城区的发展，为此提出以下建议： （1）加大交通建设投资，以提升通勤能力
交通是城市发展的重要动力，重庆市核心区域拥堵问题日渐突出，对于各大商圈、就业集中地区而言，拥堵已成为常态。故应加大重庆市发展新区的交通设施建设，构建内联外通的交通网络，提高交通覆盖率、可达性，缩短各区域之间的通行时间。除了大力发展城市轨道交通，还需加大公共交通服务设施的建设，使得公共交通分担一部分轨道交通承载压力。缩短轨道站点与周邊公共交通的换乘距离，为市民提供更为便捷的交通条件。对于有固定通勤需求的人群，可开发城市特需公交与定制公交等多样化交通服务。以推动租房人群向外围区域迁移，缓解都市功能核心区交通和人口承载压力，并促进外围城区租房市场的发展。
（2）加大外围区域教育投入，通过教育资源带动租房需求
推动优质教育资源向核心区外迁移或延伸，缓解都市功能核心区交通和人口承载压力。目前我国中小学教育阶段的教学质量受到广大家长的重视，不少家庭的居住地址会随着学生所在学校位置的变动而变动，这就使得好的教育资源附近的学区房租金偏高。因此，合理的配置教育资源，通过在外围城区设立分校等措施让优质教育资源流动起来，可以带动外围城区的租房需求，缓解核心区域的租房需求和过高的租金。目前许多大学生由于考研等原因，在校外租房的意愿很强烈，因此让高等教育资源向外围城区流动，可以有效的带动外围城区相关生活配套设施的建设，完善外围城区的生活圈，不仅可以提高租房需求，也可以带动地区的发展。
（3）加强外围各区优势产业发展，增加就业机会
发掘外围城区优势产业，并将其发扬壮大，可以有效带动区域经济的增长，促进外围城区更好的发展，从而让外围城区对人才更具吸引力。并且，随着相关产业的发展，可以带动就业岗位需求的增加，能有效引导人口向外围城区流动，达到分散核心城区人口聚集压力的目的。人们为了工作生活的便利，自然会增加对外围城区租房的需求，达到带动相关区域住房租赁市场发展的目的，同时在一定程度上可以缓解核心区域租金居高不下的困境，使得各个区域的住房租赁市场能够协调稳定健康的发展。
参考文献：
1.苏亚艺 朱道林 耿槟.北京市住宅租金空间结构及其影响因素.经济地理.2014.34（04）
2.李卫民 李同昇 武鹏.南京市住宅租金空间分异特征与影响因素分析.测绘科学.2018.43（05）
3.沈豪.南京市住宅小区租金空间分布特征研究.市场周刊.2019.01
4.毕天平 彭彦祥 卢皓.基于GIS的沈阳市房地产价格空间分异研究.工程经济.2018.28（12）
5.宋伟轩 马雨竹 陈艳如.南京城区住宅售租价格时空分异与影响因素.地理科学进展.2018.37（09）
6.唐承佳 林真真 付珊珊.基于python爬虫数据的枣庄市二手房价空间分析.枣庄学院学报.2018.35（05）
7.吴昊 刘凌波 余洋.基于网络开放数据的武汉市住宅价格空间分布特征分析.城市建筑.2018.08
8.曹阳 蔡为民 何一凡.基于GWR模型的沈阳市住宅租金空间分异性研究.东南大学学报（哲学社会科学版）.2017.19（S2）
9.李颖丽 刘勇 刘秀华.重庆市主城区住房价格影响因子的空间异质性.资源科学.2017.39（02）