陳小民

【摘要】城市分類(lèi)在我國(guó)的城鎮(zhèn)化建中具有重要的作用，對(duì)我國(guó)各大城市做出合理的聚類(lèi)分析， 能夠?yàn)槲覈?guó)城鎮(zhèn)化的發(fā)展規(guī)劃提供合理的決策依據(jù)。文中考慮近些年房地產(chǎn)市場(chǎng)增長(zhǎng)速度，采用模糊聚類(lèi)方法對(duì)我國(guó)70個(gè)大中城市進(jìn)行分類(lèi)分析，建立模糊矩陣，用動(dòng)態(tài)聚類(lèi)法進(jìn)行分析解釋。

【關(guān)鍵詞】模糊聚類(lèi) 房地產(chǎn) 城市分類(lèi)

【基金項(xiàng)目】北京市高等學(xué)校教育教學(xué)改革項(xiàng)目《面向工程教育專(zhuān)業(yè)認(rèn)證的數(shù)學(xué)課程教學(xué)模式研究》和中國(guó)石油大學(xué)（北京）研究生教改項(xiàng)目《研究生《模糊數(shù)學(xué)》課程講義建設(shè)》（No. yjs2017023）。

【中圖分類(lèi)號(hào)】O13 【文獻(xiàn)標(biāo)識(shí)碼】A 【文章編號(hào)】2095-3089（2019）05-0228-02

一、引言

自20世紀(jì)九十年代中期我國(guó)進(jìn)入快速城市化階段，1955年國(guó)家建委《關(guān)于當(dāng)前城市建設(shè)工作的情況和幾個(gè)問(wèn)題的報(bào)告》首次提出大中小城市的劃分標(biāo)準(zhǔn)，即“五十萬(wàn)人口以上為大城市，五十萬(wàn)人以下、二十萬(wàn)人以上為中等城市，二十萬(wàn)人口以下的為小城市”，此后城市的分類(lèi)基本上都是以人口的規(guī)模大小作為分類(lèi)的依據(jù)[1][2]。單一的以人口規(guī)模作為城市分類(lèi)的標(biāo)準(zhǔn)難免過(guò)于片面，也不利于城市統(tǒng)籌協(xié)調(diào)發(fā)展。我們知道房地產(chǎn)市場(chǎng)的繁榮帶動(dòng)了大量與房地產(chǎn)相關(guān)的產(chǎn)業(yè)發(fā)展，同時(shí)房地產(chǎn)市場(chǎng)的發(fā)展也一定程度上反映了城市的發(fā)展水平。模糊數(shù)學(xué)方法源自于扎德提出的模糊集合論，主要包含模糊聚類(lèi)、模糊評(píng)判，模糊推理和模糊規(guī)劃等[3]?，F(xiàn)在國(guó)民經(jīng)濟(jì)的各個(gè)領(lǐng)域及部門(mén)，農(nóng)業(yè)、林業(yè)、氣象、環(huán)境、地質(zhì)勘探、醫(yī)學(xué)、經(jīng)濟(jì)管理等方面都有模糊數(shù)學(xué)的廣泛而又成功的應(yīng)用[4][5][6]。我們注意到模糊聚類(lèi)方法對(duì)于分類(lèi)評(píng)價(jià)和市場(chǎng)預(yù)測(cè)也發(fā)揮著重要作用[7][8]。本文以房地產(chǎn)市場(chǎng)為背景，利用模糊動(dòng)態(tài)聚類(lèi)方法對(duì)我國(guó)70個(gè)大中城市進(jìn)行聚類(lèi)分析。

二、模糊聚類(lèi)算法模型

三、基于模糊聚類(lèi)算法的房?jī)r(jià)增長(zhǎng)情況實(shí)例分析

本文中的70個(gè)大中城市的房地產(chǎn)市場(chǎng)的房?jī)r(jià)增長(zhǎng)情況進(jìn)行聚類(lèi)分析，采用平移極差變化的方法來(lái)將房?jī)r(jià)的增長(zhǎng)情況數(shù)據(jù)標(biāo)準(zhǔn)化，對(duì)原始數(shù)據(jù)進(jìn)行處理。70個(gè)中國(guó)大中城市包括4個(gè)直轄市，26個(gè)省會(huì)城市和40個(gè)地級(jí)城市（具體的名單見(jiàn)下面的表格）。

