摘要：在高质量发展时代，科学运用新数据、新技术开展城市老旧小区体检工作具有重大现实意义。本文以武汉市为例，基于安居客小区实景图像，运用深度学习、空间计量等方法，从“市—区—街道”多尺度进行老旧小区体检评估，刻画老旧小区环境质量的空间分布特征，揭示小区环境质量与房价的
在高质量发展时代，科学运用新数据、新技术开展城市老旧小区体检工作具有重大现实意义。本文以武汉市为例，基于安居客小区实景图像，运用深度学习、空间计量等方法，从“市—区—街道”多尺度进行老旧小区体检评估，刻画老旧小区环境质量的空间分布特征，揭示小区环境质量与房价的空间相关关系。研究发现：（1）武汉市小区环境质量呈现“主城区由沿江两岸向外围地区逐渐升高，远城区高值围绕低值”的空间分布特征，老旧小区环境质量显著低于新建小区。（2）低质量的老旧小区在沿江地区连片集聚，以江岸区南部和江汉区东南部的老里分小区、青山区的单位房小区、武昌区的商品房和单位房小区为典型。（3）小区环境质量和房价存在显著的空间相关性，二者从中心向外围形成了“低—高、高—高、高—低、低—低”的空间集聚格局。（4）小区环境质量是影响房价的关键因素，特别是在新建小区。由此为城市小区环境质量的大规模自动化评估提供技术工具，对于快速识别亟待改造的重点区域具有重要启发。
1研究方法
1.1 研究区域与数据来源
本文的研究区域为武汉市。武汉市作为中部地区典型超大城市，具有规模庞大、类型多样的老旧小区。根据安居客数据，武汉市现存小区7 895个，其中包括2000年底前建成的老旧小区2 725个，占存量小区的34.52%。老旧小区类型涵盖了老里分、单位房、商品房和保障房等多种类型。以武汉市为例开展研究，对于探究大城市老旧小区环境质量的空间分布特征，具有全国性示范价值和指导意义。1.2 小区环境质量测度方法
本文将小区环境质量定义为住宅小区建筑外观及其周边环境的质量。基于安居客小区实景图像数据，通过卷积神经网络（CNN）开展图像回归分析，以实现小区环境质量的自动化评估，具体包括4个步骤：图像采集、人工标注、模型训练和自动评估。1.2.1 图像采集
基于安居客采集武汉市小区的实景图像数据，共采集到7 895个小区的原始图像111 658张。最终剔除无效图像12 091张，得到有效图像99 567张。在武汉市各行政区按比例随机抽取10 000张有效图像作为标注集，用于图像回归模型训练。1.2.2 人工标注
邀请5位志愿者对标注集图像进行人工判读打分。在打分系统上，志愿者从现实居住的感受和需求视角出发，对每一张图像进行标注，由高到低赋值5—1。建议志愿者综合考虑以下维度来评估小区环境质量：建筑楼体（崭新—破旧）、公共空间（齐全—缺失）、景观绿化（丰富—匮乏）、环境卫生（整洁—脏乱）和空间秩序（有序—无序）。人工标注实景图像的评估体系
1.2.3 模型训练
将标注集图像样本按比例随机划分为训练集（80%）和测试集（20%）。首先，基于训练集构建小区实景图像和环境质量得分的回归模型。本文首先应用经典CNN模型ResNet18网络开展图像回归分析，网络层数适中，收敛速度较快，适用于图像美学质量评价。同时，在网络中添加卷积块注意模块（CBAM）以关注图像中有意义的特征（通道注意力模块）以及最具信息量之处（空间注意力模块）。模型训练由具有超强并行计算能力的GPU云服务器提供计算服务。其次，根据多次测试结果对模型相关参数进行调整。最终，模型训练到50次左右，loss损失函数实现收敛。计算模型的R²以判断图像回归模型的拟合效果，公式为：1.2.4 自动评估
搭建K8S集群，并部署图像回归模型，实现小区环境质量的自动化评估。基于武汉市小区全部有效图像，计算每个小区的环境质量得分，公式为：1.3 空间计量分析
1.3.1 空间自相关分析
