EN中文

JOURNAL OF NATURAL RESOURCES >

2022 , Vol. 37 >Issue 8: 2004 - 2017

DOI: https://doi.org/10.31497/zrzyxb.20220806

Youth Forum on Territorial Space

Identification, characters and causes of housing vacancy:A perspective from multi-source data

  • JIAO Lin-shen ,
  • ZHANG Min ,
  • QIN Xiao ,
  • KONG Yu
Expand
  • School of Architecture and Urban Planning, Nanjing University, Nanjing 210093, China

Received date: 2021-09-06

  Revised date: 2021-12-23

  Online published: 2022-10-28

Fold

Abstract

To figure out the number and pattern of the vacant houses is essential for spatial planning and city examination & evaluation. However, the limitation of fine data and methods has been a big barrier to accurately identifying and revealing the dynamic pattern of vacant houses. This paper developed a computational model to identify the vacant houses and to calculate the residential housing vacancy rate (HVR) based on the monthly electricity consumption data from all the households in X county in 2019. The results showed that: (1) The HVR of X county was 21.64%, and 33.81% of households had been vacant in 2019. Meanwhile, the rate of the households that were vacant in Chinese New Year's Eve and had been vacant all the year was 19.97% and 11.45%, respectively. (2) The monthly HVR fluctuated regularly, with February, August at the bottom, and May and November at the peak. However, the HVR of February when China's traditional Spring Festival fell did not decline as much as we expected. (3) The village HVR had spatial autocorrelation attribute and the urban built-up areas were the hotspots which deserve more attention. (4) Being vacant all the year is the top one model among 1931 vacant types. The paper held the view that the mechanism of the vacant in X county is (1) the change of the form of population migration and mobility; (2) housing filtering which occurred in rural families, and (3) over "housing urbanization" in the urban built-up areas. We argue that identifying and sensing vacant houses are fundamental works in spatial planning. Meanwhile, spatial planning should react properly to the rural vacant houses and transform the goal from the expansion of land to rising the wellbeing of people. We need to pay much attention to the vacant houses in the city because it is a signal of the mistake in planning. The vacant identifying computational model and the research result are helpful to advance housing vacancy study, which is significant for spatial planning.

Key words： housing vacant rates; big data of electricity consumption; spatial planning; shrinking village; shrinking city

Cite this article

JIAO Lin-shen , ZHANG Min , QIN Xiao , KONG Yu . Identification, characters and causes of housing vacancy:A perspective from multi-source data[J]. JOURNAL OF NATURAL RESOURCES, 2022 , 37(8) : 2004 -2017 . DOI: 10.31497/zrzyxb.20220806

目前国土空间规划正处在我国城镇化的关键时期,人口在城乡之间、城市之间的分布出现新的分野,人地关系正在进行一次深刻的重构,其突出表现为乡村人口进一步流出和城市间的人口迁徙[1,2]。六普、七普数据显示我国的人口流动参与度从2010年的15%大幅提升至2020年的26.6%[3]。城镇化中大量的人口流动、迁徙的侧面表现是乡村和欠发达地区城镇大量住房空置。2017年我国的城镇住房空置率为21.4%[4],远高于经济学领域研究认为的10%这一健康空置率警戒线[5],也高于发达国家,如日本为13.6%（2018年）、美国为6.8%（2018年）。乡村的住房空置率仍在快速提高,有些乡村的空置率已经超过50%。较高的空置率和大城市住房紧缺并存反映出住房供给不平衡、土地资源利用不够高效、空间资源错配等问题。居住空间的占有、转移和弃置是人地关系变动的投影,空置住房是空间变化基于空间惯性滞后于人地关系变化的表现。本轮国土空间规划强调空间资源的底线约束和存量规划,空置住房所占据的国土空间资源的合理利用、有序退出和再分配涉及存量用地指标挖潜、流转与空间格局优化。精准感知空置住房的总量、分布和节律特征对提高国土空间规划的科学性具有重要价值,也有助于开展有效的规划评估、城市体检工作,深化人口与城镇化、土地利用、住房等方面的研究。
住房空置是全球性的挑战。近年来,我国城乡住房空置现象开始得到广泛关注,既有研究大致可分为四类。（1）关注新建商品住房的空置研究,主要用于监测房地产市场是否健康[6]。（2）关注住房租赁市场中空置时长的研究,侧重住房资源利用效率问题,以经济学领域研究为主[7]。（3）以“鬼城”为代表的城市级空置研究,重点探讨城市过度开发、超前开发、识别等问题[8,9]。（4）聚焦人口迁移与住房空置联系的研究,主要集中在收缩城市和收缩乡村两个领域。综合而言,第四类研究在城乡均有涉及,在全国各地普遍存在,其研究视角和对象与国土空间规划关联也最为紧密。具体而言,“空心村”是最早关注空置的研究领域,围绕乡村空置住房出现的机制、治理展开了大量研究[10⇓-12]。诸多研究和规划实践将乡村空置住房作为耕地占补平衡和城乡建设用地增减挂钩指标的挖潜对象,但由于未能对空置进行准确的识别,而采用次优方法,基于人均用地规模、一户一宅等规定性指标和宏观数据进行粗略估算,存在准确性差、指导性有限等问题,甚至采用拆村并居这一较为激进的方式进行土地整治,引发了一定的社会矛盾[13]。住房空置是收缩城市和收缩乡村最显著的空间特征,但目前的研究仍停留在应对空置的国际经验探讨层面[14⇓-16],尚未形成基于空置住房的收缩城市识别、测度方法[17]。随着空置问题日益突出,精明收缩理念在城乡空置住房的应对中得到了广泛探讨[18⇓-20];亦有研究从国土空间规划的语境出发,认为应加强空废感知[21]、进行空间形态调整[22]。整体而言,目前关于空置的研究主要集中在乡村领域,本土化的城市空置研究尚处空白阶段,且缺少城乡统筹一体视角,如何对空置住房进行精准识别是阻碍空置研究的基础性问题,也是决策者和规划师进行规划决策所必需的信息[23]。
新数据和新技术方法在空置住房识别和空置率测算方面表现出较强的优势。早期研究主要采用田野调查、统计数据、遥感影像等,存在研究尺度小、数据粒度粗、效率低等缺点[24]。近年来,随着大数据与相关研究方法的兴起,用水数据[25]、电力数据[26]、夜间灯光数据[9,27]、街景影像[24]、行车影像[28]、高分遥感影像[29]等逐渐成为新兴研究数据,并衍生出新的测算方法,提高了研究的精细度和准确度。如Zou等[29]利用高分遥感影像将空置住房的识别推进到了单体住房层面。其中电力与居民活动高度相关,在研究空置方面具有独特优势,得到了广泛应用。早期,孟斌等[6]基于问卷调查中的居民自报用电量,通过设定阈值进行空置判定。Li等[26]采用家庭年用电量数据对赤峰市松山区的乡村住房空置率进行了识别。已有研究通过数据和方法迭代,一定程度上提升了空置住房的识别精度,但在进一步提升研究深度和满足空间规划实用性要求方面,仍存在精度不高、研究尺度受限、难以刻画空置时空特征等问题。
本文以中国北方X县为例,利用全域居民分月用电大数据构建精确到户的空置识别和空置率计算模型,以月为时间尺度分析其一年中的空置节律,以村域为空间单元分析全县的空置格局特征,结合村情问卷、不动产数据库、POI、访谈等多源数据,对空置成因进行探寻,以期为空置研究和国土空间规划在土地指标挖潜、空置住房问题应对、规划评估等方面提供依据。

