大眾對(duì)于自動(dòng)駕駛汽車的對(duì)人們生活的影響有很多討論。本文重點(diǎn)討論自動(dòng)駕駛這一新型的出行方式對(duì)人們“住”的影響,未來由于自動(dòng)駕駛汽車的遍及,公共交通這一因素在房價(jià)中將被弱化甚至忽略,會(huì)對(duì)影響人們對(duì)住所的選擇。
自動(dòng)駕駛汽車(Autonomous vehicles),或者叫無人車,即將改變世界。
大眾對(duì)于自動(dòng)駕駛汽車的“直接效應(yīng)”有很多討論:比如無人車將如何減少交通事故的死亡人數(shù),如何使乘坐更加舒適,或者如何導(dǎo)致更多的卡車司機(jī)失業(yè)。但是,更大的問題是在于它帶來的“間接效應(yīng)”:出行的改善將使我們重新審視生活的方式。
讓我們從房地產(chǎn)行業(yè)講起,老式汽車(亨利福特式的)完全改變了美國的建筑生態(tài)環(huán)境,將住戶們從城市中遷出轉(zhuǎn)至城郊。那么自動(dòng)駕駛汽車會(huì)對(duì)我們的城市和郊區(qū)產(chǎn)生什么樣的影響?當(dāng)然是巨大的。
重點(diǎn):對(duì)房產(chǎn)擁有者的一次經(jīng)濟(jì)動(dòng)蕩
保守估計(jì),自動(dòng)駕駛汽車將給美國的13個(gè)主要城市的住宅物業(yè)價(jià)值增加約1萬億美元。
這一價(jià)值將從原先因“交通便利”而溢價(jià)的房產(chǎn)(比如公共交通附近,短途通勤),轉(zhuǎn)移到目前價(jià)格中因?yàn)楦鞣N“交通不便”而貶值的房產(chǎn)中(比如遠(yuǎn)離市中心,長途通勤)。
1萬億美元聽上去似乎非常驚人,但要謹(jǐn)記,房地產(chǎn)市場是巨大的:Zillow估計(jì),美國的住宅價(jià)值達(dá)到了夸張的29.6萬億美元。在這13個(gè)城市中,自動(dòng)駕駛汽車帶來的轉(zhuǎn)變將占住宅物業(yè)價(jià)值的2%到13%,下面的圖表顯示了哪些城市將在百分比基礎(chǔ)上受到最嚴(yán)重的影響。
讓我們?cè)囍雇幌逻@1萬億美元,它將超過埃克森美孚(ExxonMobil)、沃爾瑪(Walmart)和摩根大通(JPMorgan)的市值之和。在這種轉(zhuǎn)變當(dāng)中,有更多的財(cái)富會(huì)被創(chuàng)造出來(也許還有一些損失)。
為什么說自動(dòng)駕駛汽車將使我們重新選擇居住的地方?
