(3.238.7.202) 您好!臺灣時間:2021/03/04 03:01
字體大小: 字級放大   字級縮小   預設字形  
回查詢結果

詳目顯示:::

我願授權國圖
: 
twitterline
研究生:陳達甫
研究生(外文):CHEN,TA-FU
論文名稱:交通因素對不動產價格的影響 ‐ 以台北市為例
論文名稱(外文):The Impact of Transportation on the Real Estate Prices in Taipei City
指導教授:蔡幸蓁蔡幸蓁引用關係盧浩鈞盧浩鈞引用關係
指導教授(外文):TSAI,HSINE JENLU,HAO-CHUN
口試委員:李強笙劉一凡
口試委員(外文):LEE,CHIANG-SHENGLIU,I-FAN
口試日期:2016-06-01
學位類別:碩士
校院名稱:輔仁大學
系所名稱:資訊管理學系碩士班
學門:電算機學門
學類:電算機一般學類
論文種類:學術論文
論文出版年:2016
畢業學年度:104
語文別:中文
論文頁數:49
中文關鍵詞:多目標規劃法交通因素實價登錄
外文關鍵詞:Multi-objective programming approachTransportationActual price registration
相關次數:
  • 被引用被引用:9
  • 點閱點閱:365
  • 評分評分:系統版面圖檔系統版面圖檔系統版面圖檔系統版面圖檔系統版面圖檔
  • 下載下載:118
  • 收藏至我的研究室書目清單書目收藏:0
近年來,台灣的房價不斷攀升,尤其是台北市地區更為明顯,有鑑於此,政府除了針對此現象擬定一些政策,也在西元2012年8月1日正式實施「房地產實價登錄制度」,使得房價漸漸透明化,大幅改善了過去不動產交易資訊不對稱的問題。
本研究針對台北市地區,以住宅與商業的使用分區為基礎,藉由實價登錄較為精確且大量與完整的房屋資訊,並透過Google Map所標示出來的地理座標如捷運、高速公路、台鐵以及高鐵等座標建立成SQL Server資料庫,再利用Google Maps API計算不動產因素的座標與房屋之間的距離,算出後放入資料庫方便研究時可以取用。
本研究利用與不動產專業人士訪談的方式挑選出影響房價的交通因素,其因素包含「捷運」、「火車」、「高鐵」、「高速公路」四大類,並透過多目標規劃法(Multi-objective programming approach)來分析這些交通因素對台北市房價的影響。研究結果發現,火車與高鐵在影響房價的因素上較小。高速公路交流道入口在距離房屋150-300公尺時房價最高,距離房屋越近,房價隨之遞減;距離房屋越遠,房價也隨之遞減。在捷運這項因素上,距離房屋100-150公尺時房價最高,距離房屋越近,房價也隨之遞減,而150公尺以後房價隨之遞減,最後趨於平緩。

In recent years, the prices of real estate in Taiwan get higher and higher, especially in Taipei City. To boost transparency and stabilize real estate prices, the Taiwan government implemented the Actual Price Registration on August 1, 2012. Actual price registration is an online database that lists the actual price of property transactions in the country. We can search for the actual selling prices through this system, and we can also download them to check out the new information about real estate prices anytime. It improves the problem of information asymmetry.
Transportation is one of the most important factor when we find the houses where we want to live. In this study, we choose 4 main impact factors of transportation on the house prices in Taipei City - the MRT, the railway, the high speed rail, and the highway. We established a database which is including the data from Actual Price Registration and the locations in geographic coordinates which was discussed about. All of these data are in the residential area and the business district, which are the common areas in Taipei City.
In research method, we use multi-objective programming approach to analyze the prices in different distance ranges. According to the results, for example, the highest house prices is on 100 to 150 meters between the houses and the MRT stations, which means people prefer to buy houses in this distance range. Because of the noise pollution, the house prices get lower when the houses are closer to the MRT station. Besides, the house price is inversely proportional to the distance between the house and the MRT station after 150 meters. This result is similar to the highway. The distances on the railway and the high speed rail have less impact on the house prices.

