EN中文

Arid Land Geography >

2025 , Vol. 48 >Issue 5: 941 - 950

DOI: https://doi.org/10.12118/j.issn.1000-6060.2024.391

Regional Development

NIMBY influence by railway facilities in linear city based on housing prices

  • Xueyi WANG ,
  • Manguo GENG ,
  • Xianglong TANG
Expand
  • School of Architecture and Urban Planning, Lanzhou Jiaotong University, Lanzhou 730000, Gansu, China

Received date: 2024-06-25

  Revised date: 2024-07-29

  Online published: 2026-03-11

Fold

Abstract

Railways are vital external transportation infrastructures in modern cities and play an important role in urban development. However, they also cause certain negative impacts, such as the fragmentation of urban patterns and disruption to residents’ lives. The study focused on Lanzhou City, Gansu, China, a linear city, and investigated the not-in-my-backyard (NIMBY) impacts of railway facilities employing a price characteristic model and a geographically weighted regression model. The study concluded the following. (1) Railway facilities significantly reduce housing prices. With every 1% reduction in distance between railway and railway stations, housing prices fall by 0.175% and 0.017%, respectively. (2) The NIMBY influence ranges approximately 1.2 km from the railway and approximately 0.6 km from the railway station. Owing to Lanzhou’s linear urban layout (a belt along the same direction), which runs parallel to the railway, several residential blocks (55.24% of total housing in the city), are within the NIMBY-affected area. (3) The spatial effects of the railway and railway stations vary significantly. Houses closer to the city center, particularly those related along the inner side of the railway, experience greater negative impacts. Furthermore, development areas are more impacted by the railway, and properties in high-price areas are more strongly affected compared to those located in the suburbs. (4) The “dock area” surrounding railroad stations has a maximum influence of 1.6 km, while the “municipal support area” affects up to 0.8 km. This implies that the positive effect of the station has a significant offsetting effect on the NIMBY effect.

Key words： railway facilities; NIMBY effect; linear city; housing price; hedonic pricing method; central Lanzhou City

Cite this article

Xueyi WANG , Manguo GENG , Xianglong TANG . NIMBY influence by railway facilities in linear city based on housing prices[J]. Arid Land Geography, 2025 , 48(5) : 941 -950 . DOI: 10.12118/j.issn.1000-6060.2024.391

铁路是城市重要的对外交通设施，承担着大规模对外运输的功能。近年来，中国铁路建设飞速发展，至2023年底全国铁路营业里程为15.9×104 km，其中高铁里程达4.5×104 km。铁路能够促进城市间的资源流通从而推动沿线城市发展，铁路站点也有带动周边土地开发的作用[1]。然而由于其设施特征和服务需求，铁路线路大多穿越城市核心区，不仅占用大量的城市土地资源还对沿线居民的生活产生负面影响[2]。邻避设施是指为区域带来积极效益，但由于自身的负外部效应会给周边居民带来负面影响的设施[3-4]。邻避设施分为点状设施和线型设施，其中常见的线型邻避设施有城市快速路、铁路、高速路等[4]。
2008年的上海磁悬浮事件引发了国内对铁路邻避影响的关注，居民认为铁路线会产生阻碍交通、噪声和震动等影响[5-6]。铁路车站因其城市“节点”功能表现出强大的正向吸附效应，但也会产生拥堵、噪声、人流混乱等邻避影响[7-8]。有学者从“场所-节点”视角认为铁路车站对城市具有积极作用，但也有学者认为大型交通车站存在较大的负向邻避效应[9-11]。研究发现，铁路车站对周围0.891 km范围内的房价具有负向影响，对0.891~1.364 km范围内的房价具有正向效应[12]。Debrezion等[7]认为铁路车站对周围房价具有正向效应，并与车站等级具有密切关系。Strand等[6]研究发现挪威东部铁路沿线对100 m范围内的房价具有强烈影响。Gawande等[13]研究发现核燃料运输铁路线影响相对较大，沿线12 km的住宅价格有显著负向影响。总体而言，不同功能和等级的铁路设施产生的邻避影响具有较大差异。
现有邻避设施研究多为定性研究，而随着网络技术和地理信息系统的开发，定量研究逐渐增加[14]。目前，定量研究主要采用特征价格法、克里金插值法和地理加权回归（GWR）等方法[15-17]。学者们采用价格特征法研究城市郊区环境类设施对房价的影响程度，结果表明城市绿色开放空间和娱乐设施对房价具有积极作用，相反铁路、公路、高压变电站和垃圾填埋场对房价具有负面影响[18]。综上所述，现有研究少有从住宅价格角度对铁路邻避设施的影响程度、范围和空间异质性进行探究[15,19-20]。
兰州市是中国西部重要的铁路交通枢纽，铁路建设对兰州发展给予重要贡献，也对城市空间格局产生影响。1952年通车的“陇海铁路天兰段”第一次规划选址位于城关区中心，原版规划方案会对兰州市整体格局造成严重割裂，经任震英先生多次建议改线至现在的南山山侧[21]。目前，兰州市内铁路沿城市南侧东西向设置，铁路设施与城市居住小区大面积相接[21-22]。因此，本文构建特征价格模型识别2024年兰州市中心城区铁路线路和车站的邻避影响程度及范围，并结合GWR模型探究其邻避影响的空间异质性。研究有助于城市铁路邻避影响的科学认知与管理，为优化铁路设施带来的邻避影响提供建议。

