姚敏峰，秦昱晨，石磊，詹晓东

(1.华侨大学，a.建筑学院，b.厦门市生态建筑营造重点实验室，福建厦门 361021；2.厦门市轨道建设发展集团有限公司，福建厦门 361000）

0 引言

近年来，以公共交通为导向的发展模式(Transit-Oriented Development，TOD)已经成为我国城市发展建设的热点。伴随轨道线网建设的同时，各大城市加强了轨道沿线及站域范围的土地综合开发，但在实践过程中多面临着开发效益受限和建设成本难以回收等现象。国际经验表明，资金回收与运营仍是影响未来轨道交通建设可持续性的核心问题。众所周知，TOD主要是通过改善沿线或站点周边用地的区位价值，提高交通可达性，从而影响土地价格增值，产生溢价效应。加强公共交通投资，提升溢价效应可为站域城市功能，尤其是商业功能带来额外价值，对这部分增值所得进行合理再利用有利于反哺政府在城市交通基础设施建设过程中的巨额成本投入，称之为“溢价归公(Value Capture)”[1]。

自2010年起，我国城市轨道交通进入快速发展期，轨道交通运营里程数已位居世界第一。与此同时，城市群发展促进了城际线路和市郊铁路与城市轨道交通共同组成多层次轨道交通系统。2022年4月26日召开的中央财经委员会第十一次会议提出：“推进城市群交通一体化，建设便捷高效的城际铁路网，发展市域(郊)铁路和城市轨道交通”。市郊铁路将成为未来几年我国基础设施建设的重点内容之一。大多数情况下，市郊铁路车站的区域首位度明显较高，因此，站点的溢价影响较城市中心区车站更为明显，尤其是商业溢价效应受步行接驳距离的影响更为显著。采用立体结合设施可有效解决开发地块与车站之间绕行系数过大的情况，提升附属商业的邻近度，促进乘客流向商业人流转换，进一步扩大联合开发商业的溢价效益。杨燕等[2]总结国内外典型站城一体化开发案例中的结合设施，将与车站各出入口直接相连的地下通道和步行天桥等归类为线衔接形式的结合设施，其建设成本相对较低，可灵活布置，也是目前我国各大车站结合设施设计的主要形式。

总体上看，既有研究以房地产的溢价影响机制探讨居多，研究结论多偏于宏观规律总结与阈值限定。CERVERO 等[3]和WEINSTEIN 等[4]研究发现，在车站的近距离内商业类房地产受站点影响的溢价敏感度高于居住类地产；GHEBREEGZIABIHER等[5]采用Meta 分析法发现，一般情况下，轨道交通车站对于居住类地产的影响距离范围最大不超过2英里(1 英里=1609.344 m)，重点在1/4 英里内，而对商业类房地产的影响仅限于站域300～500 m 左右的范围，且商业地产价格高于居住类地产约12.2%，这与将轨道交通车站作为聚焦点，吸引商业活动，增加商业地产价值的论断大致相符；赵晶等[6]基于上海房价栅格数据，构建双重差分模型，分析轨道交通所产生的溢出与虹吸效应，并将溢价趋势变化临界值确定在2500 m左右；潘海啸等[7]研究了上海中心城区轨道交通线网周边的房地产样本，发现轨道交通对于周边地产价格的溢价影响作用与空间可达性呈显著正相关。随着市郊铁路的大规模建设，关于其对于土地开发的影响也逐渐受到学界关注，TAN 等[8]借助特征价格模型(Hedonic Price Model，HPM)分析了武汉市地铁6号线沿线二手房销售数据，发现新建市郊站周边住宅价格增值效果显著，且影响范围在1600 m 左右；李杨等[9]以东京轨道交通中央本线(属市郊线)为例，就住宅可达性提升与地价增值关系构建特征价格模型，发现轨道交通对其增值影响作用与接驳距离呈负相关关系。

