[译]自动驾驶对地产行业的影响

原文

原文地址:https://medium.com/99-mph/1-trillion-of-real-estate-is-on-the-move-heres-why-94ee9233e5eb

译文

自动驾驶汽车正在逼近1。整个世界都将因为它们变革。

无数的文章都探讨了自动驾驶的首要影响:自动驾驶如何精简交通设施,使得驾驶员更加舒适,或者让卡车司机失业。与此同时,还有更加巨大的后续影响——交通提升后将影响我们重新审视我们如何生活的基本设想。

让我们从现实的房地产行业开始。 (福特的)汽车重塑了美国当时的环境——带来了郊区,购物商场,并将人们从城市中抽离出来。自动驾驶将如何影响我们的城市和郊区呢? 显然有一些引人注目的结果。

本专栏成立的初衷就是解决像这些困难、不确定的问题。我们的方法是立足于切实的数据,而非不切实际的权威意见。为了检验自动驾驶对房地产的影响,我们构建了一个专门的模型,该模型使用了超过100万的输入数据,并且可以得出了关于财富将如何被交通能力粒度变化而影响的预测。本文将分享我们的一些重要发现。

结论1:
我们保守估计,由于自动驾驶,13个美国主要城市大约1万亿的不动产将会缩水。

因交通便(例如靠近公共交通、通勤距离短)利导致的现有高价位将会缩减,转移到那些因为交通不便而被压低了价格的房产上。

1万亿看似非常多,但谨记房地产市场本身规模庞大 —— Zillow估计全美的不动产超过了29.6万亿。 对于13个主要城市,自动驾驶技术将转移大概总值2%~13%的财富。下图给出了在基准比例下最容易受到影响的城市。

1万亿美金是什么概念呢?它比美孚、沃尔玛、摩根大通的市值总和还多。很多人会在资产转移过程中发财(当然也会有人遭受损失)。

为什么?自动驾驶会影响我们选择住址:
1)自动驾驶使得交通更加舒适,因此人们更愿意居住的远一点:40分钟的通勤将是另一番体验,如果你是看电视、打盹或者回邮件,而不是聚精会神地手握方向盘。我曾经就职于Facebook,每天都得花费1~1.5小时的交通时间搭乘从旧金山到总部的无线巴士。人人都讨厌通勤——谁愿意在路上花1.5钟头呢?但是乘坐和自己驾驶是不一样的,搬到不便捷但是靠近工作地的郊区和待在充满归属感的旧金山也是不一样的。通勤质量的微小变化,都会影响数以百万计的个人住址选择。

2)自动驾驶甚至可以缩短通勤:这一观点争执不休,但是一些人相信,通过将更多的车排列成队列,或者借助汽车之间的通信提升车辆的平均速度,自动驾驶可以减少交通时间。另外的人则反对,由于便宜和舒适的旅行体验,更多的驾车需求会涌现,抵消了交通速度的提升。结果到底如何仍然不确定,但实际的交通时间减少的可能更高。

3)自动驾驶会吃掉公共交通:即便是非常方便的公共交通线路。公共交通,绝大多数主要城市中的都在财政上挣扎求生,由于Uber的出现失去了很多市场,显然无法同更加方便、舒适、廉价、高效的自动驾驶技术抗衡。“公共交通便”利作为房地产的价值之一将被改写。

简言之,自动驾驶缩短了距离。它缩小了我们对地图距离的感知,改变了影响房价的空间关系。数百万的美国人会重新考虑住在哪里、要去哪里。商人和雇主也会做出相应的反应。

这样的转移,毫无疑问,会深远地影响房地产。下一章将探索其影响范围和程度。

模型:自动驾驶对房地产的影响
因素 #1: 到市中心的驾驶距离。
关于这个问题的着墨已经非常多了,但都太陈旧(大部分研究发生在1960~2000)而且不全面(多数只研究了单个城市)。借助现代的大数据源和分析技术,我们来看一个更全面的视角。