1 数据与方法

1.1 研究范围与铁路设施概况

1.1.1 研究范围概况

兰州市（35°34′~37°00′N，102°36′~104°35′E）是甘肃省省会城市，是中国西北地区重要的中心城市。受南北两山和黄河穿城而过的影响，兰州市建成区形成“两山夹一川”的带状城市特征，东西长约50 km，南北宽约5~15 km[22]。结合城市自然边界和现状建成区确定本次的研究范围为包括城关区、七里河区、安宁区和西固区的兰州市中心城区，总面积237.34 km2（图1）。
图1 研究区示意图

Fig. 1 Schematic diagram of the study area

1.1.2 兰州市铁路设施概况

兰州市是西北地区重要的铁路交通枢纽，中心城区内线路包括：陇海铁路（兰州-连云港，1953年，国铁Ⅰ级），兰新铁路（兰州-新疆，1990年，国铁Ⅰ级）、兰渝铁路（兰州-重庆，2014年，国铁Ⅰ级）、包兰铁路（兰州-包头，1958年，国铁Ⅰ级）、宝兰客运专线（兰州-宝鸡，2017年，国铁Ⅰ级）、兰新客运专线（兰州-新疆，2014年，国铁Ⅰ级）、中川线（兰州-兰州新区）等。兰州市内铁路设施与城市生活区交集于城市南部，铁路线沿东西向穿过城关区、七里河区和西固区（图1）。
兰州市现有两大铁路客运站（兰州火车站和兰州高铁西站）、两大铁路货运站（兰州北站和颖川堡货场站）。通过城市住宅分布和用地性质分析发现，兰州北站和颖川堡货场站位于城市工业片区，周围无住宅小区分布，因此本文只探究南侧客运站的邻避效应特征。

1.2 数据来源

本文研究数据主要包括兰州市铁路设施数据、住宅数据和POI数据。其中：（1） 兰州市铁路设施数据根据百度地图识别获取，铁路车站范围根据现状建设边界绘制；（2） 住宅相关数据主要包括：房价、房龄、层数、容积率、绿地率和总户数等数据，通过Python爬取兰州链家网（https://bj.lianjia.com/）2024年5月发布的住宅数据，对原始数据进行清洗、修正和去重，最后共计获得6812条住宅数据；（3） POI数据通过规划云平台（http://guihuayun.com/poi/）获取，借助ArcGIS近邻分析计算得出各小区到设施的距离。

1.3 研究方法

（1） 特征价格模型
特征价格模型是综合评价外部因素对房价影响的方法，其理论认为商品价格是融合各类因素之后体现出的特征，当商品的某一特征改变时商品价格也随之改变，因此可以通过控制变量来探究邻避设施对房价的影响[23]。特征价格模型主要有线性函数、对数函数和指数函数等，本文通过计算最终选用线性特征价格模型[15,24]，计算公式为：
P = α 0 + ∑ α i Z i + ∑ α j Z j + ε
式中：P为房价（元）； α 0为价格特征变量之外对房价产生影响的常数之和； α i为连续性第i个变量的特征价格（元）； α j为虚拟第j个变量的特征价格（元）； Z i为连续第i个的特征变量； Z j为虚拟第j个的特征变量； ε为误差项。
（2） 特征变量选取
现有研究表明，住宅价格的影响因素主要包含建筑特征、区位条件和邻里特征三大类[24]。经过对数据的真实性、可获得性和完整性进行综合考量，最终选取16个变量表征住宅价格特征。其中：建筑特征为住宅房龄、层数、容积率、绿地率和总户数5个变量；区位特征为到邻近地铁站、公交站、城市中心和商业中心、商务中心距离4个变量；邻里特征为最邻近大型超市、大型商场、公园广场、铁路线、铁路车站距离，以及1 km范围内是否有中小学7个变量[20,24]（表1）。
表1 特征价格模型指标体系