1 研究方法与数据来源

1.1 案例地概况

X县位于华北平原,距省会城市约73 km,距地级城市约48 km,境内地势平坦,是典型的农业县。2020年,户籍户数6.89万户,户籍人口20.68万人,常住人口16.88万人;城镇化率为40.37%,低于全国平均水平;三次产业占比21.9:40.4:37.7,是典型的农业县。全域行政面积260.95 km2,下辖5个乡镇,121个村。实地调研发现X县人口大幅流出,县城发展能级低,乡村和县城住房空置现象均较为突出。华北平原是我国重要的传统农业地区,地势平坦,交通便利,城乡交往密切,人口和居民点分布较为均质,各区县在社会经济、地域文化等方面具有一定的共通性,如普遍具有内生发展动能不足,人口流出比例大,住房空置现象突出等相似特征。因此,X县在华北平原地区城乡空置研究方面具有一定的代表性。选择该县全域全县居民用电户进行研究也有助于从城乡一体的视角理解城乡住房空置现象的差异性和关联性。
图1 X县与周边城市直线距离

Fig. 1 The distance of X county to its peripheral cities

1.2 数据来源

本文使用的数据主要来自电力大数据,此外还有村情调查问卷、不动产数据库、统计数据、质性访谈、POI等。电力数据为X县全县电力用户在2019年间每个月的月用电量数据,共104.9万条。数据包含脱敏、匿名处理后的用户名称、用户编号、用电地址、电价名称、月用电量等字段。该县用电数据每日上传一次,月用电量数据精准可信,时效性高,在研究居民居住活动方面与用水量、用气量等其他市政数据相比更具优势。村情调查问卷共121份,覆盖全县所有行政村,于2020年春季发放,由熟悉村情、表达能力较好的村干部填写,准确度和可信度较高。开源数据包括POI、路网等数据。此外我们还对案例地进行了多次田野调查,对城乡居民、政府领导、电力局技术人员等进行了多轮访谈,对空置现象形成了丰富多维的认识。需要说明的是,本文所用电力数据中的用户为研究期内电表正常工作的住户,一个电力用户视为一处住房,不包括电表已经拆除、不具备居住条件的荒废住房和新建待售商品住房。

1.3 空置识别方法

现有研究对住房空置的界定尚未形成统一标准,不同国家、学者对空置的定义往往根据研究问题、研究对象和研究数据精度不同而有所不同[30]。如根据空置住房是否为新建商品住房分为增量空置和存量空置[31],根据住房是否用于租赁分为租赁住房空置和自有住房空置,以及相应的租赁住房空置率和自有住房空置率[31]、自然空置率[6]等。总体而言,对空置的界定分为到访时无人居住和居住时长不满特定阈值两种。空置率（Housing Vacancy Rate）指地区中空置住房的占比,是衡量空置程度的重要指标。其测算方法可从面积（建筑面积或宅地面积）与数量两方面出发,数据可获性和精度是决定测算方法的主要依据。
参考已有研究,本文侧重于从有无居住活动进行空置判定,将空置住房定义为仍具备居住条件,短期或长期无人居住,不被使用的住房。对空置的判定共分两步,第一步确定非空置单户月用电量的最低阈值MECmin。国家电网将年用电量低于20度作为界定空置的标准,结合对月用电量的数据分析、实地调研和与电力公司的交流讨论,排除无人居住时家中用电设备（如监控设备、待机电器等）的影响,考虑到临时照看亲邻的住房这一在案例地普遍存在的情况,将MECmin设置为5度。第二步判定该户月用电量是否低于MECmin,低于的则为空置。
参考相关研究基于个体时间利用提出的收缩测度[21]方法,本文倡导从单体住房的时间利用视角出发对空置率进行测度,即一定时段内的时间总量为住房总时间T,该时段内住房不被使用的时间为住房空置时间Tv,时间单位随数据精度而定,可以是年、季、月,甚至是日,Tv与T的比值即为空置率。以本文所用分月电力数据为例,单户住房在2019年的年内总时间为12个月,如果当年的年内空置总时间为6个月,其空置率则为6/12,即50%。该方法兼具空置所蕴含的时间和空间双重内涵,能呈现空置的多个维度。其优势在于可在不同的时间粒度和空间尺度层面进行向上聚合和向下分解,并可进行组合,横向上可进行对比分析,纵向上可刻画空置节律。例如可得到不同时间尺度上的年空置率、季空置率和月空置率,不同空间尺度上的县空置率、镇空置率和村空置率,将其组合得到村月空置率、村年空置率等。以县年空置率为例,其计算模型如下：
H V R c = T v T = T v 1 + T v 2 + · · · · T v n n × 12 × 100 %
式中： H V R c为县年空置率（%）; T v和 T分别为该县所有住房的年内空置总时间和年内总时间（月）;n为该县住房总数,也即电力用户总数（户）。由于采取的时间单位为月,每户住房的年内总时间为12月,全县的住房年内总时间即“ n × 12”月, T v 1至 T v n分别代表编号从1至n的住房在一年中的空置时间。