城市设计是论证轨道交通综合开发项目溢价效应的有效手段。香港早期的轨道交通站城一体化开发模式——“轨道+物业”联合开发(Rail+Property Development)，已被证明是解决高密度建成环境，促进轨道交通与城市空间的有效手段。为保证轨道交通建设成本的快速回收并避免附属房地产运营效率亏损，其主要采用立体化城市设计策略，通过完善的地面街道、空中连廊及跨越街区的步行天桥等结合设施，加强车站建筑与商业设施及居住社区的连接程度，提升附属物业的邻近度，加速溢价归公效率，并实现各类交通方式的综合接驳[10]。

市郊车站在建设水平及周边要素复杂程度上远不如城市中心区，在站域范围商铺空间分布密度与街道路网密度均较低的情况下，直线距离与实际步行可达性差距较大，常出现“相近而不相邻”的现象；同时，受首位度影响，市郊车站通常呈现出“靠近车站建设紧密，超出一定范围后，密度骤降”的发展规律，传统研究思路基于直线距离测度而得出的溢价变化规律难以体现市郊车站的特点，且难以体现距离因素对于溢价效应的具体改善机制与作用效果。因此，需从微观视角切入，突出市郊站域商铺的样本个体属性，并以实际步行可达距离代替直线测度结果，采用合理的评估方法与计算模型分析邻近商业设施溢价效应的增值表现。此外，房地产样本作为空间要素的特殊性，其在地理空间中会产生自相关现象(Spatial Dependence)并表现出空间异质性(Spatial Heterogeneity)，而传统特征价格模型在空间数据上的解释力较弱，导致分析结果可能产生误差。ANSELIN 等[11]建议采用空间计量回归方法以解决误差问题，此后，该方法在轨道交通与土地开发相关研究中被大量使用。徐涛等[12]以武汉市地铁2 号线为例，引入空间计量模型，分析了地铁站点类型对周边住宅和商业办公用地溢价效应的影响差异及圈层变化规律；张书婧等[13]在全局空间计量回归的基础上，考虑时间变化因素，采用局部变参数的方法研究了北京市域范围新建轨道交通线网对住宅价格影响的时空效应。

本文在既有研究基础上，选取东京市郊铁路，从城市设计视角提出研究思路，聚焦于通过城市设计角度开展研究，构建空间面板计量模型，深入分析站域商业设施溢价效应的影响机制，并重点关注市郊线站点的站城结合设施设计对其周边联合开发商业溢价效益的提升作用；在定量分析的基础上引入案例验证环节，借助成本效益法评价目标车站结合设施的建设投入与预期增值溢价营收，论证如何通过城市设计加强站城结合，在提升商业设施邻近度的基础上汇聚客流，并显著提升商业设施的溢价增值效益。为现有理论研究提供新的思路及为相关实践项目提供借鉴。

1 研究方法

1.1 空间计量回归模型

传统HPM 模型是评估房地产价格的常用工具，主要是将房地产作为特异性商品，样本差异来自房地产本身所具有的可满足消费者需求的各种特征，以解释商品间的异质性，基本形式可通过多元线性回归模型(Multivariable Linear Regression model，MLR)表示，特征变量系数可由OLS 最小二乘法进行回归拟合。而空间计量回归法则是在传统截面与面板数据基础上引入空间参数(全局常参数)，对其进行空间自相关分析和结构分析。主要包括：空间滞后模型(Spatial Autoregressive Model，SAR)、空间误差模型(Spatial Autoregressive in Error Term Model，SEM)及空间杜宾模型(Spatial Durbin Model，SDM 模型)。前两个模型可由空间杜宾模型系数退化而产生，由于本文目标为同一分析空间下的商铺样本点数据，暂不考虑相邻地区样本自变量间的相互影响，因此，模型主要选择前两者。SAR与SEM模型的区别主要是引入变量系数的不同，分别为空间滞后变量与空间误差变量，具体选择方法由系数检验进一步判断。结合既往房地产价格方面的研究，考虑到模型拟合度、正态分布假设检验及异方差问题，将租金价格取对数并采用半对数形式的模型。SAR模型与SEM模型基本形式为