作者结合了大约超过19万的包含全美13个主要大都会80英里内的不动产销售数据,用于分析。我们混合了公共人口数据和谷歌地图交通数据(感谢他们提供的API和数据)。

驾驶到市中心的时间与如今的房产价格有什么关联呢?这或许有助于我们解答未来价值将如何转移。

让我们从关联关系明显的例子开始:华盛顿DC:

在华盛顿DC,大量的(61%)的房产价格可以解释成它与市中心的距离。我们稍后会发现它不适用与所有的城市,但华盛顿DC是这样。

从这张图(不改变其他因素),你可能推断出:如果一个人有痛苦的40分钟通勤时间到华盛顿DC的中心,忽然变得像35分钟,在我们数据库中,华盛顿DC的平均房价为$376,应该价值$19,000以上。这对于个人屋主是真的钱,同时是从地铁区域的巨大经济转移。

这对于华盛顿DC全部的地铁区域意味着什么呢?实际的模型考虑了更多的因素而非单一变量。在完整的模型中我们估计大约$880亿的财产会转移。下面的这些区域受益最多。

因素 #2: 多中心的城市通勤
你可能会说,等一下,人们通常不需要到达城市中心。
没错。当大量的人口去到城市中心,这样的城市就是单中心城市,华盛顿DC就很像单中心城市。
我们来看另一个例子:凤凰城。凤凰城是一个多中心城市。人们从不同的线路去工作。结果是:到市中心的驾驶时间和房产关系不同于华盛顿DC。到市中心的交通时间并不能很好的解释凤凰城的房价。

自动驾驶会影响像凤凰城这样多中心的城市房价吗?当然会。人们去上班的交通仍然被影响,甚至他们不去单个城市中心。
多中心城市更难建模,但是影响是真实存在的。模型考虑凤凰城这样的多中心城市为市中心外有许多工作地。结果我们的模型可以解释凤凰城70%的房价变化。
我们通过建模对凤凰城多中心估算,大约80亿房产价值会因为自动驾驶转移。下图是我们认为影响最多的地区。

因素 #3: 公共交通:不再驱动房价

根据历史经验,靠近公共交通会正面影响现实中的房产价格。下表显示了周边交通的影响。另一个研究认为靠近交通1/2英里的高价影响固定占比42%。

房产靠近公共交通在自动驾驶到来之际更可能遭受损失。靠近公共交通的高溢价会因为自动驾驶而缩减,特别是线路尾部的那些。(一些人认为公交在自动驾驶世界会经营的更好因为他们能适应新的技术)。高溢价更多的将发生在非公共交通的区域。

结论:大消弭
本质结论:我们会看到大范围的价值转移从所谓便捷区域(交通更好、距离市中心更近)转移到不便捷的区域。这些差异将逐渐被消除和补偿。“大消弭”代表的巨大的价值转移。

等等,这些不都是遥远的未来吗?
意见在这个问题上分歧很大:还有多久?
我们或许在几十年里都看不到LV5级别的自动驾驶大量商用。
但我们仍然主张你不能因此就安然入眠,有两大原因:
1)未来的期望,不是当前的现实,主导资产价值。资产价值是基于对未来事件的预期。我们能够在实际发生之前就预见资产价值转移。一个例子是邻居会在交通项目发表声明时就发生变化,而不是等到项目竣工。这意味着房产价值在自动驾驶真正上路的5~10年前就会发生转移,就是...现在。
2)半自动驾驶已经存在:难道我们很快就会看到100% Lv5的自动驾驶了吗?不止一个人这么想。但今天我们已经看到了次级的自动驾驶形式。特斯拉自动驾驶系统,有时被成为Lv2 自动驾驶,已经使得交通更加舒适。这项技术很快就会在巨大的汽车市场扩散开来。你不需要完全自动驾驶技术来促使价值转移。任何会让长途驾驶更加愉快的事物都会开始改变人们审视距离——和房产价值。

推论:喧嚣的未来

对于房东:如果使用房产进行投资保值,可能没有想象中的那么好

对于地产投资人:一笔等价于美孚、沃尔玛、摩根大通市值总和的财富等待把握

对于城市规划者:扩展需要补贴,促使规划者考虑增长限制和密度价值。城市化的拥趸需要警惕。

对照翻译

Autonomous vehicles, aka self-driving cars, are coming. And the world is going to change because of them.