讓我們從自動(dòng)駕駛汽車帶來的三個(gè)簡單的后果進(jìn)行討論:
第一,自動(dòng)駕駛汽車使通勤更加愉悅,所以人們?cè)敢庾〉母h(yuǎn):在長達(dá)40分鐘的通勤中,你是愿意選擇看電視,小睡一會(huì)或者回復(fù)電郵完成工作,還是雙手緊握方向盤戰(zhàn)戰(zhàn)兢兢的觀察交通?我曾經(jīng)在Facebook工作,每天乘坐一輛帶有WiFi的“科技巴士”從舊金山到Menlo Park的總部上班,路途要花費(fèi)1到1個(gè)半小時(shí)。“每個(gè)人都討厭通勤,誰愿意花費(fèi)一個(gè)半小時(shí)在路上?”區(qū)別在于,要么乘坐班車,要么選擇自己開車。這也造成了要么搬到離工作更近的郊區(qū),或者依舊住在我喜歡的舊金山。通勤質(zhì)量的微小變化將改變數(shù)百萬居民對(duì)于居住地的選擇。
第二,自動(dòng)駕駛汽車甚至可以做到縮短通勤時(shí)間:這一點(diǎn)備受爭議,一些人認(rèn)為,自動(dòng)駕駛汽車將通過增加每條車道的車輛數(shù)量來減少行駛時(shí)間,或者通過車輛間的通信交互來提高行駛的平均速度。另一些人則反駁說,由更便宜、更舒適的交通工具創(chuàng)造的“誘導(dǎo)需求”來抵消這些收益。這種情況將如何發(fā)展仍然不確定,但實(shí)際旅行時(shí)間的減少將允許住宅的進(jìn)一步向外蔓延。
自動(dòng)駕駛汽車將比人工駕駛實(shí)現(xiàn)更高效的交通流動(dòng) 來源:Friedrich 2016
第三,自動(dòng)駕駛汽車將挑戰(zhàn)公共交通:即便是最便捷的交通也將受到影響。大多數(shù)主要城市的公共交通由于Uber瓜分了一定的市場份額已經(jīng)出現(xiàn)了財(cái)政困難的情況,也不可能在未來能和舒適、便捷、高效的自動(dòng)駕駛汽車相比。任何地方的“鄰近公共交通”(軌交房)都被認(rèn)為是有利于房產(chǎn)價(jià)值的因素,也就是說,未來由于自動(dòng)駕駛汽車的遍及,公共交通這一因素在房價(jià)中將被弱化甚至忽略。
簡而言之,自動(dòng)駕駛汽車壓縮了距離(通過交通時(shí)間和交通舒適度)。它轉(zhuǎn)變了我們?cè)械乃季S方式,并改變了支配房地產(chǎn)價(jià)值的空間關(guān)系。數(shù)以億計(jì)的美國人將重新考慮他們生活的地方與他們需要去的地方,以及這其中的距離。企業(yè)和雇主也會(huì)根據(jù)新技術(shù)的出現(xiàn)做出同樣的反應(yīng)。
當(dāng)然,這些變化講將給房產(chǎn)價(jià)值帶來重大影響。下一節(jié)我們將探究這些影響在何處以及具體有多少。
模型:自動(dòng)駕駛汽車對(duì)房價(jià)的影響
因素一:開車到市中心的距離
紅點(diǎn)表示60分鐘通勤,藍(lán)點(diǎn)表示45分鐘通勤,下午5點(diǎn)從舊金山市中心駛出圖
關(guān)于這個(gè)話題,已經(jīng)有了很多的討論,但不是最近(大多數(shù)研究都是在1960-2000年進(jìn)行的),而不是全面的(大多數(shù)研究都是在一個(gè)城市進(jìn)行的)。
借助現(xiàn)代的大數(shù)據(jù)來源和分析技術(shù),我們采用了更加全面的版本。在這項(xiàng)技術(shù)中,我們結(jié)合了一個(gè)擁有最近半年來19萬美元以上的房產(chǎn)銷售的私有數(shù)據(jù)庫,該數(shù)據(jù)庫基于美國13個(gè)主要城市的80英里范圍內(nèi)。我們將它與公共人口普查數(shù)據(jù)和最先進(jìn)的交通數(shù)據(jù)庫結(jié)合在一起進(jìn)行分析。
如今,開車去市中心的時(shí)間與房產(chǎn)價(jià)值有什么關(guān)系?這可能有助于我們回答未來它將如何變化。
讓我們從一個(gè)相對(duì)清晰的例子:華盛頓特區(qū)(以下簡稱DC)開始說起。
華盛頓特區(qū):離市中心的駕駛距離越短,房價(jià)越貴
