基于三维建模与分析技术的房地产价格影响因子量化提取研究——以景观和日照为例

1、基于三维建模与分析技术的房地产价格影响因子量化提取研究以景观和日照为例 基于三维建模与分析的房价影响因子量化提取研究 张晖 摘要：本文基于规则建模方法，以深圳市建筑物二维GIS数据为基础，利用CityEngine快速批量生成建筑物的外立面三维模型和内部三维模型，并根据目标建筑物的实景纹理对其进行规则采样。利用三维通视性分析方法，通过对目标建筑物三维模型进行景观分析和日照分析，得到对房地产价格有重要影响的景观可视范围、日照时间等具体量化指标，并最终生成建筑物景观和日照信息三维可视化效果图。结果表明：与传统手工建模方式相比，在CityEngine平台下基于规则的三维建模方法能够充分利用现有GIS数

2、据，快速、自动、批量地生成精细的建筑物三维模型，提高了三维建模的效率；基于通视性分析所建立的建筑物景观和日照分析模型，与以往人为主观判断相比，对景观和日照因素的量化更加精确，同时精确到房屋的三维可视化效果能够为房地产估价提供更加直观和高效的房地产表达视图。 1 引言 在房地产价格研究中，房地产价格影响因素的量化成为分析的关键，直接影响到房价模型构建的效果。房地产价格影响因素的量化现状，主要侧重于通过主观判断或GIS技术等方式来获取关于每套房屋的房价影响因子。其中尹海伟等基于ArcGIS软件平台，通过“费用加权距离”方法计算得到选取的房屋样点到最近公园、公共绿地、河流、城市中心及主要服务 1设施

3、的时间，从而定量分析可达性因子对房屋价格的影响；王国华等根据每500米距离范 围内道路中包含主干道的条数对交通因素进行分级量化，结合长沙市主要楼盘均价分布，得 2到道路的密集程度与楼盘价格的相关趋势。 目前，基于GIS的房地产价格影响因子的量化提取研究主要集中在二维GIS方面，大多是通过距离等方式来衡量房地产二维平面方向上的区位因素，分析的最小单元为项目或楼栋。但是精细化的房地产估价需要粒度更小的空间信息，即具体到每套房屋。并且房地产的空间分布是立体化的，其区位信息不仅体现在二维平面，还表现在三维空间分布，仅仅通过判读二维平面信息，房地产估价人员将无法获取建筑物的空间立体特性因素。例如：无法获

4、取楼 3高、通视的效果、采光阴影、通风状况等视觉影响因素，其应用领域也受到限制。因此基 于三维建模技术，利用现有的遥感影像数据成果与二维GIS数据，快速、批量地生成建筑物三维模型，对于三维GIS应用具有十分重要的意义。常用的三维建模技术手段主要包括使用模型软件AutoCAD、3DStudio Max等建立模型以及应用规则进行程序建模。其中，基于AutoCAD的三维建模能够快速进行模型生成和编辑，能够精确计算容积率、建筑密度、建筑间距，但不支持纹理编辑，不具备建筑物属性数据；基于3DStudio Max的三维建模可以建立较复杂的三维模型，三维场景细腻、光影渲染逼真、支持纹理贴附、能够快速生成简单

5、模型，但不能精确输入模型参数，不具备建筑物属性数据的编辑和查询功能，且只适用于单栋或小范围区 4域建筑物的三维重建；而基于规则的三维快速建模方法，通过规则能调用GIS数据中属性 数据，进行自动批量建模，较好地利用了现有GIS数据，提高了三维建模效率，在大场景三 5维快速建模领域提供了一种新的手段。 三维GIS技术不仅具有强大的立体可视化表达能力，还能够提供复杂的三维分析功能，是房地产立体区位信息批量提取的有效技术途径。由于三维GIS技术的专业性和复杂性，目前其应用主要集中在城市仿真建模和可视化表达，而利用三维GIS技术对建筑物进行立体空间分析来量化提取房地产价格影响因子的应用还非常少。鉴于此，

6、本文首先基于规则的三维 建模方法，在CityEngine平台下实现城市房地产的快速和批量仿真建模；其次利用三维GIS技术的通视性分析方法来提取对房地产价格有重要影响的景观和日照等信息，并对其进行量化分析和可视化表达。该方法突破了传统依赖人为主观判断获取此类信息的局限，为量化提取房价影响因素提供了有益参考。 2 原理与方法 2.1 规则建模 规则建模主要是利用CGA形状语法（一种新的模拟计算机图形的语言），程序化地产生高视觉效果和详细几何信息的建筑模型。其核心部分是编写规则。首先对建模对象进行分析，根据对象的共性和差异性来复用或编写规则。与传统手工建模的方法相比，规则建模在初期需要对不同类型的对