自动驾驶汽车正在逼近1。整个世界都将因为它们变革。

A lot has been written about the “first order” effects of autonomous vehicles (AVs): How they will reduce traffic fatalities, make rides more comfortable, or put truck drivers out of work. But the bigger story here is the “second order” effects — how improvements in mobility will cause us to reexamine fundamental assumptions of how we live.

无数的文章都探讨了自动驾驶的首要影响:自动驾驶如何精简交通设施,使得驾驶员更加舒适,或者让卡车司机失业。与此同时,还有更加巨大的后续影响——交通提升后将影响我们重新审视我们如何生活的基本设想。

Let’s start with real estate. Cars (the Henry Ford kind) completely reshaped the built environment of the United States — giving us the suburbs, shopping malls and pulling people out of cities. What will self-driving cars do to our cities and suburbs? Surely something equally as dramatic.

让我们从现实的房地产行业开始。 (福特的)汽车重塑了美国当时的环境——带来了郊区,购物商场,并将人们从城市中抽离出来。自动驾驶将如何影响我们的城市和郊区呢? 显然有一些引人注目的结果。

99mph was founded to take on difficult and uncertain questions like these. Our approach is rooted in hard data rather than armchair punditry. To examine the impact of AVs on real estate, we have built a proprietary model that draws in over 1 million data inputs and can yield predictions on how property will be impacted by changes in mobility at fine granularity. In this post, we will share some of our high-level findings.

本专栏成立的初衷就是解决像这些困难、不确定的问题。我们的方法是立足于切实的数据,而非不切实际的权威意见。为了检验自动驾驶对房地产的影响,我们构建了一个专门的模型,该模型使用了超过100万的输入数据,并且可以得出了关于财富将如何被交通能力粒度变化而影响的预测。本文将分享我们的一些重要发现。

Punchline: A wild ride for property owners
We conservatively estimate that ~$1 trillion of residential property value is going to shift across 13 major US cities due to autonomous vehicles.

结论1:
我们保守估计,由于自动驾驶,13个美国主要城市大约1万亿的不动产将会缩水。

This value will shift from properties with a convenience premium reflected in their current price (e.g. near public transit, short commute) to properties that currently have an inconvenience penalty baked into their price(e.g. long commute, far from city center).

因交通便(例如靠近公共交通、通勤距离短)利导致的现有高价位将会缩减,转移到那些因为交通不便而被压低了价格的房产上。

$1 trillion may seem excessive but keep in mind that the property market is enormous — Zillow estimates that residential property in the US is worth a cartoonishly large $29.6 trillion. For these 13 cities, the AV-driven shift represents 2% to 13% of total residential property value. The below chart shows which cities will be most heavily impacted on a percentage basis.

1万亿看似非常多,但谨记房地产市场本身规模庞大 —— Zillow估计全美的不动产超过了29.6万亿。 对于13个主要城市,自动驾驶技术将转移大概总值2%~13%的财富。下图给出了在基准比例下最容易受到影响的城市。

Let’s try to put $1 trillion into perspective: This is more than the market caps of ExxonMobil, Walmart, and JPMorgan combined. Many fortunes will be made (and maybe some lost) in this shift.

1万亿美金是什么概念呢?它比美孚、沃尔玛、摩根大通的市值总和还多。很多人会在资产转移过程中发财(当然也会有人遭受损失)。

Why? AVs will impact where we choose to live
Let’s start with three simple consequences of AVs:

  1. Autonomous vehicles make commutes more pleasant, so people will be willing to live further out: A 40 minute commute in traffic is a different animal if you are watching TV, napping or answering email instead of focused with hands on the wheel. I used to work at Facebook and did the daily 1–1.5 hour commute from San Francisco to their HQ in Menlo Park on one of their wifi-enabled “tech shuttles.” Everyone hated the commute — who wants to spend 1.5 hours in traffic? — but the difference between a) being driven vs. b) driving myself was the difference between a) moving to a less-desirable suburban location closer to work and b) staying in my beloved San Francisco. Slight changes in commute quality will alter the calculus for millions of individual decisions on where to live.