目 錄
表次 xi
圖次 xiii
第 壹 章 緒論 1
第 一 節 研究背景與動機 1
第 二 節 研究目的 5
第 三 節 研究範圍與限制 6
第 四 節 研究流程 9

第 貳 章 文獻探討 13
第 一 節 特徵價格理論 13
第 二 節 影響不動產價格交通因素 14
第 三 節 多目標規劃法 17

第 參 章 研究方法 25
第 一 節 不動產資料蒐集 25
第 二 節 影響不動產價格交通因素 27
第 三 節 研究架構 28
第 四 節 研究分析 30

第 肆 章 研究結果與分析 33
第 一 節 捷運數據結果 33
第 二 節 高速公路數據結果 36
第 三 節 台鐵數據結果 39
第 四 節 高鐵數據結果 41

第 伍 章 結論與建議 43
第 一 節 結論 43
第 二 節 建議 45

參考文獻 47

1.丁玟甄、彭建文、林財川,屋齡對住宅價格之影響-以台北市為例,2008年住宅學會研討會,2008/12。
2.內政部不動產交易實價查詢服務網,無日期。2012/08/13,取自:
http://lvr.land.moi.gov.tw/N11/homePage.action。
3.沈育生、林秋瑾,不同人工神經網路架構在不動產大量估價之應用與比較,台灣土地研究,第十五卷第一期,2012/05,頁1-29。
4.何友鋒、林建宇、王小璘,住宅社區多目標規劃之研究,設計學報,1996。
5.吳晏榕,房價指數應用在銀行資產重估之研究,國立政治大學經濟學系碩士論文,2010。
6.邱鼎峰,明星學區對房地產價格之影響-以台北市中正區為例,國立台北大學不動產與城鄉環境學系碩士班碩士論文,2008
7.林祖嘉、馬毓駿,特徵方程式大量估價法在台灣不動產市場之應用,住宅學報,第十六卷第二期,2007/12,頁1-22。
8.林建甫、劉明德,高房價的成因與解決之道,財團法人國家政策研究基金會,2010/05/19。2014/12/27,取自:http://www.npf.org.tw/post/3/7524。
9.林建亨,南科對房地產價格之影響-特徵價格法之應用,國立成功大學都市計畫研究所碩士論文,2008。
10.看屋13招首部曲~挑選好屋的全方位觀察,智邦不動產,無日期。2014/12/27,取自:http://home.url.com.tw/?func=housedetail&info_no=10。
11.張冊蒼,捷運通車對區域房價之影響-以蘆洲區為例,國立中央大學產業經濟研究所在職專班碩士論文,2012。
12.張金鶚、范垂爐,房地產真實交易價格之研究,住宅學報,第一期,1993/01,頁75-97。
13.張春龍,住宅選擇模型之研究-以台南市為例,長榮管理學院經營管理研究所碩士論文,2000。
14.陳忠廉,捷運對場站周邊房地價格之影響-以台北市捷運南港線為例,中國文化大學環境設計學院建築及都市計畫研究所碩士論文,2013。
15.陳鴻洲,應用質化量化多準則評估方法於不動產估價之研究,朝陽科技大學建築及都市設計研究所,2002。
16.黃于祐,台北市房價影響因素之空間分析-地理加權迴歸方法之應用,國立台北大學都市計畫研究所碩士論文,2008。
17.楊宗憲、蘇倖慧,迎毗設施與鄰避設施對住宅價格影響之研究,住宅學報,第二十卷第二期,2011/12,頁61-80。
18.臺北市政府地政局,臺北市不動產交易實價查詢服務網,無日期。2014/12/27,取自:http://tred.taipei.gov.tw/TruePrice/trueprice-a-1.aspx。
19.潘福田,購屋者決策因素-以新北市為例,大同大學事業經營研究所碩士論文,2011。
20.蔡爾逸,應用支撐向量機(SVM)於都市不動產價格預測之研究,國立中央大學營建管理研究所碩士論文,2012。
21.謝明瑞,實價登錄與房價,財團法人國家政策研究基金會,2012/09/05。2014/12/27,取自:http://www.npf.org.tw/post/2/11273。
22.戴國正,大眾捷運系統對房價影響效果之再檢視,世界華人不動產學會2012年會,2012。
23.簡淑芬,不動產估價模型之研究-以臺中市為例,逢甲大學財稅學系碩士在職專班碩士論文,2012。
24.顏聰玲,不動產市場分析與預測,台北縣:新文京開發出版股份有限公司,2004。
25.Charnes, A., & Cooper, W.W., Management Models and Industrial Application of Linear Programming, New York:Wiley, 1961.
26.Jones, D. F., & Tamiz, M., Expanding the Flexibility of Goal Programming via Preference Modelling Techniques, Pergamon, 1995.
27.Lu, H. C., & Chen, T. L., Efficient Interval Goal Programming for Arbitrary Penalty Function, Technology Innovation and Industrial Management 2011, Finland, University of Oulu, 2011.
28.Rosen, S., Hedonic Prices and Implicit Markets:Product Differentiation in Pure Competition, Journal of Political Economy, 82, 1974, pp. 34-55.

QRCODE
 
 
 
 
 
                                                                                                                                                                                                                                                                                                                                                                                                               
第一頁 上一頁 下一頁 最後一頁 top
系統版面圖檔 系統版面圖檔