北京市城市发展新区房地产业发展水平模糊聚类分析
ID433_北京市城市发展新区房地产业发展水平模糊聚类分析报告
北京市城市发展新区房地产业发展水平模糊聚类分析罗婷婷（1.中国地质大学（北京）人文经管学院，北京100083）摘要：根据模糊聚类的基本原理以及模糊相似矩阵等算法，选取了 5 个相对有效的评价指标对北京5个城市发展新区的房地产水平做了评价和聚类，为北京城市发展新区房地产业合理规划提供了科学的依据。
关键词：北京城市发展新区房地产模糊聚类分析New Urban Development of Beijing's Real Estate Development Level of the Fuzzy Clustering AnalysisLUO TING-ting1(1Concession college , China university of geosciences (Beijing) , Beijing 100083, China)Abstract: According to the basic principle of fuzzy clustering algorithm and fuzzy similar matrix, etc, select five relatively effective evaluation of the Beijing five new urban development of real estate level made evaluation and clustering, for the Beijing urban development district real estate industry reasonable planning provides scientific basis.Key words: Beijing's urban development district Real estate The fuzzy clustering analysis第一作者：罗婷婷(1985.4.16)，女，湖北，学生。
模糊聚类分析ppt课件
k 1
1 2
m k 1
(
xik
x jk )
m
( xik x jk )
rij
k 1 m
xik .x jk
k 1
5. 求模糊等价矩阵
用上述方法建立起来的模糊矩阵 R ，一般说来只 满足自反性和对称性，不一定满足传递性，即 R 不一 定是模糊等价关系，需要将 R改造成模糊等价矩阵R，
然后再在适当的阈值上进行截取，便可得所需分类。
根据需要可同时选择不同准则分别进行聚类分析，然后 通过综合取交的方法，以做到兼顾多目标，使分类结果更科学。
3、建立数据矩阵
设论域U { x1, x2 ,, xn }为被分类对象， 每个对象又由m 个指标表示其性状：
xi { xi1, xi2 ,, xim } (i 1,2,, n) 则得到原始数据矩阵为 X ( xij )nm .
1, 2,..., m
构造下列形式的F统计量，
r
i
2
ni x x /(r 1)
F i1 r ni
xij
i
x
2
/(n r)
i1 jn1
x x 其中， 为 i x x
m
i
(xk
xk )2
i
与
的距离， xij x i
i 为第
k 1
类中样本
xij 与
i
x 的距离。
F 统计量分子表征类与类之间的距离， 分母表示类内样本间距离，因此 F 值越大，说
改造的方法是将 R 自乘得 R R R2，再自 乘 R2 R2 R4 ，如此继续下去，得 R8 , R16 ……，至某 一步出现 R2k Rk 为止。则 Rk便是一个模糊等价关系。 这个方法是由所谓“传递闭包”理论而来，我们在此 拿来直接应用，不再作详细介绍。
模糊聚类分析法在房地产市场中的实际应用研究
