吳莞姝，胡龍超，趙凱，陳澤平

(1.華僑大學 建筑學院，福建 廈門 361021；2.華僑大學 統(tǒng)計學院，福建 廈門 361021)

住宅價格既是人民和政府關注的重點民生問題，也是城市經(jīng)濟學、城市經(jīng)濟地理學和城市規(guī)劃學共同關注的熱點話題.當前，中國正處于快速城市化階段，住宅價格的高低在一定程度上反映了城市的經(jīng)濟發(fā)展水平[1].尤其是對超大和特大城市而言，作為資產價值的體現(xiàn)，住宅價格的變化和波動不僅關系國民經(jīng)濟的健康發(fā)展，影響著城際間的人口和人才流動，也牽動著每一個家庭，如何合理有效地調控房價已成為政府的要務.住宅最大的功能是居住，而對居住功能影響最大的是便利性[2].城市交通路網(wǎng)作為一種具有外部性的公共產品，其合理的空間結構往往能夠降低居民的生活時間成本，強化住宅居住功能的便利屬性，進而對住宅價格產生影響.在城市發(fā)展過程中，受資源調配、規(guī)劃發(fā)展和土地供應等綜合作用的影響，住宅價格空間相關性和異質性也在不斷增強且上升趨勢明顯[3].因此，城市路網(wǎng)空間結構對住宅價格的影響，對政府制定合理的房地產政策、平衡城市內部住宅價格、優(yōu)化城市路網(wǎng)布局和緩解交通擁堵等具有重要的現(xiàn)實意義.

早期城市多為單一中心布局，學者們更多地關注住宅與中央商務區(qū)(CBD)、地鐵站等的距離[4-5].然而，隨著城市的發(fā)展和人們對生活、工作的交通便利性需求的增加，城市傳統(tǒng)的單一中心已不能滿足人們的需求，城市向多中心布局轉變，學者們也開始通過交通可達性綜合衡量城市交通對住宅價格的影響[6-10].近幾年，由于城市化進程的加速推動和城市內部交通基礎設施的日益完善，城市交通路網(wǎng)對住宅價格的影響越來越明顯[11-12].Sebastian等[12]分析德國漢堡市整個城區(qū)的軌道交通網(wǎng)絡對周邊住宅價格的影響，發(fā)現(xiàn)城市交通網(wǎng)絡所帶來的區(qū)域可達性提升可為周邊住宅帶來2.59億美元的外部性效益.Xiao等[2]以英國卡迪夫市為例，發(fā)現(xiàn)城市路網(wǎng)可達性對住宅價格的促進作用，而基于拓撲計算方法得到的路網(wǎng)結構變量在模型中具有更強的解釋能力.除此之外，住宅價格對不同尺度路網(wǎng)結構變量的敏感程度不同，Shen等[13]發(fā)現(xiàn)上海市住宅價格受到約1 km半徑尺度下的路網(wǎng)結構變量的顯著影響；Law[14]發(fā)現(xiàn)英國倫敦市內不同區(qū)域中路網(wǎng)結構對住宅價格的影響具有差異性.

因此，有關城市路網(wǎng)與住宅價格的研究存在以下3點不足：1) 住宅價格具有區(qū)域性特點，而既有研究多以城市資源配置均勻分布為基礎[14]，忽略了住宅周圍整體基礎設施的位置優(yōu)勢及住宅價格的空間相關性和空間異質性；2) 既有研究多基于歐式距離、交通通行時間和可達性等方式度量城市交通路網(wǎng)，難以捕捉居民在城市活動中的真實成本，缺乏從空間拓撲結構視角考察城市路網(wǎng)空間結構影響住宅價格的研究；3) 既有文獻在選擇衡量住宅價格變量時，普遍利用一手商品房的開盤銷售指導價格，而現(xiàn)實中指導價格與真實成交價格往往不一致甚至大相徑庭，成交價格更能反映購買者的偏好.鑒于此，本文以鏈家房產交易平臺和安居客房產交易平臺的上海市二手住宅為研究樣本，對城市路網(wǎng)的空間結構影響住宅價格的效果及機制進行深入研究.