为了探究小区环境质量和房价的空间相关关系，采用单变量莫兰指数（Univariate Moran's I）刻画二者各自的空间集聚特征，通过双变量莫兰指数（Bivariate Moran's I）探索二者的空间耦合关系。1.3.2 空间回归分析
考虑到小区房价的空间分布具有较强的空间依赖性，本文采用空间滞后模型（SLM）来探索小区环境质量对房价的影响。该模型考虑了房价（因变量）的空间自相关性，即某一小区的房价不仅与自身条件有关，还与其周边小区的房价有关。
由于小区房价是其内部条件和外部设施配套等因素共同决定的结果，本文的内部因素选取了小区环境质量、绿化率、容积率和房龄等连续变量；外部因素通过房价的空间滞后项表达，因为房价通常能反映该区域的交通、公共和商业等设施配套情况，所属城区采用二分类变量，包括主城区和远城区。所有自变量的VIF均小于1.5，不存在严重的多重共线性。
变量说明和描述性统计
小区环境质量的空间分布特征
2.1 市级尺度
分析武汉市小区环境质量的空间分布特征，并进一步比较老旧小区和新建小区环境质量的差异性。采用自然断点法绘制武汉市小区环境质量的散点图，将其分为5类：低值区（≤2.41）、中低值区（2.42—2.91）、中值区（2.92—3.39）、中高值区（3.40—3.89）和高值区（≥3.90）。
从数量上看，武汉市共有存量小区7 895个，小区环境质量平均值为3.16。其中，老旧小区2 725个，占比34.52%；57.61%的老旧小区环境质量位于中低值区及以下，平均值为2.83。新建小区5 170个，占比65.48%；51.05%的新建小区环境质量位于中高值区及以上，平均值为3.34。单因素方差分析的结果表明，老旧小区环境质量显著低于新建小区，亟待系统提升。
武汉市小区环境质量分布区间
2.2 区级尺度
比较不同行政区的小区数量与质量特征。从数量来看，江岸区（656个）、武昌区（584个）和洪山区（337个）的老旧小区数量位列全市前三，武昌区（52.66%）、江汉区（51.30%）和江岸区（45.71%）的老旧小区区内占比位列全市前三，表明以上地区的老旧小区基数较大，是需要重点关注的地区。从质量来看，主城区中江汉区（2.98）、江岸区（3.03）和武昌区（3.03），以及远城区中新洲区（3.02）、蔡甸区（3.04）和黄陂区（3.12）的小区环境质量低于全市平均水平（3.16），说明以上地区的小区环境质量亟待优化和提升。2.3 街道尺度
由于武汉市70%的小区、82%的老旧小区位于主城区，本文进一步刻画主城区街道尺度的小区环境质量空间分布特征，并结合典型地区和典型小区，具体展示和说明老旧小区特征①。总体而言，低质量和中低质量的小区集中分布在江岸区、江汉区、青山区和武昌区沿江地带的街道。青山区老旧小区多为武汉钢铁厂的职工单位房。其中，建成于20世纪50年代的红钢城红房子片已经完成腾退工作，由武汉华侨城实业发展有限公司主导开发建设8、9、10街坊地块，并在其周边建设了“红坊”系列小区。此外，青山区推进38、42、43等街坊棚户区改造工作，建设了八大家花园系列还建房，提升了小区环境质量。青山区现存老旧小区以钢花村街道系列街坊为典型，表现为人口与住宅“双重老龄化”的特征。目前政府已经完成了“三供一业”改造，但是仍然存在住房老旧、道路破损、适老化设施缺乏、休闲活动场所不足、一楼和顶楼私搭乱建等问题。
武昌区以单位房、商品房为主，低质量老旧小区集聚在武昌区中部的中华路、粮道街、积玉桥、首义路、中南路等街道，南湖街道的小区环境质量较高。南湖街道是武昌区政府开展“幸福社区”共同缔造的首批试点，通过“政府主导、规划师中介、居民参与”的形式，推动小区微更新。
3小区环境质量和房价的空间关系
3.1 小区环境质量和房价的空间集聚特征