式中：ρ为空间自相关系数；λ为空间误差变量影响系数；W为空间权重矩阵；Bi为第i个商铺样本单月租金价格(万日元)；m为商铺样本总个数(k取值为1,2,3,…,m-1,m)；Xki为第i个房地产样本的第k个特征变量值；di为第i个商铺样本距离最近公交站点的距离(m)；εi为第i个商铺样本可能产生的随机误差；μ为模型拟合所产生的随机误差(变量符合正态分布)；α0、β、αk为影响系数。

1.2 成本-效益评价模型

在工程项目评估时经常会采用成本效益(Cost Benefit Analysis,CBA)法。主要通过确定建设目标，提出一系列解决方案，并运用相关技术方法，详细列出所有方案的全部预期成本和效益，通过比较方法，并依据一定原则，放弃社会边际成本超过边际效益的方案，确定方案优先顺序，进行最优决策。在站城联合开发的不同城市设计方案中，附属商业布局与形式均可能存在较大差异，影响与之结合商业设施的邻近度。当采取某种类型的结合设施衔接商业设施与车站建筑时，额外增加的建设成本是否可以通过溢价增值收益的提升进行抵消，需要通过成本效益模型评估。

本文拟通过空间计量回归分析，提取关键变量系数，对所选目标车站结合设施方案设计进行评价，在前提条件合理的情况下，采用情景模拟法，通过城市设计多方案比选，假设结合设施建设前后主要影响客流的步行路线以及实际步行距离，达到改善商铺邻近度并提升溢价效应的作用。成本指标主要包括结合成本，即在自身规模、土地成本及建安成本等限定的前提下，为了实现更好的站城结合所付出的额外成本，例如，天桥和广场等结合设施的建造成本和运营维护成本等，模型为

式中：Ct为增设第t个衔接设施引起的建设成本增加额现值(万日元)；CL为结合设施所增加的土建工程费用(万日元)；CF为结合设施所需设备费用(万日元)，包括照明设备采购和扶梯电机采购安装等；CM为运维成本(万日元)，主要包括设施正常运行所需资金投入和维护成本(设施日常清理和设备检修维护费用)。

效益主要包括与结合设施直接连通的附属商业的增值效益，建设结合设施之后提高的车站-商业之间的过街时间效益。由于车站客流变化的不确定性，生产活动价值转化难以准确估价，为避免车站结合设施成本估价的不便，简化评价模型，仅考虑关键区域结合设施架设前后步行路线变化而产生的商业增值差异，并将所有效益折算到运营当年年初现值，进行分析比较。

2 研究案例与特征变量统计

2.1 研究对象与数据说明

选择日本东京市郊铁路线路作为研究对象，主要有以下几个因素：①日本作为亚洲地区极具代表性的轨道交通建设带动城市发展的国家，其线路与高密度建成环境呈极强的耦合关系。②日本较早地确立了站城一体化的建设模式，并建成一批世界知名的轨道交通综合体，站城联合开发模式较为成熟，案例样本充足，可研究性较高。③日本的市郊线路与传统意义上所理解的市郊铁路不同，郊区各站点周边建设具有明显的集聚效应，超出一定范围则呈现低密度化布局；同时，与市中心涩谷站和新宿站等站城完全融合的综合体模式不同，市郊商业相对独立，可保证样本的空间独立性，同时也可避免垂直步行距离及其他因素的干扰，便于后续研究。日本市郊和市区不同类型车站如图1所示。

图1 日本市郊和市区不同类型车站Fig.1 Different types of stations in suburban and urban areas of Japan

2.2 特征变量选择

对于特征变量的选择，需在结合相关研究成果的同时，关注商铺样本与传统居住类房地产样本的区别。商业地产与居住类地产均与人们日常生活工作紧密关联，本身是一种较为复杂的商品，同类地产商品之间由于构成其使用价值或影响其价值浮动的特征存在较大差异，特征价格法认为异质性产品受其自身特征的影响，构建商业类房地产的特征价格模型需辨别影响价格浮动的各类特征因素。贾生华等[14]认为可将影响价格的特征要素分为区位特征，邻里特征及建筑特征，由于本文主要研究站点与商铺间的关系，因此，将邻里特征转化为商铺样本邻近的站点特征。特征变量选择如表1所示。