2 结果分析

2.1 县域住房空置时空特征

根据电价名称、用户名称（匿名）、用电地址等信息共识别出居民用户70769户,高于户籍户数,符合当地少量家庭拥有多套住房的实际情况。依据前述空置识别和空置率计算模型,从县、村两个空间尺度和年、月两个时间粒度分别得出县年空置率、县月空置率和村年空置率、村月空置率。2019年,县年空置率为21.64%,户均空置2.6个月;各村年空置率存在差异,最低的为12.42%,最高的为30.18%。

2.1.1 空置率随月份规律波动,但波动幅度较小

各村的月空置率随月份波动的特征较为明显,变动趋势类似（图2）。县月空置率随月份呈规律波动态势,分别在8月（19.89%）、2月（19.97%）形成波谷,在5月、11月形成波峰。1月份的空置率为23.09%,系全年最高值。2月份（春节所在月份）骤降至19.97%,为全年最低值（与8月份空置率基本相同）。2-8月之间呈对称倒U型波动,空置率由2月份的低值逐渐上升,在5月份上升至22.80%,达到峰值,继而逐渐下降,在8月降至19.89%,为全年最低值。8-12月呈逐渐上升态势,在11月到达高点,当月空置率为22.81%,随后在12月出现小幅下降。
图2 全县和各村月空置率波动

Fig. 2 The fluctuation of the monthly HVR of the county and all the villages

整体而言,以春节所在的2月为分界点,2月之后数月的空置率变化较为和缓,波峰与波谷之间相差3个月;但1-2月的空置率变化则较为急促,从最高值骤然下降到最低值。需要特别注意的是除夕所在月份（2月）的空置住房数量为14132户,占比为19.97%,仅比年空置率和波峰时期的月空置率分别低0.75%和3.12%,相对于春节期间巨大的返乡人口而言,春节返乡人口并未显著地降低住房空置率。此外8月并非农忙时节和节庆所在月份,但却是全年中空置率最低的月份。

2.1.2 县城为空置率高值集聚区

空间自相关分析可用于判断某种属性在空间分布上是否相关,采用全局自相关分析可以判断出空置率这一属性在空间上是聚类模式、均匀模式还是随机模式。热点分析可以分析某种属性端值的分布位置,更好地呈现空间差异。本文以村域为分析尺度,运用ArcGIS中的分析模块工具对各村年空置率进行Global Moran's I检验,发现莫兰指数值为0.19（p<0.05）,表明空置率在空间上存在空间自相关关系。对村年空置率进行热点分析,z值为1.28,表示空置率具有显著的集聚特征。具体而言,空置率高值集聚在县城所在区域,低值集聚在县域西部和西南部（图3）。进一步分析发现,县中心城区共覆盖10个村的居民点,而年空置率高于县年空置率的村多达7个（图2）。对村月空置率的空间分析表明,空置率分布格局在一年中较为稳定,不同月份之间变动较小,县城仍位于空置率高值集聚区（图4）。县城作为尚有人口流入和县域内最高级的聚居点,却是县域内空置率最高的区域值得特别重视。
图3 各村年空置率及冷热点分布

Fig. 3 The yearly HVR of all the villages and the pattern of the cold and hot spots at county scale

图4 各村月空置率冷热点分布

Fig. 4 Distribtion of cold and hot spots of villages' monthly housing vacant rates

2.1.3 空置节律模式以全年性空置为主

本文识别出2019年中出现过空置的住房共有23926处,占比（如无特殊说明,均为在总样本中的占比）为33.81%（图5）。为了更精准地呈现空置的时长和时点,研究将一处房屋在1个月中的使用状态分为非空置和空置2种,理论上12个月的居住节律组合共有212,即4096种,除去全年均非空置的1种情况,共有4095种空置节律模式,分析发现实有空置节律模式1931种。将其按对应住房数量进行降序排列,位列第一的为12个月均空置,其对应住房数量在空置住房总量中的占比为33.86%;居第2位、第3位的空置节律模式的占比则分别骤降至3.46%、1.78%,并在第9位跌至1%以下。本文将全年均空置的模式称为全年性空置,将其余1930种空置模式称为间断性空置,两者对应空置住房总量的比值为0.51:1。访谈和问卷分析结果显示,全年性空置增多趋势明显。可见,全年性空置模式处于绝对的主导地位,是众多空置节律模式中值得特别注意的一类。
图5 空置类型及其占比