7、象编写规则进行建模，优势并不明显。但是随着规则库中的规则不断扩充，在后期建模时，可以设置对象调用库中已有的规则进行批量建模，同时只需要对库中规则无法表达的对象编写规则进行补充即可，减少了建模的投入。由于规则库很方便进行移植 5和共享，此时规则建模和传统手工建模的方法相比，建模效率会有较大的提升。 2.2 通视性分析 通视性分析可以将城市建筑物视觉景观的感官认知转化为可量化的指标，同时也可以对建筑物一天中受太阳照射时长进行量化分析。本文主要应用两点之间的通视性分析。 建筑物通视性分析方法是将建筑物和视线同时向水平面垂直投影，然后根据线段和多边形的关系，找出与视线的投影线段相交的建筑物投影轮廓线，

8、对应的建筑物则作为通视性分析的对象。如图1所示，图中多边形为建筑物向水平面的投影多边形。是视线在水平面上的垂直投影线。通过二维GIS中直线与多边形关系的判断，得出视线的投影线与、 、三个建筑物轮廓线相交，这三个建筑物就作为通视的分析对象。在通视性分析中，并不需要对所有确定的对象进行分析，根据离视点的远近，顺序记录每个待分析的建筑物对象，只 6要确定任何一个建筑物对视线造成了遮挡，就可以判定不通视。 图1 建筑物通视性分析 Figure 1 Visibility Analysis of Buildings 3 应用实例 3.1 研究区概况 城市房地产的景观和日照状况除了受限于自身状况外，其主要受

9、其它建筑物的影响比较 多。因此，本文选取深圳市居住环境比较成熟、建筑物较为密集的南山后海片区为研究区域。该区域地处东经，北纬，建筑物多以高层住宅建筑为主，同时濒临深圳湾，海景住宅较多。 3.2 建筑物三维建模 本文使用Esri公司的 CityEngine软件来进行建筑物的三维建模，可以利用现有的二维GIS数据作为基础，快速生成三维模型。CityEngine主要依托三个方面：要素、属性和规则，可以根据场景中每个元素提供的更为详细的信息，建立起更复杂更贴近真实三维世界的场景。CityEngine的优势在于可以直接利用二维地理要素的信息快速批量的建立三维场景，并且可以将生成的建筑物三维模型与ArcG

10、IS进行无缝集成，充分利用ArcGIS的三维空间分析功能，实现房地产价格影响因子的批量提取。 建筑物三维模型构建包括两部分：建筑物外立面三维模型构建和建筑物内部模型构建。其中外立面三维模型构建主要基于建筑物基底投影分布图、数字高程模型（DEM）等数据， 7三维内部模型则需要准备建筑物每层的房屋单元分布图数据。要求所有数据具有一致的空 间参照系统，本文选择WGS 1984坐标系统。此外，三维纹理贴图部分需要准备数字正射影 8像（DOM）、纹理图片等数据。建筑物数据在导入CityEngine平台之前需要将其转换为 ArcGIS的Shapefile或者File Geodatabase格式。同时根据建

11、模的要求来设定建筑物的属性结构，比如建筑物高度、楼层数、楼层高度等，属性信息越丰富，后期通过规则建立的三维模型就能越精细。为了更好地体现三维建模的真实性，需要将建筑物二维底面数据与DEM叠加计算，创建贴附地形表面的三维多边形要素，使对象带有高程信息，从而使生成的建筑物三维模型与地形的贴合更准确。 3.2.1 三维场景批量生成 建筑物三维场景主要用来作为三维通视性分析的背景，因此只需要建筑物的三维轮廓即可，对三维模型的精确度要求不高。利用建筑物高度属性，由地面向顶面实现建筑物拉伸，建立完成建筑物的剖面。由于三维场景中其它建筑物的纹理对于景观和日照分析没有直接关系，因此本文通过规则中的纹理函数调用

12、系统默认纹理对建筑物各个外立面进行纹理贴片，从而批量生成建筑物三维场景。 图2 建筑物三维场景 Figure 2 3D Scene of Buildings 3.2.2 目标建筑物精细建模 目标建筑物精细建模包括外立面精细建模和内部三维建模两部分。其中，外立面精细建模需要准确地获取建筑物各楼层的楼层高度、阳台及窗户的位置和尺寸、墙面范围等属性信息。首先利用建筑物基底投影数据和楼栋高度属性将建筑物底面进行垂直拉伸，使其成为三维的多面体；其次基于楼层数、楼层高度、窗口位置等属性编写规则程序，将其外立面剖分成相应的楼层，并进一步将各楼层分割为窗户、阳台及墙壁；最后对拍摄的目标建筑物纹理 照片进行切分