为什么?自动驾驶会影响我们选择住址:
1)自动驾驶使得交通更加舒适,因此人们更愿意居住的远一点:40分钟的通勤将是另一番体验,如果你是看电视、打盹或者回邮件,而不是聚精会神地手握方向盘。我曾经就职于Facebook,每天都得花费1~1.5小时的交通时间搭乘从旧金山到总部的无线巴士。人人都讨厌通勤——谁愿意在路上花1.5钟头呢?但是乘坐和自己驾驶是不一样的,搬到不便捷但是靠近工作地的郊区和待在充满归属感的旧金山也是不一样的。通勤质量的微小变化,都会影响数以百万计的个人住址选择。

  1. Autonomous vehicles may even shorten commutes: This one is hotly debated, but some believe AVs will reduce travel time by packing roadways with more cars per lane or increasing average speed through vehicle-to-vehicle communication. Others counter that the “induced demand” of more vehicle-miles traveled (“VMT” for the traffic wonks), created by better cheaper and more pleasant rides, will counteract these gains. How this will play out remains uncertain, but a reduction in actual travels times would allow for more sprawl.

2)自动驾驶甚至可以缩短通勤:这一观点争执不休,但是一些人相信,通过将更多的车排列成队列,或者借助汽车之间的通信提升车辆的平均速度,自动驾驶可以减少交通时间。另外的人则反对,由于便宜和舒适的旅行体验,更多的驾车需求会涌现,抵消了交通速度的提升。结果到底如何仍然不确定,但实际的交通时间减少的可能更高。

  1. Autonomous vehicles will eat away at public transit: This will be true for even the most convenient transit corridors. Public transit, which already struggles fiscally in most major cities and is starting to lose share to Uber, simply won’t be able to compete with the combination of convenience, comfort and price offered by efficient on-demand autonomous vehicle fleets [Btw — We don’t have to like this conclusion for it to be true… it makes us at 99mph a little sad]. Expect a correction for anywhere that “public transit proximity” is baked favorably into property values.

3)自动驾驶会吃掉公共交通:即便是非常方便的公共交通线路。公共交通,绝大多数主要城市中的都在财政上挣扎求生,由于Uber的出现失去了很多市场,显然无法同更加方便、舒适、廉价、高效的自动驾驶技术抗衡。“公共交通便”利作为房地产的价值之一将被改写。

In short, AVs compress (by either transit time or transit comfort) distances. They squish our mental maps and change the spatial relationships that govern property value. Hundreds of millions of Americans will reconsider where they live in relation to where they need to go. And businesses and employers will do the same in response.

These shifts, of course, have a significant impact on property values. The next section explores where and how much.

简言之,自动驾驶缩短了距离。它缩小了我们对地图距离的感知,改变了影响房价的空间关系。数百万的美国人会重新考虑住在哪里、要去哪里。商人和雇主也会做出相应的反应。

这样的转移,毫无疑问,会深远地影响房地产。下一章将探索其影响范围和程度。

The model: AV impact on property values
Factor #1: Driving distance to city centers

Much ink has been spilled on this topic, but not recently (most studies took place from 1960–2000) and not comprehensively (most look at a single city).

With modern “big” data sources and analysis techniques, we took on a more comprehensive version.

For this analysis, 99mph combines a proprietary database of 190k+ recent (<6 month) property sales within 80 miles of 13 major metros of the US. We mash it with public census data and that state-of-the-art traffic database known as Google Maps (who thankfully provide an API to all their wonderful data).

模型:自动驾驶对房地产的影响
因素 #1: 到市中心的驾驶距离。
关于这个问题的着墨已经非常多了,但都太陈旧(大部分研究发生在1960~2000)而且不全面(多数只研究了单个城市)。借助现代的大数据源和分析技术,我们来看一个更全面的视角。

作者结合了大约超过19万的包含全美13个主要大都会80英里内的不动产销售数据,用于分析。我们混合了公共人口数据和谷歌地图交通数据(感谢他们提供的API和数据)。

How does driving time to city centers relate to property values today? This might help us answer how it is going to shift in the future.