1 研究設計

1.1 研究范圍

圖1 研究區(qū)域Fig.1 Research area

城市中心城區(qū)與郊區(qū)在路網(wǎng)空間結構及形態(tài)方面有較大差異，將研究區(qū)域限定在中心城區(qū)，可有效規(guī)避中心城區(qū)與郊區(qū)間差異帶來的影響[15].上海市中心城區(qū)因其城市化程度高且具有完善的交通網(wǎng)絡和基礎設施，可作為分析城市路網(wǎng)結構影響住宅價格的極具代表性的區(qū)域.根據(jù)《上海市城市總體規(guī)劃(2017-2035年)》，上海市中心城區(qū)為外環(huán)線以內約664 km2的區(qū)域.由于繞城高速能夠最大限度保證上海市中心城區(qū)內部路網(wǎng)的連通性和完整性，因而可將繞城高速設定為緩沖區(qū)邊界.研究區(qū)域，如圖1所示.

1.2 研究方法

圖2 最少且最長規(guī)則Fig.2 Least and longest rule

1.2.1 軸線模型 軸線模型是衡量路網(wǎng)空間結構的基礎，利用CAD軟件并遵循最少且最長規(guī)則(圖2)，將上海市原始路網(wǎng)數(shù)據(jù)轉換為相連的線段.上海市城市交通路網(wǎng)中存在許多交通轉盤和立交系統(tǒng)，五角場交通轉盤區(qū)域軸線模型，如圖3所示.圖3中：軸線模型中的軸線交界處需要保留“出頭”，這樣可有效避免線段之間的連接關系丟失.

(a) 高德衛(wèi)星地圖 (b) 軸線模型 圖3 五角場交通轉盤區(qū)域軸線模型Fig.3 Traffic circle area axis model in Wujiaochang

圖4 軸線模型中地鐵交通系統(tǒng)的處理Fig.4 Processing of metro transportation system in axis model

城市交通路網(wǎng)結構往往通過影響居民出行對住宅價格產生作用，因而在研究過程中須同時考慮地上交通與地鐵交通.地鐵交通及其出入口皆為高度專用，可將出入口之間的街道在空間句法分析軟件(DepthMapX軟件)中進行Link操作，使出入口之間的街道彼此相連.軸線模型中地鐵交通系統(tǒng)的處理，如圖4所示.圖4中：紅點為地鐵出口，分布在街道a，b，c上.

1.2.2 線段模型 在路網(wǎng)軸線模型基礎之上，可引入米制距離和角度關系的線段模型，量化城市路網(wǎng)空間結構.將路網(wǎng)軸線模型以底圖形式導入DepthMapX軟件，轉換完成后，模型共包含23 699條線段.選擇度表示城市路網(wǎng)承擔交通性車流量的能力，其計算公式為

(1)

式(1)中：CHOi，r為節(jié)點i在半徑r內的選擇度；nj，k為1時，表示節(jié)點i經(jīng)過節(jié)點j和節(jié)點k之間的最短角度距離，nj，k為0時，表示節(jié)點i未經(jīng)過節(jié)點j和節(jié)點k之間的最短角度距離.

整合度(INT)表示路網(wǎng)彼此通行的便利程度，其計算公式為

(2)

式(2)中：INTi，r為節(jié)點i在半徑r內的整合度；Depi，j表示節(jié)點i到節(jié)點j之間的角度深度；N為區(qū)域內所有節(jié)點的數(shù)量.

為有效控制邊界效應，線段模型的參數(shù)將依據(jù)一定的半徑尺度計算.由于不同半徑尺度下線段模型的參數(shù)可能會存在差異，因此，可借鑒既有研究思路，設置500，1 000，2 500，5 000，10 000 m和全域6個半徑尺度.利用DepthMapX軟件計算不同半徑尺度下的路網(wǎng)空間結構的選擇度和整合度，并借助ArcGIS軟件可視化它們的空間分布.不同半徑尺度下選擇度與整合度的空間分布，如圖5所示.