在DC,房產(chǎn)價(jià)值的巨大差異(61%)可以用房產(chǎn)離市中心有多近來解釋。我們很快就會(huì)發(fā)現(xiàn),并非所有城市都是如此,但在DC卻是如此。
從這張圖表來看(無法控制其他變量),你會(huì)得出這樣的結(jié)論:如果一個(gè)人在DC市中心的實(shí)際通勤路程是40分鐘,使用了自動(dòng)駕駛汽車之后他將會(huì)神奇的體驗(yàn)到35分鐘的通勤時(shí)間。DC的平均房價(jià)是是37.6萬美元,而這五分鐘的差距,根據(jù)我們的模型實(shí)際上帶來的價(jià)值是1.9萬美元(e^(5分鐘*0.0098)*376=$395k$395k-$376k=$19k)。這對(duì)房主來說是實(shí)實(shí)在在的錢,而在整個(gè)DC地區(qū),巨大的經(jīng)濟(jì)變化正在不斷的累積。
這對(duì)整個(gè)DC意味著什么呢?我們使用的實(shí)際模型考慮的因素比上面的單一變量要多。在我們完整的模型中,我們估計(jì)將有880億美元將會(huì)在DC中轉(zhuǎn)移。下面是一些獲利最大的地區(qū):
因素二:多中心城市的通勤
但是,你會(huì)提出疑問,我們并不是每天都要去市中心。
你是正確的。當(dāng)大部分人通勤到城市的中心時(shí),我們稱這種城市為“單中心”城市。DC就是一個(gè)單中心城市。我們?cè)倥e一個(gè)例子:菲尼克斯(Phoenix又叫鳳凰城),鳳凰城就是這樣一個(gè)“多中心”城市。人們開車去上班,結(jié)果表明:城市中心驅(qū)動(dòng)時(shí)間與房產(chǎn)價(jià)值之間的關(guān)系與DC不同。開車到市中心的時(shí)間不是一個(gè)能解釋鳳凰城房產(chǎn)價(jià)值屬性的變量因素。(R2=6%)
那么在鳳凰城這樣的多中心城市,自動(dòng)駕駛汽車會(huì)影響房產(chǎn)價(jià)值嗎?答案是肯定的,人們上班的通勤方式依然會(huì)受到影響,即使他們不是去市中心。
多中心城市是很難建模的,但其影響是真實(shí)的,我們的模型通過考慮城市中心以外的多個(gè)工作地點(diǎn)來解釋鳳凰城的多中心性。因此,我們的模型能夠解釋鳳凰城70%的房價(jià)差異。
我們估計(jì),根據(jù)我們?yōu)轼P凰城建立的多中心城市模型,由于自動(dòng)駕駛汽車的普及,鳳凰城將會(huì)有80億美元的財(cái)產(chǎn)價(jià)值轉(zhuǎn)移。下圖是獲利最多的區(qū)域:
因素3:公共交通:不再是價(jià)值驅(qū)動(dòng)因素
從歷史上看,靠近公共交通對(duì)房地產(chǎn)價(jià)格有著有利的影響。下表展示了幾個(gè)交通項(xiàng)目的影響。APTP在進(jìn)行的另一項(xiàng)研究表明,在0.5英里范圍內(nèi)公共交通造成的價(jià)值溢價(jià)為42%。
來源:National Association of Realtors
在未來即將向自動(dòng)駕駛汽車轉(zhuǎn)變的過程中,靠近交通中轉(zhuǎn)站的房地產(chǎn)很有可能成為輸家。由于人們對(duì)于自動(dòng)駕駛交通的使用,特別是在軌道交通上,他們的“溢價(jià)”將會(huì)縮?。ㄒ恍┤苏J(rèn)為,在自動(dòng)駕駛汽車上會(huì)表現(xiàn)的更好,因?yàn)樗鼈冞m應(yīng)新技術(shù)的能力更強(qiáng))。這筆溢價(jià)很有可能將會(huì)在非交通社區(qū)中形成轉(zhuǎn)化。
總結(jié):偉大的扁平化
我們將看到最基礎(chǔ)的變化將是一個(gè)廣泛意義上的價(jià)值轉(zhuǎn)移,從我們?cè)瓉碚J(rèn)為所謂的“便利”(離市中心較近,通勤方便)這種被積極定價(jià)的因素,和“不便”(通勤糟糕,離市中心較遠(yuǎn))這種被消極定價(jià)的因素。隨著時(shí)間的推移,這兩者的差異將趨于平緩與均衡。這種“扁平化”的趨向代表了價(jià)值的巨大轉(zhuǎn)變。
但是等等,這不是在遙遠(yuǎn)的未來嗎?在一個(gè)問題上,人們不禁會(huì)觀點(diǎn)不一:這樣的轉(zhuǎn)變還要多久才實(shí)現(xiàn)?