Let’s start with a relatively clean example: Washington DC:

In Washington DC, a large amount of variance (61%) in property values can be explained by how close the property is to the city center. We’ll see shortly that this is not true of every city. But it is true in DC.

驾驶到市中心的时间与如今的房产价格有什么关联呢?这或许有助于我们解答未来价值将如何转移。

让我们从关联关系明显的例子开始:华盛顿DC:

在华盛顿DC,大量的(61%)的房产价格可以解释成它与市中心的距离。我们稍后会发现它不适用与所有的城市,但华盛顿DC是这样。

From this chart alone (not controlling for other factors), here’s what you might conclude: If someone’s painful 40 minute commute to downtown Washington DC magically begins to feel like a 35 minute commute, a $376k home, the average for DC in our dataset, should be worth $19,000 more. (e^(5 mins * 0.0098) * $376k = $395k). This is real money for an individual homeowner and a huge economic shift aggregated across a metro area.

从这张图(不改变其他因素),你可能推断出:如果一个人有痛苦的40分钟通勤时间到华盛顿DC的中心,忽然变得像35分钟,在我们数据库中,华盛顿DC的平均房价为$376,应该价值$19,000以上。这对于个人屋主是真的钱,同时是从地铁区域的巨大经济转移。

What does this mean for the DC metro area as a whole? The actual model we use at 99mph considers more factors than just the single variable above. In our full model we estimate that $88bn will shift in DC. Some of the biggest beneficiary zipcodes are below.

这对于华盛顿DC全部的地铁区域意味着什么呢?实际的模型考虑了更多的因素而非单一变量。在完整的模型中我们估计大约$880亿的财产会转移。下面的这些区域受益最多。

Factor #2: Commutes in polycentric cities
But wait.. (you say) … people don’t always commute to the center of the city.

You are correct. A city is called a “monocentric” city when a large portion of people commute to a central downtown. DC behaves like a monocentric city.

Let’s take another example: Phoenix. Phoenix is a “polycentic” city. People drive every which way to get to work. As a result: The relationship between city center drive time and property value looks different than DC. Drive time to city center is NOT a good explanatory variable for property values in Phoenix (R² = 6%).

因素 #2: 多中心的城市通勤
你可能会说,等一下,人们通常不需要到达城市中心。
没错。当大量的人口去到城市中心,这样的城市就是单中心城市,华盛顿DC就很像单中心城市。
我们来看另一个例子:凤凰城。凤凰城是一个多中心城市。人们从不同的线路去工作。结果是:到市中心的驾驶时间和房产关系不同于华盛顿DC。到市中心的交通时间并不能很好的解释凤凰城的房价。

Will autonomous vehicles impact property values in polycentric cities like Phoenix? Yes, they will. People’s commutes to their work will still be impacted, even if they don’t commute to a single city center.

Polycentricity is harder to model, but the impacts will be just as real. 99mph’s model accounts for Phoenix’s polycentricity by considering multiple places of work outside of the city center. As a result our model is able to explain 70% of the variance in housing prices in Phoenix.

We estimate, modeling for Phoenix’s polycentricity, that $8 billion of property value will shift in Phoenix due to AV commute flattening. Here are the places we think this will matter most:

自动驾驶会影响像凤凰城这样多中心的城市房价吗?当然会。人们去上班的交通仍然被影响,甚至他们不去单个城市中心。
多中心城市更难建模,但是影响是真实存在的。模型考虑凤凰城这样的多中心城市为市中心外有许多工作地。结果我们的模型可以解释凤凰城70%的房价变化。
我们通过建模对凤凰城多中心估算,大约80亿房产价值会因为自动驾驶转移。下图是我们认为影响最多的地区。

Factor #3: Public Transit: A value driver no more
Historically, proximity to public transit has had a favorable impact on real estate prices. The table below demonstrates the impact of a handful of transit projects. Another study by APTA pegs the value premium of being within 1/2 mile of transit at 42%.

