Understanding the preferences of households in their location decisions is key for residential demand forecast and urban policy making. Accounting for preference heterogeneity across agents is useful for the modelling process but not enough to completely describe location choice behavior. Due to place-specific conditions, the same agent may have different preferences depending on the sector of the city considered as potential location, a phenomena known as spatial heterogeneity. Segmenting the city by defining zones where agents are supposed to behave similarly has been a common modelling solution, assigning different zonal preference parameters in the estimation process. This has been usually done with two-step methods, where spatial segmentation is done independently of the location choice process, something that could bias estimation results. We propose and test a one-step model for simultaneous estimation of location preference parameters and spatial segmentation, therefore accounting for heterogeneity across agents and space. The model is based on Ellickson’s bid-auction approach for location choice and latent class models. We test our model with a case study in Santiago, Chile and compare it with other models for spatial segmentation. In terms of predictive power, our approach outperforms a model with no zones, a model with zones defined exogenously, and a clustering-based two-step model. This novel approach allows for a better conceptual ground for urban predictive models with spatial segmentation.

了解居民在其选址决策中的偏好是住宅需求预测和城市政策制定的关键。跨代理考虑偏好异质性对于建模过程很有用，但不足以完全描述位置选择行为。由于特定地点的条件，根据被视为潜在位置的城市部门，同一代理人可能会有不同的偏好，这种现象称为空间异质性。通过定义应该使代理商表现相似的区域对城市进行分割是一种常见的建模解决方案，在估算过程中分配不同的区域偏好参数。这通常是通过两步方法完成的，其中空间分割与位置选择过程无关，这可能会使估计结果产生偏差。我们提出并测试了一步模型，用于同时估计位置偏好参数和空间分割，因此考虑了跨主体和空间的异质性。该模型基于Ellickson的竞标方法，用于位置选择和潜在类模型。我们在智利圣地亚哥的一个案例研究中测试了我们的模型，并将其与其他模型进行了空间分割。在预测能力方面，我们的方法优于没有区域的模型，具有外部定义的区域的模型以及基于聚类的两步模型。这种新颖的方法为具有空间分割的城市预测模型提供了更好的概念基础。该模型基于Ellickson的竞标方法，用于位置选择和潜在类模型。我们在智利圣地亚哥的一个案例研究中测试了我们的模型，并将其与其他模型进行了空间分割。在预测能力方面，我们的方法优于没有区域的模型，具有外部定义的区域的模型以及基于聚类的两步模型。这种新颖的方法为具有空间分割的城市预测模型提供了更好的概念基础。该模型基于Ellickson的竞标方法，用于位置选择和潜在类模型。我们在智利圣地亚哥的一个案例研究中测试了我们的模型，并将其与其他模型进行了空间分割。在预测能力方面，我们的方法优于没有区域的模型，具有外部定义的区域的模型以及基于聚类的两步模型。这种新颖的方法为具有空间分割的城市预测模型提供了更好的概念基础。