【作者】

趙慧敏、李伊彤、洪齊遠、蘇南西、榮麗華、龍瀛

清華大學恒隆房地產研究中心

清華大學建筑學院

北京工業(yè)大學建筑與城市規(guī)劃學院

內蒙古工業(yè)大學建筑學院

【原文信息】

Zhao, H., Li, Y., Hong, Q., Su, N., Rong, L., & Long, Y. (2025). Vacancy or occupancy? A comparative analysis of methods for identifying short-term residential unit vacancy in multi-family housing. Building and Environment, 113608.

https://doi.org/10.1016/j.buildenv.2025.113608

內容導讀

龍瀛教授團隊的研究論文“Vacancy or occupancy? A comparative analysis of methods for identifying short-term residential unit vacancy in multi-family housing”（《空置還是占用？集合住宅短期空置住房識別方法的比較分析》），在SCI期刊Building and Environment在線發(fā)表。Building and Environment目前為JCR Q1期刊。

在高密度的城市區(qū)域，準確識別集合住宅的空置狀態(tài)對于預測城市能源消耗、遏制房屋空置、預防犯罪以及提升居民體驗至關重要。然而，空置研究主要集中在獨立住宅上，忽略了集合住宅。為填補這一空白，我們對中國內蒙古的 16 棟集合住宅樓進行了研究，開發(fā)了一個空置識別框架，包括數(shù)據(jù)收集、住房識別與編碼、多方法空置識別以及驗證。通過數(shù)字表面模型對比確定了建筑輪廓和高度。利用日間點云數(shù)據(jù)對住宅進行編碼，并通過夜間點云數(shù)據(jù)、戶前圖像和外立面圖像分析其空置狀態(tài)。分析采用了機器學習、多模態(tài)大語言模型和其他先進方法，并使用電量數(shù)據(jù)進行驗證以評估方法準確性。研究結果表明，夜間點云數(shù)據(jù)易于獲取，具有更高的準確性和實用性，而戶前圖像的準確性中等，外立面圖像的準確性較低。本研究的主要貢獻在于提出了可擴展的方法來識別集合住宅中的住房空置情況，并對其進行了驗證，重點關注連續(xù)五天以上空置的住房。由于所有數(shù)據(jù)都是獨立收集的，這些方法顯示出顯著的可轉移性潛力。

圖1：研究框架示意圖

研究方法

本研究設計了一個包含數(shù)據(jù)采集、住房單元編碼、多方法空置識別、交叉驗證四個步驟的完整技術流程。

1.數(shù)據(jù)采集與處理：研究團隊利用大疆DJI P4 RTK無人機在日間和夜間進行傾斜攝影，生成了日間點云、夜間點云、數(shù)字正射影像等三維數(shù)據(jù)。同時，研究人員使用智能手機實地拍攝了每個單元的戶前圖像、外立面圖像，并記錄了部分住戶的電表消費數(shù)據(jù)用于最終驗證。

2.住房單元識別與編碼：利用數(shù)字表面模型數(shù)據(jù)提取建筑輪廓與樓層高度，再結合日間點云數(shù)據(jù)識別樓棟的入口和“一梯兩戶”的布局規(guī)律，實現(xiàn)了對1020個住房單元的自動化三維空間定位與唯一ID編碼。

3.多方法空置識別：

o夜間點云數(shù)據(jù)法：通過機器學習模型（XGBoost）從日間點云中自動識別窗戶位置，分析連續(xù)多晚（22次）夜間點云數(shù)據(jù)中對應窗戶的亮度值。若某單元在所有觀測時間段內均未亮燈，則被判定為空置。

o戶前圖像數(shù)據(jù)法：利用“通義千問”多模態(tài)大語言模型，自動識別門前圖像中是否存在“未撕掉的單元門保護膜、催繳費通知”等空置特征，或是否存在“鞋架、快遞、春聯(lián)”等入住特征，并據(jù)此判斷房屋狀態(tài)。

o外立面圖像數(shù)據(jù)法：同樣采用多模態(tài)大語言模型分析立面圖像，通過識別陽臺是否“晾曬衣物、擺放綠植”或“窗簾緊閉、空無一物”等特征來推斷房屋的空置情況。

4.準確性驗證：研究以兩次采集的電表讀數(shù)之差作為判斷空置的真實值（以一周耗電低于2度為閾值），并以此為基準，利用精確率（Precision）、召回率（Recall）和F1分數(shù)（F1-score）等指標，對上述三種方法的識別結果進行了嚴格的精度評估。

研究發(fā)現(xiàn)

1.三種方法精度對比：夜間點云數(shù)據(jù)表現(xiàn)最佳。與電表數(shù)據(jù)驗證結果對比，夜間點云數(shù)據(jù)法的F1分數(shù)達到了0.85，是三種方法中準確度最高的。戶前圖像數(shù)據(jù)法表現(xiàn)中等，F(xiàn)1分數(shù)為0.77。而外立面圖像數(shù)據(jù)法的精度最低，F(xiàn)1分數(shù)僅為0.46，主要原因是研究區(qū)住宅陽臺多為封閉式玻璃，反光嚴重，極大干擾了對內部生活痕跡的觀察。

圖2：夜間點云數(shù)據(jù)識別的空置住房單元分布

2.方法的可推廣性與實用性分析：

o夜間點云數(shù)據(jù)：盡管采集過程受天氣影響，且設備成本相對較高，但其數(shù)據(jù)采集無需進入小區(qū)內部，自動化處理程度高，覆蓋范圍全面，展現(xiàn)出最佳的可轉移性和應用潛力。研究還發(fā)現(xiàn)，數(shù)據(jù)采集次數(shù)達到15次后，F(xiàn)1分數(shù)即可超過0.80，這意味著在資源有限的情況下，可通過優(yōu)化采集頻率來平衡成本與精度。

o戶前圖像數(shù)據(jù)：該方法設備成本低（僅需手機），但需要投入大量人力進入樓棟逐戶拍攝，且識別準確性易受住戶生活習慣和社區(qū)管理水平的影響。

o外立面圖像數(shù)據(jù)：該方法設備成本低（僅需手機），需要進入小區(qū)內部，但無需進入樓棟拍攝，但準確率較低。

o電力數(shù)據(jù)：雖然被用作驗證基準，但其在實際應用中面臨嚴峻的隱私和數(shù)據(jù)可訪問性挑戰(zhàn)。在許多城市，電表位于上鎖的設備間，外部研究者難以接觸，使其成為大規(guī)模應用中最不具可擴展性的數(shù)據(jù)源。

圖3：不同數(shù)據(jù)源的準確性對比

綜上所述，本研究不僅填補了集合住宅單元級別空置識別的方法空白，更通過實證對比，證明了基于無人機夜間點云數(shù)據(jù)的方法是一種兼具高精度、高效率與強可操作性的創(chuàng)新解決方案，為未來城市住房精細化管理提供了重要的技術支撐。

聲明：本文系轉載自互聯(lián)網(wǎng)，請讀者僅作參考，并自行核實相關內容。若對該稿件內容有任何疑問或質疑，請立即與鐵甲網(wǎng)聯(lián)系，本網(wǎng)將迅速給您回應并做處理，再次感謝您的閱讀與關注。