因素 #3: 公共交通:不再驱动房价

根据历史经验,靠近公共交通会正面影响现实中的房产价格。下表显示了周边交通的影响。另一个研究认为靠近交通1/2英里的高价影响固定占比42%。

Real estate near transit is likely to be a loser in the coming shift to AVs. The “premium” from transit proximity will shrink as AVs eat away at usage, particularly for rail lines (some think buses will fare better in an AV world because they can adapt to the new tech). This premium will likely be disbursed broadly amongst non-transit neighborhoods.

房产靠近公共交通在自动驾驶到来之际更可能遭受损失。靠近公共交通的高溢价会因为自动驾驶而缩减,特别是线路尾部的那些。(一些人认为公交在自动驾驶世界会经营的更好因为他们能适应新的技术)。高溢价更多的将发生在非公共交通的区域。

Summary: The Great Flattening
The bottom line: We are going to see a broad shift of value from properties where “convenience” (e.g. good commute, short distance from center) is priced positively into their value to properties where “inconvenience” (e.g. bad commute) is priced in negatively. Those differences will flatten and equalizes over time. This “Great Flattening” represents a tremendous shift in value.

结论:大消弭
本质结论:我们会看到大范围的价值转移从所谓便捷区域(交通更好、距离市中心更近)转移到不便捷的区域。这些差异将逐渐被消除和补偿。“大消弭”代表的巨大的价值转移。

But wait, isn’t this in the distant future?
Opinions vary on the big question: How soon?

We may not see mass adoption of fully autonomous L5 vehicles for a couple decades.

We would contend that you shouldn’t let this lull you to sleep for two reasons:

  1. Future expectations, not current reality, drive asset prices: Asset values are based on expectations of future events. We should see shifts in asset values before the events actually take place. An example of this is when a neighborhood begins to change on the mere announcement of a transit project, rather than its completion. This means property values may shift 5–10 years before AVs really hit the road. aka … now.

  2. Partial autonomy is here already: Don’t think we’ll see 100% L5 autonomy anytime soon? You are not alone. But we are already seeing lesser forms of autonomy today. A Tesla Autopilot system — sometimes called L2 autonomy — already makes commuting more comfortable. And this technology will diffuse into mass market cars quickly. You don’t need full autonomy to put these shifts in motion. Anything that makes a long drive a bit more pleasant will start to shift how people view distance — and therefore property values.

等等,这些不都是遥远的未来吗?
意见在这个问题上分歧很大:还有多久?
我们或许在几十年里都看不到LV5级别的自动驾驶大量商用。
但我们仍然主张你不能因此就安然入眠,有两大原因:
1)未来的期望,不是当前的现实,主导资产价值。资产价值是基于对未来事件的预期。我们能够在实际发生之前就预见资产价值转移。一个例子是邻居会在交通项目发表声明时就发生变化,而不是等到项目竣工。这意味着房产价值在自动驾驶真正上路的5~10年前就会发生转移,就是...现在。
2)半自动驾驶已经存在:难道我们很快就会看到100% Lv5的自动驾驶了吗?不止一个人这么想。但今天我们已经看到了次级的自动驾驶形式。特斯拉自动驾驶系统,有时被成为Lv2 自动驾驶,已经使得交通更加舒适。这项技术很快就会在巨大的汽车市场扩散开来。你不需要完全自动驾驶技术来促使价值转移。任何会让长途驾驶更加愉快的事物都会开始改变人们审视距离——和房产价值。

Implications: A tumultuous future

For homeowners: People’s nest eggs, if kept in their home equity, may not be as safe as they think

For real estate investors: A fortune equal to the combined market cap of ExxonMobil, Walmart, and JPMorgan is up for grabs.

For city planners: Sprawl will be subsidized, forcing planners to consider growth restrictions and what value we put on density. Champions of urbanization should be alarmed.

推论:喧嚣的未来

对于房东:如果使用房产进行投资保值,可能没有想象中的那么好

对于地产投资人:一笔等价于美孚、沃尔玛、摩根大通市值总和的财富等待把握

对于城市规划者:扩展需要补贴,促使规划者考虑增长限制和密度价值。城市化的拥趸需要警惕。

[1] 自动驾驶区别于无人驾驶,或者辅助驾驶。

Show Comments

Get the latest posts delivered right to your inbox.