13、，以楼层为单位对其贴附纹理，从而得到具备属性信息的建筑物外立面三维模型。 建筑物内部三维模型是按照建筑物内部各楼层实际布局进行构建的，以房屋单元为基本单位。由于本文研究的房地产价格影响因素是以房屋为最小单元，因此只需构建建筑物内部房屋分布即可，无须精确到房屋内部户型。三维内部建模是一个逐层构建的过程，每层构建过程中都需进行相应楼层平面图的拉伸、平移等操作。首先根据建筑物内部各楼层的房屋分布矢量数据，利用CityEngine的规则识别建筑物的各个楼层，将对应楼层按照其楼层高度进行拉伸操作；其次使用平移函数将各个楼层在其顶部堆积起来，平移时需要注意建筑物内部结构与其外立面的准确对接，从而通过规则驱

14、动批量生成建筑物的三维内部模型。 图3 目标建筑物三维模型 Figure 3 3D Model of the Target Building 建立的三维建筑物内外部模型为三维空间分析和估价信息提取提供了基础。本文以景观分析和日照分析为例，研究了如何通过GIS三维通视性分析方法来批量提取对房地产价格有所影响的景观和日照具体量化指标。 3.3 目标建筑物采样 待分析目标建筑物的楼高为69米，总共23层，为复式建筑，楼层高度为3米，濒临深圳湾，拥有较好的海景景观资源。但是由于朝向不同或周边其它建筑物的遮挡，不同的房屋景观和采光状况存在差别。 对目标建筑物进行采样的目的主要是便于利用其采样点与景观采样

15、点或太阳点进行通视性分析。由于只有房屋的窗户和阳台具有景观和采光作用，因此在建筑物采样时只需要对其窗户和阳台处进行规则采样，对墙壁处无需进行采样。采样点的设置与建筑物上窗户及阳台等观测区域的位置、尺寸相关，基于分析目的及精度考虑，本文将目标建筑物采样间隔设置为3米，即每隔3米设置一个采样点，利用CityEngine的规则对建筑物进行采样，目标建筑物采样图如图4所示。从而在通视性分析后进行分析结果统计时，只需要考虑房屋的窗户及阳台处对应采样点的通视范围，例如房屋16A。 图4 目标建筑物采样图 Figure 4 Sampling Figure of the Target Building 3.4

16、 景观分析 定义景观范围是进行景观分析的前提。本文选取深圳湾的海景作为通视性分析的对象，海景范围的面积为39.5平方千米。利用ArcGIS软件对海景边界进行数字化后，将其导入到CityEngine软件中，设置其高度为0，并利用规则对海景范围进行均匀采样。采样密度越大，景观分析的精度也会越高，但是带来的运算时间成本也越高。根据景观范围大小以及实际分析精度的需求，本文将景观采样密度设置为600米间隔，即每隔600米定义一个采样点，海景范围共设置采样点113个，以此作为景观分析的参照点。 利用ArcGIS中的三维分析工具和模型构建器ModelBuilder创建三维分析工作流。本文实现建筑物景观分析的

17、流程如下：对目标建筑物和深圳湾海景上的采样点之间创建视线用于进行点对点的通视性分析；通过计算这些采样点之间的视线，筛选出表示建筑物和海景之间通视的视线，以此获得建筑物上每一个采样点所能看到的海景上目标点数目，数目越多表示通视性越好，能够看到的景观范围越大；根据实际建筑物上每一户所对应的采样点的个数进行统计汇总，汇总时需要考虑同一套房屋不同采样点对同一个景观采样点重复计数问题，最后得到每一套房屋的具体的景观可视范围。 图5 基于ModelBuilder构建的景观分析GP模型（以海景为例） Figure 5 the GP Model of Landscape Analysis Created by

18、 ModelBuilder 对目标建筑物进行景观分析的统计结果（以16楼各房间为例）如表1所示： 表1 建筑物景观分析统计结果 Table 1 the Statistical Results of Building Landscape Analysis 房间号 16A 16B 16C 16D 16E 16F 16G 16H 房间朝向 西 南 南 南 南 东 东 北 海景通视点数 14 30 41 82 86 91 63 10 图6 景观分析示意图（以海景为例） 图7 目标建筑物景观分析 Figure 6 Schematic diagram of Landscape Analysis Figur

19、e 7 Landscape Analysis of the Target Building 选取目标建筑物几个主要的房间，按照相应的景观可视范围利用CityEngine的规则对其进行分级渲染的结果如图8所示： 图8 景观分析可视化效果图 Figure 8 Visualization Effect Figure of Landscape Analysis 3.4 日照分析 日照分析采用与景观分析相似的通视性分析方法。通过编写Python脚本程序可以产生与目标建筑物所在区域相对应的某一时间段的若干太阳点模型。由于一个地区不同季节正午太阳高度不同，白昼时间长短也有变化，所以各地获得太阳热量多少也不同