Tab. 1 Index system of characteristic price model

特征类型 变量名称 变量含义 平均值
建筑特征



 房龄/a 2023减去房产的建设年份 19.93
层数/层 多层赋值1、小高层赋值2、高层赋值3 -
容积率/% 小区总建筑面积/小区总用地面积 1.95
绿地率/% 小区绿地面积/小区总用地面积 26.14
总户数/户 小区居住户数 527.84
区位特征



 到邻近地铁站距离/m 同周边地铁站的最近距离 1122.44
到邻近公交站距离/m 同周边公交站的最近距离 153.78
到城市中心和商业中心距离/m 同城市中心和与商业中心的最近距离 1384.40
到商务中心距离/m 同周边银行、商务楼的最近距离 353.28
邻里特征





 最邻近大型超市距离/m 同周边大型超市的最近距离 2310.46
最邻近大型商场距离/m 同周边大型商场的最近距离 1075.90
最邻近公园广场距离/m 同周边公园广场的最近距离 424.32
是否有中学 1000 m范围内是否有中学（是1、否0） -
是否有小学 1000 m范围内是否有小学（是1、否0） -
最邻近铁路线距离/m 同最近铁路线的直线距离 1287.43
最邻近铁路车站距离/m 同最近铁路车站的最近距离 3918.68
（3） GWR模型
GWR模型是在传统回归模型基础上嵌入空间位置属性，通常用于解释数据的空间异质性。本文构建GWR模型探究房价与邻避设施距离之间的空间异质性[2]。计算公式为：
y i = β 0 u i , v i + ∑ j = i k β j u i , v i x i j + ε i
式中： y i为第i个住宅小区的房价（元）； u i , v i为第i个住宅小区的空间坐标； β 0 u i , v i为回归常量； x i j为第i个住宅小区的第j个特征变量； β j u i , v i为局部回归系数；k为特征变量的数量； ε i为误差项。

2 结果与分析

2.1 兰州市房价分布特征

使用ArcGIS克里金插值法和LISA聚类分析对兰州市房价进行分析，结果如图2所示。兰州市住宅价格具有显著的东西分异特征，房价“高-高”集聚区和高值区主要分布在城关区东方红广场周围，其次分布在七里河区。房价“低-低”集聚区主要沿城区南部山地分布，且与铁路线布局相契合。铁路设施主要分布在房价低值区，可以认为铁路设施带来的邻避影响主要由低收入人群承担，与现有研究结论相同[2,25]。
图2 住宅价格分布与LISA聚类图

Fig. 2 Housing price distribution and LISA cluster map

2.2 铁路设施邻避空间影响程度分析

2.2.1 模型检验

经检验线性回归模型调整后决定系数（R2）=0.6316，即以房价为因变量，其他因素为自变量的特征价格模型可以在63.16%的程度上解释房价的变化。除“最邻近大型超市距离”变量外，其余变量的方差膨胀系数均小于5，表明自变量之间共线性不严重。层数、容积率和总户数3个变量没有通过显著性检验，其余变量均通过0.05显著性检验。综上所述，回归模型对各变量的拟合分析在统计学上具有意义。

2.2.2 铁路设施邻避影响程度

根据回归结果，兰州市中心城区铁路设施对周边住宅价格具有显著负面影响。“房价”与“最邻近铁路线距离”“最邻近铁路车站距离”呈正相关，线性回归系数分别为0.175和0.017，即在一定范围内与住宅的距离每减少1%，房价相应降低0.175%和0.017%。根据回归结果，铁路线对住宅价格的影响大于铁路车站，相关研究表明铁路车站的城市“节点”功能产生的商业集聚效应可以在一定程度上抵消邻避影响[2,26]。

2.2.3 其余特征变量对住宅价格的影响

建筑特征对房价的影响不显著，其中仅房龄和绿地率通过了1%显著性检验，其线性回归系数分别为-0.018、0.045（表2）。即房龄每增加1%，房价降低0.018%，绿地率每增加1%，房价增加0.045%。区位特征中，“到邻近地铁站距离”和“到城市中心和商业中心距离”对房价的影响比较显著，线性回归系数分别为-0.138、-0.098。兰州带形城市特征和功能布局导致城市中心主要集中在城关区和七里河区，在一定程度上造成城市中心区房价显著高于周边区域[2,27]。邻里特征对房价的影响更为显著，其中“最邻近大型商场”和“最邻近公园广场距离”2个自变量的影响最显著，线性回归系数分别为-0.331、-0.136。1 km范围内是否有中学和小学对住房价格也有显著影响，其系数分为-0.029、-0.075。大型商场具有较强的综合性功能，能够满足居民的生活需求，公园广场能够为周围居民提供休闲娱乐活动场地，教育资源由于当下的入学机制也是居民购买房屋时的重点关注。
表2 特征价格模型回归结果