模糊聚类分析法在房地产市场中的实际应用研究由于绝大多数房地产市场均受到多个因素的影响，并且每一种影响因素均具有一定程度的模糊性，所以利用普通的二元矩阵方法来分析房地产市场是不行的，本文首先对模糊聚类分析法进行了简单的介绍，然后利用该方法对房地产市场进行了科学的研究，并给出了具体实例。
标签模糊聚类分析法；房地产市场；最大树图；矩阵运用传统手段对市场进行分析时，我们大多利用二元矩阵方法来分析所挑选的目标市场，然而，此种方法并不适合对具有多个影响因素的房地产市场进行分析，虽然我们在研究多因素问题时也具有许多研究方法，但是，对于某个地区的房地产市场的发展水平来说，则需要利用多个指标对其进行综合性描述。
由于描述时大多涉及模糊概念，很难利用传统的数学模型对其进行分析，因此，本文采用模糊聚类分析法对房地产市场进行分析，进而对市场实行归类。
一、模糊聚类分析法的使用步骤一般情况下，依照某个规律以及要求，通过对事物所具有的实际数量关系进行分析，进而对事物实现分类的方法，我们称为聚类分析法，而将聚类分析法应用于那些模糊的事物中时，该类方法又被叫做模糊聚类分析法。
通过利用模糊聚类分析法对房地产市场进行研究，我们将楼盘整体分成了4大类，研究结果表明，虽然东逸华庭所具有的其他物质条件比较普通，然而，它的居住环境以及性价比却是最高的；对于上善若水、南奥花园和海伦堡这三个楼盘来说，其户型和其他配套设施都相对较好，因此，这三个楼盘的价格都相对较高；无论居住环境、户型、其他配套设施还是物业管理水平，新月明华和喜盈雅境都比其他六个楼盘低，因此，其价格也相对较低；金海岸以及祈福花园的综合指标在所有楼盘中均为最高，是二次置业过程中的首选。
四、结语通过上面的叙述我们了解了模糊聚类分析法的有关概念以及应用，由于房地产市场大多受到多个因素的影响，并且每一种影响因素均具有一定程度的模糊性，所以，我们可以利用模糊聚类分析法对其进行分析，明确目标客户，对具有不同需求的客户进行物业的开发。
对我国各地经济发展水平进行聚类分析
对我国各地经济发展水平进行聚类分析对我国各地经济发展水平进行聚类分析摘要：区域经济协调发展对于一个国家的长期发展具有深远的战略影响。
本文根据《中国统计年鉴》选用人均GDP、居民消费水平、人均进出口总额等指标，采用聚类的方法对我国各地区经济进行聚类，并根据结果分析特点，得出具有现实意义的结果，以供有关部门参考。
关键字：聚类分析区域经济发展水平分类国家经济发展不仅要看总体GDP的高速的增长，应考虑到居民生活水平、各个产业的发展情况、人民收入等各个方面。
同时，各地区经济水平的协调发展更是不可忽视的一方面，了解区域发展情况，并对其进行分类对我国经济发展战略的制定等具有重要而深远的意义。
聚类分析就是根据事物的某方面特征把他们划分为若干小类，使得隶属同一类的个体具有较高的相似度或类似的性质，而不属于同一类的个体具有较低的相似度的分析过程【1】。
在地区经济发展水平的分析中，可以利用聚类分析的方法，根据一定的具有代表性的指标将不同的地区进行分类。
从而制定相应的发展策略。
一区域经济水平策聚类分析的指标选择及所所选数据反映地区经济发展状况的指标种类多样,所以所选的指标不仅要有明确的社会和经济意义,而且要能代表地区经济发展水平的某一个方面。
指标选择要有代表性和针对行，本文根据经济发展状况选用了八个指标进行聚类分析，各地人均GDP用以代表各地区经济的总体发展状况，第一二三产业人均GDP用以代表各地不同产业的发展水平，人均进出口总额用以表示各地区的对外贸易情况，居民消费水平用以表示各地居民的生活水平，在岗职工平均工资用以反映地区职工工资水平，人均财政收入用以反映地区公共建设投资能力等。
本文根据《中国统计年鉴》对2008年各地区降级指标数据的统计，直接引用其中指标或根据其中相关指标换算获取所需指标，如下表：表1二中国各地区经济发展水平的聚类分析（一）聚类方法概述在进行聚类分析时本文采用K-means聚类方法，K-means聚类方法又被称为逐个修改法。