表1 特征变量选择Table 1 Selection of characteristic variables

第1 组变量描述商铺自身结构特征，例如，建造时间，面积，层数，可售商铺层高，距最近站点的步行时间用来衡量商业设施的邻近程度。根据数据采集网站At home数据测量来源说明，其步行时间测量为以正常成人步行速度(约1.25 m·s-1)依托街道路网实地测量所得的最短步行距离，具有一定的解释力与科学性。

第2 组变量描述区位特征，主要研究商铺、站点及城市间的关系(主要考虑距离因素)，包括：距站点直线距离，与新宿站距离(所选线路为市郊非环线，终点站为新宿，接近市中心，选择其代替城市中心的影响)，与町田站距离(町田站作为小田原线换乘JR横滨线枢纽站，可换乘至多摩新城，横滨等重要节点区域，推测其对样本可能存在一定影响作用，故纳入考虑区位特征变量范围)等变量。直线距离均为欧式距离，利用Arcgis 计算工具直接测量，如图2所示。

图2 小田急小田原线路区位Fig.2 Odakyu Odawara Line location map

第3 组变量描述商铺邻近站点的特征，包括：站点类型，站城结合方式，结合设施类型，平均换乘人数。研究建立二元变量(0,1)描述站点类型为单线中间站或多线换乘站；结合方式参考文献[7]分为：分离型(即无结合)、接合式、融合式、综合式(接合式+融合式)，为便于后续线性回归分析，采用评分制表示其结合程度，其中，分离型最差，为0 分；综合型最好，为3分；结合设施类型分为线型/枝型、面型、体型及综合型。依据其便捷程度同样采用评分制分级。

实验数据来源于At home 房产出租信息网。初步爬取小田原线沿线商铺数据1989条，如图3所示。数据清洗工作主要包括：清理无效数据，空值以及筛除部分不符合研究目标的数据。由于后续成本效益模型主要评价站城结合设施的改善作用，需合理判断设施设计尺度，进行两步筛除。首先，筛除形式为地下站的车站，剩余12 座地上站点(包括地面站与高架站)；其次，根据设计经验与实际案例判断，兼顾步行适宜距离，将商铺样本与站点间距离控制在10 min内步行可达，即采用Arcgis测量工具得出站点与商铺的直线距离，将大于1000 m的样本筛除。最终得到可用于本文研究的有效数据809条。

图3 小田原线周边商铺样本分布Fig.3 Sample distribution of shops around Odawara Line

3 模型分析

3.1 商铺租金空间自相关性检验与回归模型选择

将所列出的特征变量样本数据全部纳入OLS(Ordinary Least Square)模型，采用步进回归法依次排除具有类似特性，且显著度低于10%和方差膨胀因子(Variance Inflation Factor)大于3 的特征变量，矫正模型的多重共线性，并根据步进法所生成模型的拟合度筛除变量。商铺面积与租金相关性及显著性均较低，将其去除；车站类型与平均换乘人流量具有类似特性(换乘站一般比中间站人流量更高)，去除显著性较低的车站类型及楼栋层数变量。去除变量后，模型拟合度较为良好，调整后R2为0.514，变化量无明显降低，用于构建空间面板计量模型。

在进行空间相关性检验之前构建空间权重矩阵，一般采用Queen-based 邻域法和距离阈值法两种方式，主要对比相关检验指标，并根据模型拟合度R2选择最佳权重矩阵。分别采用两种方法构建权重矩阵，对比模型拟合度及相关系数(参考相关文献距离阈值法选择650，800，1000，1200，1500 m作为距离阈值，并分别计算1 次，650 m 为最低限值)发现，邻域法生成的空间权重矩阵拟合度高于距离阈值法生成的权重矩阵拟合度。因此，本文选择限定距离阈值的邻域法构建空间权重矩阵更为合理；其次，对商铺样本租金变量取对数后进行单变量全局空间自相关分析，Moran's I(空间自相关系数)值为0.510，呈现中等程度的空间自相关；同时，检验其显著性为0.001。商铺样本空间自相关检验如图4所示。回归模型选择流程如图5所示。其中，Lagged ln月租金为变量，表示ln月租金的空间滞后(即某观测值与其周围“邻居”的加权平均)向量。