Tab. 2 Regression results of the eigenprice model

特征类型 变量名称 回归系数 显著性 方差膨胀系数
建筑特征



 房龄 -0.018 0.045* 1.153
层数 0.001 0.897 1.171
容积率 0.003 0.720 1.002
绿地率 0.045 0.000*** 1.068
总户数 0.014 0.147 1.234
区位特征



 到邻近地铁站距离 -0.138 0.000*** 3.842
到邻近公交站距离 -0.042 0.000*** 1.062
到城市中心和商业中心距离 -0.098 0.000*** 1.900
到商务中心距离 -0.068 0.000*** 1.742
邻里特征





 最邻近大型超市距离 -0.342 0.000*** 9.917
最邻近大型商场距离 -0.331 0.000*** 1.933
最邻近公园广场距离 -0.136 0.000*** 1.517
是否有中学 -0.029 0.003** 1.361
是否有小学 -0.075 0.000*** 1.387
最邻近铁路线距离 0.175 0.000*** 1.142
最邻近铁路车站距离 0.017 0.000*** 4.203

注：***、**、*分别代表在1%、5%、10%水平显著。下同。

2.3 铁路设施邻避空间影响范围分析

以上述模型为基础，分别将铁路线和铁路车站影响范围作为虚拟变量纳入模型。以铁路线为中心线、铁路车站范围为中心面，探究不同空间范围内铁路设施对房价的影响[20,24]。以0.2 km为单位区间设置10个邻近区间：0~0.2 km、0.2~0.4 km、…、1.8~2.0 km。区间范围内的小区赋值为1，其他小区赋值为0，然后进行回归分析，通过显著性系数和回归系数正负值综合识别邻避设施的影响范围。

2.3.1 铁路线邻避影响范围

根据线性回归结果，铁路线对周围住宅价格的邻避影响范围约为1.2 km。铁路线与周围小区距离大于1.2 km时，不同区间内住宅价格受到的影响不显著，且住宅价格与距离之间呈正相关，表明此区域随着与邻避设施之间的距离越大，房价越高，邻避设施的负向影响被城市其他功能抵消（表3）。
表3 铁路线邻避效应区间回归结果

Tab. 3 Regression results of NIMBY effect interval of railway line

邻避效应区间/km 回归系数 显著性 方差膨胀系数
0.0~0.2 -0.269 0.000*** 3.468
0.2~0.4 -0.253 0.000*** 3.722
0.4~0.6 -0.177 0.000*** 3.023
0.6~0.8 -0.154 0.000*** 2.782
0.8~1.0 -0.106 0.000*** 2.424
1.0~1.2 -0.067 0.000*** 2.788
1.2~1.4 -0.001 0.950 2.603
1.4~1.6 0.101 0.151 2.197
1.6~1.8 0.771 0.032** 2.111
1.8~2.0 0.086 0.543 1.390
以铁路线为中心线，以1.2 km为半径进行缓冲区分析，发现在铁路线路影响范围内的小区有3763个，占兰州中心城区住宅小区总数（6812个）的55.24%（图3）。其中，位于0~0.2 km范围内的小区有778个，0.2~0.4 km范围内的小区有890个，0.4~0.6 km范围内的小区有632个，0.6~0.8 km范围内的小区有546个，0.8~1.0 km范围内的小区有414个，1.0~1.2 km范围内的小区有503个。总体而言，位于0~0.2 km和0.2~0.4 km范围内的小区数量最多，此范围内铁路设施的邻避影响对居民的支付意愿产生较大影响，且受影响的小区数量较多，因此这一区域内的邻避问题应得到有效的解决。
图3 铁路设施影响范围示意图

Fig. 3 Schematic diagram of impact range of railway facilities

以城关区、七里河区和西固区的行政区划（安宁区的小区不在铁路影响范围内）为界进一步探究不同区域住宅小区受到铁路邻避设施影响的差异性（图3）。3个区域受到影响的小区数量分别为：1911个、1211个和641个，分别占各区域小区总数（4053个、1490个和663个）的47.15%、81.28%和96.68%。城关区是兰州市发展核心区，城市人口及小区数量大，因此受到影响的小区数量最多，但占比最小；西固区受到影响的小区数量最少，但占比最大。西固区位于城市南侧，住宅小区数量相对较少但平均分布于铁路两侧，因此区域内绝大多数小区受到铁路邻避设施的影响。