Fig. 5 The ratio of different types of the housing vacancy

空置是人地关系的表征,全年性空置预示着该类家庭与城市或当下所住住房建立了紧密联系,而与家乡或原住房的人地关系已经较为疏离,间断性空置表明人地关系虽趋于淡薄,但尚存有一定联系。鉴于春节是否返乡团聚是流动人口与家乡的人地关系和家乡地缘社会关系淡化与否的双重体现,春节期间空置但非春节期间有居住活动的空置也值得特别注意。该类空置住房共计6031处,占比8.52%,其平均使用月份为4.7个月。换言之,X县有8.52%的家庭在春节期间并不返乡居住,但却会在一年中的其他月份因事一次或多次返回家中,平均居住4.7个月。

2.2 住房空置的成因

一般认为,就业环境差、公共设施质量不佳是导致空置的主要诱因。本文通过村情调查问卷、POI、三调、不动产数据库、统计年鉴等数据,提取出各村的人口、住房等7个维度,20项观测指标,将其与村年空置率进行相关分析。结果与常识相悖,如设施完善程度与村空置率正相关（表1）,表明一般的住房空置解释框架不适用于案例地。
表1 观测指标与村年空置率相关分析结果

Table 1 Pearson correlation coefficients between observed indexes and village vacant rates

变量类型 变量名称 全部村庄 不含城区村
相关系数 观测样
本数/个		 Sig.（双尾） 相关系数 观测样
本数/个		 Sig.（双尾）
人口 近5年户籍转城人口占户籍人口比例 0.234* 85 0.0311 0.282* 79 0.0119
户籍人口（人）2019年 0.1149 121 0.2093 0.0092 111 0.9239
常住户占户籍户比例 -0.0211 121 0.8182 -0.0995 111 0.2986
常住人口占户籍人口比例 0.0912 121 0.3196 0.0488 111 0.6114
住房 宅均面积/m2 -0.1139 106 0.2451 -0.1159 104 0.2413
近5年新建房屋数占户籍户比例 -0.0453 109 0.6399 -0.0356 101 0.7239
城市购房户占户籍户比例 -0.0068 119 0.9416 0.0652 110 0.4989
所建住房占比_2010年至今 0.0980 100 0.3318 0.0690 95 0.5064
所建住房占比_2000—2010年间 -0.1279 100 0.2046 -0.1039 95 0.3162
所建住房占比_20世纪60至70年代间 0.0747 100 0.4602 0.0549 95 0.5975
教育设施 中小学数量/个_3000 m内 0.393** 121 0.0000 0.281** 111 0.0028
幼儿园数量/个_2000 m内 0.310** 121 0.0005 0.1772 111 0.0629
生活设施 POI数量/个_3000 m内 0.290** 120 0.0013 0.0965 110 0.3158
市政设施 有排水管渠 0.228* 114 0.0147 0.1217 104 0.2186
村庄美化与否 -0.0290 114 0.7593 -0.0303 104 0.7599
收入与本地就业机会 人均年收入/元 -0.0803 86 0.4621 -0.0501 79 0.6612
工业仓储用地面积/m2_3000米内 0.0310 121 0.7356 -0.0859 111 0.3703
农业生产 人均耕地面积/m2 -0.374** 121 0.0000 -0.260** 111 0.0059
耕地流转意愿 0.1255 118 0.1756 0.212* 108 0.0276
耕地流转率 0.0195 110 0.8401 0.0567 104 0.5678

注：（1）*为p<0.05,** 为p<0.01;（2）观测指标为村域、村居民点中心的相关属性。数据来源于村情调查问卷、高德地图POI、三调、不动产数据库、统计年鉴等。

对空置住房成因进行系统阐释的理论主要包括住房过滤理论（Filtering Theory）、竞租理论（Bid-rent Theory）和空置链理论（Vacancy Chain）。住房过滤理论[32]基于家庭生命周期和住房生命周期变化,认为质量逐渐降低的住房会通过市场从高收入群体传递给低收入群体,直至废弃。竞租理论[33]被引申至城市住房的区位选择中,认为高收入群体向郊区迁移造成了内城空置。空置链理论认为新的住房建设会促发别处的空置,即本地居住流入以异地居住流出为前提[34]。以上理论均是在西方郊区化和人口规模小、人口密度低的背景下提出的,研究对象局限于城市住房空置,对中国城乡空置现象解释力尚相对有限。本文结合实地考察、问卷调查和访谈资料,援引住房过滤理论和空置链理论并进行扩展,归纳X县城乡住房空置的成因。

2.2.1 新流动模式带来新空置现象

住房空置形成的必要条件是全部家庭成员均不在其住房内居住,也即必须是举家迁移。新劳动力迁移理论强调家庭成员在迁移决策中的重要性,家庭生命周期理论认为处于不同阶段的家庭的流动策略有所不同。为了弥补家庭分离造成的福祉损失,举家迁移正在成为流动的主流模式[2,35]。问卷分析结果显示X县儿童和老人随迁入城的趋势较为明显。此外,家庭团聚模式也在发生变化,留守家庭成员入城替代流动人员返乡正在成为新趋势,这也是春节期间空置住房的居住时长仍有4.7个月的原因。可以推测,随着市民化机制不断完善,将有越来越多的流动家庭可在城市完成全生命周期、全家庭成员、年内全时段的工作和生活,空置住房数量也会随之增多。