基于模糊聚类分析的房地产投资决策评价
基于模糊聚类分析的房地产投资决策评价利用聚类分析方法,构建一种基于模糊聚类的房地产投资方案评价模型,采用模糊聚类分析的综合排序方法,实现对房地产投资的目标评价,实例分析验证了该方法的可行性,为决策者提供了一个客观可靠的决策依据。
标签：模糊聚类分析房地产投资决策评价一、模糊聚类思想及步骤聚类分析是根据研究对象特征对研究对象进行分类的一种多元分析技术, 依据“距离”或“相似系数”把性质相近的个体归为一类,使得同一类中的个体都具有高度的同质性,不同类之间的个体具有高度的异质性。
应用于模糊对象的聚类分析叫做模糊聚类分析。
基本步骤如下:1.选定对象设对象集,指标集。
对于被研究的对象,这些指标应有明确的实际意义、较强的可分辨性和代表性。
并通过直接观测或采用统计资料,可以得到各个对象对应于这些指标所取数值的向量,即,其中是第i个对象的第k个指标值。
得到n×m矩阵,称为原始资料矩阵。
2.数据标准化把各指标的数据(矩阵各列)按指标标准化,即把各指标的数据变换到[-1,1]区间内,以便用模糊数学工具来处理,同时避免一些影响较小的指标作用被埋没掉。
3.建立相似关系矩阵把标准化后的矩阵的每一行看作各对象在指标集上的模糊集合,各的表示指标隶属于集合Xi的隶属度。
于是,各Xi就间接描述了各个对象xi的基本特征,我们可以适当确定xi与xj的相似程度,如,C为使得常数。
4.分析聚类进行聚类分析通常有3种方法:编网聚类法、模糊等价关系聚类法和最大树法。
前两者可用模糊相似矩阵直接求值,但要进行多次模糊关系的复合运算,工作量比较大。
而最大树法直接利用相似关系作树形图。
本文采用模糊等价关系聚类法。
二、模糊聚类分析法的应用设房地产投资有n个方案,每一个方案有m个评价,用数据矩阵表示为:利用模糊聚类分析方法进行房地产投资评价的基本步骤如下:1.数据标准化:,其中,2.模糊相似矩阵模糊相似矩阵由各投资方案间的模糊相似系数构成,xi与xj的模糊相似系数,确定的方法有很多,这里采用欧氏距离来计算模糊相似系数,即:,在直接使用距离法构造模糊相似矩阵时,总是令:,其中:C为常数,它使得,我们取。
聚类分析算法在房价预测中的应用探究及其实际效果分析
聚类分析算法在房价预测中的应用探究及其实际效果分析房价预测一直是经济学、金融学等学科中非常重要的研究方向，因为房地产市场是一个与经济紧密相关的行业，房价的变化直接关系到整个市场的走势。
当前，随着计算机技术的发展，机器学习算法在房价预测中的应用已经成为一个非常热门的研究方向。
其中，聚类分析算法以其独特的计算方式和可视化展示方式，被逐渐应用于房价预测中。
本文将探究聚类分析算法在房价预测中的应用以及实际效果分析。
一、房价预测中聚类分析算法的应用聚类分析算法是一种常用的机器学习算法，该算法的主要作用是将大量数据划分成不同的簇，每个簇内部的数据足够相似，不同簇之间的数据差异较大。
在房价预测中，聚类分析算法可以将同一地区、同一地段或者同一房屋类型的房价数据进行分类，方便我们获取不同地段、不同类型房屋的价格差异。
例如，在使用聚类分析算法预测房价时，我们可以将不同地段的房价数据分类到不同的簇中，然后对每个簇进行分析，以计算出每个簇的平均房价。
这样，我们就可以清晰地了解每个地段房价的差异性。
此外，聚类分析算法还可以用于建立房价预测模型。
根据聚类分析的结果，我们可以将不同的簇视为特征，构建出以特征为基础的房价预测模型，以此预测未来房价的变化趋势。
二、聚类分析算法在房价预测中的优点天下没有免费的午餐，聚类分析算法也有一定的局限性。
但是相对于其他算法而言，聚类分析算法在房价预测中的崭新应用还是有着重要的优点：1. 数据可视化聚类分析算法可以将房价数据根据不同规律分门别类，不同的数据点呈现不同的颜色或者不同的形状，方便我们通过视觉感官对房价数据进行感知。