2.3.2 铁路车站邻避影响范围

线性回归结果显示，铁路车站邻避影响范围约为0.6 km（表4）。0~0.6 km范围内铁路车站对住宅价格有显著负向影响，此范围内影响强度呈先增后减的趋势，回归系数分别为-0.119、-0.152、-0.147。1.0~1.4 km范围内铁路车站对住宅价格有显著正向影响；当距离大于1.4 km时铁路车站与住宅价格之间不具有显著性。因此，综合判断铁路车站对0.6 km范围内的住宅小区具有显著的负向影响。据统计，铁路车站0.6 km范围内住宅小区数量为491个，占兰州中心城区住宅小区总数的7.21%。其中，兰州火车站和兰州高铁西站0~0.2 km、0.2~0.4 km、0.4~0.6 km影响范围内的住宅小区数量分别为76个和32个、126个和84个、95个和78个，0.2~0.4 km范围内的住宅小区数量占比最多。
表4 铁路车站邻避效应区间回归结果

Tab. 4 Regression results of NIMBY effect interval of railway station and yard

邻避效应区间/km 回归系数 显著性 方差膨胀系数
0.0~0.2 -0.119 0.000*** 1.570
0.2~0.4 -0.152 0.000*** 1.997
0.4~0.6 -0.147 0.000*** 1.725
0.6~0.8 -0.021 0.284 1.714
0.8~1.0 -0.002 0.914 1.765
1.0~1.2 0.052 0.015** 1.976
1.2~1.4 0.093 0.000*** 1.949
1.4~1.6 0.006 0.787 1.873
1.6~1.8 -0.019 0.358 1.961
1.8~2.0 0.018 0.358 1.666
线性回归结果显示，铁路车站邻避影响范围小于铁路线邻避影响范围。根据“节点-场所”理论和“TOD理论”，铁路车站能够为周边地区带来人流，形成商业和商务聚集发展区，促进站区土地价值的提升，因此形成的正向影响有效抵消了铁路的邻避影响[28-29]。

2.4 铁路设施邻避影响空间异质性分析

2.4.1 铁路线邻避影响空间异质性分析

以小区平均房价为因变量，小区距“最邻近铁路线距离”为自变量，对铁路线邻避影响范围内小区进行GWR分析（图4）。平均房价与最邻近铁路线距离呈正相关的小区数量为1664，占影响区域内小区总数的44.22%，线性回归系数为0.001~3.294。城关区和七里河区内呈正相关小区的集聚区域主要分布在铁路北侧，西固区集聚区域分布在铁路南侧，2个回归系数高值区位于火车站西侧和兰州高铁西站东侧。总体而言，兰州市受影响小区的回归系数呈东部高于西部的特征，铁路邻避对城关区和七里河区的房价影响相对更大。
图4 铁路线影响空间系数回归分析

Fig. 4 Spatial coefficient regression analysis of railway line influence

西固区线性回归系数显著的小区数量为313个（占西固区影响范围内小区总量的48.83%），受影响小区数量相对较少。西固区北侧布局有大型工厂，受到工业生产、货物运输等多重因素的影响，区域住宅价格影响因子更为复杂，铁路设施对其影响作用有限。
城关区线性回归系数显著的小区数量最多为844个（占城关区影响范围内小区总数的44.17%），主要分布在火车站西侧以及与七里河交界处，形成哑铃状集聚区。这一区域周围分布有东方红广场、南关什字和张掖路步行街等商业中心，且交通条件复杂。七里河区自西向东线性回归系数逐渐增大，回归系数显著的小区数量为635个（占七里河区影响范围内小区总量的52.44%），主要分布在高铁西站的东侧，靠近城市核心发展区。
综上所述，铁路设施邻避效应影响具有显著的差异性，城关区和七里河区内影响显著的区域主要为城市住宅价格较高的核心发展区（图2）。可以认为，距离城市核心区越近，铁路设施邻避效应相对越显著，且铁路设施对房价高值区的邻避影响大于低值区。