2.2.2 扩展家庭内部的住房过滤加快老旧住房空置

乡村扩展家庭①(①2019年公布的计划生育学科名词,指在核心家庭基础上还包括其他成员的家庭模式)中的住房过滤现象具体表现为年轻家庭为改善父母的居住条件,将自己质量相对较好的住房传递给父母,其父母原有住房逐渐破败,最终被滤出。调研和问卷分析（65%）均证实X县有相当比例的家庭会将空出的住房转给父母居住。与城市住房过滤的不同之处在于：（1）过滤发生于扩展家庭内部;（2）过滤的动力来源于家庭内部分工互助和孝道伦理要求。
调查发现,住房过滤引发的空置具有如下四个特征。第一,年轻家长发生流动是前提,至少是长期不在家居住。第二,扩展家庭内部有分工合作会显著促进住房过滤,譬如需要父母在自己家中照顾自己的子女。第三,老年父母的住房质量越差,越容易促发过滤。第四,住房过滤程度取决于年轻家庭的迁移程度。年轻家庭在城市稳定安居的概率越大,中老年父母返回原有老旧住房的概率越小,老旧住房逐渐破败、被加速滤出、完成土地腾退的可能性就越高。本文认为扩展家庭内部住房过滤引起的空置是一种住房资源优化利用的良性空置现象。

2.2.3 县城住房城镇化导致县城住房大量空置

受乡村住房观念转变等因素影响,县城得以在近10年来凭借“繁荣”的房地产市场进入空间扩张期。但县城自身较弱的经济实力和较差的就业环境并没有吸引到与空间扩张相对应的就业人口。借鉴学界用“人口城镇化”和“土地城镇化”描述两种不同的城镇化模式以及人口与土地的脱节,本文将由住房推动而非城市整体实力提升推动的城市扩张称为“住房城镇化”,是县城空置率最高的主要原因。第一,住房带动城镇化与工业化带动城镇化的显著不同在于前者的动力为原乡村留守人员进城生活和便于子女接受教育或为此做准备,而非寻求工作机会[36]。调研发现,产业空心化致使多数购房家庭的“生活空间”和“就业空间”依然不能统一,仍有相当比例的家庭选择举家或部分家庭成员外出务工。第二,新建小区促发空置链致使县城其他原有社区出现空置。X县中心城区内的大片老旧社区与乡村住房几无分别。新建小区是触发空置链的前端因素,部分老旧社区中的家庭迁出至新建的小区后,其原有住房未能进入市场参与流通或二手房市场活力过弱,老旧社区也没能进行更新改造使得空置链条得以完整运行。

2.3 面向国土空间规划的空置应对策略

国土空间规划和常态化的城市体检、规划评估、乡村建设应加强对城乡空置现象的研判,及时予以回应。

2.3.1 重视空置识别在国土空间规划中的基础作用

通过空置识别准确掌握人居空间的利用现状及其变动趋势对提升规划的科学性至为重要,具体可在村庄分类、土地整治潜力测算、村庄建设评价、城市体检等方面展开探索。乡村空置住房兼顾人口和土地两项规划核心要素,对其进行精准识别可预判乡村发展趋势,辅助乡村分类,据此实行差别化的土地综合整治可有效优化国土空间开发保护格局[37]。需特别注意的是,出现空置与宅地退出之间存在时滞,扩展家庭内部过滤出的老旧住房最可能优先进入整治阶段,可通过提高市民化水平、促进乡村住房过滤等举措缩短时滞。加强对城市空置时空特征的认识有助于精准感知城市脉搏、体察城市发展动向、评估规划实施效果。但遗憾的是近日印发的《国土空间规划城市体检评估规程（报批稿）》和《关于开展2021年乡村建设评价工作的通知》或因受数据和方法的限制,均未纳入住房空置率这一指标。整体而言,基于电力大数据的空置识别方法在智慧国土空间规划[38]、城市体检等规划实践中具有广阔的应用前景,应重视其在国土空间规划中的基础作用。

2.3.2 客观看待乡村住房空置,转变规划范式

对空置的价值判断是规划决策的前提。依据经典的人口迁移流动转变理论[39]可认为以举家迁移为代表的新流动模式引发的空置是城镇化到达一定阶段的自然现象。扩展家庭内部住房过滤引发的空置则具有改善中老年人居住质量、提升存量住房资源利用效率的积极效应。从人本视角出发,个体、家庭依发展需要进行自由、便捷的流动这一基本权利和“进入城市的权力”[40]均应得到保障。住房空置是家庭基于自身利益最大化做出的理性迁移行为在空间层面的副产品。因此,结合生命周期理论,乡村地域的住房空置可被视作聚落和土地自然变化过程中的一环[41],在某种层面上具有乡村人口福祉改善的积极意涵[21]。此外,不同村、县的空置情况在时空特征、程度和阶段方面存在不同,应予区别看待。
因此,类似X县的国土空间规划应该转变增量规划范式,主动地进行减量规划。乡村方面除了乡村振兴之外,还应有另一条主线,即在充分调研的基础上,审慎地制定精明收缩的规划策略。“增进民生福祉是发展的根本目的”。住房大量空置地区的国土空间规划目标不再是空间增长,而应致力于提升当地居民的福祉水平。