图4 商铺租金空间自相关性检验Fig.4 Spatial autocorrelation test for shop rents

图5 空间计量回归建模流程Fig.5 Spatial econometric regression modelling process

采用残差检验法通过拉格朗日乘数检验(Lagrange Multipliers,LM)及健壮性检验选择合适的计量模型，如表2所示。

由表2可知，LM-lag 与LM-error 均显著，LMlag值(118.9362)大于LM-error(94.1638)，因此，进一步进行稳健性查验，Robust LM-lag 值(26.3781)远大于Robust LM-error(1.6057)，根据显著性及模型置信度判定SAR模型更为适用。

表2 OLS回归系数检验Table 2 OLS regression coefficient tests

3.2 市郊铁路站域商业溢价效应影响机制

本文基于SAR 模型，采用半对数形式转换，特征要素对溢价效益的影响转换为百分比的形式以量化解释系数含义。首先，区位特征相关因素指标对于小田原线沿线商铺价格具有一定程度的影响，但系数均较低。其中，商铺距离最近站点的直线距离系数为负，显著性表现一般，说明，距离站点越近，溢价指数越高，每靠近100 m，价格上涨约0.01%，大致符合轨道交通车站站域商铺租金溢价的增长圈层变化规律。商铺与新宿站及东京市郊副中心町田站直线距离差异对商铺价格影响均为负相关，两者溢价回归系数过低难以百分比形式解释，且前者显著性未通过检验，其原因可能为：小田原线为跨度较长的市郊非环形线路，受限于距离因素，新宿站相较于町田站，对其线路上各站点及商铺影响力较弱；同时，样本数量限制也可能进一步导致如上结果。其次，站点自身特征对商铺租金均存在影响且回归系数值较高。其中，商铺所在层数与建造时间从系数来看均为负相关，可解释为年限越久和层数越高的商铺租金相对越低(排除少数具有一定历史街区特征的商铺租金与建造年限可能存在正相关关系的少数情况)，大体符合通识规律。最后，邻近站点特征变量指标组中，站城结合方式与结合设施类型回归系数均为正，表明其对商铺租金有积极溢价影响，即结合方式越紧密和越综合，商铺租金增值越明显；站点换乘人数回归系数较小，表明其对于周边商业的溢价效应影响程度较低。人流量的导入间接影响商业设施的租金变化，主要因为持续性换乘人流的涨跌波动决定了站域人流活力并间接影响商铺营收情况，“乘客流”是否可以最大限度转化为商业“消费流”，与站商步行结合设施紧密关联。在租赁市场引导下，商铺租金将在换乘人流量达到稳定后进一步调整，但由于本文并未获取不同时间段内换乘人数的切片数据进行横向比较，而是将年均换乘人数数据纳入模型，因此，回归系数值并不高，但显著性通过检验，该系数仍具有统计学意义。步行到达时间溢价回归系数约为-0.03，根据变量含义及横向比较情况看，该值较高，即实际步行到达车站时间越短，商铺租金溢价效益显著增长；从回归系数大小与显著性表现两方面比较步行时间与距最近站点直线距离，相较于后者，市郊线站点周边的独立商铺受到基于路网的步行可达性影响更明显。两项指标的回归结果分析侧面映证了对于直线距离与真实距离的差异比较，并反映了站城结合设施合理布局的重要性。本文将依据步行时间变量的模型拟合结果计算比较站城结合设施的成本效益，综合评估其对于站商邻近度的改善作用。

在整体溢价效应分析基础上，缩小研究范围，细分样本所属圈层，构建描述模型，探究商铺租金价格变化的圈层效应。结合既有研究，以样本与站点直线距离100 m为单位划分圈层，并建立二元变量(0,1)表示样本所属，引入SAR模型分析，结果如表3所示。