由圖5(a)，(b)，(e)，(f)，(i)，(j)可知：在500 m小半徑尺度下，高值集中在外灘周圍，說明城市中心路網(wǎng)肩負著交通樞紐的職能；在1 000，2 500，5 000 m中等半徑尺度下，高值區(qū)域從外灘周圍擴散到了楊浦、虹口、靜安、長寧等區(qū)域，并且在浦東新區(qū)、閔行、徐匯等有局部的高值區(qū)域，表明各行政區(qū)內有獨立承擔轄區(qū)內交通樞紐職能的局部路網(wǎng)；在10 000 m半徑和全域尺度下，選擇度的高值以離散狀態(tài)分布在整個城市中心城區(qū)內，表明承擔交通樞紐職能的路網(wǎng)較為分散.

(a) r=500 m的選擇度 (b) r=1 000 m的選擇度 (c) r=500 m的整合度 (d) r=1 000 m的整合度

(i) r=10 000 m的選擇度 (j) 全域的選擇度 (k) r=10 000 m的整合度 (l) 全域整合度 圖5 不同半徑尺度下選擇度與整合度的空間分布Fig.5 Spatial distribution of selectivity and integration at different radius scales

由圖5(c)，(d)，(g)，(h)，(k)，(l)可知：在500 m小半徑尺度下，外灘周圍的整合度較高，浦東新區(qū)、閔行、松江等行政區(qū)內也有局部的高值區(qū)域，表明各行政區(qū)內均具有結構完善的局部路網(wǎng)；在1 000，2 500，5 000，10 000 m半徑尺度下，雖然存在局部的高值和低值區(qū)域，但與選擇度相比，整合度的分布較為連續(xù)，具有高值區(qū)域從中心向外擴散的特征，城市中心區(qū)域的路網(wǎng)彼此通行的便利程度整體上高于邊緣地區(qū)；在全域尺度下，同樣具有高值區(qū)域從中心向外擴散的特征，但浦東新區(qū)、奉賢和閔行等行政區(qū)域的路網(wǎng)通行便利程度整體上優(yōu)于寶山、嘉定、青浦、松江等行政區(qū)域.

1.2.3 空間自回歸模型 將城市交通路網(wǎng)中每條路段的空間結構參數(shù)值匹配到距離最近的樣本住宅，利用匹配后的數(shù)據(jù)構建特征價格分析模型.由于住宅價格往往存在一定的空間關聯(lián)，如鄰近區(qū)域的住宅價格之間可能相互影響，因此，可在特征價格模型基礎之上，引入空間滯后因子，在考慮空間關聯(lián)的情況下，研究城市路網(wǎng)空間結構對住宅價格的影響.空間自回歸(SAR)模型的函數(shù)形式為

(3)

式(3)中：Yi為被解釋變量住宅價格；W為空間權重矩陣；ρ為空間自相關系數(shù)向量；Xi表示住宅特征向量，包括建筑特征、鄰里特征和區(qū)位特征；β為系數(shù)向量的估計值；cons表示常數(shù)項；εi為誤差項.

1.2.4 地理加權回歸模型 地理加權回歸(GWR)模型通過在線性回歸模型中假定回歸系數(shù)是樣本點地理位置的函數(shù)，將樣本中的空間非平穩(wěn)性納入到模型中，以研究城市路網(wǎng)空間結構影響住宅價格的空間異質性.GWR模型的函數(shù)形式為

(4)

式(4)中:xi，j表示地點i上的第j個控制變量；β2，0(ui，vi)和β2，1(ui，vi)分別對應為在地點i上的系數(shù).空間權重矩陣采用高斯函數(shù)法進行構建，并根據(jù)交叉驗證方法(CV)確定最優(yōu)帶寬.

