武汉市生产性服务业空间特征及其发展演变

生产性服务业的空间特征与城市发展及其空间结构具有密切的关系,二者相互影响相互作用。基于武汉市2003和2012年生产性服务业的总量数据和地理数据,对武汉市生产性服务业的发展水平、空间分布总体现状进行了分析,并利用GIS和Crimestat技术手段对生产性服务业的空间集聚及其演变趋势进行研究。结论表明,武汉市目前的生产性服务业还处于中低水平的空间集聚,集聚中心和次级中心并存,主要为武汉市独特的城市形态和政府调控及城市规划影响所致;演变过程中集聚的同时有分散,并且有追随城市边缘地区工业园区发展的趋势。     

基于城市产业结构特征的高铁生产性服务业集散效应——以长三角城市群为例

高铁对生产性服务业的空间集散效应深受城市特征的影响。根据城市产业发展特征将城市分为二产主导型城市和三产主导型城市,借助双重差分模型探讨高铁对不同产业结构的城市生产性服务业及其细分行业的空间效应差异。结果表明,高铁对生产性服务业及细分行业的集散效应具有显著时滞性和异质性,城市产业结构对其效应产生了显著影响。① 基于生产性服务业整体的研究表明,在静态上,高铁促进二产主导型城市产业空间分散、三产主导型城市产业空间集聚;在动态上,高铁对二产主导型城市的生产性服务业空间集散具有先促进集聚后促进分散的特性,对三产主导型城市的产业效应始终表现为促进集聚。② 对于运输服务业、租赁与商服业而言,无论是静态效应还是动态效应,城市产业结构对其影响均较小,在静态上高铁促进二产主导型城市和三产主导型城市的产业在空间分散布局;在动态上高铁效应总体表现为“不显著-促进分散”的二阶段性。③ 对于金融服务业和研发设计业而言,高铁的静态效应在作用方向上具有一致性,均表现为促进产业集聚,其动态效应受到城市产业结构的影响表现出显著阶段性差异。④ 对于信息服务业而言,高铁对其空间集散的静态效应表现为对二产主导型城市的产业影响不显著,促进三产主导型城市的信息服务业在空间集聚,且其动态效应与静态效应相一致。     

广州市港口服务业空间特征及其形成机制研究

探讨了广州市港口服务业的空间分布特征及其形成机制。研究表明,广州市港口服务业空间分布具有珠江指向性和明显的集聚特征;在公司具有较高空间迁移频率的同时,其集聚空间却呈现出较强的稳定性;不同类型港口服务业的空间分布差异明显;空间总体格局表现出向外港区和城市CBD集聚的趋势。其空间分布特征是在区位因素、行业内在特性、港口空间系统演化、城市规划与建设以及信息技术革新等因素协同作用下的综合表现。     

长株潭城市群生产性服务业集聚的空间特征

主要采用有关统计年鉴中的就业人数数据,分别选用变异系数、空间基尼系数和区位商测算了长株潭城市群2003-2008年生产性服务业的空间分布差异程度和集聚程度.结果表明:就整个生产性服务业而言,空间分布较为分散,在全国的集聚程度也不高,但具有集聚发展的趋势;从不同城市看,长沙集聚程度最高,株洲和湘潭则相差甚远;从行业看,科学研究、技术服务和地质勘查业以及批发零售贸易业的集聚度较大,而金融业及交通运输、仓储和邮政业的集聚度很小,其它行业的集聚度居中;此外,信息传输、计算机服务和软件业的空间基尼系数连年下降.认为要使生产性服务业朝着更集聚的方向发展,应在空间分布和结构优化两个层面实行差异化的调控.     