2.3.3 警惕县城住房空置,科学推进县城高质量发展

县城拥有全县最完善的公服设施、最好的就业环境,在吸纳农业转移人口和回流人口方面被寄予厚望,如《2021年新型城镇化和城乡融合发展重点任务》提到“推进以县城为重要载体的城镇化建设”,但本文却发现X县全域的空置率高值集聚区正是县城。县城在我国城镇化率尚有相当提升空间和县城城市空间与人口均在增长时即出现全域最严重的住房空置问题,国土空间规划必须予以特别注意。
本文认为人口流出地区县城的空置问题值得高度警惕。国土空间规划可在以下三个方面重点审视县城的定位和空置背后的风险。第一,正视县城在区域城市网络中吸纳农业转移人口的能力。研究表明人口向城市群、都市圈、大城市流动的趋势明显[42],限于自身城市能级和辐射腹地规模,县城的人口吸引力相对有限。第二,住房城镇化中的产业空心化风险。当前通过流动寻求良好就业发展机会、较高收入仍然是居民参与流动的最主要原因[43]。从目前的研究和实地调研来看,包括X县在内的人口流出地区的多数县城受自身产业发展限制,已继乡村之后成为乡村转移人口另一个短暂回乡居住、休整的场所,乡村的空置悄然转至县城。第三,预见到城镇化后期城城人口流动带来的挑战。城城流动人口和占比持续增多是我国迁移流动模式中极具特殊意义的结构性变化[1,2,43],使多数县级中小城市在人口争夺方面面临严峻挑战,以及人口流失、住房空置、空间破败、财政赤字等问题。综上,人口流出地区的国土空间规划不应高估县城的吸引力和人口回流的促进作用,可通过科学预测城市人口和用地规模,审慎把握建设节奏,避免过于超前,调整开发模式,注重通过有机更新挖潜存量指标等方式,推进县城高质量发展,避免在未来陷入住房空置率过高的窘境。

3 结论与讨论

乡村空置住房正在数量、程度、类型等方面发生质变,城市空置问题开始得到广泛关注,空置研究的意义日益凸显。本文基于电力大数据提出了一种较为精准、高效的空置住房识别和空置率计算模型,并以X县为例对空置住房的时空特征进行了分析,发现该县出现过空置的住房占比高达33.81%,年空置率为21.64%,空置率在一年中随月份小幅规律波动;村空置率具有空间自相关属性,县城是空置率高值集聚区;全年性空置是1931种空置模式最主要的一种,与其余1930种间断性空置模式分别对应的住房数量之比为0.51:1,是人地关系发生深度变化的表征。本文结合村情调查和多主体访谈,将空置成因归纳为三点。第一,举家迁移正在成为主要的新流动模式和留守家庭成员入城团聚是乡村空置的主要原因;第二,扩展家庭内部住房过滤是促发老旧住房空置的主要动因;第三,住房城镇化导致县城部分新建和原有住房出现空置。本文还面向国土空间规划提出了应对空置的策略,即重视空置识别在规划中的基础作用、客观看待乡村空置,转变规划范式、警惕县城住房空置。
本文提出的空置识别模型和分析方法提高了空置识别的精度与分析深度,有助于破除当前空置研究中存在的基础性障碍。研究对象涉及乡村和县城两种城乡地域类型,从城乡统筹一体的视角弥补了国内空置研究局限于乡村或城市一端,缺少城乡统筹一体的综合视角;就城市空置而言,将国内的新建住房空置与西方的内城衰退为代表的空置加以区别。同时,本文也是对住房过滤理论、空置链理论、新迁移理论等理论的一次本土化实证和内涵拓展。但对空置的解释尚停留在成因揭示层面,更深层次的机制探寻还有赖于深度田野调查和案例研究。空置背后的住房资源高效配置、空间格局优化调整、人地关系变化、新迁移流动等均值得在未来进一步研究。本文认为,我国当前的乡村空置是城镇化进程中自然而然的现象,宜疏不宜堵,应对之策以在城市端通过提升市民化质量发力缩短空置存续期、加快空置住房过滤为上,应尽力避免简单的拆村并居。而城市空置则是亟需予以特别重视的问题,应“治之于未乱”,谨防县城在继资源型城市之后在未来成为我国收缩城市的主体。总之,空置的应对必须建立在对现实情况的充分调查和对住房所有人,尤其是乡村居民的迁移决策与个人权利充分尊重的基础之上。

References

Publishing order | Descend order by publishing year | Descend order by cited within
[1]
国家卫生健康委员会. 中国流动人口发展报告·2018. 北京: 中国人口出版社, 2018: 25-26.

[ National Health Commission of the People's Republic of China. 2018 Report on China's Migrant Population Development. Beijing: China Population Publishing House, 2018: 25-26.]

[2]
段成荣, 谢东虹, 吕利丹. 中国人口的迁移转变. 人口研究, 2019, 43(2): 14-22.

[ DUAN C R, XIE D H, LYU L D. Migration transition in China. Population Research, 2019, 43(2): 14-22.]

[3]
程梦瑶, 段成荣. 迁徙中国形态得到进一步确认. 人口研究, 2021, 45(3): 75-81.

[ CHENG M Y, DUAN C R. Highly active population movements in China get further confirmation. Population Research, 2021, 45(3): 75-81.]

[4]
甘犁. 2017中国城镇住房空置分析. https://chfs.swufe.edu.cn/Upload/2017中国城镇住房空置分析简版-1221(1), 2021-12-22.

[ GAN L. 2017 Report of Urban Housing Vacancy in China. https://chfs.swufe.edu.cn/Upload/2017中国城镇住房空置分析简版-1221(1), 2021-12-22.]

[5]
RINK D, WOLFF M. Housing vacancy in Germany: On the conceptualization of a key indicator for housing monitoring by using data from the German Housing Census (GWZ) 2011. Raumforschung und Raumordnung, 2015, 73(5): 311-325.

[6]
孟斌, 张景秋, 齐志营. 北京市普通住宅空置量调查. 城市问题, 2009, 165(4): 6-11.

[ MENG B, ZHANG J Q, QI Z Y. Research on residential housing vacancy in Beijing. Urban Problems, 2009, 165(4): 6-11.]