2.4.2 铁路车站邻避影响空间异质性分析

由于铁路车站不同功能区的影响特征不同，探究车站邻避效应影响范围的空间异质性具有重要意义[29]。本文将兰州火车站和兰州高铁西站范围划分为“站场区”和“市政配套区”，以其边界为核心并以0.2 km为单位距离将半径为2.0 km的圆形区域划分为8个45°的扇形区域，运用价格特征模型探究不同扇形区域内邻避影响范围。
铁路车站邻避效应影响范围存在显著的空间异质性（图5），“站场区”方向最大影响范围达到1.6 km，对房价的影响高于“市政配套区”方向。其中：兰州火车站邻避效应影响范围如图5a所示，西向扇形区域内因小区数量较少无法计算，西北、东南为铁路车站站场区和铁路线方向，影响范围明显更远，分别为1.2 km和1.6 km。市政配套区邻避效应影响范围为0.4 km，小于车站影响平均值0.6 km。兰州高铁西站的邻避效应影响范围如图5b所示，车站站场区邻避影响范围显著大于市政配套区。西北、东南为铁路车站站场区和铁路线方向，影响范围最远为1.6 km，站场区正西、西南和正南方向的影响范围为1.4 km、1.0 km和1.2 km。市政配套区方向影响范围为0.4~0.8 km，各方向影响距离平均值小于车站平均值0.6 km。因此，利用市政配套区合理布置城市商业、商务等设施对于抵消铁路车站邻避效应具有重要意义。
图5 铁路车站影响范围

Fig. 5 Influence scope of railway station

3 讨论

兰州市城市形态呈东—西向较长的“带”形，而市内铁路线也是沿东—西向横穿而过，受影响的小区占比由于带形城市与线型邻避设施同向而大大增加（图3）。此外，本研究认为铁路设施邻避效应的影响范围为1.2 km，相较其他城市研究结果距离范围较小[6,12-13]。兰州市城市建成区南—北向距离较短，并且黄河从城市中心穿城而过，因此核心发展区多位于黄河及铁路线之间，是造成影响距离较小的原因之一[22]。并且在自然地理和发展格局的共同作用下，兰州市住宅无法避免在影响范围内进行建设，进一步增加了城市邻避问题治理的难度。
研究结果显示，城市铁路邻避设施对房价有显著的负向影响，这一结论与现有研究一致[3-4,12]。研究得出铁路车站影响范围为0.6 km，并且认为车站“站场区”方向对房价的影响高于“市政配套区”方向。结合“节点-场所”理论和TOD发展理念，城市铁路车站在规划阶段被认为是城市未来的核心发展区，在后期发展过程中其人流引导作用会推动城市的增长极形成[29]。因此，应充分利用铁路车站的建设，合理布置周围用地功能，带动城市整体发展。
现有《铁路安全管理条例》中规定高速铁路和其他铁路两侧安全保护区分别为10 m和8 m，而本文研究认为铁路线和铁路车站对周围小区的影响范围为1.2 km和0.6 km，远大于现有标准。因此，在未来规划与管理过程中应注重铁路设施的影响范围和不同区域铁路影响特征，制定出因地制宜的防护范围和经济补偿范围，使用创新的技术，例如：轨道交通地下空间开发，优化沿线住宅生活质量并形成良好的人居环境。

4 结论

（1） 兰州市铁路邻避设施对周围住宅价格具有显著的负面影响，铁路线路对住宅价格的影响强度大于铁路车站。在一定区域内，与最邻近铁路线和铁路车站的距离每减少1%，住宅价格相应降低0.175%和0.017%。
（2） 铁路线邻避效应影响范围为1.2 km，铁路车站邻避效应影响范围为0.6 km。影响范围内的小区数量占兰州中心城区住宅小区总数的55.24%，带形城市与线型邻避设施同向使得受影响小区占比较大。
（3） 铁路线路和铁路车站对住宅价格的负向影响具有显著的空间异质性。铁路线对位于核心发展区一侧以及房价高值区的小区影响较大，而铁路车站“市政配套区”方向邻避效应对住宅价格的影响范围小于“站场区”，利用车站前广场合理布置城市商业、商务和公寓等综合功能对于抵消铁路车站邻避效应具有重要意义。

References

Publishing order | Descend order by publishing year | Descend order by cited within
[1]
宋文杰, 史煜瑾, 朱青, 等. 基于节点-场所模型的高铁站点地区规划评价——以长三角地区为例[J]. 经济地理, 2016, 36(10): 18-25, 38.