通过空间自相关分析探究武汉市小区环境质量和房价的空间集聚特征。小区环境质量的单变量Moran's I为0.365，且在1%水平上显著，说明存在显著的空间集聚效应。根据下图a，主城区低质量的老旧小区连片分布在沿江两岸，特别是老里分住宅，因此呈现“低—低”集聚特征；周边有部分新建小区，故呈现“高—低”集聚特征；再外围多为新建小区，环境质量较高，由此呈现“高—高”集聚特征；远城区则是高质量的新建小区和低质量的老旧小区交错分布。小区房价的单变量Moran's I为0.666，表明空间正相关性极强。高房价小区主要集中在主城区沿江地段，低房价小区则大多位于远城区和主城区边缘地区。
小区环境质量—小区房价的双变量Moran's I为0.020，二者同样存在显著的空间相关性。二者从中心向外围形成了“低—高、高—高、高—低、低—低”的空间集聚格局。主城区小区由于区位优势、配套齐全、居住环境比较成熟，房价整体较高（均价18 768元/m²），因此新、老小区的“环境质量—房价”分别呈现“高—高”和“低—高”集聚特征。而远城区小区受到区位限制，房价整体偏低（均价9 583元/m²），因此新、老小区的“环境质量—房价”分别形成“高—低”和“低—低”集聚格局。
3.2 小区环境质量对房价的空间影响分析
由于小区环境质量和房价存在显著的空间依赖性，并且拉格朗日乘子检验结果显示Robust LM（lag）值在1%的水平上显著，因此需要构建空间滞后模型进一步探究小区环境质量对房价的影响。为了更直观地显示和比较不同自变量对房价的影响程度，本文对所有连续变量进行标准化处理后，再进行回归分析，模型拟合结果见下表。可以看出，空间滞后模型（SLM）的拟合度优于普通最小二乘法（OLS），具体表现为模型2、模型4和模型6的R²和Log likelihood提高，AIC和SC降低；并且空间滞后项在1%水平显著，说明某一小区的房价受到了周边小区房价的显著影响。武汉市小区房价影响因素的回归模型
结论与讨论
本文以武汉市为例，基于安居客小区实景图像，运用深度学习、空间计量等方法，从宏观、中观、微观多尺度开展了城市老旧小区体检工作，刻画了老旧小区环境质量的空间分布特征，揭示了小区环境质量与房价的空间相关关系。结合上述分析，本文得出以下政策启示：
（1）武汉市应加快推进江岸区、江汉区、武昌区、青山区等低质量老旧小区集聚区的连片更新改造工作，重点关注老里分和单位房小区，推动核心地区的品质提升。
（2）因地制宜地制定老旧小区更新策略，充分借助政府、市场和社会等多方力量，破解老旧小区脱管、失管的现实治理难题。
（3）应加强多源数据的有机融合，科学运用“大智移云”等信息技术，系统、有效地开展城市体检工作。
注释：① 典型街道为低质量小区集聚街道，综合考量街道内老旧小区的数量和质量进行选取；典型小区的选取尽量涵盖各个老旧小区类型、各个小区质量得分区间，以呈现不同类型和质量的老旧小区特征。详情请关注《上海城市规划》2025年第1期《基于计算机视觉的城市老旧小区环境质量大规模测度研究——以武汉市为例》，作者：高非凡，中国人民大学公共管理学院；李志刚（通信作者），武汉大学城市设计学院，湖北省人居环境工程技术研究中心。本文内容仅代表作者观点。
我国建筑科学领域高质量科技期刊分级目录、中文核心期刊、中国科技核心期刊、RCCSE中国核心学术期刊、中国人文社会科学A刊引文数据库扩展期刊、《中国学术期刊影响因子年报》统计源期刊、《中国学术期刊网络出版总库》全文收录、《中国核心期刊（遴选）数据库》全文收录、美国《乌利希期刊指南》（Ulrich's Periodicals Directory）和JST日本科学技术振兴机构数据库收录期刊
官方网站（在线投稿）：
来源：上海城市规划杂志