20、。本文所模拟的时间范围设置为2014年1月7日的7:00 AM-18:00 PM，时间间隔设置为1小时。为了在三维场景中显示出模拟的太阳点，将太阳高度的相对值设置为5000米，共生成了12个太阳点模型。 利用三维分析工具对目标建筑物上的采样点和太阳点进行点对点的通视性分析，创建视线并通过计算筛选出代表建筑物和太阳点之间可视的视线，从而获得目标建筑物上每一个采样点在不同时点是否有太阳照射；根据建筑物上每一套房屋实际包含的采样点的个数，对一天中的日照时长数及日照时间范围进行统计，进一步得到每一户的日照时间具体量化指标。 对目标建筑物进行日照分析的统计结果（以12楼各房间为例）如表2所示： 表2 建

21、筑物日照分析统计结果 Table 2 the Statistical Results of Building Sunlight Analysis 房间号 12A 12B 12C 12D 12E 12F 12G 12H 房间朝向 西 南 东南 西南 南 东 东北 北 日照时长数 4 10 8 7 10 5 4 0 日照时间范围 14:00-17:00 8:00-17:00 8:00-15:00 12:00-18:00 9:00-18:00 8:00-12:00 7:00-10:00 从上述统计结果中可以看出：房间的朝向以正南朝向为最佳，一天中可能接受太阳辐射较多，正东向的房间上午日照较强，朝西向

22、的房间下午受到的日照比较强烈，而正北向的房间明显采光状况不佳。 统计7:0018:00时间段中各个朝向房屋与太阳的通视性情况，得到如图9所示曲线图。其中1代表可视，0代表不可视： 图9 不同朝向房屋日照分析曲线 Figure 9 Sunshine Analysis Curves of Houses with Different Orientations 从上述统计结果中，可以得到不同朝向房屋白天受太阳照射的具体时间范围信息。这有利于规避单纯采用日照时长数作为衡量房屋采光优劣指标所带来的局限性，同时也有利于判断房屋采光是否存在“西晒”问题。 图10 日照分析示意图 图11 目标建筑物日照分析 F

23、igure 10 Schematic Diagram of Sunlight Analysis Figure 11 Sunlight Analysis of the Target Building 选取目标建筑物几个主要的房间，按照相应的日照时长数对其进行分级渲染的结果如图12所示： 图12 日照分析可视化效果图 Figure 12 Visualization Effect Figure of Sunlight Analysis 3.5 总结 将本文分析所得到的景观和日照因素具体量化指标与以往人为主观评价等级进行比较，结果如表3和表4所示： 表3 建筑物景观分析对比表 Table 3 Comp

24、arison Table of Building Landscape Analysis 房间号 16A 16B 16C 16D 16E 16F 16G 16H 房间朝向 西 南 南 南 南 东 东 北 人为主观评级 差 中 中 良 优 优 优 差 景观量化指标 14 30 41 82 86 91 63 10 表4 建筑物日照分析对比表 Table 4 Comparison Table of Building Sunlight Analysis 房间号 12A 12B 12C 12D 12E 12F 12G 12H 房间朝向 西 南 东南 西南 南 东 东北 北 人为主观评级 中 优 优 良 优

25、 良 中 差 日照量化指标 4 10 8 7 10 5 4 0 从上述比较结果中可以看出：本文所做的分析与以往主观判断相比，对景观和日照指标的量化更加精确。以房间12B与12C为例，虽然两个房间的日照等级都被划分为优，但是通过量化分析可以进一步探测出它们的日照时长还是有2个小时的差别。同时本文所做的分析也可以纠正以往人为主观判断所造成的错误。比如房间16F与16G，以往人为判断两个房间的景观等级都为优，但是由于周边建筑物遮挡，实际上房间16G的景观可视范围与16F相比要小很多。 综上所述，基于三维GIS的空间分析方法可以快速批量地从大量房地产空间数据中提取出对房地产价格有重要影响的景观和日照具

26、体量化指标，与以往人为主观判断相比降低了成本；同时所得到的精细量化数值可以直接用于房地产价格模型的计算和分析，有利于减少人为主观判断所带来的指标误差；此外，精确的三维可视化效果能够为房地产估价提供更加直观和高效的房地产表达视图，有利于估价师在房地产估价中做出更为准确的判断。 4 结论 三维GIS具有强大的空间数据管理能力、立体空间可视化表达能力以及三维空间分析功能，随着计算机软硬件以及三维GIS技术的发展与应用，利用三维GIS技术来量化提取房地 产价格影响因素无疑具有很强的优越性。本文首先利用三维建模技术生成精细的建筑物三维模型，其次通过对建筑物三维模型进行景观分析和日照分析，批量提取出对房地产价格有重要影响的景观可视