[Song Wenjie, Shi Yujin, Zhu Qing, et al. Evaluation on planning of high-speed rail station area based on node-place model in Yangtze River Delta area[J]. Economic Geography, 2016, 36(10): 18-25, 38. ]

[2]
张雪莹, 周晓艳, 程必立, 等. 基于住宅价格视角的城市铁路设施邻避效应异质性研究——以长春市中心城区为例[J]. 地理科学进展, 2023, 42(9): 1783-1794.

DOI

[Zhang Xueying, Zhou Xiaoyan, Cheng Bili, et al. Heterogeneity of railway facilities’ NIMBY effect based on housing prices: A case study of central Changchun City[J]. Progress in Geography, 2023, 42(9): 1783-1794. ]

DOI

[3]
吴云清, 翟国方, 李莎莎. 邻避设施国内外研究进展[J]. 人文地理, 2012, 27(6): 7-12, 42.

[Wu Yunqing, Zhai Guofang, Li Shasha. Progress in research of NIMBY facility home and abroad[J]. Human Geography, 2012, 27(6): 7-12, 42. ]

[4]
Siddall W R. No nook secure: Transportation and environmental quality[J]. Comparative Studies in Society and History, 1974, 16(1): 2-23.

[5]
郑卫. 邻避设施规划之困境: 上海磁悬浮事件的个案分析[J]. 城市规划, 2011, 35(2): 74-81, 86.

[Zheng Wei. Dilemma in NIMBY facility planning: A case study of magnetically levitated train in Shanghai[J]. City Planning Review, 2011, 35(2): 74-81, 86. ]

[6]
Strand J, Vågnes M. The relationship between property values and railroad proximity: A study based on hedonic prices and real estate brokers’ appraisals[J]. Transportation, 2001, 28: 137-156.

[7]
Debrezion G, Pels E, Rietveld P. The impact of rail transport on real estate prices: An empirical analysis of the Dutch housing market[J]. Urban Studies, 2011, 48(5): 997-1015.

[8]
周义, 李梦玄. 铁路干线交通噪音及分割效应对城市住宅价值的影响: 以武汉市京广线南环段为例[J]. 华中农业大学学报(社会科学版), 2011(4): 82-87.

[Zhou Yi, Li Mengxuan. Impact of main railway noises and segmentation effect on urban property values[J]. Journal of Huazhong Agricultural University (Social Sciences Edition), 2011(4): 82-87. ]

[9]
尹晶萍. TOD视角下轨道交通对住房价值和土地开发强度的影响分析[D]. 杭州: 浙江大学, 2015.

[Yin Jingping. Impacts of rail transit on the residential property values and land use based on the perspective of transit-oriented development[D]. Hangzhou: Zhejiang University, 2015. ]

[10]
吴云清. 邻避设施的风险可接受度及空间效应研究[D]. 南京: 南京大学, 2015.

[Wu Yunqing. NIMBY facilities risk acceptability and spatial effect[D]. Nanjing: Nanjing University, 2015. ]

[11]
李伊祺, 余建辉, 张文忠. 机场设施邻避效应对北京市住宅价格空间影响研究——以北京首都国际机场为例[J]. 地理研究, 2021, 40(7): 1993-2004.

DOI

[Li Yiqi, Yu Jianhui, Zhang Wenzhong. Spatial impact of airport facilities’ NIMBY effect on residential prices: A case study of Beijing Capital international airport[J]. Geographical Research, 2021, 40(7): 1993-2004. ]

[12]
Geng B, Bao H J, Liang B Y. A study of the effect of a high-speed rail station on spatial variations in housing price based on the hedonic model[J]. Habitat International, 2015, 49: 333-339.

[13]
Gawande K, Jenkins S H, Yuan M. The long-run impact of nuclear waste shipments on the property market: Evidence from a quasi-experiment[J]. Journal of Environmental Economics and Management, 2013, 65(1): 56-73.

[14]
Robert F. Framing processes, cognitive liberation, and NIMBY protest in the US chemical-weapons disposal conflict[J]. Sociological Inquiry, 2003, 73(3): 359-386.

[15]
党艺, 余建辉, 张文忠. 环境类邻避设施对北京市住宅价格影响研究——以大型垃圾处理设施为例[J]. 地理研究, 2020, 39(8): 1769-1781.

DOI

[Dang Yi, Yu Jianhui, Zhang Wenzhong. The impact of NIMBY facilities on housing prices in Beijing: A case study of large waste disposal facilities[J]. Geographical Research, 2020, 39(8): 1769-1781. ]

[16]
侯璐璐, 刘云刚. 公共设施选址的邻避效应及其公众参与模式研究——以广州市番禺区垃圾焚烧厂选址事件为例[J]. 城市规划学刊, 2014(5): 112-118.