2. 多维数据的处理聚类分析算法可以同时处理多个变量，即便是相互独立的变量。
这对于房价预测而言是至关重要的，因为影响房价的因素无论是地段、房屋类型还是面积、环境等各方面因素都属于相互独立的变量。
3. 数据分类准确性高聚类分析算法在数据分类上具有较高的准确性，因为它所生成的分类直接基于数据之间的相似性或相异性，因此能够合理地分析不同的房价数据。
北京市房地产业现状及发展趋势研究(论文)
1绪论1．1研究背景近年来，国际经济危机影响了全球各国的房地产市场。
经济危机开始时，很多国家，包括美国、英国、意大利、澳大利亚等等都有房地产泡沫。
当泡沫破裂时，以前的超高房价突然暴跌。
不过，中国的房地产市场却是个例外。
中国政府向经济注资了40万亿人民币。
因此，中国的房地产市场从未受到过巨大的影响。
房价在这多期间没有暴跌，反而在这段时间继续上涨。
从近一年市场情况，可以清晰的发现，北京市房地产依旧处于政策主导的阶段，2010年“三波”房地产调控政策虽在一定程度上抑制了投资需求和改善性需求，造成市场成交量回落明显，但逐步被市场消化后，便重现市场回暖态势。
并且在一系列的政策调控下，房地产市场价格虽回落，仍处于高位运行状态。
2010年下半年，楼市进入调控期，但是愈加严厉调控迎来的是仍然疯涨的房价。
国家采取了一系列的促进房地产平稳健康发展的政策，一个是限购政策，一个是未来预期三年之内建3600万套保障性住房的政策。
这些政策对提振信心，惠民生的目标发挥了重要的作用。
所以研究北京市房地产市场特点，结合具体情况，采取针对性措施，促进本地房地产市场有效、健康发展有着重要的意义。
1.2论文的研究目的和意义目前的房地产业是全国乃至中央领导高度关注的一个热点问题，也引起了国内外特别是学术界的争论。
有关房地产的现状和未来发展趋势的研究文献，多数是针对全国的总房市而言。
近年来我国房地产市场发展迅猛，尤其是北京、上海、深圳等一线城市，有关文献对这些城市的研究是比较深入、全面的，但每个市场都会有它的独特之处，北京这个一线城市对其房地产现状和未来进行全面研究，有着特别重要的理论意义。
发展带来了房地产业的繁荣，中国房地产也实现了高速发展和规模化过程，近年来我国房地产市场的快速发展，已经成为一个地区乃至全国的支柱产业之一。
北京市房地产业也不例外，北京市房地产价格近年来不断的飙升，对北京市的经济发展也起了一定的拉动作用。
鉴于近年来我国房地产市场的快速发展、房地产发展的重要作用。
模糊聚类分析法在房地产企业分类中的应用
９０ 企业核心竞争力》 一文中提出的， 他 竞争力的相关理论构建指标体系， 利用模糊聚 １９ 年在《 “ 类分析法对房地产企业的分类进行研究， 并通 们指出 核心竞争力是在一组织内部经过整合
过实例说 明该方法的可行性。 关键 词： 糊聚 类分析： 模 房地产企业 ； 心 核 竞 争力； 网法 编 中图分类号 ：２３３ 文献标识码 ： Ｆ９． Ａ
供参考， 具有一定的理论价值和现实意义。
一
Ｂ
Ｃ
１７ ｏ ８ ０
２ ３０ ５ Ｏ
１３ ／
１５ ／
ｌ５０ ４ Ｏ
２ ７０ ６ Ｏ
４００ ５ｏ
６ｏ ０ ９ｏ
１ ４ ／
１３ ／
１ ６
２ ７
４ ６
６ ５
、
模糊 聚类分析
模糊聚类分析是以传统的聚类分析为理
论基础， 按待辨识对象的属性的亲疏关系进行
１ ７
６ １ ５ ６
５ ０
别标记的样本集按某种准则划分成若干个子
集 （ ）使相似 的样本尽 可能归为一类 ， 类 ， 而不
Ｇ Ｈ
ｌＯ ０ ５ ｏ ２８０ ０ Ｏ
１３ ／ １ ４ ／
１５ ０ ６Ｏ ｌｏ ０ ９ ｏ
４Ｏ ０ １ｏ ５Ｏ ｏ ４ｏ
２５ ， １３ ／
＝ｉ 、耋 ／ ｝
ｘ 一ｉ ｘ ｍ ｝ ｎ（
ｘ