在未來幾十年里,我們可能不會(huì)看到大規(guī)模的普及L5自動(dòng)駕駛汽車(完全智能化)。但我們不能因此就放松警惕,有兩個(gè)原因:
第一,推動(dòng)資產(chǎn)價(jià)格的是未來預(yù)期,而非當(dāng)前現(xiàn)實(shí):資產(chǎn)價(jià)值基于對(duì)未來事件的預(yù)期。在事件真正發(fā)生之前,我們應(yīng)該看到資產(chǎn)價(jià)值的變化。舉個(gè)例子,當(dāng)一個(gè)社區(qū)僅僅開始宣布一個(gè)交通工程還沒有實(shí)現(xiàn)它的時(shí)候,你的鄰居就已經(jīng)會(huì)變了。這意味著,在自動(dòng)駕駛汽車真正上路之前,房地產(chǎn)價(jià)值可能會(huì)在5-10年的時(shí)間內(nèi)改變,也就是,現(xiàn)在。
第二,半自動(dòng)駕駛汽車已經(jīng)誕生:我們看到完整的L5自動(dòng)駕駛汽車還會(huì)遠(yuǎn)嗎?今天,我們已經(jīng)看到了這項(xiàng)技術(shù)的雛形。特斯拉的自動(dòng)駕駛系統(tǒng)(又稱L2自動(dòng)駕駛汽車,半自動(dòng)駕駛汽車)已經(jīng)讓通勤變得更加舒適。這項(xiàng)技術(shù)將很快應(yīng)用到普通汽車上,完整的自動(dòng)駕駛汽車來實(shí)現(xiàn)所有的轉(zhuǎn)變還需要一段時(shí)間,然而單單是半自動(dòng)駕駛就已經(jīng)能讓長時(shí)間的駕駛變得愉悅,而它開始改變?nèi)藗儗?duì)于距離的看法,進(jìn)而改變?nèi)藗兎慨a(chǎn)價(jià)值的看法。
啟示:一個(gè)動(dòng)蕩的未來
對(duì)于房屋的擁有者來說,人們的儲(chǔ)備金,如果保存在他們的房屋凈值中,可能并不像他們認(rèn)為的那么安全。
對(duì)于房地產(chǎn)投資者來說,這筆財(cái)富相當(dāng)于埃克森美孚(ExxonMobil)、沃爾瑪(Walmart)和摩根大通(JPMorgan)的市值總和。
對(duì)于城市規(guī)劃者來說:城市擴(kuò)張將得到補(bǔ)貼,迫使規(guī)劃者考慮經(jīng)濟(jì)增長的限制以及我們對(duì)于密度的價(jià)值。城市化的擁護(hù)者應(yīng)該警惕起來。
你怎么看?
-
大數(shù)據(jù)
+關(guān)注
關(guān)注
64文章
8854瀏覽量
137210 -
自動(dòng)駕駛
+關(guān)注
關(guān)注
782文章
13621瀏覽量
165941
原文標(biāo)題:數(shù)據(jù)建模發(fā)現(xiàn):改變?yōu)硡^(qū)房價(jià)的,可能是無人駕駛……
文章出處:【微信號(hào):IV_Technology,微信公眾號(hào):智車科技】歡迎添加關(guān)注!文章轉(zhuǎn)載請(qǐng)注明出處。
發(fā)布評(píng)論請(qǐng)先 登錄
相關(guān)推薦
評(píng)論