表3 SAR模型分析结果Table 3 SAR model analysis results

结果表明，500 m 范围内商铺租金与所属圈层放射式扩张并非单一线性关系，各圈层中溢价指数以100 m 为界线呈两极分布。(0,100]m 圈层并非影响最明显的圈层，即并非“越靠近站点，价格越高”。(0,100]m 回归系数为0.0707，商铺因紧邻轨道交通站点租金上涨7.07%；在(100,200]m圈层回归系数最大，为0.1339，该范围内商铺因靠近站点租金上涨13.39%；在(300,400]m 范围内又迎来峰值，回归系数约为0.1274，排除单一的距离原因，可能受到其他因素影响，还需考虑样本分布的不均匀性、路网结构差异及邻近设施的影响等，400 m后回归系数下降。可大致判断小田原线各站点对商铺的积极溢价影响范围约为200 m。

根据分析结果，初步判断市郊铁路车站站域范围内邻近度对于商铺溢价效应的影响并非线性增长，而是波动变化。这与以往“越邻近车站溢价增值效果越好(或商铺租金越高)”的传统认知相悖。其主要原因可能为：从“距离”因素来看，与城市中心区站点不同，市郊站域路网密度相对较低，直线距离与真实步行可达路程差距明显，前者对于溢价效应的影响敏感度降低，依托步行街道或结合设施的步行可达性对于商业设施的影响作用被放大；同时，由于市郊各站点建设水平层次不一，导致整体角度来看，站域范围内的商铺租金溢价规律并不稳定，且可能会出现如分析结果显示的情况，距离越近，变化幅度并非越大，而会在某一距离范围内持续增长并达到峰值，然后，趋于稳定；达到峰值后，距离影响被削弱，受到其他因素影响(例如公共服务设施水平等)开始出现下降趋势。

3.3 站城结合设施的成本效益估算

为控制分析变量及研究前提条件，考虑结合设施系统的清晰性及估算方便性，选择同样位于小田原线路上的海老名车站作为成本效益评价对象，通过合理的情景假设方法对结合设施(以步行天桥为主)建设前后分别产生的成本及创收进行估值计算与分析比较。海老名站为地上车站，站房形式为跨线式，车站各出入口均设有步行天桥与周边建筑结合，连接车站周边多个大型商业综合体、部分独立店铺及商务办公楼，如图6所示。南部天桥为普通步行功能，接入车站二层出站口，穿过多栋办公楼，通往购物中心“SHOPPERS PLAZA 海老名”，并最终通向海老名立体停车楼，从建筑与车站衔接关系来看，较为符合分析目标，因此，选定其作为评价对象。“SHOPPERS PLAZA 海老名”约4 层，建筑面积22244 m2，其中，商业面积14184 m2，属于传统商业综合体，以商铺出租为主。结合设施对路径选择的改善作用如图7所示。

图6 车站连接购物中心的步行天桥Fig.6 Pedestrian bridge connecting station to shopping center

图7 结合设施对路径选择的改善作用Fig.7 Combining influence of facilities on route selection

根据东京建设主管部门公开的其他类似项目的相关数据，车站结合天桥设施土建造价约为50 万日元·m-2，天桥总长度约为243 m，其中，平直段约230 m，室外楼梯投影长度约12 m，平均截面宽度为4 m，总建设面积约为900 m2。即土建成本CL=45000 万日元；据相关数据统计，日本近10年内新建天桥年均运维成本约为0.6 万日元·m-2，即年均运维成本约为CM=540 万日元。同时，由于该天桥不涉及到室外电梯及照明设备等费用，此处，总成本以土建及运维成本为主，即总成本C=CL+CM=45540 万日元。

基于SAR 模型分析结果，通过控制商铺特征、区位特征、邻近站点特征等因素以及空间自相关效应的作用，主要考虑结合设施对邻近度的改善作用与溢价增值的关联性，基于时间价值理论，将问题转化为步行时间缩短与步行路径的改变，可提升步行可达性，进而扩大“乘客流”向“商业消费流”的转化作用，并影响商铺的商业价值。提取步行时间变量回归系数、空间自相关系数、空间权重矩阵及常数项(误差项等)，在SAR 模型基础上，构建基于步行时间的商铺溢价收益增值估计模型为