机场周边地区生产性服务业与制造业空间布局特征——以首都机场为例

空港经济对推动城市产业空间调整和城市经济转型具有重要意义。以首都机场为例,运用Ripley’s K函数及核密度估计法分析机场周边地区生产性服务业与制造业的空间布局特征。生产性服务业和制造业的区位布局均呈现出明显的向心性,其中,物流业、制造业和金融业的向心性最强。生产性服务业和制造业空间集聚强度呈先增后减的倒"U"型特征,生产性服务业企业集聚强度明显高于制造业企业集聚强度,不同行业企业空间区位选择距离阈值存在差异。不同行业空间分异特征显著,集聚模式不同。制造业呈"大分散、大集聚"模式;商务服务业、科技服务业、信息服务业及物流业呈"小分散、大集聚"模式;金融业呈"大分散、小集聚"模式。城市主要交通干线附近及成熟的产业园区是生产性服务业与制造业主要集聚地,信息服务业、商务服务业以及科技服务业的区位选择具有较强一致性。     

超大城市生产性服务业空间分工及其效应分析——以北京为例

为探究超大城市生产性服务业空间分工机理及效应,基于2006~2015年北京各区数据和地区相对专业化指数等方法分析北京生产性服务业空间分工特征,研究发现,北京生产性服务业呈现从中心到外围专业化程度提升、多样化程度下降的趋势,且动态来看,专业化水平都有所提升,空间分工趋势愈加明显;高级生产性服务业集聚在多样化地区,交通运输业分散在专业化地区,房地产服务业是多数地区的专业化产业。空间面板计量模型检验表明,北京各区之间生产性服务业空间溢出效应明显,联动协调发展水平较高;生产性服务业各细分产业的空间分工效应与产业特性高度相关,交通服务业呈现负向空间溢出,金融、科技、信息、房地产等服务业存在正向溢出,而商务服务业溢出效应不显著。     

世界创意产业的兴起、特征与发展趋势

随着经济全球化进程的深化,世界经济结构呈现出从“工业型经济”向“服务型经济”转化的趋势。融合传统文化与现代数字技术、生产性服务业与消费性服务业的创意产业应运而生。创意产业处于产业链、价值链的高端,跨越多个行业、渗透诸多行业,不同于传统行业的统计分类。企业组织上旱现小型化,空间分布上出现集聚化的特征与趋势。     

京津冀都市圈生产性服务业空间集聚特征

促进京津冀都市圈生产性服务业集聚的协调发展成为推动制造业进步、加速产业结构升级和提高区域综合竞争力的重要途径。主要以2003-2008 年就业人数为基础数据,运用全局主成分分析、区位商、空间基尼系数、克鲁格曼专业化指数等多种方法和指标,测度了京津冀都市圈生产性服务业集聚的整体状况、行业特征及各市专门化率。分析结果表明:空间上整体呈现出一种典型非均衡的单中心、大梯度等级化集聚发展态势;商务服务、信息服务和科技服务等知识、技术和资本密集型行业在全国的专业化优势也最明显;各城市生产性服务业内部行业的结构差异都较大,专业化分工也较明显;北京的高端行业具有绝对的竞争优势和行业优势,其他9 市也各有一定的比较优势。     

乡镇生产性服务业空间集聚特征研究——以江苏省常熟市为例

以常熟市各乡镇为研究区域,以2007~2011年生产性服务业就业人数为基础数据,运用主成分分析、空间基尼系数、区位商等方法和指标对常熟市各乡镇生产性服务业集聚的整体水平、行业特征及专门化率进行研究。结果表明：常熟市服务业集聚整体差异显著,空间上整体呈现出一种典型的单中心、大梯度等级化集聚发展态势;相对于苏州,常熟市的生产性服务业相对集聚程度不高且趋势不够明显;乡镇之间的生产性服务业内部行业的结构差异均较大,专业化分工比较明显;常熟市整体生产性服务业在苏州市的专业化优势不够明显,地位不够突出;行业中除交通运输、仓储和邮政业以及房地产业的专门化率较高外,其他4个行业的专门化率均很低。     