2 數(shù)據(jù)的收集

住宅價格往往受政府宏觀政策的影響，為排除外生政策因素干擾，數(shù)據(jù)時間跨度不宜過長.為此，選取2020年3月至2020年7月間上海市二手住宅作為數(shù)據(jù)樣本.住宅相關數(shù)據(jù)主要來源于鏈家房產交易平臺和安居客房產交易平臺.借助網(wǎng)絡爬蟲技術，一方面從鏈家房產交易平臺獲取二手房成交總價、二手房成交單價、建筑面積、臥室數(shù)、住宅所在樓層、建筑總樓層等住宅交易信息；另一方面從安居客房產交易平臺獲取物業(yè)費、停車位數(shù)量、總戶數(shù)、FAR(容積率)、綠化率等住宅小區(qū)的信息.將搜集到的26 714條住宅交易信息與2 944個住宅小區(qū)信息進行匹配，刪除具有嚴重缺失和時間跨度之外的信息，并剔除繞城高速外的住宅樣本，最終獲得2 781條住宅數(shù)據(jù).上海市交通路網(wǎng)數(shù)據(jù)來源于OpenStreetMap(OSM)；上海市的中小學、三甲醫(yī)院和地鐵站出(入)口的地理位置數(shù)據(jù)來源于高德地圖.

住宅價格的統(tǒng)計，如表1所示.由表1可知：住宅價格的平均值大于中位數(shù)，呈現(xiàn)出右偏分布.住宅價格的空間分布，如圖6所示.由圖6可知：住宅價格的高值大多分布在城市中心區(qū)域.上海市中小學、三甲醫(yī)院和地鐵站出口分布，如圖7所示.

表1 住宅價格的統(tǒng)計Tab.1 Statistics of housing prices

圖6 住宅價格的空間分布 圖7 上海市中小學、三甲醫(yī)院和地鐵站出口分布Fig.6 Spatial distribution of housing prices Fig.7 Distribution of primary and secondary schools，grade A hospitals and metro station exits

不同半徑尺度下，路網(wǎng)空間結構的選擇度與整合度的統(tǒng)計，分別如表2，3所示.

表2 選擇度的統(tǒng)計Tab.2 Statistics of selectivity

表3 整合度的統(tǒng)計Tab.3 Statistics of integration

根據(jù)特征價格理論，將影響住宅價格的因素劃分為建筑特征、區(qū)位特征和鄰里特征3類.建筑特征為房屋本身的屬性，包括房屋戶型、所在樓層、建筑面積、建成年代、裝修情況及配備電梯.區(qū)位特征為住宅的位置優(yōu)勢，包括城市中心的距離、到最近地鐵站的距離.陸家嘴金融貿易中心區(qū)域是上海市CBD的重要組成部分，集金融貿易、購物觀光、休閑娛樂等多功能于一體，因而設定陸家嘴金融貿易中心區(qū)域的質心為上海市的城市中心.鄰里特征為住宅周圍的環(huán)境，包括小區(qū)綠化率、物業(yè)費、容積率、離最近三甲醫(yī)院的距離和離最近中小學的距離.研究中涉及的控制變量的統(tǒng)計，如表4所示.

表4 控制變量的統(tǒng)計Tab.4 Statistics of control variables

3 實證分析

3.1 空間權重矩陣的設定

空間權重矩陣用于反映研究區(qū)域內住宅之間的關系，若樣本中住宅數(shù)量為n，那么，空間權重矩陣W為一個n×n的對稱矩陣，W矩陣中的元素反映了住宅間相關性的結構和強弱.空間權重矩陣的構建因“鄰近”的定義不同而不同，最主要的一種定義是基于空間地理距離上的鄰近.設定權重矩陣時，空間相關性隨著距離的增加而衰減.基于大圓距離的空間權重矩陣包括半徑距離權重矩陣和半徑距離衰減權重矩陣兩種.半徑距離權重矩陣元素為

(5)

半徑距離衰減權重矩陣元素為

(6)

式(5)，(6)中：di，j為個體i到個體j的歐式距離；d為半徑閾值；α為衰減冪次.