（＝ ， ， ， （） ｋ １２ … ｍ） ２
可
类， 其分类结果往往偏离实际情况。本文采用 总数比、 品牌度等７个指标来建立房地产企业
模糊聚类 分析法， 按房地产 企业的核心竞争力
表 １ 各企业基本情况 设置指标 ， 核心竞争力特 征类似的房地产 企 ＼ 标 总资产 资产结构 年销售额 土地储备 管理与科 高 称 数占 品牌度 将 职 人 员 业 归为一 类， 将不 同特征 的企业 区分开 ， 分 其 企 ＼ （ 万元） （ 固定／ 流动） （ 万元） （２ ｍ） 技人才 比 工 数比 ％ （ 总 （） ％） 类结果 可 以为房地产 企业管 理层 和投资 商提 Ａ ２６０ ｌｏ １ ４ ／ ２Ｏｏ １ｏ ５Ｏ ｏ ８ｏ １ ／ ４ ２ ４ ５ ８
- 1、下载文档前请自行甄别文档内容的完整性，平台不提供额外的编辑、内容补充、找答案等附加服务。
- 2、"仅部分预览"的文档,不可在线预览部分如存在完整性等问题,可反馈申请退款(可完整预览的文档不适用该条件!)。
- 3、如文档侵犯您的权益，请联系客服反馈,我们会尽快为您处理(人工客服工作时间：9:00-18:30)。
北京市城市发展新区房地产业发展水平模糊聚类分析摘要：根据模糊聚类的基本原理以及模糊相似矩阵等算法，选取了 5 个相对有效的评价指标对北京5个城市发展新区的房地产水平做了评价和聚类，为北京城市发展新区房地产业合理规划提供了科学的依据。
关键词：北京城市发展新区房地产模糊聚类分析New Urban Development of Beijing's Real Estate DevelopmentLevel of the Fuzzy Clustering AnalysisAbstract: According to the basic principle of fuzzy clustering algorithm and fuzzy similar matrix, etc, select five relatively effective evaluation of the Beijing five new urban development of real estate level made evaluation and clustering, for the Beijing urban development district real estate industry reasonable planning provides scientific basis.Key words: Beijing's urban development district Real estate The fuzzy clustering analysis 房地产是我国第三产业的重要组成部分，发展十分迅速。
2009年北京房地产业总产值已经达到1062.5亿元。
“十二五”期间，北京将加大城市发展新区的扶持力度，而房地产业是其中不可或缺的重要板块，但是北京市内各区县尤其是城市发展新区（通州、顺义、房山、大兴、昌平）的房地产业发展水平却参差不齐。
利用模糊聚类法为房地产业发展水平相近的地区归类，对制定房地产业相关产业政策和区域产业发展规划具有十分重要的作用。
1. 模糊聚类分析方法的基本思想和具体步骤聚类分析是研究事物分类的一种多元分析方法。
在日常生活中，时常要把所接触到的事物（样本），按其性质、用途等进行分类，这种分类过程称为聚类分析。
模糊聚类分析是当前在模糊数学中应用最多的几个方法之一，可以将研究的样本进行合理的分类，如产品的分类就常常用聚类分析来进行，另聚类分析也可用来进行判别分析和预测，所以，也被广泛地应用于天气预报、地震预测、地质探勘、运动员心理素质分类、河川水质污染程度等方面。
模糊聚类分析的一般步骤为：选择统计指标→数据标准化→求模糊相似矩阵→模糊聚类。