乡镇生产性服务业空间集聚特征研究——以江苏省常熟市为例

以常熟市各乡镇为研究区域,以2007~2011年生产性服务业就业人数为基础数据,运用主成分分析、空间基尼系数、区位商等方法和指标对常熟市各乡镇生产性服务业集聚的整体水平、行业特征及专门化率进行研究。结果表明:常熟市服务业集聚整体差异显著,空间上整体呈现出一种典型的单中心、大梯度等级化集聚发展态势;相对于苏州,常熟市的生产性服务业相对集聚程度不高且趋势不够明显;乡镇之间的生产性服务业内部行业的结构差异均较大,专业化分工比较明显;常熟市整体生产性服务业在苏州市的专业化优势不够明显,地位不够突出;行业中除交通运输、仓储和邮政业以及房地产业的专门化率较高外,其他4个行业的专门化率均很低。     

城市更新背景下大都市区餐饮业空间格局演化——上海市案例研究

大都市是区域发展的引擎,大都市产业布局是相关研究的重点领域。随着城市化发展,大都市区正在通过多种方式进行更新,从而促使都市空间和产业格局不断优化。通过近二十年来上海市餐饮业空间数据分析,研究城市更新背景下大都市区餐饮业空间格局演化特征,分析影响因素,揭示影响关系。① 近二十年来,餐饮业总体分布格局由“一轴双核两片多点集中”的初始形态,逐步演化为“三核四轴四片多点集聚”的现状格局,餐饮业分布逐渐从“内环-中环-外环”向外扩散,呈现多方向多轴线、区轴连面的演化趋势。② 不同类型餐饮业分布与演化特征差异明显,地方菜以老城区布局为主,并向商业街区、金贸区、大学城等区域集聚演化明显;国际餐饮围绕历史租界街区布局,并向城市副中心、旅游吸引物区域集聚演化;休闲餐饮趋于城市公园、景区景点和科教中心周边集中分布。③ 餐饮业整体呈现“中度集聚-中高集聚-高高集聚”的集聚演化特征,休闲餐饮、国际餐饮的集聚演化更加显著;地理空间上餐饮业由市中心向城市东西向演化明显。④ 人口密度、经济发展、交通条件以及旅游格局是影响餐饮业空间格局形成与演化的基础性因素;城市更新引发的公共服务与旅游空间变迁,是不同类型餐饮业格局演化的主导性因素。⑤ 城市更新改变了都市区发展肌理,促进了区域空间的结构性变化,推动了发展要素与环境变迁,不同类型餐饮业依据市场定位与选址偏好,在地理空间上随之快速响应,推动了大都市餐饮业分布格局演化与更替。鉴于餐饮业对城市旅游产业的重要支撑作用,研究可为大都市旅游空间格局优化以及城市旅游可持续发展提供理论和实践指导。     

成都市体验性网络团购市场发展的空间特征

体验性网络团购模式正在对城市商业空间产生显著影响。以团购商品信息量作为基础数据,采用矢量数据符号法和空间插值法对成都市团购市场发展的空间特征进行分析。结果表明：餐饮、娱乐、生活和旅游酒店类团购信息在各商圈分布的集中化程度与摄影类相比较低。成都市中心区域的团购市场发展水平较高,形成了以春熙路商圈为核心的综合商业型热点区和以建设路商圈和双楠商圈为核心的生活服务型热点区。市场原则下团购市场发展的空间公平性较好的区域主要集中在成都市中心区域。团购市场发展的空间格局具有明显的区位特征,其空间发展的驱动力主要包括实体商业空间布局、消费者规模空间格局和区域可达性等;“时间距离”对团购市场区位特征产生的摩擦阻力已经超过空间距离。     