為獲得最優(yōu)空間權重矩陣，對比不同空間權重矩陣下的SAR模型和空間誤差(SEM)模型的對數(shù)似然值(LogL)，判斷空間權重矩陣的優(yōu)劣.

利用半徑距離權重矩陣(不同半徑距離)、半徑距離衰減權重矩陣(α=1，2，3)構建SAR模型，其LogL值，如圖8(a)所示.由圖8(a)可知：在半徑距離約低于6 000 m范圍內，半徑距離衰減矩陣(α=1)的LogL值相對較高，表明在該距離范圍內半徑距離衰減矩陣(α=1)為相對較優(yōu)的空間權重矩陣；隨著半徑距離的增加，所有權重矩陣下的SAR模型的LogL值都具有先上升、后下降的趨勢，該趨勢意味著住宅間的相互影響存在一個最優(yōu)距離；在4 000～5 000 m的半徑距離范圍內，半徑距離衰減權重矩陣(α=1)下的SAR模型優(yōu)于半徑距離衰減權重矩陣(α=2，3)的SAR模型.

綜上所述，在所有設定的半徑距離下，基于半徑距離權重矩陣構建的SAR模型的LogL值都比用半徑距離衰減權重矩陣構建的SAR模型的LogL值要小，而且隨著半徑距離的增加，它們之間的差值越大.半徑距離權重矩陣表示不同個體之間的相互影響在半徑距離以內是同質的，而半徑距離衰減權重矩陣表示不同個體之間的相互作用是隨著彼此之間的距離增加而衰減的.這說明上海市住宅價格之間的相互作用在空間上并不是均勻的，用半徑距離衰減權重矩陣表示它們之間的相互作用優(yōu)于半徑距離權重矩陣.構建的SEM模型的LogL值，如圖8(b)所示.由圖8(b)可知：除了LogL的值不同以外，整體的趨勢和SAR模型是一樣的；最優(yōu)空間權重矩陣的衰減冪次α為1，半徑距離約為5 000 m.

(a) SAR模型 (b) SEM模型圖8 SAR模型與SEM模型的LogL值Fig.8 LogL value of SAR model and SEM model

3.2 空間自相關檢驗

空間Moran檢驗統(tǒng)計量(I)是檢驗空間自相關的常用方法，其表達式為

圖9 Moran散點分布圖Fig.9 Moran scattered distribution

(7)

圖9為Moran 散點分布圖.圖9中：z為對數(shù)化后的房價，Wz對數(shù)化后房價的空間滯后.基于設定的空間權重矩陣，空間Moran檢驗指數(shù)證實上海市住宅價格存在顯著的正向空間自相關.由圖9可知：大部分點集中在第一、三象限，說明住宅價格的高值區(qū)域被同是高值的區(qū)域所包圍，低值區(qū)域被同是低值的區(qū)域所包圍.

3.3 空間計量模型的選擇

空間Moran檢驗只能檢驗是否存在空間相關性，但無法確定其具體形式.為此，應根據(jù)拉格朗日乘數(shù)(LM)檢驗明確住宅價格數(shù)據(jù)中空間相關性的形式.對SAR模型和SEM模型兩種形式進行LM檢驗的結果，如表5所示.表5中：P為顯著性水平.由表5可知：由于兩種空間計量模型的拉格朗日乘數(shù)及其穩(wěn)健性均顯著，因而拉格朗日乘數(shù)較小的SAR模型更為適宜.

表5 LM檢驗結果Tab.5 LM inspection result

3.4 SAR模型估計結果

城市路網(wǎng)空間結構對住宅價格影響的SAR模型回歸結果，如表6所示.表6中：()內的數(shù)值為統(tǒng)計量；未加入?yún)?shù)表示不加入城市路網(wǎng)結構；**表示P<0.01；** 表示P<0.05，*表示P<0.10.