选择有效的、完备的指标体系对得出相对精确的聚类结果是非常关键的。
衡量建筑业发展水平的指标很多，分析时只能选择一些有代表性的指标。
在遵循科学性、合理性、可比性和可操作性的原则下，结合房地产行业特点，本文以北京城市发展新区为样本，选取5项指标来构建北京城市发展新区房地产业综合发展水平的指标体系，分别为房地产开发投资额、商品房施工面积、商品房竣工面积、商品房销售面积、商品房销售额。
得到m n ⨯矩阵m n ij x X ⨯=)(，称为原始资料矩阵，即⎥⎥⎥⎥⎦⎤⎢⎢⎢⎢⎣⎡=nm n n m m x x x x x x x x x X 212222111211 具体的模糊聚类步骤为：（1）把各指标的数据标准化。
当只有定量指标时，可参照应用标准化变换、极差变换、均值化变换等方法。
对定量指标也按数值的大小进行分段，按其对房地产业发展水平的反映给予分段定分，这不仅消除了指标的量纲，缩小了数值的显著差异，而且使其更具有模的特性。
本文采用最大最小标准化（离差标准化）法进行数据标准化，公式为111ni nni i ijij ijij ij x x x x x ===--∧'=∨∧ m j n i ,,2,1 ,,2,1 == (式1)由此得到矩阵m n ij x X ⨯=)(''（2）建立相似关系矩阵。
把标准化后的矩阵'X 的每一行看作各对象在指标集上的模糊集合),,,(''2'1'im i i x x x X =各'ij x 的意义表示指标隶属与集合i x 的隶属度。
于是，各i x 就间接描述了各个对象i x 的基本特征，从而可以用最小最大贴近度法进行计算，计算公式为()()11nikjk i ij nikjki x x r xx ==∧=∨∑∑，其中()1,k m ∈， （式2）便可得到相似关系矩阵m n ij r R ⨯=][（3）进行聚类。
进行聚类分析可以采用最大树法，最大树法进行模糊聚类分析的步骤如下：先画出被分类的所有元素，直接以模糊相似矩阵R 中按ij r 由大到小的顺序依次把这些元素用直线连起来，并标上ij r 的数值。
如果某一步使图中出现了回路，就不画这一步，依次进行下一步，直到所有元素连通为止。
这样就得到了一棵所谓的最大树（最大树不是唯一的，但不影响分类的结果）。
然后，取定λ值（10≤≤λ），把λ<ij r 的连线去掉，互相连通的元素便可归为一类。
2. 北京城市发展新区房地产水平的模糊聚类分析根据北京区域统计年鉴2010，采集了2009年北京市五个新区的房地产业数据原始资料，见表1。
表1 北京5城市新区各项指标区县房地产开发投资额 商品房施工面积 商品房竣工面积 商品房销售面积 商品房销售额 亿元万平方米 万平方米 万平方米 亿元 房 山 区 93.6 353.1 47.6 138.3 98.1 通 州 区 175.8 626.8 117.5 248.9 216.0 顺 义 区 200.8 612.1 186.3 153.7 180.5 昌 平 区 172.7 798.4 262.3 168.4 160.0 大 兴 区141.5426.840.594.597.7根据模糊聚类指标分段定分的原则以及各指标对房地产业发展水平的反映程度，确定下列指标评分等级标准表，见表2。
表2 各指标评分等级标准评分标准 房地产开发投资额 商品房施工面积 商品房竣工面积 商品房销售面积 商品房销售额 单位 亿元 万平方米 万平方米 万平方米 亿元 1 <100 <400 <45 <100 <98 2 100—150 400—500 45—100 100—150 98—150 3 150—170 500—600 100—150 150—180 150—170 4 170—200 600—700 150—200 180—220 170—190 5>200>700>200>220>200根据评分等级标准表，对这5个样本的各项指标逐个给予定分，其结果见表3。