[7]
张敬云. 住房租赁市场自然空置率确定方法研究. 管理现代化, 2019, 39(4): 117-119.

[ ZHANG J Y. Research on the determination method of natural vacancy rate in housing rental market. Modernization of Management, 2009, 165(4): 6-11.]

[8]
WILLIAMS S, XU W, TAN S, et al. Ghost cities of China: Identifying urban vacancy through social media data. Cities, 2019, 94: 275-285.

DOI

[9]
LU H L, ZHANG C R, LIU G F, et al. Mapping China's ghost cities through the combination of nighttime satellite data and daytime satellite data. Remote Sensing, 2018, 10(7), Doi: 10.3390/rs10071037.

DOI

[10]
刘彦随, 刘玉, 翟荣新. 中国农村空心化的地理学研究与整治实践. 地理学报, 2009, 64(10): 1193-1202.

[ LIU Y S, LIU Y, ZHAI R X. Geographical research and optimizing practice of rural hollowing in China. Acta Geographica Sinica, 2009, 64(10): 1193-1202.]

[11]
龙花楼, 李裕瑞, 刘彦随. 中国空心化村庄演化特征及其动力机制. 地理学报, 2009, 64(10): 1203-1213.

[ LONG H L, LI Y R, LIU Y S. Analysis of evolutive characteristics and their driving mechanism of hollowing villages in China. Acta Geographica Sinica, 2009, 64(10): 1203-1213.]

[12]
屠爽爽, 龙花楼, 刘永强, 等. 农村居民点整治潜力测算方法研究进展与展望. 自然资源学报, 2015, 30(11): 1956-1968.

[ TU S S, LONG H L, LIU Y Q, et al. Research progress and prospects in the methodology of assessing the potential of rural residential land consolidation. Journal of Natural Resources, 2015, 30(11): 1956-1968.]

[13]
王文龙. 中国合村并居政策的异化及其矫正. 经济体制改革, 2020, 222(3): 66-72.

[ WANG W L. Dissimilation and correction of China's rural amalgamation policy. Reform of Economic System, 2020, 222(3): 66-72.]

[14]
高舒琦. 如何应对物业空置、废弃与止赎: 美国土地银行的经验解析. 城市规划, 2017, 41(7): 106-115.

[ GAO S Q. How to deal with vacant, abandoned and foreclosed properties: An analysis on land bank in the US. City Planning Review, 2017, 41(7): 106-115.]

[15]
杜志威, 金利霞, 张虹鸥. 精明收缩理念下城市空置问题的规划响应与启示: 基于德国、美国和日本的比较. 国际城市规划, 2020, 35(2): 33-41.

[ DU Z W, JIN L X, ZHANG H O. Planning response and implications for urban vacancy with the experience of smart shrinkage in Germany, America, and Japan. Urban Planning International, 2020, 35(2): 33-41.]

[16]
衣霄翔, 赵天宇, 吴彦锋, 等. “危机”抑或“契机”: 应对收缩城市空置问题的国际经验研究. 城市规划学刊, 2020, 256(2): 95-101.

[ YI X X, ZHAO T Y, WU Y F, et al. "Crisis" or "opportunity": International experiences in dealing with vacancy in shrinking cities. Urban Planning Forum, 2020, 256(2): 95-101.]

[17]
胡语宸, 刘艳军, 孙宏日. 城市增长与收缩的演变过程及其影响因素: 以黑龙江省煤炭资源型城市为例. 地理科学, 2020, 40(9): 1450-1459.

DOI

[ HU Y C, LIU Y J, SUN H R. Process and factors of urban growth and shrinkage: A case study of mining cities in Heilongjiang province. Scientia Geographica Sinica, 2020, 40(9): 1450-1459.]

[18]
赵家辉, 李诚固, 马佐澎, 等. 城市精明收缩与我国老工业基地转型. 城市发展研究, 2017, 24(1): 135-138, 152.

[ ZHAO J H, LI C G, MA Z P, et al. Urban shrinking smart and transformation of China's old industrial bases. Urban Development Studies, 2017, 24(1): 135-138, 152.]

[19]
李红波, 刘美豆, 胡晓亮, 等. 精明收缩视角下乡村人居空间变化特征及类型划分: 以江苏省常熟市为例. 地理研究, 2020, 39(4): 939-955.

DOI

[ LI H B, LIU M D, HU X L, et al. Characteristics and type classification of rural human settlement space change from smart decline viewpoint: A case study of Changshu city, Jiangsu province. Geographical Research, 2020, 39(4): 939-955.]

[20]
赵民, 游猎, 陈晨. 论农村人居空间的“精明收缩”导向和规划策略. 城市规划, 2015, 39(7): 9-18, 24.

[ ZHAO M, YOU L, CHEN C. Smart shrinkage of rural human settlements and its planning strategies. City Planning Review, 2015, 39(7): 9-18, 24.]

[21]
焦林申, 张敏. 收缩乡村的空废成因与精明收缩规划策略: 基于豫东典型乡村的田野调查. 经济地理, 2021, 41(4): 223-234.

[ JIAO L S, ZHANG M. Vacant mechanism and smart shrinkage strategies for shrinking village: Based on field studies in rural areas of Eastern Henan. Economic Geography, 2021, 41(4): 221-232.]

[22]
周恺, 涂婳, 戴燕归. 国土空间规划下城市收缩与复兴中的空间形态调整. 经济地理, 2021, 41(4): 212-220.

[ ZHOU K, TU H, DAI Y G. Spatial Adjustment of shrinking cities in the territorial spatial planning. Economic Geography, 2021, 41(4): 212-220.]

[23]
SING M C P, LOVE P E D, LIU H J. Rehabilitation of existing building stock: A system dynamics model to support policy development. Cities, 2019, 87: 142-152.