由表6可得到以下4點主要結論.

1) 在所有模型中，空間自相關系數(shù)ρ的估計值皆在1%的顯著性水平上，顯著為正，進一步證實住宅價格具有正向的空間關聯(lián)，即周邊住宅價格的上漲會正向影響本地住宅的價格.

2) 模型中選擇度CHO的估計系數(shù)為負，表現(xiàn)為統(tǒng)計上不顯著，說明在考慮住宅價格存在空間關聯(lián)的情況下，承擔交通性車流量能力的路網(wǎng)結構并不會對住宅價格起到明顯的作用.

3) 整合度對住宅價格始終存在正向影響且在半徑尺度大于5 000 m時具有統(tǒng)計學上的顯著意義，說明整合度較高的區(qū)域的路網(wǎng)周圍聚集的住宅價格較高，這是因為完善的路網(wǎng)結構可以提高交通便利度，因而推動區(qū)域內住房價格的上升.

4) 在所有半徑尺度下，加入城市路網(wǎng)空間結構參數(shù)的模型均優(yōu)于未加入?yún)?shù)的模型(LogL值和BIC值)，說明在考慮住宅價格存在空間關聯(lián)的情況下，城市路網(wǎng)結構尤其是整合度仍是影響住宅價格的重要因素.

表6 城市路網(wǎng)空間結構對住宅價格影響的SAR模型回歸結果Tab.6 SAR model regression results of urban road network spatial structure influence on housing price

續(xù)表Continue table

3.5 基于GWR的空間異質性

基于空間區(qū)域均質假設，得到的估計參數(shù)具有全局和平均的特征.然而，在處理帶有空間地理信息的住宅價格變量存在空間異質性，也就是城市路網(wǎng)空間結構對住宅價格的影響在空間上是非平穩(wěn)的.

基于Arcgis的網(wǎng)格圖，將地圖區(qū)域劃分成小方格，并統(tǒng)計每個方格內回歸系數(shù)的均值，地理加權回歸模型中整合度和選擇度回歸系數(shù)的空間分布，如圖10所示.圖10中：使用自然斷點法將網(wǎng)格圖分為6類，并以系數(shù)絕對值較大的前兩類(圖中紅色表示)為核心.

由圖10可知：在較小的半徑尺度下(小于2 500 m)，整合度對住宅價格正向影響的高值區(qū)域集中在楊浦、靜安、虹口、黃埔、浦東新區(qū)等城市中心區(qū)；而在較大的半徑尺度上，整合度正向影響的高值區(qū)集中在青浦、松江、閔行、奉賢等離市中心較遠的區(qū)域；當半徑尺度更大(特別是全域尺度)時，跨區(qū)域的道路交通網(wǎng)絡對離市中心較遠區(qū)域的住宅價格影響更大.究其原因，可能是因為在城市中心區(qū)域，交通阻塞經(jīng)常發(fā)生，中心城區(qū)的房價受交通便利度影響較大.因此，在中心城區(qū)交通便利度越高，其住宅價格也越高，而當住宅位于郊區(qū)等遠離市中心區(qū)域，其房價也同樣受到交通便利度的影響，住宅周邊若具有跨區(qū)域的交通網(wǎng)絡，才能更方便到達市區(qū)等其他地區(qū)，因此，遠離市中心住宅的價格受跨區(qū)域交通網(wǎng)絡的影響更大.