表3 各样本指标定分表房地产开发投资额商品房施工面积商品房竣工面积商品房销售面积商品房销售额房 山 区 1 1 2 2 2 通 州 区 3 4 3 5 5 顺 义 区 5 4 4 3 4 昌 平 区 4 5 5 3 3 大 兴 区22111则可以得到1122234355544344553322111X ⎡⎤⎢⎥⎢⎥⎢⎥=⎢⎥⎢⎥⎢⎥⎣⎦把各指标的数据标准化，得到00.250.250.250.50.750.51110.750.750.50.750.75110.50.50.250.25000X ⎡⎤⎢⎥⎢⎥⎢⎥=⎢⎥⎢⎥⎢⎥⎣⎦使用最小最大贴近度法建立相似关系矩阵，可知：11223344551221100.500.750.250.50.2510.2510.200.500.750.250.50.2510.251r r r r r r r =====∧+∧+∧+∧+∧===∨+∨+∨+∨+∨ 其余算法相同，得到相似关系矩阵：10.201X=0.200.6710.200.580.79100.130.110.131⎡⎤⎢⎥⎢⎥⎢⎥⎢⎥⎢⎥⎢⎥⎣⎦画出市场分析动态聚类图，见图1。
房山通州顺义昌平大兴λ=0.79λ=0.58λ=0.20λ=0.13图1 动态聚类图3. 相关建议由图1可以看出，在北京5个城市发展新区中，顺义和昌平的房地产发展水平较高，这与近年来北京大力发展北城相呼应，通州次之，房山和通州水平很接近，大兴排在最后。
而按照《北京城市总体规划（2004-2020年）》，通州是重点发展的新城和城市综合服务中心，主要承担行政办公、商务、金融、文化、会展等功能。
对比聚类结果，通州房地产业的发展水平只处于中游水平，这与通州区作为未来国际新城的形象极不对称；而大兴包含亦庄经济开发区，作为北京南部现代制造业新区，其房地产业也要迎头赶上。
以通州为例，从“卫星城”到“重点新城”，再到“现代化国际新城”，通州区在北京城市发展战略中的定位不断提升。
《北京城市总体规划（2004年-2020年）》确定通州为东部发展带的重要节点，北京重点发展的新城之一，也是北京未来发展的新城区和城市综合服务中心，这给通州新城带来历史性发展机遇。
通州不仅是东部发展带的重要节点，北京重点发展的新城之一，也是北京未来发展的新城区和城市综合服务中心。
引导发展行政办公、商务金融、文化、会展等功能。
是中心城行政办公、金融贸易等职能的补充配套区。
根据北京"两轴-两带-多中心"的总体规划，通州被列为东部重点中心城，新规划的推出加速了通州发展进程。
通州现在的房地产市场非常活跃，主要是因为两大因素：其一，地铁八通线和京通路的建成通车，缩短了城区与郊区间的距离；其二，通州素有"CBD后花园"的美誉，CBD区域内的白领阶层为通州房地产市场提供了充足的客户资源。
这两大因素如同催化剂般激活了通州房地产市场潜能，使其快速"变身"，一跃成为京郊新亮点。
但这也导致了通州有房无业，偏重居民住宅建设的问题。
根据《通州新城规划2005-2020》，第三产业应当作为通州新城产业的发展重点。
同时利用毗邻空港的优势，发展临空经济，吸引大企业总部入驻。
从消费性服务入手，以生产性服务为重点拓展方向，积极引导新兴服务业发展。
注重推动生产服务产业簇、品质生活产业簇和公共服务（文化）产业簇的协同发展。
同时，通州区以新城建设为首要任务，集中资源、集中力量，打破常规、创新方法，同步推进核心区规划、土地一级开发、招商引资等重点工作积极开展符合新城需求的大项目招商工作，储备了一批高端优质项目，促成产业集聚效应，打造核心将打造成为北京新商务中心区，在功能上充分承接中心城的行政、商务、商贸、文化创意等功能，与CBD东扩相呼应，打造更高端的商务环境，形成面向环渤海、面向东北亚的“首都门户”。