DOI

[24]
ZOU S Y, WANG L. Detecting individual abandoned houses from google street view: A hierarchical deep learning approach. ISPRS Journal of Photogrammetry and Remote Sensing, 2021, 175: 298-310.

DOI

[25]
PAN Y T, ZENG W, GUAN Q F, et al. Spatiotemporal dynamics and the contributing factors of residential vacancy at a fine scale: A perspective from municipal water consumption. Cities, 2020, 103, Doi: 10.1016/j.cities.2020.102745.

DOI

[26]
LI J, GUO M, LO K. Estimating housing vacancy rates in rural China using power consumption data. Sustainability, 2019, 11(20), Doi: 10.3390/su11205722.

DOI

[27]
WANG L Y, FAN H, WANG Y K. An estimation of housing vacancy rate using NPP-VIIRS night-time light data and OpenStreetMap data. International Journal of Remote Sensing, 2019, 40(22): 8566-8588.

DOI

[28]
焦林申, 张中华, 张沛, 等. 收缩区域乡镇新建街道空间品质测度: 以豫东虞城县为例. 北京规划建设, 2019, 186(3): 28-35.

[ JIAO L S, ZHANG Z H, ZHANG P, et al. Estimation of the quality of the new street of towns in Yucheng county. Beijing Planning Review, 2019, 186(3): 28-35.]

[29]
ZOU S Y, WANG L. Individual vacant house detection in very-high-resolution remote sensing images. Annals of the American Association of Geographers, 2020, 110(2): 449-461.

DOI

[30]
《国外住房空置率统计方法》课题组. 欧盟及日本等国家和地区住房空置率统计方法: 境外住房空置率统计研究报告之三. 中国统计, 2011, 350(2): 45-47.

[ Research Group on "Statistical Methods of Foreign Housing Vacancy Rates". Statistical methods of housing vacancy rates in countries and regions such as the European Union, Japan and other countries and regions: The third report. China Statistics, 2011, 350(2): 45-47.]

[31]
贾海. 我国商品房空置率计算方法及合理区间研究. 城市开发, 2004, (8): 70-73.

[ JIA H. Research on the calculation method and reasonable range of the vacancy rate of commercial housing in China. Urban Development, 2004, (8): 70-73.]

[32]
HOYT H. The Structure and Growth of Residential Neighborhoods in American Cities. Washington DC: Federal Housing Administration, 1939: 72-78.

[33]
ALONSO W. Location and Land Use. Cambridge, MA: Harvard University Press, 1964.

[34]
MAHER C. Housing need and residential mobility: The mismatch debate in perspective. Urban Policy and Research, 1995, 13(1): 7-19.

DOI

[35]
朱竑, 张博, 马凌. 新型城镇化背景下中国流动人口研究: 议题与展望. 地理科学, 2019, 39(1): 4-14.

[ ZHU H, ZHANG B, MA L. A review of Chinese internal migration research under the background of new-type urbanization: Topics and prospects. Scientia Geographica Sinica, 2019, 39(1): 1-11.]

[36]
肖磊, 潘劼. 人口流出地区城镇化路径机制再认识: 以四川省县域单元为例. 地理科学进展, 2020, 39(3): 402-409.

DOI

[ XIAO L, PAN J. Re-examination of urbanization paths and mechanism in population outflow areas: A case study of counties in Sichuan province. Progress in Geography, 2020, 39(3): 402-409.]

DOI

[37]
刘恬, 胡伟艳, 杜晓华, 等. 基于村庄类型的全域土地综合整治研究. 中国土地科学, 2021, 35(5): 102-110.

[ LIU T, HU W Y, DU X H. Comprehensive land consolidation based on village type. China Land Science, 2021, 35(5): 102-110.]

[38]
甄峰, 张姗琪, 秦萧, 等. 从信息化赋能到综合赋能: 智慧国土空间规划思路探索. 自然资源学报, 2019, 34(10): 2060-2072.

[ ZHEN F, ZHANG S Q, QIN X, et al. From informational empowerment to comprehensive empowerment: Exploring the ideas of smart territorial spatial planning. Journal of Natural Resources, 2019, 34(10): 2060-2072.]

DOI

[39]
ZELINSKY W. The hypothesis of the mobility transition. Geographical Review, 1971, 61(2): 219-249.

DOI

[40]
亨利·列斐伏尔. 空间与政治. 上海: 上海人民出版社, 2015: 1-12.

[ LEFEBVRE H. Space and Politics. Shanghai: Shang Hai Renmin Chubanshe, 2015: 1-12.]

[41]
钮心毅, 刘思涵, 朱艺. 地区间人员流动视角下的中国城镇化空间特征研究. 城市规划学刊, 2021, (1): 82-89.

[ NIU X Y, LIU S H, ZHU Y. Spatial characteristics of China's urbanization: The perspective of inter-prefecture population movement. Urban Planning Forum, 2021, (1): 82-89.]

[42]
FAN C C, SUN M J, ZHENG S Q. Migration and split households: A comparison of sole, couple, and family migrants in Beijing, China. Environment and Planning A-Economy and Space, 2011, 43(9): 2164-2185.

[43]
林李月, 朱宇, 柯文前. 城镇化中后期中国人口迁移流动形式的转变及政策应对. 地理科学进展, 2020, 39(12): 2054-2067.

DOI

[ LIN L Y, ZHU Y, KE W Q. Changes in the form of population migration and mobility in China and corresponding policy responses at the late-intermediate stage of urbanization. Progress in Geography, 2020, 39(12): 2054-2067.]

Options
Outlines

/

〈 〉