式中：X为基于路网步行至目标商铺时间(min)，即

式中：TV为从出站到目的样本途中所经上下室外台阶(扶梯)耗费时间(min)；Th为从出站到目标商铺样本途经水平设施(街道和天桥等)步行时间(min)。

本文以步行时间作为衡量站-商邻近度的主要标准，将步行时间变量系数代入SAR模型中，整合得出基于步行时间影响的商铺单月溢价增值效益模型为

比较架设天桥前后由于路线选择变化所节省步行时间而创造的收益，路线选择如图7所示。若架设天桥，行人出站后，由二层直接上天桥并到达目标商铺二层，正常速度步行通过天桥时间约TW=Th=2.95 min，将TW代入式(7)可得，架设天桥后带来单个商铺单月溢价增收约B1=1.1901 万日元；若未建设天桥，即行人需从二层下至一层出站，按最近原则步行至路口，通过人行横道到达目标商铺(考虑过街红绿灯时间延误30 s)，总步行时间约为Tw=TV+Th+Td=7.26 min，其中，TV为出站步行下至一楼时间；Th为水平步行时间；Td为理想情况下红绿灯延误时间，计算得到单个商铺单月溢价增收约B2=1.1594 万日元。

购物中心“SHOPPERS PLAZA海老名”的商业面积为14184 m2，若仅考虑商铺面积，粗略计算，可设置约200 个70 m2的商铺并对外出租，架设天桥后，年均总溢价增收约为2856.24 万日元。比较计算结果发现，仅一座步行天桥即可提前约2年收回建设成本；同时，步行天桥的架设不仅仅显著提升了车站与周边商业设施(尤其是过街商业)的邻近度，也使得车站与周边的办公建筑与车站紧密结合，从图7可看出，海老名站周边一定范围内的商业商务办公建筑均围绕天桥步行设施建设，可进一步将结合设施所带来的溢价收益提升扩大，加速成本回收；此外，天桥还是城市的过街设施，有助于完善立体步行系统，实现人车分流。同时，架设天桥避免了地面道路造成的交通拥堵等其他难以估算的收益，因此，架设天桥所产生的积极价值远超建设成本。

4 结论

站城联合开发是未来我国各大城市轨道交通建设推进站城一体化目标的核心策略。站域功能多元化集聚趋势下，合理有效的站城结合设计有助于协调车站与城市的关系，强化价值规律作用与站点的外溢效应。本文以日本东京市郊铁路小田原线为例，基于城市设计视角，构建空间面板计量模型，探讨站域范围商业设施溢价效应的变化规律及影响要素，并通过成本-效益模型评估了邻近度的改善对于溢价效益的提升作用。主要结论包括：

(1)东京市郊铁路小田原线站点周边商铺的溢价效应呈现较强的空间相关性，邻近站点建设模式及区位特征因素等均对商铺的溢价效应产生影响。其中，站城结合方式、结合设施类型及商铺距离站点的实际步行时间等影响显著；宏观区位因素及商铺部分属性特征影响作用较弱。

(2)站点周边500 m 范围内商铺租金的溢价效益变化呈非线性波动，并非传统意义上的“距离越远，价格越低”的线性关系。300 m 范围内，溢价效益与距站点距离呈正相关，即距离越远，增长幅度越大，并(100,200]m 距离区间内达到峰值，300 m左右为阈值；超出300 m 后，增长幅度趋于平缓。推测可能原因为，站城联合开发导向下的轨道交通车站建筑与周边街区衔接紧密，其本身规模体量在规划设计中是不可忽视的因素，兼顾到设计尺度及消防规范限制，就本文所选样本线路来看，结合设施设计控制在200 m 左右时，性价比相对最高，可有效消弭距离对于价格的负面影响，并将其转化为积极效用。

(3)基于情景假设方法的成本效益综合评估，论证了步行天桥结合设施建设前后对商业设施溢价效益提升的显著差异。在市郊潮汐客流情况下，合理的结合设施设计方案可将建设成本分散消化并加速“溢价归公”的目标。