基于POI数据的上海市餐饮业空间分布特征及影响因素

以上海市为研究对象,基于兴趣点（POI）数据,运用核密度分析刻画餐饮业空间格局,并构建OLS模型、空间滞后模型、空间误差模型探究餐饮业空间分布的影响因素。结果发现,餐饮业空间分布呈块状聚集、多中心发展的格局。其中,西餐业高度集中于内环线以内,呈东西向延伸;快餐业在中心城区和高校集聚的城郊结合部大规模集聚。空间计量回归结果表明,餐饮业分布受到人口、经济、交通、空间4类要素的影响：区域经济发展水平高、人口规模大、交通优越、相关业态丰富会促进集聚,而周边业态的混合度过高则会抑制集聚,城市空间结构也会影响餐饮业分布,商圈、中心城区的餐饮业密度更高;中餐、西餐、正餐、快餐4类餐饮业分布的影响因素存在差异性,西餐企业倾向于分布在地价较高的地区,中餐企业对交通可达性有更高的需求,正餐企业的分布与当地区域经济发展水平显著相关,快餐企业的分布与各类文娱公共设施的分布有密切联系。     

互联网时代苏州餐饮业空间特征及影响因素

为了更全面地理解互联网影响下城市餐饮业空间产生的变化,以城市中心异质性极强的苏州为案例,比较苏州古城中心和新城中心到店O2O餐饮业和到家O2O餐饮业空间分布,并参照实体餐饮业的空间分布,采用核密度估计、多距离空间聚类和多尺度地理加权回归等分析方法,探讨互联网餐饮业的空间特征及影响因素。结果表明：1）传统城市空间对餐饮业空间格局的影响显著,即互联网对餐饮业空间的影响建立在既有城市空间基础之上。2）互联网餐饮业总体集聚特征明显,到店O2O餐饮业呈现向高等级中心集聚的特征,到家O2O餐饮业分布更为均衡。3）两类互联网餐饮业运营模式与特定功能类型的城市空间契合度不同,旅游核心区餐饮业到店消费特征较强而到家消费特征较弱。4）城市新区商业点状分级分布的空间组织模式在一定程度上抑制互联网对餐饮业的扩散作用。5）商场密度、写字楼密度和住宅小区密度对互联网餐饮业空间分布影响均较为明显,旅游资源密度对到店O2O餐饮业空间布局影响较大。     

居住环境剥夺测度及其对房价的影响——以兰州市为例

小区是居民日常生活和构建社会关系的重要场所,由于居住环境差异,导致剥夺现象发生。为探究居住环境剥夺对房价的作用机制,构建居住环境剥夺测度体系,创新了居住环境剥夺指数计算方法,运用混合地理加权回归模型和地理探测器分析居住环境剥夺与房价的关系。结果表明：（1） 兰州市平均房价为12566.93元·m^-2,空间上呈现出多核心、组团式分布格局,表现为从核心向外逐级递减的趋势。（2） 基于6个维度服务设施数量和种类差异,居住环境剥夺也呈现出不同空间分布格局。（3） 所有服务剥夺均与房价呈负相关,教育服务剥夺对房价影响力最强,生活服务剥夺对房价影响力最弱,教育和交通服务剥夺交互作用对房价解释力最强。研究结果对促进资源配置公平和城市健康快速发展至关重要。     

郑州市主城区汽车服务业集聚及与交通的 空间关联

随着我国汽车产业的发展和民用汽车拥有量的增加,人们对汽车服务的需求越来越大。以郑州市主城区为例,基于核密度估计法、局部Getis-Ord G^*指数,采用汽车服务业电子地图兴趣点（POI）大数据对郑州市主城区汽车服务业的空间集聚格局及其与内外交通的空间关系进行分析。研究表明：（1）郑州市主城区汽车服务业空间分布极不均衡,街道之间汽车服务企业数量的空间分布差异明显,且呈不断拉大的趋势;（2）汽车服务业空间集聚特征显著,空间上形成了中心城区双核块状集聚、边缘城区次中心分散发展的多中心、轴带状集聚格局,两大集聚热点片区越来越突出;（3）各细分行业也表现出不同程度的集聚趋势,汽车配件和汽车销售行业的专业化集聚区域逐步收缩,而汽车维修养护和汽车租赁业的专业化区域则大幅度地向城市外围地区拓展;（4）城市内部交通和对外交通便捷性是影响汽车服务业空间布局的重要因素,沿城市道路的轴线分布和沿高速公路出入口邻近分布是汽车服务企业区位选择的主导趋势。     