[Hou Lulu, Liu Yungang. NIMBY effect in public facilities planning and ways of citizen participation: A case study on the siting of Panyu Incineration Plant[J]. Urban Planning Forum, 2014(5): 112-118. ]

[17]
陈佛保, 郝前进. 环境市政设施的邻避效应研究——基于上海垃圾中转站的实证分析[J]. 城市规划, 2013, 37(8): 72-77.

[Chen Fobao, Hao Qianjin. NIMBY effects caused by environmental facilities: A case study on waste transfer stations in Shanghai[J]. City Planning Review, 2013, 37(8): 72-77. ]

[18]
Susana F, Louise G. Protest responses and community attitudes toward accepting compensation to host waste disposal infrastructure[J]. Land Use Policy, 2010, 27(2): 638-652.

[19]
Jason L A, Groh D R, Durocher M, et al. Counteracting “not in my backyard”: The positive effects of greater occupancy within mutual-help recovery homes[J]. Journal of Community Psychology, 2008, 36(7): 947-958.

[20]
赵沁娜, 肖娇, 刘梦玲, 等. 邻避设施对周边住宅价格的影响研究——以合肥市殡仪馆为例[J]. 城市规划, 2019, 43(5): 107-112, 120.

[Zhao Qinna, Xiao Jiao, Liu Mengling. Effects of NIMBY facilities on surrounding residential property price: A case study of funeral parlor in Hefei[J]. City Planning Review, 2019, 43(5): 107-112, 120. ]

[21]
唐相龙. 苏联规划在中国[M]. 南京: 东南大学出版社, 2016: 159-163.

[Tang Xianglong. Soviet planning in China[M]. Nanjing: Southeast University Press, 2016: 159-163. ]

[22]
张文斌, 张志斌. 基于扩展生态位理论的居住空间分异研究——以兰州市为例[J]. 干旱区地理, 2023, 46(8): 1376-1386.

DOI

[Zhang Wenbin, Zhang Zhibin. Residential spatial differentiation based on extended niche theory: A case of Lanzhou City[J]. Arid Land Geography, 2023, 46(8): 1376-1386. ]

DOI

[23]
宋伟轩, 马雨竹, 陈艳如. 南京城区住宅售租价格时空分异与影响因素[J]. 地理科学进展, 2018, 37(9): 1268-1276.

DOI

[Song Weixuan, Ma Yuzhu, Chen Yanru. Spatiotemporal differentiation and influencing factors of housing selling and rental prices: A case study of Nanjing City[J]. Progress in Geography, 2018, 37(9): 1268-1276. ]

DOI

[24]
谭俊杰. 城市邻避性公共设施的经济效应与规划对策研究[D]. 合肥: 合肥工业大学, 2015.

[Tan Junjie. Study on the economic effect and planning countermeasures of urban NIMBY facilities[D]. Hefei: Hefei University of Technology, 2015. ]

[25]
晁勐, 张俊, 刘翔. 兰州市主城区房价分异及驱动因素研究[J]. 干旱区地理, 2022, 45(6): 2004-2012.

DOI

[Chao Meng, Zhang Jun, Liu Xiang. Research on housing price differentiation and driving factors in central urban area of Lanzhou City[J]. Arid Land Geography, 2022, 45(6): 2004-2012. ]

DOI

[26]
Armstrong Jr R J. Impacts of commuter rail service as reflected in single-family residential property values[J]. Transportation Research Record, 1994, 1466: 88-98.

[27]
Eshet T, Baron M G, Shechter M, et al. Measuring externalities of waste transfer stations in Israel using hedonic pricing[J]. Waste Management, 2007, 27(5): 614-625.

PMID

[28]
樊学秀, 刘文萍, 江可申. 民航运输对入境旅游经济的影响——基于异质性与空间溢出效应视角[J]. 干旱区地理, 2024, 47(6): 1026-1035.

DOI

[Fan Xuexiu, Liu Wenping, Jiang Keshen. Impact of civil aviation transport on inbound tourism economy: Based on perspective of heterogeneity and spatial spillover effects[J]. Arid Land Geography, 2024, 47(6): 1026-1035. ]

DOI

[29]
王丽, 刘可文, 曹有挥. 国内外高铁站区空间结构研究进展及启示[J]. 经济地理, 2016, 36(8): 120-126.

[Wang Li, Liu Kewen, Cao Youhui. Research progress of spatial structure in regions of HSR stations home and abroad[J]. Economic Geography, 2016, 36(8): 120-126. ]

Options
Outlines

/

〈 〉