(a) r=500 m的整合度 (b) r=1 000 m的整合度 (c) r=500 m的選擇度 (d) r=1 000 m的選擇度

(e) r=2 500 m的整合度 (f) r=1 000 m的整合度 (g) r=2 500 m的選擇度 (h) r=5 000 m的選擇度

(i) r=10 000 m的整合度 (j) 全域的整合度 (k) r=10 000 m的選擇度 (l) 全域選擇度 圖10 城市路網(wǎng)空間結構的回歸系數(shù)空間格局Fig.10 Spatial pattern of regression coefficients of urban road network spatial structure

小半徑尺度下的選擇度表示穿越式步行人流量，而大半徑尺度下的選擇度表示穿越式車流量.由圖10還可知：在小半徑尺度下選擇度對住宅價格負向影響的高值區(qū)集中在城市中心；在大半徑尺度下選擇度對住宅價格負向影響的高值區(qū)集中在離城市中心較遠的區(qū)域.穿越式步行人流量對城市中心區(qū)域的住宅價格影響較大，而穿越式車流量對離城市中心較遠的區(qū)域的住宅價格影響較大.究其原因，可能是因為離城市中心較遠區(qū)域的住宅對承接大量車流量的公路、高速等交通設施更加依賴，因而在這些區(qū)域中的住宅價格受穿越式車流量的負向影響更大.

4 結論

1) 隨著半徑尺度的增加，整合度和選擇度的高值都有從城市核心區(qū)域(上海市外灘周圍)向外擴散的趨勢.無論是路網(wǎng)的密度、連接程度，還是交通樞紐性作用，上海市中心區(qū)域的路網(wǎng)都有絕對的優(yōu)勢.然而，相較于整合度，各半徑尺度下選擇度高值的分布更為離散，這與干道分布離散有關.

2) 城市路網(wǎng)結構是影響住宅價格的重要的區(qū)位因素.在探究城市路網(wǎng)空間結構對住宅價格影響時，考慮空間相關性是必要的.在SAR和SEM模型中，只有整合度表現(xiàn)出穩(wěn)健的顯著性，而選擇度幾乎在任何半徑尺度下都不顯著.因此，認為選擇度對上海市二手房住宅價格沒有影響.

3) 城市路網(wǎng)結構對住宅價格的影響在空間上具有很強的異質性.基于小半徑尺度，楊浦、靜安、虹口、黃埔、浦東新區(qū)等城市中心區(qū)的住宅價格受城市路網(wǎng)結構的影響較大；基于大半徑尺度，青浦、松江、閔行、奉賢等離市中心較遠的幾個區(qū)的住宅價格受城市路網(wǎng)結構的影響較大.綜上所述，城市郊區(qū)的住宅對交通路網(wǎng)的依賴程度更強，其價格水平更易受到路網(wǎng)結構的影響.

根據(jù)以上結論，得出如下3點啟示.

1) 政府部門可在城市中心以外著力建設區(qū)域級的中心，以緩解現(xiàn)有發(fā)展模式下帶來的交通問題.青浦、松江、閔行、奉賢等離市中心較遠的幾個區(qū)的住宅價格受到城市路網(wǎng)的影響更大，且這些區(qū)域的住宅往往依賴于跨區(qū)域性的交通.為了有效緩解城市中心的住宅價格過高，政府部門可以著力完善城市郊區(qū)的路網(wǎng)系統(tǒng)，并建設跨區(qū)域性的路網(wǎng)系統(tǒng)(地鐵、城際快速路等)，住宅價格在半徑尺度為10 000 m時對整合度最為敏感.

2) 住宅價格對周圍步行距離(1 000 m)范圍路網(wǎng)集聚城市基礎設施的能力最為敏感.開發(fā)商在選址時，應重點考慮步行距離的區(qū)域內的購物廣場、學校、醫(yī)院、地鐵站、公交站等基礎設施配備情況.離市中心較遠的區(qū)域，開發(fā)商應優(yōu)先選擇靠近跨區(qū)域性的交通設施的地段；而在市中心區(qū)域，應優(yōu)先選擇城市路網(wǎng)整合度較高的地段.

3) 在購買住宅時，應充分考慮住宅周圍路網(wǎng)的密度和連接程度，盡量避免購買周圍有承擔交通樞紐的主干道的住宅.密度和連接程度較高的路網(wǎng)往往會聚集更多的基礎設施，這會帶來住宅價格的升值空間；而承擔交通樞紐的主干道會帶來噪聲和尾氣等負的外部性.