對(duì)國(guó)內(nèi)70個(gè)大中城市房地產(chǎn)價(jià)格的增長(zhǎng)速度情況進(jìn)行聚類(lèi)分析，涉及到人口、交通、地理位置等因素，這些因素會(huì)對(duì)新房?jī)r(jià)格以及二手房?jī)r(jià)格產(chǎn)生影響。對(duì)2011年與2017年的房地產(chǎn)市場(chǎng)進(jìn)行調(diào)研，得到最新的房地產(chǎn)市場(chǎng)情況，對(duì)比各個(gè)城市之間的相似性，對(duì)全部的大中城市的房地產(chǎn)市場(chǎng)進(jìn)行分類(lèi)，得到相同類(lèi)型的房地產(chǎn)市場(chǎng)價(jià)格的分類(lèi)。

1.數(shù)據(jù)收集

假設(shè)各個(gè)城市的人口、交通、地理位置等因素的影響排除在外，只對(duì)房地產(chǎn)市場(chǎng)之中的房?jī)r(jià)增長(zhǎng)速度進(jìn)行聚類(lèi)分析。現(xiàn)對(duì)2011年至2017年全國(guó)70個(gè)大中城市的房地產(chǎn)市場(chǎng)房產(chǎn)價(jià)格的增長(zhǎng)情況進(jìn)行搜集、統(tǒng)計(jì)與整理得出如下房地產(chǎn)市場(chǎng)的增長(zhǎng)情況：

2. 結(jié)果分析

本文對(duì)70個(gè)大中城市按照房?jī)r(jià)增長(zhǎng)速度進(jìn)行分類(lèi)，可分為房?jī)r(jià)增長(zhǎng)較快城市、房?jī)r(jià)增長(zhǎng)穩(wěn)定城市與房?jī)r(jià)增長(zhǎng)較慢城市，現(xiàn)對(duì)房?jī)r(jià)增速的一致性進(jìn)行聚類(lèi)分析。

考慮 為下列各個(gè)值：

（1）當(dāng) =1時(shí)，可分為1類(lèi)，對(duì)角線(xiàn)元素是1，其余為0元素，所有的70個(gè)大中城市全部相同，各自分為一類(lèi)，不具有參考價(jià)值，因此，此種分類(lèi)不予考慮。

（2）當(dāng)分類(lèi)系數(shù) =0.970359時(shí)，可分為兩類(lèi)：第一類(lèi)：成都、重慶、昆明、襄陽(yáng)；其余的城市在第二類(lèi)。

其中第一類(lèi)的城市：成都、重慶、昆明、襄陽(yáng)幾個(gè)城市作為2011-2017年間房?jī)r(jià)增長(zhǎng)速度最為一致的四個(gè)城市，其房?jī)r(jià)增速情況基本相同。第二類(lèi)之中的城市與第一類(lèi)的四個(gè)城市相比，其房?jī)r(jià)增速情況各有不同之處，因而各自單獨(dú)作為一類(lèi)，與第一類(lèi)的城市相區(qū)別。

從此種分類(lèi)可以看出，超一線(xiàn)或特大城市規(guī)模大、人口多，上海、北京、廣州、深圳四個(gè)城市其經(jīng)濟(jì)總量都在全國(guó)城市前列，但是其房?jī)r(jià)的增長(zhǎng)速度卻情況并不十分的相似，四個(gè)特大城市由于自身所具有的特殊性，增長(zhǎng)速度有所差異。而成都、重慶、昆明、襄陽(yáng)四個(gè)城市作為省會(huì)城市以及地級(jí)城市，在人口、規(guī)模、地理位置等因素上具有較大的相同點(diǎn)，因此房?jī)r(jià)增長(zhǎng)情況最為一致。

（3）當(dāng)分類(lèi)系數(shù) =0.959911時(shí)，也可分為兩類(lèi)：第一類(lèi)：包含8個(gè)省會(huì)城市：成都、昆明、石家莊、呼和浩特、沈陽(yáng)、長(zhǎng)春、哈爾濱、長(zhǎng)沙、西安；1個(gè)直轄市：重慶，以及13個(gè)地級(jí)城市：襄陽(yáng)、大連、秦皇島、錦州、吉林、揚(yáng)州、煙臺(tái)、濟(jì)寧、洛陽(yáng)、宜昌、湛江、桂林、遵義。其余城市作為第二類(lèi)。

當(dāng)減小了分類(lèi)系數(shù) 之后可以看出，北上廣深等特大城市的房?jī)r(jià)增速相似性依然沒(méi)有體現(xiàn)出來(lái)，還是在第二類(lèi)城市的分類(lèi)之中。而在第一類(lèi)房?jī)r(jià)增速相一致的城市之中，又新增許多二線(xiàn)與三線(xiàn)城市。目前來(lái)講，這些二三線(xiàn)城市房?jī)r(jià)雖然不能與一線(xiàn)城市或是特大城市相提并論，但是由于其基數(shù)較小，生活成本較低，許多人看中這一點(diǎn)，因此會(huì)選擇這些新興的具有活力的城市作為生活的城市，吸引許多人口，導(dǎo)致房?jī)r(jià)增速較快，與許多一線(xiàn)城市的房?jī)r(jià)增速具有一定相似性。