基于多源大数据的深圳市生活性服务业空间格局及影响因素研究

基于生活性服务业POI、手机信令和管理人口数据等大数据,采用最邻近指数、核密度、熵指数及地理探测器方法,探究深圳市生活性服务业的空间格局及影响因素。结果表明：1）深圳市生活性服务业空间分布不均衡,主要集中在中、西部地区,总体呈现“两核-三带”的空间集聚特征;空间上呈带状发展形态,主要集聚在交通主干道及轨道线周边区域。2）大多数服务业类别的空间特征与总体生活性服务业的空间分布特征基本一致,少数区域因产业发展导致空间分布集聚的差异化。3）生活性服务业混合度在罗湖区、福田区、南山区类别相对均衡,在宝安区、龙华区等其他区类别相对单一,混合度高的区域大多集中在“两核”外的边缘区域,而不是POI密度最高的“两核”核心处。4）人口因素是影响生活性服务业空间格局的最主要因素,其次为交通因素,经济因素和空间因素的影响程度较低。5）各探测因子对各类生活性服务业空间分布的影响程度存在差异,不同年龄段因需求不同影响到各类别生活性服务业的空间分布。     

城市汽车服务业空间集聚特征研究:以南京市为例

随着中国城市化进程的不断深入,汽车服务业已成为城市现代服务业的重要组成部分,对城市空间影响也日益加大。以南京市为案例,对汽车服务业总体空间集聚及分行业空间集聚情况进行了分析与比较,证实了汽车服务业集聚空间的出现,不同的行业类型其空间表现是不同的。进而总结归纳出南京市汽车服务业空间布局特征,具体表现为:圈层分布特征明显,汽车销售、汽车维修养护、汽车配件、汽车租赁、汽车俱乐部五大行业在不同圈层的集聚状况也有着明显的差异;总体呈现出小集聚、大分散的格局,除了几个规模较大的集聚区,汽车服务业整体空间布局显得比较零碎;与干道交通关联紧密,大部分汽车服务业都分布于城市干道周围。     

地铁对服务业集聚的影响 ——以广州市为例

以广州市为例,基于POI数据,运用SAR模型识别城市地铁开通对服务业集聚的影响.研究发现:服务业集聚具有显著的空间依赖性特征,本地服务业集聚会受到周边地区服务业集聚的影响;开通地铁对广州市服务业空间集聚产生显著的正向影响,可提高城区的服务业集聚水平,但这种集聚效应因行业不同而有所差异;地铁开通对批发与零售业、住宿与餐饮...     

2004-2008年北京城区商业网点空间分布与集聚特征

本文以北京城区内的8 个行政区作为研究对象,选取批发和零售业、住宿和餐饮业、居民服务与其他服务业作为具体的商业类别,利用北京第一次、第二次全国经济普查数据,采用核密度(Kernel)、标准差椭圆、Ripley's K(r)函数相结合的GIS 点模式分析方法,对比研究了2004 年和2008 年北京市商业网点分布与空间集聚特征。研究结果表明:① 北京商业网点呈现相对集中分布态势,具有向心性并形成明显的集聚区,集聚中心主要分布在五环内,且在两次普查期间有所改变,商业网点空间偏向性差异明显;② 以CBD、金融街、王府井、中关村、亚运村和奥运村等为代表的典型商圈对北京商业网点的布局影响十分显著,商业网点在典型商圈周围分布密度较高,呈现集聚中心状态;③ 北京商业网点Ripley's K(r)曲线随距离的变化总体呈现“先增后减”态势,其中受居民小区影响较大的居民服务与其他服务业网点两次普查期间变化剧烈,反映了居民由市中心向外扩散的过程。