（4）當(dāng)分類(lèi)系數(shù) =0.940763時(shí)，分為兩類(lèi)，第一類(lèi)包含北京、上海、廣州、深圳4個(gè)一線(xiàn)城市，另外有7個(gè)省會(huì)城市：杭州、南京、南昌、鄭州、烏魯木齊、?？凇⑻?，以及15個(gè)地級(jí)城市：青島、無(wú)錫、唐山、寧波、廈門(mén)、合肥、丹東、金華、蚌埠、安慶、泉州、三亞、瀘州、南充、大理。其余作為第二類(lèi)。

當(dāng)分類(lèi)系數(shù) 繼續(xù)減小之后，房?jī)r(jià)增速相似的城市數(shù)量又有所增加，但依然不含北上廣深等大城市，這幾個(gè)特大城市依然單獨(dú)各自作為一類(lèi)。據(jù)此可以看出，在第一類(lèi)的城市中，各個(gè)城市的地理位置比較分散，可得出地理位置對(duì)于房?jī)r(jià)的增長(zhǎng)情況具有較大的影響。比如北上廣深等大城市雖然經(jīng)濟(jì)發(fā)達(dá)人口眾多，房?jī)r(jià)已經(jīng)處于較高水平，但由于其地理位置相距較遠(yuǎn)，環(huán)境因素差異大、人口流動(dòng)情況不同，因而其房?jī)r(jià)增長(zhǎng)情況差異性較大。

（5）當(dāng)分類(lèi)系數(shù) =0.907979時(shí)，也分為兩類(lèi)，其中杭州、無(wú)錫、海口、金華、泉州，這幾個(gè)城市作為一類(lèi)，其余城市作為另一類(lèi)。

四、結(jié)論

由上述分類(lèi)中可以看出：不論是按照人口規(guī)模、經(jīng)濟(jì)規(guī)模還是地域空間規(guī)模，大城市在房?jī)r(jià)的增速的一致性水平較低。當(dāng)分類(lèi)系數(shù) 取到一個(gè)較低水平時(shí)，全國(guó)70個(gè)大中城市中，大部分的城市的房?jī)r(jià)增速情況均被分為一類(lèi)，只有杭州、無(wú)錫、?？凇⒔鹑A、泉州這幾個(gè)城市依然作為房?jī)r(jià)增速差異較大的城市而單獨(dú)各自作為一種分類(lèi)。

參考文獻(xiàn)：

[1]戚偉，劉盛和，金浩然.中國(guó)城市規(guī)模劃分新標(biāo)準(zhǔn)的適用性研究[J].地理科學(xué)進(jìn)展，2016（01）：47-56.

[2]王雪芹，王成新，崔學(xué)剛.中國(guó)城市規(guī)模劃分標(biāo)準(zhǔn)調(diào)整的理性思考[J].城市發(fā)展研究，2015（03）：113-118.

[3]Zadeh L A.Fuzzy Set[J].Information and Control. 1965（8）：338-355.

[4]朱烈浪，郭光華，劉燕德，黃華古.模糊數(shù)學(xué)在評(píng)判大學(xué)生的心理素質(zhì)中的應(yīng)用[J].大學(xué)數(shù)學(xué).2008（04）：127-130.

[5]張翠蓮，何春江.模糊數(shù)學(xué)在綜合評(píng)判人口再生產(chǎn)類(lèi)型中的應(yīng)用[J].大學(xué)數(shù)學(xué)，1999，（03）：15-20.

[6]李大治，李強(qiáng)，劉玉梅.評(píng)價(jià)大學(xué)生心理健康狀況的模糊數(shù)學(xué)方法[J].大學(xué)數(shù)學(xué)，2007（06）：113-116.

[7]張千，時(shí)念云，張瓊聲.基于模糊聚類(lèi)分析的教師評(píng)價(jià)模型[J].計(jì)算機(jī)系統(tǒng)應(yīng)用，2012（12）：168-172.

[8]雷小宇，張亞鳴，樊曉平，廖志，瞿志華.模糊聚類(lèi)分析方法在IT市場(chǎng)預(yù)測(cè)分析中的應(yīng)用[J].計(jì)算機(jī)系統(tǒng)應(yīng)用，2008（3）：101-104.

[9]楊綸標(biāo)，高英儀，凌衛(wèi)新.模糊數(shù)學(xué)原理及應(yīng)用[M].華南理工大學(xué)出版社，2004.